Ảnh hưởng của khả năng sinh lợi (p), sự tăng trưởng (g), cấu trúc tài sản (fa) và quy mô doanh nghiệp (size) đến cấu trúc vốn (leverage) của 20 doanh nghiệp tư nhân tại việt nam năm 2021

NÊU GIẢ THUYẾT VỀ VẤN ĐỀ KINH TẾ

LÝ DO CHỌN ĐỀ TÀI

Kinh tế là tổng hợp các mối quan hệ tương tác giữa con người, liên quan đến hoạt động sản xuất và kinh doanh Mục tiêu chính của những mối quan hệ này là tạo ra sản phẩm và hàng hóa để phục vụ cho việc buôn bán và trao đổi trên thị trường.

Kinh tế lượng là một chuyên ngành trong kinh tế học, nhằm đo lường và ước lượng mối quan hệ giữa các biến số kinh tế thông qua phương pháp thống kê Mục tiêu chính của kinh tế lượng là kiểm nghiệm các lý thuyết kinh tế bằng cách xây dựng và kiểm định các mô hình kinh tế Qua quá trình thử nghiệm và kiểm tra tính khả thi của các mô hình này, các nhà nghiên cứu có thể rút ra kết luận về việc chấp nhận hoặc phủ quyết các lý thuyết kinh tế.

Cấu trúc vốn của doanh nghiệp phản ánh tỷ trọng của các loại vốn dài hạn như nợ, vốn cổ phần ưu đãi và vốn cổ phần thường trong tổng nguồn vốn Lý thuyết Modigliani & Miller (1958) là nền tảng cho nghiên cứu về cấu trúc vốn, đóng vai trò quan trọng trong việc hiểu rõ cách thức tài chính của doanh nghiệp hoạt động.

Khả năng sinh lợi (Earnings Power) là chỉ số phản ánh khả năng tạo ra lợi nhuận bền vững của doanh nghiệp trong điều kiện hoạt động ổn định Mối quan hệ giữa khả năng sinh lời và cấu trúc vốn rất chặt chẽ; khi khả năng sinh lời cao, rủi ro phá sản của công ty giảm, từ đó doanh nghiệp có xu hướng ưu tiên sử dụng nguồn vốn vay hơn, dẫn đến sự gia tăng đòn bẩy tài chính.

Tăng trưởng kinh tế là sự gia tăng tổng sản phẩm quốc nội (GDP) hoặc tổng sản lượng quốc dân, thể hiện qua mức sản lượng bình quân đầu người (PCI) trong một khoảng thời gian nhất định Sự tăng trưởng này phản ánh sự phát triển và cải thiện chất lượng sống của người dân trong quốc gia.

Tăng trưởng kinh tế phụ thuộc vào hai quá trình chính: tích lũy tài sản cụ thể như vốn, lao động và đất đai, cùng với việc đầu tư vào các tài sản này để nâng cao năng suất Nhiều nhà nghiên cứu đã chỉ ra rằng tốc độ tăng trưởng cao có thể dẫn đến sự gia tăng trong cấu trúc vốn.

Cơ cấu tài sản của một công ty là tỷ trọng các loại tài sản mà công ty đó đang nắm giữ, được thể hiện trên bảng tổng kết tài sản Các công ty hoạt động trong nhiều ngành nghề khác nhau sẽ có cơ cấu tài sản khác nhau, phản ánh định hướng và phương thức hoạt động của họ.

Quy mô doanh nghiệp được phân loại thành ba loại chính: doanh nghiệp lớn, doanh nghiệp vừa và doanh nghiệp nhỏ Việc lựa chọn quy mô khi thành lập doanh nghiệp phụ thuộc vào nhiều yếu tố, bao gồm nguồn vốn, khả năng, sở thích và kinh nghiệm của chủ đầu tư.

Trong bối cảnh Việt Nam hội nhập quốc tế sâu rộng qua các hiệp định thương mại tự do như WTO, AEC và TPP, các doanh nghiệp nội địa đối mặt với nhiều cơ hội và thách thức Để đạt hiệu quả cao trong sản xuất kinh doanh, nhà quản trị cần đưa ra quyết định hợp lý, trong đó quyết định về cấu trúc vốn đóng vai trò quan trọng, ảnh hưởng lớn đến hiệu quả kinh doanh và giá trị công ty (Modigliani & Miller, 1963) Tuy nhiên, việc xác định cấu trúc vốn tối ưu và các yếu tố tác động đến nó vẫn là mối quan tâm hàng đầu của các nhà quản trị.

Nhóm chúng em đã chọn đề tài “Ảnh hưởng của khả năng sinh lợi (P), sự tăng trưởng (G), cấu trúc tài sản (FA) và quy mô doanh nghiệp (SIZE) đến cấu trúc vốn của 20 doanh nghiệp tư nhân tại Việt Nam năm 2021” nhằm hiểu rõ tác động qua lại của các yếu tố này Mục tiêu là tìm ra những giải pháp khắc phục và tối ưu hóa hiệu quả sinh lời của doanh nghiệp.

LÝ THUYẾT KINH TẾ

Dựa trên tình hình thực tế nghiên cứu và lý thuyết kinh tế, ta có một số nhận định sau:

Tên biến Mô tả Cách đo lường Dấu của kỳ vọng

Biến phụ thuộc LEVERAGE Cấu trúc vốn

Tổng nợ/Tổng tài sản

Lợi nhuận sau thuế /Tổng tài sản -

(Tổng tài sản năm 2021 – Tổng tài sản năm 2020)/Tổng tài sản năm

FA Cấu trúc tài sản

Tài sản cố định /Tổng tài sản +

Logarithm của Tổng tài sản +

NHẬN ĐỊNH

Nhận định theo lý thuyết kinh tế,

Cấu trúc vốn (LEVERAGE) phụ thuộc vào khả năng sinh lợi (P), sự tăng trưởng (G), cấu trúc tài sản (FA) và quy mô doanh nghiệp (SIZE)

