6. Kết cấu đề tài
3.2.2. Ƣớc lƣợng và kiểm định mô hình hồi quy 1
a.Kiểm định đa cộng tuyến
Hiện tƣợng đa cộng tuyến xảy ra khi có sự tƣơng quan tuyến tính giữa một hay nhiều biến giải thích trong mô hình. Hiện tƣợng đa cộng tuyến xảy ra có thể làm tăng giá trị của R bình phƣơng, trong khi mô hình lại không giải thích đƣợc nhiều hơn ý nghĩa của biến phụ thuộc hoặc làm sai lệch các giá trị ƣớc lƣợng của các hệ số hồi quy, việc này dẫn đến có thể thu đƣợc kết quả hồi quy tác động trái chiều so với mong đợi. Vì vậy, kiểm định đa cộng tuyến là bƣớc quan trọng để xác định các biến trong mô hình có thực sự giải thích đƣợc ý nghĩa của biến phụ thuộc hay không.
Phát hiện đa cộng tuyến bằng phƣơng pháp dùng nhân tử phóng đại phƣơng sai 2 1 1 j j R VIF Rj 2
là hệ số xác định của mô hình hồi qui phụ Xj theo các biến độc lập khác. Nếu có đa cộng tuyến thì VIF lớn.
VIFj > 10 thì Xj có đa cộng tuyến cao với các biến khác.
Bảng 3.3. Kết quả kiểm định đa cộng tuyến cho mô hình 1
Tên biến Hệ số chấp nhận VIF
LOG(UPC) 0.688 1.454
LOG(UPF) 0.978 1.023
LOG(UPL) 0.314 3.189
LOG(TA) 0.237 4.225
LOG(DET) 0.845 1.183
(Nguồn: Kiểm định của tác giả)
Nhận xét: các hệ số VIF đều nhỏ hơn 10, mô hình không xảy ra hiện tƣợng đa cộng tuyến, tức là các biến không có quan hệ tuyến tính với nhau, nghĩa là các biến độc lập giải thích cho ý nghĩa của biến phụ thuộc mà không bị ảnh hƣởng lẫn nhau.
b.Kiểm định tự tương quan
Hiện tƣợng tự tƣơng quan làm cho kết quả các ƣớc lƣợng không chệch nhƣng không hiệu quả (phƣơng sai không còn là nhỏ nhất) và các kiểm định t cho ý nghĩa của các hệ số βi và F cho ý nghĩa của mô hình cũng trở nên không hiệu quả. Vì vậy, trƣớc khi xác định hàm hồi quy mẫu cần kiểm định mô hình có xảy ra hiện tƣợng tự tƣơng quan hay không. Phát hiện hiện tƣợng tự tƣơng quan bằng kiểm định Durbin – Watson qua các giá trị tới hạn dU và dL ở mức ý nghĩa α với số biến có trong mô hình. Gọi giá trị kiểm định Durbin –
Watson thu đƣợc là d, nếu d < dL, mô hình xảy ra hiện tƣợng tự tƣơng quan, nếu dU < d, mô hình không bị tự tƣơng quan, và nếu dL<d<dU thì chƣa thể kết luận.
Với mức ý nghĩa α = 95%, kiểm định sự tự tƣơng quan với n = 192 và k’ = 5 (n là số quan sát và k’ là số biến trong mô hình), xác định hai giá trị tới hạn dL = 1.623 và dU = 1.725.
Bảng 3.4. Kết quả kiểm định tự tương quan cho mô hình 1
Mô hình R R2 R2 hiệu chỉnh Durbin-Watson
1 0.962 0.925 0.923 2.509
(Nguồn: Kiểm định của tác giả)
Thống kê cho giá trị d = 2.509, lớn hơn dU, mô hình không có hiện tƣợng tự tƣơng quan. Mô hình hồi quy thỏa giả thiết rằng số hạng nhiễu của bất cứ quan sát nào cũng đều không bị ảnh hƣởng bởi bất kì số hạng nhiễu nào liên quan đến một quan sát khác, sai số của các quan sát không phụ thuộc nhau.
c. Kiểm định ý nghĩa của mô hình
Với mức ý nghĩa α = 95%, dùng kiểm định F cho hệ số R2 để kiểm định ý nghĩa của mô hình. Kết quả kiểm định thu đƣợc R2
= 0.925, kiểm định F = 579.919 với hệ số Sig. gần nhƣ bằng 0. Mô hình hồi quy đạt mức ý nghĩa cao, các biến độc lập giải thích đƣợc 92.5% ý nghĩa của biến phụ thuộc.
d.Kết quả ước lượng và kiểm định các hệ số
Thực hiện hồi quy tuyến tính cho mô hình với mẫu đã loại bỏ các NHTM có sở hữu nhà nƣớc. Để xác định khả năng giải thích biến phụ thuộc của từng biến độc lập trong mô hình, sử dụng kiểm định T-Student để kiểm định giả thiết:
H0: i = 0 H : ≠ 0
Bảng 3.5. Kết quả ước lượng và kiểm định các hệ số cho mô hình 1
Tên biến Giá trị Kiểm định t Sig.
