Sử dụng chương trình Stata13, chúng ta thực hiện nhập file dữ liệu bằng chức năng

Import. Các cột dữ liệu đầu vào được thể hiện như sau: A B C D E F G H, lần lượt đại
diện cho các tên cột trong bảng dữ liệu: NAME, YEAR, DPO, LEV, LIQ, ROE,
LOG_TA_, PE.

 Bước 1: Khai báo kiểu dữ liệu

Trong dữ liệu đầu vào, stata cho rằng biến NAME là biến dạng chuỗi (string variables),
do đó để đồng nhất dạng của dữ liệu, chúng ta cần thực hiện mã hóa dữ liệu bằng lệnh:

encode NAME,gen(FIRM)

Để Stata có thể xác định được dạng dữ liệu mà chúng ta đang có là dữ liệu bảng, chúng ta
thực hiện lệnh:

Xtset name year

Với câu lệnh trên, chúng ta đã giúp Stata hiểu được rằng dữ liệu đầu vào là dữ liệu bảng:

Hình 1: Khai báo dữ liệu

 Bước 2: Thống kê mô tả dữ liệu

Chúng ta thực hiện việc thông kê mô tả dữ liệu đầu vào qua các giá trị như giá trị trung
bình, độ lệch chuẩn, giá trị nhỏ nhất, giát trị lớn nhất; thực hiện lệnh:

Sum dpo lev liq roe logta PE

Hình 2 : Thống kê mô tả

Chúng ta muốn tìm hiểu sự tự tương quan giữa các biến, chúng ta sử dụng lệnh:

Corr dpo lev liq roe logta PE

Hình 3: Ma trận tương quan giữa các biến.

Tiếp theo, chúng ta thực hiện việc chạy mô hình OLS, FEM, REM và tìm ra đâu là mô
hình phù hợp.

1. Chạy mô hình
 Bước 3: Chạy mô hình OLS, FEM, REM

Sử dụng chương trình Stata13 chạy mô hình với dữ liệu. Ta thực hiện chạy lần lượt ba
mô hình Pooled OLS, Fixed Effects Model, Random Effects Model bằng cách thực hiện
các lệnh:

reg dpo lev liq roe logta PE

xtreg dpo lev liq roe logta PE,fe

xtreg dpo lev liq roe logta PE,re

Kết quả chạy mô hình được thể hiện ở trang tiếp theo.

Chúng ta được kết quả như bảng dưới đây :

Hình 4 : Mô hình Pool OLS

Chúng ta có hệ số R-squared là 0.0069, Adj R-squared là 0.0052 đều nhỏ hơn 0.05, điều
này cho thấy mô hình Pool OLS là chưa đáng tin cậy. trong khi đó, hệ số F (Prob > F) là
0.0011, nhỏ hơn 0.05, cho thấy mô hình có ý nghĩa thống kê.

Bên cạnh đó, hệ số sig ( P > |t| ) cho thấy duy nhất biến PE là có ý nghĩa đối với mô hình
do hệ số sig nhỏ hơn 5%, các biến còn lại đều lớn hơn 5%.
Tiếp theo là mô hình tác động cố định :

Hình 5 : Mô hình tác động cố định

Trong mô hình tác động cố định, ta thấy rằng giá trị R-sq overall là 0.0065 nhỏ hơn 0.5,
giá trị Prob > F là 0.0161 nhỏ hơn 0.05. Đồng thời, giá trị sig. ( P > |t| ) của các biến lev,
liq, roe, logta đều lớn hơn 0.05 ngoại trừ biến PE. Điều này cho thấy mô hình chưa đáng
tin cậy với dữ liệu của chúng ta.
Tiếp theo là mô hình tác động ngẫu nhiên :

Hình 6 : Mô hình tác động ngẫu nhiên

Trong mô hình tác động ngẫu nhiên, ta thấy rằng giá trị R-sq overall là 0.0069 nhỏ hơn
0.5, giá trị Prob > chi2 của kiểm định Wald là 0.0011 nhỏ hơn 0.05. Đồng thời, giá trị
sig. ( P > |z| ) của các biến lev, liq, roe, logta đều lớn hơn 0.05 ngoại trừ biến PE. Điều
này cho thấy mô hình chưa đáng tin cậy với dữ liệu của chúng ta.

Sau đó, chúng ta thực hiện lưu ba mô hình trên để có thể lựa chọn mô hình phù hợp sau
đó bằng cách thực hiện lần lượt các lệnh :

Est sto pool – mô hình OLS

Est sto fe - FEM

Est sto re - REM

 Bước 4 : Lựa chọn mô hình

Chúng ta thực hiện kiểm định Hausman (Hausman test) để lựa chọn giữa hai mô hình tác
động cố định và tác động ngẫu nhiên. Lệnh như sau :

hausman fe re

Chúng ta được kết quả chạy lệnh như hình dưới đây :

Hình 7 : Kiểm định Hausman

Kết quả chỉ ra rằng, Prob > chi2 = 0.7463, lớn hơn 0.05. Ta có kiểm định sau :

H0 : Chấp nhận mô hình REM

H1 : Chấp nhận mô hình FEM

Nếu Sig. > 5%, chấp nhận H0.

Nếu Sig. < 5%, chấp nhận H1.

Vậy, chúng ta chọn mô hình tác động ngẫu nhiên (REM) hơn là mô hình tác động cố định
(FEM).

Chúng ta thực hiện lựa chọn giữa mô hình tác động ngẫu nhiên và mô hình hồi quy tuyến
tính bằng cách thực hiện lệnh :

xttest0

Chúng ta được kết quả chạy lệnh như hình dưới đây :

Hình 8 : Kiểm định Breusch và Pagan Lagrangian

Kết quả cho thấy, Pro > chibar2 = 1.0000, lớn hơn 0.05. Ta có kiểm định sau:

H0 : Chấp nhận mô hình OLS

H1 : Chấp nhận mô hình REM

Nếu Sig. > 5%, chấp nhận H0.

Nếu Sig. < 5%, chấp nhận H1.

Vậy, chúng ta chọn mô hình hồi quy tuyến tính (OLS) hơn là mô hình tác động ngẫu
nhiên (REM).
  Bước 5 : Kiểm tra các khuyết tật của mô hình

Sau khi lựa chọn được mô hình OLS là mô hình phù hợp nhất, ta thực hiện việc kiểm tra
xem liệu mô hình này có những khuyết tật như đa cộng tuyến, phương sai sai số thay đổi,
tự tương quan hay không.

Đầu tiên, chúng ta kiểm tra hiện tượng đa cộng tuyến bằng lệnh :

vif

Hình 9 : Kiểm tra hiện tượng đa cộng tuyến

Ta thấy giá trị Mean VIF là 1.09, nhỏ hơn 10. Do đó, không có hiện tượng đa cộng tuyến
trong mô hình.
Chúng ta kiểm tra liệu có hiện tượng phương sai sai số thay đổi hay không bằng lệnh :

imtest, white

Hình 10 : Kiểm tra hiện tượng phương sai sai số thay đổi

Theo lý thuyết, chúng ta có :

H0 : Không có hiện tượng phương sai sai số thay đổi

H1 : Có hiện tượng phương sai sai số thay đổi

Nếu Sig. > 5%, chấp nhận H0.

Nếu Sig. < 5%, chấp nhận H1.

Kết quả chạy kiểm định cho thấy, giá trị Prob > chi2 = 0.0451, nhỏ hơn 0.05. Do đó,
chúng ta chấp nhận H1, điều này đồng nghĩa với việc có hiện tượng phương sai sai số
thay đổi.

Chúng ta kiểm tra liệu mô hình có hiện tượng tự tương quan hay không bằng lệnh :

xtserial dpo lev liq roe logta PE

Hình 11 : Kiểm tra hiện tượng tự tương quan

Theo lý thuyết, chúng ta biết rằng, với giả thuyết :

H0 : Mô hình không có hiện tượng tự tương quan

H1 : Mô hình có hiện tượng tự tương quan

Nếu Sig. > 5%, chấp nhận H0.

Nếu Sig. < 5%, chấp nhận H1.

Kết quả chạy kiểm định cho thấy, giá trị Prob > F = 0.0149, nhỏ hơn 0.05 tức 5%. Do đó,
chúng ta chấp nhận H1, điều này có nghĩa là mô hình của chúng ta có hiện tượng tự tương
quan.

Tóm lại, mô hình hồi quy tuyến tính của chúng ta có hiện tượng tự tương quan và phương
sai sai số thay đổi. Để khắc phục được điều này, chúng ta thực hiện bước tiếp theo.

 Bước 6 : Khắc phục khuyết tật

Để có thể khắc phục được những lỗi trong mô hình, chúng ta thực hiện lệnh :

xtgls dpo lev liq roe logta PE, corr(ar1) panels(h)

Hình 12 : Khắc phục lỗi của mô hình

Dù đã khắc phục lỗi của mô hình, giá trị sig. ( P > |z| ) của các biến lev, liq, roe, logta
đều lớn hơn 0.05 ngoại trừ biến PE.

KẾT QUẢ THỰC NGHIỆM

Sau khi chạy mô hình GLS, ta nhận thấy đây là mô hình phù hợp nhất trong bốn mô hình
chúng ta đã chạy. Dưới đây là bảng so sánh kết quả của bốn mô hình Pool, FEM, REM
và GLS :
Hình 13 : So sánh giữa bốn mô hình.

Trong hình trên, các phương trình (1), (2), (3), (4) lần lượt thể hiện cho mô hình hồi quy
tuyến tính (Pooled OLS), mô hình tác động cố định (Fixed Effects Model), mô hình tác
động ngẫu nhiên (Randome Effects Model), bình phương nhỏ nhất tổng quát
(Generalized Leasted Squared). Các ký hiệu lev, liq, roe, logta, PE là các biến kiểm soát
và biến dpo là biến phụ thuộc. Các dấu *, **, *** là 10%, 5% và 1% theo thứ tự.

Từ hình trên, ta thấy rằng có mối tương quan dương giữa tỷ lệ đòn bẩy (LEV) và tỷ lệ chi
trả cổ tức(DPO). Có mối tương quan âm giữa quy mô của doanh nghiệp (LOG(TA)) và tỷ
lệ chi trả cổ tức (DPO). Tồn tại tương quan dương giữa rủi ro của doanh nghiệp (P/E)và
tỷ lệ chi trả cổ tức(DPO).
Bên cạnh đó, ta thấy có mối tương quan âm giữa tính thanh khoản (LIQ) và tỷ lệ chi trả
cổ tức (DPO); có mối tương quan âm giữa lợi nhuận (ROE) và tỷ lệ chi trả cổ tức (DPO).
Tuy nhiên, kết quả này không có ý nghĩa thống kê.