Chia sẻ chuyên mục Đề tài Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck hay nhất năm 2022 cho các bạn học viên ngành đang làm Luận văn tham khảo nhé. Với những bạn chuẩn bị làm bài khóa luận tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm Luận văn thì với đề tài Luận văn: Mối quan hệ giữa thông tin kiểm toán trên báo cáo tài chính và tỷ suất sinh lời của cổ phiếu các công ty niêm yết thị trường chứng khoán Việt Nam dưới đây chắc hẳn sẽ cho các bạn cái nhìn tổng quát hơn về đề tài này.
3.1 Quy trình nghiên cứu
Quy trình nghiên cứu trình tự như sau:
Xác định và làm rõ vấn đề nghiên cứu
Nghiên cứu các lý thuyết liên quan và giới thiệu các mô hình nghiên cứu thực nghiệm trước đó
Thu thập dữ liệu nghiên cứu
Phân tích dữ liệu nghiên cứu
Trình bày các kết quả nghiên cứu
Kết luận, kiến nghị và hoàn thiện luận văn
CÓ THỂ BẠN QUAN TÂM ĐẾN DỊCH VỤ:
===>>> Viết Thuê Luận Văn Thạc Sĩ Kinh Tế
3.2 Giả thuyết nghiên cứu Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
Từ các lý thuyết được nêu ra ở chương 2 thì tác giả tổng hợp lại và đưa ra các giả thuyết của bài nghiên cứu để trả lời lần lượt các câu hỏi nghiên cứu.
Câu hỏi nghiên cứu thứ nhất: TTKT trên BCTC và TSSL của cổ phiếu các CTNY trên TTCK Việt Nam có mối quan hệ với nhau hay không? Mối quan hệ này là cùng chiều hay ngược chiều nhau? Mức độ tác động qua lại của chúng như thế nào?
Để trả lời câu hỏi nghiên cứu thứ nhất và dựa trên nghiên cứu của Easton và Har-ris (1991) thì TTKT đại diện bởi tỷ suất thu nhập và tỷ suất thu nhập biến đổi có tác động thuận chiều lên TSSSL nên tác giả đưa giả thuyết H1 như sau:
Giả thuyết H1: Tỷ suất thu nhập và sự thay đổi của tỷ suất thu nhập tác động thuận chiều lên TSSL của cổ phiếu.
Câu hỏi nghiên cứu thứ hai: Các nhân tố nào ảnh hưởng đến mối quan hệ giữa thông tin trên BCTC và TSSL của cổ phiếu các CTNY trên TTCK Việt Nam? Từ đó đưa ra các kiến nghị cho các bên liên quan nhằm nâng cao vấn đề cung cấp TTKT được công bố trên BCTC.
Như đã nêu ra thì trong nghiên cứu này tác giả đưa ra ba nhân tố tác động lên mối quan hệ giữa thông tin trên BCTC và TSSL của cổ phiếu các CTNY trên TTCK Việt Nam bao gồm: quy mô công ty, tỷ lệ nợ, sự tăng trưởng.
Từ tác động của nhân tố quy mô lên mối quan hệ giữa thông tin trên BCTC và TSSL của cổ phiếu và dựa trên nghiên cứu của Freeman (1987), Easton và Zmijew-ski (1989), Collins và Kothari (1989) thì tác giả cho rằng: các công ty lớn ít rủi ro hơn vì vậy TSSL mong đợi sẽ thấp hơn và các công ty lớn cũng không phản ứng chậm chạp trước những thông tin mới từ thị trường. Ngoài ra, các công ty lớn công bố nhiều thông tin hơn vào những ngày công bố lợi nhuận.Vì vậy giả thuyết H2 được đưa ra như sau:
Giả thuyết H2: Quy mô công ty có tác động ngược chiều lên mối quan hệ giữa TTKT và TSSL.
Tương tự, tác động của nhân tố tỷ lệ nợ thì theo Collins và Kothari (1989) và Easton và Zmijewski (1989) cho rằng: công ty có tỷ lệ nợ cao thì có hệ số ERC thấp hơn những công ty có tỷ lệ nợ thấp. Ta có giả thuyết H3 như sau:
Giả thuyết H3: Tỷ lệ nợ có tác động ngược chiều lên mối quan hệ giữa TTKT và TSSL.
