3.2 Mô tả các biến, mơ hình nghiên cứu và kì vọng mối tương quan
3.3.3 Phương pháp ước lượng và mơ hình kiểm định
Để nghiên cứu mối quan hệ tương quan giữa rủi ro đạo đức đến hạn chế tài chính và chi phí sử dụng vốn cổ phần tác giả tiến hành hồi qui hai mơ hình (1) và (2) trên mẫu dữ dạng bảng gồm 1316 quan sát bằng phần mềm Stata. Tác giả tiến hành kiểm định bằng phương pháp hồi quy cổ điển OLS, FEM (mơ hình biến động cố định), REM (mơ hình biến động ngẫu nhiên) sau đó tiến hành kiểm định Hausman- Test, F- Test, Wordwise - Test để lựa chọn được phương pháp hồi quy tốt nhất.
Tác giả tiến hành các bước thực hiện như sau:
Bước 1: Tác giả tiến hành thực hiện hồi quy bộ dữ liệu theo mơ hình OLS.
Bước 2: Tác giả tiến hành hồi quy bộ dữ liệu theo hai phương pháp FEM và REM nhằm khắc phục hiện tượng phương sai thay đổi từ phương pháp hồi quy OLS .
Bước 3: Tác giả tiến hành kiểm định so sánh sự phù hợp và chọn ra mơ hình tốt nhất trong ba mơ hình OLS, FEM, REM. Để lựa chọn mơ hình tốt nhất tác giả tiến hành kiểm tra theo từng cặp
OLS- FEM: bằng kiểm định F- Test
FEM - REM: bằng kiểm định Hausman Test
OLS – REM: bằng kiểm định Wordwise - Test
Sau khi lựa chọn mơ hình phù hợp nhất, tác giả lại tiếp tụcthực hiện kiểm định hiện tượng phương sai thay đổi bằng kiểm định Wald- Test và tự tương quan bậc nhất bằng kiểm định Wooldridge – Test của mơ hình vừa chọn được.
Bước 4: Khi có hiện tượng phương sai sai số thay đổi hoặc tự tương quan bậc nhất, tác giả thực hiện hồi quy mơ hình theo phương pháp FGLS (Feasible Generalized least square) nhằm khắc phục vi phạm này (Greene, 2012)
Lý do tác giả lựa chọn hướng nghiên cứu nêu trên.
Dữ liệu dạng bảng nhằm: giải thích mối quan hệ giữa một biến phụ thuộc Y,
theo một hay nhiều biến giải thích X1, X2 , …, Xk.
- Dữ liệu bảng cho các kết quả ước lượng các của tham số trong mơ hình tin cậy hơn
- Dữ liệu dạng bảng giúp kiểm sốt những nhân tố khơng quan sát được. Các nhân tố này có thể cố định hoặc thay đổi theo thời gian. Điều này sẽ rất cần thiết để hạn chế sự thiên chệch trong mơ hình.
- Thông thường, đối với dữ liệu dạng bảng sẽ có nhiều sự biến động trong dữ liệu hơn so với dữ liệu chéo hoặc dữ liệu chuỗi thời gian. Những biến động của biến giải thích càng nhiều thì mức độ chính xác của các ước lượng càng cao vì phản ánh rõ hơn mức độ ảnh hưởng của các biến trong mơ hình.
- Khi sử dụng dữ liệu dạng bảng sẽ có ít sự đa cộng tuyến giữa các biến giải thích hơn so với sử dụng riêng rẻ dữ liệu chuỗi thời gian hoặc dữ liệu chéo. Điều này có thể sẽ làm cho kết quả của ước lượng các tham số ở dữ liệu dạng bảng sẽ chính xác hơn.
- Dữ liệu dạng bảng cho phép chúng ta xác định và đo lường các nhân tố mà không thể được xác định và đo lường khi sử dụng sử dụng chéo hoặc dữ liệu chuỗi thời gian.
Mơ hình hồi qui cổ điển OLS: là mơ hình hồi qui đa biến thể hiện mối tương quan của biến phụ (Yt) và biến độc lập (Xt):
Tuy nhiên, khi sử dụng phương pháp này yêu cầu phải đáp ứng chặt chẽ các giả định của mơ hình hồi quy tuyến tính cổ điển (CLRM) ví dụ như:
- Các biến giải thích và các biến độc lập phải có mối quan hệ tuyến tính - Khơng có tương quan giữa biến giải thích với sai số của mơ hình - Giá trị bình quân của sai số trong mơ hình bằng 0
- Phương sai của sai số là không đổi
- Không tồn tại sự tự tương quan của sai số
Mơ hình hồi quy tác động cố định (Fixed Effect Model), là một dạng mở rộng của mơ hình hồi quy tuyến tính cổ điển, được cho bởi:
Sai số trong mơ hình hồi quy cổ điển được chia làm hai thành phần. Thành phần νi đại diện cho các nhân tố không quan sát được giữa các đối tượng mà không thay đổi theo thời gian. Thành phần εit đại diện cho những yếu tố không quan sát được khác nhau giữa các đối tượng mà có thay đổi theo thời gian.
Giả định rằng tất cả các ảnh hưởng ròng của các nhân tố không quan sát được lên Y cho đối tượng i (không thay đổi theo thời gian) là một tham số cố định, kí hiệu là ai. Hệ số cắt này kiểm soát ảnh hưởng của tất cả các nhân tố không quan sát được (không thay đổi theo thời gian) của N đối tượng khác nhau lên mơ hình.
Mơ hình biến động ngẫu nhiên (Random Effect) là một dạng rộng thứ hai của mơ hình hồi quy tuyến tính cổ điển, được cho bởi
Trong đó: vi đại diện cho các biến không quan sát được, không đổi theo thời gian
Mơ hình hồi qui GLS
Tác giả sử dụng mơ hình hồi qui (Greene, 2012) để khắc phục những khuyết tật của mô hình được chọn vì Phương pháp ước lượng FGLS (Feasible Generalized least square) được sử dụng (Greene, 2012) để hồi quy các phương trình nghiên cứu tồn tại vấn đề tự tương quan và phương sai thay đổi
Tóm lại, ở phần này tác giả đã tiến hành giới thiệu về bộ dữ liệu phân tích, giải thích cách tính biến, giới thiệu các mơ hình phân tích, đề cập đến 2 giả thuyết và đưa ra các phương pháp kiểm định dựa trên các giả thuyết đã nêu. Tác giả tiến hành hồi quy bộ dữ liệu và thu được kết quả nghiên cứu thực nghiệm. Kết quả này sẽ được tác giả trình bày ở chương tiếp theo
CHƯƠNG 4 PHÂN TÍCH THỰC NGHIỆM KẾT QUẢ NGHIÊN CỨU TẠI VIỆT NAM
Trong phần này tác giả trình bày kết quả nghiên cứu thành 3 phần: 4.1Thống kê mơ tả, 4.2 Phân tích ma trận tự tương quan, 4.3 Phân tích kết quả hồi qui. Tác giả sẽ trình bày các kiểm định cần thiết để từ đó đưa ra kết quả phân tích hồi quy chuẩn xác nhất để từ đó áp dụng phân tích vào các doanh nghiệp được niêm yết tại thị trường chứng khoán Việt Nam