Chương 3: Kết quả nghiên cứu
2. Kết quả mô hình hồi quy
2.4. Kết quả chạy mô hình OLS
𝑅𝑂𝐴 = 𝛽0+ 𝛽1. 𝐿𝑛𝑆𝐼𝑍𝐸 + 𝛽2. 𝐷𝑇𝐴 + 𝛽3. DTE + 𝛽4. SHORT + 𝛽5. TANG + 𝛽6. 𝐺𝑅𝑂𝑊𝑇𝐻 + 𝛽7. 𝐴𝐶𝑃 + 𝛽8. 𝑇𝐴𝑋 + 𝛽9. 𝑌𝐸𝐴𝑅𝐼𝑁𝐵 + 𝛽10. 𝐿𝑛𝑅𝐼𝑆𝐾 + 𝛽11. 𝐺𝐷𝑃 + 𝛽12. 𝐼𝑁𝐹
Bảng tổng hợp
Bảng 3.3 Tổng hợp kết quả mô hình với biến ROA
Biến
Pool OLS REM FEM
Co.efficient P value Co.efficient P value Co.efficient P value SIZE -3.727445 0.000 -6.581457 0.000 -5.00038 0.000 GROWTH .8665805 0.309 1.750855 0.003 2.447874 0.000 TANG -6.592261 0.019 -4.017474 0.158 -1.543926 0.614 DTA -10.38466 0.000 -6.68622 0.005 -6.599008 0.007 GDP 3.794459 0.832 6.51354 0.539 2.717608 0.791 INF -10.33828 0.719 -11.97358 0.485 -8.198235 0.619 KTBQ -.0282437 0.000 -.0076568 0.203 -.0035468 0.552 TAX .0000113 0.000 .0000182 0.000 .0000216 0.000
56 RISK 3.299235 0.000 6.098939 0.000 7.971624 0.000 SHORT 1.050927 0.685 4.756492 0.015 5.574402 0.004 DTE .3759169 0.457 .5269217 0.181 .51618 0.199 YEARINB .0112521 0.604 -.0826918 0.074 -.4683238 0.000
Prob > F 0.0000 0.0000 0.0000
R-Squared 0.4302
F-test Prob > F = 0.0000
Bảng kết qủa mô hình FEM cho thấy F test có giá trị Prob > F = 0.0000 nhỏ hơn 0.05, kết luận giữa mô hình OLS và FEM thì mô hình FEM phù hợp hơn để nghiên cứu kiểm định mối quan hệ giữa các biến độc lập và ROA.
Từ bảng kết quả số liệu, có thể thấy hệ số Significance – F là 0.00 (nhỏ hơn 0.05) cho thấy mô hình được sử dụng trong bài nghiên cứu là mô hình có ý nghĩa Kết quả chạy OLS cho thấy R bình phương là 43.02% và R bình phương điều chỉnh là 40.98% được sử dụng để đo lường mức độ phù hợp của mô hình hồi quy. Chỉ số R càng gần giá trị 1 thì mô hình hồi quy có mức độ phù hợp cao với tập dữ liệu đã thu thập được sử dụng để chạy mô hình hồi quy. Ngoài ra thì R bình phương bằng 43.02% giải thích sự biến động của ROA đến từ 43.02% là do 12 nhân tố sử dụng trong mô hình và 56.98% là do các nhân tố khác không xuất hiện trong mô hình. Có thể kết luận rằng với cả hai giá trị R này thì mô hình tuyến tính này phù hợp với tập dữ liệu được sử dụng và biến ROA được giải thích bởi các biến dự báo ở trên.
Kiểm định Hausman
Tác giả sử dụng kiểm định Hausman để đánh giá và lựa chọn mô hình phù hợp.
Từ đó đưa ra giả thuyết:
57 𝐻0: Mô hình REM là phù hợp hơn
𝐻1: Mô hình FEM là phù hợp hơn
Qua bảng kiểm định Hausman, có thể thấy giá trị Chi square = 23.30 và giá trị Prob > chi2 là 0.0097 < 0.05 như vậy chấp nhận 𝐻1 và bác bỏ 𝐻0. Kết luận mô hình FEM là mô hình phù hợp để nghiên cứu kiểm định mối quan hệ giữa các biến độc lập đến ROA.
Kiểm định phương sai sai số thay đổi
Tác giả sử dụng lệnh xttest3 để đánh giá xem phương sai sai số trong mô hình được chọn có đồng nhất hay không. Lý do kiểm định là do khi phương sai thay đổi tuy không làm mất đi tính chất không thiên lệch và nhất quán của các ước lượng OLS, tuy nhiên nó sẽ khiến các ước lượng không còn có phương sai nhỏ (phương sai hiệu quả) dẫn đến những kết quả sai lầm khi chạy các kiểm định sau và ảnh hưởng đến mức độ chính xác của kết quả. Từ đó hình thành giả thuyết:
𝐻0: Phương sai sai số đồng nhất
𝐻1: Phương sai sai số không đồng nhất
Bảng 3.4 Kiểm định phương sai sai số thay đổi với biến ROA
Kiểm định Kết quả Ý nghĩa
Phương sai sai số thay đổi
Prob > chi2 = 0.0000
Có phương sai sai số thay đổi
Kết quả cho thấy Prob > chi2 là 0.0000 < 0.05, chấp nhận 𝐻1 bác bỏ 𝐻0, kết luận phương sai sai số không đồng nhất
Kiểm định tự tương quan
Bằng cách sử dụng công cụ xtserial, tác giả đánh giá hiện tượng tự tương quan của các biến trong mô hình
Bảng 3.5 Kiểm định tự tương quan với biến ROA
58
Kiểm định Kết quả Ý nghĩa
Tự tương quan Prob > chi2 = 0.0051
Có hiện tượng tự tương quan
Kết quả cho thấy p-value < 0.05 (5%) từ đó có thể đưa ra kết luận mô hình xuất hiện hiện tượng tự tương quan. Đây là dấu hiệu không khả quan khi hiện tượng này xảy ra kết hợp với hiện tượng phương sai sai số thay đổi ở trên có thể làm sai lệch mức độ tin cậy của các ước lượng.
Mô hình khắc phục khuyết tật
Bảng 3.6 Kết quả mô hình khắc phục khuyết tật với biến ROA
Biến Pool OLS
Co.efficient P value
SIZE -5.00038 0.037
GROWTH 2.447874 0.002
TANG -1.543926 0.763
DTA -6.599008 0.003
GDP 2.717608 0.828
INF -8.198235 0.604
KTBQ -.0035468 0.674
TAX .0000216 0.109
RISK 7.971624 0.002
SHORT 5.574402 0.017
59
DTE .51618 0.231
YEARINB -.4683238 0.115
Bảng kết quả cho thấy với mức ý nghĩa p-value nhỏ hơn 0,05 (5%) thì những biến độc lập nào ảnh hưởng đến ROA, bao gồm các biến: quy mô (SIZE), tăng trưởng doanh thu (GROWTH), tỉ lệ nợ trên tổng tài sản (DTA), rủi ro kinh doanh (RISK), nợ ngắn hạn trên tổng tài sản (SHORT). Với hệ số hồi qui β lớn hơn 0, các biến tăng trưởng doanh thu (GROWTH), rủi ro kinh doanh (RISK), tỉ lệ nợ ngắn hạn trên tổng tài sản (SHORT) cho thấy mối quan hệ cùng chiều với ROA, trong khi các biến quy mô (SIZE) và tỉ lệ nợ trên tổng tài sản (DTA) tác động tiêu cực đến ROE.
Mô hình 2:
𝑅𝑂𝐸 = 𝛽0+ 𝛽1. 𝐿𝑛𝑆𝐼𝑍𝐸 + 𝛽2. 𝐷𝑇𝐴 + 𝛽3. DTE + 𝛽4. SHORT + 𝛽5. TANG + 𝛽6. 𝐺𝑅𝑂𝑊𝑇𝐻 + 𝛽7. 𝐴𝐶𝑃 + 𝛽8. 𝑇𝐴𝑋 + 𝛽9. 𝑌𝐸𝐴𝑅𝐼𝑁𝐵 + 𝛽10. 𝐿𝑛𝑅𝐼𝑆𝐾 + 𝛽11. 𝐺𝐷𝑃 + 𝛽12. 𝐼𝑁𝐹
Bảng tổng hợp
Bảng 3.3 Tổng hợp kết quả mô hình với biến ROE
Biến
Pool OLS REM FEM
Co.efficient P value Co.efficient P value Co.efficient P value SIZE -4.141691 0.003 -12.31054 0.000 -11.67974 0.000 GROWTH .8695955 0.578 3.199253 0.003 4.479245 0.000 TANG -3.337132 0.517 -3.057977 0.561 2.637565 0.644 DTA 8.560388 0.086 2.810727 0.525 1.727232 0.705 GDP 38.46904 0.242 41.58378 0.035 35.42868 0.064
60 INF -30.14157 0.568 -20.36247 0.524 -14.27911 0.642 KTBQ -.0424661 0.002 .000299 0.979 .0073071 0.511 TAX .0000124 0.000 .0000219 0.000 .0000264 0.000 RISK 4.817252 0.001 13.02995 0.000 17.52298 0.000 SHORT 6.3725 0.527 8.26643 0.023 8.717195 0.016 DTE -.5882147 0.182 2.183958 0.003 2.706057 0.000 YEARINB .023712 0.553 -.1278027 0.128 -.73503 0.000
Prob > F 0.0000 0.0000 0.0000
R-Squared 0.2470
F-test Prob > F = 0.0000
Bảng kết qủa mô hình FEM cho thấy F test có giá trị Prob > F = 0.0000 nhỏ hơn 0.05, kết luận giữa mô hình OLS và FEM thì mô hình FEM phù hợp hơn để nghiên cứu kiểm định mối quan hệ giữa các biến độc lập và ROE.
Từ bảng kết quả số liệu, có thể thấy hệ số Significance – F là 0.00 (nhỏ hơn 0.05) cho thấy mô hình được sử dụng trong bài nghiên cứu là mô hình có ý nghĩa Dựa vào kết quả chạy OLS có thể thấy R bình phương là 24.7% và R bình phương điều chỉnh là 22.01% được sử dụng để đo lường mức độ phù hợp của mô hình hồi quy. Chỉ số R càng gần giá trị 1 thì mô hình hồi quy có mức độ phù hợp cao với tập dữ liệu đã thu thập được sử dụng để chạy hồi quy. Ngoài ra thì R bình phương bằng 24.7% giải thích sự biến động của ROA đến từ 24.7% là do 12 nhân tố sử dụng trong mô hình và 75.3% là do các nhân tố khác không xuất hiện trong mô hình. Có thể kết luận rằng với cả hai giá trị R này thì tập dữ liệu được sử dụng có
61 mức độ phù hợp thấp với mô hình tuyến tính và biến ROE chỉ có thể được giải thích một phần với các biến dự báo trong mô hình.
Kiểm định Hausman
Tác giả sử dụng kiểm định Hausman để đánh giá và lựa chọn mô hình phù hợp.
Từ đó đưa ra giả thuyết:
𝐻0: Mô hình REM là phù hợp hơn 𝐻1: Mô hình FEM là phù hợp hơn
Qua bảng kiểm định Hausman ở trên, có thể thấy giá trị Chi square = 25.72 và giá trị Prob > chi2 là 0.0071 < 0.05 như vậy chấp nhận 𝐻1 và bác bỏ 𝐻0. Kết luận mô hình FEM là mô hình phù hợp để nghiên cứu kiểm định mối quan hệ giữa các biến độc lập đến ROE.
Kiểm định phương sai sai số thay đổi
Tác giả sử dụng lệnh xttest3 để đánh giá xem phương sai sai số trong mô hình được chọn có đồng nhất hay không do khi phương sai thay đổi tuy không làm mất đi tính chất không thiên lệch và nhất quán của các ước lượng OLS, tuy nhiên nó sẽ khiến các ước lượng không còn có phương sai nhỏ (phương sai hiệu quả) dẫn đến những kết quả sai lầm khi chạy các kiểm định sau và ảnh hưởng đến mức độ chính xác của kết quả. Từ đó hình thành giả thuyết:
𝐻0: Phương sai sai số đồng nhất
𝐻1: Phương sai sai số không đồng nhất Bảng 3.4 Kiểm định phương sai sai số thay đổi với biến ROE
Kiểm định Kết quả Ý nghĩa
Phương sai sai số thay đổi
Prob > chi2 = 0.0000
Có phương sai sai số thay đổi
Kết quả cho thấy Prob > chi2 =0.0000 < 0.05 (5%), chấp nhận 𝐻1 bác bỏ 𝐻0, kết luận phương sai sai số không đồng nhất
62 Kiểm định tự tương quan
Bằng cách sử dụng công cụ xtserial, tác giả đánh giá hiện tượng tự tương quan của các biến trong mô hình
Bảng 3.5 Kiểm định tự tương quan với biến ROE
Kiểm định Kết quả Ý nghĩa
Tự tương quan Prob > chi2 = 0.0000
Có hiện tượng tự tương quan
Kết quả cho thấy Prob > chi2 = 0.0000 < 0.05 (5%) từ đó có thể đưa ra kết luận mô hình xuất hiện hiện tượng tự tương quan. Đây là dấu hiệu không khả quan khi hiện tượng này xảy ra kết hợp với hiện tượng phương sai sai số thay đổi ở trên có thể làm sai lệch mức độ tin cậy của các ước lượng.
Mô hình khắc phục khuyết tật
Bảng 3.6 Kết quả mô hình khắc phục khuyết tật với biến ROE
Biến Pool OLS
Co.efficient P value
SIZE -11.67974 0.005
GROWTH 4.479245 0.000
TANG 2.637565 0.713
DTA 1.727232 0.732
GDP 35.42868 0.146
INF -14.27911 0.633
KTBQ .0073071 0.553
63
TAX .0000264 0.078
RISK 17.52298 0.000
SHORT 8.717195 0.042
DTE 2.706057 0.002
YEARINB -.73503 0.091
Bảng kết quả cho thấy với mức ý nghĩa p-value nhỏ hơn 0,05 (5%) thì những biến độc lập nào ảnh hưởng đến ROE, bao gồm các biến: quy mô (SIZE), tăng trưởng doanh thu (GROWTH), tỉ lệ nợ trên vốn chủ sở hữu (DTE), thuế (TAX), rủi ro kinh doanh (RISK), nợ ngắn hạn trên tổng tài sản (SHORT). Với hệ số hồi qui β lớn hơn 0, các biến tăng trưởng doanh thu (GROWTH), thuế (TAX), rủi ro kinh doanh (RISK), tỉ lệ nợ ngắn hạn trên tổng tài sản (SHORT), tỉ lệ nợ trên vốn chủ sở hữu (DTE) cho thấy mối quan hệ cùng chiều với ROE, trong khi các biến quy mô (SIZE) tác động tiêu cực đến ROE.