Dựa trên nghiên cứu của Collins và Kothari (1989), Collins và các cộng sự (1999) về tác động của nhân tố sự tăng trưởng thì sự tồn lưu lợi nhuận và cơ hội tăng trưởng có quan hệ đồng biến với ERC. Sự tăng trưởng bao gồm sự tồn lưu lợi nhuận và cơ hội tăng trưởng nên công ty nào có tăng trưởng cao hơn thì hệ số ERC của doanh nghiệp đó cao hơn. Qua đó, ta có giả thuyết H4 như sau:
Giả thuyết H4: Sự tăng trưởng có tác động thuận chiều lên mối quan hệ giữa TTKT và TSSL.
Từ bốn giả thuyết trên, tác giả tổng hợp các biến và chiều tác động.
Bảng 3.1: Bảng tổng hợp chiều tác động của biến.
3.3 Mô hình nghiên cứu Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
Bài nghiên cứu này tác giả áp dụng mô hình được đề xuất bởi Easton và Harris (1991) để kiểm tra dữ liệu thực nghiệm thu thập trên sàn giao dịch chứng khoán Việt Nam với phương trình hồi quy đơn biến (mô hình 1, mô hình 2) và hồi quy đa biến (mô hình 3) như sau:
Mô hình hồi quy đơn biến:
Mô hình (1): STOCK_RETURNSit = α0 + α1EPS_Pit + εit
Mô hình (2): STOCK_RETURNSit = α0 + α2dEPS_Pit + εit
Mô hình hồi quy đa biến:
Mô hình (3): STOCK_RETURNSit = α0 + α1EPS_Pit + α2dEPS_Pit + εit
Để đánh giá tác động của các nhân tố quy mô, tỷ lệ nợ, sự tăng trưởng đến mối quan hệ TTKT và TSSL thì thông qua mô hình hồi quy tổng hợp:
Mô hình (4):
STOCK_RETURNSit = α0 + α1EPS_Pit + α2dEPS_Pit + α3SIZEit + α4RIit + α5MBit + εit
Trong đó:
STOCK_RETURNS : là tỷ suất sinh lợi cổ phiếu của công ty i trong năm t.
EPS_Pit: là tỷ suất thu nhập của công ty i trong năm t.
dEPS_Pit : là tỷ suất thu nhập biến đổi của công ty i trong năm t.
SIZEit: Quy mô công ty của công ty i trong năm t.
RIit: Tỷ lệ nợ của công ty i trong năm t.
MBit: Sự tăng trưởng của công ty i trong năm t.
α0: hệ số gốc.
α1, α2, α3, α4, α5: hệ số hồi quy.
εit: sai số của công ty i trong năm t.
i = 1, 2, 3,…, n: đối với các công ty niêm yết trên sàn CK Việt Nam.
t = 2009, 2010, …, 2014: đối với khoảng thời gian từ năm 2009 – 2014.
3.4 Mô tả các biến Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
3.4.1 Biến phụ thuộc
Biến tỷ suất sinh lời: thu thập giá đóng cửa điều chỉnh từng ngày của 7 năm từ 2009- 2015. Theo nghiên cứu của Easton và Harris (1991) thì tác giả đã lấy giá đóng cửa điều chỉnh trong khoảng thời gian từ 9 tháng của năm này tới 3 tháng sau khi kết thúc năm tài chính. Bởi vì TTKT trên BCTC có một độ trễ nhất định khi phản ảnh. Giả thuyết thị trường hiệu quả không được thỏa mãn ở TTCK Việt Nam nên theo Doody, Hughes và Liu, để giá cổ phiếu phản ánh tốt nhất các hoạt động của DN thì cần phải thu thập giá ở một độ trễ nhất định. Do đó, tiến hành lấy giá đóng cửa điều chỉnh ở thời điểm 31/3 năm sau.
Từ giá đóng cửa từng ngày thì TSSL của từng ngày được tính theo công thức:
STOCK_RETURNSit = log ( Pit )
Pit−1
Trong đó:
STOCK_RETURNSit : là TSSL cổ phiếu i tại ngày t.
Pit: là giá đóng cửa điều chỉnh của cổ phiếu i tại ngày t.
Pit−1 là giá đóng cửa điều chỉnh của cổ phiếu i tại ngày t-1.
Sau khi có kết quả của TSSL của từng ngày ta tính trung bình để ra được TSSL của hàng năm cho mỗi công ty.
