CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.2 Mơ hình và giả thuyết nghiên cứu
3.2.7 Các phương pháp nghiên cứu định lượng
Mơ hình sử dụng trong nghiên cứu là mơ hình hồi quy tuyến tính bội. Mơ hình tuyến tính bội giả định rằng biến phụ thuộc có phân phối chuẩn với bất kì các kết hợp nào của các biến độc lập có trong mơ hình. Một giả định quan trọng của mơ hình hồi quy tuyến tính là khơng có biến giải thích nào có thể biểu thị dưới dạng tổ hợp tuyến tính với những biến giải thích cịn lại. Nếu tồn tại một quan hệ tuyến tính như vậy, khi đó xảy ra hiện tượng cộng tuyến.
+ Phân tích thống kê mơ tả: Dùng thống kê mô tả để mô tả những đặc trưng của mẫu nghiên cứu theo các dấu hiệu phân biệt được định sẵn, ở đây chủ yếu mô tả các nhân tố ảnh hưởng đến mức độ công bố thông tin.
+ Xây dựng mơ hình:
Xem xét ma trận hệ số tương quan
Bước đầu tiên khi tiến hành phân tích hồi quy tuyến tính bội là xem xét các mối tương quan tuyến tính giữa tất cả các biến. Trong mơ hình này tác giả xây dựng ma trận hệ số tương quan giữa tất cả các biến để xem xét tổng quát mối quan hệ giữa từng biến độc lập với biến phụ thuộc và chính giữa các biến độc lập với nhau.
Sử dụng SPSS xây dựng mơ hình.
+ Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội
Hệ số xác định R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng thêm biến độc lập vào mơ hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu (tức là tốt hơn). Như vậy R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trược hợp có hơn 1 biến giải thích trong mơ hình. Mơ hình thường khơng phù hợp với dữ liệu thực tế như giá trị R2 thể hiện. Trong tình huống này R2 hiệu chỉnh (Adjusted R square) từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ
biến được đưa vào mơ hình. So sánh 2 giá trị R2 và Adjusted R2 , nếu Adjusted R2 nhỏ hơn thì dùng nó đánh giá sự phù hợp của mơ hình sẽ an tồn hơn vì khơng bị thổi phồng mức độ phù hợp của mơ hình.
+ Kiểm định sự phù hợp của mơ hình
Kiểm định F trong bảng phân tích phương sai vẫn là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Khi chạy mơ hình từ SPSS đầu tiên cần xem xét giả thuyết Ho của kiểm định F có bị bác bỏ khơng. Nếu Sig, rất nhỏ thì mơ hình hồi quy tuyến tính bội của bài nghiên cứu phù hợp với tập dữ liệu và có thể sử dụng được.
+ Ý nghĩa các hệ số hồi quy riêng phần trong mơ hình
Ý nghĩa của hệ số hồi quy riêng từng phần là: đo lường sự thay đổi trong giá trị trung bình của Y khi X thay đổi 1 đơn vị, giữ các biến độc lập cịn lại khơng đổi. Hệ số chưa chuẩn hóa khơng cùng đơn vị nên khơng có tính chất so sánh.
Hệ số Beta: Khi nào các biến độc lập có cũng đơn vị đo lường thì mới so sánh trực tiếp với nhau. Để làm cho các hệ số hồi quy có thể so sánh trực tiếp với nhau là tính trọng số Beta (hệ số hồi quy chuẩn hóa). Trọng số hồi quy chuẩn hóa của biến độc lập nào càng lớn và có ý nghĩa thì biến đó có tác động mạnh vào biến phụ thuộc. Tuy nhiên khi so sánh các mẫu với nhau phải sử dụng trọng số hồi quy chưa chuẩn hóa vì trọng số hồi quy chuẩn hóa đã điều chỉnh cho biến thiên trong mẫu.
+ Đo lường đa cộng tuyến
Đa cộng tuyến xảy ra khi hai hay nhiều biến độc lập có mối tương quan cao. Hiện tượng đa cộng tuyến sẽ gây khó khăn trong việc phân biệt tác động của từng biến độc lập lên biến phụ thuộc. Một biện pháp dị tìm đa cộng tuyến cũng khá hiệu quả là xem xét các hệ số tương quan tuyến tính giữa các biến độc lập trong ma trận hệ số tương quan tuyến tính, nếu 1 biến có hệ số r lớn ở tất cả các biến cịn lại, nó thể hiện một mối tương quan mạnh với các biến độc lập cịn lại trong mơ hình. Ngồi ra nếu R2 có giá trị lớn (khoảng trên 0.8) và thống kê t thấp mà một vài hệ số hồi quy riêng lẻ khơng có ý nghĩa hoăc ngược dấu với lý thuyết hoặc cơ chế thông thường
cảu mối quan hệ giữa biến độc lập và biến phụ thuộc cũng là một dấu hiệu chỉ báo có thể của hiện tượng đa công tuyến.
Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF. VIF của một biến độc lập nào đó > 10 thì biến này hầu như khơng có giá trị giải thích biến thiên của Y trong mơ hình. Tuy nhiên trong thực tế, nếu VIF >2 thì cần cẩn thận trong diễn giải các trọng số hồi quy. VIF <2 sẽ khơng có hiện tượng đa cộng tuyến giữa các biến độc lập. Tương tự cũng có thể dùng Chỉ số độ chấp nhận (Tolerance) =1/VIF để kiểm tra hiện tượng đa cộng tuyến. Nếu Tolerance < 0.5 thì có dấu hiệu đa cộng tuyến.
TĨM TẮT CHƯƠNG 3
Chương 3 trình bày khung nghiên cứu và mơ hình giả thuyết nghiên cứu của bài luận văn. Thiết kế nghiên cứu nhằm giải quyết mục tiêu nghiên cứu và trả lời các câu hỏi nghiên cứu đặt ra ở phần mở đầu của đề tài.
Để đo lường mức độ CBTT bắt buộc trên BCTN tác giả sử dụng phương pháp chỉ số CBTT không trọng số để cho điểm 1 đối với mục được công bố và 0 đối với mục không được công bố dựa theo danh sách các chỉ mục CBTT bắt buộc trên BCTN được xây dựng ở chương 2.
Dựa vào lý thuyết nền, các mơ hình nghiên cứu trước đó tác giả xác định 7 nhân tố ảnh hưởng đến CBTT bắt buộc trên BCTN (trong nhiên cứu định lượng, chúng ta có thể suy diễn từ lý thuyết nền để đưa ra mơ hình nghiên cứu và các giả thuyết và dùng dữ liệu để kiểm định lại giả thuyết) và dùng phương pháp nghiên cứu định lượng để kiểm tra mức độ tác động của các nhân tố đến mức độ CBTT bắt buộc trên BCTN của các DNNY trên HNX.
Trong chương 3 tác giả cũng trình bày cách đo lường các biến trong mơ hình, mẫu nghiên cứu, cách thu thập và xử lý dữ liệu cũng như các các phương pháp định lượng sử dụng để cho ra kết quả nghiên cứu sẽ được trình bày trong chương 4 của đề tài này.