CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

4.1. Mô tả thống kê theo các biến

Bảng 4.1: Thống kê mô tả các biến trong mô hình

Variable Obs Mean Std. Dev. Min Max

Year 1256 2018.50 2.29 2015 2022
COE 1256 0.10 0.10 -0.15 0.46
COD 1256 0.03 0.03 -0.08 0.30
SIZE 1256 27.41 1.55 22.02 32.81
ROA 1256 0.07 0.23 -0.47 7.67
Cash 1256 0.38 0.90 0.00 12.28
Leverage 1256 0.53 2.24 0.00 79.58
Growth 1256 1.26 41.03 -1.00 1454.13
(Nguồn: Kết quả từ phần mềm Stata 14)
 4.2. Ma trận tương quan giữa các biến
Bảng 4.2: Ma trận tương quan tuyến tính giữa các cặp biến
Leverag
Year COE COD SIZE ROA Cash Growth
e
Year 1

COE 0.28 1
0.000
P_value
0
COD -0.11 -0.08 1
0.000 0.007
P_value
1 2
SIZE 0.08 0.18 0.01 1
P_valu 0.004 0.000 0.845
e 9 0 5
ROA -0.02 0.03 -0.08 -0.05 1
P_valu 0.513 0.276 0.002 0.065
e 1 6 8 4
Cash -0.03 0 -0.17 -0.15 0.05 1
P_valu 0.250 0.996 0.000 0.000 0.069
e 7 3 0 0 1
Leverage 0.03 0.04 0.03 -0.08 0.92 -0.05 1
P_valu 0.286 0.166 0.227 0.006 0.000 0.071
e 6 5 5 3 0 8
Growth 0.04 0.08 -0.01 0.06 0.03 0.01 -0.00 1
P_valu 0.121 0.003 0.701 0.040 0.272 0.742
0.8901
e 0 0 9 1 2 5
(Nguồn: Kết quả từ phần mềm Stata 14)
4.3. Mô hình hồi quy OLS
4.3.1. Theo biến phụ thuộc COE
Bảng 4.3: Bảng kết quả hồi quy OLS của biến COE
COE
SIZE 0.01***
(6.75)
ROA -0.04
(-1.32)
Cash 0.00
(1.37)
Leverage 0.01**
(1.98)
Growth 0.00***
(2.72)
_cons -0.25***
(-4.81)
N 1256
(Nguồn: Kết quả từ phần mềm Stata 14)
* Sử dụng kiểm định Breusch – Pagan / Cook – Weisberg kiểm tra Phương sai sai số
thay đổi
Ho: Constant variance
Variables: fitted values of COE
chi2(1) = 1.26
Prob > chi2 = 0.2614
P_value > 0.05 cho thấy không tồn tại PSSSTĐ
4.3.2. Theo biến phụ thuộc COD
Bảng 4.4: Bảng kết quả hồi quy OLS của biến COD
COD
SIZE 0.00
(0.12)
ROA -0.08***
(-9.44)
Cash -0.00***
(-3.83)
Leverage 0.01***
(9.05)
Growth 0.00
(0.48)
_cons 0.03**
(2.16)
N 1256
(Nguồn: Kết quả từ phần mềm Stata 14)

* Sử dụng kiểm định Breusch – Pagan / Cook – Weisberg kiểm tra Phương sai sai số
thay đổi
Ho: Constant variance
Variables: fitted values of COE
chi2(1) = 3.96
Prob > chi2 = 0.0466
P_value < 0.05 cho thấy tồn tại PSSSTĐ
4.4. Mô hình hồi quy FEM và REM
4.4.1. Theo biến phụ thuộc COE
Bảng 4.5: Bảng kết quả hồi quy của biến COE
FEM REM
COE COE
SIZE 0.03*** 0.01***
(-3.21) (6.27)
ROA -0.05 -0.04
(-0.99) (-1.31)
Cash 0.01 0.00
(1.46) (1.39)
Leverage 0.01* -0.01*
(1.69) (1.96)
Growth 0.00*** 0.00***
(2.72) (2.77)
_cons -0.74*** -0.25***
(-2.83) (-4.50)
N 1256 1256
(Nguồn: Kết quả từ phần mềm Stata 14)

* Sử dụng kiểm định Hausman để chọn giữa hai mô hình REM và FEM với giả
thiết:
Test: Ho: difference in coefficients not systematic
chi2(5) =(b-B)'[(V_b-V_B)^(-1)](b-B)
= 4.18
Prob>chi2 = 0.5238
P_value > 0.05 cho thấy mô hình REM phù hợp hơn
4.4.2. Theo biến phụ thuộc COD
Bảng 4.6: Bảng kết quả hồi quy của biến COD
FEM REM
COD COD
SIZE -0.01*** -0.00
(-5.16) (-0.99)
ROA -0.04*** -0.06***
(-3.72) (-6.49)
Cash -0.00* -0.00***
(-1.82) (-2.78)
Leverage 0.00*** 0.01***
(2.99) (6.19)
Growth 0.00 0.00
(0.47) (0.40)
_cons 0.34*** 0.05**
(5.63) (2.51)
N 1256 1256
(Nguồn: Kết quả từ phần mềm Stata 14)
* Sử dụng kiểm định Hausman để chọn giữa hai mô hình REM và FEM với giả
thiết:
Test: Ho: difference in coefficients not systematic
chi2(5) =(b-B)'[(V_b-V_B)^(-1)](b-B)
= 46.43
Prob>chi2 = 0.0000
P_value < 0.05 cho thấy mô hình FEM phù hợp hơn
4.5. Trường hợp REM phù hợp hơn (của COE)
Sử dụng kiểm định LM (Breusch – Pagan Lagrange multiplier) để lựa chọn giữa mô
hình REM và mô hình Pooled OLS
COE [Firm01,t] = Xb + u [Firm01] + e[Firm01,t]
Estimated results:

Test: Var(u) = 0
chibar2(01) = 2.63
Prob > chibar2 = 0.0524
P_value > 0.05 cho thấy mô hình POLS phù hợp hơn
4.6. Trường hợp FEM phù hợp hơn (của COD)
Sử dụng F (F test) để lựa chọn giữa mô hình FEM và mô hình Pooled OLS
Giả thuyết:
H0: Mô hình POLS phù hợp hơn
H1: Mô hình FEM phù hợp hơn
Thống kê F P_value
3.20 0.0000

P_value < 0.05 cho thấy mô hình FEM phù hợp hơn
4.7. Kiểm định các khuyết tật của mô hình OLS
4.7.1. Theo biến phụ thuộc COE
4.7.1.1. Kiểm tra mô hình không bị bỏ sót biến
* Sử dụng kiểm định Ramsey kiểm tra mô hình không bị bỏ sót biến với giả thuyết:
H0: Mô hình bỏ sót biến
H1: Mô hình không bỏ sót biến
Thống kê F P_value
4.70 0.0029

P_value < 0.05 cho thấy mô hình không bỏ sót biến.

Ta bác bỏ H0, chấp nhận H1
4.7.1.2. Kiểm tra đa cộng tuyến
Bảng...: Bảng kết quả kiểm tra đa cộng tuyến
Variable VIF 1/VIF
Leverage 6.79 0.15
ROA 6.76 0.15
Cash 1.10 0.91
SIZE 1.04 0.96
Growth 1.01 0.99
Mean VIF 3.34

Kết quả kiểm tra đa cộng tuyến của các biến trong mô hình là 3.34 nhỏ hơn 10, đồng thời
các biến đều có VIF < 10, nên không xảy ra hiện tượng đa cộng tuyến mạnh.
4.7.1.3. Kiểm tra PSSSTD
* Sử dụng kiểm định White để kiểm tra hiện tượng PSSSTD với giả thuyết:
H0: Có PSSSTD
H1: Không có PSSSTD
Chi bình phương P_value
45.74 0.0009

P_value < 0.05 cho thấy mô hình không có PSSSTD

4.7.2. Theo biến phụ thuộc COD

4.7.2.1. Kiểm tra mô hình không bị bỏ sót biến
* Sử dụng kiểm định Ramsey kiểm tra mô hình không bị bỏ sót biến với giả thuyết:
H0: Mô hình bỏ sót biến
H1: Mô hình không bỏ sót biến
Thống kê F P_value
 6.12 0.0004

P_value < 0.05 cho thấy mô hình không bỏ sót biến.

4.7.2.2. Kiểm tra đa cộng tuyến
Bảng...: Bảng kết quả kiểm tra đa cộng tuyến
Variable VIF 1/VIF
Leverage 6.79 0.15
ROA 6.76 0.15
Cash 1.10 0.91
SIZE 1.04 0.96
Growth 1.01 0.99
Mean VIF 3.34

Kết quả kiểm tra đa cộng tuyến của các biến trong mô hình là 3.34 nhỏ hơn 10, đồng thời
các biến đều có VIF < 10, nên không xảy ra hiện tượng đa cộng tuyến mạnh.
4.7.2.3. Kiểm tra PSSSTD
* Sử dụng kiểm định White để kiểm tra hiện tượng PSSSTD với giả thuyết:
H0: Có PSSSTD
H1: Không có PSSSTD

Chi bình phương P_value

29.53 0.0778

P_value > 0.05 cho thấy mô hình có PSSSTD

4.8. KIỂM ĐỊNH FEM
4.8.1. Theo biến phụ thuộc COE
4.8.1.1. Kiểm tra PSSSTD
* Sử dụng kiểm định Wald để kiểm tra hiện tượng PSSSTD với giả thuyết:
H0: Không có PSSSTD
H1: Có PSSSTD
Chi bình phương P_value
23627.51 0.0000

P_value < 0.05 cho thấy mô hình có hiện tượng PSSSTD. Bác bỏ H0, chấp nhận H1
4.8.1.2. Kiểm tra hiện tượng tương quan chéo
* Sử dụng kiểm định LM (Breusch – Pagan Lagrange multiplier) để kiểm tra hiện
tượng tương quan chéo với giả thuyết:
H0: Không có hiện tượng tương quan chéo
H1: Có hiện tượng tương quan chéo

Chi bình phương P_value

35698.825 0.0000

P_value < 0.05 cho thấy mô hình có hiện tượng tự tương quan chéo
4.8.1.3. Kiểm tra hiện tượng phụ thuộc cắt ngang
* Sử dụng kiểm định độc lập cắt ngang của Pesaran kiểm tra hiện tượng phụ thuộc
cắt ngang trong mô hình với giả thuyết:
H0: Không có hiện tượng phụ thuộc cắt ngang
H1: Có hiện tượng phụ thuộc cắt ngang

Thống kê F P_value
74.845 0.0000

P_value < 0.05 cho thấy mô hình có hiện tượng phụ thuộc cắt ngang
4.8.1.4. Kiểm tra hiện tượng tự tương quan
* Sử dụng kiểm định Wooldridge kiểm tra hiện tượng tự tương quan với giả thuyết:
H0: Không có hiện tượng tự tương quan
H1: Có hiện tượng tự tương quan
Thống kê F P_value
300.819 0.0000

P_value < 0.05 cho thấy mô hình có hiện tượng tự tương quan

4.8.1.5. Kiểm tra đa cộng tuyến

Bảng...: Bảng kết quả kiểm tra đa cộng tuyến
Variable VIF 1/VIF
Leverage 6.79 0.15
ROA 6.76 0.15
Cash 1.10 0.91
SIZE 1.04 0.96
Growth 1.01 0.99
Mean VIF 3.34

Kết quả kiểm tra đa cộng tuyến của các biến trong mô hình là 3.34 nhỏ hơn 10, đồng thời
các biến đều có VIF < 10, nên không xảy ra hiện tượng đa cộng tuyến mạnh.
4.8.2. THEO BIẾN PHỤ THUỘC COD
4.8.2.1. Kiểm tra PSSSTD
* Sử dụng kiểm định Wald để kiểm tra hiện tượng PSSSTD với giả thuyết:
H0: Không có PSSSTD
H1: Có PSSSTD
Chi bình phương P_value
8.8e+05 0.0000

P_value < 0.05 cho thấy mô hình có hiện tượng PSSSTD. Bác bỏ H0, chấp nhận H1
4.8.2.2. Kiểm tra hiện tượng tương quan chéo
* Sử dụng kiểm định LM (Breusch – Pagan Lagrange multiplier) để kiểm tra hiện
tượng tương quan chéo với giả thuyết:
H0: Không có hiện tượng tương quan chéo
H1: Có hiện tượng tương quan chéo

Chi bình phương P_value

19681.586 0.0000

P_value < 0.05 cho thấy mô hình có hiện tượng tự tương quan chéo

4.8.2.3. Kiểm tra hiện tượng phụ thuộc cắt ngang

* Sử dụng kiểm định độc lập cắt ngang của Pesaran kiểm tra hiện tượng phụ thuộc
cắt ngang trong mô hình với giả thuyết:
H0: Không có hiện tượng phụ thuộc cắt ngang
H1: Có hiện tượng phụ thuộc cắt ngang

Thống kê F P_value
13.917 0.0000

P_value < 0.05 cho thấy mô hình có hiện tượng phụ thuộc cắt ngang
4.8.2.4. Kiểm tra hiện tượng tự tương quan
* Sử dụng kiểm định Wooldridge kiểm tra hiện tượng tự tương quan với giả thuyết:
H0: Không có hiện tượng tự tương quan
H1: Có hiện tượng tự tương quan
Thống kê F P_value
 6.545 0.0115

P_value < 0.05 cho thấy mô hình có hiện tượng tự tương quan
4.8.2.5. Kiểm tra đa cộng tuyến
Bảng...: Bảng kết quả kiểm tra đa cộng tuyến
Variable VIF SQRT VIF 1/VIF
Leverage 6.79 2.61 0.15
ROA 6.76 1.02 0.15
Cash 1.10 2.60 0.91
SIZE 1.04 1.05 0.96
Growth 1.01 1.01 0.99
Mean VIF 3.34

Kết quả kiểm tra đa cộng tuyến của các biến trong mô hình là 3.34 nhỏ hơn 10, đồng thời
các biến đều có VIF < 10, nên không xảy ra hiện tượng đa cộng tuyến mạnh.