3.4.2 Biến độc lập Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
Theo nghiên cứu của Easton và Harris (1991), có hai biến độc lập trong mô hình là biến tỷ suất thu nhập và biến tỷ suất thu nhập biến đổi.
Biến tỷ suất thu nhập: lấy thu nhập trên mỗi cổ phiếu trong năm chia cho giá điều chỉnh trên thị trường ở thời điểm đầu năm tài chính (tương ứng với giá đóng cửa điều chỉnh ở thời điểm cuối năm trước).
EPS_Pit = EPSit
Pit−1
Trong đó:
EPS_Pit : là thu nhập của mỗi cổ phiếu i trong năm t.
EPSit : là thu nhập trên mỗi cổ phiếu i trong năm t.
Pit−1: giá cổ phiếu cuối năm t-1.
Biến tỷ suất thu nhập biến đổi được tính toán dựa trên sự thay đổi của EPS của năm t so với năm t-1 và giá đóng cửa điều chỉnh đầu năm t (tương ứng với giá đóng cửa điều chỉnh cuối năm t-1).
dEPS_P = EPSit − EPSit−1
Với:
dEPS_Pit : là tỷ suất thu nhập biến đổi cổ phiếu i trong năm t.
EPSit : là thu nhập trên mỗi cổ phiếu i trong năm t.
EPSit−1 : là thu nhập trên mỗi cổ phiếu i trong năm t-1.
Pit−1 : là giá cổ phiếu cuối năm t-1.
3.4.3 Biến kiểm soát
Quy mô công ty (SIZE): đo bằng tổng tài sản hàng năm.
SIZE = log (tổng tài sản)
Tỷ lệ nợ (RI): đo bằng tỷ số tổng nợ trên tổng tài sản hàng năm của cổ phiếu
Tổng nợ
RIit = Tổng tài sản
Sự tăng trưởng (MB): đo lường bằng giá trị thị trường chia cho giá sổ sách.
3.5 Phương pháp nghiên cứu
Trước tiên nghiên cứu sơ bộ định tính nhằm xây dựng và hoàn thiện hơn về lý thuyết về mối quan hệ giữa TTKT trên BCTC và TSSL cổ phiếu.
Sau đó dùng phương pháp định lượng dựa trên mô hình của Easton và Harris (1991) kết hợp với giả thuyết thị trường hiệu quả cùng với phương pháp định lượng thông qua phần mềm STATA để phân tích và xử lý các mô hình trong dữ liệu bảng, qua đó kiểm định mối quan hệ giữa TTKT trên BCTC và TSSL của cổ phiếu trên TTCK.
3.5.1 Chọn mẫu nghiên cứu Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
Bài nghiên cứu sử dụng dữ liệu mẫu bao gồm tất cả các cổ phiếu của các công ty niêm yết trên 2 sàn chứng khoán HNX và HOSE từ tháng 3 năm 2009 đến tháng 3 năm 2015. Đây là mẫu dữ liệu bảng không cân xứng (Unbalanced Panel) do có một số công ty không có dữ liệu đầy đủ từ năm 2009 đến 2014.
Trong bài nghiên cứu này, tác giả chỉ chọn mốc thời gian nghiên cứu bắt đầu từ năm 2009 mà không chọn sớm hơn nữa là do: giai đoạn liền trước đó, cụ thể là năm 2008 chứng kiến cuộc bùng nổ khủng hoảng tài chính toàn cầu và có ảnh hưởng mạnh đến TTCK Việt Nam. Đồng thời, sau giai đoạn tăng trưởng nóng mà đỉnh điểm là vào ngày 12 tháng 3 năm 2007 với chỉ số VN-Index đạt mốc 1.170,67 điểm, TTCK Việt Nam bước vào thời kỳ lao dốc không phanh cho đến hết năm 2008. Sau khi chạm đáy, thị trường mới dần được hồi phục và đi vào ổn định từ đầu năm 2009. Do đó, việc lấy mốc nghiên cứu từ năm 2009 sẽ giúp hạn chế được tác động của các sự kiện trên, tạo điều kiện phản ánh rõ nét vai trò ảnh hưởng của các nhân tố giải thích trong mô hình đối với tỷ suất sinh lợi của cổ phiếu.
Vì dữ liệu được lấy từ trang http://www.cophieu68.vn/ nên các công ty trong mẫu được phân nhóm ngành theo trang điện tử này. Các công ty trong mẫu được chia thành nhóm ngành chính bao gồm: bất động sản, cao su, chứng khoán, công nghệ viễn thông, dịch vụ-du lịch, dược phẩm-y tế-hóa chất, giáo dục, khoáng sản, năng lượng, ngân hàng-bảo hiểm, thép, dầu khí, nhựa-bao bì, sản xuất-kinh doanh, thực phẩm, thương mại, thủy sản, vận tải, vật liệu xây dựng, xây dựng.
Các công ty được chọn vào mẫu thỏa mãn các tiêu chí sau:
Có đầy đủ ít nhất 1 năm các thông tin cần thiết về số liệu tài chính trên bảng kết quả hoạt động kinh doanh và bảng cân đối kế toán trong giai đoạn nghiên cứu từ 2009-2014.
- Các cổ phiếu được niêm yết liên tục trong giai đoạn từ 2008 đến 2015.
- Tất cả các công ty tài chính như ngân hàng, bảo hiểm, chứng khoán, các quỹ do đặc thù của những ngành này không phù hợp cho mục tiêu nghiên cứu nên bị loại ra khỏi mẫu, là một thực tế phổ biến trong hầu hết các nghiên cứu tài chính.
- Loại trừ các cổ phiếu có giá trị sổ sách bằng hoặc nhỏ hơn không.
Mẫu số liệu ban đầu bao gồm 485 công ty. Sau khi loại bỏ các công ty tài chính như ngân hàng, bảo hiểm, chứng khoán, các quỹ ra và loại bỏ các công ty không đầy đủ các thông tin cần thiết với tối thiểu 1 năm về số liệu tài chính trên bảng kết quả hoạt động kinh doanh và bảng cân đối kế toán thì số công ty sau cùng gồm 478 công ty.
Từ cách làm trên, tác giả thu thập được một bảng dữ liệu trong vòng 6 năm từ 2009-2014 tạo thành bảng gồm 2430 công ty – năm quan sát.
Theo Tabachnick và Fidell (2001), trong nghiên cứu định lượng thì số mẫu cho hồi qui đa biến: n > 50+8*k (n: số mẫu, k: số biến độc lập). Như vậy cỡ mẫu nghiên cứu của bài luận văn này gồm 2430 quan sát là phù hợp và kết quả thống kê có thể xem là đại diện cho toàn bộ các công ty trên TTCK Việt Nam.
3.5.2 Phương pháp thu thập dữ liệu
Dữ liệu trong bài nghiên cứu là dữ liệu thứ cấp và chọn mẫu ngẫu nhiên gồm 478 công ty được niêm yết trên 2 sàn HOSE và HNX. Dữ liệu thu được thu thập ở trang điện tử http://www.cophieu68.vn/ sau đó tính toán cho các biến và tiến hành điều chỉnh các thông tin cho phù hợp.
Dữ liệu sử dụng trong bài nghiên cứu mà tác giả cần thu thập như sau:
Giá đóng cửa có điều chỉnh của phiên giao dịch cuối cùng trong tháng. Trường hợp cổ phiếu không có giao dịch tại phiên cuối cùng trong tháng sẽ lấy giá đóng cửa có điều chỉnh của phiên giao dịch liền trước đó. Tác giả sử dụng giá đóng cửa có điều chỉnh để tính toán TSSL của cổ phiếu sẽ giúp phản ánh được toàn bộ lợi nhuận mà cổ phiếu mang lại cho nhà đầu tư, bao gồm lợi nhuận thu được từ sự biến động giá và các khoản cổ tức bằng tiền mặt, cổ phiếu thưởng,…
Các chỉ tiêu EPS, giá sổ sách, giá thị trường cuối kỳ hàng năm được thu thập trên bảng kết quả hoạt động kinh doanh. Tương tự, chỉ tiêu về tổng nợ, tổng tài sản được thu thập dựa trên bảng cân đối kế toán.
3.5.3 Phương pháp xử lý dữ liệu Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
Sử dụng dữ liệu bảng để đánh giá mối liên hệ giữa TTKT với thị trường qua dữ liệu thu thập từ 478 công ty được niêm yết trên TTCK trong giai đoạn 2009-2014.
Để tiến hành nghiên cứu, tác giả thực hiện: thống kê mô tả nhằm cung cấp một cái nhìn tổng thể về số liệu của các biến. Mỗi biến trong bảng thống kê bao gồm: tên biến, số quan sát, giá trị trung bình, sai số chuẩn, giá trị thấp nhất và giá trị cao nhất.
