CHƢƠNG 2 : CƠ SỞ LÝ THUYẾT
3.4. Phƣơng pháp ƣớc lƣợng mơ hình
3.4.1. Các kiểm định mơ hình
Hiện tƣợng đa cộng tuyến
Hiện tượng đa cộng tuyến là hiện tượng tương quan giữa các biến độc lập (các biến giải thích) với nhau. Hiện tượng đa cộng tuyến có thể phân ra hai loại: đa cộng tuyến hoàn hảo và đa cộng tuyến khơng hồn hảo.
Trong q trình hồi quy, kết quả hồi quy có hệ số xác định R2 cao nhưng tỷ số t thấp, tương quan cặp giữa các biến giải thích cao, xét tương quan riêng, hồi quy phụ thấy có tồn tại hiện tượng tương quan giữa các biến độc lập thì mơ hình đã vi phạm giả thiết hồi quy - hiện tượng đa cộng tuyến.
Hiện tượng đa cộng tuyến sẽ dẫn đến một số hậu quả như: phương sai và hiệp phương sai của các ước lượng OLS lớn, khoảng tin cậy rộng lớn, tỷ số t mất ý nghĩa, hệ số xác định cao nhưng tỷ số t mất ý nghĩa, các ước lượng OLS và sai số chuẩn trở nên rất nhạy với những thay đổi trong số liệu, dấu của các ước lượng của các hệ số hồi quy có thể sai lệch, thêm vào hay bớt đi các biến cộng tuyến với các biến khác thì hệ số của các biến cịn lại có thể thay đổi rất lớn và thay đổi cả dấu của chúng.
Tác giả sử dụng hệ số tương quan giữa các biến độc lập và nhân tử phóng đại phương sai để kiểm định đa cộng tuyến. Theo Baltagi (2008), hệ số tương quan lớn hơn 0.8, nhân tử phóng đại phương sai lớn hơn 10 thì tồn tại đa cộng tuyến nghiêm trọng.
Hiện tƣợng phƣơng sai thay đổi
Hiện tượng phương sai thay đổi là hiện tượng các yếu tố nhiễu ui xuất hiện trong hàm hồi quy có phương sai thay đổi (homoscedasticity, cịn gọi là phương sai có điều kiện thay đổi); tức là các yếu tố nhiễu ui không đồng nhất phương sai.
Trong quá trình hồi quy, tác giả sẽ tập trung xem xét lại bản chất của vấn đề nghiên cứu, đồ thị phần dư và dùng một số kiểm định Goldfeld-Quandt, Breusch- Pagan, White, Park trên OLS và phương pháp Greene (2000) trên dữ liệu bảng để kiểm tra xem mơ hình đã vi phạm giả thiết hồi quy - hiện tượng phương sai thay đổi.
Hiện tượng phương sai thay đổi sẽ dẫn đến một số hậu quả như: các ước lượng OLS vẫn là không chệch nhưng khơng cịn hiệu quả nữa, ước lượng của các phương sai sẽ bị chệch, như vậy sẽ làm mất hiệu lực của kiểm định hệ số hồi quy.
Hiện tƣợng tự tƣơng quan
Tự tương quan có thể hiểu là sự tương quan giữa các thành phần của chuỗi quan sát được sắp xếp theo thứ tự thời gian hoặc không gian.
Để kiểm tra xem mơ hình đã vi phạm giả thiết hồi quy - hiện tượng tự tương quan. Trong quá trình hồi quy, tác giả sẽ dùng phương pháp đồ thị và kiểm định d (Durbin-Watson) để phát hiện tượng tự tương quan trong mơ hình hồi quy OLS (pooled regression). Ở khía cạnh kiểm tra phương sai thay đổi dữ liệu bảng, tác giả sử dụng kiểm định được đề xuất bởi Wooldrige (2002) và Drukker (2003).
Hiện tượng tự tương quan sẽ dẫn đến một số hậu quả như: uớc lượng OLS vẫn là ước lượng tuyến tính khơng chệch, nhưng khơng là ước lượng hiệu quả nữa; phương sai các ước lượng OLS là bị chệch, đôi khi quá thấp so với phương sai thực và sai số tiêu chuẩn, dẫn đến phóng đại tỷ số t; các kiểm định t và F không đáng tin cậy; cơng thức thơng thường để tính phương sai của sai số là ước lượng chệch của phương sai thực và trong một số trường hợp dường như ước lượng thấp của
phương sai thực; có thể hệ số xác định khơng đáng tin cậy và dường như là nhận giá trị ước lượng cao; các phương sai và số tiêu chuẩn của dự đốn khơng có hiệu quả.
Hiện tƣợng nội sinh
Hiện tượng nội sinh xảy ra khi giả thiết về sự không tương quan giữa biến độc lập và sai số bị vi phạm. Biến độc lập trong mơ hình vừa đóng vai trị là biến ngoại sinh (do tác động đến Y) vừa là biến nội sinh (do bị sai số tác động). Trong bài nghiên cứu, ngoài sự tác động của 05 biến độc lập bao gồm tỷ lệ vốn vay, tỷ lệ chi trả cổ tức, tỷ suất sinh lời trên vốn cổ phần, tỷ lệ thanh khoản và quy mô công ty đối với biến phụ thuộc là tỷ lệ nắm giữ tiền mặt; có thể tồn tại sự tác động ngược lại của biến phụ thuộc đối với biến độc lập như sự tác động của biến tỷ lệ nắm giữ tiền mặt lên biến tỷ lệ vốn vay khi công ty nắm giữ tiền mặt nhiều thì khi có nhu cầu về vốn họ sẽ ít tài trợ bằng nợ hơn để tránh xảy ra tình trạng tình trạng kiệt quệ tài chính.
Để phát hiện vi phạm giả thiết hồi quy - hiện tượng nội sinh, tác giả sẽ sử dùng kiểm định phương pháp Hansen, Sargan để kiểm tra sự phù hợp của việc thay thế biến nội sinh bởi biến công cụ.
3.4.2 Phƣơng pháp hồi quy GMM
Lý do sử dụng phƣơng pháp GMM
Phương pháp ước lượng bình phương bé nhất (OLS) là phương pháp được dùng rất phổ biến trong lĩnh vực kinh tế lượng. Ưu điểm của phương pháp này không quá phức tạp nhưng hiệu quả. Với một số giả thiết ban đầu, phương pháp này sẽ dễ dàng xác định các giá trị ước lượng hiệu quả, không chệch và vững.
Tuy nhiên, khi nghiên cứu về chuỗi dữ liệu thời gian, có nhiều chuỗi vi phạm một hoặc một số giả định của OLS. Khi đó, các ước lượng thu được sẽ bị bóp méo, mất tính vững và sẽ là sai lầm nếu sử dụng chúng để phân tích. Một trong những dạng vi phạm giả định phổ biến là hiện tượng nội sinh, một trường hợp khi hệ số ước lượng (hoặc biến) tương quan với phần dư.
Phương pháp cơ bản trong trường hợp các biến độc lập tương quan với phần dư là ước lượng một phương trình có dùng các biến cơng cụ (Instrumental Variables – hồi quy IV). Ý tưởng của phương pháp hồi quy này là tìm một bộ biến, được gọi là biến công cụ, thõa mãn cả hai điều kiện: (1) tương quan với các biến giải thích trong phương trình và (2) khơng tương quan với phần dư. Những biến công cụ như vậy được dùng để loại vỏ sự tương quan giữa các biến giải thích và phần dư.
Có nhiều phương pháp hồi quy dựa trên nền tảng của hồi quy IV như phương pháp Bình phương bé nhất hai giai đoạn (2SLS), phương pháp Maximum Likelihood trong điều kiện giới hạn thông tin (LIML), phương pháp ước lượng Moment tổng quát (GMM).
Làm thế nào để một hồi quy IV ước lượng ra hệ số với sự tham gia của biến cơng cụ?
Xem xét mơ hình đơn giản sau:
Trong đó: i là quan sát thứ i, yi là biến phụ thuộc, xi là biến độc lập, là phần
dư của mơ hình. Khi đó hệ số ước lượng sẽ được xác định như sau:
Với x, y, là các ma trận cột 𝑛 × 1. Nếu x và không tương quan với nhau thì ước lượng được là vững và không chệch. Tuy nhiên nếu điều ngược lại xảy ra, hệ số ước lượng sẽ bị chệch và khơng vững, mơ hình khơng cịn hiệu quả, tác động của biến x lên biến y không đáng tin cậy.
Một biến công cụ z, tương quan với biến giải thích x nhưng khơng tương
quan với phần dư sẽ được đưa vào mơ hình, phương pháp hồi quy IV sử dụng biến giả đó để xác định hệ số ước lượng như sau:
Vì biến z không tương quan với nên hệ số ước lượng là vững và không
chệch. Phương pháp này có thể tổng qt lên với một mơ hình nhiều biến. Ta gọi X là ma trận 𝑛×K các biến giải thích, Z là ma trận 𝑛×L các biến cơng cụ với K là số lượng biến giải thích, L là số lượng biến cơng cụ và n là số quan sát của mỗi biến. Khi đó phương pháp IV có thể được dùng để ước lượng mơ hình và hệ số ước lượng sẽ được xác định như sau:
Điều kiện để xác định được giá trị ước lượng là L ≥ K
Tính chất của phƣơng pháp ƣớc lƣợng GMM.
Khi số lượng mẫu phù hợp giá trị β ước lượng được sẽ vững, khi đó giá trị ước lượng được sẽ càng gần với giá trị thực của nó. Ước lượng GMM sẽ cho ra các giá trị ước lượng tuân theo phân phối chuẩn, đây là thuộc tính rất quan trọng vì đó là cơ sở để chúng ta xây dựng giá trị dự đoán ở các độ tin cậy (confidence bands) và thực hiện các kiểm định khác. Phương pháp GMM cũng cho ra kết quả là các giá trị ước lượng hiệu quả, nghĩa là giá trị phương sai trong mơ hình ước lượng là nhỏ nhất.
CHƢƠNG 4
KẾT QUẢ NGHIÊN CỨU
4.1. Phân tích thơng kê mơ tả và tƣơng quan giữa các biến
Phân tích thống kê mô tả liên quan đến việc kiểm tra những đặc tính của các biến. Giống như so sánh, để suy diễn thống kê về mối quan hệ giữa các biến trong mơ hình đang xem xét. Thống kê mô tả cho tác giả có các nhìn tổng quan về dữ liệu, cung cấp đơn giản về mẫu dữ liệu nghiên cứu và các thước đo phản ánh tổng quát đối tượng nghiên cứu. Việc xem xét các giá trị tính được từ việc mơ tả thống kê giúp cho ta xem xét nhanh mức độ thay đổi cũng như sự đồng đều của dữ liệu ở các biến thu thập trong nghiên cứu thực nghiệm. Thơng qua đó có thể phát hiện những giá trị dao động sai lệch trong cỡ mẫu. Kết quả thực hiện thống kê bằng phần mềm Stata chỉ ra phạm vi khoảng giá trị, giá trị trung bình và độ lệch chuẩn của các biến sử dụng trong nghiên cứu của các biến độc lập và phụ thuộc.
Bảng 4.1.1: Thống kê mô tả giữa các biến của các quốc gia.
