CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
4.3. Kiểm định mơ hình hồi quy Pooled OLS ban đầu:
4.3.3. Kiểm định mơ hình hồi quy Pooled OLS lần 2:
4.3.3.1. Ước lượng hàm hồi quy lần 2:
Tiến hành phân tích hồi quy lần 2 sau khi loại bỏ biến SIZE, biến LEV, kết quả như sau:
Bảng 4.6. Ước lượng hàm hồi quy lần 2
Dependent Variable (Biến phụ thuộc): Capex
Variable (Tên biến) Coefficient (Hệ số hồi quy) Std. Error (Sai số của hệ số hồi quy) t-Statistic (Đại lượng tới
hạn t ) Giá trị P. (P-value) C (Hằng số) -0,015147 0,008733 -1,734462 0,0831 Q 0,017327 0,007905 2,191928 0,0286 INF 0,195772 0,082885 2,361964 0,0183 Q*INF -0,168523 0,075071 -2,244854 0,0250 EPS 2,42E-06 8,04E-07 3,009044 0,0027 GRO 0,013759 0,005880 2,340068 0,0194 R-squared (Hệ số R2) 0,026447 Sum squared resid 6,074868 Adjusted R-squared (Hệ số R2 điều chỉnh) 0,022404 (Tổng bình phương các phần dư) S.E. of regression (Độ lệch chuẩn) 0,071032 F-statistic 6,5413 Prob(F-statistic) (Giá trị P-value của thống kê F) 0,000005 (Giá trị thống kê F)
Nguồn: Kết quả xử lý số liệu bằng phần mềm Eviews (Phụ lục 6)
Bảng 4.6 cho thấy, giá trị P-value của 05 biến độc lập đều nhỏ hơn 0,05 nên mơ hình kiểm định là phù hợp với bộ dữ liệu đã có. Mặc khác, F (trị số F-Fisher) dùng làm căn cứ để kiểm định sự phù hợp của tồn bộ mơ hình hồi quy. Do đó, để thực hiện kiểm định F ta đặt giả thiết H0 là R2 =0 (mơ hình hồi quy khơng tồn tại).
Nhìn vào kết quả hồi quy lần 2 ta thấy giá trị F-statistic = 6,541>F tra bảng=F(5%,7,326) = 2,0377, giá trị P-value của thống kê F và giá trị P-value của các biến độc lập đều nhỏ hơn 0,05 nên bác bỏ giả thiết H0 tức các biến độc lập phù hợp rất tốt và mơ hình kiểm định tồn tại, hợp lý.
Dựa vào Bảng 4.6 trên, ta xác định được mơ hình hồi quy tuyến tính về Chi tiêu vốn như sau:
CAPEX = – 0,0151469224071 + 0,0173274236658*Q +
0,195772336328*INF – 0,168523035265*QINF + 2,41987387738e-06*EPS + 0,0137585404503*GRO
Từ mơ hình hồi quy tuyến tính trên, ta có thể kết luận CAPEX chịu sự tác động của 5 yếu tố là Q, INF, Q*INF, EPS, GRO.
Mức độ tác động của các yếu tố đến CAPEX thông qua hệ số hồi quy được giải thích cụ thể như sau:
Khi yếu tố Q tăng, giảm 1 điểm với điều kiện các yếu tố khác khơng đổi thì CAPEX tăng, giảm 0,017 điểm.
Khi yếu tố INF tăng, giảm 1 điểm với điều kiện các yếu tố khác khơng đổi thì yếu tố CAPEX tăng, giảm 0,196 điểm.
Khi yếu tố Q*INF tăng, giảm 1 điểm với điều kiện các yếu tố khác không đổi thì yếu tố CAPEX tăng, giảm -0,169 điểm.
Khi yếu tố EPS tăng, giảm 1 điểm với điều kiện các yếu tố khác khơng đổi thì yếu tố CAPEX tăng, giảm 2,420 điểm.
