Để tìm hiểu tác động của CTTC tới HQKD của DNXD tại Việt Nam, phương trình (3.1) có thể được ước lượng theo phương pháp dữ liệu bảng với các mô hình: Pooled OLS, FEM, REM, GMM. Những ưu điểm của việc sử dụng dữ liệu bảng trong ước lượng theo Gujarati (2004) như sau: (i) Dữ liệu bảng liên kết các đối tượng cá thể (các công ty đa quốc gia...) theo thời gian, nên có sự đồng nhất giữa các cá thể này. Kỹ thuật ước lượng dữ liệu bảng có thể xem xét đến sự đồng nhất này bằng cách đưa vào những biến đặc trưng riêng của từng cá thể (firms, countries,...) nghiên cứu; (ii) Bằng việc kết hợp những chuỗi quan sát theo thời gian và không gian, dữ liệu bảng hạn chế được hiện tượng đa cộng tuyến giữa các biến số độc lập, bậc tự do được tăng thêm và hiệu quả hơn, (iii) Dữ liệu bảng có thể phát hiện và đo lường một cách tốt hơn sự tác động không thể quan sát được theo dữ liệu chỉ theo thời gian hoặc chỉ theo không gian thuần túy, tránh được phần nào việc bỏ sót các biến số có ý nghĩa trong mô hình; (iv) Cuối cùng, dữ liệu bảng có thể tối thiểu hóa độ chệch (bias) có thể phát sinh nếu chúng ta kết hợp các cá thể thành nhóm
Các phương pháp dữ liệu bảng phổ biến như mô hình ảnh hưởng cố định FEM, ngẫu nhiên REM hay OLS hay các kỹ thuật phức tạp hơn như GMM có một điểm chung là dựa trên giả định các hệ số của các biến giải thích không thay đổi tại các điểm khác nhau của biến phụ thuộc. Nghĩa là, trong nghiên cứu tác động của CTTC tới HQKD của DNXD, dù ở mức HQKD cao hay thấp thì tỷ
lệ CTTC không hay đổi. Điều này là không phù hợp. Do đó, luận án vận dụng thêm phương pháp hồi quy phân vị để lấp đầy khoảng trống nghiên cứu. Phương pháp hồi quy phân vị giúp ước lượng các hệ số của các biến giải thích thay đổi như thế nào khi ở các phân vị khác nhau của biến HQKD ((Koenker và Bassett Jr, 1978); (Koenker, 2005)). Phương pháp này có thế mạnh là khai thác được toàn bộ dữ liệu nhờ khả năng xử lý được các giá trị bất thường (outliers) của biến phụ thuộc. Do đó, phương pháp hồi quy phân vị rất phù hợp với mục tiêu ước lượng tác động của CTTC đến HQKD của các DN. Sai số của các hệ số ước lượng cũng được hiệu chỉnh cho hiện tượng phương sai thay đổi và tự tương quan để đảm bảo tính hiệu lực trong kiểm định hệ số (Parente và Silva, 2016). Các phân vị 10, 25, 50, 75 và 90 là các phân vị thường được phân tích trong các nghiên cứu sử dụng hồi quy phân vị (Koenker, 2005); (Zhao, 2014); (Ha và cộng sự, 2019).
Do các phương pháp ước lượng dữ liệu bảng truyền thống Pooled OLS, FEM, REM, GMM là các phương pháp phổ biến và tiêu chuẩn trong các nghiên cứu trước, tác giả sẽ trình bày vắn tắt về các phương pháp này. Phương pháp hồi quy phân vị là phương pháp ít phổ biến hơn và sự phù hợp của phương pháp này đối với mục tiêu của luận án cần được làm rõ. Do đó, phần tiếp theo của luận án sẽ trình bày chủ yếu về phương pháp ít phổ biến này.
a.Phương pháp OLS, FEM, REM
Phương pháp ước lượng OLS gọi là bình phương tối thiểu thông thường, là phương pháp ước lượng các hệ số của biến giải thích lên giá trị trung bình của biến phụ thuộc dựa trên nguyên tắc tối thiểu hóa tổng các bình phương phần dư của mô hình. Trong đó, phần dư là chênh lệch giữa giá trị thực tế của biến phụ thuộc và giá trị dự đoán của biến này theo hàm của các biến giải thích
Phương pháp ước lượng sử dụng mô hình ảnh hưởng cố định (FEM) đặc biệt phù hợp hơn với các đặc điểm của dữ liệu bảng, nếu các đơn vị trong dữ liệu có các đặc điểm riêng không thay đổi theo thời gian và có thể tương quan với phần dư của mô hình. Trong thực tế, điều này thường tồn tại nên việc ước lượng mô hình sẽ không hiệu quả nếu không cân nhắc nó.
