Nhân tố tác động đến tính thanh khoản của cổ phiếu niêm yết trên thị trường chứng khoán Việt Nam

có thước đo phản ánh được toàn bộ các khía cạnh của TKCCP. Tuy nhiên, thước đo của Amihud (2002) xác định thanh khoản của cổ phiếu dựa trên đo lường tác động của giá và khối lượng giao dịch chứng khoán được đề xuất sử dụng bởi nhiều nhà nghiên cứu như (Goyenko và cộng sự, 2009; Lou và Shu, 2014)… Bên cạnh đó, thước đo của Liu (2006) có ưu điểm thể hiện được nhiều khía cạch của thanh khoản như: độ chặt, độ sâu, khả năng phục hồi của cổ phiếu với các cú sốc trên thị trường đồng thời thể hiện tính liên tục của hoạt động giao dịch. Vì vậy, tác giả sử dụng thước đo cho biến phụ thuộc thể hiện tính kém thanh khoản của cổ phiếu là ILLIQit của Amihud (2002) và thước đo LM12it của Liu (2006).

Thước đo tính kém thanh khoản của cổ phiếu ILLIQit được tính toán như sau:

ୈ౟౪

𝐼𝐿𝐿𝐼𝑄௜௧

1 |R୧୲ୢ|

୧୲ୢ

୧୲

= ෍ VOLD

Có thể bạn quan tâm!

Xem toàn bộ 215 trang tài liệu này.

୲ୀଵ

Trong đó, Dit số ngày giao dịch của cổ phiếu tính theo ngày trong năm; Ritd thu nhập hàng ngày trên cổ phiếu; VOLDitd giá trị giao dịch hàng ngày (triệu đồng). Tử số là tỷ suất sinh lời hàng ngày của cổ phiếu với P1: giá ngày hôm sau, P0: giá ngày hôm

trước, R୧ୢ

= ୔భି୔బ

୔బ

và |Rid| là giá trị tuyệt đối của tỷ suất sinh lời của cổ phiếu i tại ngày

d. VOLDid: giá trị giao dịch của cổ phiếu i tại ngày d được thống kê trên hai sàn giao dịch. Thước đo ILLIQit của chứng khoán i trong năm t được đo lường bằng giá trị trung bình của TKCCP hàng ngày trong năm t. Thước đo ILLIQit sẽ không có giá trị âm và ILLIQit lớn thể hiện mức thay đổi giá lớn so với giá trị cổ phiếu giao dịch tương ứng TKCCP sẽ thấp và ngược lại. ILLIQ có giá trị rất nhỏ nên nghiên cứu sẽ biến đổi Logarit tự nhiên của ILLIQ.

Thước đo LM12it thể hiện tính kém thanh khoản của cổ phiếu, giá trị LM càng cao thì TKCCP càng thấp và ngược lại. Thước đo LM12it được tính toán như sau:

ଵ

LM12 = ቎NoZV

+୲୳୰୬୭୴ୣ୰౟౪቏ ∗ 252

୧୲ ୧୲ିଵ

Deflator NoTD୲

Trong đó, NoZVit-1 là số ngày không có giao dịch của năm trước (t-1); NoTDt là

số ngày có giao dịch trong năm t; turnover୧୲

=୘ổ୬୥ ୥୧á ୲୰ị ୥୧ୟ୭ ୢịୡ୦ ୲୰୭୬୥ ୬ă୫ ୲

ୗố ୪ượ୬୥ ୡổ ୮୦୧ế୳ ୪ư୳ ୦à୬୦∗ୋ୧á ୲୰୳୬୥ ୠì୬୦

; Liu

(2006, tr.635) xác định Deflator là 11.000 khi đo lường giá trị LM theo năm.

Thước đo LM12it được tính theo năm cho từng mã cổ phiếu riêng. Khi thực hiện kiểm định mô hình nghiên cứu, giá trị thước đo LM12it được biến đổi logarit tự nhiên để tránh sai lệch dữ liệu.

Biến độc lập

Chính sách cổ tức: Tác giả sẽ xem xét tác động của CSCT đến TKCCP qua hình thức trả cổ tức và tỷ lệ trả cổ tức trên mệnh giá. Với các hình thức trả cổ tức (Type) khác nhau thì mức độ ảnh hưởng đến TKCCP sẽ khác nhau. Hình thức trả cổ tức được thu thập dựa trong phần Thuyết minh báo cáo tài chính của BCTC đã được kiểm toán và công bố của các công ty. Hình thức trả cổ tức được chia làm 4 trường hợp: không trả cổ tức (KO), trả cổ tức bằng cổ phiếu (CP), trả cổ tức bằng tiền (TM), kết hợp trả cổ tức bằng tiền và cổ phiếu (KH). Biến (CP) được xác định là biến cơ sở. Bốn hình thức này được xây dựng thành biến giả (0,1) theo nguyên tắc xây dựng biến giả của mô hình kinh tế lượng. Đồng thời, xem xét tác động của mức độ chi trả cổ tức bằng tiền tác giả thu thập thông báo tỷ lệ trả cổ tức trên mệnh giá cổ phiếu (Pcs) hàng năm của từng công ty.

Sở hữu Nhà nước: Mục tiêu xem xét ảnh hưởng của sở hữu Nhà nước (SHNN) tới TKCCP niêm yết trên TTCK Việt Nam. Tỷ lệ sở hữu được xác định bằng số lượng cổ phiếu cổ đông đang nắm giữ chia cho tổng số lượng cổ phiếu lưu hành. Dữ liệu sở hữu của cổ đông Nhà nước được thu thập trong Thuyết minh báo cáo tài chính đã được kiểm toán tại ngày 31/12 hàng năm.

Tỷ lệ Free-float: Free-float là tỷ lệ cổ phiếu tự do chuyển nhượng được xác định theo công thức sau:

f = ୏୦ố୧ ୪ượ୬୥ ୡổ ୮୦୧ế୳ ୪ư୳ ୦à୬୦ି୏୦ố୧ ୪ượ୬୥ ୡổ ୮୦୧ế୳ ୩୦ô୬୥ ୲ự ୢ୭ ୡ୦୳୷ể୬ ୬୦ượ୬୥

୏୦ố୧ ୪ượ୬୥ ୡổ ୮୦୧ế୳ ୪ư୳ ୦à୬୦

Khối lượng cổ phiếu lưu hành được xác định bằng số lượng cổ phiếu đã phát hành và trừ (-) số lượng cổ phiếu quỹ. Các trường hợp cổ phiếu không tự do chuyển nhượng được qui định trong các văn bản pháp luật về Chứng khoán gồm:

(1) Cổ phiếu của các đối tượng còn trong thời gian hạn chế chuyển nhượng theo qui định như: cổ đông sáng lập, phát hành riêng lẻ dưới 100 NĐT, phát hành cổ phiếu ưu đãi cho nhân viên, cổ phiếu bị hạn chế chuyển nhượng của doanh nghiệp FDI khi chuyển nhượng sang công ty cổ phần;

(2) Cổ phiếu thuộc sở hữu của cổ đông nội bộ và người có liên quan;

(3) Cổ phiếu thuộc sở hữu của cổ đông chiến lược;

(4) Cổ phiếu thuộc sở hữu của cổ đông Nhà nước;

(5) Cổ phiếu thuộc sở hữu của CĐL, ngoại trừ công ty quản lý quỹ, công ty chứng khoán, công ty bảo hiểm nhân thọ, quỹ tương hỗ, quỹ đầu tư, ETFs. Sở hữu cổ phiếu của CĐL vẫn bị hạn chế chuyển nhượng cho đến khi tỷ lệ nắm giữ giảm dưới 4%.

Tăng trưởng bền vững của doanh nghiệp: Tăng trưởng bền vững (TTBV) giúp nhà quản trị và NĐT đánh giá được sự phát triển trong tương lai của các DNNY. Bởi

khi doanh nghiệp đạt được tăng trưởng doanh thu (thị phần) trong tương lai sẽ yêu cầu sự gia tăng tương ứng về lượng tài sản. Nguồn tài trợ cho tài sản tăng được cân nhắc từ nợ vay hoặc lợi nhuận giữ lại. Sự tăng trưởng của doanh nghiệp đồng nghĩa với việc duy trì sự cân bằng giữa tăng trưởng doanh thu, tài sản và nguồn tài trợ. Nếu tăng trưởng doanh thu, tài sản vượt quá các nguồn lực tài chính sẵn có thì công ty có thể rơi vào tình trạng khủng hoảng tài chính. Tỷ lệ TTBV được hiểu là tỷ lệ tăng trưởng tối đa các doanh nghiệp đạt được nhưng không tạo ra rủi ro về cạn kiệt nguồn tài chính. Thước đo tăng trưởng bền vững - VSGR theo (Van Horne và Wachowicz, 1998) được đánh giá là một thước đo tốt để xác định sự TTBV của doanh nghiệp trong tương lai. TTBV của doanh nghiệp là tín hiệu tốt để NĐT lựa chọn cổ phiếu đầu tư và giúp tăng TKCCP niêm yết. Công thức xác định VSGR như sau:

b ቀ୒୔ቁ ቀ1 + ୈቁ

VSGR =

ୗ ୉୯

ቀ୅ቁ − ቂb ቀ୒୔ቁ ቀ1 + ୈቁቃ

ୗ ୗ ୉୯

Với: b: tỷ lệ lợi nhuận giữ lại, b = 1 − େổ ୲ứୡ ୲୰ê୬ ୫ộ୲ ୡổ ୮୦୧ế୳ ; NP: lợi nhuận sau

୘୦୳ ୬୦ậ୮ ୲୰ê୬ ୫ộ୲ ୡổ ୮୦୧ế୳

thuế chưa phân phối; S: doanh thu thuần; D: tổng nợ; Eq: vốn chủ sở hữu; A: tổng tài sản. VSGR là tỷ lệ tăng trưởng doanh thu tối đa phù hợp với các mục tiêu: hiệu quả hoạt động, chi trả cổ tức và cơ cấu vốn. Để tính toán được các chỉ tiêu này tác giả thực hiện thu thập số liệu về: lợi nhuận sau thuế chưa phân phối, doanh thu thuần, tổng tài sản, tổng vốn chủ sở hữu, tổng nợ, tỷ lệ trả cổ tức trên BCTC đã được kiểm toán và xác định số liệu tính toán theo năm tài chính.

Qui mô doanh nghiệp: Qui mô doanh nghiệp (Size) được đo lường bằng tổng tài sản của doanh nghiệp thời điểm cuối năm và nhằm giảm sai số trong mô hình tổng tài sản được tính bằng logarit tự nhiên.

Tăng trưởng kinh tế và lãi suất: Tốc độ tăng trưởng GDP được thu thập theo năm trên nguồn https://databank.worldbank.org và số liệu lãi suất (Rate) được thu thập là lãi suất huy động tiền gửi tiết kiệm kỳ hạn 12 tháng của ngân hàng TMCP Ngoại thương Việt Nam.

Biến đặc thù của CPNY

Rủi ro: Rủi ro (Risk) trong đầu tư cổ phiếu i được xác định bằng độ lệch chuẩn của TSSL hàng ngày của cổ phiếu đó. Biến Risk được xác định bằng công thức sau:

Risk (𝜎) = ඥ∑௡(𝑅௜௧ − 𝑅ത௜)ଶ/𝑛 . Với, Rit tỷ suất sinh lời ngày t của cổ phiếu i, 𝑅ത௜

௧ୀଵ

TSSL trung bình năm của cổ phiếu i, n là số ngày giao dịch trong năm.

Lợi tức đầu tư: Lợi tức đầu tư (SR) được đo lường theo mô hình định giá tài sản tài chính CAPM. Mô hình CAPM thể hiện mối quan hệ giữa lợi tức kỳ vọng và rủi ro hệ

thống. Công thức xác định lợi tức kỳ vọng của cổ phiếu i được xác định như sau: E(R୧) =

R୤+ β୧∗ (E(R୑) − R୤). Trong đó, Rf lãi suất phi rui ro, RM lợi tức thị trường và hệ số beta 𝛽௜đại diện cho mức rủi ro hệ thống của cổ phiếu i trong mối tương quan với thị trường.

Tác giả thu thập số liệu về giá cổ phiếu và chỉ số VN-Index theo ngày để tính toán tỷ suất sinh lời (TSSL) theo ngày cho từng cổ phiếu và TSSL của chỉ số VN-Index. Lợi tức thị trường - RM theo năm được xác định bằng giá trị trung bình của TSSL = (TSSL/ngày)*Số ngày giao dịch của chỉ số VN-Index. Hệ số beta của mỗi cổ phiếu được ước lượng theo

công thức sau: Beta − β୧

=େ୭୴(୰౟, ୰ౣ)Với, Cov(ri, rm) là hiệp phương sai của TSSL cổ

஢మ

ౣ

௠

phiếu i và TSSL của chỉ số VN-Index; 𝜎ଶ là phương sai TSSL của chỉ số VN-Index.

Hoạt động giao dịch: Hoạt động giao dịch được xác định thông qua tổng khối lượng giao dịch (KLGD) trong một năm bao gồm khối lượng giao dịch khớp lệnh và khối lượng giao dịch thỏa thuận. Để giảm sai số trong mô hình KLGD được tính bằng logarit tự nhiên.

1.2.4. Phương pháp thu thập và phân tích dữ liệu

1.2.4.1. Phương pháp thu thập dữ liệu

Dữ liệu sử dụng trong luận án gồm: dữ liệu về giá cổ phiếu, khối lượng giao dịch được thu thập theo ngày, tỷ lệ sở hữu cổ đông Nhà nước, tỷ lệ cổ phiếu tự do chuyển nhượng được xác định vào ngày 31/12 hàng năm; hình thức trả cổ tức được tổng hợp theo năm phân biệt thành 4 trường hợp: không trả cổ tức, trả cổ tức bằng tiền, trả cổ tức bằng cổ phiếu và kết hợp trả cổ tức bằng tiền và cổ phiếu; các chỉ tiêu khác được thu thập theo năm trên BCTC hợp nhất đã được kiểm toán. Ngoài ra, các chỉ tiêu nếu không sẵn có trên BCTC sẽ tính toán dựa trên các công thức được xác định.

Dữ liệu về giá cổ phiếu, khối lượng giao dịch cổ phiếu, thông tin chi trả cổ tức, thông tin cơ cấu cổ đông, số liệu báo cáo tài chính, báo cáo thường niên của SGDCK Hà Nội và SGDCK TP Hồ Chí Minh… được tác giả thực hiện thu thập trên các website như: https://www.ssc.gov.vn/; https://www.hsx.vn/;https://hnx.vn/vi-vn/; https://www.vndirect.com.vn/; https://finance.vietstock.vn/; và một số website của các công ty chứng khoán khác4. Mẫu nghiên cứu gồm toàn bộ các CTCP được niêm yết trên SGDCK TP. Hồ Chí Minh và SGDCK Hà Nội, trong giai đoạn từ năm 2011 đến năm 2019. Số liệu thu thập 681 công ty gồm 365 CTCP niêm yết trên sàn HNX và 316 CTCP niêm yết trên sàn HOSE.

4 Ký hiệu *** là nguồn dữ liệu tác giả thu thập trên các website như: https://www.ssc.gov.vn/; https://www.hsx.vn/; https://hnx.vn/vi-vn/; https://www.vndirect.com.vn/; https://finance.vietstock.vn/...

1.2.4.2. Phương pháp xử lý dữ liệu

Thống kê mô tả: Sau khi đã thu thập và tính toán số liệu nghiên cứu liên quan đến TKCCP và các nhân tố tác động đến TKCCP, tác giả thực hiện thống kê mô tả để chỉ ra những đặc điểm cơ bản của số liệu nghiên cứu như: giá trị trung bình, giá trị lớn nhất, nhỏ nhất, phương sai của chuỗi dữ liệu… qua đó có thể xác được một số các quan sát ngoại lại có thể làm ảnh hưởng lớn và làm lệch lạc số liệu nghiên cứu. Đồng thời, để hạn chế ảnh hưởng của các quan sát ngoại lai (outliers), tác giả thực hiện thay thế những quan sát có giá trị bé hơn giá trị ở phân vị 1% bằng giá trị ở phân vị 1% và những quan sát có giá trị lớn hơn giá trị ở phân vị 99% cũng được thay thế bằng giá trị ở phân vị 99% trong phân phối mẫu ở mỗi biến.

Kiểm định tính dừng của dữ liệu nghiên cứu: Nghiên cứu của Nguyễn Quang Dong và Nguyễn Thị Minh (2012) đề cập đến phương pháp kiểm định tính dừng theo kiểm định Dickey-Fuller, sử dụng kiểm định nghiệm đơn vị của phương trình sau:

௝ୀଵ

∆𝑦௜௧ = 𝜌௜ ∆𝑦௜௧ିଵ ∑ఘ೔

𝛽௜௝ ∆𝑦௜௧ିଵ + 𝛿𝑋௜௧ + 𝜀௜௧

. Dựa trên giả định về tính không đồng

nhất của mô hình tức là các giá trị hệ số tự hồi quy của các đơn vị i có thể là khác nhau cho mỗi đối tượng. Giả thuyết của kiểm định được xây dựng như sau:

H0: 𝜌௜ = 0 cho tất cả các đối tượng (Chuỗi đang xét là chuỗi không dừng)

H1: 𝜌௜ < 0 cho ít nhất một đối tượng (Chuỗi đang xét là chuỗi dừng).

Các chuỗi nghiên cứu đảm bảo tính dừng nếu giả thuyết H1 được chấp nhận với mức ý nghĩa 5%. Trong trường hợp nếu chuỗi xét là chuỗi không dừng thì tác giả sẽ khắc phục bằng sai phân bậc nhất để đảm bảo điều kiện kiểm định và lựa chọn phương pháp ước lượng phù hợp theo tiêu chuẩn kiểm định của Hsiao (2003) được thực hiện theo Sơ đồ 1.3 như sau:

yit = αi + β' X + ε

i it it

𝐻ଵ: 𝛼 = 𝛼 𝑣à 𝛽 = 𝛽 ∀𝑖 ∈ 1, 𝑁

௢ ௜

௜

Nếu H0 không được chấp nhận

yit = αi + β' Xit + εit

𝐻ଶ: 𝛽 = 𝛽 ∀𝑖 ∈ 1, 𝑁

௢ ௜

Nếu H0 được chấp nhận (POLS)

yi,t = α + β' Xi,t + εi,t

Nếu H0 không được chấp nhận

Nếu H0 được chấp nhận yit = αi + β' Xit + εit

yi,t = αi + β' Xi,t + εit

𝐻ଷ: 𝛼 = 𝛼 ∀𝑖 ∈ 1, 𝑁

௢ ௜

Nếu H được chấp nhận

yi,t = α + β' xi,t + εi,t

Nếu H0 không được chấp nhận

y = α + β' X + ε (RE,FE)

i,t i

i,t i,t

Sơ đồ 1.2. Qui trình lựa chọn phương pháp ước lượng phù hợp

Nguồn: Tác giả xây dựng theo Hsiao (2003)

Kiểm định lựa chọn phương pháp ước lượng phù hợp với mô hình nghiên cứu sử dụng dữ liệu bảng có dạng tổng quát như sau: yit = αi + β'i Xit + εit . Tác giả đồng thời kiểm định các khuyết tật có thể xảy ra khi thực hiện hồi qui dữ liệu bảng.

1.2.4.3. Phương pháp phân tích dữ liệu

Sau khi lựa chọn phương pháp ước lượng phù hợp với mô hình nghiên cứu, tác giả thực hiện kiểm định hồi qui đồng thời kiểm định các khuyết tật có thể xảy ra với mô hình bảng tĩnh tuyến tính.

 Kiểm định phân phối chuẩn: Kiểm định phân phối chuẩn với các sai số ngẫu nhiên để thực hiện được ước lượng tuyến tính không chệch cho hệ số ước lượng tốt nhất thì điều kiện cần là phân phối của các sai số ngẫu nhiên tuân theo phân phối chuẩn. Khi các sai số ngẫu nhiên không tuân theo qui luật phân phối chuẩn thì thống kê t không tuân theo qui luật Student và thống kê F không tuân theo qui luật Fisher. Tuy nhiên, với kích thước mẫu lớn thì các thống kê về hệ số ước lượng vẫn có giá trị.

 Kiểm định đa cộng tuyến: Hiện tượng đa cộng tuyến xảy ra khi các biến độc lập (biến giải thích) trong mô hình hồi qui có mối quan hệ tuyến tính. Hậu quả của đa cộng tuyến trong mô hình hồi qui khiến cho các ước lượng không còn là tốt nhất với khoảng tin cậy cho các hệ số β lớn nghĩa là ước lượng kém chính xác; sai số chuẩn quá lớn làm cho các tỷ số t quá bé khiến cho hệ số ước lượng dễ bị mất ý nghĩa; phương sai lớn tương ứng với độ phân tán của hệ số β cao khiến kỳ vọng về chiều tác động của các biến giải thích trong mô hình bị ngược so với kỳ vọng. Để phát hiện hiện tượng đa cộng tuyến trong mô hình nghiên cứu, tác giả sử dụng hệ số

phóng đại phương sai VIF (variance inflation factor) được tính toán như sau: 𝑉𝐼𝐹௝ =

ೕ

ଵ ଵିோమ

với qui ước chung nếu VIF > 10 là dấu hiệu hiện tượng đa cộng tuyến cao; 10 >

VIF > 2 có khả năng xảy ra hiện tượng đa cộng tuyến và VIF < 2 không có hiện tượng đa cộng tuyến trong mô hình.

 Kiểm định tự tương quan: Hiện tượng tự tương quan xảy ra khi sai số ngẫu nhiên tại các thời điểm khác nhau có tương quan với nhau, hậu quả của tự tương quan là khá nghiêm trọng khi phương sai các hệ số ước lượng thu được bị chệch, khoảng tin cậy thường bé hơn so với khoảng tin cậy đúng và kết luận từ bài toán kiểm định giả thuyết thống kê về các hệ số là không đáng tin cậy. Nghiên cứu của Wooldridge (2010)

kiểm định Wooldrige được sử dụng để xác định mô hình có hay không hiện tượng tự tương quan với cặp giả thuyết như sau:

H0: Mô hình không có hiện tượng tự tương quan

H1: Mô hình có hiện tượng tự tương quan

Tại mức ý nghĩa 5% mô hình sẽ không có hiện tượng tự tương quan nếu như giả thuyết H0 được chấp nhận. Nếu mô hình có hiện tượng tự tương quan tác giả sẽ sử dụng phương pháp bình phương bé nhất tổng quát khả thi (FGLS - feasible generalized least squares) hoặc phương pháp được đề xuất bởi (Newey và West, 1987). Phương pháp của Newey và West (1987) sử dụng khi các biến trong mô hình không phải là biến ngoại sinh chặt, với ý tưởng chung vẫn sử dụng các ước lượng OLS nhưng ma trận hiệp phương sai của các hệ số ước lượng được tính toán không dựa trên giả thiết về sự tự tương quan và phương sai sai số thay đổi. Vì vậy, phương pháp này không phải là một ước lượng hiệu quả nhưng là ước lượng vững.

 Kiểm định phương sai sai số thay đổi: Trong trường hợp phương sai sai số trong mô hình bằng nhau tại mọi quan sát thì ước lượng OLS là ước lượng tốt nhất, hiện tượng phương sai sai số thay đổi trong mô hình khiến cho hệ số ước lượng bị chệch và không có giá trị. Tác giả sử dụng kiểm định White để kiểm tra khuyết tật phương sai sai số thay đổi của mô hình nghiên cứu với cặp giả thuyết của như sau:

H0: Phương sai sai số của mô hình là đồng nhất

H1: Phương sai sai số của mô hình là không đồng nhất

Với mức ý nghĩa 5% mô hình nghiên cứu sẽ có phương sai đồng nhất nếu giả thuyết H0 được chấp nhận. Trong trường hợp mô hình gặp khuyết tật phương sai sai số thay đổi, tác giả sẽ khắc phục bằng phương pháp sai số chuẩn vững (Robust standard error) hoặc phương pháp FGLS.

 Phân tích hồi qui tuyến tính: Phân tích hồi qui tuyến tính là một trong những phương pháp phân tích dữ liệu phổ biến trong thống kê để xem xét mối quan hệ tác động giữa biến phụ thuộc và biến giải thích. Tác giả sử dụng phân tích hồi qui tuyến tính bội với mô hình nghiên cứu gồm từ 3 biến trở lên (một biến phụ thuộc và k biến độc lập (biến giải thích) với k > 1). Mô hình hồi qui bội cho phép đánh giá tác động riêng của biến độc lập (biến giải thích) lên biến phụ thuộc khi giả định các biến độc lập khác trong

mô hình không đổi. Mô hình bảng tĩnh tuyến tính bội có dạng tổng quát (với i được xác định từ 1 đến k) như sau:

𝒀𝒊𝒕 = 𝜶𝒊+ 𝜷𝟏𝑿𝟏𝒕 + 𝜷𝟐𝑿𝟐𝒕 + ⋯ + 𝜷𝒌𝑿𝒌𝒕 + 𝜺𝒊𝒕 (𝐌𝐇𝟏)

αi: hệ số cắt thay đổi theo i; β1…k: hệ số độ dốc; εit: sai số ngẫu nhiên

Phương pháp ước lượng bình phương bé nhất tổng quát khả thi (FGLS)

Khi ước lượng mô hình số liệu mảng có sự hiện diện của vấn đề phương sai sai số thay đổi và tự tương quan trong dữ liệu thì ước lượng bằng OLS thông thường sẽ không hiệu quả. Để có kết quả chính xác hơn ta phải loại đi những khuyết tật này, phương pháp FGLS (feasible generalized least squares) được sử dụng để thực hiện ước lượng (MH1). Sự khác nhau của hệ số ước lượng được β từ OLS và FGLS là sử dụng ma trận hiệp phương sai của sai số (W) để sao cho tăng hiệu quả và giải quyết vấn đề về vi phạm các giả thiết phương sai đồng nhất và không tương quan chuỗi trong các sai số (Cameron và Trivedi, 2010). Khi áp dụng FGLS cho (MH1) thì hệ số β được xác định:

ˆFGL

 x' ˆ1 x 1 1 x' ˆ1 y . Với ước lượng của  thu được thông qua ước lượng của , ước

lượng của  là ˆđược xác định như sau: ˆeˆ'ieˆ'j

và để tính toán được theo thủ tục đã

ij T

trình bày, trước hết mô hình được ước lượng bằng POLS và sử dụng phần dư của nó.

Ưu điểm của ước lượng FGLS là tính toán đơn giản bằng cách sử dụng phần dư trong ước lượng POLS để xây dựng ma trận phương sai. Phương pháp này không yêu cầu dạng phân bố của tác động không quan sát được và sai số ngẫu nhiên. Phương pháp FGLS ước lượng được với sự hiện diện của tự tương quan (AR1), tương quan chéo, phương sai sai số thay đổi trong số liệu mảng. Khi ước lượng FGLS với không có sự hiện diện tự tương quan thì kết quả ước lượng sẽ hội tụ đến kết quả ước lượng bằng phương pháp ML.

Kiểm định Chow

Tác giả đồng thời kiểm định Chow để kiểm chứng sự khác biệt về hình thức trả cổ tức (Type) tác động đến TKCCP. Hồi qui biến Typeit được xây dựng theo nguyên tắc biến giả (0,1) với 4 phạm trù và hình thức trả cổ tức bằng cổ phiếu là phạm trù cơ sở, 3 hình thức còn lại gồm:

TM = 1 nếu cổ tức trả bằng tiền, = 0 nếu không thuộc

ቐKH = 1 nếu cổ tức chi trả bằng tiền và cổ phiếu, = 0 nếu không thuộc KO = 1 nếu không trả cổ tức, = 0 nếu không thuộc

Xem toàn bộ nội dung bài viết ᛨ