(REM)
Các đặc tính không quan sát được của các cá thể (ký hiệu là ci), nhưng các đặc tính ấy có tác động đến biến phụ thuộc:
Ký hiệu là αi nếu tác động là cố định với mỗi cá thể. Ký hiệu là ui nếu tác động là ngẫu nhiên với mỗi cá thể.
Một mô hình mà không xem xét sự có mặt của ci được xem là có hiện tượng bỏ sót biến. Mô hình xem xét dựa trên dữ liệu bảng (panel data). Mô hình dữ liệu bảng sẽ giúp tăng độ chính xác của các ước lượng do số quan sát được điều tra theo cá thể (đơn vị chéo) và thời gian; Nghiên cứu được sự khác biệt giữa các cá thể mà trước đây ta chỉ sử dụng biến giả; Nâng cao được số quan sát của mẫu và phần nào khắc phục được hiện tượng đa cộng tuyến; Chứa đựng nhiều thông tin hơn các loại số liệu khác; và Nghiên cứu được động thái thay đổi của các cá thể theo thời gian (Phạm Ngọc Hưng, 2017).
Các tác động không quan sát được trong hồi quy, ký hiệu là ci
yit = xi'tβ + Ci + εlt
36
Dạng tuyến tính:
+ Tác động cố định: Các tác động không quan sát được tương quan với các biến giải thích. Cov[xit,ci] ≠ 0
+ Tác động ngẫu nhiên: Các tác động không quan sát được không tương quan với các biến giải thích. Cov[xit,ci] = 0
+ Tác động cố định theo cá thể - mô hình biến giả
Vit = i ɑ + xl't β+ ɛit
+ Tác động ngẫu nhiên theo cá thể - mô hình sai số hỗn hợp
Yit = x'tβ+ ɛit + Ui
3.4.3 Bình phương tôi thiêu tông quát (GLS)
Phương pháp bình phương nhỏ nhất tổng quát (GLS) là một kỹ thuật để ước lượng các tham số chưa biết trong mô hình hồi quy tuyến tính khi có một mức độ tương quan nhất định giữa các phần dư trong mô hình hồi quy. Trong những trường hợp này, bình phương nhỏ nhất thông thường và bình phương nhỏ nhất có trọng số có thể không hiệu quả về mặt thống kê, hoặc thậm chí đưa ra những suy luận sai lầm. GLS được Alexander Aitken mô tả lần đầu tiên vào năm 1936 (Aitken, 1936).
Công cụ ước lượng bình phương nhỏ nhất tổng quát (GLS) của các hệ số của hồi quy tuyến tính là một tổng quát của công cụ ước lượng bình phương nhỏ nhất (OLS) thông thường và được sử dụng để đối phó với các tình huống trong đó công cụ ước lượng OLS không thỏa mãn điều kiện BLUE (công cụ ước lượng không chệch tuyến tính tốt nhất) vì một trong những giả định chính của định lý Gauss-Markov, cụ thể là tính đồng biến và không có tương quan nối tiếp, bị vi phạm. Trong các tình huống như vậy, với điều kiện là các giả thiết khác của định lý Gauss-Markov được thỏa mãn, công cụ ước lượng GLS là BLUE.
37
Vì dữ liệu nghiên cứu của Luận văn là dữ liệu bảng động nên việc ước lượng bằng phương pháp OLS là không hiệu quả và bị chệch. Nên phương pháp FEM và REM cùng với GLS được chọn để xác định của quản trị công ty lên hiệu quả hoạt động của các NHTM CP Việt Nam.
Để lựa chọn được mô hình tối ưu, ta tiến hành kiểm định F để lựa chọn giữa hai mô hình OLS và FEM, nếu giá trị xác suất Prob (Chi- square) nhỏ hơn mức ý nghĩa 5% thì mô hình FEM tối ưu hơn
Tiếp theo đó tiến hành kiểm định Hausman để lựa chọn giữa mô hình FEM và REM, nếu giá trị xác suất Prob (Random) nhỏ hơn mức ý nghĩa 5% thì mô hình FEM tối ưu hơn.