Số quan
sát CASH LEV DPO ROE SIZE LIQ
Vietnam 2448 0,046 0,442 6,597 0,012 24,444 1,692
Thailand 4328 0,049 0,428 0,785 0,007 20,488 1,598
Pakistan 768 0,011 0,623 6,847 0,012 23,670 0,489
US 15962 0,078 0,569 0,022 0,005 20,483 0,855
Bảng 4.1.2: Thống kê mơ tả các chỉ số tài chính và nắm giữ tiền mặt
Mean Maximum Minimum Std. Dev. Observations
CASH 0.06 1.00 (0.74) 0.11 26306 LEV 0.53 34.65 (0.24) 0.42 26306 DPO 0.98 170.00 0.00 4.65 26306 ROE 0.01 10.42 (16.98) 0.17 26306 SIZE 20.91 34.12 0.00 6.57 26306 LIQ 1.07 1737.40 (4.19) 12.08 26306
Nguồn: Kết quả tổng hợp từ Phần mềm Stata 12 trên số liệu tác giả thu thập và
tính tốn (Phụ lục 1)
tính tốn (Phụ lục 1)
Các thống kê mô tả trong Bảng 4.1.1, cho thấy công ty trong mẫu nghiên cứu đều có mức nắm giữ tiền mặt thấp, như đối với các công ty ở Việt Nam là 4.6% trên tổng tài sản, ở Thái Lan là 4.9%, ở Paskistan là 1.1%, ở Mỹ là 7.8% và ở Anh là 4.5%. Nếu so sánh kết quả các nghiên cứu trước đây, tỷ lệ nắm giữ tiền mặt trung bình ở Anh theo báo cáo của Al- Najjar và Belghitar (2011) và Basil Al- Najjar (2012) là 9%, 10%; theo Dittmar et al. (2003) và Basil Al- Najjar (2012) báo cáo tỷ lệ nắm giữ tiền mặt ở Mỹ là 6% và 8%; theo Rizwan M.F và Jave T (2011) tỷ lệ nắm giữ tiền mặt ở Pakistan là 5%,. Sự khác biệt này có thể là do cỡ mẫu khác nhau và thời gian điều tra khác nhau. Tính trung bình, tỷ suất sinh lời trên vốn chủ sở hữu không cao, tỷ lệ vốn vay của các công ty giữa các quốc gia giữa 40% và 60%. Điều này cho thấy một mơ hình nợ gần như tương tự đối với cả nước đang phát triển và phát triển. Tương tự, tỷ lệ thanh khoản và quy mô công ty cũng khác nhau giữa các quốc gia.
Từ bảng 4.1.2, biến CASH dao động trong khoảng từ giá trị -0.74 tới giá trị 1 với giá trị trung bình của cỡ mẫu 0.06, ứng với độ lệch chuẩn của mẫu là 0.11. Dữ liệu dao động ổn định, chênh lệch giữa độ lệch chuẩn và giá trị trung bình nhỏ.
Biến LEV dao động trong khoảng từ giá trị -0.24 tới giá trị 34.65 với giá trị trung bình của cỡ mẫu 0.53, ứng với độ lệch chuẩn của mẫu là 0.42. Dữ liệu dao động ổn định, giá trị của độ lệch chuẩn nhỏ hơn so với giá trị trung bình.
Biến DPO dao động trong khoảng từ giá trị 0 tới giá trị 170 với giá trị trung bình của cỡ mẫu 0.98, ứng với độ lệch chuẩn của mẫu là 4.65. Dữ liệu dao động có một vài thời điểm giá trị vượt xa giá trị trung bình.
Biến ROE dao động trong khoảng từ giá trị -16.98 tới giá trị 10.42 với giá trị trung bình của cỡ mẫu 0.01, ứng với độ lệch chuẩn của mẫu là 0.17. Dữ liệu dao động ổn định, chênh lệch giữa độ lêch chuẩn và trung bình nhỏ.
Biến SIZE dao động trong khoảng từ giá trị 0 tới giá trị 34.12 với giá trị trung bình của cỡ mẫu 20.91, ứng với độ lệch chuẩn của mẫu là 6.57. Dữ liệu dao động ổn định, giá trị của độ lệch chuẩn không nhỏ hơn so với giá trị trung bình.
Biến LIQ dao động trong khoảng từ giá trị -4.19 tới giá trị 1737.4 với giá trị trung bình của cỡ mẫu 1.07, ứng với độ lệch chuẩn của mẫu là 12.08. Dữ liệu dao động tăng giảm mạnh trong những thời điểm nhất định.