- LEVERAGE và P có quan hệ ngược chiều

- LEVERAGE và G có quan hệ cùng chiều

- LEVERAGE và FA có quan hệ cùng chiều

- LEVERAGE và SIZE có quan hệ cùng chiều

VIẾT HÀM HỒI QUY TỔNG THỂ, MÔ HÌNH HỒI QUY TỔNG THỂ VÀ Ý NGHĨA KINH TẾ CỦA CÁC HỆ SỐ HỒI QUY

- Hàm hồi quy tổng thể:

PRF: 𝐸(log(LEVERAGE 𝑖 )) = 𝛽 1 + 𝛽 2 log(𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 + 𝛽 4 log(𝐹𝐴 𝑖 ) + 𝛽 5 𝑆𝐼𝑍𝐸 𝑖

- Mô hình hồi quy tổng thể:

Trong đó: (Gỉa định kết quả ước lượng mô hình đủ tốt)

- 𝛽 1 : là hệ số chặn, không có ý nghĩa kinh tế trong trường hợp này

- 𝛽 2 cho biết: Khi P thay đổi 1% trong điều kiện các yếu tố khác không đổi thì LEVERAGE thay đổi 𝛽 2 %

- 𝛽 3 cho biết: Khi G thay đổi 1% trong điều kiện các yếu tố khác không đổi thì LEVERAGE thay đổi 𝛽 3 ∗ 100%

- 𝛽 4 cho biết: Khi FA thay đổi 1% trong điều kiện các yếu tố khác không đổi thì LEVERAGE thay đổi 𝛽 4 %

- 𝛽 5 cho biết: Khi SIZE thay đổi 1% trong điều kiện các yếu tố khác không đổi thì LEVERAGE thay đổi 𝛽 5 ∗ 100%

THU THẬP SỐ LIỆU

Sau khi tìm hiểu, nghiên cứu, thu thâp số liệu, nhóm em có bảng số liệu sau:

ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

KIỂM ĐỊNH SỰ PHÙ HỢP CỦA MÔ HÌNH HỒI QUY

- Mô hình hồi quy mẫu: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = -1,562123 - 0,157265log(𝑃 𝑖 ) + 0,724985𝐺 𝑖 + 0,392903log(𝐹𝐴 𝑖 ) + 0,047626 𝑆𝐼𝑍𝐸 𝑖 + 𝑒 𝑖

- Tiến hành kiểm định cặp giả thuyết: {𝐻 0 : 𝑅 2 = 0

- Dựa vào báo cáo Eviews, ta có 𝑃 𝑣𝑎𝑙𝑢𝑒 = 0,015641

- Nhận thấy: 𝑃 𝑣𝑎𝑙𝑢𝑒 < 𝑎 Do đó bác bỏ giả thuyết 𝐻 0 , chấp nhận 𝐻 1

→ Vậy với mức ý nghĩa 𝜶 = 𝟏𝟎% mô hình hồi quy phù hợp.

KIỂM ĐỊNH Ý NGHĨA CỦA CÁC HỆ SỐ HỒI QUY

- Tiến hành kiểm định cặp giả thuyết: {𝐻 0 : 𝛽 1 = 0

→ Vậy với mức ý nghĩa 𝜶 = 𝟏𝟎% hệ số chặn có ý nghĩa thống kê

4.2.2 Kiểmđịnh sự phù hợp của 𝜷 2

- Nhận thấy: 𝑃 𝑣𝑎𝑙𝑢𝑒 > 𝑎 Do đó chưa có cơ sở để bác bỏ giả thuyết 𝐻 0 , tạm chấp nhận 𝐻 0

→ Vậy với mức ý nghĩa 𝜶 = 𝟏𝟎% , 𝜷 𝟐 không có ý nghĩa kinh tế Hay khả năng sinh lợi chưa có ảnh hưởng đến cấu trúc vốn của doanh nghiệp

→ Vậy với mức ý nghĩa 𝜶 = 𝟏𝟎% , 𝜷 𝟑 có ý nghĩa kinh tế Hay sự tăng trưởng có ảnh hưởng đến cấu trúc vốn của doanh nghiệp

→ Vậy với mức ý nghĩa 𝜶 = 𝟏𝟎% , 𝜷 𝟒 có ý nghĩa kinh tế Hay cấu trúc tài sản có ảnh hưởng đến cấu trúc vốn của doanh nghiệp

4.2.5 Kiểm định sự phù hợp của 𝜷 5

- Nhận thấy: 𝑃 𝑣𝑎𝑙𝑢𝑒 > 𝑎 Do đó chưa có cơ sở để bác bỏ giả thuyết 𝐻 0 , tạm chấp nhận 𝐻 0

→ Vậy với mức ý nghĩa 𝜶 = 𝟏𝟎% , 𝜷 𝟓 không có ý nghĩa kinh tế Hay quy mô doanh nghiệp chưa có ảnh hưởng đến cấu trúc vốn của doanh nghiệp.

KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH

TỰ TƯƠNG QUAN

- Kiểm định Breusch - Godfrey (BG)

Để khắc phục những hạn chế của kiểm định Durbin-Watson, như yêu cầu kích thước mẫu lớn hơn 15 quan sát và chỉ áp dụng với mức ý nghĩa 𝛼 = 5%, chúng ta có thể sử dụng kiểm định Breusch-Godfrey (BG) Phương pháp này có thể áp dụng cho hầu hết các mô hình, bao gồm cả mô hình có chứa biến phụ thuộc ở các thời kỳ trễ.