Kiểm định Hausman được thực hiện với giả thuyết: H0: dùng mô hình REM sẽ thích hợp hơn
H1: dùng mô hình FEM sẽ thích hợp hơn
Nếu p - value ≥ 5%: chấp nhận H0 có nghĩa là trong 2 mô hình trên thì nên chọn mô hình REM; Nếu p - value ≤ 5%: bác bỏ H0 nghĩa là trong 2 mô hình trên thì nên chọn FEM.
Sau khi lựa chọn được mô hình tối ưu sẽ tiến hành kiểm định lại các giả định của mô hình hồi quy OLS như hiện tượng đa cộng tuyến, tự tương quan, phương sai thay đổi. Khi các giả định hồi quy bị vi phạm ta chuyển sang hồi quy theo phương pháp bình phương bé nhất tổng quát (GLS) để khắc phục các vi phạm của giả định hồi quy. Đồng thời, để đánh giá độ phù hợp của mô hình hồi quy đối với tập dữ liệu, tác giả sử dụng hệ số R2 và R2 hiệu chỉnh (Adjusted R-Square).
Mô hình được sử dụng trong nghiên cứu để thể hiện mối quan hệ tác động của quản trị công ty lên hiệu quả hoạt động của các NHTM CP tại Việt Nam là mô hình hồi quy tuyến tính đa biến. Trong mô hình này, cần phân tích sự tương quan của các nhân tố. Trong phân tích tương quan, giá trị Sig. nói lên tính phù hợp của hệ số tương quan giữa các biến theo phép kiểm định F với một độ tin cậy cho trước. Với mức ý
38
nghĩa là 5% thì sig. phải nhỏ hơn 0.05 thì hệ số tương quan mới có ý nghĩa thống kê (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Hệ số tương quan (Pearson Correlation) nói lên mức độ tương quan giữa các biến với nhau trong mô hình. Neu hệ số tương quan càng lớn và có ý nghĩa thống kê thì mối tương quan giữa các biến càng mạnh. Tương quan giữa một biến với chính biến đó sẽ bằng một.
BODSize % BODFem % BODEdu % BODFor % BODDua % _________ 0_ 0 37.8% _________ 0_ 8.7 % 0 13.3% 0 18.9% _________ 1_ 1 17.1% _________ 1_ 12.2% 1 27.3% 1 37.1% _________ 2_ 2 12.9% _________ 2_ 9.8 % 2 37.1% 2 32.2% ______ 3_ 3 16.8% ______3_ 18.5% 3 18.5% 3 11.8% ______ 4_ 1.2 % 4 %6.3 ______ 4_ 22.0% 4 2.8% ___________ 5 15.7% 5 3.5 % _________5_ 9.4 % 5 1.0 % _________ 6_ 17.5% 6 3.5 % _________6_ 10.8% _________ 7_ 21.3% 7 2.1 % _________7_ %5.6 _________ 8_ 17.1% _________ 8_ 2.4 % _________ 9_ 11.9% _________ 9_ 0.6 % ________ 10 8.7 % 1 1 %6.6 Tổng 100% 100% 100% 100% 100% 39 TÓM TẮT CHƯƠNG 3
Nội dung chương 3 trình bày quy trình nghiên cứu của luận văn và phương pháp được dùng để thực hiện nghiên cứu. Tác giả đã sử dụng phương pháp nghiên cứu định lượng, và các kỹ thuật phân tích, so sánh, thống kê mô tả. Nghiên cứu định lượng được thực hiện thông qua việc xây dựng mô hình hồi quy tuyến tính nhằm đánh giá mối quan hệ tác động của quản trị công ty lên hiệu quả hoạt động của các NHTM CP tại Việt Nam. Các phương pháp này sẽ giúp tác giả trả lời những câu hỏi nghiên cứu đặt ra ở chương 1.
40
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN