tiểu luận giữa kỳ kinh tế lượng tài chính đề tài kiểm định các yếu tố ảnh hưởng đến lợi nhuận trên vốn chủ sở hữu của các doanh nghiệp phi tài chính

DANH MỤC CÁC TỪ VIẾT TẮT FEM Mô hình Tác động có định Fixed effect model FGLS Hồi quy bình phương tổng quát khả thi GMM Mô hình mô -men tuyến tính tông quát Generalized method of mom

ĐẠI HỌC KINH TẺ TP HCM KHOA TÀI CHÍNH UEH

UNIVERSITY

TIỂU LUẬN GIỮA KỲ MÔN: KINH TÉ LƯỢNG TÀI CHÍNH

ĐÈ TÀI: KIỄM ĐỊNH CÁC YẾU TÓ ẢNH HƯỚNG ĐÉN LỢI NHUẬN TRÊN VÓN CHU

SỞ HỮU CỦA CÁC DOANH NGHIỆP PHI TÀI CHÍNH

Thành phố Hồ Chí Minh, tháng 10 năm 2023

DANH SÁCH THÀNH VIÊN NHÓM 5

2

Nguyéén Th Diéém Quynh | 31201022637 quynhnguyen.31201022637@st.ueh@ecdu.vn 085901073

Từ Nhật Mai 31201025045 | maitu.31201025045 @st.ueh.edu.vn 0912457807 Phạm Đức Minh 31201022441 | minhpham.31201022441@stueh.edu.vn 0359242038

HOÀN THÀNH CÔNG VIỆC

Nguyéén Th Diéém Quynh 100%

LOI CAM ON

Kính gửi Cô Nguyễn Thị Hồng Nhâm cùng toàn thể các Thầy, Cô Khoa Tài chính, Trường Đại học Kinh Tế Thành phố Hồ Chí Minh

Đầu tiên, nhóm em xin trân trọng gửi lời cảm ơn chân thành đến các Thầy và các Cô

trong Khoa Tài chính vì đã truyền đạt cho nhóm em những thông tin và kiến thức nền tảng quan trọng, hết sức quý báu trong ngành Tài chính cũng như trên con đường sự nghiệp sau này Đặc biệt, nhóm em xin bày tỏ sự kính trọng và lòng biết ơn sâu sắc đến

Cô Nguyễn Thị Hồng Nhâm, người đã nhiệt tình giúp đỡ nhóm em về cách làm bài, đữ liệu tham khảo và dành thời gian quý báu đề tận tình hướng dẫn nhóm em trong quá trình hoàn thành bài Tiêu luận giữa kì này

Nhóm em xin kính chúc Cô Nguyễn Thị Hồng Nhâm và toàn thể quý Thây, Cô Khoa

Tài chính luôn có một sức khỏe thật tốt và nhiều niềm vui trong cuộc sống để có thể

đứng trên bục giảng và mang đến những bài học bô ích cho các bạn sinh viên khóa saul

Tran trong!

TP Hé Chi Minh, ngày 08 tháng 11 năm 2023

Sinh viên thực hiện

DANH MỤC CÁC TỪ VIẾT TẮT

FEM Mô hình Tác động có định (Fixed effect model)

FGLS Hồi quy bình phương tổng quát khả thi

GMM Mô hình mô -men tuyến tính tông quát (Generalized method of moments) OLS Phương pháp ước lượng Bình phương nhỏ nhất (Ordinary Least Squares) REM Mô hình Tác động ngẫu nhiên (Random effct model)

ROE Tỷ suất sinh lợi trên vốn chủ sở hữu

VIF Hệ số phóng đại phương sai

LNST Tăng trưởng lợi nhuận sau thuế

Period Thời điểm COVID-I9 tác động đến các doanh nghiệp

Treated Ngành bị COVID-19 ảnh hưởng nặng nề theo báo cáo của WB

DANH MỤC BẢNG Bảng 1: Thống kê mô tả các biến trong mô hình 9

Bảng 2: Ma trận hệ số trơng quan 10

Bảng 4: Mô hình hiệu ứng ngẫu nhiên REM 13

Bảng 6: Kết quả kiểm định F-test và kiêm định Hausman của mô hình 16

Bảng 7: Kết quả kiểm định hiện tượng phương sai thay đôi và tự tương quan bậc nhất

Bảng 9: Kiểm định hiện tượng đa cộng tuyến của mô hình 19

MỤC LỤC

CHƯƠNG 1: PHƯƠNG PHÁP NGHIÊN CỨU 22 22 2212211 2 rrrrde 2

1.1 Dữ liệu nghiên cứỨu - S20 2212112211212 151 121221 211121111211 1210121011111 g1 rệt 2

1.2 Xây dựng mô hình nghiên cỨu - - S222 1122121212121 121 1121212151111 215 21111111 xeE 3 1.3 Phương pháp nghiên cỨu c2 2212112112212 1221221111 1112151121711111 101151811 rxee 4

50 a4 6

CHƯƠNG 2: PHÂN TÍCH KẾT QUÁ HỎI QUY 50 2n SH He reryo 7 2.1 Phân tích thống kê mô tả 2 2S 22212222 221 gen 7 2.2 Phân tích ma trận hệ số tương quan 2c nh 2212222 errte § 2.3 Phân tích kết quả mô hình hồi quy 2.25 nh n2 1e 10

2.3.1 Kiểm định bằng các mô hình khác nhau - 2c 2c 21x nành e 10

a Mô hình hồi quy gộp Pooled OLS

b Mô hình hiệu ứng ngẫu nhiên REM

c Mô hình hiệu ứng cố định FEM - 5222212222221 22122 xe 12 2.3.2 _ Kiểm định các khuyết tat cia mé hinh ccc cece ee ees eres eeerenens 13 Kiểm định sự phù hợp của mô hình OLS, REM và FEM se 13 Kiểm định hiện tượng đa cộng tuyến s2 HH2 He rrereg 17

d _ Hồi quy bằng phương pháp GMM 2 SH Hee rererờn 18

CHƯƠNG 3: KÉT LUẬN

055609 4 19

CHƯƠNG 1: PHƯƠNG PHÁP NGHIÊN CỨU

1.1 Dữ liệu nghiên cứu

-Dữ liệu của bài nghiên cứu này được thu thập từ các báo tài chính đã được thông qua quá trình kiểm tra của các kiểm toán viên độc lập, báo cáo thường niên của các công

ty niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) và Sở

Giao dịch Chứng khoán Hà Nội (HNX) trong khoảng thời gian từ năm 2016 đến năm

2022 Dựa theo nghiên cứu trước đó của Richardson (2006), Ying và cộng sự (2019),

nhóm tác giả tiến hành thu thập và loại bỏ dữ liệu trên các tiêu chí sau:

- Các công ty thuộc lĩnh vực tài chính như ngân hàng, dịch vụ và sản phẩm tai

chính, công ty chứng khoán, bảo hiểm được loại khỏi mẫu vì những khác biệt trong hoạt động, chính sách tài chính, cấu trúc vốn và hệ thống số sách kế toán so với các nhóm công ty khác

- Loại bỏ các công ty bị hủy niêm yết trong giai đoạn 20 16 - 2021

- Các công ty niêm yết sau ngày 01/01/2016

- Loại bỏ các công ty không có số liệu lợi nhuận dự kiến đưới 6 năm trong suốt thời

kỳ nghiên cứu

- Loại bỏ các công ty không có thuyết minh giao dịch giữa các bên liên quan, những

công ty không có đầy đủ đữ liệu các biến kiểm soát

Kết quả sau quá trình thu thập và tiễn hành trích lọc đữ liệu, bài nghiên cứu thu thập

được 86 công ty hoạt động liên tục trong 6 năm từ năm 2016 đến năm 2022, do do co

516 tông số mẫu quan sat

Báo cáo tài chính, báo cáo thường niên và các thông tin tài chính khác của các ngân hàng quan sát được trích từ các nguồn Worldbank và được xây dựng các biến độc lập

và biến phụ thuộc trong nghiên cứu

Các biến phụ thuộc, biến độc lập, biến trung gian và biến kiểm soát được tác giả tổ chức thành đữ liệu bảng cân bằng (panel data) theo từng ngân hàng được phân bố

thành từng năm

Việc sử dụng đữ liệu bảng cân bằng vì các lợi ích của dữ liệu bảng như sau:

- Thứ nhất, đữ liệu bảng cân bằng cho phép kiểm soát sự khác biệt không quan sát được giữa các ngân hàng trong mẫu nghiên cứu

- — Thứ hai, việc sử dụng đữ liệu bảng giúp bài nghiên cứu có thé kiêm soát các

biến không quan sát được thay đôi theo thời gian trong cùng một ngân hàng hay giữa các ngân hàng với nhau

- — Thứ ba, bằng cách kết hợp chuỗi thời gian của các quan sát chéo, đữ liệu bang

cho thấy “dữ liệu chứa nhiều thông tin hữu ích hơn, tính biến thiên nhiều hơn, ít

hiện tượng đa cộng tuyến giữa các biến hơn, nhiều bậc tự đo hơn và hiệu quả cao hơn.”

