CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.4.Phương pháp phân tích nghiên cứu
Tác giả sử dụng phần mềm STATA 13 để phân tích thống kê mô tả, phân tích tương quan, phân tích hồi quy, đánh giá mức độ phù hợp của mô hình, kiểm định các giả thuyết…
3.4.1. Phân tích thống kê mô tả
Phương pháp này được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập nhằm có cái nhìn tổng quát về mẫu nghiên cứu. Thông qua mô tả, tóm tắt thống kê các biến độc lập và biến phụ thuộc trong mô hình nghiên cứu cho thấy được giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và bé nhất của từng biến nghiên cứu.
3.4.2. Phân tích tương quan
Phân tích tương quan được sử dụng để xem xét mối quan hệ giữa các biến độc lập trong mô hình. Kết quả phân tích tương quan có thể bước đầu đánh giá được các dự báo mô hình. Ngoài ra, trong trường hợp các biến độc lập có mối tương quan cao thì đây là dấu hiệu của đa cộng tuyến, do đó đây là một cơ sở để tác giả thực hiện kiểm định đa cộng tuyến và điều chỉnh mô hình.
3.4.3. Phân tích hồi quy
Trong khi phân tích tương quan kiểm tra có tồn tại mối tương quan giữa các biến hay không thì phân tích hồi quy được dùng để đo lường mức độ ảnh hưởng của các biến độc lập với các biến phụ thuộc, qua đó cho biết chiều tác động của từng biến độc lập đến biến phụ thuộc. Phương pháp này sẽ cho phép tác giả đưa ra những bằng chứng xác thực để trả lời các câu hỏi nghiên cứu của luận văn.
Thông qua phương pháp tổng bình phương bé nhất (OLS), hằng số và các tham số của mô hình sẽ được ước lượng. Hệ số Prob (P- value) của kết quả phân tích hồi quy cho biết mức độ tác động của các biến độc lập lên từng biến phụ thuộc. Các mức thống kê có ý nghĩa thường được sử dụng là 1%, 5%, 10% (hay nói cách khác là độ tin cậy 99%, 95% hoặc 90%). Hệ số R2 (R – squared) hoặc R2 điều
chỉnh (adjusted R – squared) từ kết quả phân tích sẽ cho biết khả năng tất cả các biến độc lập giải thích được sự biến động của ROA trong mô hình hồi quy(Nguyễn Quang Dong và Nguyễn Thị Minh, 2012). Sau khi phân tích hồi quy cần kiểm định F về tính thích hợp của mô hình, kiểm định phương sai sai số thay đổi, tự tương quan và tương quan giữa các phần dư.
3.4.4. Kiểm định F về tính thích hợp của mô hình
Vấn đề tiếp theo sau khi phân tích hồi quy là kiểm tra sự phù hợp của mô hình đối với tập dữ liệu qua giá trị R2. Để kiểm định độ phù hợp của mô hình hồi quy tổng thể, ta cần kiểm định giả thiết Ho: R2 = 0. Tương tự như phân tích hồi quy, giá trị Prob cũng được sử dụng trong kiểm định này. Nếu giá trị Prob nhỏ hơn 5% thì bác bỏ giả thiết Ho.
3.4.5. Kiểm định vi phạm giả thuyết thống kê 3.4.5.1. Kiểm định White
Thực hiện hồi quy mô hình phụ dưới dạng sau:
= + + + + + +
Tính giá trị thống kê kiểm định nR2, với n là số quan sát của mẫu, R2 là hệ số xác định bội của mô hình phụ. Từ giả thiết H0: = = = = = 0 (không có hiện tượng phương sai thay đổi); xem xét nếu nR2
> xα2(df ) ta bác bỏ giả thiết H0, nghĩa là có hiện tượng phương sai thay đổi.
3.4.5.2. Kiểm định BG
Giả sử trong mô hình xảy ra hiện tượng tự tương quan bậc p, ký hiệu AR(p), tức là các phần dư được biểu diễn dưới dạng sau:
= + + + + ⋯ + +
Với εi thỏa các giả thiết OLS. Ta có giả thiết kiểm định như sau: : =
= = ⋯ = = 0 (mô hình Ui là không tồn tại và mô hình hồi quy gốc không
xảy ra hiện tượng tự tương quan). So sánh nếu (n-p)R2(1c)>xα2(p) thì bác bỏ giả thiết H0, có nghĩa là mô hình gốc có hiện tượng tự tương quan bậc p.
3.4.5.3. Kiểm định Dubin
Trong mô hình hồi quy tuyến tính cổ điển chúng ta giả định không có tương quan giữa các phần dư hay Cov(uiuj) = 0 với mọi i, j. Còn nếu tồn tại i và j mà Cov(ui,uj) ≠ 0: thì kết luận có tự tương quan. Nếu sai số Ut chỉ tương quan với Ut-1 (sai số một kỳ trước đó) thì ta có hiện tượng tự tương quan bậc nhất. Điều kiện để mô hình mắc khuyết tật là giá trị Sig. của Chi2 >0.05.
KẾT LUẬN CHƯƠNG 3
Chương này trình bày mô hình nghiên cứu, các giả thiết nghiên cứu, đo lường các biến nghiên cứu, phương pháp chọn mẫu nghiên cứu và các phương pháp xử lý dữ liệu hướng nghiên cứu định lượng hồi quy tuyến tính bình phương nhỏ nhất (OLS).
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN