7. Ý nghĩa thực tiễn khoa học của đề tài
3.4.3. Phân tích hồi qui
Phân tích hồi quy dùng để kiểm định lại mối quan hệ giữa các biến có trong mô hình. Tác giả sử dụng phân tích hồi qui để ƣớc lƣợng mối quan hệ nhân quả giữa biến ngân quỹ ròng với các biến độc lập khác.
Để ƣớc lƣợng mô hình hồi qui theo dữ liệu bảng, hiện nay có 3 cách tiếp cận phổ biến: Ƣớc lƣợng theo Pooled OLS (Pooled Ordinary Least Square),
ƣớc lƣợng theo mô hình các ảnh hƣởng cố định Fixed Effects Model) và ƣớc lƣợng mô hình theo các ảnh hƣởng ngẫu nhiên (Random Effects Model).
Ƣớc lƣợng theo mô hình Pooled OLS: Là mô hình hồi qui, trong đó, tất cả các hệ số đều không đổi theo thời gian và theo các cá nhân. Bỏ qua bình diện không gian và thời gian của dữ liệu kết hợp và chỉ ƣớc lƣợng OLS thông thƣờng. Đây là mô hình đơn giản nhất khi không xem xét sự khác biệt giữa các doanh nghiệp đƣợc nghiên cứu. Tuy nhiên, mô hình tồn tại hạn chế chính là hệ số Durbin – Watson thƣờng khá nhỏ (nhỏ hơn 1), vì vậy thƣờng xuất hiện hiện tƣợng tự tƣơng quan dƣơng. Vì thế, hai phƣơng pháp công dụng khắc phục một hoặc nhiều vấn đề này chính là mô hình các ảnh hƣởng cố định (FEM) và mô hình các ảnh hƣởng ngẫu nhiên (REM).
Ƣớc lƣợng theo mô hình ảnh hƣởng cố định ( Fix Effects Model – FEM): Giả định rằng, mỗi thực thể đều có những điểm riêng biệt để có thể ảnh hƣởng đến biến giải thích, FEM phân tích tƣơng quan giữa phần dƣơng của mỗi thực thể với các biến độc lập, thông qua đó kiểm soát và tách ảnh hƣởng của các đặc điểm riêng biệt ( không đổi qua thời gian) ra khỏi các biến độc lập để ƣớc lƣợng những ảnh hƣởng thực (net effects) của biến độc lập lên biến phụ thuộc. Cụ thể nhƣ sau:
Mô hình các ảnh hƣởng cố định thể hiện qua phƣơng trình: Yit = Ci + β1 X1it + … + βnXnit + uit (3.1.4.1)
Trong đó: Yit :Biến phụ thuộc với I là doanh nghiệp, t là thời gian (năm)
Xit: Biến độc lập
Ci: Hệ số chặn cho từng doanh nghiệp và (I = 1,2,3,… n)
β: Hệ số góc đối với nhân tố X
uit : Phần dƣ
Mô hình trên đã thêm vào chỉ số i cho hệ số chặn C để phân biệt hệ số chặn của từng doanh nghiệp khác nhau có thể khác nhau. Sự khác nhau này
có thể do đặc điểm của từng doanh nghiệp hoặc có thể là do sự khác nhau bởi chính sách quản lý, hoạt động của mỗi doanh nghiệp riêng biệt.
Ƣớc lƣợng theo mô hình ảnh hƣởng ngẫu nhiên (Random Effects Model – REM): Mô hình này dựa trên giả thuyết,sự khác biệt của các doanh nghiệp đƣợc chƣa trong phần sai số ngẫu nhiên và không tƣơng quan với biến độc lập.
Chính vì vậy nếu sự khác biệt giữa các thực thể có ảnh hƣởng đến biến phụ thuộc thì REM vẫn phù hợp hơn so với FEM. Trong đó, phần dƣ của mỗi thực thể (không tƣơng quan với biến độc lập) đƣợc coi là biến độc lập mới.
