8. Kết cấu luận văn
2.2.4.Phƣơng pháp nghiên cứu và kiểm định mô hình
Với đặc thù nghiên cứu dữ liệu theo thời gian, và không gian, vì vậy tác giả sử dụng phƣơng pháp hồi quy với dữ liệu bảng (panel data). Dữ liệu bảng là dữ liệu kết hợp với chuỗi thời gian và các quan sát chéo. Phân tích hồi quy bằng dữ liệu bảng giúp nhà nghiên cứu có thông tin tốt hơn trong tổng thể nghiên cứu, tính biến thiên nhiều hơn, ít hiện tƣợng đa cộng tuyến giữa các biến hơn, nhiều bậc tự do hơn và hiệu quả cao hơn. Ƣớc lƣợng trong nghiên cứu này đƣợc xử lý bằng phần mềm Eviews 8.
Mô hình dữ liệu bảng có dạng tổng quát nhƣ sau:
Yit = Ci + β1X1it + β2X2it + …+ βkXkit + uit Trong đ
Yit : Biến phụ thuộc đại diện cho hiệu quả tài chính (Y1 = ROE; Y2 = EPS; Y3= P/E; Y4= P/B), với i là doanh nghiệp và t là thời gian (quý).
Xit: Biến độc lập đại diện cho nhân tố ảnh hƣởng đến hiệu quả tài chính là cấu trúc tài chính (X1 = DA; X2 = LTA, X3 = DE).
βi : Hệ số g c đối với nhân tố Xi uit : Phần dƣ
Đối với dữ liệu bảng có các mô hình có thể đƣợc sử dụng tùy vào đặc điểm và phạm vi nghiên cứu bao gồm các mô hình:
- Mô hình Pooled OLS: Là mô hình đơn giản nhất khi không xem xét đến sự khác biệt giữa các công ty nghiên cứu, mô hình này trên thực tế ít đƣợc sử dụng.
- Mô hình Fixed effect: Là mô hình đƣợc phát triển lên từ mô hình Pooled OLS khi c đƣa thêm sự khác nhau về các công ty, và có sự tƣơng quan giữa phần dƣ mô hình và các biến độc lập.
- Mô hình Random effect: Cũng tƣơng tự nhƣ mô hình Fixed, mô hình này đề cập đến sự khác nhau giữa các công ty. Tuy nhiên, phần dƣ trong mô
hình không có mối quan hệ với các biến độc lập.
a. Mô hình ảnh hưởng cố định – FEM
Việc ƣớc lƣợng mô hình nghiên cứu phụ thuộc vào những giả định đƣợc đặt ra về tung độ gốc, hệ số độ dốc, và số hạng sai số uit. Một số khả năng c thể xảy ra:
- Giả định rằng các hệ số độ dốc và tung độ gốc là hằng số theo thời gian và không gian, và số hạng sai số thể hiện sự khác nhau theo thời gian và theo các cá nhân.
- Các hệ số độ dốc là hằng số nhƣng tung độ gốc thay đổi theo các cá nhân.
- Các hệ số độ dốc là hằng số nhƣng tung độ gốc thay đổi theo các cá nhân và thời gian.
- Tất cả các hệ số (tung độ gốc cũng nhƣ các hệ số độ dốc) đều thay đổi theo các cá nhân.
- Tung độ gốc cũng nhƣ các hệ số độ dốc đều thay đổi theo các cá nhân và theo thời gian
Mô hình ƣớc lƣợng đƣợc sử dụng:
Yit = Ci + β1X1it + β2X2it + …+ βkXkit + uit Trong đ
Yit : Biến phụ thuộc, với i là doanh nghiệp và t là thời gian (quý) Xit : Biến độc lập
βi : Hệ số g c đối với nhân tố Xi uit : Phần dƣ
b. Mô hình ảnh hưởng ngẫu nhiên – REM
Điểm khác biệt giữa FEM và REM đƣợc thể hiện ở sự biến động giữa các thực thể. Nếu sự biến động giữa các thực thể c 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 của các thực thể đƣợc giả sử là ngẫu nhiên và không liên 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 đ phần dƣ của mỗi thực thể (không tƣơng quan với biến giải thích) đƣợc xem là biến giải thích mới.
Ý tƣởng cơ bản bắt đầu:
Yit = C + β1X1it + β2X2it +… + βn Xnit + uit
Thay vì xem β1i là cố định, ta giả định đ là một biến ngẫu nhiên với một giá trị trung bình là β1. Và giá trị tung độ gốc cho một cá nhân riêng lẻ có thể đƣợc biểu thị là:
C = C + εi i= 1, 2,…, N
Trong đó, εi : là số hạng ngẫu nhiên với một giá trị trung bình bằng 0 và phƣơng sai bằng σ2ε .
Thay vào công thức trên ta c : (adsbygoogle = window.adsbygoogle || []).push({});
Yit = C + β1 X1it +… + βn Xnit + εi + uit εi: Sai số thành phần của các đối tƣợng khác nhau
uit: Sai số thành phần theo không gian và chuỗi thời gian kết hợp Giả định thông thƣờng mà mô hình đƣa ra là:
εit ~ N (0, σ2ε) uit ~ N (0, σ2u )
E(εit, uit) = 0 E(εi, εj) = 0 (i ≠ j)
Nghĩa là các thành phần sai số riêng biệt (εit) không c tƣơng quan với nhau và không tự tƣơng quan giữa các đơn vị theo không gian và chuỗi thời gian.
