CHƯƠNG 2. CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
4.2. Kết quả xử lý số liệu
4.2.1.1. Kiểm tra đa cộng tuyến
ng tuyến là hiệ ợng các biến giải thích (biế c l p và biến kiểm soát trong mô hình) có quan hệ v ng tuyến bao gồm hai loạ : ng tuyến hoàn hả ng tuyến không hoàn hảo. Khi hiệ ợ ng tuyến xảy ra, có thể ến m t số hệ quả :
Nếu tồn tạ ng tuyến hoàn hảo sẽ ú ợ ợc mô hình.
Nếu tồn tạ ng tuyến không hoàn hảo nghiêm trọng thì:
Ư ợng v ợng không chệch tuyến tính tốt nh t.
Sai số chu n của các hệ số l n: khoảng tin c y l n, các biến có chỉ số thố ý , ợng không th t chính xác, do ở bác bỏ hay ch p nh n giải thiết.
Mứ phù hợp của mô hình thông qua chỉ số R2 khá cao, dù các biến lại k ý ống kê.
ợng và sai số chu n củ ợng r t nhạy cảm v i sự ổi của dữ liệu do hệ số ợng chứ ựng những mối quan hệ mạnh giữa các biến giải thích.
Có nhiề ể kiể ng tuyến, trong bài này, tác giả sử dụng ma tr n ể kiểm tra hiệ ợ ng tuyến.
Hiệ ợ ng tuyến xảy ra khi hệ số ữa hai biến giải thích từ 0,5 trở lên, và xảy ra hiệ ợ ng tuyến nghiêm trọng khi hệ số ừ 0,8 trở lên và bằng 1 khi có hiệ ợ ng tuyến hoàn hảo. M ợc kiể ng tuyến cho kết quả :
CONACC1 CONACC2 CONACC3 SIZE GRO FCF LEV AGE ROA STOCKDIV
CONACC1 1
CONACC2 0,9949 1
CONACC3 0,989 0,9936 1
SIZE -0,0783 -0,0684 -0,0751 1
GRO -0,2896 -0,2877 -0,2842 0,2281 1
FCF1 0,2178 0,2264 0,2778 0,0412 -0,0096 1 LEV1 0,1549 0,1565 0,1289 0,2208 0,0519 0,039 1
AGE 0,1709 0,1673 0,1665 -0,0461 -0,141 -0,0003 -0,145 1
ROA -0,2854 -0,2925 -0,2075 0,0074 0,2203 0,4218 -0,2493 -0,0968 1
STOCKDIV -0,0373 -0,0292 -0,0368 0,0284 -0,0088 -0,1198 -0,0288 -0,0425 -0,1029 1 Nguồn: Tác giả trích ra từ phần mềm STATA
(CONACC1, CONACC2, CONACC3 thu c 3 mô hình tách biệt nên không ả ởng t i nhau)
4.2.1.2. Phương sai thay đổi
M t trong 7 giả thuyết của mô hình hồi quy cổ ển là các yếu tố nhiễu trong mô ổi cho dù các biế c l p nh n các giá trị nữ N ủa sai số không còn là hằng số nữa thì mô hình xảy ra hiện ợ ổi. Hệ quả của hiệ ợng này làm cho chỉ số thống kê t không , ở bác bỏ hay ch p nh n giả thiết.
Tác giả sử dụng kiể ịnh Breusch- P ể kiểm tra xem liệu mô hình có bị ổi hay không.
Kết quả kiể ịnh cho các biến phụ thu c l ợc thể hiện lầ ợt sau:
H0: không có hiệ ổi H1: có hiệ ợ ổi.
Bảng 4.7: Kết quả kiể ổi
Mô hình 1 2 3 4 5 6
chi2(1) 1967,58 1927,68 1887,93 409,82 409,95 411,95
Prob > chi2 0 0 0 0 0 0
Nguồn: Tác giả trích ra từ phần mềm STATA.