Trong luận văn này, tác giả sử dụng phương pháp phân tích dữ liệu bảng (panel data) với mô hình hồi quy tuyến tính. Nó là sự kết hợp giữa dữ liệu chéo (cross section) và dữ liệu thời gian (time series). Tác giả sử dụng dữ liệu bảng vì các ưu điểm của dữ liệu bảng so với dữ liệu theo chuỗi thời gian và không gian. Theo Baltagi (2008), vì dữ liệu bảng liên quan đến các cá nhân, doanh nghiệp, v.v… theo thời gian, nên nhất định phải có tính dị biệt (không đồng nhất) trong các đơn vị này. Kỹ thuật ước lượng dữ liệu bảng có thể chính thức xem xét đến tính dị biệt đó bằng cách xem xét các biến số có tính đặc thù theo từng cá nhân. Thuật ngữ “cá nhân” theo ý nghĩa chung bao gồm các đơn vị vi mô như các cá nhân, các doanh nghiệp, tiểu bang, và đất nước. Thông qua kết hợp các chuỗi theo thời gian của các quan sát theo không gian, dữ liệu bảng cung cấp những dữ liệu có nhiều thông tin hơn, đa dạng hơn, ít cộng tuyến hơn giữa các biến số, nhiều bậc tự do hơn và hiệu quả hơn.
Thông qua nghiên cứu các quan sát theo không gian lặp lại, dữ liệu bảng phù hợp hơn để nghiên cứu tính động của thay đổi. Tình trạng thất nghiệp, luân chuyển công việc, và tính lưu chuyển lao động sẽ được nghiên cứu tốt hơn với dữ liệu bảng. Dữ liệu bảng có thể phát hiện và đo lường tốt hơn những ảnh hưởng mà không thể quan sát trong dữ liệu chuỗi thời gian thuần túy hay dữ liệu chéo theo không gian thuần túy. Dữ liệu bảng giúp ta nghiên cứu những mô hình hành vi phức tạp hơn. Ví dụ, các hiện tượng như lợi thế kinh tế theo qui mô và thay đổi kỹ thuật có thể được xem xét thông qua dữ liệu bảng tốt hơn so với dữ liệu theo chuỗi thời gian thuần túy hay theo không gian thuần túy. Bằng cách thu thập những số liệu có sẵn cho vài nghìn đơn vị, dữ liệu bảng có thể tối thiểu hóa sự thiên lệch có thể xảy ra nếu ta tổng hợp các cá nhân hay các doanh nghiệp thành số liệu tổng. Nói tóm lại, dữ liệu bảng có thể giúp chúng ta phân tích thực nghiệm theo những cách thức mà không chắc có thể đạt được nếu ta chỉ sử dụng các dữ liệu theo chuỗi thời gian hay không gian thuần túy.
Có ba mô hình hồi quy dùng để phân tích dữ liệu bảng là: mô hình hồi quy gộp (PM – Pooled Model), mô hình tác động cố định (FEM – Fixed Effect Model) và mô hình tác động ngẫu nhiên (REM – Random Effect Model). Các mô hình hồi quy dữ liệu bảng hiệu ứng tác động cố định (FEM), hồi quy dữ liệu bảng hiệu ứng tác động ngẫu nhiên (REM), mô hình Pooled là các mô hình phổ biến khi phân tích dữ liệu bảng. Tuy nhiên OLS, FEM và REM không kiểm soát được hiện tượng phương sai thay đổi và tự tương quan đã được phát hiện bởi kiểm định Greene (2000), Wooldridge (2002) và Drukker (2003). Nếu kết quả kiểm định cho thấy có hiện tượng phương sai thay đổi và tự tương quan thì tác giả sẽ tiến hành hồi quy với phương pháp GMM (General Method of Moments) theo kết quả nghiên cứu của Arellano và Bond (1991). Để khẳng định kết quả một lần nữa thì nên kiểm tra đối chiếu với mô hình mới hơn theo Daniel Hoechle (2007).
3.5.4 Các kiểm định trong mô hình dữ liệu bảng Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
3.5.4.1 Kiểm định sự phù hợp của mô hình
Kiểm định sự phù hợp của mô hình là việc kiểm định liệu rằng toàn bộ các biến độc lập trong mô hình đều không tác động đến biến phụ thuộc hay không. Nếu đúng như vậy thì mô hình không có ý nghĩa hay còn gọi là mô hình không phù hợp.