- Ước lượng mô hình: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 log(𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 + 𝛽 4 log(𝐹𝐴 𝑖 ) + 𝛽 5 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖 thu được 𝑒 𝑖 , 𝑒 𝑖−1 ,𝑒 𝑖−2 và hệ số xác định 𝑅 1 2

- Mô hình BG có dạng:

Breusch-Godfrey Serial Correlation LM Test:

Obs*R-squared 2.347163 Prob Chi-Square(2) 0.3093

Dependent Variable: RESID Method: Least Squares Date: 03/08/23 Time: 09:51 Sample: 1 20

Included observations: 20 Presample missing value lagged residuals set to zero

Variable Coefficient Std Error t-Statistic Prob

R-squared 0.117358 Mean dependent var 8.88E-17 Adjusted R-squared -0.290015 S.D dependent var 0.281777 S.E of regression 0.320039 Akaike info criterion 0.828471 Sum squared resid 1.331526 Schwarz criterion 1.176977 Log likelihood -1.284708 Hannan-Quinn criter 0.896503 F-statistic 0.288085 Durbin-Watson stat 2.030915 Prob(F-statistic) 0.932218

- Tiến hành kiểm định cặp giả thuyết:

𝐻 0 : Mô hình gốc không có tự tương quan (𝑅 1 2 = 0)

𝐻 1 : Mô hình gốc có tự tương quan (𝑅 1 2 > 0)

- Dựa vào mẫu, ta có: 𝜒 𝑞𝑠 2 = 2,347163

- Nhận thấy: 2,347163 𝜒 𝑞𝑠 2 ∉ 𝑊 𝛼 => chưa có cơ sở bác bỏ H0, tạm thời chấp nhận H0

Kết luận: Với mức ý nghĩa 𝛂 = 𝟏𝟎% , bằng kiểm định White, phương sai sai số ngẫu nhiên không đổi

- Ước lượng mô hình gốc: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 log(𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 + 𝛽 4 log(𝐹𝐴 𝑖 ) + 𝛽 5 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖 thu được phần dư |𝑒𝑖|

- Mô hình Glejser có dạng:

|𝑒𝑖| = 𝛼 1 + 𝛼 2 log (P𝑖) + 𝛼 3 Gi + 𝛼 4 log (FA𝑖) + 𝛼 4 SIZEi+ 𝑉𝑖

Trong đó : 𝑉𝑖 là các sai số ngẫu nhiên

Obs*R-squared 3.978058 Prob Chi-Square(4) 0.4090

Scaled explained SS 2.208826 Prob Chi-Square(4) 0.6974

S.E of regression 0.147223 Akaike info criterion -0.781422

Sum squared resid 0.325118 Schwarz criterion -0.532489

Log likelihood 12.81422 Hannan-Quinn criter -0.732828

- Tiến hành kiểm định cặp giả thuyết

- Dựa vào báo cáo Eviews, ta có: 𝑃𝑣𝑎𝑙𝑢𝑒 (𝐹) = 0,4472 > 𝛼 = 0,1

- Do đó chưa có cơ sở bác bỏ 𝐻0 nên tạm thời chấp nhận 𝐻0

Kết luận: Vậy với mức ý nghĩa 𝜶 = 10% , bằng kiểm định Glejser, PSSSNN không đổi

5.2.3 Kiểm định dựa trên biến phụ thuộc

- Ước lượng mô hình gốc: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 log(𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 + 𝛽 4 log(𝐹𝐴 𝑖 ) + 𝛽 5 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖 thu được 𝑒 𝑖 , log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸̂ 𝑖 )

- Ước lượng mô hình hồi quy sau: 𝑒 𝑖 2 = 𝛼 1 + 𝛼 2 log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸̂ 𝑖 ) 2 + 𝑉 𝑖 thu được hệ số xác định 𝑅 2

Dependent Variable: E^2 Method: Least Squares Date: 03/08/23 Time: 09:56 Sample: 1 20

Included observations: 20 Variable Coefficient Std Error t-Statistic Prob

R-squared 0.000677 Mean dependent var 0.075428 Adjusted R-squared -0.054841 S.D dependent var 0.083613 S.E of regression 0.085875 Akaike info criterion -1.977218

Sum squared resid 0.132740 Schwarz criterion -1.877644 Log likelihood 21.77218 Hannan-Quinn criter -1.957780 F-statistic 0.012198 Durbin-Watson stat 2.079893 Prob(F-statistic) 0.913279

𝐻 0 : Phương sai sai số ngẫu nhiên không đổi (𝑅 2 = 0)

𝐻 1 : Phương sai sai số ngẫu nhiên thay đổi (𝑅 2 > 0)

- Dựa vào mẫu, ta có: 𝐹 𝑞𝑠 = 0,012198

- Nhận thấy: 0,012198 < 3,01 nên 𝐹 𝑞𝑠 ∉ 𝑊 𝛼 Do đó chưa có cơ sở bác bỏ

𝐻 0 nên tạm thời chấp nhận 𝐻 0

 Vậy với mức ý nghĩa 𝜶 = 10%, bằng phương pháp kiểm định dựa trên biến phụ thuộc, PSSSNN không đổi.

ĐA CỘNG TUYẾN

- Ước lượng mô hình: log(𝑃 𝑖 ) = 𝛽 1 + 𝛽 2 𝐺 𝑖 + 𝛽 3 log(𝐹𝐴 𝑖 ) + 𝛽 4 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖 Thu được 𝑅 2 = 0.006138, k’ = 4

Dependent Variable: LOG(P) Method: Least Squares Date: 03/08/23 Time: 10:11 Sample: 1 20

R-squared 0.006138 Mean dependent var -2.449981 Adjusted R-squared -0.180211 S.D dependent var 0.707173 S.E of regression 0.768256 Akaike info criterion 2.487468 Sum squared resid 9.443470 Schwarz criterion 2.686615 Log likelihood -20.87468 Hannan-Quinn criter 2.526344 F-statistic 0.032937 Durbin-Watson stat 1.859096 Prob(F-statistic) 0.991656

𝐻 0 : Mô hình không có đa cộng tuyến

𝐻 1 : Mô hình có đa cộng tuyến

- Dựa vào mẫu, ta có 𝐹 𝑞𝑠 = 0,032937

- Nhận thấy: 0,032937 < 2,46 nên 𝐹 𝑞𝑠 ∉ 𝑊 𝛼 Do đó chưa có cơ sở bác bỏ 𝐻 0 , tạm thời chấp nhận 𝐻 0

 Vậy với mức ý nghĩa 𝜶 = 10%, bằng phương pháp hồi quy phụ, mô hình không có cộng đa tuyến

- Ước lượng mô hình: 𝐺 𝑖 = 𝛽 1 + 𝛽 2 log (𝑃 𝑖 ) + 𝛽 3 log(𝐹𝐴 𝑖 ) + 𝛽 4 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖

Dependent Variable: G Method: Least Squares Date: 03/08/23 Time: 10:45 Sample: 1 20

R-squared 0.012196 Mean dependent var 0.106405 Adjusted R-squared -0.173017 S.D dependent var 0.178588 S.E of regression 0.193422 Akaike info criterion -0.271033 Sum squared resid 0.598590 Schwarz criterion -0.071887

- Ước lượng mô hình: log(𝐹𝐴 𝑖 ) = 𝛽 1 + 𝛽 2 log (𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 + 𝛽 4 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖 Thu được 𝑅 2 = 0.011215, k’ = 4

Log likelihood 6.710333 Hannan-Quinn criter -0.232158 F-statistic 0.065851 Durbin-Watson stat 2.807479 Prob(F-statistic) 0.977214

Dependent Variable: LOG(FA) Method: Least Squares Date: 03/08/23 Time: 10:46 Sample: 1 20

R-squared 0.011215 Mean dependent var -1.531170 Adjusted R-squared -0.174182 S.D dependent var 0.612924 S.E of regression 0.664163 Akaike info criterion 2.196277 Sum squared resid 7.057791 Schwarz criterion 2.395423 Log likelihood -17.96277 Hannan-Quinn criter 2.235152 F-statistic 0.060491 Durbin-Watson stat 1.586264 Prob(F-statistic) 0.979826

Dependent Variable: SIZE Method: Least Squares Date: 03/08/23 Time: 10:48 Sample: 1 20

R-squared 0.019444 Mean dependent var 15.46264 Adjusted R-squared -0.164411 S.D dependent var 1.523107 S.E of regression 1.643552 Akaike info criterion 4.008453 Sum squared resid 43.22022 Schwarz criterion 4.207600 Log likelihood -36.08453 Hannan-Quinn criter 4.047329 F-statistic 0.105755 Durbin-Watson stat 0.347926 Prob(F-statistic) 0.955508

- Ước lượng mô hình gốc: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 log(𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 + 𝛽 4 log(𝐹𝐴 𝑖 ) + 𝛽 5 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖 Thu được hệ số xác định 𝑅 2 = 0,536834

- Hồi quy mô hình (Mô hình bỏ biến 𝒍𝒐𝒈𝑷 𝒊 ) log (𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 𝐺 𝑖 + 𝛽 3 𝑙𝑜𝑔𝐹𝐴 𝑖 + 𝛽 4 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖

Dependent Variable: LOG(LEVERAGE) Method: Least Squares

R-squared 0.465126 Mean dependent var -0.964861 Adjusted R-squared 0.364837 S.D dependent var 0.414035 S.E of regression 0.329974 Akaike info criterion 0.797253 Sum squared resid 1.742129 Schwarz criterion 0.996399 Log likelihood -3.972525 Hannan-Quinn criter 0.836128 F-statistic 4.637859 Durbin-Watson stat 2.806768 Prob(F-statistic) 0.016178

- Hồi quy mô hình: Mô hình bỏ biến 𝑮 𝒊 log (𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 𝑙𝑜𝑔𝑃 𝑖 + 𝛽 3 𝑙𝑜𝑔𝐹𝐴 𝑖 + 𝛽 4 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖

Adjusted R-squared 0.335283 S.D dependent var 0.414035 S.E of regression 0.337564 Akaike info criterion 0.842733 Sum squared resid 1.823190 Schwarz criterion 1.041879 Log likelihood -4.427326 Hannan-Quinn criter 0.881608 F-statistic 4.194526 Durbin-Watson stat 2.376503 Prob(F-statistic) 0.022777

- Hồi quy mô hình (Mô hình bỏ biến 𝒍𝒐𝒈𝑭𝑨 𝒊 ) log (𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 𝑙𝑜𝑔𝑃 𝑖 + 𝛽 3 𝐺 𝑖 + 𝛽 4 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖

- Hồi quy mô hình (Mô hình bỏ biến 𝑺𝑰𝒁𝑬 𝒊 ) log (𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 𝑙𝑜𝑔𝑃 𝑖 + 𝛽 3 𝑙𝑜𝑔𝐺 𝑖 + 𝛽 4 𝑙𝑜𝑔𝐹𝐴 𝑖 + 𝑈 𝑖 Thu được 𝑅 5 2 = 0,506735

 Vậy mô hình không có đa cộng tuyến

Như vậy, thông qua phương pháp Hồi quy phụ và độ đo Theil, với mức ý nghĩa

𝜶 = 𝟏𝟎% , mô hình không mắc khuyết tật đa cộng tuyến.

MÔ HÌNH BỎ SÓT BIẾN THÍCH HỢP

- Ước lượng mô hình gốc: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 log(𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 + 𝛽 4 log(𝐹𝐴 𝑖 ) + 𝛽 5 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖 Thu được log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸̂ 𝑖 ) 2 và hệ số xác định 𝑅 2 = 0,536834

- Ước lượng mô hình hồi quy: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸̂ 𝑖 ) = 𝛼 1 +𝛼 2 log𝑃 𝑖 + 𝛼 3 𝐺 𝑖 + 𝛼 4 log𝐹𝐴 𝑖 + 𝛼 5 𝑆𝐼𝑍𝐸 𝑖

+ 𝛼 6 log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) 2 + 𝑣 𝑖 Thu được hệ số xác định 𝑅 1 2 , 𝑘 ′ = 6

- Ramsey RESET Test Equation: UNTITLED Specification: LOG(LEVERAGE) LOG(P) G LOG(FA) SIZE C Omitted Variables: Squares of fitted values

Sum of Sq Df Mean Squares

Value Restricted LogL -2.533066 Unrestricted LogL -1.688861

- Tiến hành kiểm định cặp giả thuyết:

{𝐻 0 : Mô hình gốc không bỏ sót biến thích hợp

𝐻 1 : Mô hình gốc bỏ sót biến thích hợp

- Dựa vào báo cáo Eviews, ta có: 𝑃 𝑣𝑎𝑙𝑢𝑒(𝐹) = 0,2855 > 𝛼 = 0,1

- Do đó, chưa có cơ sở bác bỏ giả thuyết H0, tạm thời chấp nhận H0

Kết luận: Vậy với mức ý nghĩa α = 10% , bằng kiểm định Ramsey, mô hình gốc không bỏ sót biến thích hợp.

