3.2 Dữ liệu và phƣơng pháp thu thập 3.2.1 Dữ liệu nghiên cứu: 3.2.1 Dữ liệu nghiên cứu:
Trong chƣơng 1 tác giả trình bày tổng quan vấn đề nghiên cứu, câu hỏi nghiên cứu, mục tiêu nghiên cứu của đề tài. Các nghiên cứu thực nghiệm trên thế giới và Việt Nam đƣợc trình bày trong chƣơng 2. Theo mục tiêu nghiên cứu và những nghiên cứu trƣớc đây tác giả quan tâm việc kiểm định tác động của những nhân tố nhƣ: cơ hội tăng trƣởng, định thời điểm thị trƣờng, tài sản cố định hữu hình, quy mơ, lợi nhuận lên CTV của các công ty Việt Nam niêm yết trên sàn HOSE. Nghiên cứu này sử dụng dữ liệu của 93 công ty Việt Nam niêm yết trên sàn HOSE giai đoạn từ tháng 01 năm 2007 đến tháng 12 năm 2011, để có đƣợc mẫu nghiên cứu 5 năm. Bởi vì khi tính tốn một trong những biến thay đổi trong vốn cổ phần (Δe) và thay đổi của nợ (Δd) cho những năm trƣớc do đó một số dữ liệu lấy từ trƣớc năm 2007 là cần thiết để tạo ra mẫu dữ liệu đầy đủ 5 năm.
Tác giả loại bỏ dữ liệu của những công ty không đầy đủ số liệu, các cơng ty tài chính, ngân hàng, bảo hiểm, quản lý quỹ… Các cơng ty có tỷ lệ M/B >10, có địn bẩy tài chính (LEV) lớn hơn 1 cũng khơng đƣợc sử dụng vào mơ hình. Dữ liệu với những thơng tin chi tiết từng công ty, những mục quan tâm nhƣ: Bảng cân đối kế toán, Kết quả hoạt động kinh doanh, giá trị thị trƣờng trên giá trị sổ sách…dữ liệu
này thu thập từ những website chứng khoán nhƣ www.cophieu68.com;
37
3.2.2 Thiết kế nghiên cứu và phƣơng pháp nghiên cứu
Nghiên cứu đƣợc thực hiện theo phƣơng pháp nghiên cứu định lƣợng dựa trên mơ hình tác động cố định FEM (Fixed Effect Model, OLS+Dummy) còn gọi là hồi quy biến giả bình phƣơng nhỏ nhất LSDV (Least Squares Dummy Variable) trên dữ liệu bảng (Panel data) để ƣớc lƣợng tác động của MT, TSCĐ hữu hình, quy mơ, lợi nhuận lên CTV của các công ty niêm yết trên sàn HOSE nhƣ thế nào? Sau khi có bộ dữ liệu tác giả sử dụng cơng thức tính nhƣ ở (Phụ lục 1) để tính tốn các biến giải thích và nhập dữ liệu vào phần mềm Eviews 6 trên Windows.
Các dạng dữ liệu phổ biến: dữ liệu theo chuỗi thời gian, dữ liệu chéo theo không gian và dữ liệu bảng. Tác giả sử dụng dữ liệu bảng (panel data) hay còn gọi là dữ liệu kết hợp các dữ liệu theo chuỗi thời gian và không gian, tiêu biểu cho sự biến thiên theo thời gian của các đơn vị chéo theo không gian, liên quan đến toán học và thống kê khá phức tạp. Tuy nhiên, tác giả chỉ nghiên cứu một phần then chốt cơ bản của dữ liệu bảng. Một số ƣu điểm dữ liệu bảng: do kết hợp các chuỗi theo thời gian của các quan sát theo không gian, dữ liệu bảng cung cấp những dữ liệu có nhiều thơng tin hơn, đa dạng hơn, ít cộng tuyến hơn giữa các biến số, nhiều bậc tự do và hiệu quả hơn nhƣng khơng có nghĩa rằng khơng có vấn đề khi lập mơ hình dữ liệu bảng.
