CHƢƠNG 1 CƠ SỞ LÝ THUYẾT VỀ TÍNH THANH KHOẢN
2.2. THIẾT KẾ NGHIÊN CỨU
2.2.5. Phân tích dữ liệu
Phân tích thống kê mô tả dữ liệu nghiên cứu:
Đề tài sử dụng kỹ thuật các thống kê mô tả nhƣ: giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, tần suất, các thông tin này sẽ cung cấp dữ liệu
Vấn đề nghiên cứu Mục tiêu nghiên cứu Cơ sở lý thuyết
Câu hỏi nghiên cứu Giả thuyết nghiên cứu ban đầu
Mô hình nghiên cứu Đo lƣờng các biến
Thu thập, xử lý số liệu
Phân tích kết quả
- Thực trạng vấn đề nghiên cứu
- Phân tích thống kê mô tả - Phân tích tƣơng quan - Phân tích hồi quy bội
- Tổng kết, phân tích kết quả nghiên cứu Gợi ý chính sách và kiến nghị từ kết quả nghiên cứu Báo cáo nghiên cứu
một cách tổng quan về các biến trong đề tài nghiên cứu. Phân tích mô tả là bƣớc đầu tiên của bài nghiên cứu này, phân tích này giúp mô tả các khía cạnh liên quan đến tính thanh khoản của doanh nghiệp. Từ đó, cung cấp thông tin chi tiết về mỗi biến có liên quan. Thông tin đó bao gồm giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất. Qua đó, ta có cái nhìn sơ bộ về các biến có trong mô hình. Nghiên cứu đƣợc tiến hành trong mẫu đã chọn với các thông tin về biến có sẵn
Phân tích tƣơng quan: xem xét mối quan hệ tƣơng quan tuyến tính giữa các biến độc lập với nhau trong mô hình:
Phân tích tƣơng quan để đo lƣờng mức độ liên kết tuyến tính giữa các biến với nhau, giữa các biến độc lập với nhau và giữa biến độc lập và biến phụ thuộc trong mô hình. Bƣớc này tạo ra cái nhìn tổng quan về những mối quan hệ cần nghiên cứu: độ lớn, chiều, ý nghĩa thống kê, từ đó có thể xây dựng mô hình hồi quy và có các bƣớc phân tích chuẩn xác hơn.
Hệ số tƣơng quan (r) là một chỉ số thống kê đo lƣờng mối liên hệ tƣơng quan giữa hai biến số X và Y.
Cho hai biến số x và y từ n mẫu, hệ số tƣơng quan Pearson đƣợc ƣớc lƣợng tính bằng công thức sau đây:
r =
Trong đó: x, y là giá trị của biến x, y
là giá trị trung bình mẫu của biến x, y
Hệ số tƣơng quan (r) có giá trị từ -1 đến 1. Hệ số tƣơng quan (r) bằng 0 (hay gần 0) có nghĩa là hai biến số không có liên hệ gì với nhau. Ngƣợc lại, nếu
hệ số tƣơng quan bằng -1 hay 1 có nghĩa là hai biến số đó có một mối quan hệ tuyệt đối. Nếu giá trị tƣơng quan là âm (r < 0) có nghĩa là khi x tăng cao thì y lại giảm (và ngƣợc lại khi x giảm và y tăng). Nếu giá trị tƣơng quan âm (r >0) thì có nghĩa là x và y có mối quan hệ tỉ lệ thuận.
>0.8: x và y tƣơng quan mạnh, tồn tại đa cộng tuyến. từ 0.4 đến 0.8: x và y tƣơng quan trung bình.
<0.4: x và y tƣơng quan yếu.
Dựa vào hệ số tƣơng quan r, ta có thể thấy đƣợc mối quan hệ giữa các biến, nếu các hệ số tƣơng quan giữa các biến độc lập là cao, thì có khả năng xảy ra hiện tƣợng đa cộng tuyến. Đa cộng tuyến có nghĩa là sự tồn tại mối quan hệ tuyến tính “hoàn hảo” hoặc chính xác giữa một số hoặc tất cả các biến độc lập trong một mô hình hồi quy. Theo Võ Xuân Vinh (2014) [9], hệ số tƣơng quan giữa các biến giải thích nhỏ hơn 0,8 (xét về mặt giá trị tuyệt đối) thì vấn đề đa cộng tuyến không phải là một vấn đề quan ngại trong mô hình hồi quy.
- Phân tích hồi quy tuyến tính và các kiểm định mô hình nghiên cứu: Sử dụng các kiểm định các hệ số hồi quy, kiểm định mức độ phù hợp trong mô hình, hiện tƣợng đa cộng tuyến và kiểm định hiện tƣợng tự tƣơng quan, kiểm định phƣơng sai sai số thay đổi. Các kiểm định nhằm mục đích bảo đảm khả năng tin cậy và hiệu quả của mô hình.
Phân tích hồi quy
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 quy để ƣớc lƣợng mối quan hệ nhân quả giữa biến phụ thuộc với các biến độc lập khác.
Các kiểm định trong mô hình nghiên cứu: - Kiểm định hệ số hồi quy
Mục tiêu của kiểm định này nhằm xem xét các biến độc lập tƣơng quan cóý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Khi mức ýnghĩa (Significance, Sig) của hệ số hồi quy của từng phần có độ tin cậy ít nhất 95% (Sig< 0.05), kết luận tƣơng quan có ý nghĩa thống kê giữa biến độc lập vàbiến phụ thuộc.