TÍNH PHÂN PHỐI CHUẨN CỦA SAI SỐ NGẪU NHIÊN

- Ước lượng mô hình gốc: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 log(𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 + 𝛽 4 log(𝐹𝐴 𝑖 ) + 𝛽 5 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖

- Thu được giá trị phần dư 𝑒 𝑖 và đồ thị phần dư dưới đây:

- Dựa vào báo cáo Eviews, ta có: 𝑃 𝑣𝑎𝑙𝑢𝑒(𝐹) = 0,733582 > 𝛼 = 0,1

- Do đó, chưa có cơ sở bác bỏ giả thuyết H0, tạm thời chấp nhận H0

Kết luận: Vậy với mức ý nghĩa α = 10% , sai số ngẫu nhiên có phân phối chuẩn.

PHÂN TÍCH KẾT QUẢ HỒI QUY

KHOẢNG TIN CẬY CỦA CÁC HỆ SỐ HỒI QUY VÀ PHƯƠNG SAI

PHƯƠNG SAI SAI SỐ NGẪU NHIÊN 6.1.1 Khoảng tin cậy của các hệ số hồi quy

Mô hình hồi quy mẫu: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = −1,562123 − 0,157265log(𝑃 𝑖 ) + 0,724985𝐺 𝑖 + 0,392903log(𝐹𝐴 𝑖 ) + 0,047626𝑆𝐼𝑍𝐸 𝑖 + 𝑒 𝑖

 Khoảng tin cậy của β₂ là:

? Khi P tăng 1% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi như thế nào?

- Với 𝛽̂ < 0 => Ta có khoảng tin cậy hai phía của β₂ là: 2

- Dựa vào bảng Eviews, ta có: 𝛽₂̂ = −0,157265, Se(𝛽₂̂) = 0,103198

Kết luận: Vậy, với mức ý nghĩa α = 10% khi P tăng 1% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE biến động trong khoảng từ

? Khi P tăng 2% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi tối thiểu là bao nhiêu

- 𝛽̂ < 0 => Ta có khoảng tin cậy trái của β₂ là: 2 β₂ ≤ β₂̂ + 𝑆𝑒(β₂ ̂ ) 𝑡 𝛼 (𝑛−5)

Kết luận: Vậy, với mức ý nghĩa α = 10% khi P tăng 2% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE giảm tối thiểu 0,037752%

? Khi P giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi tối đa là bao nhiêu

- 𝛽̂ < 0 => Ta có khoảng tin cậy phải của β₂ là: 2 β₂ ≥ β₂̂ − 𝑆𝑒(β₂ ̂ ) 𝑡 𝛼 (𝑛−5)

Kết luận: Vậy, với mức ý nghĩa α = 10% khi P giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE tăng tối đa 0,4424795%

 Khoảng tin cậy của β₃ là:

? Khi G tăng 1% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi như thế nào?

- Với 𝛽̂ > 0 => Ta có khoảng tin cậy hai phía của β₃ là: 3 β₃ ̂ − 𝑆𝑒(β₃ ̂ ) 𝑡𝛼

- Dựa vào bảng Eviews, ta có: β₃ ̂ = 0,724985, Se(β₃ ̂ ) = 0,409895

Kết luận: Vậy với mức ý nghĩa 10%, khi G tăng 1% trong điều kiện các yếu tố khác không đổi thì LEVERAGE biến động trong khoảng từ 0,6439% đến 144,3531%

? Khi G tăng 2% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi tối thiểu là bao nhiêu

- Với 𝛽̂ > 0 => Ta có khoảng tin cậy phải của β₃ là: 3 β₃ ≥ β₃ ̂ − 𝑆𝑒(β₃ ̂ ) 𝑡 𝛼 (𝑛−5)

- Dựa vào bảng Eviews, ta có: β₃̂ = 0,724985, Se(β₃̂) = 0,409895

Kết luận: Vậy, với mức ý nghĩa α = 10% khi G tăng 2% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE tăng tối thiểu 35,0632%

? Khi G giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi tối đa là bao nhiêu

- Với 𝛽̂ > 0 => Ta có khoảng tin cậy trái của β₃ là: 3 β₃ ≤ β₃̂ + 𝑆𝑒(β₃ ̂ ) 𝑡 𝛼 (𝑛−5)

- Dựa vào bảng Eviews, ta có: β₃ ̂ = 0,724985, Se(β₃ ̂ ) = 0,409895

Kết luận: Vậy, với mức ý nghĩa α = 10% khi G giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE giảm tối đa 191,1981%

 Khoảng tin cậy của β₄ là:

? Khi FA tăng 1% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi như thế nào?

- Với 𝛽̂ > 0 => Ta có khoảng tin cậy hai phía của β₄ là: 4 β₄ ̂ − 𝑆𝑒(β₄ ̂ ) 𝑡𝛼

- Dựa vào bảng Eviews, ta có: β₄ ̂ = 0,392903, Se(β₄ ̂ ) = 0,119372

Kết luận: Vậy với mức ý nghĩa 10%, khi FA tăng 1% trong điều kiện các yếu tố khác không đổi thì LEVERAGE biến động trong khoảng từ 𝟎, 𝟏𝟖𝟑𝟔𝟒𝟒% đến 𝟎, 𝟔𝟎𝟐𝟏𝟔𝟐%

? Khi FA tăng 2% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi tối thiểu là bao nhiêu

- Với 𝛽̂ > 0 => Ta có khoảng tin cậy phải của β₄ là: 4 β₄ ≥ β₄ ̂ − 𝑆𝑒(β₄̂) 𝑡 𝛼 (𝑛−5)

- Dựa vào bảng Eviews, ta cóβ₄ ̂ = 0,392903, Se(β₄ ̂ ) = 0,119372

Kết luận: Vậy, với mức ý nghĩa α = 10% khi FA 2% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE tăng tối thiểu 0,46565%

? Khi FA giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi tối đa là bao nhiêu

- Với 𝛽̂ > 0 => Ta có khoảng tin cậy trái của β₄ là: 4 β₄ ≤ β₄̂ + 𝑆𝑒(β₄ ̂ ) 𝑡 𝛼 (𝑛−5)

- Dựa vào bảng Eviews, ta có: β₄ ̂ = 0,392903, Se(β₄ ̂ ) = 0,119372

Kết luận: Vậy, với mức ý nghĩa α = 10% khi FA giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE giảm tối đa 0,829472%

 Khoảng tin cậy của β₅ là:

? Khi SIZE tăng 1% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi như thế nào?

