CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.2. Mơ hình nghiên cứu
Khi nghiên cứu về quyết định chi trả cổ tức, doanh nghiệp có hai sự lựa chọn, chi trả cổ tức hoặc không chi trả cổ tức. Ở Việt Nam, có nhiều cơng ty khơng chi trả cổ tức hoặc thậm chí có những cơng ty mặc dù có chi trả cổ tức nhưng không liên tục. Điều này dẫn đến việc biến phụ thuộc (tỷ lệ chi trả cổ tức) chỉ nhận được hai kết quả, hoặc bằng không hoặc bằng một số dương. Do đó, nếu ước lượng bằng OLS, kết quả sẽ bị chệch và không vững do E(u) khác khơng và có khả năng u có tương quan với các biến giải thích trong mơ hình, vi phạm giả thiết của OLS (Brooks, 2014). Vì vậy, mơ hình ước lượng phù hợp nhất trong trường hợp này là chạy mơ hình hồi quy Tobit. Mơ hình hồi quy về tỷ lệ chi trả cổ tức của một doanh nghiệp theo các biến giải thích trong mơ hình có dạng:
∗ = + + , | ~ (0, )
= y*it , if y*it ≥ 0. (Wooldridge, 2009)
Ở đây, tác giả tiến hành chạy mơ hình Tobit trên dữ liệu bảng vì một số lợi ích như gia tăng số lượng quan sát, tăng số bậc tự do. Theo Baltagi (1995) cho rằng dữ liệu bảng cung cấp nhiều thông tin hơn, nhiều sự biến động hơn, ít có sự đa cộng tuyến giữa các biến giải thích, nhiều bậc tự do hơn và hiệu quả hơn. Dữ liệu bảng hiệu quả hơn trong việc nhận diện và đo lường các tác động cố định mà không dễ dàng nhận thấy được trong dữ liệu chéo và dữ liệu chuỗi thời gian. Hơn thế nữa, nhiều biến số có thể được đo lường một cách chính xác dưới cấp độ vi mô và sự chệch xuất khỏi tổng thể có thể bị loại bỏ. Greene (1997) cho rằng lợi ích chính của hồi quy dữ liệu bảng là nó giúp người nghiên cứu đánh giá, phân tích sự khác biệt giữa các đối tượng đồng thời cũng nhấn mạnh rằng thông tin kết hợp giữa dữ liệu chéo và dữ liệu bảng có thể giúp loại bỏ đáng kể vấn đề về bỏ sót biến.
Tuy nhiên, việc chạy hồi quy Tobit trên dữ liệu bảng có một nhược điểm là không thể thực hiện việc kiểm định Hausman để lựa chọn mơ hình Fixed Effect hay Random Effect vì số biến độc lập (bao gồm cả biến giả) của hai mơ hình này khơng bằng nhau. Do khơng có kiểm định thống kê nào giúp lựa chọn mơ hình phù hợp nên việc dùng FEM trong trường hợp này là an tồn nhất vì nó kiểm sốt được các tác động cố định theo đối tượng (tránh hiện tượng bỏ sót biến).
Như vậy, để nghiên cứu các tác động của quy mơ, địn bẩy tài chính, cơ hội tăng trưởng, khả năng sinh lợi hiện hành, cổ tức quá khứ, tính thanh khoản, dịng tiền tự do, tỷ suất sinh lợi thị trường, ngành nghề ảnh hưởng như thế nào đến tỷ lệ chi trả cổ tức, tác giả đã sử dụng mơ hình hồi quy tobit trên dữ liệu bảng bằng cách sử dụng mơ hình tác động cố định theo ngành (Fixed effect tobit model) và kiểm tra tính vững của mơ hình (robustness test) bằng mơ hình tác động ngẫu nhiên (Random effect tobit model).
Div_to_salesit = β0 + β1d_sizeit + β2Leverageit + β3Asset_Growthit + β4Current_Profitit+ β5PastDividendit + β6Liquidityit + β7lnfcfit+ β8MARKET+
Trong phương trình này, chỉ số i được dùng để chỉ định đối tượng, chỉ số t được dùng để chỉ định thời gian.