CHƯƠNG 3 : PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU
3.3 Lựa chọn phương pháp nghiên cứu
Để đánh giá mối quan hệ giữa cấu trúc vốn và hiệu quả hoạt động, nhóm tác giả đã sử dụng kết hợp cả hai phương pháp phân tích định tính và nghiên cứu định lượng.
3.3.1 Phương pháp nghiên cứu định tính
Để nghiên cứu theo phương pháp định tính nhóm tác giả đã thực hiện tìm kiếm tổng quan các nghiên cứu trong và ngoài nước trước đó liên quan đến đề tài. Qua đó, nhóm tác giả đã khảo lược được một số tài liệu nghiên cứu dựa trên nhiều khía cạnh và đề xuất ra được mô hình nghiên cứu. Các phân tích định tính còn được thực hiện thông qua các phương pháp phân tích, mô tả, so sánh, đánh giá các doanh nghiệp trong nhóm ngành thép được niêm yết trên sàn chứng khoán Việt Nam dưới góc tiếp cận là cấu trúc vốn để xem ảnh hưởng của nó lên hiệu quả hoạt động.
3.3.2 Phương pháp nghiên cứu định lượng
Nghiên cứu này sử dụng mô hình hồi quy đa biến (Multiple Regression Model) để phân tích. Trình tự xử lý dữ liệu được thực hiện với các bước phân tích đơn biến bao gồm: Thống kê mô tả, phân tích tương quan, phân tích đa biến (lựa chọn mô hình xử lý dữ liệu, đánh giá độ phù hợp của phương trình hồi quy) cụ thể các bước được tiến hành như sau:
3.3.2.1 Thống kê mô tả
Nghiên cứu sử dụng số liệu thu thập từ các báo cáo tài chính của 26 doanh nghiệp được niêm yết trên sàn chứng khoán Việt Nam. Các doanh nghiệp được lựa chọn trên 2 tiêu chí: (1) là các doanh nghiệp thuộc ngành thép và được niêm yết trên sàn chứng khoán Việt Nam, (2) Các doanh nghiệp có đầy đủ số liệu trên báo cáo tài chính trong 7 năm từ năm 2013 đến 2019
Các số liệu sau khi được thu thập và tổng hợp, trình bày số liệu và tính toán các đặc trưng của đối tượng nghiên cứu trên Excel nhằm phục vụ cho quá trình phân tích. Sau đó số liệu được trình bày dưới dạng bảng thống kê, mỗi biến gồm các nội dung: tên biến, số quan sảt, trung bình, độ lệch chuẩn, giá trị cực tiểu và giá trị cực đại và độ lệch chuẩn. Dựa trên số liệu thống kê của các biến quan sát, sẽ có sự diễn giải và phân tích ý nghĩa của các số liệu.
3.3.2.2 Phân tích tương quan
Phân tích tương quan được thực hiện bằng cách thiết lập các ma trận hệ số tương quan và xem xét hệ số tương quan cặp giữa các biến. Hệ số tương quan là một chỉ số thống kê đo lường mối liên hệ tương quan giữa hai biến số có giá trị từ - 1 đến 1. Hệ số tương quan bằng 0 hay gần bằng 0 có nghĩa là hai biến số không có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Phân tích tương quan cũng như giúp tìm ra những cặp biến có hệ số tương quan cao. Hệ số tương quan cặp giữa các biến quá cao có thể xảy ra hiện tượng đa cộng tuyến. Nếu hệ số tương quan vượt quá 0.8 thì phương trình hồi
quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng. Do đó, nếu tương quan giữa hai biến hớn hơn hoặc bằng 0.8 sẽ loại bỏ các biến ít quan trọng hơn ra khỏi mô hình.
3.3.2.3 Phương pháp xử lý dữ liệu
Phương pháp nghiên cứu ước lượng mô hình hồi quy theo phương pháp gộp (Pooled OLS), mô hình tác động cố định (Fixed Effects Model, FEM) và mô hình tác động ngẫu nhiên (Random Effects Model, REM) là ba phương pháp được lựa chọn để xử lý dữ liệu nghiên cứu dạng bảng.
Phương pháp gộp (Pooled OLS): là cách tiếp cận đơn giản nhất không kể
đến bình diện không gian và thời gian của dữ liệu kết hợp với gỉả định tất cả các hệ số đều không đổi theo thời gian và không gian và chỉ ước lượng hồi quy bình phương nhỏ nhất thông thường OLS. Phương pháp này được thực hiện đồng nghĩa với việc xếp chồng lên nhau các quan sát của từng đơn vị chéo. Do đó, mô hình được hồi quy theo phương pháp này dù giản đơn nhất nhưng có thể bóp méo mối quan hệ giữa biến phụ thuộc và biến giải thích.
