7. Bố cục của đề tài
4.2.Kiểm định và kết quả nghiên cứu
4.2.1. Các kiểm định
Kiểm định mô hình xem có vi phạm các giả định trong hồi quy tuyến tính không. Bao gồm các kiểm định sau:
Kiểm định sự phù hợp của mô hình.
Kiểm định mô hình có hiện tượng đa cộng tuyến không.
Kiểm định mô hình có hiện tượng phương sai thay đổi không.
Kiểm định mô hình có hiện tượng tự tương quan không.
Nếu mô hình có vi phạm các hiện tượng trong khi kiểm định thì tìm cách khắc phục và xử lý, nếu mô hình không có vi phạm thì đó là mô hình thích hợp.
Mô hình hồi quy có dạng như sau:
tdit = β0 + β1prof + β2 size + β3tang + β4ndts + β5grow + β6age + β7liqu + β8ev + eit stdit = β0 + β1prof + β2 size + β3tang + β4ndts + β5grow + β6age + β7liqu + β8ev + eit ltdit = β0 + β1prof + β2 size + β3tang + β4ndts + β5grow + β6age + β7liqu + β8ev + eit
Sai sót hoặc thiếu dữ liệu trong các quan sát là vấn đề thường gặp trong các nghiên cứu thực nghiệm. Trong mô hình nghiên cứu, để ước lượng tốt mô hình cần thiết phải có đầy đủ các giá trị cho tất cả các quan sát. Đối với dữ liệu bảng, việc cân bằng dữ liệu là rất quan trọng. Do đó, trước khi nghiên cứu, tác giả kiểm tra dữ liệu như sau:
delta: 1 unit
time variable: nam, 2009 to 2014 panel variable: cty (strongly balanced) . xtset cty nam
Kết quả cho thấy, dữ liệu đã cân bằng.
Trước khi chạy mô hình và kiểm định mô hình, tác giả mô tả sơ bộ toàn bộ bộ dữ liệu qua bảng sau:
47
Bảng 4.2: Bảng thống kê mô tả toàn bộ bộ dữ liệu nghiên cứu
ev 276 7.854895 1.446866 0 11.58383 liqu 276 1.518292 1.019528 .2222323 6.778194 age 276 24.6087 15.80745 2 57 grow 276 .1135876 .3122312 -1 2.467224 ndts 276 .0506417 .0831146 0 .8089678 tang 276 .3790509 .242785 0 .8620464 size 276 12.55839 1.413072 9.364434 16.40436 prof 276 .0808132 .1104301 -.657809 .6077206 ltd 276 .1273804 .1632896 0 .6547573 std 276 .437851 .1684096 .0589272 .9695139 td 276 .5652313 .2164973 .0589272 1.173151 nam 276 2011.5 1.710927 2009 2014 cty 276 23.5 13.30003 1 46 Variable Obs Mean Std. Dev. Min Max . sum
Nguồn: chạy từ phần mềm stata11
Từ bảng trên có thể thấy được tổng số quan sát là 276, nghiên cứu số liệu từ năm 2009 đến năm 2014, giá trị trung bình tổng thể (mean) của từng chỉ tiêu, cũng như cho biết đối với mỗi chỉ tiêu thì giá trị thấp nhất (min) và giá trị cao nhất (max) là bao nhiêu. Ngoài ra bảng trên cũng cho thấy sự sai lệch về giá trị trung bình giữa các công ty được giải thích qua giá trị sai số chuẩn (std.dev). Cụ thể về chỉ tiêu tỷ lệ nợ như sau: Tỷ lệ nợ trung bình trong tổng nguồn vốn của các công ty là 56,52%; trong đó, tỷ lệ nợ ngắn hạn chiếm 43,78% và tỷ lệ nợ dài hạn chiếm 12,74%. Điều này cũng có nghĩa là tỷ lệ vốn chủ sở hữu chiếm trung bình 43,48% trong tổng nguồn vốn. Độ lệch chuẩn của tỷ lệ nợ là 21,65% cho thấy mức độ biến thiên giữa các công ty về tỷ lệ nợ trên tổng tài sản khá lớn. Tỷ lệ nợ tối thiểu của các công ty là 5,89% và tối đa là 117% (sở dĩ có tình trạng này là bởi vì có công ty có vốn chủ sở hữu âm cụ thể là công ty mang mã chứng khoán DTC), nghĩa là công ty sử dụng nợ ít nhất là 5,89% và tỷ lệ nợ cao nhất mà công ty sử dụng trong tổng nguồn vốn là 117%. Tương tự vậy cho các biến còn lại.