Khi yếu tố GRO tăng, giảm 1 điểm với điều kiện các yếu tố khác khơng đổi thì yếu tố CAPEX tăng, giảm 0,014 điểm.
4.3.3.2. Kiểm định đồng thời 05 biến độc lập:
Với một mơ hình bất kỳ, khi chúng ta đưa các biến độc lập vào cần kiểm tra sự có mặt của biến đó nó gây ảnh hưởng tốt hay xấu cho mơ hình.
Tác giả giả định Ho là các biến độc lập không ảnh hưởng đến biến phụ thuộc. Kết quả kiểm định như sau:
Bảng 4.7. Kết quả kiểm định Wald 05 biến độc lập
Wald Test (Kiểm định Wald): Test Statistic (Kiểm định thống kê) Value (Giá trị) df Probability (Giá trị xác suất)
F-statistic (Giá trị thống kê F) 6,541332 (5,1204) 0,0000 Chi-square (Chi bình phương) 32,70666 5 0,0000 Null Hypothesis (Giả thiết): C(1)=C(2)=C(3)=C(4)=C(5)=0
Nguồn: Kết quả xử lý số liệu bằng phần mềm Eviews (Phụ lục 7) Bảng 4.7 cho thấy giá trị P-value của giá trị thống kê F là 0,0000<0,05 (mức ý nghĩa α=5%) nên bác bỏ giả thiết H0 nghĩa là các biến giải thích Q, INF, QINF, EPS, GRO đồng thời có ảnh hưởng đến biến phụ thuộc CAPEX.
Để chắc chắn rằng các biến độc lập đưa vào có gây ảnh hưởng xấu cho mơ hình khơng chúng ta sẽ tiến hành kiểm định biến thừa cho từng biến độc lập.
4.3.3.3. Kiểm định Wald với biến Q:
Tác giả giả định Ho là biến Q=C1 không ảnh hưởng đến biến phụ thuộc. Kết quả kiểm định như sau:
Bảng 4.8. Kết quả kiểm định Wald cho biến Q
Wald Test (Kiểm định Wald): Test Statistic (Kiểm định thống kê) Value (Giá trị) df Probability (Giá trị xác suất)
t-statistic (Giá trị thống kê t) 2,191928 1204 0,0286 F-statistic (Giá trị thống kê F) 4,804550 (1, 1204) 0,0286 Chi-square (Chi bình phương) 4,804550 1 0,0284 Null Hypothesis (Giả thiết): C(1)=0
Nguồn: Kết quả xử lý số liệu bằng phần mềm Eviews (Phụ lục 8) Bảng 4.8 cho thấy giá trị P-value của giá trị thống kê F đối với biến Q là 0,0286<0,05 (mức ý nghĩa α=5%) nên bác bỏ giả thiết H0 nghĩa là biến Q đưa vào mơ hình là hợp lý tức biến này ảnh hưởng đến biến CAPEX.
4.3.3.4. Kiểm định Wald với biến INF:
Tác giả giả định Ho là biến INF=C2 không ảnh hưởng đến biến phụ thuộc. Kết quả kiểm định như sau:
Bảng 4.9. Kết quả kiểm định Wald cho biến INF
Wald Test (Kiểm định Wald): Test Statistic (Kiểm định thống kê) Value (Giá trị) df Probability (Giá trị xác suất)
t-statistic (Giá trị thống kê t) 2,361964 1204 0,0183 F-statistic (Giá trị thống kê F) 5,578873 (1, 1204) 0,0183 Chi-square (Chi bình phương) 5,578873 1 0,0182 Null Hypothesis (Giả thiết): C(2)=0
Nguồn: Kết quả xử lý số liệu bằng phần mềm Eviews (Phụ lục 9) Bảng 4.9 cho thấy giá trị P-value của giá trị thống kê F đối với biến INF là 0,0183<0,05 (mức ý nghĩa α=5%) nên bác bỏ giả thiết H0 nghĩa là biến INF đưa vào mơ hình là hợp lý tức biến này ảnh hưởng đến biến CAPEX.
