BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH VŨ NGỌC THẮNG MỐI TƯƠNG QUAN GIỮA CẤU TRÚC VỐN, CẤU TRÚC SỞ HỮU VÀ GIÁ TRỊ DOANH NGHIỆP LUẬN VĂN THẠC SĨ KINH TẾ TP HỒ CHÍ MINH - NĂM 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH VŨ NGỌC THẮNG MỐI TƯƠNG QUAN GIỮA CẤU TRÚC VỐN, CẤU TRÚC SỞ HỮU VÀ GIÁ TRỊ DOANH NGHIỆP Chuyên ngành : TÀI CHÍNH – NGÂN HÀNG Mã số : 60340201 LUẬN VĂN THẠC SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN NGỌC ĐỊNH TP HỒ CHÍ MINH - NĂM 2014 LỜI CAM ĐOAN Tơi xin cam kết Luận văn Thạc sĩ Kinh tế với đề tài “Mối tương quan cấu trúc vốn, cấu trúc sở hữu giá trị doanh nghiệp” công trình nghiên cứu riêng tơi hướng dẫn PGS.TS.Nguyễn Ngọc Định Các số liệu, kết luận văn trung thực chưa công bố cơng trình khác Tơi chịu trách nhiệm nội dung tơi trình bày luận văn TP HCM, ngày tháng 12 năm 2014 Tác giả Vũ Ngọc Thắng DANH MỤC CHỮ VIẾT TẮT DEA : Phân tích bao liệu (Data Envelopment Analysis) DEAP : Chương trình phân tích bao liệu (Data Envelopment Analysis Program) HOSE : Sở giao dịch chứng khốn Thành phố Hồ Chí Minh HNX : Sở giao dịch chứng khoán Thành phố Hà Nội TP HCM : Thành phố Hồ Chí Minh LNST : Lợi nhuận sau thuế TSCĐ : Tài sản cố định TSCĐ hh : Tài sản cố định hữu hình TSCĐ vh : Tài sản cố định vơ hình EBIT : Lợi nhuận trước thuế lãi vay DMU : Đơn vị định (Decision making unit) FEM : Mơ hình hiệu ứng cố định (Fixed Effects Model) REM : Mơ hình hiệu ứng ngẫu nhiên (Random Effects Model) MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC CHỮ VIẾT TẮT TÓM TẮT CHƯƠNG 1: GIỚI THIỆU 1.1 Lý chọn đề tài .2 1.2 Mục tiêu nghiên cứu vấn đề nghiên cứu 1.3 Phương pháp nghiên cứu 1.4 Kết cấu đề tài CHƯƠNG 2: TỔNG QUAN CÁC KẾT QUẢ NGHIÊN CỨU TRƯỚC ĐÂY 2.1 Tác động cấu trúc vốn lên giá trị doanh nghiệp 2.2 Tác động ngược lại giá trị doanh nghiệp lên cấu trúc vốn 2.3 Tác động cấu trúc sở hữu lên chi phí đại diện nợ vốn chủ sở hữu 2.4 Đo lường hiệu hoạt động doanh nghiệp TỔNG KẾT CHƯƠNG 16 CHƯƠNG 3: DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 17 3.1 Mơ hình nghiên cứu 17 3.2 Dữ liệu nghiên cứu 25 3.2.1 Nguồn liệu 25 3.2.2 Xử lý liệu 25 3.3 Các giả thiết cần kiểm định: 25 TỔNG KẾT CHƯƠNG 29 CHƯƠNG 4: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU 30 4.1 Trình tự thực 30 4.2 Kết tính tốn biến EFF theo phương pháp phân tích bao liệu (DEA) 30 4.3 Thống kê mơ tả liệu 34 4.4 Hồi quy phương trình giá trị doanh nghiệp 37 4.5 Hồi quy phương trình địn bẩy tài 49 4.6 Tổng hợp kết 58 TỔNG KẾT CHƯƠNG 63 CHƯƠNG 5: KẾT LUẬN 64 5.1 Kết nghiên cứu 64 5.2 Hạn chế đề tài 64 TÀI LIỆU THAM KHẢO PHỤ LỤC - DANH SÁCH CÁC CÔNG TY TRONG MẪU PHỤ LỤC - CÁC BẢNG KẾT QUẢ HỒI QUY MỐI TƯƠNG QUAN GIỮA CẤU TRÚC VỐN, CẤU TRÚC SỞ HỮU VÀ GIÁ TRỊ DOANH NGHIỆP TÓM TẮT Bài nghiên cứu tập trung vào phân tích mối quan hệ cấu trúc vốn, cấu trúc sở hữu giá trị doanh nghiệp, với giá trị doanh nghiệp đại diện hiệu hoạt động doanh nghiệp, cấu trúc vốn đại diện tỷ lệ nợ công ty, cấu trúc sở hữu đại diện mức độ tập trung vốn loại hình sở hữu doanh nghiệp Mẫu lựa chọn từ cơng ty Sở giao dịch chứng khốn TP Hồ Chí Minh (HOSE) Sở giao dịch chứng khốn Hà Nội (HNX) Mơ hình nghiên cứu đề tài sử dụng liệu bảng (panel data) hồi quy theo cách: hồi quy OLS hồi quy phân vị (với phân vị từ 0,1-0,9) Đối với phương pháp hồi quy OLS, việc lựa chọn mơ hình phù hợp mơ hình Pooled Model, FEM, REM thực kiểm định Likelihood kiểm định Haussman Kết hồi quy cho thấy có tồn tác động qua lại giá trị doanh nghiệp với cấu trúc vốn tác động cấu trúc sở hữu đến giá trị doanh nghiệp cấu trúc vốn Tuy nhiên tác động phụ thuộc vào ngành nghề mà doanh nghiệp hoạt động Từ khóa: Cấu trúc vốn, chi phí đại diện, giá trị doanh nghiệp, cấu trúc sở hữu, DEA CHƯƠNG 1: GIỚI THIỆU 1.1 Lý chọn đề tài Lựa chọn cấu trúc vốn phù hợp với công ty trình phức tạp, từ việc xếp nguồn tài trợ lựa chọn cấu trúc tối ưu Các lý thuyết đa phần giải thích số khía cạnh “bề mặt” định chưa thể giải thích thấu đáo tồn Trong số nghiên cứu thực trước, kết hồi quy thường gặp phải số trường hợp “trái quy luật” kết thu trái ngược với giả thuyết nghiên cứu Để hạn chế bớt tình trạng trên, nghiên cứu tác giả sử dụng phương pháp hồi quy phân vị để diễn tả cách giả thuyết trái ngược chi phối lẫn mức phân vị, từ rút chuẩn mực việc lựa chọn cấu trúc vốn dựa ước lượng trung bình có điều kiện Việc đánh giá chi phí đại diện công ty nghiên cứu thực thông qua việc đánh giá ảnh hưởng trực tiếp tỷ lệ nợ đòn bẩy tài lên giá trị doanh nghiệp theo mơ hình chi phí đại diện Jensen & Meckling (1976) Ngồi nghiên cứu ảnh hưởng từ địn bẩy tài đến giá trị doanh nghiệp, tác giả thực nghiên cứu tác động ngược lại giá trị doanh nghiệp lên địn bẩy tài Trong suốt phân tích này, tác giả xem xét đến vai trị ảnh hưởng cấu trúc sở hữu đến cấu trúc vốn giá trị doanh nghiệp Vậy xét trường hợp công ty thị trường Việt Nam, giá trị doanh nghiệp, cấu trúc vốn, cấu trúc sở hữu tác động lẫn nào? Để trả lời câu hỏi này, tác giả tiến hành nghiên cứu đề tài: “Mối tương quan cấu trúc vốn, cấu trúc sở hữu giá trị doanh nghiệp công ty Việt Nam” cho luận văn cao học 1.2 Mục tiêu nghiên cứu vấn đề nghiên cứu Theo chứng thực nghiệm từ kết nghiên cứu trước cấu trúc sở hữu, cấu trúc vốn giá trị doanh nghiệp có tác động qua lại với Bài nghiên cứu tập trung vào vấn đề kiểm định xem liệu mối tương quan có tồn tại cơng ty niêm yết Sở giao dịch Chứng khoán Thành phố Hồ Chí Minh Sở giao dịch chứng khốn Hà Nội hay không, xét ngành khác thời kỳ từ năm 2008 đến năm 2013 Từ mục tiêu nghiên cứu trên, nghiên cứu tập trung giải vấn đề sau: Kiểm định mối tương quan cấu trúc vốn, cấu trúc sở hữu giá trị doanh nghiệp Nhận diện vai trò cấu trúc sở hữu với cấu trúc vốn giá trị doanh nghiệp tác động ngược lại giá trị doanh nghiệp đến cấu trúc vốn Để thực mục tiêu cần phải trả lời câu hỏi nghiên cứu sau: Đòn bẩy có ảnh hưởng đến giá trị doanh nghiệp khơng? Giá trị doanh nghiệp có tác động ngược lại đến cấu trúc vốn không? Cấu trúc sở hữu, bao gồm mức độ tập trung vốn loại hình sở hữu, có tác động đến giá trị doanh nghiệp cấu trúc vốn không? 