Kiểm định khuyết tật của mô hình và kết luận- 123docz.net

4.3.2.1. Kiểm định phương sai thay đổi

Một giả thiết quan trọng trong mô hình hồi quy tuyến tính cổ điển là các yếu tố nhiễu ui (hay còn gọi là phần dư residuals) xuất hiện trong hàm hồi quy tổng thể có phương sai không thay đổi (homoscedasticity, còn gọi là phương sai có điều kiện không đổi); tức là chúng có cùng phương sai. Nếu giả thiết này không được thỏa mãn thì có sự hiện diện của phương sai thay đổi. Phương sai thay đổi (Heteroscedasticity, còn gọi là phương sai của sai số thay đổi).

Phương sai thay đổi không làm mất đi tính chất không thiên lệch và nhất quán của các ước lượng OLS. Nhưng các ước lượng này không còn có phương sai nhỏ nhất hay là các ước lượng hiệu quả. Tức là chúng không còn là các ước lượng tuyến

tính không thiên lệch tốt nhất (BLUE). Khi có phương sai thay đổi, các phương sai của các ước lượng OLS không được tính từ các công thức OLS thông thường. Nhưng nếu ta vẫn sử dụng các công thức OLS thông thường, các kiểm định t và F dựa vào chúng có thể gây ra những kết luận sai lầm

Để kiểm định các mô hình có xảy ra hiện tượng phương sai sai số thay đổi hay không, tác giả sử dụng kết hợp hai phương pháp kiểm định Breusch - Pagan, với mức ý nghĩa α = 0,05, xét cặp giả thuyết sau:

H0: có phương sai không đổi (p-value > 0,05) H1: có phương sai sai số thay đổi

Như vậy, nếu P-value>=0.05 thì chúng ta chấp nhận giả thuyết H0 bác bỏ H1

tức là không có hiện tượng phương sai thay đổi. Ngược lại, nếu P-value <0.05 thì chúng ta chấp nhận giả thuyết H1 bác bỏ H0 , điều đó có nghĩa là mô hình gặp phải hiện tượng phương sai thay đổi thay đổi.

Bảng 4.7: Kết quả kiểm định phương sai sai số thay đổi

MAR1 MAR2 MAR3

P-value 0.0051 0.0088 0.011

Ghi chú: H0 là mô hình không có phương sai thay đổi; H1 là mô hình có phương sai thay đổi; nếu giá trị P_value < α thì bác bỏ H0; nếu giá trị P_value > α thì chấp nhận H0; MAR1 là mức độ định giá thấp IPO tại ngày giao dịch thứ 1; MAR2 là mức độ định giá thấp IPO tại ngày giao dịch thứ 2; MAR3 là mức độ định giá thấp IPO tại ngày giao dịch thứ 3;

(Nguồn: Kết quả tính toán của tác giả)

Kết quả kiểm định Breusch - Pagan đều có p value < 0,05 (mức ý nghĩa 5%) mô hình nghiên cứu, nên giả thuyết H0 bị bác bỏ và chấp nhận giả thuyết H1. Vì vậy, cả mô hình nghiên cứu khả năng xảy ra hiện tượng phương sai sai số thay đổi.

Do trong mô hình có hiện tượng phương sai thay đổi các tham số của mô hình vẫn là các ước lượng không chệch, chỉ có phương sai của các hệ số ước lượng và hiệp phương sai giữa các tham số ước lượng bị chệch, luận văn tiến hành thực hiện phương pháp Robust Standard Errors giữ nguyên các giá trị ước lượng của các tham số trong phương pháp hồi quy OLS và ước lượng lại phương sai. Kết quả sau khi thực hiện phương pháp Robust Standard Errors thu được như sau:

Bảng 4.8: Kết quả hồi quy 3 ngày giao dịch đầu tiên phương pháp Robust standard errors

