N u h s VIF>10 ho c h s 1/VIF<0,1 s x y ra hi n t ng đa c ng tuy n. Tuy nhiên, trong b ng k t qu trên, h s VIF c a các bi n đ u nh h n 10 và h s 1/VIF >0,1 nên không có hi n t ng đa c ng tuy n trong mô hình v i bi n ph thu c là ROA.
4.3. L a ch n ph ngăpháp h i quy phù h p
Các hi n t ng ph ng sai thay đ i, t t ng quan, n i sinh là nh ng v n đ
c a d li u b ng. ơy đ c xem là các khuy t t t c a mô hình và làm cho mô hình sai l ch, các bi n đ c l p trong mô hình không gi i thích đ c bi n ph thu c…
Nh m ki m tra xem trong mô hình có x y ra các hi n t ng trên hay không bài nghiên c u ti n hành ch y d li u b ng c a 246 công ty niêm y t trên S Giao D ch Ch ng Khoán Thành Ph H Chí Minh trong ba n m 2011, 2012 vƠ 2013 theo ba ph ng pháp Pooled OLS, Fixed Effect, Random Effect. Sau đó ti n hành các ki m đ nh đ l a ch n mô hình t t nh t.
i v i d li u b ng thì c l ng b ng ph ng pháp OLS có th b ch ch ho c không v ng vì b sót các y u t tác đ ng không quan sát đ c (n m trong ph n
d ). Do đó, ph i s d ng ph ng pháp FEM ho c REM đ gi i quy t v n đ này. N u y u t tác đ ng không quan sát đ c có t ng quan v i bi n gi i thích trong mô hình thì ch n ph ng pháp Fixed Effects.
N u y u t tác đ ng không quan sát đ c không t ng quan v i bi n gi i thích trong mô hình thì ch n ph ng pháp Random Effects.
Mean VIF 1.18 age 1.07 0.937907 lnassets 1.12 0.890798 inst 1.14 0.877221 leverage 1.15 0.866545 mo 1.28 0.780436 state 1.29 0.774005 Variable VIF 1/VIF . vif
B ng 4.3. K t qu h i quy theo ph ngăpháp Pooled OLS
B ng 4.4. K t qu h i quy ph ngăpháp Random Effect
_cons .0256269 .0363831 0.70 0.481 -.045801 .0970549 state .137925 .0143163 9.63 0.000 .1098191 .1660309 inst .0684308 .015643 4.37 0.000 .0377202 .0991414 leverage -.2430541 .0147382 -16.49 0.000 -.2719882 -.2141199 age -.0003776 .0002528 -1.49 0.136 -.0008738 .0001186 lnassets .0116734 .0026766 4.36 0.000 .0064186 .0169282 mo -.1028938 .026245 -3.92 0.000 -.1544184 -.0513692 roa Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 7.85055513 737 .010652042 Root MSE = .07989 Adj R-squared = 0.4008 Residual 4.66566717 731 .006382582 R-squared = 0.4057 Model 3.18488796 6 .53081466 Prob > F = 0.0000 F( 6, 731) = 83.17 Source SS df MS Number of obs = 738 . reg roa mo lnassets age leverage inst state
rho .74429326 (fraction of variance due to u_i)
sigma_e .03985787 sigma_u .06800096 _cons .018059 .0557054 0.32 0.746 -.0911215 .1272395 state .1293434 .0202294 6.39 0.000 .0896945 .1689922 inst .0283984 .0130277 2.18 0.029 .0028647 .0539321 leverage -.2430949 .0193473 -12.56 0.000 -.2810149 -.205175 age -.0008454 .0004042 -2.09 0.036 -.0016376 -.0000532 lnassets .013045 .0041309 3.16 0.002 .0049487 .0211414 mo -.0425754 .0267894 -1.59 0.112 -.0950817 .0099309 roa Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(6) = 226.60 overall = 0.3885 max = 3 between = 0.4310 avg = 3.0 R-sq: within = 0.1040 Obs per group: min = 3 Group variable: id Number of groups = 246 Random-effects GLS regression Number of obs = 738 . xtreg roa mo lnassets age leverage inst state,re
Bài nghiên c u ti p t c ki m đnh Breusch và Pagan Lagrangian nh m ch n
ra ph ng pháp h i quy t t h n trong hai ph ng pháp Pooled OLS vƠ Random
Effect.