3.3 Phƣơng pháp kiểm định mơ hình:
Đầu tiên, tác giả sử dụng kiểm định Wald Test để xem xét sự có mặt của
“biến không cần thiết” nhằm xác định biến nào khơng cần thiết hay cịn gọi là “thừa biến” trong mơ hình hồi quy dữ liệu bảng. Dựa theo kết quả ƣớc lƣợng mơ hình, tác giả xem mức ý nghĩa của từng biến (Prob) ở các mức ý nghĩa 0.1%, 1%, 5% ,và so sánh trị tuyệt đối của thống kê T (t-statistic) kết hợp tra bảng phân phối Student theo mức ý nghĩa, bậc tự do (tác giả dùng hàm trong Excel TINV(mức ý nghĩa,bậc tự do)), nếu |t-statistic| lớn hơn kết quả bảng tra Student thì biến có ý nghĩa thống kê và cần thiết trong mơ hình sử dụng. Một cách kiểm tra khác lần lƣợt theo từng biến một, tác giả dùng kiểm định Redundant Variables-Likelihood Ratio để kiểm tra sự
38
có mặt biến nào khơng cần thiết. Ngồi ra, “kiểm định biến bị bỏ sót” cũng cần thiết qua kiểm định Omited Variables-Likelihood Ratio, nếu phát hiện một biến nào bị bỏ sót, khắc phục bằng cách đƣa biến đó vào mơ hình hồi quy.
Thứ hai, tác giả kiểm định phƣơng sai của nhiễu thay đổi thơng thƣờng có
hai cách kiểm tra phƣơng sai của nhiễu thay đổi: vẽ đồ thị và dùng các kiểm định White. Do trong nghiên cứu này tác giả sử dụng dữ liệu bảng (Panel data) xử lý trên phần mềm Eviews, theo hƣớng dẫn sử dụng Eview mục ƣớc lƣợng dữ liệu bảng
không hỗ trợ chức năng kiểm định White. Tuy nhiên, theo Muhamad2
hiện tƣợng phƣơng sai của nhiễu thay đổi trong mơ hình hồi quy dữ liệu bảng vấn đề này đã đƣợc phần mềm tự xử lý.
Thứ ba, kiểm định đa cộng tuyến (Correlations) đây là một cách quan trọng
khác để kiểm tra các biến là xem xét khả năng đa cộng tuyến tiềm ẩn, điều này đƣợc thực hiện bằng cách tạo ta ma trận tƣơng quan giữa các biến giải thích với nhau (Brooks, 2002). Cách nhận biết hiện tƣợng đa cộng tuyến dễ nhìn thấy các hệ số tƣơng quan giữa các biến gần bằng +/- 1(bằng 1 là tƣơng quan hồn tồn).Ngồi ra,
cần kiểm tra mơ hình hồi quy có R2
rất cao và trị thống kê T (t-statistic) thấp, hoặc dấu của hệ số hồi quy khác với dấu kỳ vọng cũng là dấu hiệu dễ nhận ra có hiện tƣợng đa cộng tuyến.
Thứ tƣ, tác giả kiểm định tự tƣơng quan của nhiễu (Durbin-Watson): dùng
đồ thị mô tả hiện tƣợng tự tƣơng quan của nhiễu và tác giả sử dụng kiểm định tự tƣơng quan của nhiễu qua hệ số Durbin-Watson trong kết quả hồi quy, kết quả phù hợp thì hệ số Durbin-Watson phải nằm trong khoảng từ 1 đến 3 là ít có hiện tƣợng tự tƣợng quan.
Thứ năm, chọn lựa mơ hình qua kiểm định Hausman; Likelihook Ratio và
các kiểm định giả thiết ràng buộc khi sử dụng phƣơng pháp OLS và LSDV nhƣ trên, nếu không vi phạm các giả thiết ràng buộc, các kết quả phù hợp, tác giả sẽ tiến
40
trị tuyệt đối thống kê T-statistic > giá trị bảng tra phân phối Student thì biến giải thích có ý nghĩa thống kê trong mơ hình, Pro(T-statistic)<α, và Pro(F-statistic)<α mơ hình phù hợp, chỉ số AIC và Schwarz thấp.