- Kiểm định mức độ phù hợp của mô hình
Kiểm định này nhằm xem xét mối quan hệ tuyến tính giữa các biến độc lậpvới biến phụ thuộc. Mô hình đƣợc xem là không phù hợp khi tất cả các hệ số hồi quy bằng không, và mô hình đƣợc xem là phù hợp khi có ít nhất một hệ số hồi quykhác không.
Đặt giả thiết H0: Các hệ số hồi quy đều bằng không H1: Có ít nhất một hệ số hồi quy khác không
Căn cứ vào giá trị của Sig. nếu mức ý nghĩa bảo đảm có độ tin cậy sig.<0.05, chấp nhận giả thiết H1: Mô hình đƣợc xem là phù hợp.
- Kiểm định hiện tƣợng đa cộng tuyến
Hiện tƣợng đa cộng tuyến (Multicollinearity) là hiện tƣợng các biến độc lập có quan hệ gần nhƣ tuyến tính. Việc bỏ qua hiện tƣợng đa cộng tuyến sẽ làm các sai số chuẩn thƣờng cao hơn, giá trị thống kê thấp hơn và có thể không có ý nghĩa. Để kiểm tra hiện tƣợng này sử dụng ma trận tƣơng quan Pearson. Nếu hệ số tƣơng quan của các biến độc lập với nhau nhỏ hơn 0,5 có thể chấp nhận không có hiện tƣợng đa cộng tuyến. Ngoài ra, còn có thể sử dụng thƣớc đo phóng đại phƣơng sai (Variance Inflation factor, VIF) để kiểm định hiện tƣợng tƣơng quangiữa các biến độc lập. Điều kiện VIF < 10 để
không có hiện tƣợng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Kiểm định hiện tƣợng tự tƣơng quan
Khi có hiện tƣợng tự tƣơng quan thì các phần dƣ số chuẩn ƣớc lƣợng sẽ khác các phần dƣ thực và do đó ƣớc lƣợng sẽ không chính xác. Điều này làm cho các trị số thống kê t và F đƣợc ƣớc lƣợng không đúng. Vì vậy các kiểm định t và F không còn tin cậy nữa. Các ƣớc lƣợng OLS vẫn là các ƣớc lƣợng tuyến tính, không chệch nhƣng ƣớc lƣợng lúc này đã không còn hiệu quả. Trong thống kê học, trị số thống kê Durbin – Watson là một thống kê kiểm định đƣợc sử dụng để kiểm tra có hiệntƣợng tự tƣơng quan hay không trong phần dƣ của một phân tích hồi quy. Căn cứ vào số quan sát, số tham số (k-1) của mô hình hồi quy, mức ý nghĩa 0,05 trong bảng số thống kê Durbin – Watson để xác định dU và dL. Khi d lớn hơn dU và nhỏ hơn (4 – dL ), kết luận không có hiện tƣợng tự tƣơng quan trong phần dƣ của mô hình hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Kiểm định phƣơng sai sai số thay đổi
Phƣơng sai của phần dƣ thay đổi là hiện tƣợng các giá trị phần dƣ có phân phối không giống nhau, và giá trị phƣơng sai không nhƣ nhau. Bỏ qua phƣơng sai của phần dƣ thay đổi sẽ làm cho ƣớc lƣợng OLS của các hệ số hồi quy không có hiệu quả, các kiểm định giả thuyết không còn giá trị. Để kiểm tra hiện tƣợng này, sử dụng kiểm định Spearman, nếu mức ý nghĩa (Sig.) của hệ số tƣơng quan hạng Spearman đảm bảo lớn hơn 0.05, kết luận phƣơng sai phần dƣ không đổi.
Để kiểm định các giả thiết trên, mô hình tiến hành theo các bƣớc sau:
+ Bước 2: Đánh giá mức độ phù hợp của mô hình (thông qua các hệ số xácđịnh R2
điều chỉnh và phân tích phƣơng sai Anova, nếu mô hình phù hợp tiến hành sang bƣớc 3.
+ Bước 3: Kiểm tra các vi phạm giả định cần thiết trong hồi quy tuyến tính: Kiểm định đa cộng tuyến thông qua độ phóng đại VIF nhỏ hơn 10, nếu có đa cộng tuyến, loại trừ các biến ra khỏi mô hình đến khi không còn hiện tƣợng đa cộng tuyến.
Kiểm định hiện tƣợng tự tƣơng quan là kiểm định Durbin – Waston. Nếu 1<d<3 thì kết luận mô hình không có hiện tƣợng tự tƣơng quan.
Kiểm định phƣơng sai thay đổi (thông qua kiểm định tƣơng quan hạng Spearman) để kiểm định phƣơng sai thay đổi căn cứ vào giá trị của hệ số Significace (sig.), nếu giá trị của sig. <0.05 có thể kết luận biến đó đã bị viphạm phƣơng sai phần số dƣ thay đổi.
KẾT LUẬN CHƢƠNG 2
Ở nội dung Chƣơng 2, tác giả đã trình bày sơ lƣợc về đặc điểm ngành TBVLXD Việt Nam và đặt ra các giả thuyết nghiên cứu để trả lời cho câu hỏi nghiên cứu: những nhân tố nào ảnh hƣởng đến tính thanh khoản của các công ty nhóm ngành TBVLXD Việt Nam. Tiếp đến tiến hành nghiên cứu với các phƣơng pháp nghiên cứu nhƣ chọn mẫu, thu thập số liệu trên BCTC của các công ty để tính toán các chỉ tiêu và sử dụng mô hình hồi quy tuyến tính. Chƣơng tiếp theo sẽ phân tích kết quả nghiên cứu.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU VÀ HÀM Ý TỪ KẾT QUẢ NGHIÊN CỨU