Trong bài nghiên cứu này, các biến trong mô hình hồi quy liệu có phù hợp và có tương quan với biến độc lập hay không. Vấn đề này sẽ được thấy rõ qua bảng
48
ma trận tương quan giữa các biến:
Bảng 4.3: Bảng ma trận tương quan giữa các biến với biến phụ thuộc là td
ev 0.2386 0.0628 0.7473 0.3578 -0.0627 0.1102 -0.2580 -0.2459 1.0000 liqu -0.7619 0.2961 -0.4075 -0.4918 -0.0373 0.0060 -0.0012 1.0000 age -0.1724 0.0123 -0.3149 0.0967 -0.0031 -0.0697 1.0000 grow 0.0570 0.2390 0.1044 0.0063 -0.0780 1.0000 ndts -0.0890 0.0389 -0.1551 0.0999 1.0000 tang 0.3723 -0.1107 0.4745 1.0000 size 0.5010 -0.0697 1.0000 prof -0.3764 1.0000 td 1.0000 td prof size tang ndts grow age liqu ev (obs=276)
. corr td prof size tang ndts grow age liqu ev
Nguồn: chạy từ phần mềm stata11
Nhìn vào bảng kết quả trên cho thấy: Tất cả các biến giải thích đều có mối tương quan với biến được giải thích, tuy nhiên mức độ ảnh hưởng của các biến đối với biến được giải thích khác nhau. Trong các biến độc lập thì biến size, liqu ảnh hưởng mạnh đến biến td; biến ndts và biến grow ít ảnh hưởng đến biến td.
Bảng 4.4: Bảng ma trận tương quan giữa các biến với biến phụ thuộc là std
ev -0.1309 0.0628 0.7473 0.3578 -0.0627 0.1102 -0.2580 -0.2459 1.0000 liqu -0.6213 0.2961 -0.4075 -0.4918 -0.0373 0.0060 -0.0012 1.0000 age -0.1391 0.0123 -0.3149 0.0967 -0.0031 -0.0697 1.0000 grow -0.1214 0.2390 0.1044 0.0063 -0.0780 1.0000 ndts -0.0535 0.0389 -0.1551 0.0999 1.0000 tang -0.1629 -0.1107 0.4745 1.0000 size 0.0123 -0.0697 1.0000 prof -0.3306 1.0000 std 1.0000 std prof size tang ndts grow age liqu ev (obs=276)
. corr std prof size tang ndts grow age liqu ev
Nguồn: chạy từ phần mềm stata11 (adsbygoogle = window.adsbygoogle || []).push({});
Cũng giống như bảng ma trận tương quan với biến phụ thuộc là td, ở bảng này, tất cả các biến giải thích đều có mối tương quan với biến được giải thích và mức độ ảnh hưởng của các biến đối với biến được giải thích cũng khác nhau. Chỉ có biến liqu là ảnh hưởng mạnh nhất đến biến std, các biến còn lại ít ảnh hưởng đến biến std.
49
Bảng 4.5: Bảng ma trận tương quan giữa các biến với biến phụ thuộc là ltd
ev 0.4513 0.0628 0.7473 0.3578 -0.0627 0.1102 -0.2580 -0.2459 1.0000 liqu -0.3695 0.2961 -0.4075 -0.4918 -0.0373 0.0060 -0.0012 1.0000 age -0.0851 0.0123 -0.3149 0.0967 -0.0031 -0.0697 1.0000 grow 0.2008 0.2390 0.1044 0.0063 -0.0780 1.0000 ndts -0.0628 0.0389 -0.1551 0.0999 1.0000 tang 0.6615 -0.1107 0.4745 1.0000 size 0.6516 -0.0697 1.0000 prof -0.1581 1.0000 ltd 1.0000 ltd prof size tang ndts grow age liqu ev (obs=276)
. corr ltd prof size tang ndts grow age liqu ev
Nguồn: chạy từ phần mềm stata11
Khác với biến td và std, ở mô hình biến phụ thuộc ltd có biến size, tang, ev tác động khá mạnh đến biến ltd; còn biến prof, ndts, grow, age, liqu cũng có tác động đến biến ltd nhưng ở mức độ yếu, đặc biệt là biến ndts và biến age có mối tương quan rất yếu. Bảng trên cũng cho thấy các biến độc lập cũng có tác động với nhau, biến ev và biến size có hệ số 0,75 nên có khả năng xảy ra hiện tượng đa cộng tuyến.