Nhìn chung, mô hình FEM hay REM tốt hơn cho nghiên cứu phụ thuộc vào giả định có hay không sự tƣơng quan giữa εi và các biến giải thích X. Nếu giả định rằng không c tƣơng quan, thì REM phù hợp hơn, và ngƣợc lại.
Ngoài ra, nếu căn cứ vào N (số dữ liệu ch o) và T (độ dài thời gian nghiên cứu) thì theo Judge:
- Trƣờng hợp T lớn và N nhỏ: Trong trƣờng hợp này không có sự khác biệt lớn về giá trị của các tham số ƣớc lƣợng trong mô hình FEM và REM. Vì vậy việc lựa chọn mô hình nào phụ thuộc vào tiện ích trong xử lý. Thông thƣờng trong trƣờng hợp này mô hình ảnh hƣởng cố định (FEM) đƣợc lựa chọn.
- Trƣờng hợp T nhỏ và N lớn: Trong trƣờng hợp này, kết quả ƣớc lƣợng khác biệt nhau rất lớn. Nếu các đối tƣợng nghiên cứu không đƣợc chọn ra một cách ngẫu nhiên từ một tổng thể lớn hơn nhiều thì FEM sẽ phù hợp hơn. Ngƣợc lại, nếu các đối tƣợng nghiên cứu đƣợc lựa chọn một cách ngẫu nhiên từ một tổng thể lớn hơn thì REM sẽ thích hợp hơn bởi vì trong trƣờng hợp này hệ số chặn β1i là thật sự ngẫu nhiên nên việc suy luận thống kê hay giải thích mô hình sẽ dễ dàng và không c điều kiện ràng buộc. Do đ , nếu các điều kiện của REM đƣợc đảm bảo thì kết quả ƣớc lƣợng của REM sẽ chính xác hơn so với FEM.
c. Lựa chọn mô hình
Kiểm định Hausman test đƣợc lựa chọn phƣơng án trong việc lựa chọn mô hình FEM hay mô hình REM là phù hợp phù hợp cho hồi quy dữ liệu mẫu trên giả định:
H0: Ƣớc lƣợng FEM và REM không khác nhau đáng kể H1: Ƣớc lƣợng FEM và REM là khác nhau
Nếu p-value < 0,05 bác bỏ H0. Khi đ mô hình REM là không hợp lý, nên lựa chọn mô hình FEM. Ngƣợc lại, nếu chấp nhận giả thuyết H0, mô hình REM phù hợp để lựa chọn
Các hệ số trong mô hình ảnh hƣởng cố định và mô hình ảnh hƣởng ngẫu nhiên.
Mô hình ảnh hƣởng cố định - FEM
Mô hình ảnh hƣởng ngẫu nhiên – REM
Hệ số chặn
Có riêng từng hệ số chặn cho từng đơn vị chéo (DN)
Chỉ có duy nhất một hệ số chặn cho tất cả các đơn vị chéo (DN)
Giá trị này là giá trị trung bình của tất cả các đơn vị chéo.
Hệ số góc Không biến đổi Không biến đổi
Phần dƣ
(Sai số) Không biến đổi
Sự khác biệt của các đơn vị chéo nằm trong thành phần ngẫu nhiên, phần dƣ của mỗi thực thể.
Thay đổi theo từng đơn vị ch o và/hoặc theo thời gian.
Nhìn chung, mô hình FEM hay REM tốt hơn cho nghiên cứu phụ thuộc vào giả định có hay không sự tƣơng quan giữa εi và các biến giải thích X. Nếu giả định không tƣơng quan, thì REM phù hợp hơn, và ngƣợc lại. Ngoài ra, nếu căn cứ vào N (số dữ liệu chéo) và T (độ dài thời gian nghiên cứu) thì theo Judge, FEM và REM không phân biệt khi T lớn và N nhỏ, khá khác biệt khi N lớn và T nhỏ. Bên cạnh đ , kiểm định Hausman cũng là một trong những phƣơng pháp để lựa chọn giữa FEM và REM. Vì thế, trong phần hồi quy của nghiên cứu này sẽ lần lƣợt đi qua cả hai mô hình là mô hình ảnh hƣởng cố định (FEM) và mô hình ảnh hƣởng ngẫu nhiên (REM) để lựa chọn mô hình thích hợp nhất.
Mô hình nghiên cứu của tác giả đƣợc viết lại nhƣ sau: ROE = c + β1DA + β2LTA + β3DE
EPS = c + β1DA + β2LTA + β3DE P/E = c + β1DA + β2LTA + β3DE P/B = c + β1DA + β2LTA + β3D
KẾT LUẬN CHƢƠNG 2
Chƣơng 2 đã trình bày thiết kế mô hình nghiên cứu, phƣơng pháp nghiên cứu, các nhân tố ảnh hƣởng đến hiệu quả hoạt động của các công ty ngành vận tải niêm yết trên thị trƣờng chứng khoán Việt Nam. (adsbygoogle = window.adsbygoogle || []).push({});
Mặt khác, chƣơng này cũng giới thiệu về mặt lý thuyết mô hình ảnh hƣởng cố định (FEM) và mô hình ảnh hƣởng ngẫu nhiên (REM) để xác định sự ảnh hƣởng của các nhân tố ảnh hƣởng đến hiệu quả tài chính. Đồng thời đề cập tới quy trình nghiên cứu mô hình các nhân tố ảnh hƣởng đến hiệu quả tài chính trong doanh nghiệp.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM ẢNH HƢỞNG CỦA CẤU TRÚC TÀI CHÍNH ĐẾN HIỆU QUẢ TÀI CHÍNH
CỦA CÁC CÔNG TY NGÀNH VẬN TẢI NIÊM YẾT TRÊN THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM