CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
4.3. Phân tích hồi qui
Tác giả tiến hành thực hiện hồi quy Pooled OLS và Fixed effect, sau đó thực hiện kiểm định F về sự bằng nhau hệ số chặn giữa các công ty.
Bảng 4.3 Kết quả chạy mô hình hồi quy Pooled OLS :
ROA Coef. Std. Err. t P>t
DE -3.26685 0.264813 -12.34 0.000 SIZE 1.536837 0.344776 4.46 0.000 TANG 0.077098 0.083888 0.92 0.359 GROWTH 0.116301 0.167711 0.69 0.489 RISK 0.486875 0.311715 1.56 0.119 AGE -0.14824 0.605163 -0.24 0.807 _cons -15.4883 6.147255 -2.52 0.012
Nguồn: Kết quả từ phần mềm STATA
Bảng 4.4 Kết quả chạy mô hình fixed effect:
ROA Coef. Std. Err. t P>t
DE -2.10173 0.284196 -7.4 0.000 SIZE -0.35084 0.883799 -0.4 0.692 TANG 0.422603 0.116182 3.64 0.000 GROWTH -0.03288 0.07739 -0.42 0.671 RISK -1.38473 0.657307 -2.11 0.036 AGE 4.176822 0.533055 7.84 0.000 _cons 23.13462 14.36061 1.61 0.109
Kiểm định F cho mô hình fixed và Pooled
OLS 0.000
Nguồn: Kết quả từ phần mềm STATA
Kết quả cho thấy mô hình Pooled OLS không phù hợp đối với dữ liệu nghiên cứu của tác giả. Tác giả tiếp tục sử dụng mô hình Random effect và sử dụng kiểm định Hausman để tìm ra mô hình phù hợp nhất:
Bảng 4.5 Mô hình Random effect:
ROA Coef. Std. Err. z P>z
DE -2.52249 0.258956 -9.74 0.000 SIZE 0.697569 0.539568 1.29 0.196 TANG 0.308841 0.098741 3.13 0.002 GROWTH -0.01148 0.081023 -0.14 0.887 RISK -0.45086 0.453546 -0.99 0.320 AGE 3.927045 0.4721 8.32 0.000 _cons -0.97932 9.329482 -0.1 0.916
Nguồn: Kết quả từ phần mềm STATA
Kết quả kiểm định Hausman:
(V_b-V_B is not positive definite) Prob>chi2 = 0.0000
= 165.30
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic
Nguồn: Kết quả từ phần mềm STATA
Với p-value bằng 0.000 nhỏ hơn 0.05 cho thấy mô hình Fixed effect phù hợp cho việc phân tích của tác giả.
Kiểm định tự tương quan của mô hình
Prob > F = 0.1612 F( 1, 79) = 2.000 H0: no first-order autocorrelation
Wooldridge test for autocorrelation in panel data
Nguồn: Kết quả từ phần mềm STATA
Kết quả kiểm định với p-value bằng 0.1612 lớn hơn 0.05 cho thấy mô hình không tồn tại tự tương quan.
Prob>chi2 = 0.0000 chi2 (80) = 1.2e+09
H0: sigma(i)^2 = sigma^2 for all i
Nguồn: Kết quả từ phần mềm STATA
Kết quả kiểm định với p-value bằng 0.000 nhỏ hơn 0.05 cho thấy mô hình tồn tại phương sai thay đổi. Để khắc phục các khuyết tật tác giả tiến hành chạy mô hình hiệu chỉnh sai số robustness:
Bảng 4.7 Kết quả mô hình hiệu chỉnh sai số:
ROA Coef. Robust Std. Err. t P>t
DE -2.10173 0.253225 -8.3 0.000 SIZE -0.35084 0.944175 -0.37 0.711 TANG 0.422603 0.152036 2.78 0.007 GROWTH -0.03288 0.046937 -0.7 0.486 RISK -1.38473 0.585267 -2.37 0.020 AGE 4.176822 0.49726 8.4 0.000 _cons 23.13462 13.55621 1.71 0.092 R2 0.5014 VIF VIF<10
Nguồn: Kết quả từ phần mềm STATA
Kết quả cho thấy các biến DE, TANG, RISK và AGE có tác động lên ROA. Trong đó DE và RISK có tác động ngược chiều lên ROA (một trong 2 yếu tố này tăng sẽ làm cho ROA giảm và ngược lại. TANG và AGE có tác động cùng chiều lên ROA (một trong 2 biến này tăng sẽ làm cho ROA tăng theo và ngược lại) ; Hai biến SIZE và GROWTH đều không có tác động lên ROA (giá trị p-value đều lớn hơn 0.05)
Với R-square bằng 0.5015 cho thấy mô hình giải thích được 50.14% sự thay đổi của ROA thông qua các biến nghiên cứu.
Hệ số xác định R2 hiệu chỉnh (Adjusted R Square) = 0.5015, kết quả này giải thích được 50.14% sự thay đổi của ROA thông qua các biến nghiên cứu.
Việc dùng thêm hệ số Hệ số xác định R2
hiệu chỉnh để xem mô hình hồi quy có bị thổi phồng lên qua Hệ số xác định R2 không. Vì Hệ số xác định R2 sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng Hệ số xác định hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình.