CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU
4.5 Phân tích mô hình hồi quy tuyến tính
4.5.1 Đánh giá và kiểm định độ phù hợp của mô hình
Để kiểm tra sự liên kết giữa các biến cũng như xem xét dữ liệu có phù hợp với mô hình ước lượng hay không, tác giả tiến hành sử dụng phương pháp hồi quy tuyến tính hay hồi quy OLS cho mô hình nghiên cứu. Theo Phạm Sơn Tùng (2015), để đánh giá mức độ giải thích của biến độc lập lên sự biến thiên của biến phụ thuộc, ta thường sử dụng tham số R2 hiệu chỉnh (Adjusted R-squared). Hệ số này càng lớn thể hiện mô hình có ý nghĩa tốt hơn, mức độ giải thích các biến càng cao. Theo đó, ta sẽ kiểm định mức độ phù hợp của mô hình thông qua giá trị P (P-value). Khi giá trị này nhỏ hơn mức ý nghĩa với tỉ lệ 5% thì mô hình nghiên cứu sẽ có ý nghĩa thống kê và ngược lại, nếu giá trị nhỏ hơn 5% thì mô hình không có biến độc lập nào tác động lên biến phụ thuộc trong mô hình hoặc nhân tố tác động không nằm trong dữ liệu nghiên cứu.
43
Bảng 7. Kết quả chạy dữ liệu theo mô hình OLS
Biến độc lập
Biến phụ thuộc
ROA ROE
Hệ số P-value Hệ số P-value
GROWTH 0.2054 0.482 0.3419 0.590
TANG 0-.0324 0.294 -0.0728 0.277
TDTA -2.0413 0.001 -0.9242 0.485
SIZE -1.8688 0.017 -3.6339 0.032
TKHOAN 0.2356 0.341 0.7542 0.160
TTTQ -1.2118 0.036 -2.7273 0.030
AGE 0.1823 0.035 0.5377 0.005
_cons 31.3294 0.001 55.1576 0.008
R-Squared 0.1908 0.1322
Prob > F 0.0002 0.0080
Nguồn: Kết quả từ chạy dữ liệu qua Stata Qua bảng kết quả cho thấy, cả hai mô hình với các biến phụ thuộc ROA, ROE đều có giá trị Prob>F xấp xỉ bằng 0 và nhỏ hơn mức ý nghĩa 5%. Điều này thể hiện mô hình nghiên cứu có ý nghĩa thống kê hay tồn tại ít nhất một nhân tố có sự ảnh hưởng lên hai chỉ tiêu đại diện cho lợi nhuận của các doanh nghiệp ngành BĐS niêm yết trên HOSE.
Trong mô hình với biến phụ thuộc ROA, ta thấy hệ số R-squared là 0.1908, tức là mô hình này giải thích được 19,08% sự biến động của ROA. Với mức ý nghĩa thống kê 5%, có 4 trên 7 biến trong mô hình giải thích được mức độ tác động của biến độc lập lên lợi nhuận DN thông qua ROA, bao gồm các chỉ tiêu TDTA, SIZE, TTTQ, AGE.
Mô hình với biến phụ thuộc ROE cho ta biết hệ số R-squared là 0.1322, có nghĩa là có 13.22% sự thay đổi của biến phụ thuộc ROE được giải thích thông qua các nhân tố nằm trong mô hình nghiên cứu. Trong đó, những biến số có ý nghĩa thống kê với mô hình và có mối liên hệ ảnh hưởng đến ROE bao gồm SIZE, TTTQ và AGE.
44
Tuy nhiên, việc sử dụng mô hình hồi quy OLS vẫn có nhiều hạn chế và có thể tồn tại sự sai lệch thông tin và kết quả so với thực tế, do đó tác giả chưa thể kết luận được chính xác mối liên hệ giữa các biến trong mô hình nghiên cứu. Bên cạnh đó, tác giả sẽ sử dụng thêm hai kiểm định mô hình FEM và REM để có thể cho ra được kết quả xác thực và chính xác hơn.
4.5.2 Mô hình ảnh hưởng cố định và ảnh hưởng ngẫu nhiên (FEM và REM)
Tác giả tiến hành chạy kiểm định cho hai mô hình FEM và REM với từng biến phụ thuộc. Tiếp đó, sau khi đã thu thập được kết quả, tác giả tiếp tục sử dụng kiểm định Hausman để lựa chọn mô hình nào là phù hợp với độ tin cậy cao nhất qua đó đưa ra kết quả cho việc đánh giá và kiểm định kế tiếp. Ngoài ra, tác giả đưa ra giả thuyết về kiểm định Hausman như sau:
H0: không có hiện tượng tự tương quan giữa các biến (chọn REM) H1: có hiện tượng tự tương quan giữa các biến (chọn FEM)
Bảng 8. Kết quả mô hình hồi quy với 2 chỉ tiêu ROA và ROE
Biến độc lập
ROA ROE
FEM REM FEM REM
Giá trị P Giá trị P Giá trị P Giá trị P
GROWTH 0.154 0.193 0.240 0.246
TANG 0.325 0.545 0.256 0.552
TDTA 0.071 0.015 0.326 0.274
SIZE 0.220 0.057 0.579 0.160
TKHOAN 0.301 0.581 0.286 0.715
TTTQ 0.032 0.404 0.467 0.751
AGE 0.152 0.048 0.266 0.021
_cons 0.212 0.109 0.525 0.109
45
R-Squared 0.2274 0.1645 0.0866 0.0702
Prob > F 0.0000 0.0003 0.1639 0.3077
Hausman Prob > chi2 = 0.0515
Nguồn: Kết quả từ chạy dữ liệu qua Stata Sau khi áp dụng kiểm định Hausman, ta thấy Prob>chi2 (P-value) = 0.0515 tương đương 5.15% (> 5%), từ đó chấp nhận giả thuyết H0 và lựa chọn mô hình tác động ngẫu nhiên REM để tiến hành phân tích. Ở đây ta thấy chỉ có mô hình với biến ROA có ý nghĩa thống kê với Prob>F xấp xỉ 0, cùng với đó là hai nhân tố có giá trị P nhỏ hơn 0.05 là TDTA và AGE, hay có thể nói chỉ tiêu đòn bẩy tài chính và thời gian hoạt động của DN có ý nghĩa tác động lên lợi nhuận doanh nghiệp. Mô hình với biến ROE có Prob>F lớn hơn 5%, do đó ta chỉ tiến hành kiểm định mô hình với biến ROA.