Mô hình tác động cố định (Fixed Effects Model, FEM): Mô hình FEM giúp
nhà nghiên cứu giải quyết hạn chế của phương pháp gộp. Ước lượng FEM cho rằng mỗi cá nhân có thể có những đặc điểm riêng, vì vậy tung độ gốc trong mô hình hồi quy được phép khác nhau giữa các cá nhân. Thuật ngữ tác động cố định được sử dụng bởi vì thực tế là mặc dù tung độ gốc có thể khác nhau giữa các cá nhân nhưng mỗi tung độ gốc của cá nhân không thay đổi theo thời gian, nghĩa là nó bất biến trong thời gian. Để xem xét các tung độ gốc khác nhau, ta có thể sử dụng các biến giả. Mô hình FEM sử dụng biến giả được gọi là mô hình biến giả bình phương tối thiểu (Least Square Dummy Variable, LSDV). Mô hình FEM phù hợp trong những tình huống mà tung độ gốc của mỗi công ty tương quan với một hay nhiều biến độc lập. Nhược điểm của LSDV là làm mất nhiều bậc tự do khi số đơn vị n rất lớn (n là số lượng đơn vị chéo), vì phải đưa vào (n-1) biến giả ( nhưng không chế số hạng tung độ gốc chung). Với mô hình có quá nhiều biến thì khả năng xảy ra hiện tượng đa cộng tuyến là rất lớn, có thể gây khó khăn cho việc ước lượng chính xác một hoặc nhiều hơn một thông số. Ngoài ra, phương pháp LSDV có thể không có khả
năng xác định được tác động của các biến của mô hình FEM có thể sẽ được giảm nhẹ khi sử dụng mô hình tác động ngẫu nhiên.
Mô hình tác động ngẫu nhiên (Random Effects Model, REM): Mặc dù ước
lượng FEM có lợi thế hơn Pooled OLS do không yêu cầu các giả định khắt khe nhưng lại làm cho mô hình mất đi nhiều bậc tự do, nhất là đối với dữ liệu có n lớn. Một phương án khác thay cho mô hình FEM là mô hình REM hay mô hình các thành phần sai số (Error Components Model, ECM). Mô hình ECM giả định tung độ gốc của một đơn vị riêng lẻ được rút ngẫu nhiên từ một tập hợp lớn hơn nhiều là đối với một giá trị trung bình không đổi. Tung độ gốc của các doanh nghiệp được biểu thị như sự sai lệch so với giá trị trung bình không đôi này.
Giữa FEM và REM có sự khác biệt cần lưu ý. Trong FEM, mỗi đơn vị chéo có giá trị tung độ gốc cố định riêng của nó, n giá trị trị cho n đơn vị chéo. Trái lại, trong ECM, tung độ gốc β1 là giá trị trung bình của tất cả tung độ gốc chéo và thành phần sai sốεi biểu hiện độ lệch chuẩn riêng của từng tung độ gốc khỏi giá trị trung bình này. Thành phần sai sốεi không thể quan sát được một cách trực tiếp; nó là biến được gọi là biến không thể quan sát được hay là biến tiềm ẩn. Mô hình ECM thích hợp trong những tình huống mà tung độ gốc ngẫu nhiên của từng đơn vị không tương quan với các biến giải thích. Mỗi mô hình đều có đặc điểm riêng. Vậy nên nghiên cứu cần sử dụng mô hình nào là phù hợp nhất phụ thuộc và giả định được đưa ra về tương quan có thể có giữa thành phần sai số riêng biệt chéo hay cá nhânεicác biến hồi quy độc lập X. Nếu giả định rằngεivà các biến X không tương quan, thì ECM có thể thích hợp, trong khi nếu εi và các biến X có mối tương quan thì FEM có thể thích hợp. Hoặc có một nhận định khác rằng nếu t (số liệu chuỗi thời gian) lớn và n (số đơn vị chéo) nhỏ, thì có thể sẽ không có khác biệt trong các giá trị của thông số được ước lượng bởi FEM và REM. Nếu n lớn và t nhỏ, các ướng lượng được thu thập bởi hai phương pháp này có thể sẽ khác nhau đáng kể. Nếu thành phần sai số cá nhân εi và một hay nhiều hơn một biến hồi quy độc lập tương quan với nhau, thì các phép toán ước lượng REM bị lệch, trong khi các phép toán thu được từ FEM thì không lệch. Nếu n lớn và t nhỏ, và các giả định cơ bản cho REM được giữ đúng, thì các phép toán ước lượng REM hiệu quả lớn hơn các
phép toán ước lượng của FEM. Có một kiểm định chính thức sẽ giải quyết được vấn đề lựa chọn giữa hai mô hình FEM và REM là kiểm định do Haumans xây dựng năm 1978.
