Bên cạnh các phương pháp thống kê mô tả, vì dữ liệu trong nghiên cứu này là dữ liệu bảng nên nghiên cứu sinh có thể ước lượng các phương trình được đề cập ở phần trên bằng các phương pháp ước lượng áp dụng cho dữ liệu bảng. Ba phương pháp thông dụng để ước lượng mô hình hồi quy dữ liệu bảng là ước lượng hồi quy bình phương nhỏ nhất gộp (Pooled Ordinary Least Squares - Pooled OLS), ước lượng hồi quy các nhân tố cố định (Fixed effects model) và ước lượng hồi quy các nhân tố ngẫu nhiên (Random effects model). Bên cạnh đó, luận án cũng sử dụng mô hình hồi quy mômen hoá tổng quát động (System Generalized Method of Moments - SGMM) để ước lượng mô hình hồi quy. Phần dưới đây sẽ trình bày đặc điểm của từng phương pháp này.
1.5.3.1. Phương pháp ước lượng bình phương nhỏ nhất gộp
Phương pháp ước lượng bình nhỏ nhất gộp (Pooled Ordinary Least Squares - Pooled OLS) sử dụng dữ liệu của các công ty trong mẫu nghiên cứu mà không quan tâm đến sự khác nhau giữa các công ty này (individual effects). Kết hợp những giả thiết sau đây để đảm bảo rằng các tham số ước lượng từ phương pháp Pooled OLS là không chệch và hiệu quả. Đầu tiên, các tham số trong mô hình này phải là tuyến tính. Thứ hai, phương sai của sai số trong mô hình là không đổi. Thứ ba, mô hình không có hiện tượng đa cộng tuyến hoàn hảo. Thứ tư, mô hình không có hiện tượng tự tương quan. Và cuối cùng, các biến độc lập và biến kiểm soát của mô hình này không có tương quan với nhau.
Ưu điểm của phương pháp hồi quy Pooled OLS là việc tính toán các tham số của mô hình đơn giản. Tuy nhiên, nhược điểm của phương pháp này là các giả thiết bên trên thường không được thỏa mãn trong thực tế. Bên cạnh đó, một nhược điểm khác của phương pháp hồi quy Pooled OLS là phương pháp này không hiệu quả trong việc sử dụng các thông tin của dữ liệu nếu dữ liệu trong mô hình nghiên cứu là dữ liệu bảng. Để khắc phục nhược điểm này, có thể sử dụng phương p háp ước lượng hồi quy các nhân tố cố định hoặc ước lượng hồi quy các nhân tố ngẫu nhiên.
25
Phương pháp ước lượng hồi quy các nhân tố cố định có thể kiểm soát được các yếu tố riêng biệt của từng công ty mà không đổi theo thời gian. Phương pháp này có ưu điểm là nó có thể giải quyết được một phần hiện tượng nội sinh bị gây ra bởi sự thiếu biến mà không thay đổi theo thời gian cho từng công ty trong mô hình. Tuy nhiên, phương pháp này có nhược điểm là nó không thể ước lượng được các tham số của các biến mà không thay đổi theo thời gian của mô hình.
1.5.3.3. Phương pháp ước lượng các nhân tố ngẫu nhiên
Phương pháp ước lượng hồi quy các nhân tố ngẫn nhiên có tính đến các yếu tố ngẫu nhiên trong phần dư của mô hình hồi quy. Phương pháp này có một giả sử quan trọng, đó là biến độc lập của mô hình không có tương quan với các yếu tố riêng biệt của từng công ty mà không đổi theo thời gian. Phương pháp này có ưu điểm là ước lượng có tính hiệu quả hơn so với phương pháp hồi quy các nhân tố cố định. Ngược lại, phương pháp này có nhược điểm là cần có giả sử được đề cập ở trên. Nếu giả sử này không đúng trong thực tế, các tham số ước lượng từ phương pháp này sẽ bị chệch.
Bên cạnh đó, có thể dùng các kiểm định sau ước lượng để lựa chọn nên dùng phương pháp hồi quy gộp, phương pháp hồi quy các nhân tố cố định, hay phương pháp hồi quy các nhân tố ngẫu nhiên. Đầu tiên, để kiểm tra sự tồn tại của các yếu tố ngẫu nhiên trong mô hình thì có thể sử dụng kiểm định Breusch và Pagan Lagrange Multiplier (LM) Test. Nếu giá trị p-value của kiểm định này nhỏ hơn 0.1 thì phương pháp Pooled OLS là không phù hợp để ước lượng phương trình hồi quy. Tiếp theo, để lựa chọn giữa phương pháp hồi quy các nhân tố cố định và ngẫu nhiên nên sử dụng kiểm định Hausman. Nếu giá trị p-value của kiểm định này nhỏ hơn 0.1 thì phương pháp hồi quy các nhân tố cố định sẽ là phù hợp hơn phương pháp hồi quy các nhân tố ngẫu nhiên trong việc ước lượng mô hình.
1.5.3.4. Phương pháp hồi quy mômen hoá tổng quát động
Phương pháp hồi quy mômen hóa tổng quát động là một trong những phương pháp được áp dụng rộng rãi để giải quyết vấn đề nội sinh của mô hình nghiên cứu. Ưu điểm lớn nhất của phương pháp này là không cần tìm kiếm các biến công cụ cho biến nội sinh của mô hình. Trong phương pháp này, biến công cụ được lấy từ chính những biến độ trễ của biến nội sinh. Một trong những ưu điểm nữa của phương pháp SGMM là phương pháp này cho phép nghiên cứu tính “động” của mô hình. Tức là, nghiên cứu này cho phép nghiên cứu tác động của biến phụ thuộc vào năm trước đến biến phụ thuộc của năm nay. Đặt trong bối cảnh của nghiên cứu này, mô hình SGMM
26
cho phép kiểm tra được tác động của lợi suất cổ phiếu của năm trước đến lợi suất cổ phiếu năm nay.
Để kiểm tra tính hợp lý của kết quả ước lượng từ phương pháp SGMM, hai kiểm định sau đây được sử dụng để ước lượng. Kiểm định thứ nhất là kiểm định sự tự tương quan bậc 2 của độ trễ trong mô hình (AR(2) test) và kiểm định thứ hai là kiểm định Hansen (Hansen test). Để kết quả của mô hình SGMM có tính tin cậy thì hệ số p-value của cả hai kiểm định này cần phải lớn hơn 0,1.
27
KẾT LUẬN CHƯƠNG 1
Chương 1 của luận án đã trình bày tổng quan nghiên cứu các vấn đề liên quan đến tác động của tính thanh khoản thị trường của cổ phiếu đến lợi suất cổ phiếu. Bên cạnh đó, luận án cũng trình bày tổng quan nghiên cứu về tác động của tính thanh khoản cổ phiếu đến giá trị và cơ cấu vốn doanh nghiệp. Từ đó, luận án đã đề xuất ra các giả thuyết nghiên cứu liên quan.
Đồng thời, chương 1 cũng đã trình bày các mô hình cũng như phương pháp nghiên cứu để kiểm định các giả thuyết nghiên cứu liên quan nói trên.
28
CHƯƠNG 2: CƠ SỞ LÝ LUẬN VỀ MỐI QUAN HỆ GIỮA THANH KHOẢN CỔ PHIẾU VÀ LỢI SUẤT CỔ PHIẾU