8. Tổng quan tài liệu nghiên cứu
1.4.1. Phương pháp so sánh
Phương pháp so sánh là phương pháp đơn giản nhất, xem xét một chỉ
tiêu phân tích bằng cách dựa trên việc so sánh với một chỉ tiêu gốc. Phương pháp này được sử dụng khá phổ biến trong phân tích hiệu quả hoạt động. Nó
được dùng đểđánh giá kết quả, xác định vị trí và xu hướng biến động của chỉ
tiêu phân tích.
Tiêu chuẩn so sánh: kế hoạch đề ra, thực hiện các kỳ trước, công ty tiêu biểu cùng ngành hoặc đối thủ cạnh tranh chính, bình quân ngành, thông số thị
trường và các chỉ tiêu có thể so sánh khác.
Điều kiện so sánh: các chỉ tiêu so sánh được phải phù hợp về yếu tố
không gian, thời gian, cùng một nội dung kinh tế, đơn vị đo lường, phương pháp tính toán, quy mô và điều kiện kinh doanh.
Kỹ thuật so sánh: để đáp ứng các mục tiêu nghiên cứu khác nhau, trong phân tích người ta thường dùng các kỹ thuật so sánh sau:
+ So sánh bằng số tuyệt đối: là việc xác định chênh lệch giữa trị số của chỉ tiêu kỳ phân tích với trị số của chỉ tiêu kỳ gốc. Kết quả so sánh biểu hiện khối lượng, quy mô của các hiện tượng kinh tế.
+ So sánh bằng số tương đối: là xác định % tăng (giảm) giữa thực tế so với kỳ gốc của chỉ tiêu phân tích, cũng có khi là tỷ trọng của một hiện tượng kinh tế trong tổng thể quy mô chung được xác định. Kết quả so sánh biểu hiện kết cấu, mối quan hệ tỷ lệ, tốc độ phát triển, mức độ phổ biến của các hiện tượng nghiên cứu.
+ So sánh bằng số bình quân: số bình quân là dạng đặc biệt của số tuyệt
đối, biểu hiện tính chất đặc trưng chung về mặt số lượng nhằm phản ánh đặc
điểm chung của một đơn vị, một bộ phận hay một tổng thể có cùng một tính chất.
1.4.2. Phương pháp thống kê mô tả
Phương pháp thống kê mô tả là phương pháp mô tả dữ liệu bằng các phép tính và chỉ số thống kê thông thường như số trung bình (mean), số trung vị (median), phương sai (variance), độ lệch chuẩn (standard deviation), giá trị
lớn nhất (max), giá trị nhỏ nhất (min),…
Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ
liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau.
1.4.3. Phương pháp hồi quy
Hồi quy theo cách nói đơn giản là đi ngược về quá khứ để nghiên cứu những dữ liệu đã diễn ra theo thời gian nhằm tìm đến quy luật về mối quan hệ
giữa chúng. Mối quan hệ đó được biểu diễn dưới dạng một phương trình hồi quy mà dựa vào đó ta có thể giải thích các kết quả lượng hóa về bàn chất, hỗ
trợ, củng cố các lý thuyết và dự báo trong tương lai.
Theo thuật ngữ toán, phân tích hồi quy là nghiên cứu mức độ ảnh hưởng của một hay nhiều biến số độc lập đến một biến số phụ thuộc nhằm dự báo biến kết quả dựa vào giá trịđược biết trước của các biến giải thích.
Có 2 phương pháp hồi quy, đó là hồi quy đơn và hồi quy bội.
giải thích hay biến nguyên nhân với một biến kết quả. Hàm hồi quy tuyến tính là một đường thẳng có dạng: Y = a.X + b Trong đó: Y là biến phụ thuộc X là biến độc lập a,b là tham số
- Phương pháp hồi quy bội còn gọi là phương pháp hồi quy đa biến, dùng phân tích mối quan hệ giữa nhiều biến số độc lập (tức biến giải thích hay biến nguyên nhân) ảnh hưởng đến 1 biến phụ thuộc (tức biến phân tích hay biến kết quả).
Trong thực tế, có rất nhiều bài toán kinh tế – cả lĩnh vực kinh doanh và kinh tế học, phải cần đến phương pháp hồi quy đa biến. Chẳng hạn như phân tích những nhân tố ảnh hưởng đến thu nhập quốc dân, sự biến động của tỷ giá ngoại hối; xét doanh thu trong trường hợp có nhiều mặt hàng; phân tích tổng chi phí với nhiều nhân tố tác động; phân tích giá thành chi tiết; những nguyên nhân ảnh hưởng đến khối lượng tiêu thụ…
Một chỉ tiêu kinh tế chịu sự tác động cùng lúc của rất nhiều nhân tố
thuận chiều hoặc trái chiều nhau. Chẳng hạn như doanh thu lệ thuộc vào giá cả, thu nhập bình quân xã hội, lãi suất tiền gửi, mùa vụ, thời tiết, quảng cáo tiếp thị… Mặt khác, giữa những nhân tố cũng có sự tương quan tuyến tính nội tại với nhau. Phân tích hồi quy giúp ta vừa kiểm định lại giả thiết về những nhân tố tác động và mức độ ảnh hưởng, Vừa định lượng được các quan hệ
kinh tế giữa chúng. Từ đó, làm nền tảng cho phân tích dự báo và có những quyết sách phù hợp, hiệu quả, thúc đẩy tăng trưởng.
Đề tài sử dụng phương pháp hồi quy bội tuyến tính theo OLS và mô hình
ảnh hưởng cố định và ngẫu nhiên để xác định các nhân tố ảnh hưởng hiệu quả
a. Mô hình ảnh hưởng cố định và mô hình ảnh hưởng ngẫu nhiên Mô hình ảnh hưởng cố định – FEM
Với giả định mỗi thực thể đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, FEM phân tích mối tương quan này giữa phần dư của mỗi thực thể với các biến giải thích qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực của biến giải thích lên biến phụ thuộc.
Mô hình ước lượng sử dụng:
it it i it C X u Y = +β + Trong đó:
Yit : Biến phụ thuộc với i: công ty và t: thời gian (năm) Xit: Biến độc lập
Ci (i=1…n) : Hệ số chặn cho từng thực thể nghiên cứu
β: hệ số góc đối với nhân tố X uit : phần dư
Mô hình ảnh hưởng ngẫu nhiên – REM
Điểm khác biệt giữa FEM và REM được thể hiện ở sự biến động giữa các thực thể. Nếu sự biến động giữa các thực thể có tương quan biến độc lập – biến giải thích trong mô hình ảnh hưởng cố định thì trong mô hình ảnh hưởng ngẫu nhiên sự biến động giữa các thực thể được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích.
Chính vì vậy nếu sự khác biệt giữa các thực thể có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM. Trong đó, phần dư của mỗi thực thể (không tương quan với biến giải thích) được xem là một biến giải thích mới.
Mô hình ước lượng sử dụng:
u X
C
Trong đó:
i
ε là sai số thành phần của đặc điểm riêng khác nhau của từng công ty.
it
u là sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng đối tượng và theo thời gian.
Nhìn chung mô hình FEM hay REM tốt hơn cho nghiên cứu phụ thuộc vào giả định có hay không sự tương quan giữa εi và các biến giải thích X. Nếu giả định rằng không tương quan thì REM phù hợp hơn và ngược lại.
Lựa chọn mô hình dựa vào kiểm định Hausman
Kiểm định Hausman là một trong những phương pháp để lựa chọn giữa FEM và REM.
Giả thiết:
Ho: Mô hình FEM và REM không có sự khác biệt H1: Mô hình FEM và REM có sự khác biệt
Nếu (Prob > λ2) < α = 0,05 thì giả thiết Ho bị bác bỏ, nghĩa là mô hình REM không phù hợp và mô hình FEM được lựa chọn. Ngược lại, giả thiết Ho
được chấp nhận thì mô hình REM phù hợp hơn.
b. Mô hình hồi quy bội tuyến tính OLS
Đề tài sử dụng mô hình hồi quy bội theo phương pháp bình phương tối thiểu. Mô hình ước lượng sử dụng:
Yi = α1+ β1 X1i + β2X2i +…+ βkXki + ui
Trong đó ui là số hạng phần dư, là số hạng tương ứng của mẫu với số
hạng ngẫu nhiên ui
Quá trình OLS là việc chọn các giá trị thông số chưa biết sao cho tổng bình phương phần dư nhỏ nhất có thểđược