Việc ước lượng các mơ hình trên cĩ thể mắc phải một số vấn đề kỹ thuật như sau: - Đa cộng tuyến cĩ thể xảy ra nếu các biến độc lập cĩ tương quan cao với nhau, khiến các
- Mơ hình khơng tích hợp các nhân tố tác động từ bên ngồi doanh nghiệp nên tác động của các nhân tố này cĩ thể bị đẩy vào trong phần sai số của mơ hình, khiến sai số của mơ hình khơng thỏa mãn một số giả định cổ điển của hồi quy tuyến tính, chẳng hạn giá trị kỳ vọng bình quân của sai số với điều kiện cụ thể của các biến độc lập khác khơng, hoặc nghiêm trọng hơn, phần dư của mơ hình cĩ tương quan với các biến độc lập (hiện tượng nội sinh);
- Mơ hình cịn cĩ thể mắc phải một số khuyết tật như phương sai sai số thay đổi và tự tương quan;
- Số liệu được sử dụng là số liệu mảng khơng cân.
Các vấn đề này lần lượt được định hướng xử lý như sau:
Với vấn đề đa cộng tuyến, trước hết ma trận tương quan giữa các biến độc lập được thiết lập để đánh giá tương quan giữa chúng. Nếu giữa một số biến độc lập cĩ tồn tại tương quan ở mức độ cao thì cách đo lường giá trị của các biến đĩ được cân nhắc hiệu chỉnh nhằm làm giảm mức độ tương quan, hạn chế vấn đề đa cộng tuyến mà khơng làm sai lệch bản chất của nhân tố tác động được đại diện bởi biến đĩ. Biện pháp này được thực hiện từ đầu, trước khi thực hiện các bước tiếp theo như chạy thử FEM và REM. Sau khi chạy hồi quy, hệ số phĩng đại phương sai VIF được tính tốn để kiểm tra lại mức độ đa cộng tuyến. Theo Ringle và cộng sự (2015), nếu VIF ở mức thấp dưới 5,0 thì đa cộng tuyến thường được xem là khơng đáng lo ngại.
Để xử lý vấn đề liên quan tới tác động tiềm tàng của các nhân tố ngồi doanh nghiệp khơng được tích hợp trực tiếp vào mơ hình, nghiên cứu áp dụng phương pháp mơ hình sai số hai chiều (two-way error component model). Theo đĩ, bộ phận sai số uit của mơ hình được phân tách như sau:
uit = εi + δt + vit
Trong đĩ εi đại diện cho những nhân tố khác biệt giữa các đối tượng quan sát nhưng khơng thay đổi theo thời gian và khơng quan sát được/khơng được tích hợp trực tiếp vào mơ hình. Ngược lại, δt đại diện cho những nhân tố thay đổi theo thời gian nhưng lại gây ra tác động như nhau lên tất cả các đối tượng quan sát trong cùng một thời kỳ hoặc ở cùng một thời điểm (ví dụ mức tập trung ngành nghề). Bộ phận cịn lại là vit được giả định là thỏa mãn các giả định cổ điển về sai số ngẫu nhiên của mơ hình hồi quy tuyến tính. Các mơ hình FE và RE sau đĩ được ước lượng dựa trên định hướng này. Hướng tiếp cận trên trong phân tách uit cĩ thể giải quyết được vấn đề khơng tích hợp trực tiếp những nhân tố tác động ngồi doanh nghiệp khi ước lượng mơ hình hồi quy.
Sau khi chạy FEM, REM và kiểm định Hausman để lựa chọn mơ hình phù hợp hơn, các khuyết tật như phương sai sai số thay đổi và tự tương quan được chẩn đốn và xử lý.
Để chẩn đốn hiện tượng phương sai sai số thay đổi, kiểm định Wald hiệu chỉnh được thực hiện. Trong kiểm định này, giả thuyết H0 là phương sai sai số đồng nhất giữa các nhĩm đối tượng và các thời kỳ. Nếu giả thuyết này bị bác bỏ thì tức là cĩ hiện tượng phương sai sai số khơng đồng nhất.
Cặp giả thuyết của kiểm định Wald hiệu chỉnh cho hiện tượng phương sai sai số khơng đồng nhất giữa các đơn vị chéo cụ thể như sau:
HO: σ2 = σ2
{ i
H1: σ2 ≠ σ2
với i = 1, 2,…, N, trong đĩ N là số đơn vị chéo
Đặt σ^2 = T–1 ∑Ti e2 là ước lượng cho phương sai sai số của đơn vị chéo thứ i,
i i t=1 it
dựa trên Ti các phần dư eit cĩ sẵn của đơn vị đĩ. Đặt tiếp Vi = T–1(Ti – 1)-1∑Ti (e2 −
i t=1 it
σ^2)2 là phương sai ước lượng của σ^2. Khi đĩ, giá trị thống kê của kiểm định Wald hiệu i
chỉnh được xác định như sau:
i
∑N (o^2–o^2)2
W = i=1
Vi
Với giả thuyết H0, giá trị thống kê W cĩ phân phối xác suất Chi bình phương 32, với bậc tự do bằng N. Giá trị của W tính theo mẫu được so sánh với giá trị tới hạn của phân phối Chi bình phương. Nếu W lớn hơn giá trị tới hạn thì giả thuyết H0 bị bác bỏ, tức là cĩ hiện tượng phương sai sai số khác biệt giữa các đơn vị chéo. Để chẩn đốn phương sai sai số thay đổi giữa các thời kỳ, kiểm định tương tự được áp dụng, trong đĩ i = 1, 2, …, N là số thời kỳ.
