Đề tài nghiên cứu ảnh hưởng của các yếu tố tài chính bên trong gắn liền với các quyết định tài chính trong công ty đến quyết định tỷ lệ chi trả cổ tức của các công ty cổ phần phi tài chính niêm yết tại HOSE bao gồm hai mô hình hồi quy cụ thể như đã đề cập tại chương 3; mô hình hồi quy tuyến tính bình phương nhỏ nhất tổng quát (Pooled OLS), mô hình các yếu tố ảnh hưởng cố định (Fixed Effects Model – FEM) và mô hình các yếu tố ảnh hưởng ngẫu nhiên (Random Effects Model – REM), đề tài đã tìm ra được kết quả nghiên cứu theo bảng 4.9, 4.10, 4.11, 4.12 như sau:
Bảng 4.9. Kết quả mô hình hồi quy tuyến tính theo Pooled OLS
Biến phụ thuộc: DPR
Phương pháp: Panel Least Squares
Dữ liệu thời gian: 6 Dữ liệu chéo: 31 Tổng số quan sát dữ liệu bảng cân bằng: 186
Hệ số Trị thống kê t Giá trị p C 0.694303 1.568829 0.1185 DPRt-1 0.376434 5.443586 0.0000 DA -0.179843 -1.247313 0.2139 OCF 0.055575 0.271709 0.8382 ROE -0.257071 -1.111370 0.2679 SIZE -0.009547 -0.553472 0.5806 GROWTH -0.034293 -0.657037 0.5120 R2 : 0.184315 Prob(F-statistic): 0.000002
Kết quả hồi quy mô hình theo OLS thể hiện tại bảng 4.9 cho thấy biến độc lập DPRt-1 được chấp nhận để giải thích cho biến phụ thuộc DPR với mức ý nghĩa 5%; trong khi các biến độc lập còn lại như DA, OCF, ROE, SIZE, GROWTH không có ý nghĩa thống kê. Mức độ phù hợp của kết quả hồi quy theo OLS đối với mô hình là 18.43%.
Bảng 4.10. Kết quả hồi quy mô tuyến tính theo FEM
Biến phụ thuộc: DPR
Phương pháp: Panel Least Squares
Dữ liệu thời gian: 6 Dữ liệu chéo: 31 Tổng số quan sát dữ liệu bảng cân bẳng: 186
Hệ số Trị thống kê t Giá trị p C 5.844183 4.402730 0.0000 DPRt-1 0.164802 1.992800 0.0481 DA 0.547366 1.364235 0.1746 OCF 0.225056 0.682979 0.4957 ROE -0.444946 -1.686952 0.0937 SIZE -0.200359 -4.197455 0.0000 GROWTH -0.102214 1.753432 0.0816 R2 : 0.397824 Prob(F-statistic): 0.000012
Nguồn: Xử lý của tác giả từ Eviews
Kết quả hồi quy mô hình theo FEM thể hiện tại bảng 4.10 cho thấy biến độc lập DPRt-1, ROE và GROWTH đều được chấp nhận để giải thích cho biến phụ thuộc DPR với mức ý nghĩa 10%, biến độc lập SIZE được chấp nhận để giải thích cho biến phụ thuộc DPR với mức ý nghĩa 5%, các biến DA, OCF không có ý nghĩa thống kê. Mức độ phù hợp của kết quả hồi quy theo FEM đối với mô hình là 39.78%.
Kết quả hồi quy theo REM thể hiện tại bảng 4.11 cho thấy biến độc lập DPRt-1 được chấp nhận để giải thích cho biến phụ thuộc DPR với mức ý nghĩa 5%; các
biến độc lập còn lại như GROWTH, SIZE, không có ý nghĩa thống kê. Mức độ phù hợp của kết quả hồi quy theo REM đối với mô hình là 18.43%.
Bảng 4.11. Kết quả hồi quy mô tuyến tính theo REM
Biến phụ thuộc: DPR
Phương pháp: Panel EGLS (Cross-section random effects) Dữ liệu thời gian: 6 Dữ liệu chéo: 31
Tổng số quan sát dữ liệu bảng cân bằng: 186
Hệ số Trị thống kê t Giá trị p C 0.694303 1.665873 0.0975 DPRt-1 0.376434 5.780313 0.0000 DA -0.179843 -1.324469 0.1870 OCF 0.055575 0.217191 0.8283 ROE -0.257071 -1.180116 0.2395 SIZE -0.009547 -0.587708 0.5575 GROWTH -0.034293 -0.697680 0.4863 R2 : 0.184315 Prob(F-statistic): 0.000002
Nguồn: Xử lý của tác giả từ Eviews
Bảng 4.12. Kiểm định Hausman
Correlated Random Effects – Kiểm định Hausman Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 44.040274 6 0.0000
Nguồn: Xử lý của tác giả từ Eviews
Tác giả thực hiện kiểm định Hausman và nhận thấy giá trị P-value bằng 0.0000 nhỏ hơn 0.05 nên bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1, tức là mô hình FEM là mô hình phù hợp để nghiên cứu.
