Thống kê mô tả

CHƯƠNG 2 : TỔNG QUAN VỀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY

3.7 Phương pháp nghiên cứu

3.7.1 Thống kê mô tả

Thống kê mô tả được sử dụng nhằm mơ tả lại những đặc tính của dữ liệu nghiên cứu và đưa ra những nhận định ban đầu về chuỗi dữ liệu nghiên cứu, cụ thể đề tài sẽ mô tả lại dữ liệu dựa trên các tiêu chí: giá trị trung bình, độ biến động được đo lường bằng độ lệch chuẩn, giá trị nhỏ nhất và giá trị nhỏ nhất.

3.7.2 Phân tí h tương quan

Phân tích tương quan được đề tài sử dụng nhằm xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc. Hệ số tương quan (Pearson) được đưa ra đầu tiên bởi Francis và Galton theo đó hệ số tương quan được tính bằng cách chia hiệp phương sai của biến với tích độ lệch chuẩn của chúng. Đề tài xây dựng ma trận hệ số tương

quan kèm theo mức ý nghĩa nhằm đánh giá bước đầu về mối tương quan giữa các biến. Ngồi ra, trong trường hợp các biến độc lập có mối tương quan cao (lớn hơn 0.8) và đây có thể là dấu hiệu của hiện tượng đa công tuyến và cũng là cơ sở để đề tài thực hiện các kiểm định cần thiết và hiệu chỉnh mô h nh nghiên cứu.

3.7.3 Phương pháp ướ lượng mơ hình

Trong khi phân tích tương quan nhằm xem xét các biến nghiên cứu có mối quan hệ với nhau hay khơng thì phân tích hồi quy được dùng để đo lường mức độ ảnh hưởng của các biến độc lập với các biến phụ thuộc qua đó cho biết chiều hướng tác động của từng biến độc lập đến biến phụ thuộc. Phương pháp này cho phép đề tài trả lời cho câu hỏi nghiên cứu của mình và kiểm định các giả thiết nghiên cứu. Theo đó đề tài thực hiện ước lượng theo hai cách: Fixed effect (mơ hình tác động cố định - FEM) và Random effect (mơ hình tác động ngẫu nhiên - REM). Sau đó, tác giả sẽ sử dụng kiểm định Hausman nhằm so sánh mô hěnh Fixed effect vŕ Random effect, vŕ lựa chọn ra mô hěnh tối ưu hơn.

Mơ hình FEM : Mơ hình tác động cố định FEM hay cịn gọi là hồi quy biến giả

bình phương nhỏ nhất LSDV (Least Squares Dummy Variable).

Trong mơ hình FEM, mỗi thực thể đều có những đặc điểm riêng biệt, có thể ảnh hưởng đến các biến giải thích. FEM có thể kiểm sốt và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) này ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực của biến giải thích lên biến phụ thuộc. Mơ hình FEM thích hợp trong những tình huống mà tung độ góc chun biệt theo cá nhân có thể tương quan với một hay nhiều hơn một biến hồi quy độc lập. Hay có thể nói là mơ hình FEM được sử dụng trong trường hợp phân tích tác động của những biến thay đổi theo thời gian.

Với giả định mỗi thực thể đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, FEM phân tích mối tương quan này giữa phần dư của mỗi thực thể với các biến giải thích qua đó kiểm sốt và tách ảnh hưởng của các đặc điểm

riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực của biến giải thích lên biến phụ thuộc.

Phương trình tổng quát : Yit = Ci + β Xit + uit *

Trong đó :

Yit : Biến phụ thuộc với i: TSSL danh mục chứng khoán và t: thời gian (năm).

Xit : biến độc lập.

Ci (i=1….n) : hệ số chặn cho từng thực thể nghiên cứu.

β : hệ số góc đối với nhân tố X.

uit : phần dư.

Mơ hình trên đã thêm vào chỉ số i cho hệ số chặn “c” để phân biệt hệ số chặn của từng danh mục khác nhau có thể khác nhau, sự khác biệt này có thể do đặc điểm khác nhau của từng danh mục hoặc do sự khác nhau trong chính sách quản lý, hoạt động của các cơng ty.

Mơ hình REM : Trong mơ hình tác động ngẫu nhiên REM, người ta giả định rằng

tung độ góc của một đơn vị cá nhân được lấy ngẫu nhiên từ một tổng thể lớn hơn nhiều, với giá trị trung bình khơng đổi. Sau đó, tung độ góc của cá nhân được thể hiện như một sự lệch khỏi giá trị trung bình khơng đổi này. Mơ hình REM được sử dụng khi đặc điểm riêng giữa các thực thể được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích. REM quan tâm đến cả những khác biệt riêng của các đối tượng phân tích qua thời gian, do đó nó sẽ có sự tự tương quan, nhưng nó loại bỏ được yếu tố phương sai thay đổi.

Điểm khác biệt giữa mơ hình ảnh hưởng ngẫu nhiên và mơ hình ảnh hưởng cố định được thể hiện ở sự biến động giữa các thực thể. Nếu sự biến động giữa các thực thể có tương quan đến biến độc lập – biến giải thích trong mơ hình ảnh hưởng cố định thì trong mơ hình ảnh hưởng ngẫu nhiên sự biến động giữa các thực thể được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích. Chính vì vậy, nếu sự

khác biệt giữa các thực thể có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM. Trong đó, phần dư của mỗi thực thể (khơng tương quan với biến giải thích) được xem là một biến giải thích mới.

Ý tưởng cơ bản của mơ hình ảnh hưởng ngẫu nhiên cũng bắt đầu từ mơ hình: Yit = Ci + β Xit + uit

Thay vì trong mơ hình trên, Ci là cố định thì trong REM có giả định rằng nó là một biến ngẫu nhiên với trung bình là C1 và giá trị hệ số chặn được mô tả như sau: Ci = C + εi (i=1,...n)

εi : Sai số ngẫu nhiên có trung bình bằng 0 và phương sai là ơε2 Thay vào mơ hình ta có:

Yit = C + β Xit + εi + uit hay Yit = C + β Xit + wit wit = εi + uit

εi : Sai số thành phần của các đối tượng khác nhau (đặc điểm riêng khác nhau của từng Ngân hàng)

uit: Sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng đối tượng và theo thời gian.

Nhìn chung mơ hình FEM hay REM tốt hơn cho nghiên cứu phụ thuộc vào giả định có hay không sự tương quan giữa εi các biến giải thích X. Nếu giả định không tương quan thì REM phù hợp hơn và ngược lại. Kiểm định Hausman test là một trong những phương pháp để lựa chọn giữa FEM và REM. Vì thế, trong phần hồi quy nghiên cứu này lần lượt đi qua cả hai mơ hình là mơ hình hồi quy FEM, REM để lựa chọn mơ hình phù hợp nhất.

3.7.4 Kiểm định Hausman để lựa họn mơ hình

Để lựa chọn giữa hai mơ hình FEM và REM, ta sử dụng kiểm định Hausman. Đây là kiểm định nhằm giúp ta lựa chọn nên sử dụng mơ hình tác động cố định FEM hay mơ hình tác động ngẫu nhiên REM.

H0 : Ước lượng của FEM và REM không khác nhau

Hệ số P_value (Prob>chi2) dùng để so sánh với mức ý nghĩa α. Mức ý nghĩa thống kê thường được sử dụng là 1%, 5%, 10% (hay ứng với độ tin cậy 99%, 95% và 90%). Nếu hệ số P_value (Prob>chi2) nhỏ hơn mức ý nghĩa α thì bác bỏ giả thiết H0, REM không hợp lý, nên sử dụng mơ hình FEM và ngược lại.

3.7.5 Kiểm định phương sai thay đổi

Phương sai sai số thay đổi là trường hợp phương sai có điều kiện của biến phụ thuộc thay đổi khi biến độc lập thay đổi.

Trong mơ hình hồi quy, ta giả thiết :

H0: Phương sai sai số đồng đều

H1: Phương sai sai số thay đổi

Nếu hệ số P_value (Prob>chi2) nhỏ hơn mức ý nghĩa α thì bác bỏ giả thiết H0 , mơ hình khơng có hiện tượng phương sai sai số thay đổi. Ngược lại, nếu hệ số P_value (Prob>chi2) lớn hơn mức ý nghĩa α thì ta chấp nhận giả thiết H0 , mơ hình có hiện tượng phương sai sai số thay đổi.

3.7.6. Kiểm định tự tương quan

Tự tương quan là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian trong số liệu chuỗi thời gian hoặc không gian.

Giả thiết : Có hiện tượng tự tương quan giữa các sai số

H0: Khơng có hiện tượng tự tương quan giữa các sai số

H1: Có hiện tượng tự tương quan giữa các sai số

Nếu hệ số P_value (Prob>chi2) nhỏ hơn mức ý nghĩa α thì bác bỏ giả thiết H0 , mơ hình có hiện tượng tự tương quan giữa các sai số. Ngược lại, nếu hệ số P_value (Prob>chi2) lớn hơn mức ý nghĩa α thì ta chấp nhận giả thiết H0, mơ hình khơng có hiện tượng tự tương quan giữa các sai số.

