3.2.1 Phương pháp thu thập số liệu và xử lý số liệu
Tác giả chủ yếu sử dụng nguồn dữ liệu là dữ liệu thứ cấp để phục vụ cho đề tài nghiên cứu. Nguồn dữ liệu thứ cấp được sử dụng trong nghiên cứu này là các số liệu được thu thập từ Báo cáo tài chính hàng q của 10 cơng ty trong giai đoạn 2015-2019. Ngoài ra, các số liệu về khối lượng cổ phiếu đang lưu hành, chính sách chi trả cổ tức,...được thu thập từ các trang cophieu68.com và một số trang web chứng khốn khác. Bên cạnh đó các số liệu về nền kinh kế vĩ mô như tổng sản phẩm quốc nội GDP hiện hành của Việt Nam qua từng quý được lấy từ website của Tổng cục Thống kê Việt Nam. Dữ liệu được xây dựng theo dạng dữ liệu bảng với 200 quan sát. Sau khi hệ thống và tính tốn các số liệu chưa có, tác giả sẽ tiến hành tổng hợp số liệu và sử dụng các phương pháp trên phần
mềm Stata.
3.2.2 Phương pháp thống kê mô tả
Những đặc tính cơ bản của dữ liệu nghiên cứu sẽ được mô tả theo cách chuẩn mực nhất qua các chỉ tiêu thống kê sau đây:
Giá trị trung bình: Đây là bình quân toán học đơn giản của một tập hợp gồm hai hoặc nhiều số.
Sai số chuẩn: Độ lệch chuẩn được tính bằng cách xác định sự chênh lệch giữa mỗi điểm dữ liệu so với giá trị trung bình. Nếu một điểm dữ liệu nằm xa giá trị trung bình, điểm đó có độ lệch cao trong tập dữ liệu, dữ liệu càng có độ dàn trải rộng thì độ lệch chuẩn càng cao.
3.2.3 Kiểm định đa cộng tuyến
Mơ hình có đa cộng tuyến xảy ra khi tồn tại mối quan hệ tuyến tính giữa các biến độc lập. Trong trường hợp mơ hình xảy ra đa cộng tuyến hoản toàn, các hệ số của phương trình hồi quy mẫu khơng thể xác định được. Cịn trong trường hợp đa cộng tuyến khơng hoàn toàn, các ước lượng cho hệ số của phương trình hồi quy mẫu vẫn sẽ được xác định tuy nhiên tính hiệu quả của mơ hình sẽ bị giảm sút. Do đó, để đảm bảo cho kết quả kiểm
định có tính hiệu quả, ta cần tiến hành kiểm định hiện tượng đa cộng tuyến trước khi chạy mơ hình hồi quy bình phương nhỏ nhất (OLS) để phát hiện sớm và có các biện pháp
khắc phục hợp lý. Việc tiến hành kiểm định hiện tượng đa cộng tuyến sẽ được thơng qua
hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu hệ số VIF <10 thì phương trình khơng có hiện tượng đa cộng tuyến.
3.2.4 Kiểm định tính dừng
Một chuỗi dừng hay cịn gọi chuỗi ổn định nếu giá trị trung bình và phương sai khơng đổi qua thời gian. Nếu một chuỗi dữ liệu không dừng, kết quả nghiên cứu chỉ được áp dụng riêng cho giai đoạn đang xem xét. Đối với các mục đích dự báo, chuỗi khơng dừng
sẽ khơng có giá trị ứng dụng thực tiễn.
Phương pháp kiểm định tính dừng trong nghiên cứu này được phát triển bởi hai nhà thống kê Dickey và Fuller, gọi là thống kê Dickey-Fuller.
Giả thuyết kiểm định:
H0: Chuỗi dữ liệu không dừng H1: Chuỗi dữ liệu dừng
Nguyên tắc chấp nhận hoặc loại bỏ giả thiết: Nếu giá trị tuyệt đối của giá trị Test Statistic
< giá trị tuyệt đối của các giá trị ở Critical value thì chấp nhận H0, nghĩa là chuỗi không dừng. Nếu chuỗi không dừng ta cần tiếp tục lấy sai phân của chuỗi này và kiểm tra tiếp xem sai phân của chuỗi này đã dừng chưa.