H0: β2 = β3 = … = βk = 0.
H1: β22 + β32 + …+ βk2 ≠ 0.
Nếu p-value của thống kê F có ý nghĩa thống kê cho phép ta bác bỏ giả thuyết H0 nghĩa là mô hình hồi quy phù hợp.
3.5.4.2 Kiểm định hiện tượng đa cộng tuyến
Có nhiều tiêu chuẩn để kiểm định hiện tượng đa cộng tuyến, trong luận văn này tác giả sử dụng 2 tiêu chuẩn sau:
Tồn tại tương quan cặp cao giữa các biến độc lập
Theo kinh nghiệm, hiện tượng đa cộng tuyến chỉ trở nên nghiêm trọng khi hệ số tương quan giữa các biến độc lập trong mô hình từ 0.8 trở lên. Do đó, nếu hệ số tương quan giữa hai biến độc lập lớn hơn 0.8 thì mô hình xảy ra hiện tượng đa cộng tuyến. Tuy nhiên tiêu chuẩn này thường không chính xác, nên để có kết luận kiểm định chính xác hơn, người ta sử dụng thêm tiêu chuẩn nhân tử phóng đại phương sai.
Nhân tử phóng đại phương sai (VIF: Variance Inflation Factor)
Với Rj2 là hệ số xác định trong hồi quy phụ biến độc lập Xj theo các biến độc lập còn lại.
Quy tắc kinh nghiệm: VIFj > 10 ó Rj2 > 0,9 è có hiện tượng đa cộng tuyến cao giữa biến độc lập Xj và các biến độc lập còn lại.
3.5.4.3 Kiểm định hiện tượng tự tương quan Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
Định nghĩa: Thuật ngữ tự tương quan có thể được định nghĩa như là sự tương quan giữa các thành phần của chuỗi của các quan sát được sắp xếp theo thời gian (như trong dữ liệu chuỗi thời gian) hoặc không gian (như trong dữ liệu chéo).
Hậu quả:
Khi có tự tương quan, các hàm ước lượng OLS vẫn là tuyến tính không thiên lệch và nhất quán, nhưng chúng không còn là ước lượng hiệu quả nữa. Nói cách khác, ước lượng OLS không phải là ước lượng tuyến tính không chệch tốt nhất nữa.
Phương sai ước lượng được của các ước lượng OLS thường là chệch. Khi tính phương sai và sai số tiêu chuẩn của các ước lượng OLS thường cho những giá trị thấp hơn các giá trị thật và do đó làm cho giá trị t lớn, dẫn đến kết quả sai khi kiểm định. Do đó kiểm định t và F không còn tin cậy nữa.
̂2 là ước lượng chệch của σ2.
R2 cao hơn so với thực tế: không đáng tin cậy.
Kiểm định:
Để kiểm tra hiện tượng tự tương quan, tác giả sử dụng phương pháp của Wooldridge (2002) và Drukker (2003) và đặt giả thuyết kiểm định như sau:
Giả thuyết H0: Mô hình không có hiện tượng tự tương quan bậc 1.
Giả thuyết H1: Mô hình có hiện tượng tự tương quan bậc 1.
Nếu giá trị p-value có ý nghĩa thống kê thì giả thuyết H0 bị bác bỏ, khi đó ta kết luận có tồn tại hiện tượng tự tương quan trong mô hình. Ngược lại, mô hình không có hiện tượng tự tương quan nếu chấp nhận giả thuyết H0.
3.5.4.4 Kiểm định hiện tượng phương sai sai số thay đổi Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
Định nghĩa: Tính chất đồng nhất về phương sai của phần dư (homogeneity of var-iance of the residuals) là một trong những giả định chính của hồi quy OLS. Nếu mô hình hồi quy là hoàn toàn phù hợp (well-fitted) thì không có mẫu hình (no pattern) đối với phần dư nào trên đồ thị phân tán của phần dư và giá trị dự đoán. Nếu phương sai của phần dư không còn là hằng số hay có sự thay đổi về phương sai của phần dư thì hiện tượng này được gọi là phương sai thay đổi (heteroskedastic).
Hậu quả:
Các ước lượng bình phương bé nhất OLS vẫn là các ước lượng tuyến tính, không chệch nhưng không còn là ước lượng có phương sai nhỏ nhất nữa.