Qua phân thống kê mô tả chung cho các biến trong mơ hình theo bảng 4.1, Các biến quan sát thu thập được có dao động ổn định, đa phần chênh lệch giữa độ lệch chuẩn và giá trị trung bình khơng lớn. Cỡ mẫu nghiên cứu gồm 26306 quan sát cho mỗi biến, là cỡ mẫu lớn để thực hiện hồi quy trong thống kê và thực hiện các kiểm định thống kê và hồi quy.
4.2. Kiểm định sự tƣơng quan giữa các biến trong mơ hình và hiện tƣợng đa cộng tuyến
4.2.1 Ma trận tƣơng quan đơn tuyến tính giữa các cặp biến Pearson
Hệ số tương quan dùng để chỉ mối quan hệ giữa các biến trong mơ hình. Dựa vào kết quả ma trận tương quan, tác giả sẽ phân tích mối tương quan giữa các biến phụ thuộc với các biến độc lập trong mơ hình và mối tương quan giữa các biến độc lập với nhau.
Bảng 4.3: Ma trận tƣơng quan tuyến tính đơn giữa các cặp biến
CASH LEV DPO ROE SIZE LIQ
CASH 1.00 LEV -0.01 1.00 DPO 0.01 -0.04 1.00 ROE -0.02 -0.01 0.02 1.00 SIZE 0.06 0.37 0.17 0.02 1.00 LIQ 0.04 -0.02 0.02 0.00 0.02 1.00
Nguồn: Kết quả tổng hợp từ Phần mềm Stata 12 trên số liệu tác giả thu thập và tính
toán (Phụ lục 2)
Tương quan Pearson chỉ ra mức độ tương quan đơn tuyến tính giữa các biến độc lập nhằm phát hiện hiện tượng đa cộng tuyến ở các biến giải thích. Ở đây tác giả chỉ tập trung nhấn mạnh những hệ số tương quan có trị tuyệt đối lớn hơn 0.8. để thấy được mức độ đa cộng tuyến của các biến trong mơ hình.
Kết quả phân tích ma trận tự tương quan giữa các biến trong mơ hình theo bảng 4.2.1 cho thấy, không tồn tại các hệ số tự tương quan cặp giữa các biến lớn hơn 0.8, do đó khơng tồn tại hiện tượng đa cộng tuyến.
Kết luận: Không tồn tại hiện tượng đa cộng tuyến với tiêu chuẩn tương quan
cặp tuyến tính theo dữ liệu thu thập.
4.2.2 Kiểm định đa cộng tuyến trong mơ hình
Bảng 4.4: Kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phƣơng sai đối với biến phụ thuộc CASH
Biến VIF 1/VIF SIZE 1.2 0.831 LEV 1.17 0.854 DPO 1.04 0.96 LIQ 1 0.998 ROE 1 0.999 Trung bình VIF 1.08
Nguồn: Kết quả tổng hợp từ Phần mềm Stata 12 trên số liệu tác giả thu thập và
tính tốn (Phụ lục 3)
Dựa vào bảng 4.2.2, kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai, giá trị Trung bình VIF của các biến trong mơ hình đều nhỏ hơn 10. Đồng thời các biến đều có VIF nhỏ hơn 10, nên khơng xảy ra hiện tượng đa cộng tuyến mạnh trong mơ hình dữ liệu nghiên cứu.
Kết luận: Với tiêu chuẩn nhân tử phóng đại phương sai VIF, mơ hình khơng
tồn tại hiện tượng đa cộng tuyến trong mẫu dữ liệu nghiên cứu.
4.3 Kiểm định hiện tƣợng phƣơng sai thay đổi phần ƣ trên ữ liệu ảng - Greene (2000) ảng - Greene (2000)
Hiện tượng phương sai thay đổi có thể ảnh hưởng đến tính hiệu quả của ước