4.3.3.5. Kiểm định Wald với biến QINF:
Tác giả giả định Ho là biến QINF=C3 không ảnh hưởng đến biến phụ thuộc. Kết quả kiểm định như sau:
Bảng 4.10. Kết quả kiểm định Wald cho biến QINF
Wald Test (Kiểm định Wald): Test Statistic (Kiểm định thống kê) Value (Giá trị) df Probability (Giá trị xác suất)
t-statistic (Giá trị thống kê t) -2,244854 1204 0,0250 F-statistic (Giá trị thống kê F) 5,039370 (1, 1204) 0,0250 Chi-square (Chi bình phương) 5,039370 1 0,0248 Null Hypothesis (Giả thiết): C(3)=0
Nguồn: Kết quả xử lý số liệu bằng phần mềm Eviews (Phụ lục 10) Bảng 4.10 cho thấy giá trị P-value của giá trị thống kê F đối với biến QINF là 0,0250<0,05 (mức ý nghĩa α=5%) nên bác bỏ giả thiết H0 nghĩa là biến QINF đưa vào mơ hình là hợp lý tức biến này ảnh hưởng đến biến CAPEX.
4.3.3.6. Kiểm định Wald với biến EPS:
Tác giả giả định Ho là biến EPS=C4 không ảnh hưởng đến biến phụ thuộc. Kết quả kiểm định như sau:
Bảng 4.11. Kết quả kiểm định Wald cho biến EPS
Wald Test (Kiểm định Wald): Test Statistic (Kiểm định thống kê) Value (Giá trị) df Probability (Giá trị xác suất)
t-statistic (Giá trị thống kê t) 3,009044 1204 0,0027 F-statistic (Giá trị thống kê F) 9,054343 (1, 1204) 0,0027 Chi-square (Chi bình phương) 9,054343 1 0,0027 Null Hypothesis (Giả thiết): C(4)=0
Bảng 4.11 cho thấy giá trị P-value của giá trị thống kê F đối với biến EPS là 0,0027<0,05 (mức ý nghĩa α=5%) nên bác bỏ giả thiết H0 nghĩa là biến EPS đưa vào mơ hình là hợp lý tức biến này ảnh hưởng đến biến CAPEX.
4.3.3.7 . Kiểm định Wald với biến GRO:
Tác giả giả định Ho là biến INF=C5 không ảnh hưởng đến biến phụ thuộc. Kết quả kiểm định như sau:
Bảng 4.12. Kết quả kiểm định Wald cho biến GRO
Wald Test (Kiểm định Wald): Test Statistic (Kiểm định thống kê) Value (Giá trị) df Probability (Giá trị xác suất)
t-statistic (Giá trị thống kê t) 2,340068 1204 0,0194 F-statistic (Giá trị thống kê F) 5,475917 (1, 1204) 0,0194 Chi-square (Chi bình phương) 5,475917 1 0,0193 Null Hypothesis (Giả thiết): C(5)=0
Nguồn: Kết quả xử lý số liệu bằng phần mềm Eviews (Phụ lục 12) Bảng 4.12 cho thấy giá trị P-value của giá trị thống kê F đối với biến GRO là 0,0194<0,05 (mức ý nghĩa α=5%) nên bác bỏ giả thiết H0 nghĩa là biến GRO đưa vào mơ hình là hợp lý tức biến này ảnh hưởng đến biến CAPEX.
