6. Kết cấu khóa luận
3.2.3. Mô hình hồi quy tuyến tính đa biến OLS
Bản chất của mô hình phân tích hồi quy tuyến tính là một phương pháp phân tích quan hệ giữa các biến phụ thuộc với các biến độc lập. Mô hình hóa sử dụng hàm tuyến tính (bậc 1). Các tham số (hay hàm số) của mô hình được ước lượng từ dữ liệu.
Sau khi kết luận trong mô hình không thấy có hiện tượng đa cộng tuyến giữa các biến với nhau. Nghiên cứu đã tiếp tục sử dụng mô hình bình quân nhỏ nhất (OLS) bằng phần mềm Stata để kiểm định xem có biến độc lập và biến kiểm soát nào tác động lên các biến phụ thuộc phản ánh lợi nhuận của các doanh nghiệp ngành Thép niêm yết trên Sàn chứng khoán Việt Nam. Sau đó, từ các biến đã được thiết lập, tiếp tục tiến hành chạy 3 mô hình đã được đề cập ở chương 2. Mô hình hồi quy tuyến tính đa biến có ý nghĩa khi chạy bằng phương pháp bình quân nhỏ nhất OLS cần đánh giá những điều kiện để xem mô hình có phù hợp hay không. Các biến được cho là tác động đến 3 biến phụ thuộc sẽ có p-value nhỏ hơn 0,05 (5%). Nếu biến đó có hệ số hồi quy β lớn hơn 0 thì nó
38
sẽ có tác động cùng chiều đến biến phụ thuộc, ngược lại nếu có hệ số hồi quy β nhỏ hơn 0 thì sẽ có tác động ngược chiều đến biến phụ thuộc.
Ngoài ra, hệ số Significant F cũng là một điều kiện để kiểm định độ tin cậy về mặt thống kê của toàn bộ phương trình. Nếu Significant F nhỏ hơn 0,05 thì mô hình sẽ có ý nghĩa thống kê. Qua các bảng kết quả của 3 mô hình OLS kiểm định tác động của các biến tới 3 biến phụ thuộc, ta nhận thấy hệ số Significant F ở đây đều có giá trị bằng 0,0000 (tức nhỏ hơn 0,05), do vậy cả 3 mô hình này đều có ý nghĩa.
3.2.3.1. Mô hình hồi quy OLS với ROAA là biến phụ thuộc
Mô hình: ROAAit = β2.0 + β2.1.GIAQSATit + β 2.2.TONGNOit + β
2.3.TONGTSANit + β2.4.COTUCit + β2.5.TIENMATit + β2.6.GPDit + β2.7.CPIit + εit
Sau khi sử dụng phần mềm Stata để xử lý dữ liệu, kết quả mô hình cho ra như bảng sau:
Bảng 3. 4: Kết quả mô hình OLS với ROAA
Biến độc lập/ Biến kiểm soát
Biến phụ thuộc ROAA Co.efficient P-value GIAQSAT -0.0008165 0.073 TONGTSAN -0.0056458 0.083 COTUC 0.0026528 0.196 TONGNO 0.0001123 0.965 TIENMAT 0.0173524 0.000 GDP -0.4424541 0.49 CPI 0.3656991 0.203 R-squared 0.3245 Significant F 0.0004
Nguồn: Kết quả tự nghiên cứu
Mô hình có hệ số Significant F là 0,0004 nên mô hình này là có ý nghĩa thống kê. Ngoài ra, ta thấy hệ số xác định R bình phương từ kết quả của mô
39
hình là 0,3245 (32,45%) và R bình phương điều chỉnh là 0,2529 (25,29%). Hai giá trị này dùng để đo sự phù hợp của mô hình hồi quy. Theo lý thuyết, R càng gần 1 thì mô hình đã xây dựng càng phù hợp với bộ dữ liệu dùng để chạy hồi
quy. Thêm vào đó, 𝑅2= 32,45% cho thấy 100% sự biến động của ROAA thì có
32,45% là do 7 yếu tố trong mô hình, còn 25,29% là do các yếu tố khác không có trong mô hình hoặc các yếu tố ngẫu nhiên tác động. Như vậy, cả hai giá trị R này đều cho ra kết quả nhỏ hơn 50% thể hiện rằng mô hình tuyến tính này kém phù hợp với tập dữ liệu đã nghiên cứu. Nhận thấy rằng biến độc lập là giá 2 quặng sắt và hầu hết các biến kiểm soát đều không tác động đến biến phụ thuộc ROAA. Tuy nhiên, tiền và tương đương tiền là biến kiểm soát có P-value nhỏ hơn 0,05. Do đó có tác động đến biến phụ thuộc ROAA. Ngoài ra, mô hình cho ra kết quả là tiền và tương đương tiền tác động cùng chiều đến ROAA. 3.2.3.2. Mô hình hồi quy OLS với ROEA là biến phụ thuộc
Mô hình: ROEAit = β3.0 + β3.1.GIAQSATit + β 3.2.TONGNOit + β
3.3.TONGTSANit + β3.4.COTUCit + β3.5.TIENMATit + β3.6.GPDit + β3.7.CPIit + εit
Bảng 3. 5: Kết quả mô hình OLS với ROEA
Biến độc lập/ Biến kiểm soát
Biến phụ thuộc ROEA Co.efficient P-value GIAQSAT -0.0008165 0.073 TONGTSAN -0.0056458 0.083 COTUC 0.0026528 0.196 TONGNO 0.0001123 0.965 TIENMAT 0.0173524 0.000 GDP -0.4424541 0.490 CPI 0.3656991 0.203 R-squared 0.2419 Significant F 0.0084
40
R square = 24,19% nên mô hình có ý nghĩa, bộ dữ liệu phù hợp đến 24,19%. Các biến độc lập và biến kiểm soát trong mô hình giải thích được biến phụ thuộc đến 24,19%. Ngoài ra, dữ liệu cho thấy mô hình có hệ số Significant F = 0,0084 rất nhỏ cho nên mô hình này có ý nghĩa thống kê. Kết quả cho thấy, biến tiền và tương đương tiền có giá trị P-value nhỏ hơn 5%, do đó đây là biến có ảnh hưởng đến biến phụ thuộc ROEA. Trong đó, biến tiền và tương đương tiền được cho là có tác động cùng chiều đến biến phụ thuộc.
Ngược lại, với P-value lớn hơn 5%, các biến kiểm soát là tổng nợ, tổng tài sản, giá quặng sắt, cổ tức, GDP, CPI không ảnh hưởng đến biến phụ thuộc ROEA.
3.2.3.3. Mô hình hồi quy OLS với biến phụ thuộc là lợi nhuận sau thuế
Mô hình: LNSTit = β1.0+ β1.1.GIAQSATit + β 1.2.TONGNOit+ β 1.3.TONGTSANit
+ β1.4.COTUCit + β 1.5.TIENMATit + β1.6.GPDit + β1.7.CPIit + εit
Qua xử lý dữ liệu và chạy mô hình bằng phần mềm Stata, cho ra kết quả như sau:
Bảng 3. 6: Kết quả mô hình OLS với LNST
Biến độc lập/ Biến kiểm soát
Biến phụ thuộc LNST Co.efficient P-value GIAQSAT -0.0008165 0.073 TONGTSAN -0.0056458 0.083 COTUC 0.0026528 0.196 TONGNO 0.0001123 0.965 TIENMAT 0.0173524 0.000 GDP -0.4424541 0.49 CPI 0.3656991 0.203 R-squared 0.5224 Significant F 0.0000
41
Adjusted R-square = 52,24% nên mô hình có độ tin cậy rất cao, bộ dữ liệu phù hợp đến hơn 52%. Các biến độc lập và biến kiểm soát giải thích được biến phụ thuộc đến 52,24%. Ngoài ra, mô hình có hệ số Significant F = 0,0000 nên có ý nghĩa thống kê. Dữ liệu regression cho thấy, ngoại trừ các biến tiền và tương đương tiền có P-value nhỏ hơn 5% là ảnh hưởng đến biến phụ thuộc, các biến độc lập và biến kiểm soát còn lại đều cho ra kết quả là không có ảnh hưởng đến lợi nhuận sau thuế. Trong đó biến tiền và tương đương tiền ảnh hưởng cùng chiều tới biến lợi nhuận sau thuế.