Kết quả hồi quy mô hình
Kết quả hồi quy mô hình sẽ lần lƣợt đƣợc trình bày theo từng sàn. Dựa vào kết quả mô hình 1, tác giả tính toán biến phụ thuộc TC làm dữ liệu chạy mô hình 2. Dữ liệu trong mô hình 2 là dữ liệu chéo, tính cho thời điểm cuối năm 2017.
Về kết quả khi thực hiện chạy mô hình, tác giả lấy Ln các biến có giá trị tuyệt đối, các biến tỷ lệ không lấy Ln, các biến có kết quả bằng 0 và âm cũng không thực hiện lấy Ln. Mô hình 2 đƣợc sử dụng trong chạy mô hình của đề tài là:
TC = a0 + a1LVOL + a2LPRI + a3VAR + a4SIGR + a5LSIGVOL + a6LEVG + a7MB +a8LMVE+ a9PINST + a10INST
Kết quả hồi quy mô hình 2 trên sàn HOSE
TC = 0.193653 + 0.0045614LVOL - 0.0647691LPRI + 44.82452VAR + 6.531706SIGR + 0.0081435LSIGVOL + 0.0611053LEVG + 0.0140925MB - 0.0057309LMVE -0.010844PINST + 0.0007332INST
Kết quả cho thấy xét về kỳ vọng dấu, các biến LPRI, VAR, SIGR, LSIGVOL, LEVG, MB, LMVE cho kết quả phù hợp với kỳ vọng của tác giả, các biến còn lại cho kết quả ngƣợc chiều. Tuy nhiên khi xét về ý nghĩa thống kê, chỉ có các biến SIGR, LSIGVOL, LPRI, VAR, MB có ý nghĩa thống kê (mức ý nghĩa 10%), các biến còn lại không có ý nghĩa thống kê. Kết hợp các biến có ý nghĩa thống kê và có dấu phù hợp, so sánh các hệ số ta thấy mức độ tác động của biến VAR là lớn nhất. Có nghĩa là trên sàn HOSE, sai số của suất sinh lợi có tác động lớn nhất đến mức độ bất cân xứng thông tin; mức độ tác động kế tiếp lần lƣợt là SIGR, LPRI, MB và LSIGVOL. Các biến không có ý nghĩa thống kê dù có sự phù hợp về dấu với kỳ vọng cũng không đƣợc xem xét.
Kết quả hồi quy mô hình 2 trên sàn HNX
TC = 0.1566421 + 0.0015839LVOL - 0.0534168LPRI + 26.24738VAR + 4.204692SIGR + 0.0047915LSIGVOL + 0.0777347LEVG + 0.0208159MB - 0.0060354LMVE+ 0.0133088PINST - 0.0006681INST
Kết quả cho thấy xét về kỳ vọng dấu, các biến LPRI, VAR, SIGR, LSIGVOL, LEVG, MB, LMVE, PINST và INST đều cho kết quả phù hợp với kỳ vọng. Nhƣ vậy trên sàn HNX, 9 trên 10 biến độc lập cho kết quả về dấu phù hợp với kỳ vọng của tác giả. Tuy nhiên khi xét về ý nghĩa thống kê, chỉ có các biến LPRI, VAR, MB, SIGR là có ý nghĩa thống kê, sáu biến còn lại không có ý nghĩa thống kê khi p value lớn hơn 10%. Kết hợp các biến có ý nghĩa thống kê và có dấu phù hợp, so sánh các hệ số ta thấy mức độ tác động của biến VAR là lớn nhất, điều này dẫn đến kết luận trên sàn HNX sai số của suất sinh lợi có tác động lớn nhất đến mức độ bất cân xứng thông tin. Các biến có tác động mạnh tiếp theo lần lƣợt là SIGR, LPRI và MB.
Bảng 4.10 Kết quả hồi quy mô hình 2 trên sàn HOSE và HNX
HOSE HNX
Biến phù hợp về dấu với kỳ vọng
LPRI, VAR, SIGR, LSIGVOL, LEVG, MB và LMVE
LPRI, VAR, SIGR,
LSIGVOL, LEVG, MB, LMVE, PINST và INST Biến có ý nghĩa thống kê SIGR, LSIGVOL, LPRI,
VAR, MB
LPRI, VAR, MB, SIGR
Biến có hệ số lớn nhất VAR VAR
Dựa vào kết quả thống kê trong bảng 4.10, trên sàn HOSE có 7 biến thể hiện chiều tác động tới biến phụ thuộc là phù hợp với kỳ vọng của tác giả, con số này là 9 biến trên HNX, biến VOL là biến duy nhất có kỳ vọng dấu trái với kỳ vọng trên cả hai sàn HOSE và HNX.
