Chương 2: THỰC TRẠNG NĂNG LỰC TÀI CHÍNH CỦA CÁC
2.3. Mô hình kiểm định tác động của năng lực tài chính đến giá trị
2.3.7. Lựa chọn mô hình ước lượng, kiểm định khuyết tật và khắc phục khuyết tật của mô hình
a. Kiểm tra đa cộng tuyến
Để kiểm tra vấn đề đa cộng tuyến tác giả dùng hệ số VIF (variance inflation factor - hệ số phóng đại phương sai). Nếu hệ số VIF vượt quá 10 thì có dấu hiệu đa cộng tuyến trong mô hình nghiên cứu. ( Theo sách của Hoàng Trọng – Chu Nguyễn Mộng Ngọc 2011 trang 371) [42].
Qua bảng số liệu 2.35 cho thấy hệ số VIF của các biến trong mô hình đều có giá trị< 10. Điều này cho thấy rằng mô hình hồi quy nghiên cứu không có hiện tượng đa cộng tuyến, các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
Bảng 2.36. Kết quả kiểm định đa cộng tuyến trong mô hình Mô
hình Tên biến Ý nghĩa
VIF - Hệ số phóng đại phương sai
Mô hình
1
CR Khả năng thanh
toán 1.69
SFA Khả năng tự tài
trợ 4.21
EPS Lợi nhuận trên
một cổ phiếu 1.10
STDTA Hệ số nợ ngắn 2.86
hạn
Lsize Quy mô công ty 1.65
AGE Thời gian hoạt
động 1.19
RER Tỷ lệ lợi nhuận để
lại tái đầu tư 1.17
CPI Chỉ số giá tiêu
dùng 1.19
Mô hình
2
CR Khả năng thanh
toán 1.69
SFA Khả năng tự tài
trợ 2.06
EPS Lợi nhuận trên
một cổ phiếu 1.09
LTDTA Hệ số nợ dài hạn 1.24
Lsize Quy mô công ty 1.61
AGE Thời gian hoạt
động 1.19
CPI Chỉ số giá tiêu
dùng 1.18
RER Tỷ lệ lợi nhuận để
lại tái đầu tư 1.17
Nguồn: Kết quả từ phần mềm STATA14 b. Lựa chọn mô hình ước lượng
Để thực hiện hồi quy dữ liệu bảng, có thể sử dụng các phương pháp như: Phương pháp hồi quy bình phương nhỏ nhất (Pool-OLS), Phương pháp hồi quy tác động cố định (Fixed Effects Model – FEM) và Phương pháp Hồi quy tác động ngẫu nhiên ( Random Effects Model – REM).Tuy nhiên phương pháp hồi quy Pool – OLS bỏ qua yếu tố thời gian và sự khác biệt giữa các đơn
vị chéo nên mô hình này thường không phù hợp trong phân tích dữ liệu bảng.
Tác giả sử dụng kiểm định Hausman để lựa chọn giữa mô hình hồi quy FEM và REM cho dữ liệu bảng của mẫu nghiên cứu. Thực chất đây là kiểm định liệu sai số duy nhất ( unique errors) có tương quan với các biến giải thích hay không với giả định:
H0: Không có tương quan giữa các biến giải thích và thành phần ngẫu nhiên ( chọn mô hình REM)
H1: Có tương quan giữa các biến giải thích và thành phần ngẫu nhiên ( chọn mô hình FEM)
Tác giả tiến hành kiểm định Hausman cho tất cả 2 mô hình trên dữ liệu của mẫu nghiên cứu với phần mềm STATA14, các giá trị P value đều lớn hơn 0,05 ( Bảng 3.39, 3.40). Như vậy, với mức ý nghĩa 5%, chưa có cơ sở để bác bỏ giả thuyết H0; kết quả kiểm định Hausman chỉ ra rằng mô hình REM là mô hình phù hợp hơn mô hình FEM. Vì vậy, nghiên cứu sẽ sử dụng mô hìnhREM để hồi quy tìm ra những nhân tố quan trọng tác động đến giá trị DN của các DNXDNY giai đoạn 2012-2018.
Bảng 2.37. Kết quả kiểm định Hausman Test cho mô hình 1
Nguồn: Kết quả từ phần mềm STATA14 Bảng 2.38. Kết quả kiểm định Hausman Test cho mô hình 2
Nguồn: Kết quả từ phần mềm STATA14
c. Kiểm tra tính phù hợp của mô hình
Để kiểm tra mô hình có hiện tượng tự tương quan hay không, tác giả sử
Prob>chi2 = 0.8374 = 3.48
chi2(7) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg age .1542537 .1291528 .0251009 .0244052 cpi .1822658 .1731701 .0090957 .0081217 eps .0001877 .0001836 4.09e-06 .0000119 cr -.0026916 .0014839 -.0041755 .027095 stdta -.7536837 .0675626 -.8212463 .5568311 rer .7999852 .8287132 -.0287279 .0867028 sfa -2.533412 -2.333892 -.1995198 .64912 lsize -.2762508 -.2052798 -.070971 .2134028 fixed random Difference S.E.
(b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients
.
Prob>chi2 = 0.7057 = 4.62
chi2(7) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg age .1561385 .1305663 .0255722 .0236738 cpi .1847724 .1742112 .0105612 .007998 eps .0001888 .0001841 4.70e-06 .0000118 cr -.0101 -.0051045 -.0049955 .0259836 ltdta 1.36403 .3653781 .9986517 .5604674 rer .7989094 .8334006 -.0344912 .0846901 sfa -1.639325 -2.307056 .6677314 .6890443 lsize -.3140647 -.2226893 -.0913754 .2137215 fixed random Difference S.E.
(b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients
dụng kiểm địnhWooldridge Test, thực hiện lệnh xtserial trong STATA14.
Kiểm địnhWooldridge Test, có các giả thuyết như sau:
Giả thuyết H0: Không có tương quan bậc 1 Giả thuyết H1: Có tương quan bậc 1
Nếu P value có giá trị< 0.05 thì bác bỏ giả thuyết H0, mô hình có hiện tượng tự tương quan.
Bảng 2.39. Kết quả kiểm định tự tương quan các mô hình Kết quả kiểm định tự tương quan mô hình 1
Wooldridge test for autocorrelation in panel data H0: no first-order autocorrelation
F( 1, 71) = 22.366 Prob > F = 0.0000
Kết quả kiểm định tự tương quan mô hình 2
Wooldridge test for autocorrelation in panel data H0: no first-order autocorrelation
F( 1, 71) = 22.694 Prob > F = 0.0000
Nguồn: Kết quả từ phần mềm STATA14
Từ bảng 2.39 cho thấy giá trị P value của mô hình 1 là 0.0000 và mô hình 2 là 0.0000 đều nhỏ hơn 0.05. Như vậy, giả thuyết H0 bị bác bỏ, chứng tỏ có hiện tượng tự tương quan giữa các biến trong mô hình nghiên cứu.
Để khắc phục khuyết tật này, tác giả sử dụng phương pháp Bình phương nhỏ nhất tổng quát khả thi ( FGLS – Feasible Generalized Least Squares) để nhằm thu được ước lượng vững và hiệu quả. Phương pháp này được nhiều tác giả sử dụng trong nghiên cứu của mình như Gill et all. (2010), Raherman và Nasr (2007), Từ Thị Kim Thoa và Nguyễn Thị Uyên (2014), Bùi Ngọc Toản (2016), Ngô Thị Kim Hoà (2018)…