BIẾN MAR1 MAR2 MAR3

Capret 0,0836365 (0.5192447) -0,7257027 (0.5442604) -0,1803337 (0.5742951) Over -0,1098612** (0.6525) -0,1418413*** (0.0717551) -0,0184497 (0.0732317) LDel 0,000886*** (0.0006748) 0,0011972*** (0.0005493) -0,0001273*** (0.006142) LPrice 5,32e-06*** (8.61e-06) -1,25e-06*** (8.05e-06) 8,96e-06*** (8.89e-06) LAge -0,0216311** (0.0189548) -0,0005409 (0.0167461) 0,0066026** (0.0163839) LFsize -0,0396222 (0.1386171) -0,1204184 (0.1376002) -0,1096052 (0.1145889) LOsize -0,0116171 (0.0820731) 0,1688884 (0.078934) -0,0115386 (0.09216) _cons 1,287182 (3.447709) -0,1144053 (3.052589) 2,441611 (3.110054) Ghi chú: Capret là tỷ lệ nguồn vốn do nội bộ nắm giữ; Over là tỷ lệ mua vượt mức; LDel là độ trễ niêm yết; LPrice là giá phát hành; LAge là tuổi của công ty; LFsize là quy mô của doanh nghiệp phát hành; LOsize là quy mô của đợt phát hành; p-value là mức ý nghĩa; MAR1 là mức độ định giá thấp IPO tại ngày giao dịch thứ 1; MAR2 là mức độ định giá thấp IPO tại ngày giao dịch thứ 2; MAR3 là mức độ định giá thấp IPO tại ngày giao dịch thứ 3; *, **, *** có ý nghĩa lần lượt tại mức 10%, 5%, 1%; giá trị trong ngoặc đơn () thể hiện độ lệch chuẩn của biến.

Như vậy sau khi ước lượng lại phương sai trong cả ba mô hình tính toán tỷ suất sinh lời điều chỉnh theo thị trường tại ngày giao dịch thứ nhất, thứ hai và thứ ba thì ba biến phụ thuộc (MAR1, MAR2, MAR3) đều chịu sự tác động của các biến mức vốn giữ lại (Capret), quy mô phát hành (LOsize), giá phát hành (LPrice) và tỷ lệ đăng ký mua vượt mức (Over) còn các biến còn lại không tác động đến mức độ định giá thấp của doanh nghiệp khi tiến hành IPO trên TTCK Việt Nam.

4.3.2.2. Kiểm tra hiện tượng đa cộng tuyến

Tác giải sử dụng hệ số phóng đại phương sai (VIF -Variance Inflation Factor) để kiểm định hiện tượng đa cộng tuyến. Theo quy tắc khi nếu VIF của một biến lớn hơn 5 thì có hiện tượng đa cộng tuyến cao, còn nếu vượt hơn 10 thì mức độ đa cộng tuyến của biến này được xem là rất cao và khi đó, các hệ số hồi quy được ước lượng sẽ không có độ chính xác (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Như vậy, dựa vào kết quả kiểm tra hiện tượng đa cộng tuyến, các biến có hệ số hồi quy lớn hơn 10 sẽ bị loại ra khỏi mô hình hồi quy.

Bảng 4.9: Kết quả kiểm tra hiện tượng đa cộng tuyến

Variable VIF 1/VIF

LPrice 1,60 0,625843 LOsize 1,59 0,630390 LAge 1,09 0,917708 Capret 1,06 0,947113 LFsize 1,04 0,963491 Over 1,03 0,974341 LDel 1,02 0,981296 Mean VIF 1,20

(Nguồn: Kết quả tính toán của tác giả)

Kết quả cho thấy hệ số VIF của các biến có giá trị trung bình là 1,2 và các biến đều có hệ số VIF nhỏ hơn 10. Điều này chứng tỏ mô hình không có hiện tượng đa cộng tuyến.

4.3.2.3. Kiểm định biến bỏ sót

Để kiểm định xem dạng hàm của mô hình đã đúng hay chưa, mô hình có bị thiếu biến hay không luận văn tiến hành kiểm định Ramsey RESET đề xuất sử dụng Yi2 và Yi3 làm các ước lượng cho Zi.

Bước 1: Hồi quy Yi theo Xi thu được Yi.