Mô hình 1: PAYOUTi,t = α0 + α1CONACC1i,t + α2STOCKDIVi,t + α3ROAi,t + α4SIZEi,t+ α5LEVi,t + α6FCFi,t + α7GROi,t+ α8AGEi,t+ εi,t
Mô hình 2: PAYOUTi,t = α0 + α1CONACC2i,t + α2STOCKDIVi,t + α3ROAi,t + α4SIZEi,t+ α5LEVi,t + α6FCFi,t + α7GROi,t+ α8AGEi,t+ εi,t
Mô hình 3: PAYOUTi,t = α0 + α1CONACC3i,t + α2STOCKDIVi,t + α3ROAi,t + α4SIZEi,t+ α5LEVi,t + α6FCFi,t + α7GROi,t+ α8AGEi,t+ εi,t
Mô hình 4: CASHDIV/ASSETi,t = α0 + α1CONACC1i,t + α2STOCKDIVi,t + α3ROAi,t + α4SIZEi,t+ α5LEVi,t + α6FCFi,t + α7GROi,t+ α8AGEi,t+ εi,t
α3ROAi,t + α4SIZEi,t+ α5LEVi,t + α6FCFi,t + α7GROi,t+ α8AGEi,t+ εi,t t
Mô hình 6: CASHDIV/ASSETi,t = α0 + α1CONACC3i,t + α2STOCKDIVi,t + α3ROAi,t + α4SIZEi,t+ α5LEVi,t + α6FCFi,t + α7GROi,t+ α8AGEi,t+ εi,t
Chỉ số Prob>chi2 của cả 6 ều bằng 0, chứng tỏ ở bác bỏ giả thuyết H0 và ch p nh n H1 là tồn tại hiệ ợ ổi cho mô hình cả 6 mô hình
Qua các kết quả kiể ịnh cho các mô hình trong bài cho th y, t t cả các mô ều mắc phải hiệ ợ ổi.
4.2.1.3. Tự tương quan
Tự ệ ợng có sự ữa các quan sát trong cùng bảng số liệu, sai số th i kỳ này quan hệ v i sai số th i kỳ khác. Tự ng gặp trong dữ liệu chu i th i gian, dữ liệu bảng là sự kết hợp giữa hai loại dữ liệu chéo và chu i th i gian nên hoàn toàn có thể ũ ặp phải hiệ ợng tự
Tự ảy ra làm vi phạm giả ịnh củ ợng cổ ển, sẽ không còn là mô hình tuyến tính không thiên lệch tốt nh t.
ể kiểm tra hiệ ợng tự ầ , ả sử dụng câu lệnh Xtserial trong stata cho dữ liệu bảng. Kết quả kiể ịnh Wooldridge test cho prob> F bé ứng tỏ có thể bác bỏ giả thuyết H0: Không có tự
Kết quả kiể :
Bảng 4.8: Kết quả kiểm tra tự
Mô hình 1 2 3 4 5 6
F(1, 184) 0,036 0,037 0,037 7,980 7,970 7,891
Prob>F 0,8507 0,8467 0,8468 0,0053 0,0053 0,0055 Nguồn: Tác giả trích ra từ phần mềm STATA.
Từ kết quả trên cho th y, mô hình 1, 2, 3 không bị tự , ,5,6 xu t hiện hiệ ợng tự .
N i sinh là hiệ ợng biế c l p có quan hệ v i phầ (sai số) của mô hình, làm biến giả ịnh.
Nguyên nhân gây ra hiệ ợng n i sinh có thể ến từ ng gặ :
Do mô hình bị thiếu biến quan trọng.
Do sai số ng.
Giữa biế c l p và phụ thu c thích có quan hệ ồng th i (tức biế c l p tác dụng t i biến phụ thu c và biến phụ thu ũ ợc lại lên biế c l p).
Từ các bài nghiên cứ : Tổng quan các nghiên cứu có liên ế ề tài, cho th y có bằng chứng chứng minh mứ áp dụng nguyên tắc th n trọng có chị ng của chính sách chia cổ tứ ợc lạ ều này d n t i dự mô hình tác giả xây dự ũ ả ắc phải hiệ ợng n i sinh.
ể kiểm tra liệu mô hình có bị n i suy hay không, kiể ịnh Durbin - WU – Hausman sẽ ợc sử dụng, v i giả thuyết rằng:
H0: Sự khác biệt giữa các hệ số không có tính hệ thống (không bị n i sinh).
H1: Sự khác biệt giữa các hệ số có tính hệ thống (bị n i sinh).
Nếu kết quả kiể ịnh cho ra chỉ số Prob>chi2 nhỏ , ã mắc phải hiệ ợng n , ở bác bỏ giả thuyết H0: sự khác biệt giữa các hệ số không có tính hệ thống (không bị n i sinh).
Kết quả kiểm tra cho từ : Bảng 4.9: Kết quả kiểm tra n i sinh.
Mô hình 1 2 3 4 5 6
Chi2(1) 916 916 916 916 916 916
Prob>chi2 0 0 0 0 0 0
Nguồn: Tác giả trích ra từ phần mềm STATA.
hiệ ợng n i sinh.
4.2.1.5. Kết quả xử lý mô hình
Khi mô hình xây dựng mắc phải hiệ ợng n i sinh, có thể sử dụ pháp hồ ạn (2SLS) hoặ M ổ (GMM) ể xử lý, tuy nhiên, do mô hình gặp phải hiệ ợ ổi nên GMM sẽ ợc lựa chọn ể khắc phục các khuyết t t của mô hình.
Tác giả sử dụng câu lệ X ể xử lý dữ liệu bằ pháp GMM. Các biến trễ của các biến ngoại sinh, n i sinh và biến phụ thu ề ợc xử dụ , ến công cụ giải thích cho biến n i sinh. Biến công cụ phải thoả ã ặ ểm là: 1) có quan hệ v i biến n , ) ợc có quan hệ v i phần
Kết quả xử lý dữ liệ c thử ể tìm ra công cụ thích hợp cho biến n i sin :
Bảng 4.10: Kết quả ợng bằng GMM cho mô hình 1, mô hình 2 và mô hình 3.
B ế ụ : P YOUT ề ự
Mô hình 1 Mô hình 2 Mô hình 3
CONACC1 - -0,6163091
(0,000)*
CONACC2 - -0,6354575
(0,000)*
CONACC3 - -0,7115652
(0,000)*
STOCKDIV - 0,1887949
(0,000)*
0,1872413 (0,000)*
0,1884123 (0,000)*
SIZE + 0,1495366
(0,000)*
0,1498146 (0,000)*
0,1523203 (0,000)*
GRO - -0,3041503
(0,000)*
-0,3028596 (0,000)*
-0,3012494 (0,000)*
LEV _ -2,115049 (0,000)*
-2,136766 (0,000)*
-2,291486 (0,000)*
AGE ? -0,1249858
(0,000)*
-0,1214998 (0,001)*
-0,1246572 (0,001)*
ROA + -0,1236207
(0,639)
-0,1855693 (0,484)
-0,3276041 (0,203)
HẰNG SỐ -3,215541 -3,23243 -3,26739
Arellano-Bond test for AR(1) in first differences:
z = -1,01 Pr > z =
0,314
z = -1,01 Pr > z =
0,314
z = -1,01 Pr > z = 0,314 Arellano-Bond test for AR(2) in
first differences:
z = 0,97 Pr > z =
0,334
z = 0,97 Pr > z =
0,333
z = 0,97 Pr > z = 0,332 Hansen test of overid. restrictions: chi2(69) =
75,33 Prob > chi2 =
0,281
chi2(69) = 75,08 Prob > chi2 =
0,288
chi2(69) = 76,39 Prob > chi2 =
0,253 ú : * ứ ý
Số ặ () ể ị ỉ ố >|Z|
Nguồn: Tác giả trích ra từ phần mềm STATA.
Dựa vào kết quả trên cho th y các hệ số gố ố ề ý ống kê trừ biến FCF và biến ROA không cho th ý ống kê thông qua kiể ịnh Z test.
B biến công cụ ợc sử dụng bao gồm biến trễ của các biến ngoại sinh, biến phụ thu c và biến n i sinh có mứ phù hợp khá tốt thể hiện qua chỉ số Prob>Chi2 ở H ều l , ở bác bỏ giả thuyết H0: ợc xác ị ú
Tuy nhiên có m t v ề xả , ợng bằng GMM yêu cầu có sự tự c 1 của phầ ự c 2 trong phầ , mà trên kết quả trên cho th y chỉ số Pr>z của Arellano-Bond test ể ị ề ứ ỏ ể ỏ ả ế H : ự ủ ầ ề ạ ả ị ủ GMM, ế ả ể ố ệ , , 3 ề ở ế
ả 4.11: Kế ả ợ ằ g GMM cho mô hình 4, mô hình 5, mô hình 6.
Nguồn: tác giả trích ra từ phần mềm STATA.
ề ự
Mô hình 4 Mô hình 5 Mô hình 6
CONACC1 - -0,0199765
(0,000)*
CONACC2 - -0,0161555
(0,000)*
CONACC3 - -0,0140867
(0,003)*
STOCKDIV - 0,0046061
(0,000)*
0,0044768 (0,000)*
0,0044087 (0,000)*
SIZE + 0,0000893
(0,892)
0,0000599 (0.928)
-0,0000045 (0.995)
GRO - -0,0091331
(0,000)*
-0,0091215 (0,000)*
-0,0089937 (0,000)*
FCF + 0,0042434
(0,237)
0,0030627 (0,378)
0,0023369 (0,491)
LEV - -0,023839
(0,000)*
-0,0234332 (0,000)*
-0,0232991 (0,000)*
AGE ? -0,0034989
(0,005)*
-0,0036421 (0,003)*
-0,0037329 (0,002)*
ROA + 0,3394746
(0,000)*
0,3416184 (0,000)*
0,3447142 (0,000)*
HẰNG SỐ 0,0128478 0,0140573 0,0162684
Arellano-Bond test for AR(1) in first differences:
z = -3,81 Pr > z = 0,000
z = -3,80 Pr > z = 0,000
z = -3,80 Pr > z = 0,000 Arellano-Bond test for AR(2) in first
differences:
z = -0,75 Pr > z =
0,453
z = -0,74 Pr > z =
0,458
z = -0,74 Pr > z = 0,457
Hansen test of overid. restrictions:
chi2(82) = 80,94 Prob > chi2 =
0,512
chi2(82) = 80,72 Prob > chi2 =
0,519
chi2(82) = 81,10 Prob > chi2 =
0,507 ú : * ứ ý
Số ặ () ể ị ỉ ố >|Z|
Giả thuyết H1:
CASHDIV/ASSET = 0,0128478 - 0,0199765CONACC1 + 0,0046061STOCKDIV -0,0091331GRO - 0,023839LEV - 0,0034989AGE + 0,3394746ROA.
G ả ế H :
CASHDIV/ASSET = 0,0140573 - 0,0161555CONACC2 + 0,0044768STOCKDIV -0,0091215GRO - 0,0234332LEV - 0,0036421AGE + 0,3416184ROA.
G ả ế H3:
CASHDIV/ASSET = 0,0162684 - 0,0140867CONACC2 + 0,0044087STOCKDIV -0,0089937GRO - 0,0232991LEV - 0,0037329AGE + 0,3447142ROA.
Sau khi kiểm tra mối quan hệ giữa mứ áp dụng nguyên tắc th n trọng lên chính sách chia cổ tức bằ ại diện CASHDIV/ASSET cho chính sách chia cổ tức, có thể th y kết quả ợng bằng GMM khá tố ố các biế ề ý ống kê, H ũ y mô hình là phù hợ ồng th i thoả ều kiện của GMM thông qua việc tồn tại tự ầ c 1 và không có tự ần ể kết lu n mô hình 4,5,6 là các mô hình phù hợp và cho kết quả kiể ịnh hiệu quả y.
K ổi biế c l p lầ ợt là CONACC1, CONACC2, CONACC3, thì hệ số gốc của các biến kiểm soát trong mối quan hệ v i CASHDIV/ASSET ũ ổi nhỏ, tuy nhiên về chiề ng của chúng lên biến phụ thu c v n không hề ổi.