Các tiền phân tích – kiểm định:
Phân tích phân phối của VN-Indexvà R
Bảng 3.1: Kiểm định phân phối của VNI và R
Biế
n Mean Median Std.Dev Skewness Kurtosis JB valueP- Obs
VNIt 545.02 479.25 218.91 1.39 3.79 29.10 0.0000 84
Rt 0.0085 0.0075 0.0025 0.6858 2.2197 8.7149 0.0128 84
Nguồn: Kết quả xử lý bằng Eviews
Ở bảng trên, ta thấy rằng thống kê Skewness (hệ số bất đối xứng) có giá trị dương cho thấy VN-Index có phân phối lệch dương, đây là điều thường xảy ra với các TTCK mới nổi. Thống kế Kurtosis >0 cho thấy đồ thị nhọn hơn phân phối chuẩn. Mức p-value < 0.05 cho thấy dữ liệu không tuân theo phân phối chuẩn.
Phân tích tính dừng
Một trong các giả thiết của mô hình hồi quy cổ điển là các biến độc lập phải phi ngẫu nhiên. Nếu chúng ta ước lượng mô hình có chuỗi thời gian mà các biến độc lập không dừng, thì khi đó giả thiết OLS bị vi phạm dẫn đến các kiểm định t và p không hiệu quả (hay gọi là hồi quy giả mạo). Kiểm định nghiệm đơn vị là một tiêu chuẩn để kiểm định tính dừng. Dickey-Fuller đã đưa ra tiêu chuẩn kiểm định như sau:
H0: p=1 (chuỗi là không dừng) H1: p≠1 (chuỗi dừng)
Ta ước lượng mô hình: t=p/se(p). Nếu │t│ > │tα│ thì bác bỏ giả thiết H0. Trong trường hợp này thì là chuỗi dừng.
o Kết quả kiểm định tính dừng của các biến:
Bảng 3.2: Kiểm định tính dừng các biến VNI và R
Augmented Dickey-Fuller test statistic Biến t-Statistic P-value VNI -2.779082 0.2092
R -3.5795 0.0350
Test critical values: 1% level -4.073859 5% level -3.465548
10%level level
-3.159372
Với kết quả trên, ta thấy rằng biến lãi suất R dừng ở mức ý nghĩa 5% và biến VNI không có tính dừng.
Tuy nghiên, Engle và Granger (1987) cho rằng, nếu phần dư trong mô hình hồi quy giữa các chuỗi thời gian không dừng là một chuỗi dừng, thì “kết quả hồi quy là thực” và thể hiện mối cân bằng dài hạn giữa các biến trong mô hình.
Ta tiến hành ước lượng mô hình 1: VNIt = β1 + β2 Rt +εt thu được phần dư εt và thực hiện kiểm định nghiệm đơn vị phần dư.
Bảng 3.3: Kiểm định nghiệm đơn vị phần dư
Augmented Dickey-Fuller test statistic t-Statistic P-value Resid -2.8947 0.1697
Nguồn: Kết quả xử lý bằng Eviews
Như vậy kiểm định nghiệm đơn vị phần dư cho kết quả phần dư là một chuỗi không dừng, có nghĩa là mô hình hồi quy giả mạo, ta không thể sử dụng mô hình này.
Để khắc phục hiện tượng này, chúng tôi tiến hành nghiên cứu mô hình:
Mô hình 2: LnVNIt = β1 + β2* LnRt +εt
• Các tiền phân tích – kiểm định
o Phân tích phân phối của ln VNI và ln R
Bảng 3.4: Kiểm định phân phối các biến lnVNI và lnR
Biến Mean Median Std.Dev Skewness Kurtosis JB valueP- Obs
LnVNI 6.2352 6.1721 0.3490 0.7952 3.0599 8.8647 0.0119 84
LnR -4.8060 -4.8929 0.2770 0.4203 1.7661 7.8012 0.0202 84
Nguồn: Kết quả xử lý bằng Eviews
Độ lệch (0.349 và 0.277) và độ nhọn dương (3.06 và 1.77)phản ánh dãy VNI và R không tuân theo quy luật phân phối chuẩn tại mức ý nghĩa 5%. (mới bổ sung)
o Phân tích tính dừng:
Kết quả kiểm định tính dừng của các biến:
Bảng 3.5: Kiểm định tính dừng các biến ln VNI và ln R
Augmented Dickey-Fuller test statistic Biến t-Statistic P-value
LnVNI -3.4725 0.0371
LnR -3.9721 0.0438
Test critical values: 1% level -4.073859 5% level -3.465548
10%
level -3.159372
Nguồn: Kết quả xử lý bằng eviews Với bảng kết quả trên, ta thấy cả 2 biến đều dừng tại mức ý nghĩa là 5%. Như vậy, mô hình này ta có thể sử dụng để tiến hành kiểm định.
