Phương pháp phân tích nghiên cứu sử dụng là hồi quy với dữ liệu bảng (Panels data). Phương pháp hồi quy với dữ liệu bảng đã được thực hiện trong rất nhiều nghiên cứu trước đó. Để xác định mối tương quan giữa biến độc lập và các biến phụ thuộc, nghiên cứu ước lượng tham số hồi quy cho mô hình các nhân tố tác
động với các mô hình bình phương bé nhất (OLS), nhân tố cố định (FEM), nhân tố biến động (REM) và mô hình FGLS để có phương trình tốt nhất thể hiện mối quan hệ của các nhân tố.
3.2.2.1. Phân tích thống kê mô tả
Nội dung phân tích thống kê mô tả là tóm tắt các đặc trưng của dữ liệu phản ánh một cách tổng quát giá trị trung bình, giá trị trung vị, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn… để thấy được tổng quan về số liệu các biến.
3.2.2.2. Phân tích ma trận tương quan các biến
Nghiên cứu áp dụng phương pháp phân tích tương quan để xác định sự liên kết giữa các nhân tố giải thích. Phân tích này dựa trên ma trận tương quan (correlation matrix). Mục đich chính là bảo đảm quan hệ đa cộng tuyến giữa các biến độc lập không là vấn đề lớn trước khi thực hiện hồi qui.
3.2.2.3. Kiểm định lựa chọn mô hình phù hợp
− Kiểm định Hausman Test
Để lựa chọn một trong hai mô hình REM hoặc FEM, chúng ta sử dụng kiểm định Hausman Test để xem xét có tồn tại tự tương quan giữa εi và các biến giải thích vì tương quan là nguyên nhân tạo nên sự khác biệt giữa FEM và REM.
H0: Mô hình REM phù hợp. H1: Mô hình FEM phù hợp.
Khi giá trị P-value có ý nghĩa thống kê, ta bác bỏ H0, khi đó εi và biến độc lập tương quan với nhau và ta sử dụng mô hình tác động cố định FEM. Ngược lại, ta sử dụng mô hình tác động ngẫu nhiên REM để hồi quy.
− Kiểm định Breuch – Pagan LM
Để lựa chọn một trong hai mô hình OLS hay REM, chúng ta sử dụng kiểm định Breuch – Pagan LM (1980).
H0: Mô hình OLS phù hợp. H1: Mô hình REM phù hợp.
Nếu p-value của kiểm định Breuch – Pagan LM có ý nghĩa thống kê cho phép ta kết luận giả thuyết H0 bị bác bỏ, chấp nhận H1 khi đó ta đưa ra kết luận mô hình
REM là phù hợp hơn, ngược lại ta có kết quả mô hình OLS là phù hợp khi chấp nhận giả thuyết H0.
− Kiểm định hiện tượng phương sai số thay đổi
Phương sai thay đổi là hiện tượng phương sai của các số hạng này không giống nhau, nghĩa là chúng khác nhau ở các quan sát khác nhau. Hậu quả khi phương sai của các sai số thay đổi thì các ước lượng của các hệ số hồi quy không hiệu quả, các kiểm định t và F không còn đáng tin cậy. Nếu độ lớn của phần dư chuẩn hóa tăng hoặc giảm theo giá trị dự đoán thì có khả năng giả thuyết phương sai không đổi bị vi phạm. Để phát hiện phương sai thay đổi, nghiên cứu tiến hành kiểm đinh với các giả thiết:
H0: Phương sai qua các thực thể là không thay đổi. H1: Phương sai qua các thực thể là thay đổi.
Với p-value > 0,05 ta chấp nhận H0 và ngược lại. Các nhà nghiên cứu kì vọng p-value > 0,05 để kết luận phương sai không thay đổi.
− Kiểm định tự tương quan chuỗi
Để lựa chọn mô hình hồi quy phù hợp, nghiên cứu không chỉ phải khắc phục phương sai số thay đổi, mà còn phải xem xét khuyết tật tự tương quan chuỗi. Nguyên nhân của tự tương quan: do hiện tượng quán tính của các chuỗi thời gian, hiện tượng mạng nhện trong kinh tế, qua quá trình xử lý, nội suy số liệu hay do mô hình thiếu biến hay dạng hàm sai.Nghiên cứu dùng kiểm định Wooldridge (2002) và Druker (2003) kiểm định với giả thuyết được đặt ra như sau:
H0: Mô hình không có hiện tượng tự tương quan H1: Mô hình có hiện tượng tự tương quan.
Nếu kết quả kiểm định cho thấy P-value > 0,05 thì chấp nhận giả thiết H0 có nghĩa là không có hiện tượng tự tương quan và ngược lại.
− Kiểm định tương quan phần dư đơn vị chéo
Sử dụng kiểm định Pesaran cho kiểm định tương quan phần dư đơn vị chéo. Nếu kết quả kiểm định cho thấy P-value > 0,05 thì chấp nhận giả thiết H0 là mô hình không có hiện tượng tương quan phần dư đơn vị chéo, ngược lại bác bỏ giả
thiết H0, chấp nhận H1 nghĩa là mô hình có khuyết tật tương quan phần dư đơn vị chéo.
3.2.2.4. Ước lượng mô hình FGLS
Nghiên cứu sử dụng mô hình FGLS (Cross-section weights) để khắc phục phương sai thay đổi và tự tương quan của mô hình dữ liệu bảng hiệu ứng cố định (FE) và hiệu ứng ngẫu nhiên (RE). Phương pháp OLS cho mỗi quan sát các trọng số hay tầm quan trọng như nhau. Nhưng một phương pháp ước lượng, gọi là bình phương tối thiểu tổng quát (GLS), đưa các thông tin này vào mô hình và do vậy có khả năng đưa ra các ước lượng tuyến tính không thiên lệch tốt nhất (BLUE). Phép biến đổi các biến gốc để các biến đã biến đổi thỏa mãn các giả thiết của mô hình cổ điển và sau đó áp dụng phương pháp OLS đối với chúng được gọi là phương pháp bình phương tối thiểu tổng quát. Các giả thuyết nghiên cứu sẽ được tiến hành kiểm định thông qua dữ liệu nghiên cứu của phương trình hồi quy được xây dựng. Tiêu chuẩn kiểm định sử dụng thống kê t và giá trị p-value (Sig.) tương ứng, độ tin cậy lấy theo chuẩn 95%, giá trị p-value sẽ được so sánh trực tiếp với giá trị 0,05 để kết luận chấp thuận hay bác bỏ giả thuyết nghiên cứu. Để xem xét sự phù hợp dữ liệu và sự phù hợp của mô hình ta sử dụng hệ số R-square, thống kê t và thống kê F để kiểm định. Để đánh giá sự quan trọng của các nhân tố ta xem xét hệ số Beta tương ứng trong phương trình hồi quy bội được xây dựng từ dữ liệu nghiên cứu.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ PHÂN TÍCH
Trong chương này, tác giả sẽ trình bày kết quả phân tích các nhân tố ảnh hưởng đến giá cổ phiếu của các NHTM niêm yết. Kết quả nghiên cứu cho thấy tỷ suất sinh lời/ vốn chủ sở hữu (ROE), tăng trưởng kinh tế (GDP), lợi nhuận trên mỗi cổ phần (EPS), giá trị sổ sách của cổ phiếu (BVPS) lần lượt tác động tích cực đến giá cổ phiếu ngân hàng niêm yết trên TTCK Việt Nam. Trong khi đó, lãi suất liên ngân hàng càng tăng, giá cổ phiếu ngân hàng có xu hướng giảm.