Mô hình REM sẽ phân tích mối tương quan giữa phần dư của mỗi đơn vị với các biến độc lập qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt (không thay đổi theo thời gian) ra khỏi các biến độc lập để từ đó có thể ước lượng những ảnh hưởng thực của biến độc lập lên biến phụ thuộc. Nhưng trong bài nghiên cứu này, tác giả muốn kiểm soát các biến theo yếu tố thời gian từ 2012 – 2016 nên tác giả sẽ hồi quy lại một lần nữa mô hình REM có xử lý theo chiều thời gian và đồng thời sử dụng phương pháp robust error để khắc phục hiện tượng phương sai thay đổi.
Bảng 2.11: Kết quả mô hình hồi quy điều chỉnh
Biến độc lập Biến phụ thuộc LEV LLEV Hệ số góc P-value Hệ số góc P-value SIZE -.0153099 0.030 -.0016004 0.023 ROA -.3309993 0.003 -.0076453 0.039 TANG .0485705 0.016 .0044625 0.003 GROW -.0097436 0.001 -.001152 0.013 LIQUID -.3120816 0.042 -.0060414 0.008 TAX .2316396 0.022 .0053793 0.021 UNIQUE -.0188836 0.964 -.0225088 0.656
Nguồn: Stata, phụ lục 8 và 9
* Kêt quả chạy hồi quy với biến phụ thuộc LLEV
Từ kết quả hồi quy cuối cùng của mô hình LEV có 6 biến có ý nghĩa về mặt thống kê để giải thích ảnh hưởng lên LEV đó là biến SIZE, ROA, TANG, GROW, LIQUID, TAX, có P – value lần lượt là 0.030, 0.003, 0.016, 0.001, 0.042, 0.022 nhỏ hơn 10% ; còn lại biến UNIQUE có P value là 0.964 lớn hơn 10% . Vì vậy biến UNIQUE không có ý nghĩa thống kê.
Mô hình hồi quy viết lại như sau:
LEV= 0,8404082 - 0,0153099*SIZE - 0,3309993*ROA + 0,0485705* TANG – 0,0097436*GROW - 0,3120816*LIQUID + 0,2316396*TAX
* Kêt quả chạy hồi quy với biến phụ thuộc LLEV
Từ kết quả hồi quy cuối cùng của mô hình LLEV có 6 biến có ý nghĩa về mặt thống kê để giải thích ảnh hưởng lên LEV đó là biến SIZE, ROA, TANG, GROW, LIQUID, TAX có P-value lần lượt là 0.023, 0.039, 0.003, 0.013, 0.008, 0.021 nhỏ hơn 10% ; còn lại biến UNIQUE có P value là 0.656 lớn hơn 10% . Vì vậy biến UNIQUE không có ý nghĩa thống kê.
Mô hình hồi quy viết lại như sau:
LLEV= 0,1105595 - 0,0016004 *SIZE - 0,0076453*ROA + 0,0044625* TANG – 0,001152*GROW - 0,0060414*LIQUID + 0,0053793*TAX