Sau khi phân tích sơ bộ về các biến và mối quan hệ của các biến, tác giả đi vào tiến hành chạy mô hình và kiểm định mô hình bao gồm các bước sau:
Bước 1: Lựa chọn phương pháp ước lượng phù hợp với dữ liệu.
Có 3 phương pháp thường được sử dụng để phân tích dữ liệu bảng là ước lượng thô (pooled regression), tác động cố định (fixed effect) và tác động ngẫu nhiên (random effect). Mô hình phân tích dữ liệu bảng có dạng:
Yit = α + βXit + uit
Việc ước lượng mô hình trên tùy thuộc vào các giả định của hệ số cắt và sai số. Tùy thuộc vào các giả định mà tác giả lựa chọn phương pháp thích hợp.
Để biết chọn phương pháp nào là phù hợp với dữ liệu nghiên cứu, ta chạy lần lượt các mô hình Pooled OLS, Fixed Effect và Random Effect. Sau đó, so sánh giữa các mô hình để lựa chọn mô hình phù hợp nhất với bộ dữ liệu nghiên cứu.
50
được của các đối tượng theo thời gian, do vậy nó xem tất cả các hệ số đều không thay đổi giữa các đối tượng khác nhau và không thay đổi theo thời gian.
Đối với mô hình có biến td là biến phụ thuộc: Tác giả chạy mô hình Pooled OLS như sau:
Bảng 4.6: Mô hình hồi quy Pooled OLS với biến phụ thuộc td
_cons .4238781 .0954294 4.44 0.000 .2359883 .6117679 ev -.0271699 .007838 -3.47 0.001 -.0426021 -.0117377 liqu -.1366012 .0089541 -15.26 0.000 -.1542308 -.1189716 age -.0014279 .0005203 -2.74 0.006 -.0024525 -.0004034 grow .0523261 .0246418 2.12 0.035 .0038092 .100843 ndts -.1475685 .0932351 -1.58 0.115 -.331138 .036001 tang -.0361036 .0393254 -0.92 0.359 -.1135309 .0413237 size .0509244 .0092605 5.50 0.000 .0326914 .0691573 prof -.3341469 .0733236 -4.56 0.000 -.4785128 -.189781 td Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 12.8895467 275 .046871079 Root MSE = .12238 Adj R-squared = 0.6805 Residual 3.99892664 267 .014977253 R-squared = 0.6898 Model 8.8906201 8 1.11132751 Prob > F = 0.0000 F( 8, 267) = 74.20 Source SS df MS Number of obs = 276 . reg td prof size tang ndts grow age liqu ev
Nguồn: chạy từ phần mềm stata11
Với mức ý nghĩa α = 5%; các biến prof, size, grow, age, liqu, ev có ý nghĩa thống kê (vì p>|t| < α); các biến tang, ndts không có ý nghĩa thống kê (vì p>|t| > α).
R-squared = 0,6898 hay 68,98%, điều này có nghĩa là các biến độc lập có trong mô hình có khả năng giải thích 68,98% cho biến phụ thuộc td.
Tiếp theo là phương pháp ước lượng tác động cố định (Fixed Effect). Tác động cố định dựa trên giả định rằng các độ dốc của các hệ số là không đổi, tuy nhiên hệ số cắt là thay đổi theo các đối tượng hoặc các thời điểm khác nhau.
51
Bảng 4.7: Mô hình Fixed Effect đối với biến phụ thuộc td
F test that all u_i=0: F(45, 222) = 17.61 Prob > F = 0.0000 rho .88130241 (fraction of variance due to u_i)
sigma_e .06278982 sigma_u .17109243 _cons -.7214986 .2058841 -3.50 0.001 -1.127236 -.3157612 ev -.0056745 .0048067 -1.18 0.239 -.0151471 .0037981 liqu -.0719012 .0089612 -8.02 0.000 -.0895611 -.0542414 age -.0028216 .0028926 -0.98 0.330 -.0085221 .0028789 grow .0127185 .0149743 0.85 0.397 -.0167913 .0422284 ndts -.1097574 .0736831 -1.49 0.138 -.2549653 .0354505 tang .0838977 .0531074 1.58 0.116 -.0207615 .1885569 size .1194218 .0188901 6.32 0.000 .082195 .1566487 prof -.2169022 .0610058 -3.56 0.000 -.3371267 -.0966777 td Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.5113 Prob > F = 0.0000 F(8,222) = 33.10 overall = 0.4792 max = 6 between = 0.4816 avg = 6.0 R-sq: within = 0.5439 Obs per group: min = 6 Group variable: cty Number of groups = 46 Fixed-effects (within) regression Number of obs = 276 . xtreg td prof size tang ndts grow age liqu ev,fe
Nguồn: chạy từ phần mềm stata11
Với mức ý nghĩa α = 5% thì chỉ có biến prof, size, liqu có ý nghĩa thống kê (vì p>|t| < α). Các biến còn lại đều không có ý nghĩa thống kê (vì p>|t| > α).
F(8,222) = 31,10 và Prob> = 0.0000 cho thấy mô hình có ý nghĩa thống kê với mức ý nghĩa 5%.
Mô hình Pooled OLS và mô hình Fixed Effect thì mô hình nào sẽ phù hợp hơn đối với bộ dữ liệu phân tích. (adsbygoogle = window.adsbygoogle || []).push({});
Với giả định của mô hình Fixed Effect, ta có giả thuyết như sau:
Giả thuyết: H0: tất cả các hệ số đều bằng 0 (nghĩa là không có sự khác biệt giữa các đối tượng hoặc các thời điểm khác nhau). -> chọn mô hình Pooled.
H1: tồn tại hệ số nào đó khác 0. -> chọn mô hình Fixed Effect. Ta có F(45,222) = 17,61 và Prob>F = 0.0000 < α = 5% -> bác bỏ H0 và chọn mô hình Fixed Effect.
52
giả định rằng độ dốc và các hệ số góc của các phương trình hồi quy giữa các nhóm là giống nhau. Sự khác nhau giữa các nhóm được thể hiện qua sai số của ước lượng.
Bảng 4.8: Mô hình Random Effect với biến phụ thuộc là td
rho .73234483 (fraction of variance due to u_i)
sigma_e .06278982 sigma_u .10386261 _cons -.0955979 .141444 -0.68 0.499 -.3728231 .1816274 ev -.0090522 .0049441 -1.83 0.067 -.0187424 .000638 liqu -.0833092 .0085866 -9.70 0.000 -.1001386 -.0664799 age -.000684 .0009996 -0.68 0.494 -.0026432 .0012753 grow .0297485 .01466 2.03 0.042 .0010155 .0584816 ndts -.1300689 .0741944 -1.75 0.080 -.2754873 .0153495 tang .0747136 .0452973 1.65 0.099 -.0140674 .1634946 size .0692948 .0111878 6.19 0.000 .0473672 .0912224 prof -.2486206 .0582622 -4.27 0.000 -.3628125 -.1344287 td Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Random effects u_i ~ Gaussian Wald chi2(8) = 318.30 overall = 0.6034 max = 6 between = 0.6180 avg = 6.0 R-sq: within = 0.5195 Obs per group: min = 6 Group variable: cty Number of groups = 46 Random-effects GLS regression Number of obs = 276 . xtreg td prof size tang ndts grow age liqu ev,re
Nguồn: chạy từ phần mềm stata11
Với mức ý nghĩa α = 5% thì biến tang, ndts, age, ev không có ý nghĩa thống kê (vì p>|z| > α). Các biến còn lại đều có ý nghĩa thống kê (vì p>|z| < α).
R-sq overall = 0,6034 nghĩa là các biến độc lập có trong mô hình có khả năng giải thích cho biến phụ thuộc là 60,34%.
Kiểm định Hausman sẽ được sử dụng để lựa chọn phương pháp ước lượng phù hợp giữa hai phương pháp ước lượng tác động cố định và tác động ngẫu nhiên.
- Kết quả kiểm định Hausman test để lựa chọn mô hình Fixed Effect và mô hình Random Effect thể hiện qua bảng sau:
53
Bảng 4.9: Kiểm định hausman test đối với biến phụ thuộc td
(V_b-V_B is not positive definite) Prob>chi2 = 0.0000
= 64.02
chi2(8) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg ev -.0056745 -.0090522 .0033776 . liqu -.0719012 -.0833092 .011408 .0025639 age -.0028216 -.000684 -.0021376 .0027144 grow .0127185 .0297485 -.01703 .0030517 ndts -.1097574 -.1300689 .0203115 . tang .0838977 .0747136 .009184 .0277229 size .1194218 .0692948 .050127 .0152207 prof -.2169022 -.2486206 .0317185 .0180891 fetd retd Difference S.E.
(b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients
. hausman fetd retd
Nguồn: chạy từ phần mềm stata11 Với mức ý nghĩa α = 5%
Giả thuyết H0: Không có sự tương quan giữa sai số ngẫu nhiên và các biến giải thích -> Chọn mô hình Random Effect
H1: có sự tương quan giữa sai số ngẫu nhiên và các biến giải thích -> Chọn mô hình Fixed Effect
Ta có Prob>chi2 = 0,00 < α = 0,05 -> bác bỏ H0 và chọn mô hình Fixed Effect.
Sau khi chạy ba mô hình và phân tích kết quả, ta thấy mô hình Fixed Effect là phù hợp với dữ liệu phân tích hơn so với mô hình Pooled OLS và mô hình Random Effect.
Bây giờ ta sẽ dựa vào mô hình Fixed Effect để thực hiện các kiểm định và tìm ra phương trình hồi quy tốt nhất đối với biến phụ thuộc td.
Đối với mô hình có biến std là biến phụ thuộc:
Cũng như mô hình với biến phụ thuộc là td, tác giả cũng dựa vào các giả thuyết trên để lựa chon mô hình thích hợp. Ở đây tác giả không lập lại giả thuyết mà
54 (adsbygoogle = window.adsbygoogle || []).push({});
chỉ chạy mô hình và lựa chọn mô hình thích hợp. Tác giả chạy mô hình Pooled OLS như sau:
Bảng 4.10: Mô hình hồi quy Pooled OLS đối với biến phụ thuộc std
_cons 1.077948 .0686121 15.71 0.000 .9428588 1.213038 ev -.0191678 .0056354 -3.40 0.001 -.0302632 -.0080723 liqu -.1505251 .0064378 -23.38 0.000 -.1632005 -.1378497 age -.0016036 .0003741 -4.29 0.000 -.0023402 -.000867 grow -.0454007 .017717 -2.56 0.011 -.0802835 -.0105178 ndts -.1133783 .0670345 -1.69 0.092 -.2453616 .0186051 tang -.3615104 .0282743 -12.79 0.000 -.4171793 -.3058415 size -.0050077 .0066582 -0.75 0.453 -.0181169 .0081015 prof -.1325871 .0527184 -2.52 0.012 -.2363837 -.0287904 std Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 7.79949625 275 .028361805 Root MSE = .08799 Adj R-squared = 0.7270 Residual 2.0671924 267 .007742294 R-squared = 0.7350 Model 5.73230385 8 .716537981 Prob > F = 0.0000 F( 8, 267) = 92.55 Source SS df MS Number of obs = 276 . reg std prof size tang ndts grow age liqu ev
Nguồn: chạy từ phần mềm stata11
Với mức ý nghĩa α = 5%; các biến prof, tang, grow, age, liqu, ev có ý nghĩa thống kê (vì p>|t| < α); các biến size, ndts không có ý nghĩa thống kê (vì p>|t| > α).
R-squared = 0,7350 hay 73,50 %, điều này có nghĩa là các biến độc lập có trong mô hình có khả năng giải thích 73,50 % cho biến phụ thuộc std.
55