Bước 2: Hồi quy Yi theo biến độc lập trong mô hình ban đầu và Yi2, Yi3. Bước 3: Kiểm định giả thuyết

Ho: Các hệ số của Yi2 và Yi3 đồng thời bằng 0. H1: Các hệ số của Yi2 và Yi3

không đồng thời bẳng 0. Bước 4: Công thức tính: Fqs = (R mới 2− R cũ2) x (n−k) (1− R mới2) x m Nếu Fqs > Fα(m; n-k) hoặc p(F) < α → Bác bỏ H0

Sử dụng câu lệnh -ovtest- trong Stata lần lượt cho cả ba mô hình hồi quy (MAR1, MAR2, MAR3) và thu được kết quả sau:

Bảng 4.10: Kết quả kiểm định khuyết tật bỏ sót biến Ramsey RESET test using powers of the fitted values of MAR

H0: mô hình đều có dạng hàm đúng và không bị thiếu biến

MAR1 MAR2 MAR3

F(3,48) = 1.28 F(3,48) = 1.35 F(3,48) = 1.33

Prob > F = 0.618023 Prob > F = 0.219435 Prob > F = 0.965358 Ghi chú: MAR1 là mức độ định giá thấp IPO tại ngày giao dịch thứ 1; MAR2 là mức độ định giá thấp IPO tại ngày giao dịch thứ 2; MAR3 là mức độ định giá thấp IPO tại ngày giao dịch thứ 3;

(Nguồn: Kết quả tính toán của tác giả)

Kết quả kiểm định Ramsey RESET Test của từng mô hình hồi quy cho thấy hệ số Prob (F-statistic) của từng mô hình đều lớn hơn mức α=5%. Ta chấp nhận giả thuyết H0 là cả ba mô hình đều có dạng hàm đúng và không bị thiếu biến. Như vậy mô hình đã đầy đủ các nhân tố giải thích cho mức độ định giá thấp cổ phiếu của các doanh nghiệp khi tiến hành IPO trên thị trường chứng khoán Việt Nam.

4.3.2.4. Kiểm định hiện tượng tự tương quan

Tự tương quan: là hiện tượng có sự tương quan giữa các giá trị trong cùng một thành phần của các biến. Hiện tượng này thường xảy ra với số liệu chuỗi thời gian và số liệu chéo. Nếu có hiện tượng tự tương quan, ước lượng phương sai, kiểm định t, kiểm định F không còn chính xác. Trong bài này tác giả sử dụng phương pháp Breusch - Godfrey để phát hiện hiện tượng tự tương quan.

Để tiến hành kiểm tra xem mô hình có hiện tượng tự tương quan hay không tôi thực hiện kiểm định Breusch - Godfrey cho cả ba mô hình (MAR1, MAR2, MAR3) kết quả được tác giả tổng hợp dưới bảng sau:

Bảng 4.11: Kết quả kiểm định hiện tượng tự tương quan

BIẾN MAR1 MAR2 MAR3

C (3.216587)1.339553 (3.131546)-0.122013 (3.404139)2.397092 Capret (0.543202)0.079595 (0.538865)-0.581270 (0.575984)-0.173649 Over (0.073522)-0.110047 -0.122791*(0.071592) (0.074084)-0.017955 LDel (0.000767)0.000877 (0.000718)0.000681 (0.000675)-0.000123 LPrice (8.67E-06)5.25E-06 (8.34E-06)-5.61E-07 (1.22E-05)8.60E-06 LAge (0.018964)-0.022474 (0.017462)0.001270 (0.018280)0.006507 LFsize (0.126163)-0.040817 (0.122886)-0.114778 (0.132860)-0.107977 LOsize (0.083118)-0.011734 (0.081651)0.155292* (0.085769)-0.010914 FITTED^2 (0.083118)-0.011734 (0.267964)0.432304 (1.703223)0.071862

Ghi chú: Capret là tỷ lệ nguồn vốn do nội bộ nắm giữ; Over là tỷ lệ mua vượt mức; LDel là độ trễ niêm yết; LPrice là giá phát hành; LAge là tuổi của công ty; LFsize là quy mô của doanh nghiệp phát hành; LOsize là quy mô của đợt phát hành; p-value là mức ý nghĩa; MAR1 là mức độ định giá thấp IPO tại ngày giao dịch thứ 1; MAR2 là mức độ định giá thấp IPO tại ngày giao dịch thứ 2; MAR3 là mức độ định giá thấp IPO tại ngày giao dịch thứ 3; *, **, *** có ý nghĩa lần lượt tại mức 10%, 5%, 1%; giá trị trong ngoặc đơn () thể hiện độ lệch chuẩn của biến.