Phương pháp ước lượng sử dụng mô hình ảnh hưởng ngẫu nhiên (REM) phù hợp hơn với các phương pháp ước lượng OLS và mô hình ảnh hưởng cố định (FEM), nếu các đơn vị có đặc điểm riêng mang tính ngẫu nhiên, không tương quan với phần dư của mô hình. Một ưu điểm của phương pháp này là nó có thể ước lượng tác động của các biến có đặc điểm không thay đổi theo thời gian, như ngành, quốc gia, nơi DN hoạt động, loại hình DN (giả định các yếu tố này thực sự không thay đổi). Trong khi đó, mô hình ảnh hưởng cố định không thể thực hiện được việc ước lượng như vậy.
Để lựa chọn mô hình hiệu quả nhất, các kiểm định được sử dụng bao gồm: kiểm định nhân tử Lagrange (xttest0) lựa chọn giữa mô hình Pooled OLS với RE. Trong đó, H0 là phương sai của sai số qua các đơn vị là không đổi hay mô hình Pooled OLS phù hợp hơn. Kiểm định Hausman (Hausman, 1978) để lựa chọn giữa mô hình RE và mô hình FE. Trong đó, giả thuyết H0 là không có sự khác biệt giữa hai mô hình.
b.Phương pháp GMM
Ước lượng sử dụng phương pháp OLS không vững và hiệu quả khi có tồn tại các hiện tượng phương sai thay đổi, tự tương quan và nội sinh. Một số biến giải thích khác trong mô hình cũng không hoàn toàn ngoại sinh nên cần phải xử lý nội sinh. Với cácnguyên nhân gây ra nội sinh này, các phương pháp đơn giản như Pooled OLS, FEM, REM không đáp ứng đủ và phương pháp GMM là một lựa chọn khá phổ biến.
Antoniou và cộng sự (2006) đã chứng minh phương pháp GMM là phương pháp phù hợp đối với mô hình động. Các tác giả khuyến nghị sử dụng phương pháp GMM để loại bỏ các vấn đề nội sinh, và phương pháp này cũng cho các ước lượng vững khi có hiện tượng phương sai thay đổi và tự tương quan. Để đảm bảo các ước lượng theo phương pháp GMM là phù hợp, kiểm định Sargan và/ hoặc Hansen được sử dụng, kèm theo kiểm định về tự tương quan bậc 2 (Roodman, 2009). Kiểm định Sargan xem xét tính phù hợp của bộ biến công cụ trong mô hình, trong đó giả thuyết H0 là biến công cụ là biến ngoại sinh. Do đó, kết quả kiểm định cần cho ra p-value lớn hơn 10%. Ngoài ra, kiểm định tự tương quan bậc 2 cũng được thực hiện để đảm bảo các biến công cụ được sử dụng từ độ trễ bậc 2 là phù hợp vì không có hiện tượng tự tương quan bậc 2 (Arellano và Bond, 1991).
c.Phương pháp hồi quy phân vị
Phương pháp hồi quy phân vị có điểm tương đồng với phương pháp OLS ở chỗ cả hai đều hỗ trợ ước lượng mối quan hệ tuyến tính giữa biến phụ thuộc và các biến giải thích. Tuy nhiên, trong khi hồi quy OLS giúp ước lượng giá trị trung bình của biến phụ thuộc, phương pháp hồi quy phân vị lại ước lượng giá trị của biến phụ thuộc tại từng phân vị τ của biến phụ thuộc (với τ thuộc khoảng (0,1)). τ = 0,5 thể hiện trung vị.
Đối với hồi quy OLS, các hệ số thể hiện mức độ tác động của các biến giải thích được ước lượng qua nguyên tắc tối thiểu hóa:
Trong đó, giá trị trung bình có điều kiện của y là µ(X) = Xβ, nghĩa là hàm của các biến giải thích X cho trước. Triển khai vào phương trình trên, ta có hệ số β được ước lượng theo nguyên tắc tối thiểu hóa :
Trong khi đó, hồi quy phân vị cũng được thực hiện dựa trên nguyên tắc tương tự, bằng cách chỉ định rõ mô hình cho phân vị τ như sau:
Qy(τ|X) = Xβ(τ )
Trong đó, ρτ(z) là hàm tuyến tính và có các giá trị: z(τ-1) nếu z<0 và zτ nếu z không âm. Hệ số β(τ ) cho thấy các hệ số của các biến giải thích X có thể khác tùy thuộc phân vị τ của biến phụ thuộc.
Tóm lại, khác với phương pháp OLS hay các phương pháp khác mà việc ước lượng các hệ số được thực hiện qua quy tắc tối thiểu hóa bình phương phần dư, phương pháp hồi quy phân vị ước lượng các hệ số thông qua tối thiểu hóa các phần dư lấy theo giá trị tuyệt đối theo số trọng số. Để minh họa cho ứng dụng của phương pháp hồi quy phân vị, tác giả Koenker (2005) đã sử dụng bộ dữ liệu về mối quan hệ giữa thu nhập và chi tiêu cho thực phẩm của hộ gia đình. Điểm nổi bật của kết quả là mối quan hệ giữa chi tiêu và thu nhập rất khác nhau giữa các hộ có chi tiêu cao so với hộ có chi tiêu thấp. Các đường thể hiện các mức tác động khác nhau thu nhập đối với chi tiêu thực phẩm của hộ gia đình, và các phân vị được nghiên cứu là 10%, 25%, 50%, 75% và 90%.
Household Income
Hình 3.3. Minh họa về ứng dụng của hồi quy phân vị theo Koenker và Hallock
Nguồn: Koenker và Hallock (2001)
Phương pháp hồi quy phân vị giúp ta xác định được tác động của biến X đối với biến Y tại các phân vị khác nhau của biến Y,
do đó cho ta thấy được bức tranh toàn diện hơn về tác động của biến X đối với biến Y ở mức trung bình, do các phương pháp này tập trung vào phần giữa trong phân phối của biến Y (Koenker và Bassett Jr, 1978a). Khi ta muốn ước lượng tác động của biến X đối với biến Y tại các phân vị khác của Y, phương pháp OLS sẽ không còn phù hợp mà thay vào đó hồi quy phân vị sẽ là phương pháp rất phù hợp với mục đích ước lượng này. Đồng thời, không như OLS, phương pháp ước lượng hồi quy phân vị cho kết quả chuẩn vững (robust) trong trường hợp có các giá trị bất thường (outliers)
Mục tiêu của luận án là xem xét hệ số của biến CTTC có thay đổi khi ở các phân vị khác nhau của biến HQKD. Điều này hoàn toàn có thể được kiểm định bằng cách sử dụng phương pháp hồi quy phân vị như minh họa trong trường hợp mối quan hệ của thu nhập và chi tiêu thực phẩm của hộ gia đình. Hơn nữa, mặc dù ta có thể sử dụng hồi quy phân vị OLS hay mô hình ảnh hưởng cố định/ngẫu nhiên để ước lượng các hệ số tại từng phân vị riêng biệt, điều này làm giảm mạnh số mẫu quan sát và vấn đề các giá trị bất thường vẫn không được xử lý. Trong khi đó, hồi quy phân vị mặc dù ước lượng hệ số của các biến giải thích tại từng phân vị của biến phụ thuộc, phương pháp này vẫn sử dụng toàn bộ quan sát và xử lý được các giá trị bất thường.
Luận án chọn sử dụng các phân vị 10, 25, 50, 75 và 90, nhất quán với một số nghiên cứu sử dụng hồi quy phân vị trong các nghiên cứu về CTTC trong đó có Fattouh và cộng sự (2005); Nguyễn Thị Cành và cộng sự (2017); Trần Thị Kim Oanh và Hoàng Thị Phương Anh (2017).
Kết luận chương 3
Chương 3 tác giả đã trình bày về phương pháp nghiên cứu của luận án với các điểm chính sau:
Một là, tác giả trình bày về thiết kế nghiên cứu với việc sử dụng cả 2 phương pháp định tính và định lượng. Dữ liệu được thu thập từ các cuộc điều tra DN từ năm 2012-2017, từ đó tác giả đã thiết lập mô hình nghiên cứu tác động của CTTC tới HQKD của các DNXD với các biến CTNV, CCTS, CCTK, CCPT, AGE, GRO, SIZE.
Hai là, tác giả đề cập tới phương pháp ước lượng mô hình bao gồm Pooled OLS, FEM, REM, GMM. Luận án đã mô tả
Fo od E xp en di tu re
phương pháp hồi quy phân vị là phương pháp ít được sử dụng và sự phù hợp cũng như cần thiết của phương pháp này đối với mục tiêu nghiên cứu của luận án.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VỀ ẢNH HƯỞNG CỦA CẤU TRÚC TÀI CHÍNH ĐẾN HIỆU QUẢ KINH DOANH
CỦA CÁC DOANH NGHIỆP NGÀNH XÂY DỰNG TẠI VIỆT NAM