Hệ số góc 0.001 0.126 0.900 LOG(UPC) 0.241 4.031 0.000 LOG(UPF) 0.006 0.224 0.823 LOG(UPL) 0.266 2.992 0.003 TA 0.765 21.701 0.000 DET -0.107 -2.465 0.015
(Nguồn: Kiểm định của tác giả)
Để xác định xem các biến sử dụng trong mô hình có thực sự tác động đến biến phụ thuộc hay không, tác giả sử dụng kiểm định t-Student cho ý nghĩa của các hệ số . Kết quả kiểm định đƣợc xác định là nếu chỉ số Sig. của kiểm định t cho từng biến nhỏ hơn 0.05 thì biến đó có ý nghĩa trong mô hình. Với mức ý nghĩa α = 95%, các giá trị Sig. của kiểm định t thu đƣợc cho thấy, chỉ có biến LOG(UPF) không có ý nghĩa trong mô hình.
Loại biến LOG(UPF) và thực hiện lại bƣớc xác định giá trị và kiểm định các hệ số , thu đƣợc kết quả nhƣ sau:
Bảng 3.6. Kết quả ước lượng và kiểm định các hệ số sau khi loại biến LOG(UPF) cho mô hình 1
Tên biến Giá trị Kiểm định t Sig.
Hệ số góc 0.001 0.126 0.900
LOG(UPC) 0.243 4.094 0.000
LOG(UPL) 0.266 2.992 0.003
TA 0.766 21.787 0.000
DET -0.108 -2.497 0.015
(Nguồn: Kiểm định của tác giả)
Sau khi loại biến LOG(UPF), các hệ số thu đƣợc đều có ý nghĩa trong mô hình. Thực hiện lại các kiểm định Durbin watson cho hiện tƣợng tự
tƣơng quan và kiểm định đa cộng tuyến với hệ số VIF cho mô hình đã loại biến LOG(UPF). Kết quả kiểm định nhận đƣợc cho thấy mô hình mới không bị tự tƣơng quan, tức các giá trị ƣớc lƣợng không bị thiên lệch, và các biến độc lập cũng không có mối quan hệ tuyến tính với nhau do không bị đa cộng tuyến. Vì vậy quyết định loại bỏ biến LOG(UPF) là biến không cần thiết. Mô hình thu đƣợc khá hoàn hảo. Nhƣ vậy mô hình có 2 biến độc lập giải thích cho biến LOG(Y), đó là LOG(UPC), LOG(UPL) và hai biến đặc trƣng của ngành giải thích cho sự thay đổi của LOG(Y) là LOG(TA) và LOG(DET). Các hệ số thể hiện mức độ tác động của các biến độc lập lên biến phụ thuộc. Khi biến LOG(UPC) tăng lên 1 đơn vị thì làm biến LOG(Y) tăng lên 0.243 đơn vị, thể hiện độ co giãn của Y theo UPC, tức là khi chi phí hoạt động đơn vị thay đổi 1% thì tổng thu nhập của doanh nghiệp thay đổi 24.3%. Khi biến LOG(UPL) tăng lên 1 đơn vị thì làm biến LOG(Y) tăng lên 0.266 đơn vị. Giá trị này còn thể hiện độ co giãn của Y theo UPL, tức là khi chi phí nhân công đơn vị thay đổi 1% thì tổng thu nhập của doanh nghiệp thay đổi 26.6%. Khi biến LOG(TA) tăng lên 1 đơn vị thì làm biến LOG(Y) tăng lên 0.766 đơn vị, thể hiện độ co giãn của Y theo TA, tức là khi tổng tài sản thay đổi 1% thì tổng thu nhập của doanh nghiệp thay đổi 76.6% Khi biến LOG(DET) tăng lên 1 đơn vị thì làm biến LOG(Y) giảm 0.108 đơn vị, thể hiện độ co giãn của Y theo DET, tức là khi tỷ lệ vốn CSH/Tổng tài sản thay đổi 1% thì tổng thu nhập của doanh nghiệp thay đổi 10.8%
Hàm hồi quy mẫu 1 đƣợc viết nhƣ sau:
LOG(Yit) = 0.001 + 0.243*LOG(UPCit) + 0.266*LOG(UPLit) + 0.766*(TAit) – 0.108(DETit)