Bảng 4.13. Tổng hợp kết quả kiểm định các giả thuyết nghiên cứu
Giả
thuyết Nội dung
Mức giá trị (P-value)
Kết quả
H1 Q có tác động cùng chiều với CAPEX 0.0286 Chấp nhận
H2 INF có tác động cùng chiều với CAPEX 0.0153 Chấp nhận
H3 Q*INF có tác động ngược chiều với
CAPEX 0.0237 Chấp nhận
H4 SIZE có tác động cùng chiều với
CAPEX 0.4797 Bác bỏ
H5 LEV có tác động cùng chiều với
CAPEX 0.7851 Bác bỏ
H6 EPS có tác động cùng chiều với
CAPEX 0.0035 Chấp nhận
H7 GRO có tácđộng cùng chiều với
CAPEX 0.0232 Chấp nhận Nguồn: Kết quả tổng hợp bằng phần mềm Eviews
Bảng 4.14. Kết quả hệ số hồi quy chuẩn hoá của ước lượng hàm hồi quy lần 2
Scaled Coefficients (Tóm tắt các hệ số hồi quy)
Standardized Elasticity Variable (Tên biến) Coefficient (Hệ số hồi quy) Coefficient (Hệ số hồi quy chuẩn hoá) at Means (Ý nghĩa độ co giãn) Q 0,017327 0,101111 1,220029 INF 0,195772 0,184567 1,087369 QINF -0,168523 -0,180741 -0,961463 EPS 2,42E-06 0,098811 0,515127 GRO 0,013759 0,068569 0,136446 C -0,015147 NA -0,997509
Nguồn: Kết quả tổng hợp bằng phần mềm Eviews (Phụ lục 13) Từ Bảng 4.7 và 4.13 cho thấy, các giả thiết H1, H2, H3, H6, H7 có giá trị P- value nhỏ hơn 0,05 nên các giả thiết trên được chấp nhận, còn giả thiết H4, H5 có giá trị P-value lớn hơn 0,05 nên giả thiết này bị bác bỏ. Đồng thời, các hệ số hồi quy chuẩn hóa cũng thể hiện mức độ tác động của các biến độc lập đến biến phụ thuộc theo thứ tự từ mạnh đến yếu là INF, Q, EPS, GRO, QINF.
4.4. Kiểm định sự vi phạm các giả thuyết hồi quy cổ điển: 4.4.1. Kiểm tra hiện tượng đa cộng tuyến: 4.4.1. Kiểm tra hiện tượng đa cộng tuyến:
Hiện tượng đa cộng tuyến là trạng thái mơ hình hồi quy có các biến độc lập tương quan chặt chẽ với nhau. Hiện tượng này làm cho mơ hình có những thơng tin rất giống nhau và khó tách rời ảnh hưởng của từng biến độc lập đến biến phụ thuộc. Vì vậy, tác giả tiến hành kiểm tra hiện tượng này với kết quả như sau:
Bảng 4.15. Kết quả kiểm tra hiện tượng đa cộng tuyến
Tên biến Hệ số biến thiên Hệ số phương sai
phóng đại VIF Q 6,25E-05 2,631544 INF 0,006870 7,551413 Q*INF 0,005636 8,016852 EPS 6,47E-13 1,333587 GRO 3,46E-05 1,061846 Nguồn: Kết quả tổng hợp bằng phần mềm Eviews (Phụ lục 14)
Để kiểm tra chắc chắn mơ hình có xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập, tác giả sử dụng hệ số phương sai phóng đại VIF. Giá trị VIF càng lớn thì biến càng cộng tuyến cao. Nếu hệ số VIF>10 thì mơ hình xảy ra hiện tượng đa cơng tuyến là kết qua nghiên cứu của Hồng Ngọc Nhậm và các cộng sự (2007). Do đó, cần loại bỏ biến số gây ra hiện tượng đa cộng tuyến hoặc thay thế bởi một biến khác tương đương.
Dựa vào Bảng 4.15 ta thấy các biến độc lập đều nhỏ hơn 10. Do đó, với hệ số phương sai phóng đại VIF, mơ hình khơng tồn tại hiện tượng đa cộng tuyến nghiêm trọng trong mơ hình.