- Với 𝛽̂ > 0 => Ta có khoảng tin cậy hai phía của β₅ là: 5 β₅ ̂ − 𝑆𝑒(β₅ ̂ ) 𝑡𝛼

- Dựa vào bảng Eviews, ta có: β₅ ̂ = 0,047626, Se(β₅̂) = 0,048238

Kết luận: Vậy với mức ý nghĩa 10%, khi SIZE tăng 1% trong điều kiện các yếu tố khác không đổi thì LEVERAGE biến động trong khoảng từ

? Khi SIZE giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi tối đa là bao nhiêu

- Với 𝛽̂ > 0 => Ta có khoảng tin cậy trái của β₅ là: 5 β₅ ≤ β₅̂ + 𝑆𝑒(β₅ ̂ ) 𝑡 𝛼 (𝑛−5)

- Dựa vào bảng Eviews, ta có: β₅ ̂ = 0,047626, Se(β₅̂) = 0,048238

Kết luận: Vậy, với mức ý nghĩa α = 10% khi SIZE giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE giảm tối đa 16,847%

 Khoảng tin cậy của β₂ và β₄:

? Khi P tăng 2% và FA giảm 1,5%? trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi như thế nào?

- Dựa vào bảng Eviews, ta có: 𝛽₂̂ = −0,157265, Se(𝛽₂̂) = 0,103198, β₄ ̂ 0,392903 Se(β₄ ̂ ) = 0,119372 và cov(β₂̂, β₄̂) = −0,000578

Kết luận: Vậy, với mức ý nghĩa α = 10% khi P tăng 2%, FA giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE giảm trong khoảng từ 0,413893% đến 1,393876%

 Khoảng tin cậy của β₃ và β₅:

? Khi G giảm 2% và SIZE giảm 1,5%? trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE thay đổi như thế nào?

- Dựa vào bảng Eviews, ta có: β₃ ̂ = 0,724985, Se(β₃ ̂ ) = 0,409895 , β₅ ̂ 0,047626 Se(β₅̂) = 0,048238 và cov(β₃̂, β₅̂) = −0,001926

Kết luận: Vậy, với mức ý nghĩa α = 10% khi G giảm 2%, SIZE giảm 1,5% trong điều kiện các yếu tố khác không thay đổi thì LEVERAGE giảm trong khoảng từ 9,1091% đến 295,1727%

6.1.2 Khoảng tin cậy của phương sai sai số ngẫu nhiên

Mô hình hồi quy mẫu:

? Phương sai sai số ngẫu nhiên biến động trong khoảng nào?

- Với mức ý nghĩa 𝛼 = 10%, ta có khoảng tin cậy hai phía của 𝜎 2 là:

- Dựa vào báo cáo Eviews, ta có: RSS=1.508569

 Vậy với mức ý nghĩa 𝛂 = 𝟏𝟎% phương sai sai số ngẫu nhiên tăng trong khoảng (0,060353 ; 0,207766) (%) 2

? Phương sai sai số ngẫu nhiên tối thiểu là bao nhiêu?

- Với mức ý nghĩa 𝛼 = 10%, ta có khoảng tin cậy phải của 𝜎 2 là:

- Dựa vào báo cáo Eviews, ta có: RSS=1,508569

 Vậy với mức ý nghĩa 𝛂 = 𝟏𝟎% phương sai sai số ngẫu nhiên tối thiểu là 0,067627 (%) 2

? Phương sai sai số ngẫu nhiên tối đa là bao nhiêu?

- Với mức ý nghĩa 𝛼 = 10%, ta có khoảng tin cậy trái của 𝜎 2 là:

- Dựa vào báo cáo Eviews, ta có: RSS=1,508569

 Vậy với mức ý nghĩa 𝛂 = 𝟏𝟎% phương sai sai số ngẫu nhiên tối đa là 0,17651(%) 2

KIỂM ĐỊNH CÁC GIẢ THUYẾT CỦA HỆ SỐ HỒI QUY

- Mô hình hồi quy mẫu:

PRM: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = -1,562123 - 0,157265log(𝑃 𝑖 ) + 0,724985𝐺 𝑖 + 0,392903log(𝐹𝐴 𝑖 ) + 0,047626 𝑆𝐼𝑍𝐸 𝑖 + 𝑒 𝑖 a Kiểm định giả thuyết của 𝜷 𝟐 : LEVERAGE và P có mối quan hệ cùng chiều

- Tiến hành kiểm định cặp giả thuyết: {𝐻 0 : 𝛽 2 ≥ 0

- Dựa vào mẫu, ta có: 𝑇 𝑞𝑠 = 𝛽 ̂ 2

- Nhận thấy: -1,523918 < -1,341 nên 𝑇 𝑞𝑠 ∈ 𝑊 (𝑎) Do đó bác bỏ 𝐻 0 , chấp nhận

Kết luận: Vậy với mức ý nghĩa 𝒂 = 10%, P tác động tiêu cực đến LEVERAGE Hay P và LEVERAGE có quan hệ ngược chiều

→ Vậy giả thuyết ban đầu đưa ra là không chính xác Đưa ra tình huống:

? Có ý kiến cho rằng nếu P tăng lên 1% trong điều kiện các yếu tố khác không đổi thì LEVERAGE giảm ít nhất 3% Ý kiến của anh (chị) về nhận định trên

- Tiến hành kiểm định cặp giả thuyết: {𝐻 0 : 𝛽 2 ≤ −3

- Dựa vào mẫu, ta có: 𝑇 𝑞𝑠 = 𝛽 ̂ +3 2

- Nhận thấy: 27,546416>1,341 nên 𝑇 𝑞𝑠 ∈ 𝑊 (𝑎) Do đó bác bỏ 𝐻 0 , chấp nhận

Kết luận cho thấy rằng với mức ý nghĩa 𝒂 = 10%, khi P tăng 1% trong khi các yếu tố khác giữ nguyên, LEVERAGE sẽ không giảm ít nhất 3%, điều này phản bác lại nhận định trước đó Đồng thời, kiểm định giả thuyết ban đầu 𝜷 𝟑 cho thấy G và LEVERAGE có mối quan hệ cùng chiều.