Ước lượng của phương sai sẽ bị chệch.
Việc sử dụng thống kê t và F để kiểm định giả thiết không còn ý nghĩa .
Kiểm định:
Kiểm định phương sai sai số thay đổi bằng phương pháp kiểm định Greene (2000) với giả thuyết như sau:
Giả thuyết Ho: Mô hình không có hiện tượng phương sai thay đổi.
Giả thuyết H1: Mô hình có hiện tượng phương sai thay đổi.
Nếu giá trị p-value có ý nghĩa thống kê thì giả thuyết H0 bị bác bỏ, khi đó ta kết luận có tồn tại hiện tượng phương sai thay đổi trong mô hình. Ngược lại, mô hình không có hiện tượng phương sai thay đổi nếu chấp nhận giả thuyết H0.
3.5.4.5 Kiểm định hệ số của các biến độc lập
Kiểm định hệ số của các biến độc lập là việc kiểm định xem các biến độc lập có tác động đến biến phụ thuộc hay không. Nếu phát hiện biến độc lập nào không tác động đến biến phụ thuộc thì ta loại biến đó ra khỏi mô hình.
H0: βi = 0
H1: βi ≠ 0
Nếu p-value có ý nghĩa thống kê thì giả thuyết H0 bị bác bỏ, hay nói cách khác là biến độc lập thứ i đó tác động tới biến phụ thuộc một cách có ý nghĩa thống kê.
3.5.5 Phương pháp hồi quy theo GMM (General Method of Moments) Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
3.5.5.1 Phương pháp ước lượng GMM và kiểm định cơ bản
Phương pháp GMM là 1 phương pháp thống kê cho phép kết hợp các dữ liệu kinh tế quan sát được trong các điều kiện moment tổng thể (population moment condi-tions) để ước lượng các tham số chưa biết của các mô hình kinh tế. GMM là phương pháp hiệu quả, ưu việt hơn cả nên cũng khá phức tạp. GMM được Lars Pe-ter Hansen trình bày lần đầu tiên vào năm 1982 trong bài viết “Large Sample Prop-erties of Generalized Methods of Moments Estimators”.
Để ước lượng được hệ số β, chúng ta cần một bộ L vector các biến công cụ (trong ước lượng GMM còn được gọi là các điều kiện moment) và số lượng biến công cụ phải không ít hơn số biến giải thích trong mô hình (L ≥ K).
Điều kiện để một biến được chọn là biến công cụ là nó không được tương quan với phần dư, điều này có nghĩa là:
Ý tưởng chủ đạo của phương pháp GMM là thay thế giá trị các biến công cụ bằng giá trị trung bình của mẫu: và đi tìm Vector β thõa mãn phương trình trên.
Khi số lượng điều kiện moment lớn hơn số biến trong mô hình (L > K) thì phương trình không thể xác định một nghiệm chính xác duy nhất (có nhiều nghiệm có thể thõa mãn phương trình). Khi đó mô hình được gọi là overidentified. Trong trường hợp đó, chúng ta phải thực hiện tính toán lại nhằm xác định giá trị β làm cho điều kiện moment ( ( )) “gần” bằng 0 nhất có thể, khái niệm “gần” được hiểu là khoảng cách với giá trị 0 là nhỏ nhất, khoảng cách đó được xác định như sau:
Ma trận ngẫu nhiên, cân xứng và không âm ̂ (kích thước L x L) được gọi là ma trận trọng số vì nó thể hiện mức đóng góp của các điều kiện moment khác nhau vào khoảng cách J. Phương pháp ước lượng GMM sẽ xác định giá trị ước lượng β để khoảng cách J là nhỏ nhất.
3.5.5.2 Ưu điểm phương pháp GMM Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
Phương pháp ước lượng bình phương bé nhất (OLS) là phương pháp được dùng rất phổ biến trong lĩnh vực kinh tế lượng. Ưu điểm của phương pháp này không quá phức tạp nhưng hiệu quả. Với một số giả thiết ban đầu, phương pháp này sẽ dễ dàng xác định các giá trị ước lượng hiệu quả, không chệch và vững.