Kiểm định Haumans: Được sử dụng để lựa chọn phương pháp ước lượng phù
hợp giữa hai phương pháp ước lượng tác động cố định (FEM) và tác động ngẫu nhiên(REM). Giả thuyết H0cho rằng không có sự tương quan giữa sai số đặc trưng εigiữa các đối tượng và các biến giải thích Xittrong mô hình. Trong trường hợp giả thuyết H0 bị bác bỏ thì FEM là phù hợp hơn so với REM và được sự lựa chọn. Ngược lại, chưa có đủ bằng chứng để bác bỏ H0 nghĩa là không bác bỏ được sự tương quan giữa sai số và các biến giả thích thì FEM không còn phù hợp và REM sẽ ưu tiên được sử dụng. Như vậy sau khi sử dụng phương pháp hồi quy cần thực hiện các kiểm định cần thiết (kiểm định Haumans) để lựa chọn mô hình hồi quy xử lý dữ liệu phù hợp nhất với dữ liệu bảng để xử lý dữ liệu và giải thích kết quả nghiên cứu.
Phương pháp bình phương tối thiểu tổng quát (Generallzed Least Square_GLS): Phương pháp GLS là phương pháp OLS đối với các biến số đã biến
đổi để thoả mãn các giả thuyết bình phương tối thiểu tiêu chuẩn. Phương pháp này được sử dụng để khắc phục hiện tượng phương sai thay đổi và sự tự tương quan trong mô hình nghiên cứu.
3.3.2.4 Các kiểm định lựa chọn mô hình
Kiểm định đa cộng tuyến: Khi phân tích tương quan, hệ số tương quan giữa các biến cao là dấu hiệu của đa cộng tuyến. Để phát hiện trường hợp một biến có tương quan tuyến tính mạnh với các biến số còn lại của mô hình, ta khảo sát các cặp tương quan giữa các biến độc lập được thực hiện bằng cách thiết lập ma trận hệ số tương quan để tìm ra những biến số có cặp tương quan cao. Để loại trừ vấn đề đa cộng tuyến, cần nghiên cứu hệ số tương quan giữa các biến, nếu chúng vượt quá 0.8 mô hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng. Ngoài ra để đảm bảo tính chính xác, nhóm sử dụng thêm hệ số phóng đại phương sai (VIF- Variance Inflation Factor) để kiểm định hiện tượng đa cộng tuyến. Theo quy tắc thì nếu
VIFj>10 thì mức độ đa cộng tuyến được xem là cao, khi đó các hệ số hồi quy được ước lượng với độ chính xác không cao. Dựa vào kết quả kiểm định hồi quy tuyến tính và hệ số VIF nếu các biến có hệ số VIF lớn hơn 10 sẽ bị loại bỏ ra khỏi mô hình và tiếp tục hồi quy cho đến khi không còn biến nào có giá trị VIF lớn hơn 10, tức là không có hiện tượng đa cộng tuyến.
Kiểm định phương sai thay đổi:Một trong những giả thuyết chủ yếu cho hồi quy bình phương bé nhất thông thường OLS là phương sai thay đổi. Nếu phương sai không phải là một hằng số thì được coi là phương sai thay đổi, lúc này ước lượng hệ số hồi quy tính được bằng phương pháp OLS là không hiệu quả. Để kiểm định sự vi phạm giả thuyết của mô hình, nhóm tác giả sử dụng kiểm định dạng White có sửa đổi với các giả thuyết H0: không có hiện tượng phương sai thay đổi, H1 có hiện tượng phương sai thay đổi. Nếu kết quả kiểm định cho giá trị Pvaluelà nhỏ hơn (5%), giả thuyết H0bị bác bỏ và chấp nhận giả thuyết H1.
Kiểm định tự tương quan: Sau khi kiểm tra sự phù hợp của mô hình, bước tiếp theo là kiểm định hiện tượng tự tương quan của các biến trong mô hình. Khi có tồn tại hiện tượng tự tương quan, tuy các ước lượng OLS vẫn là các ước lượng không chệch nhưng chúng không phải là ước lượng hiệu quả. Phương pháp kiểm định có ý nghĩa nhất để phát hiện tình trạng tự tương quan xảy ra trong mô hình phương pháp kiểm định Woolridge, trong đó giả thuyết H0 được đề cập là không có hiện tượng tự tương quan, H1 là có hiện tượng tự tương quan. Nếu kết quả kiểm định cho giá trị Pvaluelà nhỏ hơn (ngầm định là 5%), giả thuyết H0bị bác bỏ và chấp nhận giả thuyết H1.