Ký hiệu Biến Tên biến
Ký hiệu Biến Tên biến
cafef.vn và báo cáo thường niên
TRjt
Tổng rủi ro của công ty j trong năm t
Dữ liệu amibroker của cafef.vn
NRjt
Rủi ro phi hệ thống của công ty j trong năm t
Dữ liệu amibroker của cafef.vn
SRjt Rủi ro hệ thống của công ty j trong
năm t
Dữ liệu amibroker của cafef.vn
CQjt
Thay đổi chỉ số Tobin Q của công ty j trong năm t so với năm t-1
Dữ liệu amibroker của cafef.vn và Báo cáo thường
niên
CTRjt Thay đổi trong Tổng rủi ro của công ty j trong năm t so với năm t-1
Dữ liệu amibroker của cafef.vn
CNRjt
Thay đổi trong Rủi ro phi hệ thống của công ty j trong năm t so với năm t-1
Dữ liệu amibroker của cafef.vn
CSRjt Thay đổi trong Rủi ro hệ thống của công ty j trong năm t so với năm t-1
Dữ liệu amibroker của cafef.vn
AGEjt Log tuổi của công ty của công ty j
trong năm t
Báo cáo thường niên
ASSETjt Log tài sản của công ty của công ty
j trong năm t
Ký hiệu Biến Tên biến
DIVjt
Log cổ tức chi trả của công ty j trong năm t
Báo cáo thường niên
Ijt
Log chi phí lãi vay của công ty j trong năm t
Báo cáo thường niên
EBIjt
Lợi nhuận trước lãi vay của công ty j trong năm t
Báo cáo thường niên
CFVjt
Thay đổi giá trị công ty qua các năm của công ty j trong năm t so với năm t-1
Báo cáo thường niên
(Nguồn: Tổng hợp của tác giả)
(Nguồn: Tổng hợp của tác giả)
3.3.1. Lựa chọn mơ hình phù hợp
Luận văn sử dụng dữ liệu bảng và phương pháp phân tích dữ liệu bảng.
Bước 02: Kiểm định đa cộng tuyến, phương sai thay đổi, tự tương quan
Mơ hình phù hợp Kiểm định Likeliood &
Hausman
Bước 01: Lựa chọn mơ hình phù hợp (Pooled OLS, FEM, REM)
Bước 03: Kiểm tra tính bền vững của kết quả
Ma trận tương quan, Breusch Pagan, Durbin Watson
Đầu tiên, dữ liệu bảng được sử dụng vì những ưu điểm của nó so với dữ liệu thời gian dữ liệu chéo. Baltagi, (2005) đã viết:
- Dữ liệu bảng kết hợp giữa dữ liệu chéo và dữ liệu thời gian nên nó cho chúng ta nhiều thơng tin hơn, ít hiện tượng đa cộng tuyến giữa các biến hơn, nhiều bậc tự do hơn và hiệu quả hơn.
- Dữ liệu bảng có thể phát hiện và đo lường tốt hơn những tác động mà chúng ta khó có thể quan sát được khi sử dụng dữ liệu thời gian hoặc dữ liệu chéo.
- Dữ liệu bảng có thể kiểm sốt tốt hơn tính khơng đồng nhất của các đơn vị trong mẫu nghiên cứu.
Khi sử dụng dữ liệu bảng, chúng ta có thể dùng phương pháp Pooled OLS để thực hiện hồi quy. Mơ hình hồi quy được viết dưới dạng:
yi,t = α + βxi,t + εi,t
Trong đó:
y: biến phụ thuộc x: biến độc lập α: hệ số chặn ε: sai số hồi quy i=1…..N; t= 1………….T
Trong sai số hồi quy εi,t gồm có hai thành phần: các đặc điểm, nhân tố riêng của từng đơn vị chéo không thay đổi theo thời gian hay còn gọi là các nhân tố cố định ui và sai số ngẫu nhiên vi,t. Khi sử dụng phương pháp Pooled OLS để thực hiện hồi quy mơ hình đã bỏ qua những quan hệ khơng đồng nhất giữa các đơn vị chéo theo thời gian bằng cách giả định rằng các hệ số hồi quy là như nhau nên những tác động khác nhau nếu có giữa các biến số giải thích đến biến phụ thuộc đều chứa trong sai số hồi quy εi,t.. Khi đó, các biến độc lập trong mơ hình có tương quan với các sai số hồi quy, ước lượng đạt được sẽ bị chệch, không nhất quán.
Để khắc phục điều này chúng ta có thể sử dụng kỹ thuật phân tích dữ liệu bảng. Kỹ thuật phân tích dữ liệu bảng gồm có hai nhánh chính sau: ước lượng hồi quy với
tác động cố định (fixed effect) và ước lượng hồi quy với tác động ngẫu nhiên (random effect).
Mơ hình hồi quy tác động cố định fixed effects (FEM):
Mơ hình hồi quy được viết dưới dạng: yi,t = α + βxi,t + εi,t (εi,t = µi + νit )
Trong đó:
y: biến phụ thuộc x: biến độc lập α: hệ số chặn ε: sai số hồi quy i=1…..N; t= 1………….T
Trong phương pháp tác động cố định (FEM), các nhân tố không thay đổi theo thời gian của các đơn vị chéo µi là một biến ngẫu nhiên và có quan hệ tương quan với biến độc lập xi,t.
Mơ hình này có thể ước lượng bằng cách sử dụng biến giả dummy với phương pháp hồi quy bình phương bé nhất với biến giả (LSDV), phương pháp chuyển đổi nội tại, phương pháp ước lượng ở giữa.
- Mơ hính LSDV được viết lại như sau:
Yi,t = α + βxi,t + u1D1i + u2D2i + u3D3i +…………. uN DNi +vi,t
Với D1i là biến giả có giá trị 1 cho tất cả các quan sát thuộc đơn vị chéo đầu tiên và có giá trị 0 cho các quan sát thuộc đơn vị chéo khác. Tương tự cho D2i, D3i... DNi.
Như vậy mơ hình LSDV có N+k hệ số hồi quy, và được xem như là mơ hình hồi quy tiêu chuẩn, được ước lượng bằng phương pháp OLS.
- Phương pháp chuyển đổi nội tại (the within transformation): phương pháp này được sử dụng để đơn giản hóa vấn đề, tránh việc sử dụng quá nhiều biến giả.
Theo đó, chúng ta có hai giá trị trung bình của biến phụ thuộc và biến độc lập
ȳ=∑𝑇𝑡=1𝑦𝑖𝑡 và ẋ =∑𝑇𝑡=1𝑥𝑖𝑡
Hai giá trị trung bình này được khấu trừ ra khỏi giá trị của biến độc lập và biến phụ thuộc. Như vậy, phương trình chỉ chứa các biến điều chỉnh theo giá trị bình quân theo thời gian.
Khi đó mơ hình này có thể sử dụng phương pháp OLS để ước lượng nhưng phải điều chỉnh lại bậc tự do của mơ hình.
- Phương pháp ước lượng ở giữa (the between estimator): trong phương pháp này chúng ta sẽ thực hiện hồi quy chéo với các biến số đã được tính bình qn trong quãng thời gian quan sát. So với phương pháp chuyển đổi nội tại thì phương pháp này có thể giảm thiểu tác động của sai số trong đo lường các biến.
Mơ hình hồi quy tác động ngẫu nhiên random effects (REM):
Mơ hình hồi quy được viết dưới dạng: yi,t = α + βxi,t + εi,t (εi,t = µi + νit )
Trong đó:
y: biến phụ thuộc x: biến độc lập α: hệ số chặn ε: sai số hồi quy i=1…..N; t= 1………….T
Trong mơ hình tác động ngẫu nhiên random effect (REM), các nhân tố cố định cho từng đơn vị chéo ui là biến ngẫu nhiên và khơng có quan hệ với biến độc lập trong mơ hình. Hệ số chặn cho từng đơn vị chéo sẽ là α + ui, hệ số này thay đổi ngẫu nhiên theo đơn vị chéo nhưng không đổi theo thời gian.