3.2.5 Phương pháp hồi quy tuyến tính
Hồi quy là một mơ hình thống kê được sử dụng để dự đốn giá trị của biến phụ thuộc hay còn gọi là biến kết quả dựa vào những giá trị của ít nhất 1 biến độc lập hay cịn gọi là biến ngun nhân. Nếu mơ hình hồi qui phân tích sự phụ thuộc của 1 biến phụ thuộc vào 1 biến độc lập gọi là hồi qui đơn, nếu có nhiều biến độc lập gọi là hồi qui bội. Trong
nghiên cứu này, tác giả tập trung tiến hành phân tích hồi quy tuyến tính bội.
Hồi quy tuyến tính bội là khảo sát có từ 3 biến trở lên, trong đó có 1 biến phụ thuộc và nhiều biến độc lập; nghiên cứu mối liên hệ, quan hệ tuyến tính giữa biến phụ thuộc với các biến độc lập. Mơ hình hồi quy tuyến tính bội k biến có dạng tổng qt như sau:
Yi = 'o + '1X1Ì + 3'2X2Ì+ '3X31 + ... + 'kXki + Si (3.1)
Trong đó:
Yi: Giá trị biến phụ thuộc Y trong lần quan sát thứ i
Xu, X2i, X3i,..., Xki: Giá trị biến độc lập X1, X1, X3, .. .,Xk trong lần quan sát thứ i 01, 02, 03,..., 0k: Hệ số độ dốc
00: Hệ số chặn
£Ĩ: Sai số ngẫu nhiên trong lần quan sát thứ i
Trong nghiên cứu này, tác giả sẽ sử dụng phương pháp bình phương nhỏ nhất (OLS) để phân tích các nhân tố tác động đến giá cổ phiếu thị trường. Đây là phương pháp được sử dụng rộng rãi nhất để ước lượng các tham số trong phương trình hồi quy. Để tối thiểu hố tổng bình phương của các khoảng cách theo phương thẳng đứng giữa số liệu thu thập được và đường hồi quy.
Việc sử dụng phương pháp OLS có nhiều ưu điểm cũng như khuyết điểm. Đầu tiên ưu điểm của phương pháp là ước lượng tuyến tính khơng chệch cho kết quả tốt nhất khi các
nhiên nhược điểm phải kể đến là các giả thiết OLS quá chặt, nếu
có quan sát bất thường
sẽ làm phóng đại sự ảnh hưởng của quan sát đó và phương pháp
chỉ nghiên cứu các tác
động đến giá trị trung bình của biến phụ thuộc.
3.2.6 Kiểm định sự phù hợp của mơ hình và ý nghĩa từng phần của các biến
Kiểm định sự phù hợp của mơ hình hồi quy thơng qua hệ số xác định R bình phương là một trong những bước quan trọng để xác định mức độ hiệu quả cũng như ý nghĩa thơng kê của mơ hình. Hệ số xác định R bình phương sẽ cho biết phần trăm sự thay đổi của biến phụ thuộc được giải thích thơng qua mơ hình hồi quy. Hệ số R bình phương càng lớn thì mức độ giải thích càng cao, mơ hình càng có ý nghĩa hơn. Giá trị của hệ số này nằm trong khoảng từ 0 đến 1.
Các biến độc lập có ý nghĩa khi mơ hình hồi quy OLS các giá trị p-value của thống kê F nhỏ hơn mức ý nghĩa 10%.
3.2.7 Kiểm định tự tương quan
Mơ hình hồi quy xảy ra hiện tượng tự tương quan là mô hình mà các sai số ngẫu nhiên của các quan sát phụ thuộc lẫn nhau. Việc mơ hình xuất hiện tự tương quan sẽ làm cho các ước lượng về phương sai, kiểm định t, F khơng cịn chính xác. Thơng qua thước đo này người nghiên cứu có thể xác định mối liên hệ tuyến tính giữa các biến độc lập, phụ thuộc trong nghiên cứu. Từ đó chúng ta có thể khắc phục hiên tượng và tăng tính chính xác cho mơ hình. Để kiểm định tự tương quan bậc nhất tác giả dùng kiểm định Durbin- Watson, kiểm định này có một phân phối mẫu nhỏ đã biết dưới một tập hợp các điều kiện hạn chế.
Giả thuyết kiểm định:
HO: Khơng có hiện tượng tự tương quan H1: Có hiện tượng tự tương quan
Nguyên tắc chấp nhận hoặc loại bỏ giả thiết: Nếu giá trị Prob>F của kiểm định Durbin- Watson lớn hơn 5% thì sẽ chấp nhận giả thiết HO, có nghĩa là khơng có hiện tượng tự tương quan.
3.2.8 Kiểm định phương sai sai số thay đổi
Phương sai sai số là một đại lượng đo lường mức độ phân tán của các số hạng sai số xung quanh giá trị trung bình. Phương sai khơng đổi có nghĩa là mức độ phân tán là như nhau cho tất cả các quan sát.
Hiện tượng phương sai thay đổi sẽ khiến ước lượng OLS này khơng cịn có phương sai nhỏ nhất và trở nên khơng hiệu quả. Khi có phương sai thay đổi, các phương sai của các ước lượng OLS khơng được tính từ các cơng thức OLS thơng thường. Nhưng nếu nghiên
cứu vẫn sử dụng các công thức OLS thơng thường, các kiểm định dựa vào chúng có thể gây ra những kết luận sai lầm.
Để phát hiện hiện tượng phương sai sai số thay đổi, tác giả sử dụng kiểm định White. Giả thuyết kiểm định:
HO: Phương sai đồng nhất HI: Phương sai không đồng nhất
Nguyên tắc chấp nhận hoặc loại bỏ giả thiết: Kết quả của kiểm định này nếu cho giá trị p-value là lớn hơn 5%, từ đó chấp nhận giả thiết HO, kết luận mơ hình khơng có phương sai sai số thay đổi. Nếu mơ hình có hiện tượng phương sai sai số thay đổi, các ước lượng
OLS cho các hệ số vẫn là ước lượng không chệch, chỉ có phương sai của các hệ số ước lượng và hiệp phương sai giữa các hệ số ước lượng thu được bằng phương pháp OLS là chệch. Từ đó để khắc phục sai phạm này White đã đề xuất phương pháp sai số chuẩn vững (Robust Standard Error) với tư tưởng là vẫn sử dụng các hệ số ước lượng từ phương
pháp OLS, tuy nhiên phương sai các hệ số ước lượng thì được tính tốn lại mà khơng sử dụng đến giả thiết phương sai sai số khơng đổi. Ước lượng mơ hình sai số chuẩn mạnh
sẽ cho một kết quả ước lượng đúng của sai số chuẩn trong đó
chấp nhận sự hiện diện của
hiện tượng phương sai thay đổi.
3.2.9 Kiểm định giả thuyết thống kê (Hypothesis testing)
Kiểm định giả thuyết thống kê hay cịn gọi là kiểm định các biến khơng đồng thời bằng không, đây là phương pháp ra quyết định sử dụng dữ liệu. Trong thống kê, một kết quả được gọi là đủ độ tin cậy mang tính thống kê nếu kết quả ít có khả năng diễn ra theo một
ngưỡng xác suất cho trước (ví dụ 5% hay 10%). Cụm từ kiểm định độ tin cậy được đưa ra bởi Ronald Fisher.
Giả thuyết kiểm định:
Giả thuyết H0: Các biến không đồng thời bằng không Giả thuyết HI: Các biến đồng thời bằng không
Nguyên tắc chấp nhận hoặc loại bỏ giả thiết: Kết quả của kiểm định này nếu cho giá trị p-value là nhỏ hơn 5%, từ đó chấp nhận giả thiết H0, kết luận các biến không đồng thời bằng khơng.