Biến BSize Ned CEOpower Female State Foreign State
Control Comp Size Lev Capex
Cash flows Tobin’s Q ROA BSize 1,000 Ned 0,037** 1,000 CEOpower -0,114*** -0,110*** 1,000 Female 0,039*** -0,056*** 0,031** 1,000 State -0,174*** 0,019 0,078*** -0,172*** 1,000 Foreign 0,325*** -0,005 -0,106*** 0,123*** -0,178*** 1,000 State Control -0,157*** 0,026* 0,065*** -0,162*** 0,798*** -0,157*** 1,000 Comp 0,251*** -0,022* -0,066*** 0,049** 0,009 0,410*** 0,022 1,000 Size 0,289*** -0,023 -0,125*** -0,048*** 0,065*** 0,301*** 0,136*** 0,454*** 1,000 Lev -0,027* -0,030** 0,165*** -0,146*** 0,106*** -0,223*** 0,140*** 0,023 0,326*** 1,000 Capex 0,086*** -0,023 0,024 0,045*** -0,117*** 0,093*** -0,083*** 0,121*** 0,074*** 0,072*** 1,000 Cashflows 0,068*** 0,063*** -0,017*** 0,058*** 0,179*** 0,176*** 0,135*** 0,194*** -0,043*** -0,387*** 0,020 1,000 Tobin’s Q 0,134*** 0,053*** -0,091*** 0,065*** 0,137*** 0,221*** 0,071*** 0,321*** 0,113*** -0,071*** 0,032** 0,459*** 1,000 ROA 0,068*** 0,041*** -0,046*** 0,051*** 0,101*** 0,168*** 0,035*** 0,200*** -0,045*** -0,398*** 0,064*** 0,849*** 0,394*** 1,000 Nguồn: tác giả tổng hợp từ Stata
3.3.3. Kiểm định tính vững của dữ liệu nghiên cứu
Để lựa chọn phương pháp ước lượng phù hợp và mang lại kết quảđáng tin cậy, dữ liệu nghiên cứu cần được kiểm định tính vững, tức là mô hình ước lượng không vi phạm những khuyết tật của mô hình hồi quy như hiện tượng đa cộng tuyến, PSSS thay
đổi, tự tương quan. Các mô hình ước lượng vi phạm những khuyết tật này có thể mang lại kết quả sai lệch và không đáng tin cậy nếu sử dụng phương pháp ước lượng không phù hợp.
Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity)
Khi hệ số tương quan của các cặp biến độc lập lớn hơn 0,8 thì các cặp biến này có hiện tượng đa cộng tuyến cao. Tuy nhiên, ngay cả khi hệ số tương quan của hai biến
độc lập nhỏ hơn 0,8 thì vẫn có thể có tồn tại đa cộng tuyến. Do đó, bên cạnh việc dựa vào hệ số tương quan của các cặp biến độc lập, tác giả còn sử dụng hệ số phóng đại phương sai VIF (variance inflation factor) trung bình của mô hình để kiểm tra hiện tượng
đa cộng tuyến.
z{|} = !# !
~
(Rj: mô hình hồi quy phụ của biến độc lập j)
Nếu mô hình có hiện tượng đa cộng tuyến thì ước lượng OLS sẽ cho ra kết quả
không đáng tin cậy như hệ sốước lượng không có ý nghĩa thống kê, các biến bị ngược dấu so với kỳ vọng, sự thay đổi nhỏ của mẫu nghiên cứu cũng có thể dẫn đến sự thay
đổi lớn về kết quảước lượng (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Quy ước chung là nếu VIF > 10 thì mô hình có hiện tượng đa cộng tuyến cao. Tuy nhiên, theo một số nghiên cứu thực nghiệm thì VIF > 2,5 đã được xem là đa cộng tuyến cao (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012).
Kiểm tra hiện tượng phương sai sai số thay đổi (Heteroskedasticity)
Trong mô hình hồi quy tuyến tính, một trong những giả thiết quan trọng đó là các yếu tố phần dư phải có phương sai đồng nhất. Nếu không thỏa mãn giả thiết này, tức là mô hình có hiện tượng PSSS thay đổi, thì các kết quảước lượng OLS sẽ không còn là
ước lượng tốt nhất và có thể dẫn đến những kết luận sai lầm (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Để kiểm tra hiện tượng PSSS thay đổi, tác giả sử dụng kiểm
định Breusch – Pagan với giả thiết:
H0 : mô hình có hiện tượng phương sai đồng nhất
Kiểm tra hiện tượng tự tương quan (Autocorrelation)
Tự tương quan là khuyết tật thường hay xảy ra đối với dữ liệu bảng. Đó là hiện tượng sai số tại thời điểm này có mối quan hệ với sai số tại các thời điểm khác trong quá khứ. Nếu có hiện tượng tự tương quan thì ước lượng OLS sẽ không còn là ước lượng tốt nhất và có thể mang lại những kết quả sai lệch. Đặc biệt đối với những mô hình xảy ra
đồng thời cả hai hiện tượng là PSSS thay đổi và tự tương quan, kết quả ước lượng sẽ
không đáng tin cậy dù cho mẫu nghiên cứu có quy mô lớn (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Để kiểm tra hiện tượng tự tương quan, tác giả sử dụng kiểm
định Wooldridge với giả thiết:
H0 : mô hình không có hiện tượng tự tương quan
Nếu giá trị p-value nhỏ hơn 0,05 thì mô hình có hiện tượng tự tương quan.