CHƢƠNG 3 DỮ LIỆU VÀ PHƢƠNG PHÁP NGHIÊN CỨU
3.4 Phương pháp ước lượng
3.4.1 Thống kê mô tả
Tác giả trình bày thống kê mơ tả cho tất cả các biến trong mơ hình nhằm mơ tả lại các đặc tính cũng như đưa ra những nhận định ban đầu về dữ liệu nghiên cứu.
3.4.2 Phƣơng pháp ƣớc lƣợng hồi quy
3.4.2.1 Mơ hình hồi quy Pooled OLS
Mơ hình hồi quy của phương pháp ước lượng OLS được trình bày như sau:
= + + + … + + Trong đó: i= 1, 2, 3…, n; t= 1, 2, 3…, T
Phương pháp OLS là phương pháp được dùng rất phổ biến trong lĩnh vực kinh tế lượng.Tuy nhiên, khi nghiên cứu về chuỗi dữ liệu thời gian, có nhiều chuỗi vi phạm một hoặc một số giả định của OLS. Khi đó, các ước lượng thu được sẽ bị bóp méo và sẽ là sai lầm nếu sử dụng chúng để phân tích. Một trong những dạng vi phạm giả định phổ biến nhất là hiện tượng ngoại sinh tức là hệ số ước lượng (hoặc biến) tương quan với phần dư.
3.4.2.2 Mơ hình hiệu ứng cố định Fixed Effect Model (FEM)
Mơ hình hiệu ứng cố định khơng bỏ qua các ảnh hưởng theo chuỗi thời gian và đơn vị chéo.Mơ hình này là một dạng mở rộng của mơ hình hồi quy tuyến tính cổ điển:
= + + +
Trong đó, = + .Sai số của mơ hình hồi quy tuyến tính cổ điển được tách làm hai phần. Thành phần địa diện cho các yếu tố không quan sát được khác nhau giữa các đối tượng nhưng không thay đổi theo thời gian, đại diện cho những yếu tố không quan sát được khác nhau giữa các đối tượng và thay đổi theo thời gian.
3.4.2.3 Mơ hình hiệu ứng ngẫu nhiên Random Effect Model (REM)
Nếu sự biến động giữa các đơn vị có liên quan đến biến độc lập trong mơ hình hiệu ứng cố định thì trong mơ hình hiệu ứng ngẫu nhiên, sự biến động của các đơn vị được giả sử là ngẫu nhiên và khơng tương quan với các biến giải thích, khi số liệu theo chuỗi thời gian lớn và mẫu lớn thì mơ hình hiệu ứng ngẫu nhiên và mơ hình hiệu ứng cố định khơng khác biệt nhiều.Nhưng nếu sự khác biệt giữa các đơn vị có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn FEM.
Mơ hình được trình bày như sau:
= + +
Trong đó = + , với không tương quan với bất kỳ biến nào trong mơ hình.
3.4.2.4 Mơ hình hồi quy Generalized method of moments (GMM)
Mơ hình hồi quy Generalized method of moments GMM được Lars Peter Hansen trình bày lần đầu tiên vào năm 1982 trong bài viết “Large Sample Properties of Generalized Methods of Moments Estimators”.
Một cách tổng quan, GMM là phương pháp tổng quát của rất nhiều phương pháp ước lượng phổ biến như REM, 2SLS....Có thể nói OLS hay Maximum Likelihood… chỉ đơn thuần là dạng phương trình đặc biệt của GMM vì GMM thực hiện rất ít giả định và nhiều nhà nghiên cứu cho rằng phương pháp này là “ánh sáng trong đường hầm tối” với các nhà nghiên cứu định lượng.
Mơ hình ước lượng GMM sẽ khắc phục những nhược điểm của mơ hình ước lượng OLS, REM, FEM gặp phải, bao gồm vấn đề phương sai thay đổi, tự tương quan, vấn đề nội sinh.Phương pháp này sẽ cho ra các hệ số ước lượng vững, không chệch và hiệu quả.
Trong đó: i là quan sát thứ i, yi là biến phụ thuộc, xi là biến độc lập, i là phần dư của mơ hình. Khi đó hệ số ước lượng sẽ được xác định như sau:
̂
Trong đó x, y, là các ma trận cột 𝑛 × 1.Nếu x và khơng tương quan với nhau thì ̂ước lượng được là vững và không chệch.Tuy nhiên nếu điều ngược lại xảy ra, hệ số ước lượng sẽ bị chệch và không vững, mơ hình khơng cịn hiệu quả, tác động của biến x lên biến y bị bóp méo.
