CHƯƠNG 2 TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
3.3. Phương pháp nghiên cứu
3.3.1. Phân tích thống kê mơ tả
Phương pháp này được sử dụng để mơ tả những đặc tính cơ bản của dữ liệu thu thập nhằm có cái nhìn tổng qt nhất về mẫu nghiên cứu. Thơng qua mơ tả, tóm tắt thống kê các biến độc lập và biến phụ thuộc của các công ty niêm yết trên HOSE trong giai đoạn
năm 2008 đến 2013 cho thấy được giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và
bé nhất của từng biến nghiên cứu.
3.3.2. Phân tích tương quan
Phân tích tương quan được sử dụng để xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc. Kết quả phân tích tương quan có thể bước đầu đánh giá được các dự
thì đây là dấu hiệu của đa cộng tuyến, do đó đây là một cơ sở để tác giả thực hiện kiểm
định đa cộng tuyến và điều chỉnh mơ hình.
3.3.3. Phân tích hồi quy
Trong khi phân tích tương quan kiểm tra có tồn tại mối tương quan giữa các biến 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 tác động của từng biến độc lập đến biến phụ thuộc. Phương pháp này sẽ cho phép tác giả đưa ra những bằng chứng
xác thực để trả lời các câu hỏi nghiên cứu của luận văn. Thông qua phương pháp tổng bình phương bé nhất (OLS), hằng số và các tham số của mơ hình sẽ được ước lượng.
Hệ số Prob (P-value) của kết quả phân tích hồi quy cho biết mức độ tác động của các
biến độc lập lên từng biến phụ thuộc. Các mức thống kê có ý nghĩa thường được sử
dụng là 1%, 5% hoặc 10% (hay nói cách khác là độ tin cậy 99%, 95% hoặc 90%). Hệ số R2
(R-squared) từ kết quả phân tích sẽ cho biết khả năng các biến độc lập giải thích cho biến phụ thuộc trong mơ hình hồi quy.
3.3.4. Kiểm định đa cộng tuyến
Khi phân tích tương quan, hệ số tương quan giữa các biến cao là dấu hiệu của đa cộng tuyến. Để phát hiện trường hợp một biến có tương quan tuyến tính mạnh với các biến cịn lại của mơ hình, ta khảo sát các cặp tương quan giữa các biến độc lập được thực hiện bằng cách thiết lập ma trận hệ số tương quan để tìm ra những cặp biến có hệ số
tương quan cao. Gujarati K. (1995) cho rằng, để loại trừ vấn đề đa cộng tuyến, cần
nghiên cứu kỹ hệ số tương quan giữa các biến, nếu chúng vượt q 0.8, mơ hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng. Do đó, để giảm thiểu đa cộng tuyến, tác giả sẽ loại bỏ biến ra khỏi mơ hình hồi quy đối với cặp biến có hệ số tương quan lớn
Ngồi ra, để đảm bảo tính chính xác, tác giả sẽ sử dụng thêm hệ số phóng đại phương sai (VIF - Variance Inflation Factor) để kiểm định hiện tượng đa cộng tuyến. Theo quy
tắc kinh nghiệm khi VIFj>10 thì mức độ cộng tuyến được xem là cao và khi đó, các hệ
số hồi quy được ước lượng với độ chính xác khơng cao. Dựa vào kết quả kiểm định hồi
quy tuyến tính và hệ số VIF, các biến có hệ số VIF lớn hơn 10 sẽ bị loại ra khỏi mơ hình1 và tiếp tục phân tích hồi quy cho đến khi khơng cịn biến nào có giá trị VIF lớn
hơn 10, tức là khơng cịn hiện tượng đa cộng tuyến.
3.3.5. Kiểm định Wald có sửa đổi về phương sai thay đổi
Một trong các giả thuyết chủ yếu cho hồi quy bình phương bé nhất thông thường OLS
là sự thuần nhất của phương sai phần dư. Nếu phương sai phần dư không phải là một
hằng số thì được coi là phương sai thay đổi; lúc này ước lượng hệ số hồi quy tính được bằng phương pháp OLS là không hiệu quả. Để kiểm định sự vi phạm giả thiết này của
mơ hình, tác giả sử dụng kiểm định dạng Wald có sửa đổi với các giả thiết H0 : phương sai phần dư là thuần nhất, H1: phương sai phần dư thay đổi. Nếu kết quả kiểm định cho giá trị P-value là nhỏ (nhỏ hơn 0.05 ngầm định), giả thiết H0 bị bác bỏ và chấp nhận giả thiết H1.
3.3.6. Kiểm định Wooldridge về tự tương quan
Sau khi kiểm định sự phù hợp của mơ hình, bước kế tiếp là kiểm định hiện tượng tự
tương quan của các biến trong mơ hình. Khi có tồn tại hiện tượng tự tương quan, tuy
các ước lượng OLS vẫn là các ước lượng không chệnh nhưng chúng không phải là ước
lượng hiệu quả. Nói cách khác, ước lượng OLS khơng phải là ước lượng không chệch tốt nhất. Phương pháp kiểm định có ý nghĩa nhất để phát hiện tình trạng tự tương quan xảy ra trong mơ hình là phương pháp kiểm định Wooldridge, trong đó giả thiết thiết H0
quan chuỗi bậc 1. Nếu kết quả kiểm định cho giá trị p-value là nhỏ (nhỏ hơn 0.05 ngầm
định), giả thiết H0 bị bác bỏ và chấp nhận giả thiết H1.