3.3.1. Phương pháp ước lượng
Để giải quyết các mục tiêu nghiên cứu, tác giả áp dụng mơ hình nghiên cứu có dạng dữ liệu dạng bảng10, dạng dữ liệu này cho phép người thực hiện nghiên cứu có thể kiểm sốt các yếu tố khơng quan sát được, đó có thể là sự khác biệt giữa các đơn vị quan sát chéo nhưng lại không thay đổi theo trục thời gian (hiệu ứng cố định theo đơn vị chéo - Fixed Effects), hoặc có sự khác biệt theo trục thời gian nhưng không thay đổi giữa các đơn vị quan sát chéo. Việc sử dụng dữ liệu bảng sẽ làm giảm các thiên lệch về sai số trong ước lượng (Arellano & Bover, 1990), đặc biệt là khi thời gian nghiên cứu tương đối ngắn (Blundell & Bond, 1998). Hiện nay, các nghiên cứu định lượng thường sử dụng 3 phương pháp phổ biến trong hồi quy dữ liệu bảng: (1) Mơ hình hồi quy gộp (Pooled OLS); (2) Mơ hình ảnh hưởng cố định (Fixed Effects Model, FEM); và (3) Mơ hình ảnh hưởng ngẫu nhiên (Random Effects Model, REM). Tiếp sau đó, các nghiên cứu này sẽ sử dụng kiểm định F, kiểm định LM (Breusch-Pagan Lagrange Multiplier) và kiểm định Hausman để lựa chọn phương pháp ước lượng phù hợp11. Tuy nhiên, Getzmann & cộng sự (2010) đã chỉ ra một trong những điểm yếu từ các mơ hình Pooled OLS, FEM, REM là chưa khắc phục được hiện tượng nội sinh tiềm ẩn12. Với đặc thù của mơ hình ước lượng động, sự xuất hiện biến giải thích là biến trễ
10 Dữ liệu dạng bảng là sự kết hợp giữa dữ liệu chuỗi thời gian và dữ liệu chéo (không gian). Dữ liệu chéo có thể là cá nhân, cơng ty, tiểu bang, quốc gia. Trong đề tài này, dữ liệu chéo là cơng ty. Do đó, tác giả sử dụng thuật ngữ “công ty” đại diện cho các đơn vị vi mô trong dữ liệu chéo.
11 Kiểm định F được sử dụng để lựa chọn giữa Pooled OLS và FEM; kiểm định LM để lựa chọn giữa Pooled OLS và REM; và kiểm định Hausman để lựa chọn giữa FEM và REM.
12 Hiện tượng nội sinh (endogeneity) xảy ra khi giả thiết về sự không tương quan giữa sai số (phần dư) và các biến giải thích bị vi phạm. Các nguyên nhân chủ yếu gây ra hiện tượng nội sinh bao gồm: (1) Do việc bỏ sót biến; (2) Do mối quan hệ đồng thời giữa biến phụ thuộc và biến giải thích; (3) Do sai số hệ thống trong việc đo lường biến; và (4) Do biến trễ của biến phụ thuộc xuất hiện trong mơ hình như một biến giải thích và mơ hình bị tương quan với bậc tương ứng.
của biến phụ thuộc được xem là một trong những nguyên nhân trọng tâm dẫn đến hiện tượng nội sinh và mơ hình bị tương quan với bậc tương ứng.
Đối với nghiên cứu này, các biến độc lập liên quan đến dịng tiền được xem là biến giải thích trọng tâm và việc kiểm định nội sinh của các biến này là cần thiết nhằm nâng cao mức độ tin cậy trong kết quả ước lượng cuối cùng. Trên nền tảng đề xuất của Davidson và MacKinnon (1993), tác giả kiểm tra hiện tượng nội sinh của biến độc lập bằng phương pháp hồi quy tăng cường, kết quả của phương pháp này được thông qua kiểm định Durbin-Wu-Hausman (DWH) với giả thuyết H0 là biến cần kiểm định ngoại sinh. Ý tưởng của phương pháp này được hiểu rằng phần dư của biến cần kiểm định nội sinh sẽ được trích xuất từ mơ hình hồi quy theo phương pháp OLS của biến đó với các biến độc lập ngoại sinh trong mơ hình gốc và các biến độc lập ngoại sinh khác ngồi mơ hình. Sau đó, lấy phần dư đã trích xuất đưa thêm vào mơ hình gốc ban đầu để thực hiện hồi quy OLS, nếu như hệ số hồi quy của biến phần dư có ý nghĩa thống kê, nghĩa là kết quả ước lượng theo phương pháp OLS bị chệch và biến cần kiểm định đang gặp phải tình trạng nội sinh.
Với các lập luận trên, đối với mơ hình nghiên cứu áp dụng cho dạng dữ liệu bảng động (Dynamic Panel Data - DPD) của tác giả, phương pháp ước lượng GMM hệ thống do Arellano và Bover (1995), Blundell và Bond (1998) đề xuất sẽ được áp dụng. Phương pháp ước lượng GMM hệ thống sử dụng giả định sai phân bậc một của các biến công vụ (Instrumental Variables - IVs) không tương quan với các hiệu ứng cố định và do đó có thể tạo ra nhiều IVs hơn, cải thiện được tính hiệu quả của mơ hình (Arellano & Bond, 1998; Wooldrigde, 2002; Antoniou & cộng sự, 2008; Huang & Ritter, 2009; Oztekin & Flannery, 2012). Khi đó, GMM hệ thống sẽ thực hiện hai phương trình hồi quy: (1) Phương trình hồi quy gốc; và (2) Phương trình hồi quy đã sử dụng chuyển đổi biến sai phân. Sau đó, GMM hệ thống sử dụng kết hợp các điều kiện về tham số cần ước lượng (moment conditions) của cả mơ hình sai phân bậc một (đặc điểm của D.GMM) và của mơ hình ban đầu (level). Song song đó, các kiểm định Sargan/Hansen
nhằm kiểm định sự ngoại sinh của biến công cụ, kiểm định Arellano-Bond nhằm kiểm định sự tự tương quan trong phần dư của ước lượng, kiểm định Wald nhằm kiểm định sự khác biệt giữa hai hệ số góc được áp dụng để đảm bảo tính vững, tính hiệu quả và tính khơng chệch của mơ hình nghiên cứu. Cuối cùng, để khắc phục các sai lệch tiềm tàng có thể có do kích thước mẫu nhỏ gây ra, nghiên cứu sử dụng kỹ thuật hiệu chỉnh mẫu nhỏ do Windmeijer (2005) đề xuất nhằm tăng mức độ tin cậy của kết quả nghiên cứu.
3.3.2. Cách thức thực hiện
Cách thức thực hiện các kỹ thuật kinh tế lượng được tác giả hệ thống thơng qua lưu đồ hình 3.1:
Hình 3.1.
Lưu đồ cách thức thực hiện kỹ thuật kinh tế lượng
Nguồn: Thiết kế của tác giả
Thống kê mơ tả các biến
Phân tích các tiêu chí thống kê cơ bản
Phát hiện đa cộng tuyến
Đề xuất giải pháp khắc phục Sử dụng phương pháp ước lượng GMM hệ thống
Kết quả nghiên cứu Phân tích tương quan các biến
Xác định hiện tượng nội sinh tiềm ẩn trong mơ hình
CHƯƠNG 4
KẾT QUẢ VÀ THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
Trong chương này, tác giả sẽ trình bày các nội dung: (i) Thống kê mơ tả; (ii) Phân tích tương quan các biến; và (iii) Kết quả và thảo luận kết quả nghiên cứu.