B ng 4.5. K t qu ki măđnh Breusch và Pagan Lagrangian
Gi thi t đ c đ a ra trong ki m đ nh này nh sau:
H0: Ph ng pháp Random Effect không t t h n Pooled OLS
H1: Ph ng pháp Random Effect t t h n Pooled OLS
K t qu ki m đ nh Breusch và Pagan Lagrangian cho th y mô hình Random Effect t t h n mô hình Pooled OLS m c Ủ ngh a 1%. Nh v y, bài nghiên c u s ti p t c h i quy theo ph ng pháp Fixed Effect.
Prob > chibar2 = 0.0000 chibar2(01) = 354.35 Test: Var(u) = 0 u .0046241 .068001 e .0015886 .0398579 roa .010652 .1032087 Var sd = sqrt(Var) Estimated results:
roa[id,t] = Xb + u[id] + e[id,t]
Breusch and Pagan Lagrangian multiplier test for random effects . xttest0
B ng 4.6. K t qu h i quy theo ph ngăpháp Fixed Effect
Bài nghiên c u ti p t c ki m đnh Hausman Test nh m ch n ra ph ng pháp
h i quy t t h n trong hai ph ng pháp Fixed Effect vƠ Random Effect. B ng 4.7. K t qu ki măđnh Hausman Test
F test that all u_i=0: F(245, 486) = 10.04 Prob > F = 0.0000 rho .97076678 (fraction of variance due to u_i)
sigma_e .03985787 sigma_u .22968531 _cons -.3014061 .1447194 -2.08 0.038 -.585759 -.0170532 state -.0012778 .0444709 -0.03 0.977 -.0886568 .0861013 inst .0299593 .0143952 2.08 0.038 .0016748 .0582438 leverage -.2819157 .0302273 -9.33 0.000 -.341308 -.2225234 age -.0166044 .0019634 -8.46 0.000 -.0204621 -.0127466 lnassets .0599767 .0113777 5.27 0.000 .0376211 .0823323 mo .0472197 .0316372 1.49 0.136 -.0149428 .1093823 roa Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.9065 Prob > F = 0.0000 F(6,486) = 24.25 overall = 0.0213 max = 3 between = 0.0202 avg = 3.0 R-sq: within = 0.2304 Obs per group: min = 3 Group variable: id Number of groups = 246 Fixed-effects (within) regression Number of obs = 738 . xtreg roa mo lnassets age leverage inst state,fe
Prob>chi2 = 0.0000 = 105.21
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg state -.0012778 .1293434 -.1306211 .0396035 inst .0299593 .0283984 .0015609 .0061238 leverage -.2819157 -.2430949 -.0388208 .0232244 age -.0166044 -.0008454 -.015759 .0019213 lnassets .0599767 .013045 .0469317 .0106013 mo .0472197 -.0425754 .0897952 .0168297 fe re Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients . hausman fe re
Gi thi t đ c đ a ra trong ki m đ nh nƠy nh sau:
H0: Ph ng pháp Fixed Effect không t t h n Random Effect
H1: Ph ng pháp Fixed Effect t t h n Random Effect
Nh v y, k t qu ki m đ nh Hausman Test cho th y mô hình Fixed Effect t t
h n mô hình Random Effect m c Ủ ngh a 1%.
Sau khi l a ch n đ c ph ng pháp h i quy phù h p, bài nghiên c u ti p t c ki m tra ph ng sai thay đ i và t t ng quan trong mô hình v i bi n ph thu c là ROA.
Ph ngăsaiăthayđ i
Gi thi t c a ph ng sai trong mô hình c l ng OLS (Ordinary Least Squares) yêu c u ph ng sai sai s lƠ đ ng nh t.
Var (Ui) = 2 (v i m i i), 2 là m t h ng s d ng c đnh.
Khi đó, ph ng sai sai s đ c g i lƠ không đ i, hay đ ng đ u, thu n nh t (homoscedasticity hay homoskedasticity).
Khi gi thi t không đ c th a mưn, ph ng sai sai s ng v i quan sát i là nh ng đ i l ng không b ng nhau:
Var (Ui) ≠ Var (Uj), i ≠ j. N u đ t Var(Ui) = 2
i và Var(Uj) = 2
j thì 2
i≠ 2
j. Khi đó, ph ng sai sai s đ c g i lƠ thay đ i, không đ ng đ u, không thu n nh t (heteroscedasticity hay heteroskedasticity).
Nguyên nhân c a ph ng sai thay đ i là do: b n ch t các m i quan h kinh t , do sai d ng c a mô hình ho c do có s xu t hi n c a các quan sát d bi t (outlier). Hi n t ng nƠy th ng g p v i d li u chéo ho c b ng.
H u qu c a ph ng sai thay đ i:
N u có x y ra hi n t ng ph ng sai sai s thay đ i thì các c l ng OLS v n lƠ c l ng tuy n tính và không ch ch.
Tuy nhiên, ph ng sai c a c l ng không ph i lƠ ph ng sai nh nh t, ngh a
Các kho ng tin c y và ki m đnh gi thuy t thông th ng d a trên phân ph i t và phân ph i F s không còn đáng tin c y n a. Do đó, n u chúng ta áp d ng các k thu t ki m đnh gi thuy t thông th ng s cho ra k t qu sai.
Nh m phát hi n ph ng sai sai s thay đ i, bài nghiên c u ti n hành ki m đ nh Modifed Waled Test. K t qu nh sau:
B ng 4.8. K t qu ki mătraăph ngăsaiăthayăđ i
Gi thi t đ c đ a ra trong ki m đ nh nƠy nh sau:
H0: Không có ph ng sai thay đ i H1: Có ph ng sai thay đ i
K t qu cho th y có hi n t ng ph ng sai thay đ i trong mô hình vì h s P- value < 5%.
T t ngăquan
Là hi n t ng x y ra khi sai s ng u nhiên u t i các th i đi m khác nhau t ng
quan v i nhau.
Nguyên nhân c a hi n t ng t t ng quan lƠ do các hi n t ng kinh t có tính quán tính, tính chu k ho c do tính tr t c là hi n t ng bi n ph thu c k t ph thu c vào chính bi n đó th i k t ậ 1. Ngoài ra, các nguyên nhân ch quan c ng
có th d n đ n t t ng quan nh : x lý s li u, sai l ch trong l p mô hình, d ng hàm sai.
H u qu c a t t ng quan:
Không liên quan đ n tính không ch ch và tính v ng c a OLS, ph ng sai các
h s c l ng là ch ch.
Prob>chi2 = 0.0000 chi2 (246) = 2.2e+06
H0: sigma(i)^2 = sigma^2 for all i in fixed effect regression model
Modified Wald test for groupwise heteroskedasticity . xttest3
K t qu kho ng tin c y lƠ không đáng tin c y và nh h n kho ng tin c y đúng.
K t qu ki m đnh các h s không đáng tin c y.
Nh m ki m tra t t ng quan, bài nghiên c u s d ng Wooldridge Test. K t qu nh sau:
B ng 4.9. K t qu ki m tra t t ngăquan
Gi thi t đ c đ a ra trong ki m đ nh nƠy nh sau:
H0: Không có t t ng quan
H1: Có t t ng quan
K t qu cho th y không có hi n t ng t t ng quan trong mô hình khi h s P-value > 5%
V y, ph ng pháp h i quy Fixed Effect là t t h n hai ph ng pháp Random Effect và Pooled OLS. Không có hi n t ng t t ng quan trong mô hình Fixed
Effect nh ng l i có hi n t ng ph ng sai thay đ i.
V y, ph ng pháp Fixed Effect là t t h n hai ph ng pháp Random Effect và Pooled OLS. Không có hi n t ng t t ng quan trong mô hình nh ng có hi n t ng
ph ng sai thay đ i trong mô hình v i bi n ph thu c là ROA.
Ngoài ra, Jensen và Warner (1988) cho r ng có hi n t ng n i sinh khi khi s d ng t l c ph n s h u b i ban qu n lỦ nh lƠ m t bi n gi i thích. Kole (1995) sau khi xem xét các k t qu c a các tác gi khác, c ng k t lu n nguyên nhân d n đ n k t qu khác bi t nhau trong m i quan h gi a thành ph n s h u ban qu n lý và hi u qu ho t đ ng công ty là do v n đ n i sinh.
Vì có hi n t ng ph ng sai thay đ i và kh n ng có hi n t ng n i sinh nên n u c l ng b ng Pooled OLS, Random Effect ho c Fixed Effect s làm mô hình
Prob > F = 0.1891 F( 1, 245) = 1.734 H0: no first order autocorrelation
Wooldridge test for autocorrelation in panel data . xtserial roa mo lnassets age leverage inst state
m t đi tính v ng. Do đó, bài nghiên c u ti n hành h i quy theo ph ng pháp GMM (Generalized Method of Moments) đ kh c ph c khuy t đi m này.
Tuy nhiên có m t v n đ r t khó kh n trong vi c s d ng ph ng pháp GMM
là l a ch n bi n công c . Các nhà nghiên c u tài chính luôn tìm ki m các bi n công c có giá tr đ ki m soát hi n t ng n i sinh nh ng d ng nh v n đ này không bao gi đ c gi i quy t m t cách hoàn h o vì h u h t các bi n đ u liên quan v i các bi n khác trong môi tr ng kinh doanh hi n đ i.
Thông th ng, các tác gi hay ch n bi n công c là l y đ tr c a các bi n đ c l p trong mô hình. Tùy theo t ng mô hình, s có cách ch n bi n công c hi u qu
h n. C th , đ i v i mô hình hi u qu ho t đ ng công ty, Himmelberg, Hubbard, và Palia (1999) đư s d ng quy mô công ty và bi n đ ng c phi u đ làm bi n công c .
Sau đó Jan Hendrik Olbertz và Ulrich Kamecke (2013) đư ti p theo Ủ t ng c a Himmelberg, Hubbard, và Palia (1999) và s d ng bi n quy mô công ty nh bi n công c cho bi n thành ph n s h u ban qu n lý. C th Jan Hendrik Olbertz và Ulrich Kamecke (2013) s d ng quy mô công ty và quy mô công ty bình ph ngđ
làm bi n công c trong bài nghiên c u c a mình.
T các c s ch n bi n công c trên, bài nghiên c u ti n hành ch y h i quy
theo ph ng pháp GMM vƠ s d ng bi n công c lƠ đ tr m t k c a các bi n đ c l p trong mô hình và hai bi n công c m i là quy mô công ty (LNASSETS) và quy
mô công ty bình ph ng (Bi n nƠy lƠ bình ph ng c a bi n LNASSETS, ký hi u trong bài là LNASSETS2).
4.4. Gi i thi u mô hình GMM
GMM, vi t t t c a Generalized Method of Moments, lƠ tên chung c a m t ph ng pháp h i quy/ c l ng (estimation) đ xác đ nh các thông s c a mô hình th ng kêho cmô hình kinh t l ng. GMM đ c s d ng đ tìm/d tính các thông s c a mô hình parametric vƠ non-parametric.
GMM đ c Lars Peter Hansen trình bƠy l n đ u tiên vƠo n m 1982 trong bƠi vi t “Large Sample Properties of Generalized Methods of Moments Estimators” đ c đ ng trong Econometrica, Vol. 50, page 1029-1054. M t cách t ng quan, GMM lƠ ph ng pháp t ng quát c a r t nhi u ph ng pháp c l ng ph bi n nh OLS, GLS, MLE,….Ngay c trong đi u ki n gi thi t n i sinh b vi ph m, ph ng pháp GMM cho ra các h s c l ng v ng, không ch ch, phơn ph i chu n vƠ hi u qu .
c l ng đ c vector h s , Ph ng pháp GMM s dùng m t b L vector các bi n công c (trong c l ng GMM còn đ c g i lƠ các đi u ki n Moment) vƠ s l ng bi n công c ph i không ít h n s bi n trong mô hình. i u ki n đ m t bi n đ c ch n lƠ bi n công c lƠ nó không đ c t ng quan v i ph n d , đi u nƠy có ngh a lƠ: ụ t ng ch đ o c a ph ng pháp GMM lƠ thayth giá tr các bi n công c b ng giá tr trung bình c a m u vƠ đi tìm Vector thõa mưn ph ng trình trên.
Khi s l ng đi u ki n moment l n h n s bi n trong mô hình thì ph ng trình không th xác đ nh m t nghi m chính xác duy nh t (có nhi u nghi m có th thõa mưn ph ng trình). Khi đó mô hình đ c g i lƠ Overidentified. Trong tr ng h p đó, chúng ta ph i th c hi n tính toán l i nh m xác đ nh giá tr lƠm cho đi u ki n moment g n b ng 0 nh t có th , có ngh a lƠ kho ng cách v i giá tr 0 lƠ nh nh t, kho ng cách đó đ c xác đ nh thông qua ma tr n ng u nhiên, cơn x ng vƠ không ơm (kích th c L x L) đ c g i lƠ ma tr n tr ng s vì nó th hi n m c đóng góp c a các đi u ki n moment khác nhau vƠo kho ng cách J. Ph ng pháp c l ng GMM s xácđ nh giá tr c l ng đ kho ng cách lƠ J lƠ nh nh t.
GMM đ c s d ng nhi u cho d li u m ng (panel data), đ c bi t khi T nh h n N nhi u l n, ho c d li u không đ ng nh t.
4.5. K t qu căl ng theoăph ngăpháp GMM
Nh m ki m tra m i quan h gi a thành ph n s h u ban qu n lý và hi u qu ho t đ ng công ty, bài nghiên c u ti n hành ch y h i qui mô hình trong ph n 3.3 theo
ph ng pháp GMM trên m u 246 công ty trong ba n m 2011, 2012 vƠ 2013.