o Kiểm định mô hình:
Kết quả ước lượng mô hình 2 bằng eview:
Bảng 3.6: kết quả hồi quy ảnh hưởng của ln R đến ln VNI
Dependent Variable: LN_VNIDEX Sample: 1 84
Included observations: 84
Variable Coefficient Std. Error t-Statistic Prob. LN_LSHD -0.379386 0.132628 -2.860538 0.0054
C 4.411947 0.638455 6.910349 0.0000
R-squared 0.090734 Mean dependent var 6.235281 Adjusted R-squared 0.079646 S.D. dependent var 0.348993 S.E. of regression 0.334807 Akaike info criterion 0.672998 Sum squared resid 9.191862 Schwarz criterion 0.730874 Log likelihood -26.26591 F-statistic 8.182680 Durbin-Watson stat 0.140784 Prob(F-statistic) 0.005363
Nguồn: Kết quả xử lý bằng Eviews
Nhận xét:
Kết quả của mô hình hồi quy cho thấy chỉ số R2 = 9.07% nghĩa là sự thay đổi của các biến logarit nepe lãi suất giải thích được 9.07% sự biến động của logarit nepe của giá cổ phiếu trên TTCK. R2 nhỏ như vậy là vì ngoài yếu tố lãi suất, giá cổ phiếu còn ảnh hưởng bởi tình hình hoạt động của công ty, tỷ giá, tình hình kinh tế chính trị xã hội… Hệ số β2=- 0.379 cho ta biết khi lãi suất huy động tăng 1% thì giá cổ phiếu tương ứng giảm 0,379%. Kết quả này tương đồng với các nghiên cứu nước ngoài. Lãi suất huy động của các ngân hàng có thể xem là công cụ đầu tư đối với các NĐT. Vậy nên sự tăng lên của lãi suất này sẽ hấp dẫn các NĐT, dẫn đến việc NĐT thay đổi cấu trúc danh mục đầu tư của mình nhằm gia tăng lợi nhuận bằng việc gửi tiền vào ngân hàng dẫn đến giảm giá cổ phiếu trên TTCK. Alam (2009) cũng phát hiện mối tương quan âm giữa lãi suất và giá cổ phiếu ở một số nước như Malaysia, Bangladesh,
Canada, Germany...Mô hình hồi quy có p-value < 0,05: ước lượng hồi quy đạt ý nghĩa thống kê với độ tin cậy 95%.
Chỉ số Durbin Watson cho thấy 0< 0.141 < dL= 1.6245 tức là có hiện tượng tự tương quan thuận chiều dương. Hình bên cũng cho thấy tương quan gữa biến độc lập và phần dư không theo một mẫu hệ thống nào và nó ủng hộ cho giả thiết có sự tương quan. Nguyên nhân của vấn đề này có thể là sai lệch do lập mô hình khi không đưa đủ các biến vào trong mô hình.
Biểu đồ 3.2. Mối tương quan giữa biến độc lập và phần dư
o Kiểm định Breusch-Godfrey chỉ ra phần dư tồn tại chuỗi tương quan bậc 2
Bảng 3.7: Kiểm định Breusch-Godfrey đối với phần dư
Nguồn: kếtquả xử lý bằng eviews
o Kiểm định Jarque-Bera ( đối với phần dư)
Bảng 3.8: Kiểm định Jarque-Bera đối với phần dư
Nguồn: Kết quả xử lý bằng Eviews
5 Với k’=1, n= 84 ta có dL=1.624, dU=1.671 -1.2 -1.2 -0.8 -0.4 0.0 0.4 0.8 -5.4 -5.2 -5.0 -4.8 -4.6 -4.4 -4.2 LN_LSHD R E S ID 0 4 8 12 16 20 -400 -300 -200 -100 0 100 200 300 400 500 Series: Residuals Sample 1 84 Observations 84 Mean 3.38e-15 Median -29.66019 Maximum 525.7205 Minimum -379.3782 Std. Dev. 204.3800 Skewness 0.757442 Kurtosis 3.237473 Jarque-Bera 8.229427 Probability 0.016331
Breusch-Godfrey Serial Correlation LM Test:
Kiểm định cho thấy giá trị trung bình của các phần dư bằng 0, thống kê JB(Jarque-Bera)bác bỏ giả thuyết phần dư của mô hình tuân theo quy luật phân phối chuẩn.
Ngoài ra, chúng tôi sử dụng kiểm định White để xem thử có hiện tượng phương sai sai số thay đổi hay không.
Bảng 3.9: Kiểm định White
Heteroskedasticity Test: White
Obs*R-squared 40.56409 Prob. Chi-Square(2) 0.0000
Nguồn: Kết quả xử lý bằng Eviews
Kết quả kiểm định White chỉ ra p-value < 0.05 nên mô hình có hiện tượng phương sai sai số thay đổi. Ngoài ra, đồ thị phần dư đối với logarit nepe lãi suất cho thấy độ rộng của biểu đồ rải tăng lên khi X tăng, cho nên có chứng cớ để cho rằng phương sai sai số thay đổi khi logarit nepe lãi suất tăng.
Biểu đồ 3.3: Đồ thị phân dư đối với logarit nepe của lãi suất
Tóm lại, kết quả của mô hình cho hệ số hồi quy mang dấu âm khẳng định rằng giá cổ phiếu trên TTCK có mối tương quan âm so với các thay đổi trong lãi suất và phù hợp với các kết quả nghiên cứu của nước ngoài.