Dựa theo cách tiếp cận của các nghiên cứu đã tiến hành thành công trước đây về các yếu tố có liên quan, hay về các yếu tố có tác động đến tỷ suất sinh lợi chứng khoán, như mơ hình nghiên cứu của Dwi Martani, Mulyono, Rahfiani Khairurizka (2009). Theo đó, để nghiên cứu ảnh hưởng của các thơng tin từ báo cáo tài chính lên tỷ suất sinh lợi chứng khốn, mơ hình đề xuất trong nghiên cứu này là:
STOCKRETURN = f (ROE, NPM, CR, DER, TATO, PBV, SIZE)
Với biến phụ thuộc là tỷ suất sinh lợi chứng khoán, biến này được ký hiệu là RET. Theo đó, mơ hình được trình bày lại như sau:
Còn lại các biến độc lập, ROE và NPM đo lường hiệu quả hoạt động của doanh nghiệp – khả năng sinh lợi, CR là khả năng thanh toán, DER đại diện cho chỉ số nợ, TATO là vòng quay tổng tài sản, PBV giá cổ phiếu trên giá trị sổ sách và SIZE đại diện cho quy mô công ty của từng doanh nghiệp được chọn trong dữ liệu quan sát.
Thu thập dữ liệu từ các công ty được chọn làm đối tượng nghiên cứu, qua giao đoạn khảo sát, ta được dữ liệu dạng bảng. Như đã trình bày trong phần cơ sở lý thuyết, phương pháp hồi quy với dữ liệu dạng sẽ được xem xét trong ba mơ hình sau:
3.2.1. Mơ hình hồi quy Pool:
Trong mơ hình hồi quy Pool, ảnh hưởng của các biến giải thích và những biến không quan sát đều không đổi đối với tất cả các công ty qua từng năm quan sát, và tung độ góc của tất cả các đơn vị chéo quan sát được giả định là giống nhau. Mơ hình này được biểu diễn như sau:
RET = β1 + β2 ROE + β3 NPM + β4 CR + β5 DER + β6 TATO + β7 PBV + β8 SIZE + µ
Đây là trường hợp đơn giản nhất, mơ hình bỏ qua mảng thời gian, và không gian của dữ liệu dạng bảng, mà chỉ ước lượng mơ hình hồi quy OLS thơng thường. Do đó, việc sử dụng mơ hình này là khơng thích hợp, và đòi hỏi phải có một mơ hình đặc thù dùng để ước lượng cho dữ liệu dạng bảng.
3.2.2. Mơ hình hồi quy với tác động cố định:
Mơ hình này được biểu diễn như sau:
RETit =β1i + β2 ROEit + β3 NPMit +β4 CRit +β5 DERit +β6 TATOit + β7PBVit + β8SIZEit + µit
Trong đó, i đại diện cho các công ty, i = 1, 2, …, 60; t đại diện cho thời gian.
Mơ hình hồi quy tác động cố định phân tích những khác biệt về hệ số chặn của nhóm, trong khi đó, giả sử rằng các độ dốc là khác nhau và sai số khơng đổi.
3.2.3. Mơ hình hồi quy tác động ngẫu nhiên:
Mơ hình hồi quy tác động ngẫu nhiên phân tích những thành phần của
phương sai, và sai số, trong khi giả sử rằng các hệ số chặn không thay đổi và các độ dốc là giống nhau. Trong đó, tung độ gốc ở mơ hình được biễu diễn như sau:
β1i = β1 + εi; Với i = 1, 2, …N và εi là sai số ngẫu nhiên. Theo đó, mơ hình được biểu diễn như sau:
RETit =β1 + β2 ROEit + β3 NPMit +β4 CRit +β5 DERit +β6 TATOit + β7PBVit + β8SIZEit + wit
Trong đó, i đại diện cho các công ty, i = 1, 2, …, 60; t đại diện cho thời gian.
3.2.4. Kiểm định Hausman:
Để xem xét, lựa chọn mơ hình phù hợp giữa mơ hình các tác động cố định và mơ hình các tác động ngẫu nhiên, đề tài sử dụng kiểm định Hausman (1978). Đây là kiểm định giúp lựa chọn nên sử dụng mơ hình tác động cố định hay là mơ hình tác động ngẫu nhiên. Thực chất kiểm định Hausman để xem xét có tồn tại tự tương quan giữa Ui và εit hay không? Kiểm định Hausman là kiểm định giả thiết:
H0: Ui và biến độc lập không tương quan. H1: Ui và biến độc lập có tương quan.