Một biến cơng cụ z, tương quan với biến giải thích x nhưng không tương quan với phần dư sẽ được đưa vào mơ hình, phương pháp hồi quy IV sử dụng biến giả đó để xác định hệ số ước lượng như sau:
̂
Vì biến z khơng tương quan với nên hệ số ước lượng là vững và không
chệch.Phương pháp này có thể tổng qt lên với một mơ hình nhiều biến.Gọi X là ma trận 𝑛 × 𝐾 các biến giải thích, Z là ma trận 𝑛 × 𝐿 các biến công cụ với K là số lượng biến giải thích, L là số lượng biến cơng cụ và n là số quan sát của mỗi biến. Khi đó phương pháp IV có thể được dùng để ước lượng mơ hình và hệ số ước lượng sẽ được xác định như sau:
= ( ′ )-1 ′
Trong tất cả các phương pháp hồi quy dựa trên nền tảng của hồi quy IV thì phương pháp GMM là phương pháp hiệu quả, ưu việt hơn cả nên cũng khá phức tạp.GMM được Lars Peter Hansen trình bày lần đầu tiên vào năm 1982 trong bài viết “Large Sample Properties of Generalized Methods of Moments Estimators” được đăng trong Econometrica, Vol. 50, page 1029-1054.
Để ước lượng được hệ số β, chúng ta cần một bộ L vector các biến công cụ (trong ước lượng GMM còn được gọi là các điều kiện moment) và số lượng biến cơng cụ phải khơng ít hơn số biến trong mơ hình (𝐿 ≥ 𝐾). Điều kiện để một biến được chọn là biến cơng cụ là nó khơng được tương quan với phần dư, điều này có nghĩa là:
( t ut ( )) = 0
Ý tưởng chủ đạo của phương pháp GMM là thay thế giá trị các biến công cụ bằng giá trị trung bình của mẫu:
( t ut ( )) = ∑ = = 0
Khi số lượng điều kiện moment lớn hơn số biến trong mơ hình (𝐿 > 𝐾) thì
phương trình khơng thể xác định một nghiệm chính xác duy nhất (có nhiều nghiệm có thể thõa mãn phương trình).Khi đó mơ hình được gọi là overidentified.Trong trường hợp đó cần phải thực hiện tính tốn lại nhằm xác định giá trị β làm cho điều kiện moment ( t ut ( )) “gần” bằng 0 nhất có thể, khái niệm “gần” được hiểu là khoảng cách với giá trị 0 là nhỏ nhất, khoảng cách đó được xác định như sau:
( ̂ ) ̂
Ma trận ngẫu nhiên, cân xứng và không âm (kích thước L x L) được gọi là ma trận trọng số vì nó thể hiện mức đóng góp của các điều kiện moment khác nhau vào
khoảng cách J. Phương pháp ước lượng GMM sẽ xác định giá trị ước lượng β để khoảng cách là J là nhỏ nhất.
Kiểm định quan trọng nhất của phương pháp ước lượng GMM là kiểm định Overidentifying Restrictions (Overidentifying Restrictions Test) hay còn gọi là kiểm định Sargent (Sargent Test) hoặc kiểm định J (J – Test).Đây là kiểm định cần thiết trong trường hợp số biến cơng cụ nhiều hơn số biến trong mơ hình.Ý tưởng của kiểm định là xem xét biến cơng cụ có tương quan với phần dư của mơ hình khơng.Nếu câu trả lời là khơng, khi đó biến cơng cụ là nội sinh, thì biến cơng cụ được chọn là phù hợp và mơ hình sử dụng biến đó để ước lượng cũng phù hợp.Kiểm định Sargent sử dụng thống kê J (J – statistic) nhằm kiểm định giả thiết H0 - biến cơng cụ là nội sinh, mơ hình phù hợp.
Khi số lượng mẫu phù hợp giá trị β ước lượng được sẽ vững, khi đó giá trị ước lượng được sẽ càng gần với giá trị thực của nó.Ước lượng GMM sẽ cho ra các giá trị ước lượng tuân theo phân phối chuẩn, đây là thuộc tính rất quan trọng vì đó là cơ sở để chúng ta xây dựng giá trị dự đoán ở các độ tin cậy (confidence bands) và thực hiện các kiểm định khác.Phương pháp GMM cũng cho ra kết quả là các giá trị ước lượng hiệu quả, nghĩa là giá trị phương sai trong mơ hình ước lượng là nhỏ nhất.Tóm lại, phương pháp GMM cho ra các hệ số ước lượng vững, phân phối chuẩn và hiệu quả.
GMM là phương pháp tổng quát của rất nhiều phương pháp ước lượng phổ biến:
OLS là trường hợp đặc biệt của GMM khi mà các biến cơng cụ cũng chính là các biến ước lượng (các biến là nội sinh):
[ ]
GLS (Generalized Least Squares) là trường hợp đặc biệt của GMM khi:
MLE (Maximum Likelihood Estimation) là trường hợp đặc biệt của GMM khi:
[ ]
3.4.3 Các phƣơng pháp kiểm định
3.4.3.1 Kiểm định Sargan (Kiểm định Hansen)
Kiểm định Sargan xác định tính chất phù hợp của các biến cơng cụ trong mơ hình GMM.Đây là kiểm định giới hạn về nội sinh (over-identifying restrictions) của mơ hình.Vì thế, giá trị p của thống kê Sargan càng lớn càng tốt.
3.4.3.2 Kiểm định Arellano-Bond
Cũng như kiểm định Sargan dùng để đánh giá tính hợp lý của phương pháp GMM, kiểm định Arellano-Bond về tự tương quan có giả thuyết H0: khơng có tự tương quan và được áp dụng cho số dư sai phân.Kiểm định tiến trình AR (1) trong sai phân bậc 1 thường bác bỏ giả thuyết H0. Nguyên nhân là do và
, cả hai đều có .Vì vậy, kiểm định AR (2) quan trọng hơn vì nó kiểm tra tự tương quan ở các cấp độ.
3.4.3.3 Kiểm định đa cộng tuyến
Tác giả kiểm định đa công tuyến bằng việc xem xét ma trân hệ số tương quan và xem xét hệ số khuếch đại phương sai VIF.Cơng thức VIF được tính như sau:
Trong đó hệ số tương quan giữa biến i và biến j.Nếu VIF <10 ta có thể kết luận mơ hình khơng có đa cơng tuyến.
Tác giả kiểm định phương sai thay đổi bằng phương pháp kiểm định BP (Breusch-Pagan).Kiểm định này tiến hành hồi quy phương sai của các quan sát theo các biến độc lập của mơ hình gốc, nếu tồn tại tương quan có ý nghĩa thống kê của phương sai với các biến độc lập thì mơ hình hồi quy có hiện tượng phương sai thay đổi.
3.4.3.5 Kiểm định hiện tượng tự tương quan
Hiện tượng tự tương quan có thể làm sai lệch kết quả hồi quy.Để kiểm tra hiện tượng tự tương quan, tác giả sử dụng kiểm định Wooldridge Test.
CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU 4.1 Thống kê mô tả 4.1 Thống kê mô tả
4.1.1 Phân tích thống kê mơ tả các biến
Bảng 4.1Bảng thống kê mô tả biến Bảng 4.1A. Thống kê mơ tả cho tồn bộ mẫu Bảng 4.1A. Thống kê mơ tả cho tồn bộ mẫu
Biến Số quan sát Trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất 𝑂 2224 0.14367 0.10913 0 0.63987 𝑂 2224 0.15190 0.12752 0 0.66480 | | 2224 0.34350 0.14283 0.00037 0.79242 | | 2224 0.34652 0.17865 0.000077 0.56492 𝑂 1977 0.11568 0.14287 0 0.5125 𝑂 1977 0.02753 0.05082 0 0.49 𝑂 1977 0.15169 0.19165 0 0.9619 𝑂 1977 0.03450 0.08669 0 0.8448 1977 25.83345 1.66819 22.05827 32.4836 𝑃 1977 9.35503 0.67181 7.43511 11.57746 𝑂 1977 0.1696835 0.0967826 0 0.8181818 𝑀 1968 82.25818 532.0266 0 20093.43
Bảng 4.1B. Giá trị trung bình năm của phƣơng pháp đo lƣờng giá khơng hiệu quả và biến sở hữu
Nguồn: Tính tốn của tác giả bằng Stata 13
