7. Bố cục đề tài
2.2.2. Phƣơng pháp ƣớc lƣợng
Trong nghiên cứu này, phƣơng pháp ƣớc lƣợng đối với dữ liệu bảng đƣợc sử dụng để nghiên cứu tác động của cấu trúc vốn đến giá trị doanh nghiệp ngành khai khoáng niêm yết trên thị trƣờng chứng khoán Việt Nam giai đoạn 2008-2014. Việc lựa chọn phƣơng pháp ƣớc lƣợng này bởi vì dữ liệu sử dụng trong nghiên cứu là dữ liệu bảng (panel data). Theo Gujarati (2004), dữ liệu bảng có những ƣu điểm so với dữ liệu chéo và dữ liệu chuỗi thời gian trên các khía cạnh sau đ y:
- Dữ liệu bảng liên hệ đến các cá nhân, các doanh nghiệp, các quốc gia,... theo thời gian, nên chắc chắn có tính không đồng nhất trong các thực thể (entities) này. Các phƣơng pháp ƣớc lƣợng dựa trên dữ liệu bảng có thể tính đến tính không đồng nhất một cách rõ ràng bằng cách sử dụng các biến chuyên biệt theo thực thể trong mô h nh ƣớc lƣợng;
- Bằng cách kết hợp chuỗi thời gian của các quan sát chéo, dữ liệu bảng cung cấp nhiều thông tin hơn, iến thiên hơn, ít có sự đa cộng tuyến giữa các biến số, bậc tự do cao hơn và hiệu quả hơn;
- Bằng cách nghiên cứu các dữ liệu chéo một cách lặp đi lặp lại, dữ liệu bảng thực hiện tốt hơn các nghiên cứu về những thay đổi xảy ra liên tục nhƣ tỷ lệ thất nghiệp, di chuyển lao động;
- Cho phép kiểm soát sự khác biệt không quan sát đƣợc giữa các thực thể, ví dụ nhƣ khác biệt v n hoá giữa các quốc gia hay sự khác biệt về triết lý kinh doanh giữa các doanh nghiệp;
- Cho phép kiểm soát các biến không quan sát đƣợc nhƣng thay đổi theo thời gian (chính sách quốc gia, thỏa thuận quốc tế);
- Cho phép nghiên cứu các mô hình phức tạp, ví dụ nhƣ tính kinh tế do quy mô hay thay đổi công nghệ.
Phƣơng pháp ƣớc lƣợng đối với dữ liệu bảng bao gồm: Fixed Effect Model, Random Effect Model và Pooled Regression để nghiên cứu tác động của cấu trúc vốn đến giá trị doanh nghiệp. Các dữ liệu đƣợc xử lý và chạy hồi quy kiểm định đƣợc tiến hành dựa vào phần mềm Stata12 và Microsoft Excel 2007.
a. Mô hình hồi quy gộp (Pooled OLS)
Mô hình hồi quy gộp (Pooled OLS) có một số giả định đó là tung độ gốc và các hệ số độ dốc không đổi theo thời gian và không gian, số hạng sai số ngẫu nhiên có phân phối chuẩn (uit ~ id (0, σ2)) thể hiện những khác biệt theo thời gian và các thực thể.
Mô h nh ƣớc lƣợng sử dụng:
yit = ai + bxit + eit
Trong đó:
yit: biến phụ thuộc với i = 1…,N và t = 1,..,T. xit: biến độc lập.
ai: hệ số chặn cho t ng thực thể nghiên cứu. b: hệ số góc đối với nhân tố X.
eit: phần dƣ.
Mô hình hồi quy gộp chỉ đơn giản là phƣơng pháp ƣớc lƣợng bình phƣơng nhỏ nhất (OLS). Tuy nhiên, phƣơng pháp OLS này sẽ thích hợp nếu không có sự tồn các yếu tố riêng biệt của thực thể (doanh nghiệp) và yếu tố thời gian. Theo Gujarati (2004), việc sử dụng phƣơng pháp OLS ỏ qua yếu tố không gian và thời gian của dữ liệu bảng sẽ làm cho kết quả ƣớc lƣợng bị thiên lệch. Vì thế đối với dữ liệu bảng, phƣơng pháp ƣớc lƣợng tác động cố định (FEM) và tác động ngẫu nhiên (REM) sẽ phù hợp hơn v không ỏ qua các yếu tố thời gian và yếu tố riêng biệt của thực thể.
b. Mô hình nh hưởng cố định (FEM)
Với giả định mỗi thực thể đều có những đặc điểm riêng biệt có thể ảnh hƣởng đến các biến giải thích, FEM phân tích mối tƣơng quan này giữa phần dƣ của mỗi thực thể với các biến giải thích qua đó kiểm soát và tách ảnh hƣởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ƣớc lƣợng những ảnh hƣởng thực của biến giải thích lên biến phụ thuộc.
Mô h nh ƣớc lƣợng sử dụng:
yit = ai + bxit + eit
Trong đó:
yit: biến phụ thuộc với i = 1…,N và t = 1,..,T. xit: biến độc lập.
ai: hệ số chặn cho t ng thực thể nghiên cứu. b: hệ số góc đối với nhân tố X.
eit: phần dƣ.
Mô h nh trên đã thêm vào chỉ số i cho hệ số chặn “a” để phân biệt hệ số chặn của t ng doanh nghiệp khác nhau có thể khác nhau, sự khác biệt này có thể do đặc điểm khác nhau của t ng doanh nghiệp hoặc do sự khác nhau trong chính sách quản lý, hoạt động của doanh nghiệp.
Qua đó, chúng ta có dữ liệu bảng bao gồm N đối tƣợng và T thời điểm. Có 02 phƣơng pháp đƣợc áp dụng để ƣớc lƣợng các tham số của mô h nh tác động cố định, thứ nhất là ƣớc lƣợng hồi quy biến giả tối thiểu với mỗi biến giả đại diện cho mỗi đối tƣợng quan sát của mẫu, thứ hai là ƣớc lƣợng tác động cố định. Do đó, mô h nh này có thể đƣợc xem xét giống nhƣ một mô hình OLS sử dụng biến giả, các biến giả đóng vai trò là các nhân tố cố định:
Trƣờng hợp 1: cố định các đối tƣợng
Trƣờng hợp 2: cố định thời gian
Trƣờng hợp 3: cố định cả 2 nhân tố
Tuy nhiên, mô h nh FEM có nhƣợc điểm không đo lƣờng đƣợc tác nhân không thay đổi theo thời gian.
c. Mô hình nh hưởng ngẫu nhiên (REM)
Điểm khác biệt giữa mô hình ảnh hƣởng ngẫu nhiên REM và mô hình ảnh hƣởng cố định FEM đƣợc thể hiện ở sự biến động giữa các thực thể. Nếu sự biến động giữa các thực thể có tƣơng quan đến biến độc lập – biến giải thích trong mô hình ảnh hƣởng cố định thì trong mô hình ảnh hƣởng ngẫu nhiên sự biến động giữa các thực thể đƣợc giả sử là ngẫu nhiên và không tƣơng quan đến các biến giải thích.
Chính vì vậy, nếu sự khác biệt giữa các thực thể có ảnh hƣởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM. Trong đó, phần dƣ của mỗi thực thể (không tƣơng quan với biến giải thích) đƣợc xem là một biến giải thích mới.
Ý tƣởng cơ ản của mô hình ảnh hƣởng ngẫu nhiên cũng ắt đầu t mô hình:
yit = ai + bxit + eit
Thay vì trong mô hình FEM, ai là cố định thì trong REM có giả định rằng nó là một biến ngẫu nhiên với trung bình là ai và giá trị hệ số chặn đƣợc mô tả nhƣ sau:
ai = a + εi (i=1,...N)
εi: sai số ngẫu nhiên có trung bình bằng 0 và phƣơng sai là σ2ε Vậy mô h nh ƣớc lƣợng sử dụng: yit = a + bxit + εi + eit Trong đó: t = 1…,T và I = 1,..,N (2.8) (2.9)
εi : Sai số thành phần của các đối tƣợng khác nhau (đặc điểm riêng khác nhau của t ng doanh nghiệp).
eit: Sai số thành phần kết hợp khác của cả đặc điểm riêng theo t ng đối tƣợng và theo thời gian.
Qua đó, chúng ta có dữ liệu bảng bao gồm N đối tƣợng và T thời điểm. Tóm lại, trong mô hình, sai số cổ điển đƣợc chia làm 02 thành phần. Thành phần ai đại diện cho tất cả các yếu tố không quan sát đƣợc mà thay đổi giữa các đối tƣợng nhƣng không thay đổi theo thời gian. Thành phần eit đại diện cho tất cả các yếu tố không quan sát đƣợc mà thay đổi giữa các đối tƣợng và thời gian. Do đó, với mô h nh này, đặc điểm riêng giữa các thực thể đƣợc giả sử là ngẫu nhiên và không tƣơng quan đến các biến giải thích.
Đối với việc lựa chọn một mô hình thích hợp, nghiên cứu này sử dụng các kỹ thuật kiểm định đƣợc đề xuất bởi Dougherty (2011) qua h nh sau đ y.
