CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ YẾU TỐ TÁC ĐỘNG ĐẾN QUYẾT ĐỊNH ĐẦU TƯ CỦA CÁC DOANH NGHIỆP BẤT ĐỘNG SẢN
1.5. Mô hình hồi quy sử dụng dữ liệu bảng (Penal data regression models) 23 1. Mô hình hồi quy kết hợp (Pool regrestion model – POOL)
Phương trình hồi quy theo dữ liệu bảng có 3 cách tiếp cận cơ bản là (i) hồi quy kết hợp – POOL, (ii) hồi quy theo phương pháp các ảnh hưởng cố định - FEM và (iii) cách thứ ba là hồi quy theo phương pháp các ảnh hưởng ngẫu nhiên – REM.
1.5.1. Mô hình hồi quy kết hợp (Pool regrestion model – POOL)
Mô hình POOL là mô hình hồi quy sử dụng dữ liệu bảng cơ bản nhất. Mô hình này giả định các hệ số chặn và độ dốc sử dụng trong phương trình hồi quy là không thay đổi theo thời gian và cho các mẫu quan sát.
Phương trình hồi quy như sau:
Yit = β1 + β2 X2it + β3 X3it +……+ βk Xkit + uit (1)
Cách tiếp cận này đơn giản nhất vì đã bỏ qua bình diện không gian và thời gian của dữ liệu kết hợp và chỉ ước lượng hồi quy OLS thông thường. Do trên thực tế các giai đoạn quan sát mẫu sẽ khác nhau và những công ty trong mẫu cũng có những đặc thù riêng, vì vậy sẽ cho ra các hệ số chặn khác nhau. Do đó, mô hình hồi quy POOL có thể sẽ bóp méo mối quan hệ giữa X và Y trong mô hình và có thể sẽ làm sai lệch đi mối quan hệ thực tế giữa Y và các biến số X của các quan sát mẫu.
Một cách để xem xét đặc điểm của từng công ty hay từng đơn vị theo không gian là để cho tung độ gốc thay đổi theo từng công ty nhưng vẫn giả định rằng các hệ số độ dốc là hằng số đối với các công ty.
Phương trình (2.1) có thể được viết lại như sau:
Yit = β1i + β2 X2it + β3 X3it +……+ βk Xkit + uit (2)
Ký hiệu i vào số hạng tung độ gốc để cho thấy rằng các tung độ gốc của các công ty mẫu có thể khác nhau, sự khác biệt có thể là do các đặc điểm riêng của từng công ty như phong cách quản lý hay triết lý quản qu.
b. Mô hình hồi quy theo thời gian các ảnh hưởng cố định
Theo mô hình này thì hệ số chặn sẽ khác nhau khi thời gian quan sát mẫu là khác nhau nhưng sẽ giống nhau cho tất cả đơn vị mẫu khi cùng một thời điểm quan sát. Phương trình (1) có thể được viết lại như sau:
Yit = β1t + β2 X2it + β3 X3it +……+ βk Xkit + uit (3)
Lưu ý rằng ta đã đặt ký hiệu t vào số hạng tung độ gốc để cho thấy rằng các tung độ gốc sẽ thay đổi theo thời gian và không đổi theo từng đơn vị mẫu quan sát .
c. Mô hình hồi quy biến giả bình phương tối thiểu – LSDV
Hai mô hình trên cố định ảnh hưởng theo thời gian (phương trình (2) có hệ số chặn không đổi qua các năm) hoặc theo không gian (phương trình (3) có hệ số chặn không đổi cho các đơn vị mẫu). Trên thực tế ta cho phép tung độ gốc (ảnh hưởng cố định) khác nhau giữa các công ty hay các năm thông qua kỹ thuật biến giả, cụ thể đưa các biến giả đại diện cho yếu tố không gian (công ty, ngành) và thời gian (năm, giai đoạn quan sát) vào các phương trinh hồi quy, còn gọi là kỹ thuật biến giả tung độ gốc khác biệt.
Phương trình hồi quy (2) và (3) sẽ lần lượt được viết lại như sau:
Yit = α1 + α2D2i + α3D3i +....+ αnDni + β2X2it + β3X3it +.…+ βkXkit + uit (4) Yit = γ1 + γ2Y2Tt+ γ3Y3t +….+ γTYTt + β2X2it + β3X3it +.…+ βkXkit + uit(5)
Kết hợp hai phương trình trên ta sẽ có được phương trình sau:
Yit = α1 + α2D2i + α3D3i +....+ αnDni + γ1 + γ2Y2t + γ3Y3t +….+ γTYTt + β2X2it + β3X3it +.…+ βkXkit + uit (6)
1.5.3. Mô hình các ảnh hưởng ngẫu nhiên – REM
Mô hình này cũng bắt nguồn từ phương trình hồi quy đơn giản của mô hình POOL, do những hạn chế trong mô hình ảnh hưởng cố định hay mô hình LSDV là việc thêm vào mô hình các biến giả có thể làm giảm bậc tự do hoặc xảy ra đa cộng tuyến nếu mô hình có nhiều biến quan sát, đặc biệt nếu có những biến ít thay đổi (hoặc bất biến) theo thời gian thì cách tiếp cận LSDV không thể nhận diện tác động của những biến số bất biến theo thời gian như vậy. Ngoài ra, phương pháp này giả định uit tuân theo phân phối chuẩn nên không loại bỏ được trường hợp phương sai không đồng nhất. Để loại bỏ được những nghi ngờ về số hạng nhiễu uit ta sử dụng cách tiếp cận thứ hai gọi là mô hình các thành phần sai số (Error Components Model - ECM) hay mô hình ảnh hưởng ngẫu nhiên (Random Effects Model - REM).
Ta viết lại phương trình (2) ở trên:
Yit = β1i + β2X 2it + β3 X 3it +……+ βkX kit + uit (2)
Thay vì xem β1i là cố định, ta giả định đó là một biến ngẫu nhiên với một giá trị trung bình là β1 (không có ký hiệu i ở đây). Và giá trị tung độ gốc cho một công ty riêng lẻ có thể được biểu thị là:
β1i = β1 + εi với i = 1, 2, …, N (7)
Trong đó εi là số hạng sai số ngẫu nhiên với một giá trị trung bình bằng 0 và phương sai bằng σε2
Thay phương trình (7) vào (2) ta có:
Yit = β1 + β2X 2it + β3X 3it +……+ βkX kit + εi + uit (8) Trong đó: wi = εi + uit
Số hạng sai số kết hợp bao gồm hai thành phần: εi là thành phần sai số theo không gian, hay theo các đơn vị quan sát (công ty), và uit là thành phần sai số theo
Trong chương đầu đã đi sâu vào khái niệm và các lý thuyết nền tảng về quyểt định đầu tư gồm thuyết đầu tư của Irving Fisher, lý thuyết hiệu quả biên đầu tư của J.M Keynes, thêm lý thuyết của Jorgenson và Tobin Jame cùng với các nghiên cứu thực nghiệm đi trước ở cả trong và ngoài nước. Ngoài ra, sinh viên cũng đã nêu cách đo lường quyết định đầu tư gồm tỷ lệ tăng trưởng đầu tư, các nhân tố tác động đến quyết định đầu tư gồm đòn bẩy tài chính, tăng trưởng doanh thu, quy mô công ty, Tobin’s q, lạm phát và GDP. Các nhân tố này sẽ được phân tích, chọn lọc để đưa vào mô hình hồi quy nhằm đánh giá mức độ tác động của từng yếu tố đến quyết định đầu tư của các doanh nghiệp bất động sản đang niêm yết tại Việt Nam tại các chương sau.