Trong cả ba mô hình ta thấy hệ số p-value trong phép kiểm định Breusch - Godfrey của mỗi mô hình đều lớn hơn mức α=5%. Vậy cả ba mô hình (MAR1, MAR2, MAR3) đều không xảy ra hiện tượng tự tương quan.

4.3.2.5. Kết luận

Sau khi thực hiện kiểm định và khắc phục hiện tượng phương sai thay đổi, đa cộng tuyến, tự tương quan kết quả cho thấy trong cả ba mô hình tính toán tỷ suất sinh lời điều chỉnh theo thị trường tại ngày giao dịch thứ nhất, thứ hai và thứ ba thì ba biến phụ thuộc (MAR1, MAR2, MAR3) đều chịu sự tác động của các biến mức vốn giữ lại (Capret), quy mô phát hành (LOsize), giá phát hành (LPrice) và tỷ lệ đăng ký mua vượt mức (Over) còn các biến còn lại không tác động đến mức độ định giá thấp của doanh nghiệp khi tiến hành IPO trên TTCK Việt Nam.

Nhân tố giá phát hành (LPrice) là giá trúng thầu bình quân trong phiên đấu giá phát hành cổ phần lần đầu ra công chúng có mối quan hệ nghịch chiều với mức độ định giá thấp của doanh nghiệp, kết quả giống như kỳ vọng ban đầu của mô hình. Kết quả này dường như phù hợp với nghiên cứu của Loughran và Ritter (1995). Ở Việt Nam do các đợt IPO chủ yếu phát hành thông qua hình thức đấu giá nên mức giá phát hành phản ánh nhu cầu của nhà đầu tư đối với cổ phiếu của doanh nghiệp. Nhu cầu với cổ phiếu càng tăng dẫn đến mức giá trúng bình quân càng cao, cuối cùng làm giảm mức độ định giá thấp của doanh nghiệp. Trong tình trạng thị trường chứng khoán Việt Nam hiện nay, nguồn cung cổ phiếu IPO lớn hơn cầu nhiều nên dù giá đấu IPO thấp vẫn có rất ít người mua hoặc các nhà đầu tư thường thích mua cổ phiếu của các công ty lớn, mà cổ phiếu của các công ty này thường có mức giá phát hành cao. Bên cạnh đó, có một thực tế là nhiều doanh nghiệp Việt Nam khi IPO lựa chọn các nhà đầu tư chiến lược là những tổ chức nhằm thu hút nguồn vốn nên định một mức giá phát hành cao hơn. Theo Gompers và Metrick (1998) thì các nhà đầu tư tổ chức thường tránh đầu tư vào các cổ phiếu giá thấp. Sự tham gia của các nhà đầu tư tổ chức vào một IPO có thể ảnh hưởng đến nhu cầu của các nhà đầu tư nhỏ lẻ, thiếu thông tin làm cho nhu cầu cổ phiếu cao hơn. Tóm lại, tương tự như các quan điểm trước đó, mức giá phát hành càng cao thể hiện mức độ rủi ro công ty thấp hơn sẽ đưa đến một mức độ định giá thấp thấp hơn.

Nhân tố mức vốn giữ lại (Capret) có mối quan hệ cùng chiều với mức độ định giá thấp của doanh nghiệp, kết quả trên giống với kết quả trong nghiên cứu của (Bozzolan & Ipino, 2007). Mức vốn nội bộ giữ lại cao có thể ảnh hưởng đến quyền lợi của cổ đông thiểu số. Ở Việt Nam khi mà cổ phiếu IPO không được các nhà đầu tư ưa chuộng, đa phần các nhà đầu tư tham gia là nhà đầu tư tổ chức và chỉ một số ít nhà đầu tư cá nhân tham gia. Do vậy, để bảo vệ quyền lợi của mình các nhà đầu tư cá nhân sẽ chỉ mua cổ phiếu IPO khi những cổ phiếu này có mức giá thật sự thấp, góp phần làm tăng mức độ định giá thấp.