Khi ƣớc lƣợng các mô hình hồi quy dữ liệu bảng có nhiều cách tiếp cận khác nhau: cách tiếp cận mơ hình các ảnh hƣởng cố định (Fixed Effect Model, FEM) và mơ hình ảnh hƣởng ngẫu nhiên (Random Effects Model, REM). Khi số liệu theo chuỗi thời gian lớn và số mẫu lớn thì hai phƣơng pháp FEM và REM không khác biệt nhiều; khi mẫu lớn và thời gian ngắn thì mơ hình FEM phù hợp hơn. Tác giả sử dụng kiểm định Hausman (1978) và Likelihook Ratio để quyết định lựa chọn mơ hình FEM hay REM hay OLS thông thƣờng. Ngoài ra, tác giả cịn kiểm định tính dừng nhƣng do số năm quan sát nhỏ, nên phần mềm khơng hiển thị kết quả, tính dừng trong chuỗi ngắn là ít quan trọng.
KẾT LUẬN CHƢƠNG 3: trong chƣơng này tác giả trình bày phƣơng pháp
nghiên cứu: dữ liệu, mơ hình, biến và các giả thiết nghiên cứu, các giả thiết của phƣơng pháp ƣớc lƣợng LSDV hồi quy biến giả bình phƣơng nhỏ nhất: kiểm định giả thiết hệ số hồi quy, dƣ thiếu biến, kiểm định Wald Test, kiểm định phƣơng sai của nhiễu thay đổi, đa cộng tuyến, tự tƣơng quan của nhiễu và sự phù hợp của mơ hình. Tác giả sử dụng phƣơng pháp nghiên cứu định lƣợng mơ hình tác động cố định FEM hay hồi quy biến giả bình phƣơng nhỏ nhất LSDV với mẫu 93 công ty niêm yết trên sàn HOSE giai đoạn từ tháng 01 năm 2007 đến tháng 12 năm 2011. Biến đòn bẩy đƣợc đo lƣờng bằng tổng nợ trên tổng tài sản (LEV); biến M/B đo lƣờng cơ hội tăng trƣởng và định giá sai nhƣ BW (2002) đã trình bày. Ngồi ra, tác giả còn sử dụng một số biến khác để kiểm tra ảnh hƣởng của chúng lên cấu trúc vốn nhƣ: tài sản cố định hữu hình (TANG); quy mô công ty (Logsales) và lợi nhuận (EBITDA). Các mơ hình nghiên cứu tổng qt đƣợc chọn nhƣ sau:
1 / 2 3 4
it it it it it it
41
CHƢƠNG 4: NỘI DUNG VÀ CÁC KẾT QUẢ NGHIÊN
CỨU
4.1 Phân tích CTV của các cơng ty niêm yết trên Sở GDCK TP.HCM (HOSE).
Mẫu nghiên cứu bao gồm 93 công ty niêm yết trên Sở giao dịch Chứng khốn TP. Hồ Chí Minh. Trong mẫu 93 cơng ty: có 5 cơng ty ngành Bất động sản; 1 cơng ty ngành Cao su; 1 công ty ngành Công nghệ viễn thông; 3 công ty ngành Dƣợc phẩm, y tế, hóa chất; 1 cơng ty ngành Giáo dục; 1 cơng ty ngành Khống sản; 6 cơng ty ngành Năng lƣợng, điện, khí gas; 3 công ty ngành Thép; 1 công ty ngành Nghệ thuật dịch vụ giải trí; 6 cơng ty ngành Nhựa bao bì; 16 cơng ty ngành Sản xuất kinh doanh; 9 công ty ngành Thực phẩm; 9 công ty ngành Thƣơng mại; 9 công ty ngành Thủy sản; 8 công ty ngành Vận tải,cảng, taxi; 7 công ty ngành Vật liệu xây dựng; 6 công ty ngành Xây dựng; 1 công ty ngành Xây dựng bất động sản. Mẫu nghiên cứu xếp theo nhóm ngành: Sản xuất chiếm tỷ trọng cao nhất: 78.49%, kế đến Dịch vụ chiếm: 11.83% và Thƣơng mại: 9.68% (chi tiết Phụ lục 3)