Sau khi sàn l c các tr ng h p giá tr b thi u đ i v i m t vài bi n trong m u ho c các doanh nghi p có ít h n 6 n m quan sát liên t c s không đ c đ a vào m u, bài nghiên c u đã s d ng d li u d ng b ng d a trên m u 215 doanh nghi p phi tài chính t i hai sàn ch ng khoán l n th tr ng Vi t Nam là HOSE và HNX trong giai đo n t 2007-2012. Trên c s d li u trong báo cáo tài chính đ c thu th p t th ng kê c a các công ty ch ng khoán và các trang web www.vietstock.vn, www.cafef.vn,
www.cophieu68.com. Cu i cùng k t qu thu đ c b ng d li u g m 215 doanh nghi p niêm y t trong giai đo n t 2007 đ n 2012 v i 1.290 quan sát theo n m.
3.3 Ph ng pháp nghiên c u
Thông qua l p lu n trong ph n xây d ng mô hình nghiên c u m c 3.1 c a tác gi nh n th y (ph ng trình (5)) có th xu t hi n vài v n đ nh sau:
Nh ng nhân t không thay đ i theo th i gian hàm ch a trong mô hình có th t ng quan v i các bi n gi i thích trong mô hình. Nh ng nhân t này không thay đ i theo th i gian này n m trong sai s ng u nhiên c a ph ng trình (5) ( i,t = vi + ui,t).
Bi n tr c a bi n ph thu c [CASHi,t] đóng vai trò là bi n đ c l p [CASHi,t-1] có th t ng quan v i sai s ng u nhiên .
Do v y, có th mô hình nghiên c u c a tác gi có kh n ng xu t hi n hi n t ng n i sinh.
Trong khi đó, ph ng pháp bình ph ng bé nh t OLS v n là ph ng pháp đ c s d ng khá ph bi n trong kinh t l ng b i tính đ n gi n
trong s d ng và mang l i nhi u c l ng hi u qu , không ch ch và v ng v i nh ng gi thi t ban đ u n u th a nh ng yêu c u sau:
- E (ui/X2i,…,Xki) = 0: không có sai s h th ng
- Var (ui/X2i,…,Xki) = 2v i m i i: ph ng sai không đ i - Cov(ui,uj) = 0 v i m i i khác j
- Không có đa c ng tuy n hoàn h o gi a các bi n Xj
- Bi n Xj là phi ng u nhiên, n u ng u nhiên thì ph i đ c l p v i Ui
Tuy nhiên, khi nghiên c u v chu i d li u th i gian, r t khó đ th a mãn các gi đnh c a OLS. Khi đó, k t qu ki m đ nh s b bóp méo và vi c s d ng đ a vào phân tích s không còn đúng n a. M t trong nh ng vi ph m hay g p ph i trong vi c s d ng ph ng pháp này là hi n t ng n i sinh, t c các bi n có t ng quan v i ph n d .
gi i quy t v n đ này, tác gi s s d ng d li u d ng b ng và ph ng pháp GMM đ x lý v n đ n i sinh. V i lý do nh sau:
Vi c s d ng d li u d ng b ng s có nhi u u đi m h n so v i d li u th i gian và d li u chéo. Baltagi (2005) đã vi t:
- D li u b ng là s k t h p gi d li u chéo và d li u th i gian nên chúng ta có nhi u thông tin h n, đi u này h u ích trong vi c h n ch hi n t ng đa c ng tuy n gi a các bi n do có nhi u b c t do nên hi u qu h n.
- D li u b ng có th phát hi n và đo l ng t t h n nh ng tác đ ng mà chúng ta khó có th quan sát khi s d ng d li u th i gian ho c d li u chéo.
- D li u b ng có th ki m soát t t h n tính không đ ng nh t gi a các đ n v trong m u nghiên c u.