Năm 𝑂 𝑂 | | | | 𝑂 𝑂 𝑂 𝑂 2008 0.11325 0.09369 0.33388 0.66334 0.10941 0.04095 0.16998 0.02876 2009 0.13828 0.13661 0.34507 0.61709 0.09876 0.03308 0.16178 0.02942 2010 0.14760 0.16424 0.34715 0.64081 0.10517 0.02708 0.14786 0.04205 2011 0.14542 0.15271 0.34492 0.70402 0.10705 0.02047 0.15238 0.03920 2012 0.13018 0.15455 0.37035 0.73266 0.11252 0.02078 0.16134 0.03200 2013 0.15677 0.16110 0.36465 0.73479 0.12466 0.02176 0.15868 0.03518 2014 0.14185 0.15741 0.36646 0.69707 0.13178 0.03056 0.13722 0.03579 2015 0.16071 0.17473 0.37328 0.70821 0.13489 0.02545 0.12487 0.03375 2016 0.15949 0.17265 0.37033 0.74226 0.11013 0.07013 0.13441 0.05735
Bảng 4.1A thể hiện thống kê mơ tả cho tồn bộ mẫu.Mức sở hữu trung bình của các nhà đầu tư nước ngồi và các nhà đầu tư trong nước là 0.116 và 0.152, tương ứng với độ lệch chuẩn là 0.143 và 0.192.Điều này cho thấy rằng đa số các doanh nghiệp hầu hết là sở hữu trong nước chiếm tỷ trọng lớn.Sự thay đổi tuyệt đối trung bình trong sở hữu trong nước là 0.0345, thấp hơn sự thay đổi tuyệt đối trung bình trong sở hữu nước ngoài.Sự thay đổi trong quyền sở hữu nước ngoài khá thấp 0.0323 và thấp nhất là 0.0205 vào năm 2011.Thống kê này cho thấy trong giai đoạn 2008-2016, khơng có biến động lớn trong sở hữu của nhà đầu tư nước ngoài.
Đối với biến quy mơ cơng ty SIZE, giá trị trung bình và độ lệch chuẩn lần lượt là 25.83 và 1.67, dao động trong khoảng từ 22.06 đến 32.48 .Điều này cho thấy, quy mơ doanh nghiệp tại Việt Nam khơng có sự chênh lệch q lớn, khá đồng đều.
Đại diện cho tính kém thanh khoản là hai biến ZEROS và AMIHUD.Giá trị trung bình của biến ZEROS và AMIHUD tương ứng là 0.170 và 82.26.Biến AMIHUD có sự chênh lệch lớn, ngun nhân có thể là do tính thanh khoản của các doanh nghiệp khơng đồng đều, có những doanh nghiệp chưa thực sự minh bạch trong việc công bố thông tin trên thị trường chứng khoán dẫn đến sự đầu tư khác nhau rõ rệt của các nhà đầu tư nước ngoài.
Cuối cùng là 2 biến đại diện cho phương pháp đo lường giá khơng hiệu quả.Biến AUTOD có giá trị dao động từ 0 đến 0.64, trung bình là 0.144, tương ứng với độ lệch chuẩn 0.109.Biến AUTOW cũng có độ biến động trong khoảng từ giá trị 0 đến 0.66 với giá trị trung bình của cỡ mẫu là 0.151 và độ lệch chuẩn là 0.128.Dữ liệu dao động ổn định, giá trị độ lệch chuẩn nhỏ hơn giá trị trung bình.Sự tương đồng giữa hai biến AUTOD và AUTOW cho thấy thị trường chứng khốn ít chịu ảnh hưởng của hiệu ứng đầu tuần.Biến | | và | | có giá trị trung bình lần lượt là 0.343 và 0.347.
Bảng 4.1B cho thấy giá trị trung bình hàng năm của biến sở hữu tổ chức và phương pháp đo lường giá khơng hiệu quả. Mặc dù có sự khác nhau đáng kể giữa các năm, nhưng nhìn chung là cả mức độ và sự thay đổi trong sở hữu nước ngoài tăng theo thời gian, hiệu quả giá cả được cải thiện qua từng năm.Chúng ta có thể thấy vào năm 2015 thì sở hữu nước ngoài cao nhất là 0.134.