- Nhận thấy: 1,768710 > -1,341 nên 𝑇 𝑞𝑠 𝑊 (𝑎) Do đó chưa có cơ sở bác bỏ

Kết luận: Vậy với mức ý nghĩa 𝒂 = 10%, G tác động tích cực đến LEVERAGE Hay G và LEVERAGE có quan hệ cùng chiều

→ Vậy giả thuyết ban đầu đưa ra là chính xác Đưa ra tình huống:

?.Có ý kiến cho rằng muốn LEVERAGE tăng 2% thì G tăng 2% trong điều kiện các yếu tố khác không đổi Anh (chị) có đồng ý với ý kiến này không?

- Tiến hành kiểm định cặp giả thuyết:{𝐻 0 : 𝛽 3 = 0,01

- Dựa vào mẫu, ta có

- Nhận thấy: 1,744312 < 1,753 nên 𝑇 𝑞𝑠 𝑊 (𝑎) Do đó không có cơ sở bác bỏ

Kết luận: Vậy với mức ý nghĩa 𝒂 = 10%, nếu muốn LEVERAGE tăng 2% thì

G tăng 2% khi các yếu tố khác không thay đổi, đồng nghĩa với việc xác nhận nhận định này Kiểm định giả thuyết ban đầu của 𝜷 𝟒 cho thấy rằng FA và LEVERAGE có mối quan hệ cùng chiều.

Kết luận: Vậy với mức ý nghĩa 𝒂 = 10%, FA tác động tích cực đến LEVERAGE Hay FA và LEVERAGE có quan hệ cùng chiều

?.Có ý kiến cho rằng nếu LEVERAGE tăng 2% thì FA giảm tối đa 1% Anh (chị) có đồng ý với ý kiến này không?

- Tiến hành kiểm định cặp giả thuyết: {𝐻 0 : 𝛽 4 ≤ −2

- Dựa vào mẫu, ta có: 𝑇 𝑞𝑠 = 𝛽 ̂ + 2 4

- Nhận thấy: 20,045765 > 1,341 nên 𝑇 𝑞𝑠 ∈ 𝑊 (𝑎) Do đó bác bỏ 𝐻 0 , chấp nhận 𝐻 1

Kết luận: Vậy với mức ý nghĩa 𝒂 = 10%, nếu LEVERAGE tăng 2% thì FA tăng tối thiểu 1% Tức là ta không đồng ý với ý kiến trên

40 d Kiểm định giả thuyết ban đầu của 𝜷 𝟓 : SIZE và LEVERAGE có mối quan hệ cùng chiều

Kết luận: Vậy với mức ý nghĩa 𝒂 = 10%, SIZE tác động tích cực đến

LEVERAGE Hay SIZE và LEVERAGE có quan hệ cùng chiều

Có ý kiến cho rằng khi SIZE tăng lên 1% trong khi các yếu tố khác giữ nguyên, LEVERAGE sẽ tăng ít nhất 3% Nhận định này cho thấy mối quan hệ chặt chẽ giữa kích thước doanh nghiệp và khả năng sử dụng đòn bẩy tài chính Việc tăng SIZE có thể phản ánh sự mở rộng và phát triển của doanh nghiệp, dẫn đến khả năng vay mượn cao hơn để tài trợ cho các hoạt động đầu tư Do đó, sự gia tăng SIZE không chỉ ảnh hưởng đến LEVERAGE mà còn có thể tác động tích cực đến hiệu suất và sự ổn định tài chính của doanh nghiệp.

- Tiến hành kiểm định cặp giả thuyết: {𝐻 0 : 𝛽 5 ≥ 0,03

- Dựa vào mẫu, ta có: 𝑇 𝑞𝑠 = 𝛽 ̂ − 0,03 5

Kết luận cho thấy rằng với mức ý nghĩa 𝒂 = 10%, khi SIZE tăng 1% trong khi các yếu tố khác giữ nguyên, LEVERAGE sẽ tăng ít nhất 3% Điều này khẳng định tính chính xác của nhận định đã đưa ra.

?.Có ý kiến cho rằng nếu P tăng 2,5% đồng thời FA tăng 1,5% thì LEVERAGE không giảm Ý kiến này phù hợp với bảng báo cáo trên hay không?

- Tiến hành kiểm định cặp giả thuyết: {𝐻 0 : 2,5𝛽 2 + 1,5𝛽 4 ≥ 0

- Dựa vào mẫu, ta có: 𝑇 𝑞𝑠 = 2,5𝛽 ̂ + 1,5𝛽 2 ̂ 4

- Dựa vào báo cáo Eviews, ta có:

Kết luận: Vậy với mức ý nghĩa 𝒂 = 10%, nếu P tăng 2,5% đồng thời FA tăng

1,5% thì LEVERAGE không giảm Tức là ý kiến trên phù hợp với báo cáo.

HỒI QUY VỚI BIẾN GIẢ

Nghiên cứu này phân tích tác động của khả năng sinh lợi (P), sự tăng trưởng (G), cấu trúc tài sản (FA) và quy mô doanh nghiệp (SIZE) đến cấu trúc vốn (LEVERAGE) của 20 doanh nghiệp thực phẩm Việt Nam năm 2021, phân loại theo loại hình doanh nghiệp (TYPE), trong đó TYPE = 0 đại diện cho CTCP nhà nước và TYPE = 1 cho CTCP ngoài nhà nước Sử dụng phần mềm Eviews để ước lượng, với mức ý nghĩa 𝛼 = 10%, báo cáo kết quả ước lượng đã được thu thập và phân tích.

Adjusted R-squared 0.423671 S.D dependent var 0.414035 S.E of regression 0.314320 Akaike info criterion 0.766518 Sum squared resid 1.383163 Schwarz criterion 1.065237 Log likelihood -1.665176 Hannan-Quinn criter 0.824831

Loại hình doanh nghiệp có tác động đáng kể đến cấu trúc vốn, hay còn gọi là đòn bẩy tài chính, ngay cả khi các yếu tố như khả năng sinh lợi, sự tăng trưởng, cấu trúc tài sản và quy mô doanh nghiệp được giữ nguyên Việc hiểu rõ mối liên hệ này giúp các nhà quản lý đưa ra quyết định tài chính hợp lý và tối ưu hóa hiệu quả hoạt động của doanh nghiệp.

