CF DLMT SIZE CS LA CF 1.000000 DLMT -0.043339 1.000000 SIZE 0.050711 -0.048780 1.000000 CS 0.027104 -0.045370 -0.033231 1.000000 LA 0.026471 -0.048481 -0.120638 0.772496 1.000000
chính năm và tính tốn của tác giả từ phần mềm EVIEWS).
Qua bảng 4.2, ta thấy nhìn chung, hệ số tương quan giữa các biến độc lập là tương đối phù hợp, nhỏ hơn 0.8, nên vấn đề đa cộng tuyến không ảnh hưởng nhiều đến kết quả của mơ hình.
4.3. Kết quả hồi quy:
4.3.1 Ước lượng tác động của nợ đến đầu tư: Phương trình ước lượng: Phương trình ước lượng:
Iit /Kit-1 = a0 + a1(CFit /Kit-1)+ a2DLMTit + εit (1)
Trước tiên tác giả sẽ chạy mơ hình fixed effects model (mơ hình tác động cố định)để kiểm định xem xét có sự khác nhau về tung độ gốc của các công ty hay không, nếu khơng có sự khác nhau (P_value lớn hơn mức ý nghĩa 5%) thì tác giả sẽ sử dụng mơ hình pooled OLS để ước lượng tác động của nợ đến đầu tư; trong trường hợp có sự khác nhau về tung độ gốc của các công ty(P_value nhỏ hơn mức ý nghĩa 5%), tác giả sẽ chạy mơ hình random effects model (mơ hình tác động ngẫu nhiên), sau đó dùng kiểm định Hausman để xem xét lựa chọn mơ hình nào là phù hợp để ước lượng tác động này. Nếu giá trị P_value lớn hơn mức ý nghĩa 5% thì mơ hình randomeffects model (mơ hình tác động ngẫu nhiên) là phù hợp và ngược lại nếu P_value nhỏ hơn mức ý nghĩa 5% thì mơ hình fixed effects model (mơ hình tác động cố định) là phù hợp.
Bảng 4.3: Kết quả mơ hình fixed effects model (mơ hình tác động cố định)của nợ đến đầu tư
(Nguồn số liệu: số liệu thu thập từ các báo cáo thường niên, báo cáo tài chính năm và tính tốn của tác giả từ phần mềm STATA).
Sau khi chạy mơ hình fixed effects model (mơ hình tác động cố định), tác giả sẽ kiểm định xem xét có sự khác nhau về tung độ gốc giữa các công ty hay không.
Kết quả với giá trị P_value nhỏ hơn mức ý nghĩa 5% có thể kết luận có sự khác nhau về tung độ gốc giữa các công ty. Tiếp tục thực hiện chạy mơ hình random effects model(mơ hình tác động ngẫu nhiên), sau đó dùng kiểm định Hausman để xác định mơ hình tối ưu tác động của nợ đến đầu tư.
F test that all u_i=0: F(122, 613) = 3.11 Prob > F = 0.0000 rho .5526419 (fraction of variance due to u_i)
sigma_e 3.7371577 sigma_u 4.1537053 _cons 1.760391 .1712321 10.28 0.000 1.424118 2.096663 dlmt .0808601 .0169389 4.77 0.000 .0475947 .1141254 cf -.1185657 .0528218 -2.24 0.025 -.2222993 -.014832 i Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = 0.2273 Prob > F = 0.0000 F(2,613) = 11.49 overall = 0.1511 max = 6 between = 0.2331 avg = 6.0 R-sq: within = 0.0361 Obs per group: min = 6 Group vari able: mack Number of groups = 123 Fixed-effects (within) regression Number of obs = 738 . xtreg i cf dlmt, fe
Bảng 4.4: Kết quả mơ hình random effects model (mơ hình tác động ngẫu nhiên) của nợ đến đầu tư
(Nguồn số liệu: số liệu thu thập từ các báo cáo thường niên, báo cáo tài chính năm và tính tốn của tác giả từ phần mềm STATA).
Sau khi chạy mơ hình random effects model (mơ hình tác động ngẫu nhiên), tác giả dùng kiểm định Hausman để xác định mơ hình tối ưu và dùng mơ hình này để đánh giá tác động của nợ đến đầu tư.
rho .09292129 (fraction of variance due to u_i)
sigma_e 3.7371577 sigma_u 1.196125 _cons .7644859 .2036323 3.75 0.000 .3653738 1.163598 dlmt .1364103 .0112466 12.13 0.000 .1143674 .1584532 cf .2064108 .0321151 6.43 0.000 .1434664 .2693552 i Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Random effects u_i ~ Gaussian Wald chi2(2) = 347.60 overall = 0.4267 max = 6 between = 0.8197 avg = 6.0 R-sq: within = 0.0176 Obs per group: min = 6 Group vari able: mack Number of groups = 123 Random-effects GLS regression Number of obs = 738 . xtreg i cf dlmt, re