Ý tƣởng cơ bản của mô hình ảnh hƣởng ngẫu nhiên bắt nguồn từ mô hình ảnh hƣởng cố định (3.1.4.1). Thay vì mô hình (3.1.4.1), mô hình ảnh hƣởng ngẫu nhiên giả định rằng nó là một biến ngẫu nhiên với trung bình là
C1 và hệ số chặn đƣợc mô tả nhƣ sau:
Ci = C1 + εi (i= 1, 2,…, n)
Trong đó, εi là sai số ngẫu nhiên có trung bình bằng 0 và phƣơng sai là
σ2
ta có:
Yit = Ci + β1 X1it + … + βnXnit + uit + εit
Hay Yit = Ci + β1 X1it + … + βnXnit + wit (3.1.4.2)
Với: wit = uit + εit
εit: Sai số thành phần của các đối tƣợng khác nhau (Đặc điểm riêng khác nhau của từng doanh nghiệp).
uit: Sai số thành phần kết hợp của cả đặc điểm riêng theo từng đối tƣợng
và theo thời gian.
Điểm khác biệt giữa mô hình ảnh hƣởng ngẫu nhiên và mô hình ảnh hƣởng cố định là sự biến động giữa các thực thể. Nếu trong mô hình ảnh hƣởng cố định giả định sự biến động của các thực thể tƣơng quan với biến độc lập thì trong mô hình ảnh hƣởng ngẫu nhiên, sự biến động giữa các thực
thể lại không tƣơng quan với biến độc lập. FEM sử dụng biến giả nên có thể làm giảm đáng kể bậc tự do, trong khi đó mô hình REM thì không. Do vậy REM đƣợc ƣa thích hơn.
Tuy nhiên, trong trƣờng hợp các biến có sự tƣơng quan thì giả đinh của REM lại không thỏa mãn, khi đó, mô hình sẽ ra ƣớc lƣợng bị chệch. Vậy mô hình FEM hay mô hình REM phù hợp hơn cho nghiên cứu, điều đó phụ thuộc
vào giả định có hay không sự tƣơng quan giữa εivà biến giải thích X. Để lựa
chọn giữa hai mô hěnh FEM vŕ REM ta sử dụng kiểm định Hausman với giả thuyết:
H0: Cov (εi, Xit) = 0 (REM phù hợp hơn)
H1:Cov (εi, Xit) ≠ 0 (REM phù hợp hơn)
Giá trị tính toán là:
W = (βFE - βRE)’[ Var(βFE) - Var(βRE)]-1(βFE - βRE)
Trong đó: βFE: Vector các hệ số từ ƣớc lƣợng FEM.
KẾT LUẬN CHƢƠNG 3
Trong chƣơng 3, tác giả đã tập trung xây dựng thiết kế nghiên cứu các nhân tố ảnh hƣởng đến cân bằng tài chính dài hạn của các doanh nghiệp sản xuất hàng tiêu dùng. Trên nền tảng thông tin thu thập đƣợc của chƣơng 2, tác giả đã đƣa ra thiết kế nghiên cứu gồm 4 nội dung sau:
Xây dựng các giả thuyết, kết hợp với các dẫn chứng khoa học của
các nghiên cứu đi trƣớc cùng với thực tế các DN Việt Nam hiện tại để có thể đƣa ra giả thuyết phù hợp. Từ giả thuyết, tác giả đã xây dựng mô hình nghiên cứu các nhân tố ảnh hƣởng đến cân bằng tài chính dài hạn của các doanh nghiệp sản xuất hàng tiêu dùng.
Việc xây dựng mô hình sẽ hình thành lên các biến độc lập và biến
phụ thuộc. Tác giả đã chỉ rõ cách xác định và đo lƣờng các biến độc lập cũng nhƣ biến phụ thuộc.
Quá trình chạy mô hình cần phải có dữ liệu, tác giả thực hiện chọn
mẫu 66 công ty từ tổng thể 144 công ty. Cách thức chọn mẫu đƣợc tác giả miêu tả chi tiết cụ thể.
Phƣơng pháp nghiên cứu đƣợc tác giả trình bày rõ trong chƣơng, đƣa
CHƢƠNG 4
KẾT QUẢ NGHIÊN CỨU VÀ CÁC HÀM Ý TỪ KẾT QUẢ NGHIÊN CỨU