3.6. Phương pháp hồi quy thực hiện trong nghiên cứu
3.6.1. Phương pháp hồi quy dữ liệu bảng
Trong nghiên cứu này tác giả sử dụng dữ liệu bảng trong việc phân tích hồi quy. Dữ liệu bảng cĩ nhiều ưu điểm hơn so với dữ liệu chuỗi thời gian và dữ liệu theo khơng gian (dữ liệu chéo) vì cho phép nghiên cứu các mơ hình phức tạp biến động theo cả hai chiều. Trong nghiên cứu này, tác giả sử dụng các phương pháp hồi quy bình phương nhỏ nhất (Pooled OLS), phương pháp hồi quy tác động cố định (Fixed effects model_FEM), phương pháp hồi quy tác động ngẫu nhiên (Remdom effects
model_REM), phương pháp bình quân tối thiểu tổng quát (Generalized Least Square_GLS), phương pháp ước lượng biến cơng cụ 2SLS (IV-2SLS estimation,
phương pháp hồi quy GMM (Generalized mothod of moment_GMM) để tìm ra mơ
hình phù hợp nhất cho dữ liệu nghiên cứu.
Phương pháp hồi quy bình phương nhỏ nhất (Pooled OLS)
Đây là phương pháp hồi quy dữ liệu bảng cơ bản nhất. Mơ hình này giả định
các hệ số chặn và độ dốc sử dụng trong mơ hình hồi quy là khơng thay đổi theo thời gian và cho các mẫu quan sát.
Mơ hình Pooled dạng tuyến tính k biến như sau:
1 2 2 ...
β β β
= + + + +
it it k kit it
Y X X e
Do thực tế thời gian nghiên cứu và DN trong mẫu cĩ những đặc thù riêng bởi vậy Pooled OLS khơng cĩ ý nghĩa nhiều bởi cĩ thể làm sai lệch mối quan hệ giữa biến
độc lập và biến phụ thuộc của các quan sát trong mẫu.
Phương pháp hồi quy tác động cố định (Fixed effects model_ FEM)
Sử dụng mơ hình FEM (Fixed Effects Model) nếu chỉ quan tâm đến việc phân tích tác động của các biến cĩ giá trị thay đổi theo thời gian.
Mơ hình FEM k biến cĩ dạng như sau:
1 2 2 ... ( 1,2,..., ; 1,2,..., )
β β β
= + + + + = =
it i it k kit it
Trong đĩ:
it
Y: là biến phụ thuộc, i là chỉ số thực thể và t là chỉ số thời gian. 2it,..., kit X X : là các biến độc lập. 1i β : là hệ số chặn ứng với từng thực thể. it u : sai số ngẫu nhiên. 2,..., β βk: hệ số hồi quy của từng biến độc lập (hệ số gĩc).
Mơ hình FEM được xây dựng dựa trên giả định xem xét đặc điểm riêng như
cách thức quản lý hay cách thức điều hành của từng DN (β1i) nhưng mỗi tung độ gốc của từng DN lại khơng thay đổi theo thời gian
Phương pháp hồi quy tác động ngẫu nhiên (Remdom effects model _REM)
Mơ hình Random effect (REM) - mơ hình các ảnh hưởng ngẫu nhiên: cũng giống như mơ hình Fixed về sự khác nhau giữa các đơn vị theo khơng gian nhưng khác
ở chỗ tung độ gốc của từng DN lại thay đổi theo thời gian 1i 1 i. Mơ hình hồi quy như sau:
Yit = β1 + β2X2it + β3X3it + β4X4it +…+ wit (i = 1,2…N, t = 1,2… t)
Trong đĩ: wit = i it
Số hạng sai số kết hợp bao gồm hai thành phần: là thành phần sai số theo khơng gian, hay theo các cá nhân, và uit là thành phần sai số theo khơng gian và chuỗi thời gian kết hợp.
Phương pháp hồi quy bình quân tối thiểu tổng quát (Generalized Least Square _GLS)
Phương pháp GLS là OLS đối với các biến đã biến đổi để thỏa mãn các giả thiết bình phương tối thiểu tiêu chuẩn. Phương pháp này để khắc phục hiện tượng phương sai thay đổi và hiện tượng tự tương quan trong mơ hình nghiên cứu.
Phương pháp hồi quy hai giai đoạn 2SLS
Phương pháp hồi quy biến cơng cụ hai giai đoạn là một trong các phương pháp
được sử dụng để khắc phục hiện tượng nội sinh trong mơ hình. Hiện tượng nội sinh
xảy ra khi mà biến độc lập trong mơ hình chịu tác động của các biến khác trong mơ hình.Trong nghiên cứu này hiện tượng nội sinh cĩ thể xảy ra do cĩ mối quan hệ hai
chiều giữa CBTT TNXH và HQTC DN khi đĩ ước lượng thu được từ các hồi quy
OLS, FEM, REM, GLS sẽ cĩ thể dẫn tới sai lầm nghiêm trọng, do các ước lượng này bị chệch và khơng vững (Nguyễn Thị Minh và Hồng Bích Phương, 2015). Khi
đĩ một biện pháp khắc phục hiện tượng này là sử dụng biến cơng cụ. Biến cơng cụ
phải thỏa mãn hai điều kiện: tương quan với biến nội sinh khơng tương quan với sai số ngẫu nhiên trong mơ hình (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Trong ước lượng 2SLS kiểm định Sargan để xác định tính chất phù hợp của các
biến cơng cụ trong mơ hình. Kiểm định với giả thuyết H0: biến cơng cụ là ngoại sinh, nghĩa là khơng tương quan với sai số của mơ hình. Vì thế, giá trị p của thống kê Sargan >0.05 chấp nhận giả thuyết Ho tức là biến cơng cụ là phù hợp với mơ hình nghiên cứu.
Phương pháp hồi quy GMM (Generalized method of moment_GMM)
Phương pháp hồi quy GMM cũng là một trong các phương pháp được sử dụng
để khắc phục hiện tượng nội sinh trong mơ hình được được giới thiệu bởi Arellano and
Bond (1991) và phát triển đầy đủ bởi Blundell and Bond (1998). Trong thủ tục GMM, cần phân biệt biến được cơng cụ (instrumented) và biến cơng cụ (instrument). Nếu các biến được dự đốn là nội sinh thì sắp xếp vào nhĩm biến được cơng cụ theo tiếp cận gmm; và khi đĩ chỉ cĩ giá trị trễ của các biến này mới là các cơng cụ thích hợp. Cịn nếu như các biến giải thích được xác định là ngoại sinh nghiêm ngặt thì xếp vào nhĩm biến cơng cụ (iv_instrument variable). Các biến được cho là ngoại sinh nghiêm ngặt thì giá trị hiện tại và trễ của chúng đều là các cơng cụ thích hợp
(Judson & Owen, 1996) được đề cập trong Bùi Đan Thanh (2016). Trong ước lượng GMM kiểm định Sargan để xác định tính chất phù hợp của các biến cơng cụ trong mơ hình. Kiểm định với giả thuyết H0: biến cơng cụ là ngoại sinh, nghĩa là khơng tương quan với sai số của mơ hình. Vì thế, giá trị p của thống kê Sargan >0.05 chấp nhận giả thuyết Ho tức là biến cơng cụ là phù hợp với mơ hình nghiên cứu. Ngồi ra kiểm định Sagan khơng bị yếu thì số lượng các biến cơng cụ được lựa chọn về nguyên tắc phải nhỏ hơn hoặc bằng số lượng các nhĩm.