- Đề xuất mô hình: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽 1 + 𝛽 2 log(𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 +

- Trong đó: TYPE (biến giả) với quy ước như sau:

 TYPE=1: CTCP ngoài Nhà nước

- PRM đối với CTCP Nhà nước (TYPE =0): log(LEVERAGE i ) = β 1 + β 2 log(P i ) + β 3 G i + β 4 log(FA i ) + β 5 SIZE i + U i

- PRM đối với CTCP ngoài nhà nước (TYPE =1): log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = (𝛽 1 + 𝛽 6 ) + 𝛽 2 log(𝑃 𝑖 ) + 𝛽 3 𝐺 𝑖 + 𝛽 4 log(𝐹𝐴 𝑖 ) + 𝛽 5 𝑆𝐼𝑍𝐸 𝑖 + 𝑈 𝑖 Dựa vào báo cáo Eviews, ta có mô hình hồi quy mẫu: log(𝐿𝐸𝑉𝐸𝑅𝐴𝐺𝐸 𝑖 ) = 𝛽̂ + 𝛽 1 ̂log (𝑃 2 𝑖 ) + 𝛽̂𝐺 3 𝑖 + 𝛽̂log (𝐹𝐴 4 𝑖 ) + 𝛽̂𝑆𝐼𝑍𝐸 5 𝑖 + 𝛽̂𝑇𝑌𝑃𝐸 6 𝑖 + 𝑒 𝑖

- Ý nghĩa kinh tế của các hệ số hồi quy:

+ 𝛽̂ = −1.576455: không có ý nghĩa kinh tế 1

Khi khả năng sinh lợi (P) tăng hoặc giảm 1% trong điều kiện các yếu tố khác không thay đổi và không phân biệt loại hình doanh nghiệp, cấu trúc vốn trung bình của công ty cổ phần nhà nước (LEVERAGE) sẽ giảm hoặc tăng 0,12527%.

Khi sự tăng trưởng (G) tăng hoặc giảm 1 lần, trong điều kiện các yếu tố khác không đổi và không phân biệt loại hình doanh nghiệp, cấu trúc vốn trung bình của công ty cổ phần nhà nước (LEVERAGE) sẽ tăng hoặc giảm 74,0911%.

Khi cấu trúc tài sản (FA) tăng hoặc giảm 1% trong điều kiện các yếu tố khác không thay đổi và không phân biệt loại hình doanh nghiệp, cấu trúc vốn trung bình của công ty cổ phần nhà nước (LEVERAGE) sẽ tăng hoặc giảm 0,375538%.

Khi quy mô doanh nghiệp (SIZE) tăng hoặc giảm 1% trong điều kiện các yếu tố khác không đổi và không phân biệt loại hình doanh nghiệp, cấu trúc vốn trung bình của công ty cổ phần nhà nước (LEVERAGE) sẽ tăng hoặc giảm 6,2905%.

Chênh lệch cấu trúc vốn trung bình giữa CTCP ngoài nhà nước và CTCP nhà nước là -0.214781, cho thấy rằng khi có cùng khả năng sinh lợi, sự tăng trưởng, cấu trúc tài sản và quy mô doanh nghiệp, các công ty ngoài nhà nước có sự khác biệt trong cấu trúc vốn so với các công ty nhà nước.

- Tiến hành kiểm định cặp giả thuyết {𝐻 0 : 𝛽 6 = 0

- Dựa vào báo cáo Eviews, ta có: 𝑃 𝑣𝑎𝑙𝑢𝑒 = 0.2788

- Nhận thấy 𝑃 𝑣𝑎𝑙𝑢𝑒 > 𝑎 = 10%: Do đó chưa có cơ sở bác bỏ giả thuyết

H 0 nên tạm thời chấp nhận H 0

Kết luận: Mức ý nghĩa a% cho thấy loại hình doanh nghiệp (TYPE) không ảnh hưởng đến cấu trúc vốn (LEVERAGE) khi các yếu tố như khả năng sinh lợi, sự tăng trưởng, cấu trúc tài sản và quy mô doanh nghiệp đều tương đồng.

DỰ BÁO

CTCP Cát Lợi (CLC) năm 2021 có:

- Tốc độ tăng trưởng tổng tài sản (G) = 0,1520

- Cấu trúc tài sản (FA) = 0,0296

- Quy mô doanh nghiệp (SIZE) = 13,8645

Tiến hành dự báo bằng phần mềm Eviews, ta thu được báo cáo sau:

Dự báo cấu trúc vốn của CTCP Cát Lợi (CLC) trong năm 2021 cho thấy khả năng sinh lợi (P) đạt 12,9%, tốc độ tăng trưởng tổng tài sản (G) là 0,152%, cấu trúc tài sản (FA) ở mức 2,96% và quy mô doanh nghiệp (SIZE) đạt 13,8645% Kết quả ước tính cho cấu trúc vốn khoảng 16%.

Tiêu đề	Ảnh Hưởng Của Khả Năng Sinh Lợi (P), Sự Tăng Trưởng (G), Cấu Trúc Tài Sản (Fa) Và Quy Mô Doanh Nghiệp (Size) Đến Cấu Trúc Vốn (Leverage) Của 20 Doanh Nghiệp Tư Nhân Tại Việt Nam Năm 2021
Tác giả	Nguyễn Thị Kim Phượng, Đặng Vũ Thanh Hà, Nguyễn Thị Thu Quỳnh, Trương Thị Huyền, Phạm Tú Uyên, Dương Thị Phương Linh, Nguyễn Mai Anh, Phạm Thị Thúy Nga, Nguyễn Hà Giang, Phạm Dư Cẩm Nhung
Trường học	Học viện tài chính
Thể loại	báo cáo thực hành
Năm xuất bản	2023
Thành phố	Hà Nội

Định dạng
Số trang	47
Dung lượng	2,98 MB