Bảng 4.2: Ma trận hệ số tƣơng quan
Nguồn: Tính tốn của tác giả bằng Stata 13
𝑂 𝑂 | | | | 𝑂 𝑂 𝑂 𝑂 𝑃 𝑂 𝑀 𝑂 1.0000 𝑂 0.3327 1.0000 | | -0.0114 0.0328 1.0000 | | -0.0127 0.0140 0.4853 1.0000 𝑂 -0.0652 -0.0236 0.0022 -0.0177 1.0000 𝑂 -0.0297 -0.0505 -0.0713 -0.0189 0.3039 1.0000 𝑂 0.0259 0.0631 0.0561 -0.0192 -0.0420 0.0063 1.0000 𝑂 -0.0235 -0.0014 0.0409 -0.0139 0.0101 0.0005 0.1779 1.0000 -0.0981 -0.1022 -0.1068 -0.1491 0.5124 0.1513 0.0204 0.0122 1.0000 𝑃 0.0368 0.0120 -0.0009 -0.0118 0.3133 0.0900 -0.0333 -0.0305 0.5517 1.0000 𝑂 0.0417 0.0644 0.0881 0.1197 0.0573 -0.0730 -0.0088 0.044 0.0166 -0.1791 1.0000 𝑀 0.0016 0.0084 0.0416 0.0427 0.0089 -0.0043 -0.0301 -0.0146 -0.0328 0.0157 0.0241 1.0000
Ma trận hệ số tương quan giữa các biến nghiên cứu trong mô hình được trình bày trong bảng 4.2.Bảng này cho thấy biến sở hữu nước ngoài tương quan âm biến phương pháp đo lường giá không hiệu quả.Điều này cho thấy, sở hữu nước ngồi càng cao thì hiệu quả thơng tin của giá chứng khốn càng cao, phù hơp với già thuyết ở phần đầu.
4.2 Kết quả hồi quy
4.2.1 Phân tích đơn biến tác động của nhà đầu tƣ nƣớc ngồi đến hiệu quả thơng tin giá cổ phiếu
Trước hết, tác giả khảo sát mối quan hệ giữa hai biến giữa sở hữu nước ngoài và hiệu quả thông tin giá cổ phiếu.Mỗi năm, mẫu sẽ được phân loại thành 4 nhóm dựa trên quy mơ doanh nghiệp, sau đó lại được chia thành 4 nhóm dựa trên sở hữu nước ngồi.Giá trị trung bình của các biến được thể hiện cho mỗi nhóm theo quy mơ và sở hữu nước ngồi được trình bày ở bảng 4.3.
Kết quả trong bảng 4.3 cho thấy có sự tương quan giữa quy mô công ty và sở hữu nước ngồi.Thêm vào đó, mức độ cũng như sự thay đổi sở hữu nước ngoài tương quan âm với các phương pháp đo lường giá không hiệu quả.Bằng chứng này phù hợp với giả thuyết rằng các nhà đầu tư nước ngoài cải thiện hiệu quả thông tin của giá chứng khốn.
SIZE 1 (quy mơ lớn nhất) FIO 𝑂 𝑂 | | | | 𝑂 𝑂 𝑂 𝑂 𝑃 𝑂 𝑀 1 1.1 0.13291 0.14712 0.37415 0.77432 0.43583 0.03932 0.12487 0.03418 28.13499 10.01058 0.16388 32.62308 2 2.1 0.13860 0.14539 0.33184 0.69087 0.29582 0.06520 0.13536 0.03132 28.02631 9.93007 0.16178 176.38460 3 3.1 0.11663 0.11631 0.27411 0.38171 0.18415 0.04386 0.15849 0.04143 28.50923 9.69131 0.15955 72.98055 4 4.1 0.13836 0.13435 0.43828 0.66952 0.07014 0.03538 0.25059 0.04895 27.51950 9.41248 0.17785 9.81024 SIZE 2 FIO 𝑂 𝑂 | | | | 𝑂 𝑂 𝑂 𝑂 𝑃 𝑂 𝑀 1 1.2 0.15772 0.15089 0.40684 0.65702 0.15336 0.04543 0.27939 0.07353 26.20760 9.60357 0.18401 82.62012 2 2.2 0.12554 0.14901 0.29141 0.60056 0.09565 0.04475 0.11513 0.03328 26.25955 9.34068 0.17854 39.67452 3 3.2 0.14846 0.15428 0.31840 0.61977 0.09606 0.02557 0.11242 0.01924 26.21162 9.65236 0.17732 115.93730 4 4.2 0.12002 0.12246 0.38183 0.81056 0.10110 0.03926 0.04385 0.00928 26.09891 9.29988 0.18104 108.33610