Nghiên cứu đƣợc thực hiện với mục đích tìm kiếm mối quan hệ giữa biến phụ thuộc là tỷ lệ chi trả cổ tức của doanh nghiệp (DPR) và các nhân tố tác động. Để tìm hiểu tác động của các biến tới tỷ lệ chi trả cổ tức, nghiên cứu sử dụng các mô hình hồi quy dữ liệu bảng. Dữ liệu bảng (Panel Data) là một loại cơ sở dữ liệu hai chiều gồm không gian và thời gian, để thu thập dữ liệu bảng, tác giả phải thu thập nhiều đối tƣợng nghiên cứu giống nhau trong nhiều thời điểm khác nhau. Dữ liệu bảng cho kết quả ƣớc lƣợng của các tham số trong mô hình tin cậy hơn.
3.5.1 Thống kê mô tả các biến
Thống kê mô tả là bƣớc tổng hợp các mẫu quan sát đƣa ra một cái nhìn tổng quan cho toàn bộ tập dữ liệu nghiên cứu. Bên cạnh đó, thực hiện thống kê mô tả trƣớc khi tiến hành hồi quy các mô hình giúp kiểm tra sự phù hợp của các biến, giảm thiểu các lỗi không mong muốn.
Từ kết quả thống kê mô tả, tác giả tiến hành kiểm định đa cộng tuyến giữa các biến độc lập. Đa cộng tuyến xảy ra khi các biến độc lập trong mô hình có mối tƣơng quan cao, sự thay đổi của một biến sẽ liên kết làm thay đổi một biến khác. Hiện tƣợng này gây khó khăn cho việc ƣớc lƣợng mức độ tƣơng quan giữa các biến độc lập và biến phụ thuộc. Để nhận biết hiện tƣợng đa cộng tuyến và đảm bảo tính chính xác cho mô hình hồi quy, tác giả sử dụng hệ số phóng đại phƣơng sai VIF để xác định mối tƣơng quan giữa các biến độc lập và mức độ của các mối tƣơng quan đó. Theo Fabozzi (2014):
Nếu giá trị VIF > 10, mô hình có vấn đề đa cộng tuyến. Nếu giá tri VIF < 10, mô hình không có đa cộng tuyến.
3.5.2 Lựa chọn mô hình
Các nghiên cứu trƣớc đây đa phần sử dụng phƣơng pháp ƣớc lƣợng OLS với mô hình OLS gộp bởi sự đơn giản trong việc hồi quy, tuy nhiên, phƣơng pháp này thƣờng mắc phải những khuyết tật nhƣ: phƣơng sai thay đổi của phần dƣ, tự tƣơng quan bậc nhất của phần dƣ và đa cộng tuyến. Vì vậy, ngoài OLS tác giả bổ sung thêm 02 phƣơng pháp hồi quy dữ liệu bảng hiệu quả hơn là mô hình tác động cố
định (Fixed Effect Model – FEM) và mô hình tác động ngẫu nhiên (Random Effect Model – REM).
3.5.2.1 Mô hình hồi quy tuyến tính thông thường (Pooled Ordinary Least Square – Pooled OLS)
Mô hình Pooled OLS:
DPRit=β0+β1DPPit+β2PROit+β3GROit+β4LIQit+β5LEVit+β6SIZit+εit
Trong đó:
Chỉ số i đại diện cho từng DN, chỉ số t đại diện cho năm quan sát. DPRit: Tỷ lệ chia cổ tức của DN i vào năm t.
εit: Sai số có phân phối chuẩn, biến thiên theo i và t.
PROit, GROit, LIQit, LEVit, SIZit, DPPit: lần lƣợt là lợi nhuận, tốc độ tăng trƣởng, thanh khoản, đòn bẩy, quy mô và biến động cổ tức của DN i vào năm t.
Phƣơng pháp ƣớc lƣợng Pooled OLS là ƣớc lƣợng OLS trên cơ sở dữ liệu thu đƣợc của các đối tƣợng nghiên cứu theo thời gian, do đó, nó xem tất cả các hệ số đều không thay đổi giữa các đối tƣợng khác nhau và không đổi theo thời gian. Điều này không phản ánh đúng thực tế vì mỗi DN đề có đặc thù riêng. Vì thế, mô hình OLS có thể dẫn đến các ƣớc lƣợng bị sai lệch và không đáng tin cậy.
3.5.2.2 Mô hình tác động cố định (Fixed Effect Model – FEM)
Các doanh nghiệp trên thị trƣờng đều bị tác động bởi một số yếu tố khách quan từ bên ngoài nhƣ các dạng rủi ro hệ thống. Để đảm bảo độ tin cậy cho mô hình nghiên cứu, mô hình FEM đƣợc sử dụng để phân tích mối tƣơng quan, kiểm soát và tách ảnh hƣởng các tác nhân không quan sát đƣợc với các biến độc lập.
Mô hình tác động cố định – FEM
DPRit=β0+β1DPPit+β2PROit+β3GROit+β4LIQit+β5LEVit+β6SIZit+uit
Trong đó:
Chỉ số i đại diện cho từng DN, chỉ số t đại diện cho năm quan sát. DPRit: Tỷ lệ chia cổ tức của DN i vào năm t.
PROit, GROit, LIQit, LEVit, SIZit, DPPit: lần lƣợt là lợi nhuận, tốc độ tăng trƣởng, thanh khoản, đòn bẩy, quy mô và biến động cổ tức của DN i vào năm t.
