CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN CẤU TRÚC VỐNCÁC NHÂN TỐ TÁC ĐỘNG ĐẾN CẤU TRÚC VỐN
3.4.4 Ước lượng mô hình hồi quy dữ liệu bảng: Phương pháp tác động cố định
Trong bộ dữ liệu thống kê được thu thập, để xây dựng hàm hồi quy, đề tài đã sử dụng số liệu tổng hợp – nghĩa là số liệu chuỗi thời gian của các thực thể khác nhau, có thể gọi là dữ liệu gộp chung (gộp chung các quan sát chéo và chuỗi thời gian), hay còn gọi là dữ liệu bảng. Bản chất của loại dữ liệu này là muốn đề cập đến sự thay đổi theo thời gian của các đơn vị chéo. Một cách cụ thể hơn, đó chính là ta tiến hành nghiên cứu theo dòng thời gian từ năm 2006 đến năm 2012 về các nhân tố tác động đến cấu trúc vốn của 32 ngân hàng thương mại Việt Nam khác nhau. Tựu trung lại, đề tài đã tiến hành phân tích mô hình hồi quy dữ liệu bảng.
Nhưng vấn đề là để có được kết quả của hai mô hình hồi quy ban đầu (mô hình hồi quy các nhân tố nội tại LEV1 và mô hình bổ sung thêm hai biến vĩ mô LEV2), đề tài
đã gộp tất cả các quan sát có được (không phân biệt số liệu thời gian hay số liệu chéo) thành một dãy số liệu duy nhất. Từ đó, đề tài tiến hành xây dựng được hàm hồi quy chung ứng với dãy số liệu này, và rồi chiết xuất từ phần mềm thống kê Eviews. Tuy nhiên, với cách làm này, đề tài đã vô tình ngầm giả định là các tham số của hồi quy không thay đổi theo thời gian, và không có khác biệt gì giữa các thực thể ngân hàng, mà chỉ tiến hành ước lượng hồi quy Bình phương Nhỏ nhất Thông thường (OLS) (xếp 7
quan sát (7 năm) của mỗi ngân hàng lên trên các quan sát của ngân hàng khác, tổng cộng cuối cùng là 224 quan sát (7 năm x 32 ngân hàng) đối với mỗi biến trong mô hình). Ngoài ra, đề tài cũng ngầm giả định rằng sai số trong hàm hồi quy của các ngân
hàng là thuần nhất và không tương quan với nhau.
Tuy nhiên, trên thực tế, bản chất cụ thể của các nhân tố tác động đến cấu trúc vốn của các ngân hàng qua các năm chưa hẳn hoàn toàn không có khác biệt nào. Với phương pháp ước lượng trên, vô hình trung, đề tài có thể đã làm biến dạng bức tranh đích thực của mối quan hệ giữa các biến độc lập và biến phụ thuộc giữa các ngân hàng hay nhầm lẫn trong việc bóp méo sự khác biệt giữa năm này qua năm khác trong thời gian mẫu nghiên cứu.
Chính vì vậy, đối với mô hình hồi quy tuyến tính dữ liệu dạng bảng, để đánh giá và đo lường được các tác động chéo của các khác biệt về thời gian và ngân hàng, ta sẽ tiến hành phân tích mô hình hồi quy tác động cố định (FEM) hay còn được gọi là mô hình hồi quy biến giả bình phương nhỏ nhất (LSDV) (Xinh Xinh, 2010). Như vậy, phương pháp này sẽ sử dụng các biến giả để ước lượng các tác động cố định (Phạm Trí Cao và Vũ Minh Châu, 2010).
Đầu tiên, đề tài tiến hành ước lượng mô hình sử dụng tác động cố định biến ngân hàng. Nghĩa là, ta sẽ sử dụng kỹ thuật biến giả để thực sự tính đến những thay đổi giữa các ngân hàng. Như vậy, mô hình lần này có dạng là:
Trong đó:
D1i = 1: nếu quan sát thuộc về ngân hàng đầu tiên; 0 nếu khác đi. D2i = 1: nếu quan sát thuộc về ngân hàng thứ hai; 0 nếu khác đi. Lần lượt như vậy đến:
LEV = β1+ β2PROF + β3ROE+ β4SIZE + β5FA+ β6GROW
D31i = 1: nếu quan sát thuộc về ngân hàng thứ 31; 0 nếu khác đi.
Như đã được đề cập, đề tài đã thống kê số liệu 32 ngân hàng, nên mô hình chỉ sử dụng 31 biến giả (để tránh rơi vào bẫy biến giả – nghĩa là tình huống có hiện tượng đa
cộng tuyến hoàn hảo). Do vậy, ở đây ta sẽ không có biến giả cho ngân hàng thứ 32.
Kế tiếp, đề tài sẽ tiến hành ước lượng mô hình sử dụng tác động cố định biến thời gian. Tương tự như trên, ta cũng sử dụng kỹ thuật biến giả để tính đến những khác biệt giữa năm này qua năm khác, và rồi từ đó giải thích cho tác động thời gian. Xét về bản chất, chung qui điều này được hiểu như sau: hàm hồi quy các nhân tố tác động đến
cấu trúc vốn sẽ dịch chuyển theo thời gian. Quả thực, những tác động này có thể được
lý giải nếu ta đưa vào các biến giả thời gian, một biến tính cho mỗi năm (Xinh Xinh, 2010). Và bởi vì đề tài có dữ liệu nghiên cứu trong 7 năm, từ năm 2006 đến 2012, nên ta có thể đưa vào 6 biến giả thời gian. Thế là, mô hình được viết lại như sau:
Trong đó:
D32t = 1: nếu quan sát trong năm 2006; 0 nếu khác đi. D33t = 1: nếu quan sát trong năm 2007; 0 nếu khác đi. Lần lượt như vậy đến:
D37t = 1: nếu quan sát trong năm 2011; 0 nếu khác đi.
Như vậy, ban đầu đề tài sử dụng chương trình Eviews tiến hành cố định lần lượt biến ngân hàng (gồm 31 biến giả) và biến thời gian (gồm 6 biến giả) (lần lượt cố định
mô hình hồi quy các nhân tố nội tại rồi đến mô hình hồi quy có bổ sung thêm biến vĩ mô). Sau đó, đề tài sẽ kết hợp hiệu ứng cố định cả hai tác động trên. Tuy nhiên, riêng
đối với mô hình hồi quy có bổ sung biến vĩ mô, ta chỉ thực hiện tác động cố định biến ngân hàng, mà không thực hiện hiệu ứng cố định biến thời gian và hiệu ứng kết hợp cả hai tác động (nếu không, mô hình sẽ rơi vào hiện tượng đa cộng tuyến hoàn hảo). Lẽ dĩ nhiên, như ta đã biết, trong một nền kinh tế tại một quốc gia cụ thể, biến Tăng trưởng tổng sản phẩm quốc nội (GDP) và biến Lạm phát (INF) sẽ không chịu chi phối bởi thời gian theo từng ngân hàng khác nhau. Nghĩa là, cho dù có đến 32 ngân hàng hoặc nhiều hơn đi chăng nữa thì các ngân hàng này cũng đều hiện hữu trên cùng một đất nước Việt Nam. Do vậy, chúng sẽ có cùng một mức GDP và INF tương đồng cho mỗi năm.
LEV = β1+ β2PROF + β3ROE+ β4SIZE + β5FA+ β6GROW
Tiếp theo, trên cơ sở ứng dụng hiệu ứng cố định và trích xuất kết quả (với sự trợ giúp của chương trình Eivews), ta sẽ tiến hành phân tích kết quả của các mô hình hồi
quy đã được ước lượng.