Ph ng pháp đ x lý v n đ bi n gi i thích có th t ng quan v i ph n d :
- Ph ng pháp c b n trong tr ng h p bi n v ph i ph ng trình t ng quan v i ph n d là c l ng m t ph ng trình có dùng các bi n công c (Instrumental Variables – h i quy IV). Ý t ng c a ph ng pháp h i quy này là tìm ra m t b bi n, đ c g i là bi n công c th a mãn hai đi u ki n: (1) t ng quan v i bi n gi i thích trong ph ng trình và (2) không t ng quan v i ph n d . Nh ng bi n công c nh v y đ c dùng đ lo i b s t ng quan gi a bi n gi i thích và ph n d .
- Có nhi u ph ng pháp d a trên n n t ng c a h i quy IV nh ph ng pháp bình ph ng bé nh t hai giai đo n (TSLS), ph ng pháp Maximum Likelihood trong đi u ki n gi i h n thông tin (LIML), ph ng pháp c l ng moment t ng quát (GMM)… Trong đó, ph ng pháp GMM đ c xem là ph ng pháp t ng quát c a r t nhi u ph ng pháp khác. Ngay c trong đi u ki n gi thi t n i sinh b vi ph m, ph ng pháp GMM v n có th cho ra các h s c l ng v ng, không ch ch, phân ph i chu n và hi u qu .
T nh ng lý do tác gi cho r ng vi c s d ng ph ng pháp này v i nghiên c u c a Sunday, Rafiu and Lawrencia (2012) s d ng GMM d a trên ph n m m eviews là phù h p trong vi c tìm ra các nhân t tác đ ng đ n vi c n m gi ti n c a các doanh nghi p t i Vi t Nam.
3.3.1 Cách th c đ c l ng ra h s h i quy v i s tham gia c a các bi n công c :
Yi = xi+ i
Trong đó: i là quan sát th i, Yi là bi n ph thu c, xi là bi n đ c l p, i
là ph n d c a mô hình. Khi đó h s c l ng ˆ s đ c xác đ nh nh sau: ˆOLS = x x y x = x x x x( )
Trong đó x, y, là các ma tr n c t n x 1. N u x và không t ng quan v i nhau thì ˆ c l ng đ c là v ng và không ch ch. Tuy nhiên, n u đi u này ng c l i x y ra, h s c l ng s b ch ch và không v ng, mô hình không còn hi u qu , tác đ ng c a bi n x lên bi n y b bóp méo.
M t bi n công c z, t ng quan v i bi n gi i thích x nh ng không t ng quan v i ph n d s đ c đ a vào mô hình, ph ng pháp h i quy IV s d ng bi n công c đó đ xác đnh h s c l ng nh sau: ˆIV = x z zy = x z x z( )
Vì bi n z không t ng quan v i nên h s c l ng v ng và không ch ch. Ph ng pháp này có th t ng quát lên v i m t mô hình nhi u bi n. Ta g i X là ma tr n n x K các bi n gi i thích, Z là ma tr n n x L các bi n công c (v i K là s l ng bi n gi i thích, L là s l ng bi n công c và n là s quan sát c a m i bi n). Khi đó, ph ng pháp này s s d ng bi n công c đ c l ng mô hình và h s c l ng s đ c xác đ nh nh sau: ˆIV = ZX 1ZY ) ( i u ki n đ xác đ nh đ c giá tr c l ng là L ≥ K
3.3.2 Th t c c l ng GMM
Ph n trên đã c g ng trình bày m t cách đ n gi n nh t đ có th hi u đ c vai trò c a bi n công c trong h i quy IV. Theo đó, GMM c ng là m t ph ng pháp s d ng bi n công c . Nh đã đ c p trên, đ c l ng đ c h s , chúng ta c n m t b L vector các bi n công c (trong
c l ng GMM còn g i là “các đi u ki n moment”) và s l ng bi n công c ph i không ít h n s bi n trong mô hình (L ≥ K). i u ki n đ m t bi n đ c ch n là bi n công c là nó không t ng quan v i ph n d , đi u này có ngh a là:
E(Ztut( )) = 0
Ý t ng ch đ o c a ph ng pháp GMM là thay th giá tr các bi n công c b ng giá tr trung bình c a m u:
E(Ztut( )) = n t T 1 1 Ztut( ) = T 1 ' Z ut( ) = 0
Vì khi s l ng đi u ki n moment l n h n s bi n trong mô hình (L ≥ K) thì ph ng trình không th xác đnh m t nghi m duy nh t mà s có nhi u nghi m có th th a mãn ph ng trình. Khi đó mô hình đ c g i là “overidentified”. Trong tr ng h p đó, chúng ta ph i th c hi n tính toán l i nh m xác đ nh beta làm cho đi u ki n moment “g n” b ng 0 nh t có th , khái ni m “g n” đ c hi u là kho ng cách v i giá tr 0 là nh nh t, kho ng cách đó đ c là kho ng cách J. J( , WˆT) = T 1 ) ( ˆ . ) ( .u ZWT1Zu Ph ng pháp GMM s xác đ nh giá tr c l ng đ kho ng cách J là nh nh t.
