CHƯƠNG 3 : DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.3 Phương pháp hồi quy
3.3.1 Các mơ hình và phương trình hồi quy chính
Để trả lời 3 câu hỏi đầu, xem xét tác động của đa dạng giới trong BQT đến HQHĐ của doanh nghiệp trong phần mục tiêu nghiên cứu, tơi sử dụng phương trình hồi quy (1):
Firm_Performanceit = γ Board_Gender_Diversityit +
β1 Board_Charit + β2 Ownership_Charit + β3 Firm_Charit + αi + λt + εit
Và để trả lời cho câu hỏi thứ 4, xem xét tác động ngược lại của HQHĐ doanh nghiệp và đặc trưng sở hữu đến sự đa dạng giới trong BQT, tơi sử dụng phương trình hồi quy (2):
Board_Gender_Diversityit =γFirm_Performanceit+ β1Ownership_Charit + β2 Controlsit + αi + λt + εit
Các hồi quy xử lý dữ liệu bảng
i. Hồi quy gộp – POOLED OLS
Mơ hình này có nhược điểm là ước lượng OLS gộp không quan tâm đến cấu trúc mảng của dữ liệu mà chỉ đơn giản là đi ước lượng các hệ số và các quan sát là các dữ liệu thuần túy, sai số chuẩn thường có của phương pháp này thì khơng đúng và các kiểm định (t-, F-, z-, Wald-) dựa trên đó thì khơng có ý nghĩa. Sai số chuẩn phù hợp có thể được ước lượng bằng phương pháp cluster-robust.Kết quả là các hệ số bị lệch và mâu thuẫn với nhau vì biến bị bỏ qua sẽ có thể có tương quan với các biến hồi quy khác.Ràng buộc quá chặt về các đơn vị chéo, điều này khó xảy ra trong thực tế.Vì vậy, để khắc phúc các nhược điểm gặp phải ở mơ hình Pure Pooled OLS, mơ hình FEM và REM được sử dụng.
ii. Mơ hình tác động cố định – Fixed Effect model (FEM)
Khác với mơ hình Pooled OLS, mơ hình FEM quan tâm đến ảnh hưởng từ đặc điểm riêng của từng cơng ty cho nên phương trình tổng qt của mơ hình có dạng:
Với giả định mỗi thực thể đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, FEM phân tích mối tương quan này giữa phần dư của mỗi thực thể với các biến giải thích qua đó kiểm sốt và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực (net effects) của biến giải thích lên biến phụ thuộc. Điều kiện của mơ hình này là các biến Xit khơng được tương quan với αi.
iii. Mơ hình tác động ngẫu nhiên – Random Effect (REM)
Điểm khác biệt giữa mơ hình ảnh hưởng ngẫu nhiên và mơ hình ảnh hưởng cố địnhđược thể hiện ở sự biến động giữa các thực thể.Nếu sự biến động giữa các thực thể cótương quan đến biến độc lập – biến giải thích trong mơ hình ảnh hưởng cố định thì trongmơ hình ảnh hưởng ngẫu nhiên sự biến động giữa các thực thể được giả sử là ngẫu nhiênvà không tương quan đến các biến giải thích.Chính vì vậy, nếu sự khác biệt giữa các thựcthể có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM.Trong đó, phần dư của mỗi thực thể (khơng tương quan với biến giải thích) được xem là một biến giải thích mới.Ý tưởng cơ bản của mơ hình ảnh hưởng ngẫu nhiên cũng bắt đầutừ mơ hình (*). Tuy nhiên, trong REM, αi khơng cố định mà nó được giả định là một biến ngẫu nhiên với giá trị trung bình là α và giá trị hệ số chặn được mô tả như sau:
α i = α + εi
(εi là sai số ngẫu nhiên có phương sai bằng phương sai biến độc lập) Do đó mơ hình (*) trở thành:
Di,t = β1 Di,t-1 + β2 Xi,t + β3 Yi,t + α+ εit + εi (**)
Nhìn chung mơ hình FEM hay REM tốt hơn cho nghiên cứu phụ thuộc vào giả định có hay khơng sự tương quan giữa εi các biến giải , trong phần hồi quy nghiên cứu này sẽ lần lượt đi qua cả ba mơ hình là - pooled OLS, FEM và REM để chọn mơ hình thích hợp nhất.
3.3.2 Phương pháp xử lý nội sinh
Vì biến HQHĐ doanh nghiệp có thể tác động ngược lại biến đa dạng giới (các công ty đang phát triển tạo đà thúc đẩy thuê các giám đốc nữ nhiều hơn – theo nghiên cứu của Adams và Ferreira, 2009). Do đó tơi sử dụng 3 phương pháp phổ biến để xử lý nội sinh sau:
iv. Mơ hình FE với biến trễ của BQT (FE with lag board char)
Một trong những cách đơn giản nhất để xử lý nội sinh là lấy độ trễ của biến kiểm soát và biến độc lập để xem xét yếu tố thời gian có ảnh hưởng đến mơ hình hay khơng vì theo lý thuyết, việc xây dựng đội ngũ BQT cần thời gian để bắt đầu có hiệu quả. Do đó, để kiểm tra nội sinh, tơi sử dụng biến công cụ là lag 1 của biến kiểm soát, ở đây là Board Char.
v. Mơ hình hồi quy 2 giai đoạn – 2SLS (FE with IV)
Hồi quy 2 giai đoạn (2SLS) là một trong 3 phương pháp được sử dụng phổ biến để khắc phục được biến nội sinh.Sử dụng 2SLS sẽ làm khuếch đại các phương sai của ước lượng và làm giảm khả năng suy diễn cho ước lượng.Ở đây biến công cụ được lựa chọn là biến ngoại sinh, dựa trên mối quan hệ của biến độc lập (_women) với yếu tố ngành (ind_w và ind_b).
vi. Phương pháp moment tổng quát – GMM
GMM (Generalized Method of Moments) hồi quy 1 bước của Arellano Bond (1995) là tên chung của một họ phương pháp hồi quy/ước lượng để xác định các thơng số của mơ hình thống kê hoặc mơ hình kinh tế lượng. GMM được sử dụng để tìm các thơng số của mơ hình parametric và non – parametric, do đó, ngay cả trong trường hợp giả thiết nội sinh bị vi phạm, phương pháp này vẫn đưa ra các hệ số ước lượng vững, không chệch, phân phối chuẩn và hiệu quả. Biến công cụ được sử dụng trong mô hình là biến phụ thuộc với độ trễ là 1.
3.3.3 Quy trình hồi quy
i. Hồi quy phương trình (1) với bằng 3 mơ hình POOLED, FE và RE:
Biến phụ thuộc: ROA, ROE
Biến độc lập: _women
ii. Hồi quy phương trình (1) với mơ hình được chọn ở bước (i) và 3 mơ hình xử lý nội sinh
Biến phụ thuộc: ROA, ROE
Biến độc lập: _women
iii. Hồi quy phương trình (1) với mơ hình được chọn ở bước (i) và 2 mơ hình xử lý nội sinh (FE with lag board char và GMM) có xử lý phương sai thay đổi bằng robust1
Biến phụ thuộc: ROA, ROE
Biến độc lập: _women
iv. Hồi quy phương trình (1) với mơ hình tương tự bước (iv)
Biến phụ thuộc: ROA, ROE
Biến độc lập: _idp_w và exe_w
v. Hồi quy phương trình (1) với mơ hình tương tự bước (iv)
Biến phụ thuộc: ROA, ROE
Biến độc lập: chair_w
vi. Hồi quy phương trình (1) với mơ hình tương tự bước (iv)
Biến phụ thuộc: ROA, ROE
Biến độc lập: d_1_w, d_2_w và d_3_w
vii. Chia doanh nghiệp ra theo _legal và _state, sau đó hồi quy như bước iv
Biến phụ thuộc: ROA, ROE
Biến độc lập: _women
1 Mơ hình tồn tại hiện tượng phương sai thay đổi vẫn cho các hệ số ước lượng đáng tin cậy nhưng các sai số chuẩn của hệ số khơng cịn là nhỏ nhất, do đó các sai số chuẩn này kéo theo giá trị thông kê t, làm giảm hoặc mất đi ý nghĩa thống kê. Ý ngĩa của Robust standart errors (sai số chuẩn mạnh) là cởi bỏ ràng buộc “tối thiểu sai số” của phương trình và đưa các sai số này về giá trị thật của nó. Phương pháp thực hiện khi có mẫu đủ lớn.
4 loại doanh nghiệp: (1) có sở hữu nhà nước và khơng có sở hữu nước ngồi, (2) có sở hữu nước ngồi và khơng có sở hữu nhà nước, (3) có sở hữu nhà nước lẫn nước ngoài, (4) khơng có sở hữu nhà nước lẫn nước ngồi)
viii. Hồi quy phương trình (2) với mơ hình FE với 3 mức độ
Biến phụ thuộc: _women
Biến độc lập theo 3 mức độ:
i. chứa các biến kiểm soát, đồng thời thêm biến HQHĐ (ROA hoặc ROS – ký hiệu là l_p);
ii. chứa các biến từ phương trình (I), đồng thời thêm biến _women với độ trễ là 1 (L.women);
iii. chứa các biến trong phương trình (II), đồng thời thêm biến HQHĐ (ROA hoặc ROS) với độ trễ là 1 (L.l_p).