Để chẩn đốn tự tương quan, nghiên cứu sử dụng kiểm định Wooldridge. Trong kiểm định này, giả thuyết H0 cho rằng khơng cĩ tự tương quan bậc 1. Nếu giả thuyết này bị bác bỏ thì tức là cĩ tồn tại tự tương quan.
HO: Cov(Δuit, Δui,t–1) = 0 {
: Cov(Δu , Δu
i,t–
1 ) ≠ 0
Để thực hiện kiểm định Wooldrige, trước hết cần chạy hồi quy phương trình sai phân bậc 1 của phương trình hồi quy ban đầu, sau đĩ trích phần dư của phương trình sai phân này. Tiếp theo, chạy hồi quy của các phần dư trên theo giá trị trễ bậc 1 của chúng. Nếu hệ số của phương trình hồi quy các phần dư này cĩ ý nghĩa thống kê thì tức là giữa
i
chúng cĩ tương quan, tức mơ hình cĩ tự tương quan bậc 1. Điều này cịn được thể hiện qua giá trị thống kê F của phương trình hồi quy phần dư lớn hơn các giá trị tới hạn (p- value tương ứng thấp), khiến giả thuyết H0 bị bác bỏ.
Trường hợp phát hiện phương sai sai số thay đổi và cĩ hiện tượng tự tương quan, các hệ số cần được ước lượng lại bằng ước lượng Robust. Phương pháp này cho kết quả ước lượng vững trong trường hợp cĩ các khuyết tật trên.
Đối với vấn đề số liệu mảng khơng cân, vấn đề này được xử lý bằng cách tích hợp trọng số xác suất nghịch đảo (inverse probability weight) khi ước lượng các hệ số hồi quy. Về cơ bản, nếu áp dụng phương pháp ước lượng “thơng thường”, khơng điều chỉnh trọng số cho mỗi đối tượng quan sát thì những doanh nghiệp cĩ số lần xuất hiện trong mẫu nhiều hơn tất yếu gây ảnh hưởng lớn hơn tới kết quả ước lượng so với các doanh nghiệp cĩ số lần xuất hiện ít hơn. Do đĩ, để loại bỏ sự chênh lệch này và làm “cân bằng” mức độ tác động của các đối tượng quan sát tới kết quả ước lượng thì cần phải gán cho những doanh nghiệp cĩ số lần xuất hiện nhiều những mức trọng số thấp hơn đồng thời gán cho những doanh nghiệp cĩ số lần xuất hiện ít những mức trọng số cao hơn. Cụ thể, trọng số của mỗi đối tượng quan sát được xác định bằng nghịch đảo của xác suất xuất hiện trong mẫu của chúng: wi = 1/fi = 1/(Ni/N) – trong đĩ Ni là số kỳ xuất hiện trong mẫu của doanh nghiệp cịn N là tổng số kỳ được lấy mẫu.
KẾT LUẬN CHƯƠNG 2
Trong chương 2, phương pháp nghiên cứu của luận án đã được trình bày, từ hướng tiếp cận, số liệu, mơ hình phân tích cho tới phương pháp kiểm định và hiệu chỉnh mơ hình. Trên cơ sở tổng quan nghiên cứu, luận án xác định các nhân tố nội tại tác động tới dự báo khả năng sinh lời, từ đĩ xây dựng mơ hình kiểm định tương ứng. Các biến độc lập trong mơ hình đại diện cho các nhân tố: Lợi nhuận quá khứ, cơ cấu lợi nhuận (lợi nhuận dồn tích), tăng trưởng tài sản, quy mơ tài sản, cơ cấu vốn, vốn lưu động, cổ tức và đa dạng hĩa kinh doanh. Nghiên cứu sử dụng số liệu mảng khơng cân của các doanh nghiệp CBTP niêm yết trên thị trường chứng khốn Việt Nam giai đoạn 2007- 2019. Ma trận tương quan, phương pháp mơ hình sai số hai chiều, kiểm định Hausman, kiểm định Wooldridge, ước lượng Robust và trọng số xác suất nghịch đảo được sử dụng để chẩn đốn và khắc phục các khuyết tật mơ hình cĩ thể phát sinh gồm đa cộng tuyến, nội sinh, tự tương quan, phương sai của sai số thay đổi và số liệu bảng khơng cân.
6,000,000 5,000,000 4,000,000 3,000,000 2,000,000 1,000,000 0 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 GDP theo giá thực tế (tỷ VND) GDP theo giá so sánh 2007 (tỷ VND)
CHƯƠNG 3: THỰC TRẠNG KHẢ NĂNG SINH LỜI CỦA CÁC DOANH NGHIỆP CHẾ BIẾN THỰC PHẨM VIỆT NAM