Kiểm Định Mô Hình 1 (Mô Hình Sử Dụng Biến Tỷ Lệ Nợ Tdta)

3.2 Mô tả hệ số tương quan

Kết quả mô tả hệ số tương quan giữa các biến được trình bày trong bảng sau:

Bảng 3.2: Mô tả hệ số tương quan

	ROA	ROE	TDTA	TDTE	STDTA	LTDTA	SIZE	GROWTH	TANG
ROA	Tương quan Pearson	1	.454(**)	-.689(**)	-.588(**)	-.615(**)	-.138	.181	.280	.054
	Mức ý nghĩa (2 đuôi)		.003	.000	.000	.000	.396	.264	.080	.742
	Số lượng		40	40	40	40	40	40	40	40
ROE	Tương quan Pearson		1	.212	.132	.074	.320(*)	.324(*)	-.107	-.050
	Mức ý nghĩa (2 đuôi)			.190	.418	.651	.044	.042	.511	.761
	Số lượng			40	40	40	40	40	40	40
TDTA	Tương quan Pearson			1	.833(**)	.883(**)	.245	.034	-.318(*)	-.212
	Mức ý nghĩa (2 đuôi)				.000	.000	.128	.835	.045	.190
	Số lượng				40	40	40	40	40	40
TDTE	Tương quan Pearson				1	.762(**)	.141	.115	-.179	-.283
	Mức ý nghĩa (2 đuôi)					.000	.386	.481	.269	.077
	Số lượng					40	40	40	40	40
STDTA	Tương quan Pearson					1	-.198	-.172	-.275	-.494(**)
	Mức ý nghĩa (2 đuôi)						.221	.288	.086	.001
	Số lượng						40	40	40	40
LTDTA	Tương quan Pearson						1	.410(**)	-.146	.539(**)
	Mức ý nghĩa (2 đuôi)							.009	.367	.000
	Số lượng							40	40	40
SIZE	Tương quan Pearson							1	.469(**)	.001
	Mức ý nghĩa (2 đuôi)								.002	.996
	Số lượng								40	40
GROWTH	Tương quan Pearson								1	.013
	Mức ý nghĩa (2 đuôi)									.935
	Số lượng									40
TANG	Tương quan Pearson									1
	Mức ý nghĩa (2 đuôi)
	Số lượng

Có thể bạn quan tâm!

Xem toàn bộ 96 trang tài liệu này.

Ma trận hệ số tương quan cho thấy các vấn đề sau:

 Các biến độc lập đại diện cho tỷ lệ nợ là TDTA, TDTE, STDTA có quan hệ tương quan rất mạnh với nhau, hệ số tương quan > 0.7. Điều này có thể giải thích được là do tỷ lệ nợ trên tổng vốn đã bao gồm nợ ngắn hạn, nợ dài hạn và tổng tài sản đã bao gồm các tài sản được tạo ra từ nguồn vốn CSH rồi. Do đó để tránh hiện tượng đa cộng tuyến, 4 biến độc lập đại diện cho tỷ lệ nợ sẽ không được đưa vào cùng một lúc mà sẽ được lần lượt đưa vào khi chạy mô hình hồi quy

 Biến SIZE có tương quan ở mức trung trung bình với biến GROWTH, hệ số tương quan 0.46, cho thấy tốc độ tăng trưởng của các DN lớn có khuynh hướng cao hơn các DN nhỏ

 Biến phụ thuộc ROA có tương quan đáng kể với các biến đại diện cho tỷ lệ nợ, hệ số tương quan > 0.5. Đối với các biến độc lập khác thì hệ số tương quan ở mức thấp.

Biến phụ thuộc ROA có tương quan rất thấp với biến LTDTA, TANG, SIZE hệ số tương quan < 0.2, do đó ta loại biến LTDTA, TANG, SIZE ra khỏi mô hình xem xét các biến độc lập tác động đến biến ROA. Như vậy, đối với mô hình ROA ta chỉ xem xét các biến tác động sau: TDTA, TDTE, STDTA, GROWTH

Biến phụ thuộc ROE có tương quan rất thấp với các biến độc lập trong mô hình, hệ số tương quan với các biến độc lập dao động từ 0.05 → 0.35. Do đó, đối với mô hình các yếu tố tài chính tác động đến HQKD, ta không sử dụng biến ROE mà chỉ sử dụng biến ROA để xây dựng mô hình

 Sau khi xem xét các hệ số tương quan, tác giả sẽ xây dựng 3 mô hình:

 Mô hình 1 – mô hình sử dụng tỷ lệ nợ TDTA:

ROA = ƒ (TDTA, GROWTH)

 Mô hình 2 – mô hình sử dụng tỷ lệ nợ TDTE:

ROA = ƒ (TDTE, GROWTH)

 Mô hình 3 – mô hình sử dụng tỷ lệ nợ STDTA:

ROA = ƒ (STDTA, GROWTH)

3.3 Xây dựng mô hình ROA

3.3.1 Khảo sát các dạng hàm hồi quy

Sau khi xem xét hệ số tương quan giữa các biến độc lập với biến phụ thuộc là ROA thì ta giữ lại các biến độc lập sau để xem xét xây dựng mô hình ROA:

D (TDTA/TDTE/STDTA): Tỷ lệ nợ

GROWTH: Tốc độ tăng trưởng của tổng tài sản

Tiến hành khảo sát riêng dạng hàm hồi quy phù hợp của từng biến độc lập trên với biến phụ thuộc ROA20:

ROA và TDTA: Kết quả cho thấy giá trị R2 của mô hình bậc 3 là cao nhất (55.6%) thể hiện khả năng giải thích của dạng mô hình này mạnh nhất. Do đó, ta chọn dạng mô hình bậc 3 cho mối quan hệ giữa ROA và TDTA. Như vậy, ta tạo thêm biến TDTA2 (TDTA bình phương) và TDTA3 (TDTA lập phương) để sử dụng cùng với biến TDTA (xem Phụ lục 3, trang 1)

ROA và TDTE: Kết quả cho thấy giá trị R2 của mô hình log là cao nhất (53.5%) thể hiện khả năng giải thích của dạng mô hình này mạnh nhất. Do đó, ta chọn dạng mô hình log-tuyến tính cho mối quan hệ giữa ROA và TDTE. Như vậy, ta tạo thêm biến LOG_TDTE để sử dụng trong mô hình (xem Phụ lục 3, trang 2)

ROA và STDTA: Kết quả cho thấy giá trị R2 của mô hình bậc 3 là cao nhất (46.3%) thể hiện khả năng giải thích của dạng mô hình này mạnh nhất. Do đó, ta chọn dạng mô hình bậc 3 cho mối quan hệ giữa ROA và STDTA. Như vậy, ta tạo thêm biến STDTA2 (STDTA bình phương) và STDTA3 (STDTA lập phương) để sử dụng cùng với biến TDTA (xem Phụ lục 3, trang 3)

ROA và GROWTH: Kết quả cho thấy giá trị R2 của mô hình bậc 3 là cao nhất (21.3%) thể hiện khả năng giải thích của dạng mô hình này mạnh nhất. Do đó, ta chọn dạng mô hình bậc 3 cho mối quan hệ giữa ROA và GROWTH. Như vậy, ta tạo thêm biến GROWTH2 (GROWTH bình phương) và GROWTH3 (GROWTH lập phương) để sử dụng cùng với biến GROWTH (xem Phụ lục 3, trang 5)

20 Chi tiết xem tại Phụ lục 3: Khảo sát các dạng hàm hồi quy có thể có giữa từng biến độc lập và ROA

Từ kết quả khảo sát các biến, tác giả xây dựng mô hình hồi quy bội với các biến có khả năng giải thích cho ROA như sau:

Bảng 3.3: Các biến đưa vào mô hình

Mô hình 1

Mô hình 2	Mô hình 3
TDTA	LOG_TDTE	STDTA
TDTA2		STDTA2
TDTA3		STDTA3
GROWTH	GROWTH	GROWTH
GROWTH2	GROWTH2	GROWTH2
GROWTH3	GROWTH3	GROWTH3

3.3.2 Xây dựng hàm hồi quy ROA

Đưa các biến vừa xây dựng được vào một mô hình tương ứng, dùng phương pháp Enter cho mọi bước khảo sát để tự nhận xét và chọn lựa các biến, sử dụng mức ý nghĩa sig = 5% cho cả 3 mô hình. Kết quả xây dựng mô hình như sau:

Mô hình 1 (mô hình sử dụng tỷ lệ nợ TDTA):

Có 6 biến độc lập được đưa vào mô hình ROA, gồm có: TDTA, TDTA2, TDTA3, GROWTH, GROWTH2, GROWTH3. Trong quá trình xây dựng mô hình hồi quy, tác giả loại bỏ dần các biến gây ra hiện tượng đa cộng tuyến (VIF > 5) và các biến không có ý nghĩa thống kê (sig > 5%). Kết quả các biến có ý nghĩa thống kê là: SIZE3, TDTA3 và với các biến này thì mô hình xây dựng được21có R2 hiệu chỉnh 40%. Mô hình có dạng như sau:

ROAi = 0.089 – 1.03TDTAi3

Mô hình 1:

Mô hình 2 (mô hình sử dụng tỷ lệ nợ TDTE):

Có 6 biến độc lập được đưa vào mô hình ROA, gồm có: LOG_TDTE, GROWTH, GROWTH2, GROWTH3. Thực hiện xử lý tương tự mô hình 1, cuối cùng tác giả giữ lại các biến có ý nghĩa thống kê là: LOG_TDTE và với các biến này thì mô hình xây dựng được22có R2 hiệu chỉnh 55.8%. Mô hình có dạng như

21Chi tiết xem tại Phụ lục 4: Kết quả ước lượng mô hình 1 – mô hình sử dụng biến tỷ lệ nợ TDTA‌

22 Chi tiết xem tại Phụ lục 5: Kết quả ước lượng mô hình 2 – mô hình sử dụng biến tỷ lệ nợ TDTE

Mô hình 2: ROAi = 0.084 – 0.073LOG_TDTEi

Mô hình 3 (mô hình sử dụng tỷ lệ nợ STDTA):

Với 6 biến độc lập được đưa vào mô hình ROA, gồm có: STDTA, STDTA2, STDTA3, GROWTH, GROWTH2, GROWTH3. Thực hiện xử lý tương tự mô hình 1, kết quả cho thấy chỉ có STDTA có ý nghĩa thống kê và với biến này thì mô hình xây dựng được23có R2 hiệu chỉnh 30%. Mô hình có dạng như sau:

ROAi = 0.078 – 0.101 STDTAi3

Mô hình 3:

3.3.3 Kiểm định mô hình

3.3.3.1Kiểm định mô hình 1 (mô hình sử dụng biến tỷ lệ nợ TDTA)

Kiểm định giả thuyết về độ phù hợp của mô hình

Chỉ số R2 là thước đo đánh giá độ phù hợp của mô hình, tức là mô hình hồi quy đã được xây dựng trên dữ liệu mẫu phù hợp đến mức nào so với dữ liệu. Nhưng sự phù hợp này chỉ mới thể hiện giữa mô hình xây dựng được với tập dữ liệu mẫu, rất có thể mô hình hồi quy này với các hệ số được ước lượng bằng phương pháp OLS không có giá trị gì khi áp dụng cho mô hình thực của tổng thể. Để kiểm định độ phù hợp của mô hình hồi quy tổng thể, tác giả đặt giả thuyết như sau:

H0: R2 của tổng thể = 0 (mô hình hồi quy xây dựng được không phù hợp với tổng thể)

Đại lượng F được sử dụng cho kiểm định này. Nếu xác suất của F nhỏ thì giả thuyết H0 bị bác bỏ. Căn cứ vào Bảng phân tích ANOVA (Phụ lục 4) của SPSS thể hiện giá trị F = 26.908 tương ứng với mức ý nghĩa sig = 0.000, do đó có thể an toàn bác bỏ giả thuyết H0 và kết luận mô hình hồi quy xây dựng được phù hợp với tổng thể.

23 Chi tiết xem tại Phụ lục 6: Kết quả ước lượng mô hình 3 – mô hình sử dụng biến tỷ lệ nợ STDTA

Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy

Mô hình hồi quy mẫu xây dựng được có hệ số độ dốc β ≠ 0, nhưng ta chưa thể chắc chắn hệ số độ dốc của mô hình tổng thể β ≠ 0, vì vậy ta phải kiểm định để kết luận về β của tổng thể. Đặt giả thuyết này như sau:

H0: β = 0 (Biến phụ thuộc và biến độc lập không có ảnh hưởng gì đến nhau)

Trị thống kê dùng để kiểm định giả thuyết này là trị thống kê t. Căn cứ vào Bảng hệ số của mô hình hồi quy (Phụ lục 4), có thể thấy được các mức ý nghĩa quan sát được đối với các hệ số độ dốc của mô hình lần lượt là sig = 0.000, chứng tỏ rằng giả thuyết H0 bị bác bỏ với độ tin cậy rất cao (99%), nghĩa là biến phụ thuộc và biến độc lập có mối quan hệ ảnh hưởng lẫn nhau.

Kiểm định phương sai của sai số không đổi

Hiện tượng phương sai của sai số thay đổi là hiện tượng độ lớn của phần dư tăng hoặc giảm cùng với các giá trị dự đoán hay giá trị của biến độc lập mà ta nghi ngờ gây ra hiện tượng phương sai của sai số thay đổi. Tiêu chuẩn ước lượng của phương pháp OLS là dựa trên tổng bình phương các phần dư đạt giá trị cực tiểu. Tác giả sẽ kiểm định phương sai của sai số thay đổi bằng cách kết hợp 2 phương pháp: vẽ biểu đồ và kiểm định tương quan hạng Spearman

Vẽ biểu đồ bình phương phần dư theo ROA

Biểu đồ 3.1: Biểu đồ bình phương phần dư theo ROA (mô hình 1)

.006

.005

.004

.003

.002

BP_res1

.001

0.000

-.001

0.00

.02

.04

.06

.08

.10

.12

.14

.16

ROA

(BPres_1: biến bình phương phần dư của mô hình 1)

Rò ràng từ đồ thị cho thấy bình phương của phần dư tăng cùng với sự gia tăng của biến ROA hay phương sai thay đổi, vì vậy rất có khả năng mô hình đã vi phạm giả thuyết phương sai không thay đổi. Tác giả sẽ sử dụng kiểm định tương quan hạng Spearman giữa các biến độc lập với trị tuyệt đối của phần dư.

Kiểm định tương quan hạng Spearman giữa các biến độc lập với trị tuyệt đối của phần dư

Đặt Giả thuyết Ho: hệ số tương quan hạng của tổng thể bằng 0 (phương sai của sai số không đổi)

Bảng 3.4: Hệ số tương quan Spearman giữa biến TDTA3 và ABSres_1

	TDTA3	ABSres_1
Spearman's rho TDTA3 Hệ số tương quan Mức ý nghĩa (2 đuôi) Số lượng		1.000	-.756(**)
		.	.000
		40	40

Kết quả kiểm định cho thấy giá trị sig của kiểm định = 0.000 < mức ý nghĩa 5% => bác bỏ giả thuyết Ho, tức là Mô hình 1 đã vi phạm giả thuyết phương sai của sai số thay đổi. Hiện tượng phương sai thay đổi gây ra hậu quả lớn nhất là các hệ số hồi quy không có ý nghĩa thống kê, tuy nhiên đối với mô hình xây dựng đã được tác giả thực hiện kiểm định giả thuyết về ý nghĩa của hệ số hồi quy thì các hệ số đều có ý nghĩa về mặt thống kê. Do đó tác giả đánh giá vi phạm này có thể chấp nhận được.

Kiểm định phân phối chuẩn của phần dư

Có nhiều nguyên nhân dẫn đến phần dư có thể không tuân theo phân phối chuẩn như sai dạng mô hình, số lượng các phần dư không đủ nhiều để phân tích … Vì vậy, chúng ta sẽ lần lượt khảo sát phân phối của phần dư bằng cách xây dựng các biểu đồ tần số của các phần dư như sau:

Biểu đồ tần số Histogram khảo sát phân phối của phần dư

Biểu đồ 3.2: Biểu đồ tần số Histogram khảo sát phân phối của phần dư (mô hình 1)

-2.00

-1.50

-1.00

-.50

0.00

.50

1.00

1.50

2.00

2.50

3.00

Std. Dev = .99 Mean = 0.00

N = 40.00

Standardized Residual

Biểu đồ trên cho thấy một đường cong phân phối chuẩn được đặt lên biểu đồ tần số. Phân phối phần dư có trung bình Mean = 0 và độ lệch chuẩn Std. Dev = 0.99, gần bằng 1. Do đó có thể kết luận rằng giả định phân phối chuẩn không bị vi phạm.

Biểu đồ tần số Q-Q Plot khảo sát phân phối của phần dư

Biểu đồ tần số Q-Q plot thể hiện những giá trị các điểm phân vị phân phối của biến theo các phân vị của phân phối chuẩn. Những giá trị kỳ vọng này tạo thành một đường chéo. Các điểm quan sát thực tế sẽ tập trung sát đường chéo nếu dữ liệu có phân phối chuẩn.

Biểu đồ 3.3: Biểu đồ tần số Q-Q Plot khảo sát phân phối của phần dư (mô hình 1)

Normal Q-Q Plot of Standardized Residual

Expected Normal Value

-1

-2

-3

-3 -2 -1 0

1 2 3

Observed Value

Xem tất cả 96 trang.

Ngày đăng: 16/06/2022