Khi xảy ra hiện tượng tự tương quan sẽ ảnh hưởng đến các ước lượng thu được sau: - Ước lượng OLS vẫn khơng chệch nhưng khơng cịn hiệu quả

- Phương sai của các ước lượng OLS thường bị chệch, do đó thường ước lượng thấp hơn so với phương sai và sai số tiêu chuẩn thực

- Kiểm định F và t không đáng tin cậy

- Hệ số R-squared là độ đo không đáng tin cậy của R-squared thực

3.7.7 Phương pháp bình phương nhỏ nhất tổng quát (GLS)

Khi xảy ra hiện tượng phương sai thay đổi và tự tương quan thì mơ hình ước lượng sẽ khơng cịn chính xác. Do đó ta sẽ sử dụng phương pháp bình phương nhỏ nhất tổng quát (GLS) để khắc phục tình trạng trên.

Khi xảy ra hiện tượng phương sai thay đổi, nếu sử dụng phương pháp bình phương nhỏ nhất (OLS) thì các ước lượng hệ số của phương trình sẽ khơng chính xác. Ngun nhân là do giả thiết phương sai của sai số là khơng đổi bị vi phạm.

Để khắc phục tình trạng này, ta cần phân biệt trường hợp đã biết hoặc không biết phương sai. Trong phạm vi bài nghiên cứu này, tác giả đưa ra một phương pháp tổng quát để đưa mô h nh không thỏa măn giả thiết phương sai phương sai sai số khơng đổi về mơ hình thỏa mãn giả thiết này để làm cơ sở xem xét ảnh hưởng của việc vi phạm giả thiết. Khi đó ta cần điều chỉnh các biến trong mơ hình để đáp ứng các giả định của mơ hình cổ điển.

GLS là OLS đối với các biến đã biến đổi để thỏa mãn các giả thiết bình phương tối thiểu tiêu chuẩn. Các ước lượng tính được như vậy được gọi là các ước lượng GLS.

CHƯƠNG 4: MÔ TẢ VÀ PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU

4.1 Phân tí h tống kê mơ tả

Bảng 4.1: Mô tả thống kê ủa TSSL Danh mụ thị trường v nhân tố thanh khoản.

(Đơn vị tính: lần)

Nhân tố Mean Std. Dev Min Max

Rm -0.119 0.567 -0.125 0.117

TV 0.0086 0.0418 -0.0434 0.2100

TR 0.0088 0.0366 -0.0448 0.1500

TP -0.0009 0.04722 -0.82274 0.12644

(Nguồn tác giả tính tốn dựa trên giá và dữ liệu các cổ phiếu được cung cấp thơng qua gói sản phẩm dữ liệu tài chính mà tác giả mua từ Cơng ty cổ phần Tài Việt, sau đó chạy trên phần mềm Stata 11.)

Bảng 4.1 thống kê TSSL của các nhân tố: Nhân tố thị trường Rm và ba nhân tố thanh khoản TV (Trading volume), TR(Turnover rate), TP(Trading probability) trong giai đoạn từ năm 2008 đến tháng 6/2013. Nhìn bảng kết quả ta thấy: Nhân tố thị trường và nhân tố thanh khoản TP có giá trị âm, trong khi hai nhân tố thanh khoản TV & TR thì có TSSL dương.

Trong bốn nhân tố quan sát th nhân tố thị trường Rm có TSSL trung bình âm thấp nhất (-1.119) và độ lệch chuẩn cao nhất (56.7%).

Ta cũng dễ dàng nhận thấy nhân tố thanh khoản TR có TSSL trung bình cao nhất (0.0088) và ðộ lệch chuẩn thấp nhất (3.66%).

Trong ba nhân tố thanh khoản, chỉ có nhân tố TP là có TSSL âm (-0.0009) trong khi độ lệch chuẩn lại cao nhất.

Bảng 4.2: Bảng TSSL vượt trội v độ lệ h huẩn TSSL vuợt trội ủa 12 danh mụ

(Đơn vị tính: lần)

Porfolios Average return Std. Dev Min Max

MV1 -.0128854 .0715149 -.1556355 .2146572 MV2 -.0042797 .0678168 -.1440074 .1922811 MV3 .0055293 .0654449 -.1258058 .1686699 TV1 -.0062753 .0478193 -.0883536 .1163341 TV2 -.0077017 .0603158 -.1531743 .1181473 TV3 .0016619 .1105171 -.2000467 .3874526 TR1 -.006801 .0529805 -.1434845 .1190954 TR2 -.0058039 .0574271 -.133098 .1268347 TR3 .0009691 .0574271 -.1679231 .3794197 TP1 -.0022358 .098238 -.117319 .1083449 TP2 -.0046202 .061369 -.1345587 .1219988 TP3 -.0047797 .1135885 -.2386871 .3365683

Bảng 4.2 mô tả TSSL vượt trội, độ lệch chuẩn TSSL vượt trội, giá trị TSSL nhỏ nhất, giá trị TSSL lớn nhất của ba danh mục được xây dựng dựa trên giá trị vốn hóa thị trường truyền thống MV, và chín danh mục được xây dựng dựa trên ba nhân tố thanh khoản TV, TR, TP.

Trong ba danh mục truyền thống MV, TSSL vượt trội trung bình tăng dần trong khi độ lệch chuẩn TSSL vượt trội giảm từ danh mục MV1 (giá trị vốn hóa thị trường thấp nhất) đến danh mục MV3 (giá trị vốn hóa thị trường cao nhất) cho ta thấy rằng:

những doanh nghiệp có giá trị vốn hóa thị trường cao thì có TSSL cao hơn và độ biến động TSSL thấp hơn những doanh nghiệp có giá trị vốn hóa thị trường thấp. Ba danh mục dựa trên nhân tố thanh khoản TP thì TSSL trung bình vượt trội giảm dần từ danh mục TP1 (-0.0022358) đến danh mục TP3(-.0047797) cho ta thấy rằng: danh mục có TSSL nhảy cảm hơn với thanh khoản thị trường TP thì có TSSL thấp hơn.

Xét danh mục thanh khoản TV và TR thì ta thấy kết quả ngược lại, TSSL vượt trội trung bình tăng dần từ danh mục TV1, TR1 (-0.0062753, -0.006801) đến TV3, TR3 (0.0016619, 0.0009691) cho ta thấy rằng: danh mục có TSSL nhảy cảm hơn với thanh khoản thị trường TV, TR thì có TSSL cao hơn.

Bảng 4.3: Ma trận tương quan theo từng ặp gữa nhân tố thị trường Rm v 3 nhân tố thanh khoản: TV, TR & TP.

Nhân tố Rm TV TR TP

Rm 1.000 0.4591 0.4039 0.8339

TV 1.0000 0.7903 0.3406

TR 1.0000 0.5044

TP 1.0000

(Nguồn tác giả tính tốn dựa trên giá và dữ liệu các cổ phiếu được cung cấp thơng qua gói sản phẩm dữ liệu tài chính mà tác giả mua từ Cơng ty cổ phần Tài Việt, sau đó chạy trên phần mềm Stata 11.)

Bảng 4.3 thể hiện sự tương quan theo từng cặp của nhân tố thị trường Rm và ba nhân tố thanh khoản TV, TR, TP. Qua bảng số liệu ta thấy:

Cả ba nhân tố thanh khoản nghiên cứu TV, TR, TP thì có tương quan thuận với nhân tố thị trường Rm, điều này thì phụ hợp với kì vọng nghiên cứu và tương đồng với bài nghiên cứu gốc.

Hai nhân tố thanh khoản TV, TP thì có tương quan khơng chặc chẽ với nhân tố thị trường Rm

4.2. Kết quả hồi quy mơ hình

Bước 1: Đối với mỗi nhân tố thanh khoản, tác giả sẽ tiến hành chạy dữ liệu bảng với hai nhóm danh mục đầu tư, nhóm danh mục MV và nhóm danh mục thanh khoản tương ứng. Kết quả hồi quy nhằm mục đích xem xét sự tác động của nhân tố thanh khoản lên TSSL của danh mục đầu tư.

Như vậy, tổng cộng bài nghiên cứu sẽ có 6 mơ hình hồi quy, mỗi nhân tố thanh khoản sẽ tương ứng với 2 mơ hình hồi quy: Một mơ hình cho danh mục MV và một mơ hình cho danh mục thah khoản tương ứng.

Đối với mỗi mơ hình hồi quy, tác giả tiến hành chạy dữ liệu bảng với 2 mơ hình là: Fixed Effects Model (FEM) và Random Effects Model (REM) để ước lượng các hệ số của mơ hình hồi quy. Dấu của hệ số hồi quy sẽ phản ảnh chiều hướng tác động của nhân tố tới TSSL của danh mục.

Bước 2: Sau khi có kết quả của hai phương pháp ước lượng Fixed Effects Model (FEM) và Random Effects Model (REM) như trên, tác giả sẽ sử dụng kiểm định Hausman để lựa chọn mơ hình tối ưu nhất.

Bước 3: Sau khi lựa chọn được mơ hình tối ưu nhất, tác giả sẽ tiến hành kiểm tra

xem mơ hình có tồn tại hiện tượng tự tương quan và phương sai thay đổi không. Trong bài nghiên cứu, kiểm định Hausman hỗ trợ tác giả chọn kết quả của mơ hình

Xây dựng nhân tố thanh khoản