Biến có hệ số lớn nhất trên cả hai sàn đều là biến VAR, đại diện cho sai số của suất sinh lợi.
Kiểm định khuyết tật của mô hình
Kiểm định tự tƣơng quan thƣờng đƣợc sử dụng khi hồi quy các mô hình chuỗi thời gian cũng nhƣ dữ liệu bảng, tuy nhiên do dữ liệu đƣợc sử dụng trong mô hình 2 là dữ liệu chéo nên vấn đề tự tƣơng quan thƣờng không có ảnh hƣởng nghiêm trọng, chính vì vậy tác giả không thực hiện kiểm định tự tƣơng quan trong mô hình này. Nhƣ vậy khi kiểm tra khuyết tật mô hình tác giả sẽ kiểm định hai khuyết tật là đa cộng tuyến và phƣơng sai sai số thay đổi. Kết quả kiểm định cũng nhƣ kết quả hồi quy khắc phục khuyết tật mô hình đƣợc trình bày cụ thể cho từng sàn.
Kiểm định khuyết tật mô hình 2 trên sàn HOSE
Trƣớc tiên tác giả chạy hồi quy mô hình 2 với 10 biến độc lập, sau đó tác giả tiến hành kiểm định đa cộng tuyến bằng hệ số phóng đại phƣơng sai, câu lệnh sử dụng trong stata là VIF. Kết quả thể hiện trong bảng 4.11
Bảng 4.11 Kết quả kiểm định đa cộng tuyến với 10 biến độc lập trên HOSE
Biến VIF LSIGVOL 35.29 SIGR 33.04 VAR 32.33 LVOL 30.84 LMVE 8.11 LPRI 4.32 MB 3 INST 1.64 PINST 1.6 LEVG 1.1 Trung bình 15.13
Nguồn: dữ liệu kết quả mô hình 2, phụ lục 5
Kết quả cho thấy mô hình bị đa cộng tuyến với VIF trung bình là 15.13, lớn hơn lý thuyết là 10. Các biến bị nặng nhất là LSIGVOL, SIGR, VAR và LVOL. Tác giả
tiến hành loại biến LSIGVOL (biến bị nặng nhất) và chạy lại mô hình hồi quy. Tiếp đến tác giả kiểm định lại hiện tƣợng đa cộng tuyến, kết quả thể hiện trong bảng 4.12
Bảng 4.12 Kết quả kiểm định đa cộng tuyến với 9 biến độc lập trên HOSE
Biến VIF SIGR 32.47 VAR 32.3 LMVE 7.8 LPRI 3.53 LVOL 3.18 MB 2.96 INST 1.64 PINST 1.6 LEVG 1.09 Trung bình 9.62
Nguồn: từ dữ liệu kết quả mô hình 2, phụ lục 5
Kết quả cho thấy dù VIF trung bình nhỏ hơn 10 nhƣng vẫn còn hai biến là SIGR và VAR có VIF cao hơn 10. Tác giả tiến hành loại biến SIGR, chạy hồi quy lại mô hình rồi tiếp tục kiểm định đa cộng tuyến. Kết quả đƣợc thể hiện ở bảng 4.13.
Bảng 4.13 Kết quả kiểm định đa cộng tuyến với 8 biến độc lập trên HOSE
Biến VIF LMVE 7.79 LPRI 3.53 LVOL 3.13 MB 2.9 VAR 1.9 INST 1.6 PINST 1.59 LEVG 1.09 Trung bình 2.94
Nguồn: từ dữ liệu kết quả mô hình 2, phụ lục 5
Kết quả cho thấy mô hình không còn hiện tƣợng đa cộng tuyến. Tác giả thực hiện kiểm định phƣơng sai sai số thay đổi cho mô hình hồi quy bằng kiểm định WHITE. Kết quả cho thấy Prob > chi2 là 0.0005; P nhỏ , bác bỏ giả thuyết Ho, tức
là mô hình bị phƣơng sai sai số thay đổi. Để xử lý khuyết tật này, tác giả sử dụng ƣớc lƣợng vững ma trận hiệp phƣơng sai. Kết quả thể hiện trong Bảng 4.14
Bảng 4.14 Kết quả hồi quy mô hình trên HOSE sau khi xử lý phƣơng sai sai số thay đổi
Biến Hệ số t p> ItI LVOL 0.0045614 0.92 0.358 LPRI -0.0647691 -8.53 0.000 VAR 44.82452 2.54 0.012 LEVG 0.0611053 1.47 0.144 MB 0.0140925 3.64 0.000 LMVE -0.0057309 -1.29 0.200 PINST -0.010844 -0.8 0.425 INST 0.0007332 1.4 0.164 CONS 0.193653 5.31 0.000
Nguồn: từ dữ liệu xử lý mô hình 2, phụ lục 5
Khi xử lý hiện tƣợng đa cộng tuyến, tác giả đã loại hai biến SIGR và LSIGVOL, hai biến này đƣợc xem xét riêng tác động với biến phụ thuộc. Tác giả thực hiện chạy hồi quy biến TC theo hai biến LSIGVOL và SIGR, thực hiện kiểm định đa cộng tuyến, kết quả thể hiện trong bảng 4.15
Bảng 4.15 Kết quả kiểm định đa cộng tuyến với 2 biến độc lập trên HOSE
Biến VIF
LSIGVOL 1.21
SOGR 1.21
Trung bình 1.21
Nguồn: từ dữ liệu xử lý mô hình 2, phụ lục 5
Kết quả cho thấy mô hình không bị đa cộng tuyến, kiểm định WHITE cho kết quả Prob>chi2 là 0.0013, kết quả này cho thấy mô hình bị phƣơng sai sai số thay đổi, kết quả khắc phục hiện tƣợng phƣơng sai sai số thay đổi đƣợc thể hiện ở bảng 4.16
Bảng 4.16 Kết quả mô hình sau khi xử lý phƣơng sai sai số thay đổi
Biến Hệ số t p> ItI
LSIGVOL 0.0081435 1.63 0.105
SIGR 6.531706 5.84 0.000
CONS -0.1659043 -2.7 0.000
Kiểm định khuyết tật mô hình 2 trên sàn HNX
Tƣơng tự nhƣ trên HOSE, việc kiểm định mô hình trên HNX cũng sử dụng nhân tố phóng đại phƣơng sai và kiểm định WHITE để kiểm tra khuyết tật mô hình. Kết quả kiểm định chi tiết đƣợc tác giả thể hiện ở phụ lục 5. Ở đây tác giả chỉ tổng hợp kết quả tƣơng tự nhƣ trên HOSE.
Cụ thể, sau khi chạy mô hình hồi quy, kiểm định khuyết tật cho thấy mô hình bị hiện tƣợng đa cộng tuyến và phƣơng sai sai số thay đổi.
Khi kiểm định đa cộng tuyến, tác giả lần lƣợt loại ra hai biến là SIGR và LSIGVOL.
Hiện tƣợng phƣơng sai sai số thay đổi đƣợc khắc phục bằng phƣơng pháp ƣớc lƣợng vững ma trận hiệp phƣơng sai (trong stata dùng robust).
Kết quả sau khi khắc phục các khuyết tật mô hình đƣợc thể hiện trong bảng 4.17.
Bảng 4.17 Kết quả hồi quy mô hình trên HNX sau khi xử lý các khuyết tật
Biến Hệ số t p> ItI LVOL 0.0015839 0.29 0.771 LPRI -0.0534168 -6 0 VAR 26.24738 2.15 0.037 LEVG 0.0777347 1.17 0.249 MB 0.0208159 1.96 0.055 LMVE -0.0060354 -1.1 0.278 PINST 0.0133088 0.55 0.582 INST -0.0006681 -0.57 0.572 SIGR 4.204692 5.27 0.0001 LSIGVOL 0.0047915 1.05 0.296 CONS 0.1566421 3.35 0.002
Nguồn: từ dữ liệu xử lý mô hình 2, phụ lục 5