9. Kết cấu của luận văn
3.3. Kết quả nghiên cứu của mô hình
Trong phần này, tác giả lần lượt lọc dữ liệu bằng thống kê mô tả, sau đó kiểm định các giả thiết định lượng đa cộng tuyến, phương sai thay đổi, tự tương quan và nội sinh lý thuyết. Sau khi xác định các khiếm khuyết định lượng vi phạm của dữ liệu mẫu, tác giả lựa chọn phương pháp ước lượng nhằm đạt được tính BLUE của ước lượng, đảm bảo tin cậy đóng góp bằng chứng thực nghiệm.
Chi tiết về phương pháp nghiên cứu trình bày ở phụ lục phương pháp định lượng. Quy trình nghiên cứu được hệ thống qua biểu đồ sau:
Biểu đồ 3.1: Quy trình nghiên cứu
POOLED/ FE/RE
POOLED
KĐ đa cộng tuyến KĐ phương sai sai số thay
đổi
FE/RE
KĐ đa cộng tuyến KĐ phương sai sai số thay
đổi
KĐ tự tương quan phần dư KĐ nội sinh Phương pháp hồi quy có trọng số WLS Phương pháp hồi quy GMM Bước 1: Lựa chọn mô hình phù hợp Bước 2: Các kiểm định
khuyết tật của mô hình
Bước 3: Lựa
3.3.1. Thống kê mô tả dữ liệu nghiên cứu
Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thông qua phương pháp này có thể phát hiện những quan sát sai khác trong cỡ mẫu, kết quả được trình bày trong bảng 3.2.
Bảng 3.2: Thống kê mô tả các biến
Variable Obs Mean Std. Dev. Min Max
roa 56 0.018225 0.017046 -0.05476 0.066877 nim 56 0.032856 0.036228 -0.06787 0.217469 lta 56 3.460423 0.427849 2.392359 4.108695 loan 56 0.616024 0.238158 0.194622 0.97966 llptl 56 0.039115 0.069021 0 0.398539 liq 56 0.877326 0.128404 0.349568 0.989967 ce 56 0.040305 0.036281 0.006258 0.157912 nta 56 0.025674 0.056614 -0.17075 0.166834 ir 56 7.561436 5.301741 0.878604 18.67748 rgdp 56 0.087029 0.047168 0.042 0.18
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 1)
Trong mô hình ở bảng 3.2 cho thấy độ lệch chuẩn của các biến không quá lớn so với giá trị trung bình, dữ liệu tương đối đồng đều. Dữ liệu đầu vào là phù hợp để thực hiện hồi quy.
3.3.2. Kiểm định việc lựa chọn mô hình ước lượng hồi quy
3.3.2.1. Kiểm định sự tương quan của các biến trong mô hình và đa cộng tuyến cộng tuyến
Hệ số tương quan dùng để chỉ mối quan hệ giữa các biến trong mô hình (Francis Galton, 1880).
Bảng 3.3: Kết quả ma trận tương quan
roa nim lta loan llptl liq ce nta ir rgdp roa 1.00 nim 0.24 1.00 lta 0.30 0.26 1.00 loan -0.16 -0.05 -0.79 1.00 llptl -0.15 -0.08 -0.15 0.14 1.00 liq 0.13 0.02 0.28 -0.34 0.07 1.00 ce -0.01 -0.23 -0.34 0.39 0.23 -0.09 1.00 nta 0.14 -0.71 -0.30 0.24 0.15 -0.03 0.78 1.00 ir 0.20 0.26 -0.26 0.25 0.20 -0.19 0.11 -0.03 1.00 rgdp 0.19 -0.12 -0.29 0.30 0.22 -0.13 0.65 0.55 0.63 1.00
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 2)
Theo bảng 3.3 cho thấy không tồn tại hệ số tự tương quan cặp giữa các biến độc lập lớn hơn 0.8 nên không tồn tại hiện tượng đa cộng tuyến nghiêm trọng trong mô hình.
Kết luận: Không tồn tại hiện tượng đa cộng tuyến với tiêu chuẩn tương quan cặp tuyến tính.