4.4.2. Kiểm tra hiện tượng phương sai của sai số ngẫu nhiên thay đổi:
Phương sai của sai số ngẫu nhiên thay đổi khơng những làm mất đi tính chất khơng chệch và tính vững của các ước lượng OLS mà còn làm cho ước lượng đó khơng cịn là ước lượng hiệu quả nữa. Để kiểm tra hiện tượng phương sai của sai số ngẫu nhiên thay đổi trong mơ hình hồi quy, tác giả sử dụng phương pháp kiểm định White với giả thiết Ho là mơ hình khơng có phương sai sai số thay đổi. Kết quả được tóm tắt như sau:
Bảng 4.16. Tóm tắt kết quả kiểm định hiện tượng phương sai sai số thay đổi Tên các giá trị Hệ số Tên các giá trị Hệ số Giá trị thống kê F 0,226706 Obs*R-Square tức (n-p)*R2 4,364013 P-value. F (19,1190) 0,9998 P-value. Chi-Square (19) 0,9998
Nguồn: Kết quả tổng hợp bằng phần mềm Eviews (Phụ lục 15)
Từ Bảng 4.16 cho thấy giá trị P-value. Chi-Square (19) của Obs*R- Squarecó giá trị là 0,998 0,05 (mức ý nghĩa α=5%), chứng tỏ khơng có cơ sở bác bỏ giả thiết H0. Vì vậy, tác giả kết luận mơ hình hồi quy khơng xảy ra hiện tượng phương sai sai số ngẫu nhiên thay đổi.
4.4.3. Kiểm tra hiện tượng tự tương quan của các phần dư:
Hiện tượng tự tương quan là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian hoặc không gian. Phần dư của Pooled OLS cung cấp thơng tin hữu ích về khả năng có mặt của tương quan chuỗi trong sai số. Khi có hiện tượng tự tương quan, các ước lượng Pooled OLS vẫn là ước lượng tuyến tính, khơng chệch nhưng chúng khơng phải là ước lượng hiệu quả nữa. Ước lượng Pooled OLS bây giờ không phải là ước lượng tuyến tính khơng chệch tốt nữa. Kiểm định t và F khơng cịn tin cậy nữa.
Phương pháp kiểm tra hiện tượng tự tương quan giữa các phần dư hay tính độc lập của sai số là thơng qua kiểm định Breusch-Godfrey với giả thiết H0 là mơ hình hồi quy khơng có tự tương quan giữa các phần dư. Kết quả được tóm tắt như sau:
Bảng 4.17. Tóm tắt kết quả kiểm tra tự tương quan giữa các phần dư:
Tương quan bậc 1
Giá trị thống kê F 0,098389 P-value. F (1,1203) 0,7538 Obs*R-Square tức (n-p)*R2 0,098953 P-value. Chi-Square (1) 0,7531
Tương quan bậc 2
Giá trị thống kê F 0,261673 P-value. F (2,1202) 0,7698 Obs*R-Square tức (n-p)*R2 0,526600 P-value. Chi-Square (2) 0,7685
Nguồn: Kết quả xử lý số liệu bằng phần mềm Eviews (Phụ lục 16 và Phụ lục 17) Kết quả tương quan bậc 1 và bậc 2 ở bảng 10 cho thấy (n-p)R2= 0,098953 và 0,526600 với xác suất P-value. Chi-Square lần lượt là 0,7531; 0,7685. Các giá trị P-value đều lớn hơn mức ý nghĩa α= 0,05 nên chấp nhận giả thiết H0, tức là mơ hình khơng có hiện tượng tự tương quan giữa các phần dư.
Kết luận: Sau khi ước lượng hồi quy lần 1, ta thấy biến SIZE, LEV khơng
có ý nghĩa thống kê nên tác giả thực hiện kiểm định Wald biến SIZE, LEV và nhận thấy biến SIZE, LEV đưa vào mơ hình là khơng hợp lý. Sau khi loại biến SIZE, LEV, mơ hình khơng có phương sai của sai số ngẫu nhiên thay đổi, hiện tượng đa cộng tuyến được đánh giá là khơng nghiêm trọng, khơng có sự tự tương quan giữa các phần dư. Vì vậy, kết quả mơ hình hồi quy là đáng tin cậy.