1.2 Xây dựng mô hình nghiên cứu

Gần đây, bài nghiên cứu của Robert Fairlie (2022) đã nghiên cứu tác động của Covid -

19 ảnh hưởng đến khả năng sinh lợi của các doanh nghiệp phi tài chính ở Mỹ và kết quả nghiên cứu cho thấy các yếu tố bên trong hay bên ngoài doanh nghiệp ảnh hưởng đáng

kế đến lợi nhuận trên VCSH của đoanh nghiệp Theo những nghiên cứu trước đó, các

học giả đã sử dụng các kỹ thuật ước lượng tiêu chuân cho đữ liệu bảng trong phân tích,

sử dụng phương pháp Bình phương nhỏ nhất OLS, phương pháp Hiệu ứng cố định

(FEM) và phương pháp Hiệu ứng ngẫu nhién (REM)

Đề kiêm định các yếu tố ảnh hưởng đến, tác giả đã sử dụng các biến phụ thuộc là tỷ suất sinh lợi ròng trên vốn chủ sở hữu (ROE) Nhóm tác giả xây dựng mô hình nghiên

cứu như sau:

ROE, = Bo + iSize¿ + JzTR¡ + J:LNST¿ + B.REV + J:period, + Jstreated¿ + zperiod,-treated; + u

Trong đó:

ROE: Lợi nhuận trên vốn chủ sở hữu,

Size: Logarit tong tài sản của công ty,

TR: Thay đổi vòng quay khoản phải thu,

LNST: Tăng trưởng lợi nhuận sau thuế,

REV: Thay đổi doanh thu thuần,

period: Thời điểm COVID-19 tác động đến các doanh nghiệp,

treated: Ngành bị COVID-19 ảnh hưởng nặng nề theo báo cáo của WB

1.3 Phương pháp nghiên cứu

Đề kiểm định mối tương quan giữa rủi ro tín dụng, rủi ro thanh khoản và vốn tự có ngân hàng đến khả năng sinh lợi của ngân hàng, bài nghiên sử dụng dạng bảng cân

bằng bao gồm dữ liệu của 27 ngân hàng niêm yết trên thị trường Chứng khoán Việt

Nam từ năm 2010 đến năm 2022 Việc sử dụng đữ liệu bảng sẽ giúp tác giả khắc phục

được những điểm yếu của dữ liệu chéo và đữ liệu thời gian

Các nghiên cứu trước đây đa phân sử đụng phương pháp ước lượng OLS với mô hình OLS gộp bởi sự đơn giản trong việc hồi quy Tuy nhiên phương pháp này thường mắc phải những khuyết tật của mô hình như: phương sai thay đổi của phần dư, tự tương quan bậc nhất của phần dư và đa cộng tuyến Vì vậy, ngoài OLS tác giá bô sung thêm hai phương pháp giúp hồi quy dữ liệu bảng hiệu quả hơn là: mô hình Tác động cố dinh FEM (Fixed Effects Model) va m6 hinh Tác động ngẫu nhiên REM (Random Effects Model)

Dựa vào giả thuyết, mẫu đữ liệu thu thập được tác giả tiến hành hồi quy dữ liệu dang

bảng (Panel data) của các doanh nghiệp theo ba mô hình Pooled OLS, FEM (mô hình Tác động có định), REM (mô hình Tác động ngẫu nhiên) lần lượt theo các bước:

Bước 1: Tác gia tiễn hành thực hiện thống kê mô tả các biến trong mẫu nghiên cứu vì thông kê mô tả giúp mô tả chỉ tiết các đặc tính cơ bản của dữ liệu

Bước 2: Tác giả tiễn hành phân tích tương quan giữa các biến trong mô hình nghiên

cứu để xem xét có hiện tượng đa cộng tuyến xảy ra hay không

Bước 3: Tác giả tiễn hành hồi quy đữ liệu theo mô hình Pooled OLS

Bước 4: Tác giả tiễn hành hồi quy mẫu dữ liệu theo hai phương pháp FEM và REM

Bước 5: Tác giả tiễn hành kiểm định so sánh sự phù hợp và chọn ra mô hình tốt nhất trong ba mô hình Pooled OLS, FEM, REM Cụ thê:

> Bước 5.1: Tác giả sử dụng kiêm định F-test để kiếm tra sự phù hợp OLS và FEM với giả thuyết Hạ: Phương pháp OLS tốt hơn

> Bước 5.2: Tác giả sử dụng kiểm định Hausman để kiểm tra sy phi hop REM

va FEM với giả thuyết Hụ: Phương pháp REM tốt hơn

> Bước 5.3: Nếu hai bước trên chưa lựa chọn được phương pháp ước lượng tốt nhất, tác giả sử dụng kiểm định Breusch and Pagan đề kiểm tra sự phù hợp của OLS

và REM với giả thuyết Hạ: Phương pháp OLS tốt hơn

Bước 6: Sau khi lựa chọn được phương pháp phù hợp nhất, tác giả tiến hành kiểm định phương sai sai số thay đối và kiểm định tự tương quan bậc nhất cho phương pháp

vừa được lựa chọn lần lượt bằng kiểm định Wald và kiêm định Wooldwridge Khi có

hiện tượng phương sai sai số thay đôi hoặc hiện tượng tự tương quan bậc nhất, tác giả thực hiện hồi quy mô hình theo phương phap FGLS (Feasible Generalized least square) (Greeene,20 12) nhằm khắc phục vi phạm giả thuyết về phương sai sai số thay

đôi trong mô hình nghiên cứu

Bước 7: Kiểm định hiện tượng đa cộng tuyến thông qua hệ số phóng đại phương sai

VIF (variance inflation factor) Nếu giá trị VIF của biến độc lập nào đó < 10, thì tác giả kết luận rằng mô hình không có hiện tượng đa cộng tuyến Ngược lại, nếu VIF >

10, thì tác giả kết luận rằng mô hình có hiện tượng đa cộng tuyến

Bước 8: Tác giả tiến hành kiểm tra hiện tượng nội sinh (Endogeneity): Hiện tượng nội sinh xảy ra khi các biến độc lập tương quan với sai số ngẫu nhiên và có thê làm cho các ước lượng không đáng tin cậy

Cuối cùng, kiểm tra sự tương quan chuỗi trong phần đư của chuỗi sai phân bậc l và

bậc 2 (ARI và AR2): Tác giá đã sử dụng kiêm định Arrellano-Bond để kiểm tra xem

có sự tương quan chuỗi giữa sai phân bậc 1 (hoặc sai phân bậc 2 ) trong mô hình GMM không Giả thuyết được đặt ra như sau:

Hạ: Không có sự tương quan chuỗi giữa sai phân bậc 1 (hoặc sai phân bậc 2 ) trong

mô hình GMM

H¡: Có sự tương quan chuỗi giữa sai phân bậc 1 (hoặc sai phân bậc 2 ) trong mô hình GMM

Nếu kết quá hồi quy GMM cho Ta giá trị p-value của kiêm định AR2 > 10%, tức là giả

thuyết Họ được chấp nhận, thì tác giả kết luận rằng hồi quy GMM là phù hợp Điều

này cho biết rằng không có sự tương quan chuỗi quan trọng trong phần dư của mô hình Cụ thể, nếu kết quả hồi quy GMM cho ra giá trị p-value của kiêm định Hansen

lớn hơn 10%, thi giả thuyết Hạ được chấp nhận Điều này có nghĩa là không có sự

tương quan đáng kế giữa biến công cụ và phần dư của mô hình GMM, và do đó, ước

lượng GMM là phù hợp Ngược lại, nếu p-value của kiểm định Hansen nhỏ hơn 10%,

thì giá thuyết Họ bị bác bỏ Tác giả kết luận rằng có sự tương quan giữa biến công cụ

và phần dư của mô hình GMM, do đó, ước lượng GMM không còn phù hợp với mô hình nghiên cứu

1.4 Dự đoán các biến độc lập trong mô hình

Bi>0: Quy m6 tang thi lo nhuận trên VCSH tăng

›>0: Thay đối vòng quay khoản phải thu tang thi ROE ting

s<0: Tăng trưởng lợi nhuận sau thuế tăng thì ROE giảm

.<0: Thay đối doanh thu thuần tăng thì ROE giảm

>0: Thời điểm COVID-I9 tác động đến các doanh nghiệp tương quan đương đến ROE

<0: Ngành bị COVID-19 ảnh hưởng nặng nề tương quan âm đến ROE

Ñz<0: Thời điểm và ngành bị ảnh hưởng nặng nề bởi COVID-19 tương quan âm đến

ROE

CHUONG 2: PHAN TICH KET QUÁ HỎI QUY

2.1, Phân tích thống kê mô tả

Bảng 1: Thông kê mô tả các biến trong mô hình (*)

Độ

Số quan | Trung ˆ Giá trị _ | Giá trị

sat binh > nho nhat lớn nhất

chuẩn

ROE 516 1.09 5.45 -0.71 0.07 34.45 SIZE 516 28.41 5.28 0.07 29.22 33.69

TR 516 8.51 16.44 -0.03 4.55 17457 LNST 516 52.95 397.75 -1217.61 1.55 5236.08

040 REV 516 0.31 -0.84 0.40 3.73

0.33 PERIOD 516 0.47 0.00 0.00 1.00 TREATED | 516 0.15 0.36 0.00 0.00 1.00

Nguồn: Tác gia tong hop Théng kê mô tả đóng vai trò quan trong trong quá trình phân tích dữ liệu nghiên cứu Thống kê mô tả giúp mô tả chỉ tiết các đặc tính cơ bản của đữ liệu

Bảng 4.1 đưa ra các kết quả mô tả cho các biến được sử dụng trong mô hình nghiên

cứu (*) Các thông tin mô tả bao gồm số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất, trung vị và giá trị nhỏ nhất của các biến

Trước tiên kết quả thống kê mô tả cho thấy lợi nhuận trên vốn chủ sở hữu (ROE) của các công ty có giá trị trung bình là 1.09 Kế đến quy mô của doanh nghiệp (SIZE) có

giá trị trung bình là 28.41 cho thấy quy mô các doanh nghiệp ở Việt Nam có quy mô trung bình vừa và nhỏ Thay đổi vòng quay khoản phải thu (TR) có giá trị trung bình

là 8.51 và giá trị nhỏ nhất là là -0,03 và giá trị lớn nhất 174.57 Tiếp đến tăng trưởng lợi nhuận sau thuế (LNST) có giá trị trung bình 52,95, điều này có thé giải thích rằng

những doanh nghiệp Việt Nam đang phát triển tốt dù dịch bệnh Covid -19 diễn ra Các

biến còn lại bao gồm: thay đôi doanh thu thuần (REV) có giá trị trung bình là 0.4 và giá trị nhỏ nhất là -0.84, giá trị lớn nhất là 3.73 Tiếp đến, biến thời điểm COVID-19

tác động đến các doanh nghiệp (PERIOD) có giá trị trung bình là 0.33 Kết quả mô tả thông kê

cho thay, bién ngành bị COVID-19 ảnh hưởng nặng nề theo (TREATED) có giá trị trung bình là 0,15

2.2 Phân tích ma trận hệ số tương quan

Ngoài việc phân tích thống kê mô tả các biến, bài nghiên cứu cũng cần phải kiểm tra

mỗi tương quan giữa các biến trong mô hình để xem xét có hiện tượng đa cộng tuyến

hay không Biến giải thích trong mô hình hồi quy không nên có có mối quan hệ chặt

chẽ với những biến độc lập còn lại, khi những biến này có liên quan chặt chẽ với nhau thì xây ra vấn để đa cộng tuyến Nó thường xảy ra khi có số lượng lớn các biến độc

lập được kết hợp trong mô hình hồi quy Nguyên nhân là bởi vì trong một số biến có

thể đo lường các khái niệm hay các hiện tượng tương tự nhau Một mô hình hồi quy

đa cộng tuyến sẽ dẫn tới: Một là, phương sai và hiệp phương sai của các ước lượng OLS lớn Hai là, khoảng tin cậy sẽ rộng hơn Ba là, tỷ số t “không có ý nghĩa” Bốn là, R2 cao nhưng tỷ số t “không có ý nghĩa” Năm là, các ước lượng OLS và sai số chuẩn của chúng trở nên rất nhạy cảm với những thay đôi trong đữ liệu Sáu là, dấu các ước lượng của hệ số có thé sai Bảy là, thêm vào hoặc bớt đi các biến cộng tuyến với các

biến khác, mô hình sẽ thay đối về dấu hoặc thay đôi về độ lớn các ước lượng Đề phát

hiện vấn đề đa cộng tuyến giữa các biến độc lập, tác giả đã xây dựng ma trận hệ số tương quan giữa các bién tir phan mém Stata 16.0

Dựa vào kết quả ma trận tương quan bảng, kết qua tông hợp cho thấy biến quy mô

công ty (SIZE) tốn tại mối tương quan âm đến lợi nhuận trên VCSH (ROE), hàm ý

rằng quy mô công ty càng tăng thì nợ xâu càng nhiều làm giảm khả năng sinh lợi trên vốn chủ sở hữu của doanh nghiệp Biến thay đôi vòng quay khoán phải thu (TR), ting

trưởng lợi nhuận sau thuế (LNST) và biến thay đôi doanh thu thuần (REV) có mối tương quan âm đến lợi nhuận trên VCSH (ROE) Trong khi đó, kết quả ma trận tương quan cho thấy rằng, thời điểm COVID-19 tác động đến các doanh nghiệp tốn tại mối tương quan đương với ROE với hệ số tương quan là 0.2577, khác với giả thuyết đã đặt

ra ở phần dự đoán, tuy nhiên bảng mô tả tương quan này không có ý nghĩa thống kê

Do đó, vẫn chưa thể kết luận gì về mối tương quan giữa hai biến này Ngoài ra, biến ngành bị COVID-19 anh huéng nang né (TREATED) va thời điểm và ngành bị ảnh

hưởng nặng nề bởi COVID-I9 (PERIOD*TREATED) tồn tại mối tương quan âm đến

kha nang sinh loi trén VCSH (ROE)

2.3 Phân tích kết quả mô hình hồi quy

2.3.1 Kiểm định bằng các mô hình khác nhau

a Mô hình hồi quy gộp Pooled OLS

Bảng 3: Mô hình hồi quy OLS

Những biến còn lại là TR có p —value 0.865 , LNST voi p-value 0.759 , TREATED co

p-value 0.648 VA PERIOD * TREATED cé p-value là 0.139 đều lớn hơn 0.05 nên không có ý nghĩa thống kê trong mô hình này Từ kết quả mô hình hồi quy OLS, cho

thấy quy mô doanh nghiệp (SIZE) tương quan âm đến ROE với hệ số tương quan

mạnh là -1.003321 với mức ý nghĩa là 1% trong khi đó thay đôi doanh thu thuần (REV) và thời điểm COVID-19 tác động đến các doanh nghiệp tương quan đương đến ROE, hàm ý rằng biến REV và biến TREATED đồng thời tăng lên thì ROE cũng tăng

lên

Mô hình hiệu ứng ngẫu nhiên REM

Bảng 4: Mô hình hiệu ứng ngẫu nhiên REM

Nguồn: Tác gia tong hop

Ta có hệ số R-squared= 0.9843=> biến độc lập giải thích 93.71% sy thay đôi của biến

phụ thuộc

Từ bảng kết quả hồi quy của mô hình hiệu ứng ngẫu nhiên REM, cho thấy biến SIZE, PERIOD và REV có ảnh hưởng đến biến phụ thuộc với mức ý nghĩa thấp hơn 5% Các biến còn lại bao gồm: TR, LNST và TREATED VÀ PERIOD*TREATED có p-

value >0.05 nên không có ý nghĩa thống kê trong mô hình này Điều này còn được giải thích, biến thay đổi vòng quay khoản phải thu (TR), tăng trưởng lợi nhuận sau thuế

(LNST), ngành bị COVID-I9 anh hưởng nặng nề (TREATED) và biến

PERIOD*TREATED thay đổi thì không ảnh hưởng đến lợi nhuận trên VCSH (ROE)

c Mô hình hiệu ứng cỗ định FEM

Bảng 5: Mô hình hiệu ứng cỗ định FEM