- Các nhân tố cố định của các đơn vị chéo là các biến ngẫu nhiên, khơng có tương quan với các biến độc lập trong mơ hình. E (ui, xi ) =0.
- Phương sai của các nhân tố cố định theo thời gian của các đơn vị chéo là một hằng số.
- Các nhân tố cố định theo thời gian của các đơn vị chéo khơng có tương quan với sai số ngẫu nhiên vi,t.
Tóm lại, mơ hình hồi quy tác động ngẫu nhiên không loại bỏ những biến mà giá trị của nó khơng đổi theo thời gian ra khỏi mơ hình. Mơ hình này chỉ cho ra kết quả hồi quy có giá trị tin cậy khi sai số của mơ hình hồi quy khơng có tương quan với biến độc lập. Trường hợp điều kiên trên bị vi phạm thì mơ hình hồi quy tác động cố định sẽ có kết quả tốt hơn.
Trong phân tích dữ liệu bảng, để lựa chọn giữa các mơ hình: Pooled OLS, tác động ngẫu nhiên và mơ hình tác động cố định chúng ta sẽ thực hiện kiểm định Likelihood ratio và kiểm định Hausman. Đầu tiên, kiểm định Likelihood ratio được thực hiện nhằm lựa chọn giữa Pooled OLS và mơ hình FEM. Tiếp đó, nếu mơ hình FEM được lựa chọn thì kiểm định Hausman được thực hiện nhằm lựa chọn giữa REM và FEM.
Kiểm định Likelihood ratio: kiểm định này cho phép lựa chọn giữa mơ hình
tác động ngẫu nhiên và mơ hình pooled OLS.
Giả thuyết H0: Mơ hình FEM là khơng phù hợp (mơ hình pooled OLS là phù hợp).
Nếu p-value <0.05, bác bỏ giả thuyết H0, có thể chọn mơ hình FEM.
Kiểm định Hausman:
Giả thuyết H0 : tác động cá biệt của mỗi đơn vị chéo khơng có tương quan với các biến hồi quy khác trong mơ hình.
Nếu p-value <0.05: giả thuyết Ho có thể bị bác bỏ, mơ hình REM sẽ cho kết quả bị thiên lệch. Do vậy, mơ hình FEM được lựa chọn.
3.3.2 Kiểm định các vi phạm giả thiết của mơ hình OLS
Đối với hiện tượng đa cộng tuyến, tác giả sẽ sử dụng bảng ma trận tương quan để phân tích mối quan hệ giữa các biến chính. Đối với hiện tượng phương sai thay đổi, tác giả dùng đồ thị phân tích quan hệ giữa phần dư và các biến chính và kiểm định Breusch Pagan. Đối với hiện tượng tự tương quan, tác giả phát hiện bằng việc xem xét hệ số Durbin Watson. Trong trường hợp các giả thiết bị vi phạm, tác giả sẽ sự dụng mơ hình GLS để thực hiện hồi quy.
3.3.3 Kiểm tra tính bền vững của kết quả hồi quy
Đầu tiên tác giả thực hiện hồi quy bằng cách bổ sung các biến kiểm soát như bài của Huyn-Han Shin & Rene M.Stulz (2000). Mơ hình 01 với bốn biến kiểm sốt là Cổ tức, lãi vay, lợi nhuận trước lãi, thay đổi trong giá trị cơng ty. Mơ hình 02 gồm hai biến kiểm sốt là tuổi và tài sản. Mơ hình 03 gồm các biến của mơ hình 02 nhưng bổ sung biến thay đổi trong thu nhập.
Sau đó, tác giả bỏ 10% quan sát ở mỗi đuôi biến rủi ro nhằm tránh hiện tượng các giá trị cực đại hoặc cực tiểu có thể gây nhiễu kết quả.
4. KẾT QUẢ NGHIÊN CỨU 4.1. Thống kê mô tả dữ liệu.
Trước tiên, bài nghiên cứu này sẽ trình bày thống kê dữ liệu của các biến trong giai đoạn 2008 – 2013: