CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
3.4. PHƯƠNG PHÁP ƯỚC LƯỢNG VÀ KIỂM ĐỊNH
Phân tích hồi quy sẽ xác định mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối quan hệ và qua đó
hỗ trợ dự đoán mức độ của biến phụ thuộc khi biết trước giá trị của các biến độc lập.
Dữ liệu nghiên cứu trong bài thuộc loại dữ liệu bảng kết hợp các quan sát nhiều đối tượng trong một giai đoạn thời gian nhất định. Theo phương pháp hồi quy bình phương nhỏ nhất có 3 dạng mô hình dành riêng cho dữ liệu bảng là “mô hình hồi quy gộp” (Pooled OLS), “mô hình những ảnh hưởng cố định” (Fixed effect model – FEM )
và “mô hình các tác động ngẫu nhiên” (Random effect model – REM) (Khải, 2012).
Mô hình hồi quy gộp (Pooled OLS)
Mô hình hồi quy gộp là mô hình hồi quy trong đó tất cả các hệ số đều không đổi theo thời gian và theo các đối tượng. Ước lượng bỏ qua bình diện không gian và thời gian của dữ liệu kết hợp. Khi đó, mô hình xem xét ảnh hưởng của từng đối tượng riêng lẻ là như nhau: Mô hình hồi quy gộp có thể được thực hiện đơn giản cũng như hạn chế biến xuất hiện trong mô hình nhưng lại bộc lộ nhiều hạn chế. Nhược điểm lớn nhất đó là kết quả thực hiện được từ Pooled OLS không phân biệt được đặc điểm khác nhau giữa các đối tượng trong mẫu nghiên cứu và cũng không thể ước lượng đối tượng theo thời gian. Để có thể thực hiện phân tích theo chiều thời gian hay không gian, các biến giả sẽ được đưa vào phương trình gốc. Ngoài ra, kết quả kiểm định Durbin – Watson của ước lượng theo Pooled OLS thông thường khá nhỏ đã cho thấy
mô hình xảy ra hiện tượng tự tương quan dương. Các hạn chế của mô hình hồi quy gộp được khắc phục qua hai mô hình tiếp theo của dữ liệu bảng được trình bày bên dưới.
Mô hình tác động cố định (Fixed effects model – FEM)
Mô hình FEM cho phép phân tích dựa trên đặc điểm riêng biệt của mỗi đối tượng
chéo trong mẫu nghiên cứu không đổi theo thời gian (Wooldridge, 2002; Hsiao, 2003).
Sở dĩ mô hình FEM được lựa chọn vì thống kê cho phép thể hiện tính riêng biệt của mỗi đối tượng vì chính những đặc điểm riêng biệt đó cũng có ảnh hưởng đến biến độc lập. Chẳng hạn như bộ máy điều hành, cách thức quản lý của ban giám đốc tác động trực tiếp đến cơ cấu vốn, danh mục các sản phẩm dịch vụ cung cấp. Các đặc điểm riêng biệt (giả định không đổi theo thời gian) này là đơn nhất đối với một đối tượng và không tương quan với đặc điểm của các đối tượng khác. Mô hình FEM cũng bộc lộ một số hạn chế như có quá nhiều biến được tạo ra trong mô hình nên rất có khả năng làm giảm bậc tự do của mô hình và làm tăng khả năng xảy ra hiện tượng đa cộng tuyến. Với ưu điểm nghiên cứu được đặc điểm riêng biệt của mỗi đối tượng trong mẫu nghiên cứu nhưng điều kiện để thực hiện phân tích theo FEM là giả định các điều kiện không đổi theo thời gian, do đó, nghiên cứu theo phương pháp này không kiểm định được sự thay đổi của các nhân tố theo thời gian (Khải, 2013).
Mô hình tác động ngẫu nhiên (Random effects model – REM)
Cùng với FEM, một số tác giả cũng tiến hành nghiên cứu tương tự. Tương tự với FEM, mô hình các ảnh hưởng ngẫu nhiên cũng giả định sự xuất hiện của các đặc tính riêng lẻ của đối tượng và không thay đổi theo thời gian. Sự biến động giữa các đối tượng được phản ánh tại sự chênh lệch giữa mô hình ảnh hưởng ngẫu nhiên và mô hình ảnh hưởng cố định. Trong mô hình ảnh hưởng ngẫu nhiên, sự biến động giữa các đối tượng được giả định là ngẫu nhiên sẽ không liên quan với mô hình biến giải thích nếu sự biến động giữa các đối tượng có liên quan với biến giải thích hoặc mô hình ảnh hưởng ngẫu nhiên. Thông thường các nhà nghiên cứu trước sẽ thực hiện hai thử nghiệm F - statictis và Hausman để tiến hành chọn lựa mô hình nghiên cứu tương ứng với dữ liệu trong ba mô hình được nêu trên. Kiểm định Hausman sẽ gợi ý về cách
sử dụng FEM thích hợp trong khi kiểm định F cung cấp dữ liệu là cơ sở cho sự chọn lựa giữa 2 mô hình Pooled OLS và Fixed effect model.
Phương pháp bình phương tối thiểu tổng quát (Generalized Least Squares
- GLS)
Phương pháp được sử dụng để khắc phục các khuyết tật của phương pháp GLS
như hiện tượng đa cộng tuyến, tự tương quan và phương sai sai số thay đổi. Đa cộng tuyến xảy ra khi các biến giải thích trong mô hình có mối tương quan cao với nhau, dẫn đến ước lượng các hệ số hồi quy không ổn định và khó giải thích, điều này có thể được phát hiện bằng chỉ số VIF. Hiện tượng tự tương quan xảy ra khi các sai số có tương quan với nhau, vi phạm giả định về tính độc lập của OLS, Fem và Rem khiến cho ước lượng không hiệu quả; kiểm định Durbin-Watson thường được sử dụng để phát hiện hiện tượng này. Hiện tượng phương sai sai số thay đổi xảy ra khi phương sai của sai số không đồng nhất, làm cho ước lượng OLS, Fem và Rem không hiệu quả và các kiểm định thống kê không chính xác, điều này thường được kiểm tra bằng kiểm định Breusch-Pagan hoặc kiểm định White. GLS là phương pháp bình phương tối thiểu tổng quát khả thi giúp ước lượng các hệ số hồi quy một cách hiệu quả hơn
và tăng độ tin cậy cũng như tính chính xác của mô hình, từ đó đưa ra các kết luận chính xác hơn trong các nghiên cứu tài chính và kinh tế.
KẾT LUẬN CHƯƠNG 3
Chương 3 đã nêu ra quy trình nghiên cứu, tổng hợp các mô hình nghiên cứu
từ những công trình trước đây và đề xuất mô hình nghiên cứu phù hợp với bối cảnh hiện tại. Đồng thời, chương này cũng đã trình bày rõ ràng các giả thuyết nghiên cứu
và phương pháp ước lượng kiểm định để đảm bảo tính chính xác và đáng tin cậy của kết quả. Các phương pháp ước lượng như pooled OLS, Fem, Rem và GLS đã được xem xét kỹ lưỡng để lựa chọn phương pháp phù hợp nhất cho dữ liệu và mục tiêu nghiên cứu. Nhờ vào việc xác định rõ ràng các bước và công cụ phân tích, chương 3
đã xây dựng nền tảng vững chắc cho việc phân tích và đánh giá các nhân tố ảnh hưởng đến RRTK của các NHTM.