CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU VÀ MƠ HÌNH NGHIÊN CỨU
3.4 Phương pháp kiểm định và ước lượng
3.4.1 Nội dung phân tích dữ liệu
3.4.1.1 Thống kê mô tả biến định lượng trong mơ hình.
Trước hết tác giả thống kê biến độc lập để đưa vào mơ hình nghiên cứu, bao gồm: thống kê về giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất. Thực hiện kiểm tra giá trị của các biến trong mơ hình của các công ty trong giai đoạn 2007-2016
3.4.1.2 Phân tích ma trận tương quan giữa các biến trong mơ hình.
Để thực hiện phương pháp hồi quy trước tiên tác giả kiểm tra sự tương quan giữa các biến độc lập để chắc chắn giữa các biến độc lập không xảy ra hiện tượng đa cộng tuyến.
CORR :hệ số tương quan. CORR< 0,3: tương quan yếu.
0,3<CORR<0,6: Tương quan mạnh. 0,6<CORR<0,8: có thể đa cộng tuyến. 0,8<CORR: đa cộng tuyến nghiêm trọng.
Hậu quả của đa cộng tuyến là các biến bị đa cộng tuyến có thể bị mất đi ý nghĩa trong mơ hình hoặc có hệ số hồi quy bị trái dấu, đa cộng tuyến nghiêm trọng hơn sẽ không thể ước lượng được mơ hình. Vì vậy việc kiểm tra tương quan giữa các biến là rất cần thiết.
Bài này tác giả nghiên cứu chính sách chi trả cổ tức tác động đến chất lượng thu nhập. Sau khi đã kiểm định các hiện tượng vi phạm trong mơ hình, bước tiếp theo tác giả sử dụng phương pháp GMM (General Method of Moments). Tác giả sử dụng phương pháp bình phương bé nhất tổng quát khả thi (FGLS - Feasible Generalized Least Squares) để so sánh với phương pháp GMM.
3.4.2 Phương pháp kiểm định
Nhằm đảm bảo mơ hình ước lượng tin cậy, tác giả lần lượt kiểm định các giả thuyết định lượng. Nếu tồn tại các vi phạm giả thiết định lượng trong cỡ mẫu tác giả lựa chọn các phương pháp ước lượng kiểm soát các vi phạm giả thiết định lượng tương ứng nhằm đảm bảo ước lượng có tính chất BLUE (khơng chệch vững và hiệu quả).
3.4.2.1 Giả định phương sai của sai số khơng đổi:
Khi có hiện tượng phương sai thay đổi tức là phương sai của các phần dư là không phải hằng số, nghĩa là chúng cho ra các giá trị khác nhau ở các quan sát khác nhau. Vì vậy các phương sai khơng bằng nhau thì độ tin cậy tương đối của mỗi quan sát (dữ liệu) sẽ không bằng nhau. Điều này có nghĩa là giá trị của phương sai có mối quan hệ một số biến giải thích trong mơ hình.
Hậu quả của phương sai thay đổi sẽ dẫn đến: phương sai của các ước lượng OLS bị chệch nên các kiểm định t và F khơng cịn đáng tin cậy nữa, các ước lượng OLS vẫn là khơng chệch nhưng khơng cịn hiệu quả nữa (ước lượng có phương sai nhỏ nhất), kết quả dự báo không hiệu quả khi sử dụng các ước lượng OLS.
Trước khi hồi quy, tác giả sẽ xem xét lại đồ thị phần dư và dùng một số kiểm định Breusch-Pagan, White, Goldfeld-Quandt, Park trên OLS, phương pháp Greene (2000) trên dữ liệu bảng để kiểm tra xem mơ hình có hiện tượng phương sai thay đổi hay không?
Tự tương quan là hiện tượng có sự tương quan giữa các quan sát trong cùng bảng số liệu, hiện tượng này thường xảy ra trong dữ liệu chuỗi thời gian. Nguyên nhân của hiện tượng này là: do việc xử lý số liệu (phương pháp trung bình, làm trơn số liệu…); do việc nội suy số liệu; do lập mơ hình (bỏ sót biến, dạng hàm…)…
Hậu quả của sự tự tương quan đó là các hệ số hồi quy ước lượng khơng cịn tính BLUE, các ước lượng tính được bằng OLS khơng cịn là ước lượng hiệu quả.
Để kiểm tra hiện tượng tự tương quan trong mơ hình, tác giả sử dụng phương pháp kiểm định Durbin-Watson.
3.4.2.3 Giả định khơng có mối tương quan giữa các biến độc lập (không xảy ra hiện tượng đa cộng tuyến): ra hiện tượng đa cộng tuyến):
“Đa cộng tuyến ”là hiện tượng các biến độc lập trong mơ hình phụ thuộc tuyến tính lẫn nhau và thể hiện được dưới dạng hàm số.
Nguyên nhân của đa cộng tuyến: do phương pháp thu thập dữ liệu; do dạng hàm mơ hình (hồi quy dạng hàm đa thức, hồi quy mà số biến độc lập nhiều hơn số quan sát).
Hậu quả khi có hiện tượng đa cộng tuyến: khi dùng phương pháp ước lượng OLS, phương sai vẫn là nhỏ nhất nhưng giá trị lại khá lớn so với giá trị ước lượng; R2 cao nhưng tỷ số t ít có ý nghĩa; sai số chuẩn của các hệ số hồi qui sẽ lớn; các ước lượng và sai số chuẩn của ước lượng rất nhạy cảm với sự thay đổi của dữ liệu
Có nhiều cách để kiểm tra hiện tượng đa cộng tuyến nhưng trong bài này tác giả sử dụng hệ số khuếch đại phương sai (VIF), nếu VIF của một biến lớn hơn 10 thì tồn tại hiện tượng đa cộng tuyến giữa biến đó với các biến giải thích cịn lại.
3.4.3 Phương pháp ước lượng hồi quy
Bài này tác giả nghiên cứu chính sách chi trả cổ tức tác động đến chất lượng thu nhập. Bài này nghiên cứu này nghiên cứu tác động một chiều chính sách cổ tức tác động đến chất lượng thu nhập. Sau khi đã kiểm định các hiện tượng vi phạm
trong mơ hình, bước tiếp theo tác giả sử dụng phương pháp hồi quy mơ hình. Phương pháp chính được sử dụng cho bài nghiên cứu này là phương pháp GMM (General Method of Moments).
Tác giả chọn phương pháp GMM vì thứ nhất, phương pháp này là phương pháp tổng quát của rất nhiều phương pháp ước lượng phổ biến; khi các giả thiết về nội sinh, tự tương quan, phương sai thay đổi bị vi phạm, phương pháp GMM cho ra các hệ số ước lượng vững, không chệch, phân phối chuẩn và hiệu quả. Thứ hai, phương pháp GMM hệ thống do Arellano và Bover (1995), cũng được thiết kế để khắc phục hiệu ứng tác động cố định hàm chứa trong sai số của mô hình (do đặc điểm của các biến công ty nghiên cứu ít thay đổi theo thời gian như vị trí kinh doanh , ngành nghề, văn hóa cơng ty...có thể tương quan với các biến giải thích trong mơ hình) được phản ánh vào trong phần sai số, sẽ giảm dần theo thời gian (Roodman, 2006).
Ngoài ra, với cỡ mẫu nhiều công ty trong giai đoạn năm ngắn (2007-2016) phù hợp với tiêu chuẩn sử dụng mơ hình GMM.