- Kiểm định đa cộng tuyến trong mô hình
Bảng 3.4: Kết quả kiểm tra đa cộng tuyến
Variable VIF 1/VIF rgdp 4.45 0.224921
ce 3.68 0.271771 nta 3.3 0.30342 loan 3.09 0.323802
ir 2.93 0.34116 lta 2.92 0.343039 liq 1.17 0.85187 llptl 1.11 0.897458 Mean VIF 2.83
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 3)
Dựa vào bảng 3.4 cho thấy trung bình VIF của các biến trong mô hình là 2.83 nhỏ hơn 10. Không tồn tại VIF nào vượt quá 10 nên không tồn tại hiện tượng đa cộng tuyến.
Kết luận: Với tiêu chuẩn nhân tử phóng đại phương sai VIF, không tồn tại hiện tượng đa cộng tuyến nghiêm trọng trong mô hình.
3.3.2.2. Kiểm định lựa chọn mô hình Pooled và mô hình dữ liệu bảng REM REM
Tác giả tiếp tục kiểm định Breusch, T. S. và A. R. Pagan. (1980) lựa chọn mô hình Pooled và REM với giả thuyết như sau:
Giả thuyết H0: Mô hình Pooled phù hợp dữ liệu mẫu hơn REM Giả thuyết H1: Mô hình REM phù hợp dữ liệu mẫu hơn Pooled
Bảng 3.5: Kết quả kiểm định lựa chọn Pooled và REM
Mô hình Chi bình phương (χ2) P-value
ROA 1.07 0.1509
NIM 1.07 0.1509
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 4)
Kiểm định cho giá trị p-value của mô hình lớn hơn 0.05, nên chúng ta chưa đủ cơ sở để bác bỏ giả thuyết H0. Vậy mô hình Pooled phù hợp hơn mô hình REM.
3.3.3. Kiểm định hiện tượng phương sai thay đổi phần dư
Hiện tượng phương sai thay đổi có thể ảnh hưởng đến tính hiệu quả của ước lượng mô hình, mất tính tin cậy của kiểm định hệ số.
Bằng phương pháp kiểm định Greene (2000) để kiểm định hiện tượng phương sai sai số thay đổi trên dữ liệu bảng, kiểm định Breusch-Pagan trên dữ liệu Pooled giả thuyết sau:
Giả thuyết H0: Mô hình không tồn tại hiện tượng phương sai thay đổi Giả thuyết H1: Mô hình có hiện tượng phương sai thay đổi
Bảng 3.6: Kết quả kiểm tra phương sai thay đổi
Mô hình dữ liệu bảng Chi bình Phương (χ2) p-value
ROA 909.05 0.0000
NIM 909.05 0.0000
Kiểm định Greene (2000)
Mô hình Pooled Chi bình Phương (χ2) p-value
ROA 6.33 0.0119
NIM 2.72 0.0992
Kiểm định Breusch-Pagan Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 4)
Kết quả từ bảng 3.6 cho thấy p-value đều nhỏ hơn α = 0.05, nên đủ cơ sở bác bỏ giả thuyết Ho ở mức ý nghĩa 5%.
Kết luận: Tồn tại hiện tượng phương sai thay đổi trong mô hình ở mức ý
nghĩa 5%.
3.3.4. Kiểm định hiện tượng tự tương quan phần dư trên dữ liệu bảng – Wooldridge (2002) và Drukker (2003) Wooldridge (2002) và Drukker (2003)
Hiện tượng tự tương quan phần dư có thể ảnh hưởng đến tính hiệu quả của ước lượng mô hình, mất tín tin cậy của kiểm định hệ số. Trên dữ liệu Pooled là dữ liệu không gian, không có giả định tồn tại tự tương quan theo thời gian.
Giả thuyết H0: Mô hình không tồn tại hiện tượng tự tương quan bậc 1 Giả thuyết H1: Mô hình có hiện tượng tự tương quan bậc 1
Bảng 3.7: Kết quả kiểm tra tự tương quan phần dư trên dữ liệu bảng
Mô hình Thống kê F p-value
ROA 27.936 0.0011
NIM 27.936 0.0011
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 5)
Kết quả từ bảng 3.7 cho thấy p-value đều nhỏ hơn α = 0.05, đủ cơ sở để bác bỏ giả thuyết Ho ở mức ý nghĩa 5%
Kết luận: Tồn tại hiện tượng tự tương quan bậc 1 trong mô hình với mức ý nghĩa 5%.