Nguồn:Tính tốn của tác giả từ chương trình Eview 7.0
Kết quả kiểm định cho thấy p < 0.05, bác bỏ giả thuyết H0. Như vậy, thông qua kiểm định Wald, tồn tại hiện tượng tự tương quan trong mô hình nghiên cứu khi tiến hành hồi quy theo phương pháp bình phương bé nhất.
4.4.1.2 Kiểm định hiện tượng phương sai sai số thay đổi
Chạy mơ hình: OLS ROE C Growth Tang State Ind1 Ind2 Ind3
Ln_BankNumber Ln_Size Ln_ Age ShortRelation LongRelation
Tạo biến: GENR U1 = RESID^2
Chạy hồi quy phụ: OLS U1 C Growth Tang State Ind1 Ind2 Ind3
Ln_BankNumber Ind1*Ind2*Ind3 Ln_Size Ln_ Age Ln_Size^2 Ln_ Age^2 Ln_BankNumber^2 ShortRelation LongRelation
Bảng 7: Kiểm định sự tồn tại của phương sai sai số thay đổi trong mơ hình Pool
Nguồn:Tính tốn của tác giả từ chương trình Eview 7.0
- Tính LM1: SCALAR LM1= 200*0.664362
Kết quả: LM1 = 132.8724
- Tra thống kê ROE bình phương:
SCALAR ROE*=@QBHARSQ(0.95, 16)
Kết quả: ROE* = 13.21
Giả thuyết : Ho: α2 = α3 = α4 = α5= α6 = α7 = 0 (Khơng có PSSSTĐ) H1: có ít nhất 1 α ở trên khác 0 (Có PSSSTĐ)
Kiểm định: Vì LM1= 132.8724 > ROE* = 13.21 nên bác bỏ giả thiết Ho. Như vậy, khi thực hiện hồi quy theo mơ hình Pool, thơng qua kiểm định Wald, ta nhận thấy kết quả nghiên cứu tồn tại hiện tượng phương sai sai số thay đổi. Ta cần khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi trong mơ hình nghiên cứu bằng cách hồi quy theo phương pháp moment tổng quát (GMM).
4.4.2 Kiểm định mơ hình GMM
Mơ hình GMM được đề nghị bởi Arellano & Bond (1991) được biết như là
GMM sai phân. GMM hệ thống được phát triển bởi Arellano & Bover (1995), Blunder & Bond (1998) để thay thế cho GMM sai phân. GMM hệ thống có sai lệch mẫu hữu hạn nhỏ đáng kể và ước lượng tham số của mô hình điều chỉnh từng phần với độ chính xác cao, thậm chí trong trường hợp chuỗi ổn định. Trong những kiểm định riêng rẽ, nhiều biến giải thích được tìm thấy là có tính ổn định cao. Ngay cả trong điều kiện giả thiết nội sinh bị vi phạm, phương pháp GMM cho ra các hệ số ước lượng vững, không chệch, phân phối chuẩn và hiệu quả. Điều này lí giải kết quả của bài nghiên cứu được phân tích dựa theo mơ hình GMM.
Mô hình GMM được sử dụng để khắc phục tình trạng phương sai thay đổi và tự tương quan của dữ liệu. Giá trị α ( Hệ số của biến phụ thuộc có độ trễ
ROE i, t-1 ) bằng 0.0952 và có ý nghĩa thống kê ở mức 1%. Hệ số điều chỉnh, γ = 1 – α, gần bằng 0.9, chứng tỏ các doanh nghiệp đuổi kịp được tiến độ trong việc điều chỉnh tỷ suất sinh lời dài hạn.
4.4.2.1 Kiểm định Arellano – Bond
Để kiểm định tính vững của mơ hình, bài nghiên cứu sử dụng kiểm định Arellano – Bond