Ph ng pháp GMM có hai lo i đó là GMM h th ng (Systems GMM) và GMM sai phân b c nh t (Difference GMM). Trong bài vi t này tác gi s s d ng ph ng pháp th hai đó là GMM sai phân b c nh t. Ý t ng c b n c a GMM sai phân b c nh t là s d ng b ng cách chuy n đ i sai phân b c nh t và t o ra m t ma tr n vector các bi n công c và s l ng bi n công c ph i l n h n s bi n trong mô hình, chính đi u này s giúp ki m soát đ c tính không đ ng nh t không quan sát đ c và ng n ng a v n đ n i sinh ti m n do ch u tác đ ng t nh ng cú s c ho c nh ng nhân t không quan sát đ c tác đ ng đ n vi c n m gi ti n. C th :
CASHi,t = + CASH i,t-1 + 1GROWTHSi,t + 2SIZEi,t + 3CFi,t +
4NWCi,t + 5LEVi,t + 6ROAi,t + 7INVi,t + i,t CASHi,t-1 = + CASH i,t-2 + 1GROWTHSi,t-1 + 2SIZEi,t-1 + 3CFi,t-1 +
4NWCi,t-1 + 5LEVi,t-1 + 6ROAi,t-1 + 7INVi,t-1 + i,t-1
CASHi,t = + CASH i,t-1 + 1 GROWTHSi,t + 2 SIZEi,t + 3 CFi,t + 4 NWCi,t + 5 LEVi,t + 6 ROAi,t + 7 INVi,t + ui,t (6)
Vì i,t= i,t - i,t-1 = (vi - vi) + (ui,t - ui,t-1) = ui,t
ng th i, ph ng pháp phân tích th ng kê mô t c ng đ c th c hi n đ tìm hi u đ y đ các đ c tr ng c a quy t đ nh n m gi ti n c a các công ty niêm y t t i Vi t Nam giai đo n 2007-2012.
3.4 Ph ng pháp ki m đ nh
Ph ng pháp này có ba ki m đ nh c n thi t nh sau:
Ki m đ nh bi n công c không t ng quan v i ph n d c a mô hình
Ki m đ nh quan tr ng nh t c a ph ng pháp c l ng GMM là ki m đ nh Overdentifying Restrictions hay còn g i là ki m đ nh Sargan (Sargan Test) ho c ki m đ nh J (J – Test). ây là ki m đ nh c n thi t trong tr ng h p s bi n công c nhi u h n s bi n trong mô hình. Ý t ng c a ki m đ nh là đ xem xét bi n công c có t ng quan v i ph n d c a mô hình hay không. N u câu tr l i là không, khi đó bi n công c là n i sinh, thì bi n công c đ c ch n là phù h p và mô hình s d ng bi n đó đ c l ng c ng phù h p. V i gi thi t nh sau:
H0: Bi n công c không t ng quan v i ph n d c a mô hình H1: Bi n công c t ng quan v i ph n d c a mô hình
N u p-value > m c ý ngh a đã ch n ( = 10% ch ng h n) thì ch p nh n gi thi t H0, t c là bi n công c không t ng quan v i mô hình. Khi đó bi n công c s là bi n n i sinh và bi n công c đ c ch n là phù h p và mô hình c l ng là phù h p.