(Nguồn: Dougherty (2011))
T một mẫu dữ liệu bảng, ngƣời ta thực hiện hồi quy với mô hình tác động cố định (FEM) và mô h nh tác động ngẫu nhiên (REM). Sau đó, ngƣời ta áp dụng thủ tục kiểm định Hausman s. Nếu kết quả kiểm định này bác bỏ giả thuyết H0: ''Sự khác biệt trong các hệ số hồi quy không có hệ thống'' thì sử dụng mô h nh tác động cố định (FEM). Ngƣợc lại áp dụng mô hình tác động ngẫu nhiên (REM). Trong trƣờng hợp nếu mô h nh tác động ngẫu nhiên (REM) đƣợc lựa chọn, ngƣời ta tiếp tục kiểm tra tính hợp lệ của mô hình tác động ngẫu nhiên bằng cách áp dụng thử nghiệm Breusch Pagan Lagrange. Nếu kết quả thử nghiệm này bác bỏ giả thuyết H0: ''Không có tác động ngẫu
nhiên'' th mô h nh tác động ngẫu nhiên đƣợc lựa chọn. Ngƣợc lại, áp dụng
mô hình hồi quy Pooled OLS thông thƣờng.
d. iểm định các gi thiết của phư ng pháp ước ượng hồi quy
iểm định gi thiết phư ng sai không đổi
Kiểm định hiện tƣợng phƣơng sai thay đổi bằng kiểm định Breusch – Pagan test với giả thiết H0 là không có hiện tƣợng phƣơng sai thay đổi trong mô hình. Khi kiểm định cho ra kết quả có Prob > Chi2 lớn hơn 0,05 th chấp nhận giả thiết H0, t đó kết luận mô hình không xuất hiện hiện tƣợng phƣơng sai thay đổi.
Khi có hiện tƣợng phƣơng sai thay đổi xảy ra, ƣớc lƣợng của ph n tích hồi quy sẽ ị chệch, do đó cần khắc phục hiện tƣợng này. Vì vậy, để khắc phục hiện tƣợng phƣơng sai thay đổi có thể xảy ra trong mô hình, nghiên cứu sử dụng tham số ro ust đối với sai số chuẩn (standard error) khi ƣớc lƣợng trong phần mềm Stata.
iểm định gi thiết không có t tư ng quan
Kiểm định hiện tƣợng tự tƣơng quan ằng Wooldridge test với giả thiết H0 là không có hiện tƣợng tự tƣơng quan trong mô h nh. Khi kiểm định cho ra
kết quả có Prob > F lớn hơn 0,05 th chấp nhận giả thiết H0, t đó kết luận mô hình không có hiện tƣợng tự tƣơng quan.
Trong trƣờng hợp có hiện tƣợng tự tƣơng quan, cũng tƣơng tự nhƣ vấn đề phƣơng sai thay đổi, ƣớc lƣợng ằng phƣơng pháp hồi quy không thể khắc phục đƣợc hiện tƣợng tự tƣơng quan mà chỉ có điều chỉnh để nó có mức ý nghĩa đáng tin cậy hơn.
iểm định gi thiết không có đa cộng tuyến
Kiểm định hiện tƣợng đa cộng tuyến thông qua nhân tử phóng đại phƣơng sai VIF.
VIF =
1 1 – rij2
Trong đó rij2 là hệ số tƣơng quan giữa biến i và biến j.
Khi có hiện tƣợng đa cộng tuyến, các hệ số của mô hình hồi quy là không xác định còn các sai số tiêu chuẩn là vô hạn, điều này có thể đƣa đến các hiện tƣợng nhƣ dấu của các ƣớc lƣợng của các hệ số hồi quy có thể sai, R2 cao nhƣng tỉ số t ít ý nghĩa… Dấu hiệu để nhận biết hiện tƣợng đa cộng tuyến là tƣơng quan cặp giữa các biến giải thích cao, R2
cao nhƣng tỉ số t ít ý nghĩa, lúc này sử dụng nhân tử phóng đại phƣơng sai – VIF, nếu biến nào có VIF lớn hơn 10 th xảy ra hiện tƣợng đa cộng tuyến trong mô hình.
e. iểm định a chọn mô hình (specification test)
iểm định Hausman
Kiểm định nhằm xác định giữa 02 phƣơng pháp hồi quy FEM và phƣơng pháp hồi quy REM th phƣơng pháp nào có hiệu quả hơn trong việc giải thích mối quan hệ giữa các biến. Để xác định vấn đề này bài nghiên cứu sử dụng kiểm định Hausman. Phƣơng pháp Kiểm định Hausman (Hausman, 1978) đƣợc thực hiện với giả thiết H0 là các khác biệt trong hệ số hồi quy của REM và FEM không có tính hệ thống.
Khi kiểm định cho ra kết quả có Prob > Chi2 lớn hơn 0,05 th chấp nhận giả thiết H0, khi đó mô h nh REM là thích hợp hơn để giải thích cho mối tƣơng quan giữa các biến ởi v mô h nh REM có ậc tự do cao, hiệu quả và chặt chẽ hơn mô h nh FEM
Kiểm định Breusch Pagan Lagrange
Với giả thiết H0: ''Không có tác động ngẫu nhiên''; khi kiểm định cho ra kết quả Prob > Chi2 nhỏ hơn 0,05. Kết quả này hàm ý rằng, mô hình REM là mô hình phù hợp hơn so với mô hình Pooled OLS. Ngƣợc lại, mô hình Pooled OLS sẽ đƣợc lựa chọn.