4.5.3 Kiểm định khuyết tật cho mô hình REM
Kiểm định tự tương quan (TTQ) và phương sai sai số thay đổi (PSSSTĐ)
Bảng 9. Kiểm định khuyết tật mô hình
Kiểm định TTQ Kiểm định PSSSTĐ Biến phụ thuộc:
ROA
F(1,19) 5.667 Chibar2 47.69
Prob>F 0.0279 Prob > chi2 0.0000
Nguồn: Kết quả từ chạy dữ liệu qua Stata Để kiểm định cho mô hình REM, tác giả sử dụng kiểm định Wooldridge cho tự tương quan và kiểm định White cho PSSSTĐ. Có thể thấy rõ trong bảng kết quả, Prob>F
= 0.0279 trong kiểm định TTQ nhỏ hơn 0.05; đồng thời Prob>chi2 (P-value) ở kiểm định PSSSTĐ bằng 0 lớn hơn 0.05. Từ hai kết quả trên, ta có thể kết luận mô hình gặp cả 2 hiện tượng TTQ và PSSSTĐ. Do đó, để khắc phục mô hình, tác giả sử dụng phương pháp FGLS.
46
Khắc phục mô hình
Ta khắc phục khuyết tật trên bằng mô hình hồi quy FGLS, thu được kết quả như sau:
Bảng 10. Kết quả ước lượng bằng mô hình FGLS
Tên biến Hệ số tương quan z P-value
GROWTH -0.0198 -0.16 0.876
TANG 0.0167 0.64 0.523
TDTA -1.3696 -3.03 0.002
SIZE -0.9789 -1.08 0.281
TKHOAN -0.1118 -0.68 0.498
TTTQ 0.7799 1.42 0.156
AGE 0.1775 2.09 0.036
_cons 15.6316 0.78 0.157
Obs 140
Wald chi2(7) 33.13
Prob > chi2 0.0000
Nguồn: Tính toán từ Stata Sau khi khắc phục khuyết tật mô hình bằng mô hình FGLS, với mức ý nghĩa 5%
và 10%, có hai biến duy nhất có ý nghĩa thống kê là TDTA và AGE. Giá trị P của các chỉ tiêu khác đều lớn hơn 0.1, do đó những nhân tố này không có ý nghĩa thống kê trong mô hình REM. Phương trình hồi quy tuyến tính được viết lại như sau:
ROA = 15.6316 - 1.3696*TDTA + 0.1775*AGE
Tổng hợp kết quả phân tích hồi quy theo mô hình hồi quy OLS và mô hình tác động ngẫu nhiên REM với biến phụ thuộc là tỷ suất sinh lời trên tài sản (ROA), ta lập được bảng kết quả chạy mô hình theo chiều tác động như sau:
47
Bảng 11. Kết quả hồi quy chiều hướng tác động
Chỉ tiêu Chiều tác động
OLS REM
Tốc độ tăng trưởng (GROWTH) (K) (K)
Đầu tư tài sản cố định (TANG) (K) (K)
Đòn bẩy tài chính (TDTA) (-) (-)
Quy mô doanh nghiệp (SIZE) (-) (K)
Chỉ số thanh khoản (TKHOAN) (K) (K)
Khả năng thanh toán tổng quát (TTTQ) (-) (K)
Thời gian hoạt động của DN (AGE) (+) (+)
Nguồn: Tác giả tổng hợp Trong đó, (+) tác động cùng chiều, (-) tác động ngược chiều, (K) không tác động Dựa trên các kết quả nghiên cứu trên, tác giả lựa chọn đánh giá các nhân tố tác động lên lợi nhuận DN ngành BĐS thông qua mô hình hồi quy OLS. Những nhân tố đòn bẩy tài chính (TDTA), quy mô doanh nghiệp (SIZE), khả năng thanh toán tổng quát (TTTQ) có mối quan hệ ngược chiều với ROA, đồng thời chỉ có duy nhất nhân tố thời gian hoạt động của DN (AGE) có tác động cùng chiều lên ROA. Trong mô hình REM, chỉ có biến số TDTA và AGE có sự ảnh hưởng lên ROA.