Tuy nhiên, khi nghiên cứu về chuỗi dữ liệu thời gian, có nhiều chuỗi vi phạm một hoặc một số giả định của OLS. Khi đó, các ước lượng thu được sẽ bị bóp méo, mất tính vững và sẽ là sai lầm nếu sử dụng chúng để phân tích. Một trong những dạng vi phạm giả định phổ biến là hiện tượng nội sinh, một trường hợp khi hệ số ước lượng (hoặc biến) tương quan với phần dư.
Phương pháp cơ bản trong trường hợp các biến độc lập tương quan với phần dư là ước lượng một phương trình có dùng các biến công cụ (Instrumental Variables – hồi quy IV). Ý tưởng của phương pháp hồi quy này là tìm một bộ biến, được gọi là biến công cụ, thõa mãn cả hai điều kiện: (1) tương quan với các biến giải thích trong phương trình và (2) không tương quan với phần dư. Những biến công cụ như vậy được dùng để loại bỏ sự tương quan giữa các biến giải thích và phần dư.
Có nhiều phương pháp hồi quy dựa trên nền tảng của hồi quy IV như phương pháp Bình phương bé nhất hai giai đoạn (2SLS), phương pháp Maximum Likeli-hood trong điều kiện giới hạn thông tin (LIML), phương pháp ước lượng Moment tổng quát (GMM).
Làm thế nào để một hồi quy IV ước lượng ra hệ số với sự tham gia của biến công cụ?
Xem xét mô hình đơn giản sau:
Trong đó: i là quan sát thứ i, yi là biến phụ thuộc, xi là biến độc lập, € là phần dư của mô hình. Khi đó hệ số ước lượng sẽ được xác định như sau:
Với x, y, € là các ma trận cột × 1. Nếu x và € không tương quan với nhau thì ̂ ước lượng được là vững và không chệch. Tuy nhiên nếu điều ngược lại xảy ra, hệ số ước lượng sẽ bị chệch và không vững, mô hình không còn hiệu quả, tác động của biến x lên biến y không đáng tin cậy.
Một biến công cụ z, tương quan với biến giải thích x nhưng không tương quan với phần dư € sẽ được đưa vào mô hình, phương pháp hồi quy IV sử dụng biến giả đó để xác định hệ số ước lượng như sau:
Vì biến z không tương quan với € nên hệ số ước lượng là vững và không chệch. Phương pháp này có thể tổng quát lên với một mô hình nhiều biến. Ta gọi X là ma trận ×K các biến giải thích, Z là ma trận ×L các biến công cụ với K là số lượng biến giải thích, L là số lượng biến công cụ và n là số quan sát của mỗi biến. Khi đó phương pháp IV có thể được dùng để ước lượng mô hình và hệ số ước lượng sẽ được xác định như sau:
Điều kiện để xác định được giá trị ước lượng là L ≥ K
3.5.5.3 Tính chất của phương pháp ước lượng GMM.
Khi số lượng mẫu phù hợp giá trị β ước lượng được sẽ vững, khi đó giá trị ước lượng được sẽ càng gần với giá trị thực của nó. Ước lượng GMM sẽ cho ra các giá trị ước lượng tuân theo phân phối chuẩn, đây là thuộc tính rất quan trọng vì đó là cơ sở để chúng ta xây dựng giá trị dự đoán ở các độ tin cậy (confidence bands) và thực hiện các kiểm định khác. Phương pháp GMM cũng cho ra kết quả là các giá trị ước lượng hiệu quả, nghĩa là giá trị phương sai trong mô hình ước lượng là nhỏ nhất.
KẾT LUẬN CHƯƠNG 3
Chương 3, trước tiên tác giả trình bày về quy trình để thực hiện bài nghiên cứu. Từ việc hệ thống hóa các lý thuyết và các nghiên cứu thực nghiệm ở chương 2, tác giả đã đề xuất mô hình nghiên cứu với các giả thuyết nghiên cứu. Tiếp theo là mô tả các biến và công thức tính các biến bao gồm biến độc lập, biến phụ thuộc và biến kiểm soát trong mô hình. Phần cuối tác giả trình bày phương pháp thực hiện nghiên cứu, cách thức lấy mẫu, phương pháp xử lý dữ liệu, các lý thuyết về các kiểm định trong mô hình dữ liệu bảng và giới thiệu về phương pháp hồi quy theo GMM. Luận văn: Thực trạng tỷ suất sinh lời cổ phiếu các Cty Ck
XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY
===>>> Luận văn: Giải pháp phát triển thị trường chứng khoán Việt Nam
