Chương 3: Phương pháp nghiên cứu
3.3. Xử lý và phân tích dữ liệu
3.3.1. Ước lượng các biến trong mô hình
Bảng 3.2. Mô tả biến và cách ước lượng
Biến Ý nghĩa biến Đo lường
Dấu kỳ vọng
Tham khảo cách đo lường của các tác giả Biến phụ thuộc
ROE Khả năng sinh lời trên VCSH
Lợi nhuận sau thuế
Tổng vốn chủ sở hữu --
Chu Thị Thu Thủy (2015), Tăng Mỹ Sang (2020)
Abd Karim (2005)
ROA
Khả năng sinh lời trên tổng tài
sản
Lợi nhuận sau thuế
Tổng tài sản --
Amal (2012), G M Wali Ullah (2016), Hifza Malik (2011), PGS., TS. Nghiêm
Thị Thà (2019) Biến độc lập
SIZE Quy mô công ty Ln (Tổng tài sản) +
Amal Yassin Almajali (2012), G M Wali Ullah (2016), Hifza Malik (2011)
IR Tỷ lệ đầu tư Tổng đầu tư trong năm
Tổng tài sản +
Kazimierz Ortyński (2016), Chen Ying Lee (2014), Ana-Maria Burca (2014),
Onsongo (2015)
32
CR Thanh khoản Tổng tài sản ngắn hạn
Nợ phải trả ngắn hạn +
Anam Batool (2019), Naveed Ahmed (2011), Boadi (2013), Amal Yassin
Almajali (2012)
TAN Tính hữu hình Tổng tài sản cố định
Tổng tài sản +
Boadi (2013), Nasution (2017), Mehari (2013),
Mule (2015) EGR Tăng trưởng
kinh tế (GDPt – GDPt-1)/ GDPt-1 + Anam Batool (2019), Berhe (2017) Nguồn: Tổng hợp của tác giả
3.3.2. Phương pháp phân tích dữ liệu
Các số liệu sau khi đã được tính toán để định lượng cho các quan sát sẽ được tổng hợp theo bảng và sử dụng phần mềm Stata để định dạng và phân tích. Sau khi lập bảng thống kê mô tả (bao gồm tên biến, số quan sát, giá trị trung bình mẫu, độ lệch chuẩn của mẫu, giá trị nhỏ nhất, giá trị lớn nhất), tác giả sẽ kiểm tra mối tương quan giữa các biến độc lập hay kiểm tra hiện tượng đa cộng tuyến.
Hệ số tương quan cho biết mức độ mạnh mẽ của mối quan hệ tuyến tính giữa hai biến, luôn nằm trong khoảng -1 và +1. Khi hệ số này gần bằng 0, điều này có nghĩa là có rất ít mối quan hệ giữa các biến. Như vậy cần xem xét mối tương quan giữa các biến độc lập, tác giả sẽ xem xét loại bỏ một trong cặp biến độc lập nào có mối tương quan cao (lớn hơn 0.8 và nhỏ hơn -0.8) nhằm tránh các dữ liệu dư thừa và ảnh hưởng đến mô hình hồi quy của nghiên cứu.
Bên cạnh sử dụng hồi quy Pool – OLS, nghiên cứu còn sử dụng mô hình đánh giá tác động cố định - fixed effects (FEM) và mô hình đánh giá tác động ngẫu nhiên - random effects (REM).
33
Mô hình đánh giá tác động cố định FEM là mô hình thống kê trong đó các tham số của mô hình là các đại lượng cố định hoặc không ngẫu nhiên. Các mô hình hiệu ứng cố định có hạn chế là không thể kiểm soát các biến thay đổi theo thời gian. Tuy nhiên, các biến này có thể được đưa vào mô hình bằng cách bao gồm các biến giả cho các đơn vị thời gian hoặc không gian. Tuy nhiên càng nhiều biến giả, thì sai số của mô hình càng cao. Mô hình FEM của nghiên cứu có dạng:
ROEit = αi + β1 SIZEit + β2CRit + β3 IRit + β4TANit + β5EGRit + vit ROAit = α’i + β’1 SIZEit + β’2CRit + β’3 IRit + β’4TANit + β’5EGRit + v’it
Với αi là hệ số chặn cho từng doanh nghiệp, đại lượng vit là đại diện cho các yếu tố không quan sát được của mỗi công ty và thay đổi theo thời gian
Ở mô hình FEM, phần dư của mô hình (hay sự khác biệt giữa các công ty) có tương quan với các biến độc lập thì ở mô hình REM, không có sự tương quan của mô hình và các biến độc lập. Mô hình REM của nghiên cứu có dạng:
ROEit = α+ β1 SIZEit + β2CRit + β3 IRit + β4TANit + β5EGRit + vit+ài
ROAit = α’+ β’1 SIZEit + β’2CRit + β’3 IRit + β’4TANit + β’5EGRit + v’it+à’i
Với ài là đại diện cho đặc điểm riờng của từng doanh nghiệp và vit là đặc điểm riờng của mỗi doanh nghiệp theo thời gian.
Như vậy, phát triển từ mô hình Pool - OLS, nếu OLS xem như các công ty đều giống nhau thì FEM và REM xem xét đến đặc điểm riêng của mỗi công ty. Sau khi thực hiện hồi quy bằng ba phương pháp trên, tác giả sẽ tiến hành sử dụng kiểm định Hausman để lựa chọn FEM hay REM sẽ phù hợp hơn.
Tuy nhiên các mô hình thường sẽ phát sinh các khuyết tật như đa cộng tuyến (khi các hệ số VIF > 10), tương quan chuỗi (sử dụng kiểm định Wooldrige), phương sai sai sô thay đổi (sử dụng kiểm định White). Vì vậy tác giả sẽ kiểm định các khuyết tật trên và
34
khắc phục các khuyết tật (nếu có) qua mô hình FGLS là một phương pháp khắc phục các khuyết tật phổ biến của mô hình. Qua đó tác giả tìm ra được mô hình tối ưu để phân tích sự ảnh hưởng của các nhân tố đến khả năng sinh lời của các công ty BHNT.
KẾT LUẬN CHƯƠNG 3
Như vậy, dựa trên nền tảng lý thuyết và xây dựng mô hình hồi quy tuyến tính ở chương 2, chương 3 tác giả đã nêu các phương pháp thực hiện hồi quy và để kiểm định sự tác động của các yếu tố đến khả năng sinh lời của các doanh nghiệp BHNT bao gồm các nhân tố: Quy mô, tỷ lệ đầu tư, tính thanh khoản, tính hữu hình và yếu tố vĩ mô là tăng trưởng GDP. Tác giả đã đưa ra các phương pháp ước lượng và các bước xử lý số liệu sau khi thu thập được từ các báo cáo tài chính từ 17 công ty và các nguồn số liệu từ các tổ chức tài chính khác. Sau khi tham khảo các nghiên cứu trước đồng thời dựa trên nền tảng lý thuyết, tác giả đã đưa ra các giả thiết về tác động của từng nhân tố đối với khả năng sinh lời của các công ty BHNT.
35