Chương 1 : Tổng quan về đề tài nghiên cứu
d. Địn bẩy tài chính
3.2.3.1 Phương pháp nghiên cứu:
Dữ liệu được thu thập và xử lý bằng phần mềm SPSS.16 để nghiên cứu các nhân tố ảnh hưởng đến hành vi quản trị lợi nhuận. Việc phân tích thơng qua các phương pháp cụ thể sau:
a. Phương pháp thống kê mô tả:
Thống kê mô tả được sử dụng để mơ tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Kỹ thuật này có thể được phân loại như sau:
- Biểu diễn dữ liệu bằng đồ họa trong đó có các đồ thị mô tả dữ liệu hoặc giúp so sánh dữ liệu
- Biểu diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu - Thống kê tóm tắt mơ tả dữ liệu
b. Phân tích tương quan và hồi quy đa biến
Theo (Trọng Hoài và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích tương quan là phương pháp sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối tương quan giữa hai biến định lượng. Giá trị sig < 0.05 chỉ ra rằng hai biến khơng có mối quan hệ tương quan tuyến tính.
Phân tích hồi quy đa biến là phương pháp được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập. Mục đích của phân tích hồi quy đa biến là dự đoán mức độ biến phụ thuộc khi biết trước giá trị biến độc lập.
Yi= β0 +β 1X1i + β 2X2I + β 3X3I+….+ β nXn+εi
- Hệ số hồi quy riêng biệt βk: là hệ số đo lường sự thay đổi giá trị trung bình Y khi Xkthay đổi một đơn vị, giữ các biến độc lập cịn lại khơng đổi.
- Hệ số biến thiên R2
: Hệ số xác định tỷ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập trong mơ hình hồi quy. Đó cũng là thơng số đo lường độ thích hợp của đường hồi quy theo quy tắc R2
càng gần 1 thì mơ hình đã xây dựng càng thích hợp, R2 càng gần 0 mơ hình càng kém phù hợp với tập dữ liệu mẫu. Tuy nhiên R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có hơn 1 biến giải thích trong mơ hình. Trong tình huống này R2 điều chỉnh (Adjusted R square) được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi quy tuyến tính đa biến vì nó khơng phụ thuộc vào độ lệch phóng đại của R2.
c. Kiểm định các giả thuyết của mơ hình
Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), kiểm định các giả thuyết của mơ hình hồi quy là:
- Kiểm định đa cộng tuyến:Phân tích chỉ số VIF (variance inflation factor) được sử dụng để kiểm tra hiện tượng đa cộng tuyến. Các biến mà có sự đa cộng tuyến cao có thể bóp méo kết quả và làm cho kết quả không ổn định và khơng có tính tổng qt hóa. Nhiều vấn đề rắc rối nãy sinh nếu hiện tượng đa cộng tuyến nghiêm trọng tồn tại, ví dụ như nó có thể làm tăng sai số trong tính tốn hệ số beta, tạo ra hệ số hồi quy có dấu ngược với những gì ta mong đợi, kết quả T-test khơng có ý nghĩa thống kê đáng kể trong khi kết quả F-Test tổng qt cho mơ hình lại có ý nghĩa thống kê. Thông thường chỉ số VIF lớn hơn 10, hiện tượng đa cộng tuyến nghiêm trọng đang tồn tại. Như vậy trong nghiên cứu này, để khơng có hiện tượng đa cộng tuyến nghiêm trọng xảy ra trong mơ hình hồi quy, các hệ số VIF phải nhỏ hơn 10.
- Kiểm định giả thiết thông qua chỉ số sig: Nếu sig > 0.05: Bác bỏ giả thuyết