CHƯƠNG 3. DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.4. Phương pháp phân tích
Biến phụ thuộc được dùng đo lường đầu tư của doanh nghiệp là biến đầu tư (Capi- tal investment - CAPX). Bốn biến đại diện cho bất ổn kinh tế vĩ mô là bốn proxy đại
diện cho bất ổn kinh tế vĩ mô là các biến đo lường tính biến động của: tổng sản phẩm quốc nội (GDP), chỉ số sản xuất công nghiệp (IPI), chỉ số giá tiêu dùng (CPI), suất sinh lợi thị trường của chỉ số chứng khoán Việt Nam (VNindex). Các biến kiểm soát như:
lãi suất liên ngân hàng (LIBOR), lạm phát, dòng tiền ròng (Cash flow), chỉ số Tobin’s q, tăng trưởng doanh thu (Sales growth), bầu cử, tăng trưởng tổng sản phẩm quốc nội (GDP growth).
Mô hình nghiên cứu đƣợc sử dụng dựa trên mô hình đề xuất của H. Gulen và M.Ion (2015) trong bài nghiên cứu Policy uncertainty and Corporate Investment và kết hợp với mô hình đề xuất của Chirstopher F.Baum và các cộng sự (2005) trong bài nghiên cứu The impact of macroeconomic uncertainty on non – financial firm’s demand for liquidity.
Phương pháp phân tích thực hiện qua 2 giai đoạn cho các biến vĩ mô từ mô hình Baum (2005) và mô hình tổng hợp từ bài nghiên cứu H.Gulen (2015).
Theo bài nghiên cứu của Baum (2005) các biến vĩ mô: bất ổn kinh tế vĩ mô (MU: bất ổn về GDP thực, bất ổn chỉ số sản xuất công nghiệp – IPI, bất ổn về chỉ số giá tiêu dùng – CPI, bất ổn về lãi suất thị trường chứng khoán – Vnindex) là dữ liệu tháng. Đƣợc thực hiện bằng kỹ thuật hồi quy chuỗi thời gian với mô hình sai phân cấp 1 và 2 (mô tả mối quan hệ tuyến tính thay đổi theo thời điểm t theo biến trễ của chính nó và giá trị hiện thời của biến đầu vào). Mô hình thực hiện cho biến kinh tế vĩ mô được thực hiện mô hình ARCH/GARCH thực hiện cho mô hình dự báo về phương sai có điều kiện. Mô hình ARCH đƣợc Engle giới thiệu vào năm 1982 và mô hình GARCH đƣợc giới thiệu bởi Bollerslev vào năm 1986. ARCH/ GARCH là mô hình được sử dụng rất phổ biến để ước lượng phương sai của một chuỗi thời gian thông qua sử dụng những dữ liệu trong quá khứ.
Các biến vĩ mô có thời gian nghiên cứu từ năm 2005 đến năm 2015 theo giá trị tháng nhằm có chuỗi thời gian dài dùng làm biến về độ dao động của bất ổn. Riêng biến đại diện cho bất ổn kinh tế vĩ mô về GDP thực đƣợc thống kê với dữ liệu quý nên dùng kỹ thuật Denton để nội suy về dữ liệu đồng bộ theo tháng, sau đó thực hiện dự
báo độ dao động và gộp các giá trị từ tháng sang năm tương ứng (Baum, 2003).
Các biến kiểm soát: lạm phát và lãi suất LIBOR ba tháng đƣợc thu thập với bộ dữ liệu tháng đƣợc chuyển qua năm bằng cách tính giá trị trung bình theo từng năm tương ứng.
Tích hợp các biến vĩ mô với các biến trong phương trình của doanh nghiệp cho đề tài nghiên cứu Tác động bất ổn kinh tế vĩ mô đến đầu tư của doanh nghiệp thực hiện hồi quy. Thực hiện hồi quy Pooled OLS, tuy nhiên mô hình này không xác định đƣợc độ vững của kết quả so với các phương pháp hồi quy khác. Để kiểm soát sự không đồng nhất giữa từng công ty, bài nghiên cứu sử dụng mô hình hồi quy ngẫu nhiên (Random effect) và mô hình hồi quy cố định (Fixed effect), và tiếp theo dùng phương pháp kiểm định để xác định mô hình nào phù hợp nhất. Hai phương pháp kiểm định đƣợc sử dụng là kiểm định Hausman (Hausman, 1978) và kiểm định Lagragian Multi- plier (LM test, Breusch và Pagan, 1980).
o Mô hình Pooling Regression: là mô hình hồi quy kết hợp tất cả các quan sát, đây là cách tiếp cận đơn giản nhất. Trong mô hình này, giả định các yếu tố là không quan sát được và không thay đổi theo thời gian. Mô hình này thường không cho thấy đƣợc các phản ứng của các giá trị công ty có thay đổi giữa các hãng và sự thay đổi về hành vi về giá trị công ty, chúng bỏ qua sự khác biệt đặc trưng. Giả định này thường không phù hợp với thực tế và thường cho kết quả ước lượng không chính xác.
o Mô hình Fixed Effect Model (FEM): phân tích mối tương quan giữa phần dư của mỗi đơn vị với các biến giải thích qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để có thể ƣớc lượng những ảnh hưởng thực của biến giải thích lên biến phụ thuộc. Mô hình FEM xem xét đặc điểm cá nhân của từng công ty hay từng đơn vị theo không gian là để cho tung độ gốc thay đổi theo từng công ty nhƣng vẫn giả định rằng các hệ số độ dốc là hằng số đối với các công ty cho dù tung độ gốc có thể khác nhau đối với các cá nhân nhƣng tung độ gốc của mỗi công ty không thay đổi theo thời gian. Trong mô hình FEM, tung độc gốc trong mô hình hồi quy đƣợc phép khác nhau giữa các cá nhân, khi
thừa nhận sự kiện là mỗi cá nhân hay mỗi đơn vị có thể có những đặc điểm riêng nhất định.
o Mô hình Random Effect Model (REM): điểm khác biệt giữa mô hình ảnh hưởng ngẫu nhiên và mô hình ảnh hưởng cố định được thể hiện ở sự biến động giữa các đơn vị. Nếu sự biến động giữa các đơn vị có tương quan đến biến độc lập – biến giải thích trong mô hình ảnh hưởng cố định thì trong mô hình ảnh hưởng ngẫu nhiên sự biến động giữa các đơn vị được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích. Chính vì vậy, nếu sự khác biệt giữa các đơn vị có ảnh hưởng đến biến phụ thuộc thì Random Effect Model (REM) sẽ thích hợp hơn so với FEM. Trong đó phần dư của mỗi thực tế (không tương quan với biến giải thích) được xem là một biến giải thích mới. Trong mô hình REM, ta giả định rằng tung độ gốc của một đơn vị riêng lẻ đƣợc rút ngẫu nhiên từ một dân số lớn hơn nhiều với một trị trung bình không đổi.
Tung độ gốc cá nhân khi đó đƣợc biểu thị nhƣ sự sai lệch so với trị trung bình không đổi này. Một ƣu điểm của mô hình REM so với mô hình FEM là nó không làm mất bậc tự do vì ta không phải ƣớc lƣợng N tung độ gốc riêng lẻ. Ta chỉ cần ƣớc lƣợng trị trung bình của tung độc gốc và phương sai của nó. Mô hình REM thích hợp trong những tình huống mà tình huống mà tung độ gốc (ngẫu nhiên) của từng đơn vị không tương quan với các biến độc lập.
o Kiểm định Lagrange Multiplier (LM test, Bresuch và Pagan, 1980): dùng để lựa chọn giữa mô hình Pooling Regression và mô hình REM. Đối với ƣớc lƣợng tác động ngẫu nhiên, phương pháp nhân tử Lagrange (LM) với kiểm định Bresuch – Pagan đƣợc sử dụng để kiểm chứng tính phù hợp của ƣớc lƣợng (Baltagi, 2008 trang 319).
Theo đó, giả thiết cho rằng sai số của ƣớc lƣợng thô không bao gồm các sai lệch giữa các đối tượng var (vi) = 0 (hai phương sai giữa các đối tượng hoặc các thời điểm là không đổi). Bác bỏ giả thuyết , cho thấy sai số trong ƣớc lƣợng có bao gồm cả sự sai lệch giữa các nhóm và phù hợp với ƣớc lƣợng tác động ngẫu nhiên
o Kiểm định Hausman (Hausman, 1978): được dùng để lựa chọn phương pháp ước lượng phù hợp giữa hai phương pháp ước lượng tác động cố định và tác động ngẫu
nhiên (Baltagi, 2008 trang 320; Gujarati 2004 trang 652). Giả thuyết cho rằng không có sự tương quan giữa sai số đặc trưng giữa các đối tượng (vi) với các biến giải thích trong mô hình. Ƣớc lƣợng REM là hợp lý theo giả thuyết nhƣng lại không phù hợp ở giả thuyết thay thế. Tuy nhiên, trong trường hợp giả thuyết bị bác bỏ thì ƣớc lƣợng tác động cố định là phù hợp hơn so với ƣớc lƣợng tác động ngẫu nhiên.
Ngược lại, chưa có đủ bằng chứng đề bác bỏ nghĩa là không bác bỏ được tương quan giữa sai số và các biến giải thích thì ƣớc ƣợng tác động cố định không còn phù hợp và ƣớc lƣợng ngẫu nhiên sẽ ƣu tiên đƣợc sử dụng.