Nhân tố quy mô phát hành (LOsize) có mối quan hệ cùng chiều với mức độ định giá thấp, kết quả trái với kỳ vọng. Theo kỳ vọng, những đợt IPO có quy mô lớn thường được phát hành bởi các doanh nghiệp lớn làm giảm mức độ rủi ro về nhận thức của các nhà đầu tư đối với đợt IPO từ đó làm giảm mức độ định giá thấp. Tuy nhiên, ở Việt Nam kết quả nghiên cứu cho thấy quy mô đợt phát hành càng lớn thì mức độ định giá thấp càng tăng. Có thể lý giải điều này là do cung quá nhiều trong khi cầu không bao nhiêu làm cho cổ phiếu của doanh nghiệp tiến hành IPO đó không có tính thanh khoản. Nhà đầu tư sẽ chỉ mua khi cổ phiếu IPO được định giá thấp để bù đắp cho rủi ro thanh khoản mà nhà đầu tư phải gánh chịu. Cũng như để đợt đấu giá IPO thành công, doanh nghiệp phát hành phải đưa ra mức giá khởi điểm thấp để thu hút nhiều nhà đầu tư tham gia.

Nhân tố tỷ lệ đăng ký mua vượt mức (OVER) có mối quan hệ thuận chiều với mức độ định giá thấp của doanh nghiệp. Kết quả này giống với nghiên cứu của (Chowdhry & Sherman, 1996) đó là khi đợt IPO của doanh nghiệp được định giá thấp có thể thu hút nhiều nhà đầu tư tham gia để tìm kiếm tỷ suất sinh lời cao hơn trong ngắn hạn. Nguyên nhân có thể do các nhà đầu tư có được những thông tin liên quan đến các dự án, triển vọng của doanh nghiệp trong tương lai và nhận ra rằng mức giá IPO của doanh nghiệp là thấp so với giá trị doanh nghiệp. Tuy nhiên, kết quả này lại trái với kết quả nghiên cứu tại thị trường Việt Nam trong giai đoạn 2005 - 2012 của (Trần Thị Hải Lý & Dương Kha, 2013) cho rằng nhân tố tỷ lệ mua vượt mức có quan hệ ngược chiều với mức độ định giá thấp.

chiều với mức độ định giá thấp IPO. Doanh nghiệp có thời gian hoạt động trước IPO càng dài thì ít rủi ro hơn với các doanh nghiệp có thời gian hoạt động ngắn. Nhà đầu tư sẽ yêu cầu một tỷ suất sinh lời thấp hơn để bù đắp cho rủi ro của họ góp phần làm giảm mức độ định giá thấp. Tuy nhiên, kết quả này không có ý nghĩa thống kê trong cả ba mô hình hồi quy MAR1, MAR2, MAR3. Như vậy biến này dường như không giải thích được mức độ định giá thấp tại TTCK Việt Nam. Tuổi công ty không có quan hệ với tuổi công ty với p-value cao (0,255), (0,974), (0,687) lần lượt tương ứng với Mar1, Mar 2, Mar 3; dấu của hệ số hồi quy này còn trái với kỳ vọng khi có tương quan dương với mức độ định giá thấp. Theo các nghiên cứu trước, một công ty có tuổi đời càng dài thì được nhà đầu tư biết rõ hơn so với một công ty mới hoạt động, công ty đó cũng có thị trường, kinh nghiệm quản lý hơn. Tuy nhiên ở Việt Nam dường như những doanh nghiệp lâu đời IPO là doanh nghiệp nhà nước, hoạt động trong môi trường thiếu tính cạnh tranh trong một thời gian dài, nên số năm hoạt động có thể không phản ánh sức mạnh nội tại như kinh nghiệm quản lý, khả năng kinh doanh, khách hàng lâu năm, … của doanh nghiệp. Hơn nữa với việc có được nhiều thông tin về công ty nhà nước nhằm làm giảm tình trạng bất

Kiểm định khuyết tật của mô hình và kết luận

Các lý thuyết bổ trợ

Lý thuyết thông tin bất cân xứng