Sau khi lựa chọn mô hình FEM, tác giả thực hiện kiểm định phương sai sai số thay đổi bằng kiểm định Breusch-Pagan và kiểm định White và kiểm định thừa biến
Bảng 4.13. Kết quả kiểm định Breusch-Pagan Heteroskedasticity Test: Breusch-Pagan-Godfrey
Thống kê F 3.886056 Prob. F(6,179) 0.0011 Thống kê LM (Obs*R-squared) 21.43593 Prob. Chi-Square(6) 0.0015 Scaled explained SS 41.58032 Prob. Chi-Square(6) 0.0000 (adsbygoogle = window.adsbygoogle || []).push({});
Nguồn: Xử lý của tác giả từ Eviews
Bảng 4.14. Kết quả kiểm định White Heteroskedasticity Test: White
Thống kê F 3.544157 Prob. F(27,158) 0.0000 Thống kê LM (Obs*R-squared) 70.15885 Prob. Chi-Square(27) 0.0000 Scaled explained SS 136.0906 Prob. Chi-Square(27) 0.0000
Nguồn: Xử lý của tác giả từ Eviews
Bảng 4.13 và bảng 4.14 cho thấy cả thống kê F và thống kê LM đều có p-value nhỏ hơn 5% nên có căn cứ xác định mô hình tồn tại hiện tương phương sai sai số thay đổi.
Ngoài ra tác giả thực hiện kiểm định Wald để kiểm tra biến không cần thiết trong mô hình.
Giả thuyết:
H0: Có hiện tượng thừa biến
H1: Không có hiện tượng thừa biến
Bảng 4.15. Kết quả kiểm định Wald Wald Test
Test Statistic Value df Probability Thống kê F 6.945041 (6, 179) 0.0000 Giá trị Chi-square 41.67024 6 0.0000
Nguồn: Xử lý của tác giả từ Eviews
Bảng 4.15 cho thấy p-value nhỏ hơn 5% nên có căn cứ bác bỏ H0, chấp nhập H1, có nghĩa các biến DPRt-1, DA, OCF, ROE, SIZE, GROWTH là cần thiết cho mô hình.
Vì mô hình tồn tại hiện tượng phương sai sai số thay đổi, tác giả đưa ra giải pháp kiểm soát hiện tượng phương sai sai số thay đổi, tính toán lại hệ số ước lượng vững ((heteroskedasticity consistent coefficients) với các sai số chuẩn (SE) tương ứng.
Bảng 4.16.Kiểm soát hiện tƣợng phƣơng sai sai số thay đổi (heteroskedasticity)
FEM gốc HC0 DPRt-1 0.164802** (0.083) 0.164802 (0.114) DA 0.547366 (0.401) 0.547366* (0.318) OCF 0.225056 (0.330) 0.225056 (0.419) ROE -0.444946* (0.264) -0.444946 (0.346) SIZE -0.200359*** (0.048) -0.200359*** (0.058) GROWTH 0.102214* (0.058) 0.102214 (0.062) Ghi chú: *p<0.1; **p<0.05; ***p<0.01
Nguồn: Xử lý của tác giả từ R Studio
Mô hình tồn tại hiện tượng phương sai sai số thay đổi, sau khi kiểm soát các hiện tượng này6 bằng các ước lượng vững, tác giả nhận thấy sai số chuẩn của các hệ số hồi quy đã tăng lên. Nói cách khác, khoảng tin cậy của các hệ số này đã không còn bị đánh giá quá cao so với trước, các hệ số ước lượng trở nên vững hơn. Ngoài ra, hệ số hồi quy của DPRt-1, ROE và GROWTH đã không còn ý nghĩa thống kê, tuy nhiên hệ số hồi quy của DA lại trở nên có ý nghĩa, hệ số hồi quy của biến OCF không có ý nghĩa thống kê kể cả trước và sau khi kiểm soát hiện tượng.
6 Long và Ervin (2000) đã thực hiện nghiên cứu mô phỏng các hệ số ước lượng vững có kiểm soát phương sai sai số thay đổi (HC consistent estimators) trong các mô hình hồi quy tuyến tính và thấy rằng hệ số theo
Phƣơng trình hồi quy xác định đƣợc cho mô hình nhƣ sau:
DPR = 5.844183 +0.547366 x DA -0.200359 x SIZE