Ki m đ nh có t ng quan chu i b c m t trong ph n d sai phân b c nh t
Ngoài ra, h i quy GMM còn có m t ki m đ nh quan tr ng không kém đó là ki m đ nh t n t i t ng quan chu i b c m t các ph n d trong sai phân b c nh t (First-order autocorrelation-AR(1)) v i gi thuy t nh sau:
H0: Không có t ng quan chu i b c m t trong ph n d c a sai phân b c nh t
H1: Xu t hi n t ng quan chu i b c m t trong các ph n d c a sai phân b c nh t
N u giá thi t H0 b bác b (p_value < 0,05) t c t n t i t ng quan chu i b c m t trong ph n d sai phân b c nh t c a k t qu h i quy.
Ki m đ nh không có t ng quan chu i b c hai trong ph n d sai phân b c nh t
K đó, đ t ng đ v ng ch c cho mô hình, h i quy GMM còn có m t ki m đ nh v vi c không t n t i t ng quan chu i b c hai các ph n d trong sai phân b c nh t (Second-order autocorrelation-AR(2)) v i gi thuy t nh sau:
H0: Không có t ng quan chu i b c hai trong ph n d c a sai phân b c nh t.
H1: Xu t hi n t ng quan chu i b c hai trong các ph n d c a sai phân b c nh t
N u gi thi t H0 đ c ch p nh n khi p_value > m c ý ngh a ( ch ng h n nh p_value > 0,05) t c là không t n t i t ng quan chu i b c hai trong ph n d sai phân b c nh t c a k t qu h i quy.
4. N i dung và các k t qu nghiên c u
T c s t ng quan nh ng khuôn kh lý thuy t và th c nghi m liên quan đ n vi c n m gi ti n và ph ng pháp s đ c th c hi n áp d ng cho th tr ng Vi t Nam, trong ph n này tác gi s trình bày m t s k t qu đ c rút ra sau khi ti n hành h i quy và ki m đ nh đ tr l i cho các câu h i nghiên c u đã đ t ra đ u bài.
4.1 Th ng kê mô t
Tr c tiên, bài nghiên c u này s trình bày th ng kê d li u c a các bi n qua các n m, đ th y đ c t ng quan c a ngu n d li u.
B ng 4.1: Phân tích mô t d li u c a các doanh nghi p đang niêm y t giai đo n 2007-2012 Bi n (Varian) S quan sát (Obser.) Trung bình (Mean) Trung v (Median) l ch chu n (Std.Dev.) Giá tr l n nh t (Max.) Giá tr bé nh t (Min.) CASH 1290 0.149926 0.070841 0.523758 16.75693 -1.012579 CF 1290 0.136306 0.101524 0.215987 5.832153 -0.368410 GROWTHS 1290 0.409727 0.183291 2.128801 59.26770 -0.983484 LEV 1290 0.503405 0.516816 0.413600 8.401646 0.001299 INV 1290 0.254008 0.022287 5.363287 182.7441 -0.739484 NWC 1290 0.549103 0.581924 0.309412 5.616976 -4.740791 ROA 1290 0.092666 0.066539 0.334492 11.67461 -0.355799 SIZE 1290 27.30435 27.254438 1.351321 31.65324 21.07426
Ngu n: T ng h p c a tác gi t d li u nghiên c u d a trên ph n m m Eviews
S li u tính toán d a trên m u g m 215 công ty phi tài chính đang niêm y t t i th tr ng ch ng khoán Vi t Nam trên hai sàn HNX và HOSE t n m 2007 – 2012 v i 1,290 quan sát. K t qu cho th y d li u phân ph i ch a chu n, ch s trung bình và trung v c a các bi n có s khác nhau. Do đó, xét v t ng th thì d li u phân ph i ch a chu n. Vi c áp d ng ph ng pháp OLS thu n túy có th cho ra k t qu b ch ch và không v ng cho nên c n thi t ph i s d ng các ph ng pháp khác đ kh c ph c nh c đi m này.
B ng trên cho th y t s ti n trên t ng tài s n trung bình là 14,99% và trung v là 13,63%. Nhìn chung th ng kê này cho th y bình quân các doanh