3.5.2.3 Mô hình tác động ngẫu nhiên (Random Effect Model – REM)
Trong mô hình REM, các điểm khác biệt của mỗi doanh nghiệp có tính ngẫu nhiên (không tƣơng quan với các biến giải thích). Các yếu tố trên đƣợc xem là một biến độc lập mới tác động đến tỷ suất chi trả của doanh nghiệp.
Mô hình tác động ngẫu nhiên – REM
DPRit=β0+β1DPPit+β2PROit+β3GROit+β4LIQit+β5LEVit+β6SIZit+uit
Trong đó:
Chỉ số i đại diện cho từng DN, chỉ số t đại diện cho năm quan sát. DPRit: Tỷ lệ chia cổ tức của DN i vào năm t.
PROit, GROit, LIQit, LEVit, SIZit, DPPit: lần lƣợt là lợi nhuận, tốc độ tăng trƣởng, thanh khoản, đòn bẩy, quy mô và biến động cổ tức của DN i vào năm t.
uit: Đại diện cho các yếu tố ngẫu nhiên không quan sát đƣợc,
Sau khi chạy hoàn tất các mô hình, tác giả thực hiện kiểm định để chọn ra mô hình phù hợp nhất. Nghiên cứu này sử dụng lần lƣợt 02 kiểm định:
Kiểm định F (F-test): Đƣợc sử dụng để chọn ra phƣơng pháp phù hợp nhất giữa Pooled OLS và FEM.
Giả thuyết kiểm định F:
: Mô hình Pooled OLS phù hợp hơn mô hình FEM : Mô hình FEM phù hợp hơn mô hình Pooled OLS
Kiểm định Hausman (Hausman test): kiểm định này đƣợc thực hiện với mô hình (FEM) và mô hình (REM) nhằm đƣa ra mô hình phù hợp nhất cho bài nghiên cứu.
Giả thuyết kiểm định Hausman:
: Mô hình REM phù hợp hơn mô hình FEM : Mô hình FEM phù hợp hơn mô hình REM
Thông qua kết quả các kiểm định, tác giả chọn ra mô hình phù hợp nhất để tiếp tục thực hiện kiểm định mô hình.
3.5.3 Kiểm định mô hình
Kiểm định phương sai sai số thay đổi (Kiểm định Breusch và Pagan Lagrangian): Hiện tƣợng phƣơng sai thay đổi không làm mất đi tính nhất quán của mô hình. Tuy nhiên, nếu phƣơng sai của các ƣớc lƣợng này không tồn tại ở trạng thái nhỏ nhất thì việc kiểm định giả thuyết không còn đáng tin cậy và kết quả dự báo không là tối ƣu nhất.
Kiểm định tự tương quan ( Kiểm định Wooldridge): Tự tƣơng quan là hiện tƣợng các sai số trong giả thuyết của mô hình hồi quy có sự tƣơng quan với nhau. Khi xuất hiện tự tƣơng quan, các ƣớc lƣợng về phƣơng sai, kiểm định t, kiểm định F không còn đáng tin cậy. Để phát hiện hiện tƣợng này, tác giả sử dụng kiểm định Wooldridge.
Nếu Pro>�>5%, mô hình không xảy ra hiện tƣợng tự tƣơng quan. Nếu Pro<�<5%, mô hình có vấn đề tự tƣơng quan.
3.5.4 Khắc phục lỗi mô hình
Hiện tƣợng phƣơng sai thay đổi và tự tƣơng quan xuất hiện làm giảm độ tin cậy của mô hình. Tuỳ vào kết quả kiểm định của mô hình mà tác giả lựa chọn những phƣơng pháp khắc phục khác nhau nhằm đảm bảo độ tin cậy cho kết quả hồi quy cuối cùng.
3.5.5 Phân tích mô hình
Từ kết quả thu đƣợc, tác giả tiến hành phân tích mô hình nhằm đo lƣờng mức độ ảnh hƣởng cũng nhƣ xu hƣớng tác động của các biến độc lập lên biến phụ thuộc. Phân tích mô hình hồi quy đƣa ra kết quả thực nghiệm để trả lời cho các câu hỏi nghiên cứu đƣợc đề ra ở Chƣơng 01.
TÓM TẮT CHƢƠNG 3
Đề tài nghiên cứu đƣợc thực hiện theo hƣớng thống kê định lƣợng và phƣơng pháp nghiên cứu là sử dụng mô hình hồi quy dữ liệu bảng. Phạm vi nghiên cứu là các doanh nghiệp thuộc danh mục VN30 đợt 01 năm 2020 trong giai đoạn từ năm 2015 đến 2019.
Sau khi thu thập và xử lý dữ liệu, tác giả đƣa ra 06 giả thuyết nghiên cứu tƣơng ứng với 06 biến độc lập bao gồm: DPP, PRO, GRO, LIQ, LEV và SIZ. Pooled OLS, FEM, REM là 03 mô hình chính đƣợc sử dụng để phân tích định lƣợng các biến trên. Sau khi chạy lần lƣợt các mô hình, tác giả tiến hành kiểm định chọn ra mô hình phù hợp nhất. Mô hình đƣợc chọn tiếp tục kiểm định và khắc phục lỗi nhằm đảm bảo độ tin cậy cho bài nghiên cứu. Từ kết quả cuối cùng, tác giả sẽ phân tích lần lƣợt các biến.
CHƢƠNG 4 KẾT QUẢ NGHIÊN CỨU