Khi giá trị (Prob> χ2) < 0,05 thì ta bác bỏ giả thiết H0, khi đó Ui và biến độc lập có tương quan, khi đó phải sử dụng mơ hình tác động cố định. Và ngược lại, khi giá trị (Prob> χ2) > 0,05 lúc đó chấp nhận giả thiết H0, tức là Ui và biến độc lập khơng tương quan, mơ hình tác động ngẫu nhiên sẽ được sử dụng.
Đánh giá độ phù hợp của mơ hình hồi quy:
Sau khi ước lượng được mơ hình hồi quy, chúng ta cần đánh giá về sự phù hợp của mơ hình này. Luận văn tiến hành đánh giá độ phù hợp của mơ hình hồi quy theo một số tiêu chí như sau:
Đầu tiên, đề tài xem xét dấu của các hệ số ước lượng được có phù hợp với lý thuyết và các nghiên cứu trước hay không. Các biến được chọn phải đáp ứng được yêu cầu đầu tiên này. Tiếp theo, đề tài chọn các biến không những dấu của hệ số ước lượng phù hợp với lý thuyết và các nghiên cứu trước, mà hệ số này khác 0 phải
có nghĩa thống kê.
Ngồi các tiêu chí nêu trên, đề tài tiếp tục thực hiện một số kiểm định cơ bản để xem có tồn tại các khuyết tật có tồn tại trong mơ hình hay khơng, như kiểm định đa cộng tuyến, tự tương quan sau khi ước lượng mơ hình hồi quy.
Một số kiểm định các khuyết tật của mơ hình:
- Ma trận tương quan giữa các hệ số được dùng để kiểm tra hiện tượng đa cộng tuyến trong mơ hình hồi quy. Việc này được thực hiện ở bước khảo sát mối tương quan giữa các cặp biến.
- Ngoài ra phương pháp hồi quy phụ cũng được áp dụng để chắc chắn là có hay khơng có tương quan.
- Bên cạnh đó, để kiểm tra hiện tượng tự tương quan, đề tài sẽ dựa vào giá trị thống kê Durbin-Watson có trong bảng kết quả hồi quy cộng với kinh nghiểm kiểm tra được trình bày trong tài liệu của tác giả Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) mà kết luận có hay khơng tồn tại tự tương quan trong mơ hình hồi quy.
- Đối với vấn đề phương sai thay đổi, đề tài dùng kiểm định White để xem xét tổng quát về sự đồng nhất của phương sai.
Đối với việc dùng giá trị R2 để xem xét về mức độ giải thích của mơ hình, hiện nay, có rất nhiều ý kiến xung quanh vấn đề dùng chỉ tiêu R2 để giải thích, đánh giá mơ hình hồi quy với dữ liệu dạng bảng. Nhiều chuyên gia kinh tế cho rằng, hệ số này chỉ có giá trị giải thích đối với các mơ hình hồi quy theo chuỗi thời gian, và mà mẫu quan sát nhỏ (khoảng trên dưới 100 quan sát), hoặc dùng trong các trường hợp dự báo. Còn đối với mơ hình hồi quy dữ liệu dạng bảng, đối với các nghiên cứu đi kiểm định giả thuyết, hoặc dự đoán mối liên hệ giữa các biến, thì chỉ tiêu R2 khơng được sử dụng để đưa ra kết luận. Gelman và Pardoe (2006) cho rằng R2 không phải là một chỉ tiêu hồn hảo để đánh giá mơ hình, đặc biệt là mơ hình hồi quy dữ liệu dạng bảng. R2 có thể cho chúng ta biết một vài điều, nhưng không phải là tất cả, khơng thể kết luận mơ hình khơng tốt nếu R2 thấp, cũng không thể kết luận mơ hình là hồn hảo trong việc giải thích mối quan hệ giữa các biến trong trường
hợp R2 tiến về gần 1. Do đó, nghiên cứu này không sử dụng chỉ tiêu R2 để đánh giá mơ hình.