7. Kết cấu của đề tài nghiên cứu
3.3.4. Phươngpháp kiểm định mô hình
Mô hình hồi quy của nghiên cứu được sử dụng dữ liệu dạng bảng - panel data, được hồi quy theo mô hình hồi quy OLS.
Sử dụng dữ liệu dạng bảng có các ưu điểm là nghiên cứu được sự khác biệt giữa các đơn vị chéo, chứa đựng nhiều thông tin hơn và quan trọng nhất là nâng cao số quan sát của mẫu, giảm được hạn chế của mô hình OLS do bỏ sót biến. Bên cạnh đó, nếu chỉ sử dụng mô hình hồi quy OLS thông thường để hồi quy dữ liệu bảng có thể tạo ra các ước lượng sai do các giả thuyết của mô hình có thể bị vi phạm. Tác giả kiểm định theo tiến trình sau để tìm ra phương pháp ước lượng phù hợp.
Bước 1: Thống kê mô tả
Số liệu trong nghiên cứu được thể hiện dưới dạng thống kê theo các giá trị nhỏ nhất, giá trị lớn nhất, giá trị trung bình, giá trị trung vị, độ lệch chuẩn. Mô tả tóm tắt các đặc trưng dữ liệu của các công ty niêm yết trên sàn chứng khoán Việt Nam để phản ánh một cách tổng quát về tình hình các doanh nghiệp này.
Bước 2: Phân tích ma trận hệ số tương quan
Thiết lập ma trận hệ số tương quan giữa các biến độc lập và biến kiểm soát nhằm xác định mối tương quan giữa các biến này là như thế nào và để kiểm tra mối tương quan như thế nào giữa các biến độc lập và biến phụ thuộc và giữa các biến độc lập với nhau.
Bước 3: Ước lượng các hệ số hồi quy OLS
Nhược điểm của ước lượng OLS có thể nhận diện sai do tự tương quan và ràng buộc quá chặt về các đơn vị chéo, nếu có hiện tượng đa cộng tuyến hoặc phương sai thay đổi sẽ dẫn đến kết quả ước lượng sai. Do đó, sau khi thực hiện kiểm định OLS chúng ta thực hiện kiểm định các giả định của mô hình.
Kiểm tra hiện tượng đa cộng tuyến
Đa cộng tuyến đề cập đến sự tồn tại của nhiều hơn một mối quan hệ tuyến tính chính xác, hay nói rõ hơn đa cộng tuyến hàm ý một biến giải thích nào đó được biểu diễn dưới dạng một tổ hợp tuyến tính của các biến giải thích còn lại hoặc nó có tương quan chặt chẽ với một số biến giải thích khác. Một khi xảy ra hiện tượng đa cộng tuyến thì các kết quả hồi quy sẽ không còn phản ánh chính xác mối quan hệ mà chúng ta cần xem xét. Chính vì vậy, phần này thực hiện kiểm định đa cộng tuyến để xem xét các biến giải thích trong mô hình mắc phải hiện tượng này hay không.
Nếu các cặp tương quan giữa các biến độc lập cao (lớn hơn 0.8) thì có thể xảy ra hiện tượng đa cộng tuyến. Tuy nhiên tiêu chuẩn này thường không chính xác. Có thể những trường hợp tương quan cặp không cao nhưng vẫn xảy ra đa cộng tuyến. Do đó, để đảm bảo tính chính xác trong nghiên cứu có sử dụng nhân tử phóng đại phương sai để kiểm tra hiện tượng đa cộng tuyến.
Nhân tử phóng đại phương sai: Nếu VIFj >10 thì xảy ra hiện tượng đa cộng tuyến.
VIFj= 1 1-Rj²
Kiểm định phương sai thay đổi
Hiện tượng phương sai thay đổi xảy ra khi các sai số ngẫu nhiên có phương sai khác nhau theo từng quan sát do bản chất của các mối quan hệ kinh tế, do công cụ và kỹ thuật thu thập, xử lý dữ liệu hoặc cũng có thể do mô hình hồi quy xác định sai, trường hợp phương sai thay đổi thường gặp khi thu thập số liệu chéo.
Tuy nhiên, trong bài nghiên cứu này, tác giả đã không thu thập số liệu chéo, thay vào đó là sử dụng dữ liệu bảng. Và như vậy, khi hồi quy mô hình tổng thể, các yếu tố đặc thù của từng đơn vị trong tổng thể doanh nghiệp sẽ không còn rõ ràng nữa. Chính vì vậy, tác giả đã không thực hiện kiểm định phương sai thay đổi.
Kiểm định hiện tượng tự tương quan
Tự tương quan là sự tương quan giữa các thành phần của chuỗi quan sát được sắp xếp theo thứ tự thời gian (trong chuỗi thời gian) hoặc không gian (trong số liệu chéo). Nghĩa là trong mô hình hồi quy cổ điển OLS ta giả thiết rằng không có tương quan giữa các Ui, Cov (Ui, Uj) = 0 sai số ứng với quan sát nào đó không bị ảnh hưởng bởi sai số ứng với quan sát khác. Kiểm định tự tương quan thông qua kiểm định Durbin–Watson và Breusch Godfrey (BG)
Kiểm định d của Durbin–Watson là một trong những kiểm định tự tương quan trong kinh tế lượng, và theo kinh nghiệm người ta đưa ra như sau:
Nếu 1<d<3 thì kết luận mô hình có tự tương quan
Nếu 0<d<1 thì kết luận mô hình có tự tương quan dương Nếu 3<d<4 thì kết luận mô hình có tự tương quan âm
KẾT LUẬN CHƯƠNG 3
Trong chương 2, tác giả trình bày dữ liệu nghiên cứu, phương pháp nghiên cứu, mô hình nghiên cứu.
Chương này cũng trình bày cụ thể biến độc lập: - Quy mô HĐQT (BSIZE)
- Tỷ lệ thành viên HĐQT độc lập (OUTSIDER) - Tỷ lệ sở hữu của CEO (OWN)
- Giá trị thị trường trên giá trị sổ sách (MTB) - Quy mô công ty (SIZE)
- Lợi nhuận ròng trên tổng tài sản (ROA) - Đòn bẩy tài chính (LEV)
và các biến phụ thuộc: chính sách cổ tức nêu căn cứ từ các nghiên cứu trước và xác định thang đo cho các biến, cũng như xác định kỳ vọng tương quan từng biến độc lập đối với biến phụ thuộc.
Ngoài ra chương 3 còn nêu lên các giả thuyết nghiên cứu và phương pháp kiểm định mô hình nghiên cứu để làm căn cứ thực hiện kết quả nghiên cứu ở chương 4.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 4.1.Mức độ chi trả cổ tức của các doanh nghiệp
4.1.1. Thống kê mô tả chỉ số PR
Với cách đo lường biến phụ thuộc Y đã được nêu ở chương 3, mức độ chi trả cổ tức được tính theo công thức (1) được thể hiện ở phụ lục 4.
Số liệu này được xử lý bằng phần mềm SPSS 20.0. Kết quả xử lý được thể hiện ở bảng sau:
Bảng 4.1: Kết quả thống kê mô tả chỉ số Mức độ chi trả cổ tức các doanh nghiệp niêm yết trên Sở Giao dịch chứng khoán Tp.HCM:
Số quan sát Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình Độ lệch chuẩn Mức độ chi trả cổ tức 100 .04 .18 .0982 .03350 Valid N (listwise) 100
Nguồn: Phân tích dữ liệu – phụ lục 5
Nhìn vào bảng 4.1, ta thấy Mức độ chi trả cổ tứccủa các doanh nghiệp niêm yết đã được khảo sát trên Sở Giao dịch chứng khoán Tp.HCM đạt trung bình là 0.0982. Tức là, tại Sở Giao dịch chứng khoán Tp.HCM, Mức độ chi trả cổ tức bình quân của các doanh
nghiệp niêm yết đạt 9.82%,. Mức độ chi trả cổ tức cao nhất đã đạt 18% và mức thấp nhất là 4% với độ lệch chuẩn là 0.03350.
4.1.2. Thống kê mô tả các biến độc lập
Các số liệu đã được thu thập, tính toán và thể hiện ở phụ lục 4 được xử lý bằng phần mềm SPSS 20.0. Kết quả như sau:
Bảng 4.2: Bảng kết quả thống kê mô tả các biến độc lập
Số quan sát Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình Độ lêch chuẩn BSIZE 100 4.00 11.00 5.6200 1.31641 OUTSIDER 100 .00 .67 .0746 .13408 OWN 100 .34 56.43 14.0626 14.30183 MTB 100 .81 1.38 1.0688 .13510 SIZE 100 11.20 13.88 12.0896 .54340 ROA 100 -.21 .30 .0435 .08721 LEV 100 .00 .97 .5084 .23777 Valid N (listwise) 100
Nhìn vào bảng 4.2, ta thấy:
Số thành viên HĐQT trong các doanh nghiệp trung bình là 5,62 người. Số thành viên HĐQT ít nhất là 4 ngườ và nhiều nhất là 11 người tuỳ theo nhu cầu của mỗi doanh nghiệp.
Số thành viên HĐQT độc lập không tham gia điều hành trung bình là 0.0746 (7.46%) cho thấy trong các doanh nghiệp, số thành viên độc lập rất ít, số thành viên vừa nằm trong HĐQT vừa tham gia điều hành công ty chiếm đa số.
Tỷ lệ sở hữu cổ phần công ty của CEO trung bình là 14.0626%, mức tối thiểu là 34%, tối đa là 56.43%.
Tỷ lệ giá trị thị trường trên giá trị sổ sách của các doanh nghiệp đạt trung bình là 1.0688 lần, mức tối thiểu là 0.81 lần và tối đa là 1.38 lần.
Biến quy mô doanh nghiệp có sự khác biệt rất lớn, nhỏ nhất là 158tỷ (10 11.20, lớn nhất là 75.858 tỷ (10 13.88) và giá trị trung bình là 1.229 tỷ (10 12.0896). Điều này cho thấy quy mô doanh nghiệp là rất đa dạng, tùy theo ngành nghề kinh doanh.
Chỉ số ROA của các doanh nghiệp niêm yết đã được khảo sát trên Sở Giao dịch chứng khoán Tp.HCM đạt trung bình là 0.0435 (4.35%) với độ lệch chuẩn là 0.08721. Chỉ số ROA cao nhất đạt 30% và mức thấp nhất là -21%. Khoảng cách giữa giá trị lớn nhất và giá trị nhỏ nhất của ROA là 51%, điều này cho thấy chỉ số ROA giữa các doanh nghiệp có sự khác biệt đáng kể.
Hầu hết các doanh nghiệp đều sử dụng đòn bẩy tài chính như là một lá chắn thuế cho mình. Tỷ lệ này đạt mức thấp nhất là 00% và cao nhất là 97%, mức trung bình là 50.84% với độ lệch chuẩn là .2377.
4.2. Ph n tích mối tương quan giữa các biến trong mô hình
Tương quan Pearson thể hiện mối liên hệ giữa các cặp biến. Nghiên cứu dùng kiểm định Pearson để kiểm tra mối quan hệ giữa tất cả các biến có được bao gồm 1 biến phụ thuộc và 8 biến độc lập. Nếu giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này càng có mối tương quan tuyến tính chặt chẽ.
Theo lý thuyết, nếu sự tương quan giữa các biến độc lập không vượt quá 0.5 và những sự tương quan giữa biến phụ thuộc và các biến độc lập lớn hơn các sự tương quan giữa các biến độc lập thì coi như không có sự bội tương quan giữa các biến độc lập.
Bảng 4.3: Ma trận tương quan giữa các biến trong mô hình DPR BSIZ E OUT SIDE R
OWN MTB SIZE ROA LEV
DPR 1.000 -.359 -.578 -.515 .520 -.380 .386 -.593 BSIZE -.359 1.000 -.110 .087 -.029 .199 .104 -.078 OUTSIDE R -.578 -.010 1.000 -.033 -.100 -.003 .039 -.058 OWN -.515 .087 -.033 1.000 .005 .070 -.098 .094 MTB .520 -.029 -.100 .005 1.000 .129 .086 -.006 SIZE -.380 .099 -.003 .070 .129 1.000 -.106 .107 ROA .386 .104 .039 -.098 .086 -.106 1.000 -.158 LEV -.593 -.078 -.058 .094 -.006 .107 -.158 1.000
Nguồn: Phân tích dữ liệu – phụ lục 5
Qua bảng ma trận tương quan giữa các biến được trình bày ở bảng 4.3, ta thấy:
+ Mức độ chi trả cổ tức tương quan ý nghĩa với các biến độc lập ở mức độ tương đối. Ngoại trừ biến MTB và ROA có mối quan hệ cùng chiều, còn lại các biến khác đều có mối quan hệ ngược chiều với biến phụ thuộc. Hệ số tương quan giữa biến phụ thuộc với từng biến độc lập dao động từ .359 đến .593. Theo tác giả Hoàng Trọng, mối tương quan này là trung bình. Trên thực tế, với mức ý nghĩa 5%, giả thuyết hệ số tương quan của tổng thể bằng 0 bị bác bỏ. Điều này có nghĩa là trong tổng thể, tồn tại mối tương quan tuyến tính giữa biến phụ thuộc với các biến độc lập.
+ Giữa các biến độc lập, hệ số tương quan dao động từ .005 đến .158 nên trong tổng thể với mức ý nghĩa 5%, có tồn tại mối quan hệ giữa các biến độc lập. Tuy nhiên, hệ số này là nhỏ hơn 0.5 nên cũng không đáng ngại vì chỉ khi nó lớn hơn 0.5 mới cần phải kiểm tra lại. Vấn đề này sẽ được xem xét kỹ lưỡng vai trò của các biến độc lập trong mô hình hồi quy tuyến tính đa biến. Ngoài ra, sự tương quan giữa các biến độc lập nhỏ hơn sự tương quan giữa biến phụ thuộc và các biến độc lập thì có thể coi như không có sự bội tương quan giữa các biến độc lập.
4.3. Ph n tích mô hình hồi quy tuyến tính đa biến 4.3.1. Ph n tích mô hình lần 1
4.3.1.1. Mô hình lần 1
Phương trình hồi quy tuyến tính biểu diễn mối quan hệ giữa 7 yếu tố tác động (biến độc lập) đến mức độ chi trả cổ tức của các doanh nghiệp niêm yết (biến phụ thuộc) có dạng như sau:
DPR = β0 + β1*BSIZE + β2*OUTSIDER+ β3*OWN + β4*MTB + β5*SIZE + β6*ROA + β7*LEV +
4.3.1.2. Kiểm định mô hình lần 1
Nghiên cứu thực hiện chạy mô hình hồi quy tuyến tính đa biến với phương pháp đưa vào một lượt (phương pháp Enter), đây là phương pháp mà phần mềm SPSS sẽ xử lý cùng một lúc tất cả các biến độc lập sẽ đưa vào mô hình:
Bảng 4.4: Đánh giá mức độ ph hợp của mô hình lần 1 THÔNG SỐ MÔ HÌNH Mô hìn h Hệ số R Hệ số R2 Hệ số R2 - hiệu chỉnh Sai số chuẩn của ước lượng
Thống kê thay đổi
Hệ số Durbin- Watson Hệ số R2 sau khi đổi Hệ số F khi đổi Bậc tự do 1 Bậc tự do 2 Hệ số Sig. F sau khi đổi 1 .742a .550 .527 .03038 .550 9.055 7 92 .000 1.803 Biến độc lập: LEV, MTB, BSIZE, OUTSIDER, OWN, SIZE, ROA
Biến phụ thuộc: DPR
Bảng 4. : Các thông số thống kê trong mô hình hồi quy bằng phương pháp Enter Coefficientsa
Mô hình
Hệ số chưa chuẩn hóa Hệ số
chuẩn hóa Beta
T Sig. Thống kê đa cộng
tuyến B Sai số chuẩn Tolerance VIF 1 Hằng số .064 .073 .876 .383 BSIZE -.002 .003 -.394 -1.991 .000 .834 1.199 OUTSIDE R -.071 .024 -.282 -2.984 .000 .927 1.078 OWN .000 .000 -.355 -2.313 .000 .894 1.118 MTB .036 .024 .246 2.292 .000 .871 1.148 SIZE .003 .007 .055 .510 .611 .705 1.418 ROA .004 .044 .010 .090 .929 .630 1.587 LEV -.043 .017 -.302 -2.476 .002 .757 1.321
Biến phụ thuộc : DPRNguồn: Phân tích dữ liệu – phụ lục số 5
Trong bảng 4.4 và bảng 4.5, ta thấy các hệ số VIF của tất cả các biến đều nhỏ hơn 5 chứng tỏ mô hình không bị đa cộng tuyến. Đồng thời giá trị của thống kê D (Durbin-Watson) bằng 1.803 – giá trị này nằm trong khoảng từ 1 đến 3, chứng tỏ không có hiện tượng tự tương quan giữa các biến.
Ngoài ra, khi xét tstat và tα/2 của các biến để đo độ tin cậy thì các biến độc lập: BSIZE, OUTSIDER, OWN, MTBLEV đều đạt yêu cầu do tstat>tα/2(7,92) = 1.986086 (nhỏ nhất là 1.991) và các giá trị Sig. của các biến này đều thể hiện độ tin cậy khá cao, đều < 0.05 (lớn nhất là 0.002). Tuy nhiên, biến SIZE và ROA lại không đạt ở cả hai tiêu chuẩn: tstat< tα/2(7,92) = 1.986086 và Sig. của biến này 0.05, thể hiện độ tin cậy kém. Do đó, việc loại lần lượt các biến SIZE và ROA ra khỏi mô hình là cần thiết để phân tích mô hình hồi quy đa biến các lần sau.
4.3.2. Ph n tích mô hình các lần tiếp theo
4.3.2.1. Cách loại bỏ các biến và mô hình lần cuối
Thông qua việc kiểm định mô hình lần 1, các biến SIZE và ROAđềukhôngđạt yêu cầu ở cả hai tiêu chuẩn: tstatvà Sig. Do đó các biến này bị loại ra khỏi mô hình theo phương pháp loại trừ dần (backward elimination). Biến nào xấu nhất sẽ được ưu tiên loại trước và chạy lại mô hình mà không có biến vừa bị loại. Quá trình được thực hiện lần lượt theo các bước sau:
Bước 1: Theo kết quả chạy mô hình lần 1 được thể hiện ở bảng 4.5, biến ROA có tstat= 0.090 là nhỏ nhất và Sig. = .929 là lớn nhất trong mô hình nên sẽ được loại trước. Tiến hành chạy lại mô hình lần 2 chỉ còn sáu biến độc lập sau đó kiểm định lại mô hình theo các bước giống như đã kiểm định ở lần 1.
Bảng 4.6:Đánh giá mức độ ph hợp của mô hình lần 2 THÔNG SỐ MÔ HÌNH Mô hìn h Hệ số R Hệ số R2 Hệ số R2 - hiệu chỉnh Sai số chuẩn của ước lượng
Thống kê thay đổi
Hệ số Durbin- Watson Hệ số R2 sau khi đổi Hệ số F khi đổi Bậc tự do 1 Bậc tự do 2 Hệ số Sig. F sau khi đổi 1 .742a .550 .528 .03021 .550 9.780 6 93 .000 1.842 Biến độc lập: LEV, MTB, BSIZE, OUTSIDER, OWN, SIZE
Biến phụ thuộc: DPR
Nguồn: Phân tích dữ liệu – phụ lục 5
Bảng 4.7: Các thông số thống kê trong mô hình hồi quy lần 2 bằng phương pháp EnterCoefficientsa
Mô hình
Hệ số chưa chuẩn hóa Hệ số
chuẩn hóa Beta
T Sig. Thống kê đa cộng