4.5. Phân tích kết quả nghiên cứu:
Thông số được quan tâm là hệ số của Q*INF. Theo Bảng số 4.6 thì có sự nghịch biến của tích số Q*INF với CAPEX. Ta có thể kết luận khi lạm phát cao, tính thơng tin trong giá cả thấp hơn, dẫn đến độ nhạy cảm của đầu tư vào giá cổ phiếu thấp do tích số Q*INF đại diện cho tác động của lạm phát lên giá cổ phiếu của công ty. Và hệ số của Q*INF trong mơ hình cho thấy mối quan hệ của lạm phát và độ nhạy cảm của đầu tư với giá cổ phiếu.
Trên cơ sở dữ liệu tại Việt Nam từ năm 2009 – 2018, sau khi thực hiện các bước kiểm định và loại biến SIZE, LEV; kiểm định hiện tượng đa cộng tuyến, kiểm định hiện tượng phương sai của sai số thay đổi, kiểm định hiện tượng tự tương quan phần dư. Kết quả hồi quy cho thấy biến Q, INF và tích số Q*INF có tác động đến biến CAPEX.
Với mức ý nghĩa 5%, hệ số của biến Q dương (0,017) cho thấy biến Q có mối quan hệ cùng chiều với biến CAPEX. Với hệ số hồi quy là 0,017, tại mức ý nghĩa 5% cho thấy Tobin Q tác động tích cực đến chi tiêu vốn; Khi biến Tobin Q tăng 01 điểm với điều kiện các yếu tố khác khơng đổi thì biến Chi tiêu vốn tăng 0,017 điểm. Như vậy, kết quả hồi quy phù hợp với lý thuyết khi q>1 cho thấy cơng ty đang có cơ hội đầu tư tốt do đang được thị trường đánh giá cao và yếu tố này được kỳ vọng tác động tích cực và có ý nghĩa thống kê mạnh mẽ với cơng ty.
Với mức ý nghĩa 5%, hệ số của biến INF dương (0,196) cho thấy biến INF đang có quan hệ cùng chiều với biến CAPEX. Với hệ số hồi quy là 0,196, tại mức ý nghĩa 5% cho thấy lạm phát tác động tích cực đến chi tiêu vốn; Khi biến lạm phát tăng 01 điểm với điều kiện các yếu tố khác khơng đổi thì biến Chi tiêu vốn tăng 0,196 điểm. Tác giả nhận thấy trong tình trạng lạm phát tại Việt Nam từ 2009 – 2018, các nhà quản lý tin tưởng vào thị trường, kỳ vọng giá cả tăng mang tính thuận lợi và quyết định gia tăng đầu tư.
Với mức ý nghĩa 5%, hệ số của Q*INF âm (-0,169) thể hiện sự nghịch biến đối với chi tiêu vốn. Khi tích số Q*INF tăng 01 điểm trong điều kiện các yếu tố khác khơng đổi thì biến Chi tiêuvốn giảm 0,169. Lạm phát càng cao, càng gia tăng tích số Q*INF và Chi tiêu vốn càng giảm. Như vậy, tác giả nhận thấy rằng thị trường Việt Nam là thị trường mới nổi do còn nhiều bất cập về thông tin, lạm phát càng cao làm giảm đi lượng thông tin trong giá cổ phiếu khiến các nhà quản lý khơng có sự tin tưởng vào giá cổ phiếu để ra quyết định đầu tư. Do đó, độ nhạy cảm của đầu tư so với giá cổ phiếu có khuynh hướng giảm.
Đối với các biến kiểm sốt mang tính đặc thù của công ty, kết quả hồi quy