1.3 Phương pháp nghiên cứu Bài nghiên cứu sử dụng phương pháp bình phương tối thiểu OLS hồi quy phân vị để xác định mối tương quan cấu trúc vốn, cấu trúc sở hữu giá trị doanh nghiệp Dữ liệu để chạy mơ hình hồi quy sử dụng nghiên cứu thu thập từ báo cáo tài chính, báo cáo thường niên công ty niêm yết Sở giao dịch chứng khốn thành phố Hồ Chí Minh Hà Nội, từ website www.cafef.vn, www.cophieu68.com, www.vcbs.com.vn… Công cụ tác giả sử dụng bao gồm Microsoft Excel 2013 để tính tốn, lọc liệu cần thiết, DEAP để tính tốn hiệu hoạt động doanh nghiệp phần mềm Eviews để phân tích liệu chạy mơ hình hồi quy 1.4 Kết cấu đề tài Ngồi phần tóm tắt, danh mục bảng, danh mục chữ viết tắt, tài liệu tham khảo phụ lục, nội dung đề tài bao gồm chương trình bày sau: Chương - Giới thiệu đề tài Trong chương tác giả trình bày lý chọn đề tài, xác định mục tiêu nghiên cứu, vấn đề nghiên cứu, sử dụng phương pháp nghiên cứu, ý nghĩa bố cục đề tài Chương – Tổng quan nghiên cứu trước Trong chương này, tác giả trình bày tổng quan nghiên cứu trước mối tương quan cấu trúc vốn, cấu trúc sở hữu giá trị doanh nghiệp Chương – Dữ liệu Phương pháp nghiên cứu Trong chương này, tác giả làm làm rõ phương pháp nghiên cứu, cách thu thập số liệu, sử dụng phương pháp nghiên cứu nào, mơ hình nghiên cứu Chương – Nội dung kết nghiên cứu Trong chương này, tác giả kiểm định thực nghiệm thị trường Việt Nam – Các công ty niêm yết Sở giao dịch Chứng khoán TP HCM Hà Nội thuộc ngành khác mối tương quan lẫn cấu trúc vốn, cấu trúc sở hữu hiệu hoạt động doanh nghiệp thông qua phương pháp khác Chương - Kết luận Chương tổng kết kết mà đề tài đạt rút hạn chế đề tài Dependent Variable: LEV Method: Quantile Regression (tau = 0.6) Date: 11/29/14 Time: 15:54 Sample: 2008 2013 IF NGANH="Cong nghe" Included observations: 75 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.21661 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 0.152470 -0.061502 -0.799934 0.046126 -0.828227 0.522844 -0.000446 0.089258 0.035677 -0.110504 -0.282989 0.056912 0.269103 0.109021 0.487895 0.018244 0.464713 0.527271 0.000814 0.900843 0.272938 0.221338 0.128537 0.091388 0.566585 -0.564134 -1.639563 2.528305 -1.782235 0.991604 -0.547883 0.099083 0.130716 -0.499252 -2.201615 0.622751 0.5730 0.5747 0.1061 0.0140 0.0795 0.3252 0.5857 0.9214 0.8964 0.6193 0.0314 0.5357 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.335346 0.219295 0.144866 0.553536 0.442709 0.000611 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.487578 0.184126 3.432579 5.164459 32.60000 Dependent Variable: LEV Method: Quantile Regression (tau = 0.7) Date: 11/29/14 Time: 15:54 Sample: 2008 2013 IF NGANH="Cong nghe" Included observations: 75 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.18163 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) 0.136590 -0.026390 -0.815278 0.049201 -0.845535 0.570632 -0.000451 -0.039093 0.265518 0.116326 0.461189 0.018910 0.418645 0.521873 0.000723 0.892569 0.514429 -0.226863 -1.767773 2.601816 -2.019694 1.093431 -0.623388 -0.043799 0.6088 0.8213 0.0819 0.0115 0.0477 0.2784 0.5353 0.9652 OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.021832 -0.162563 -0.318524 0.040825 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.320156 0.201454 0.152382 0.601615 0.460941 0.001899 0.285560 0.259872 0.134811 0.081456 -0.076452 -0.625550 -2.362744 0.501191 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.9393 0.5339 0.0212 0.6180 0.487578 0.184126 3.031633 4.459310 29.49816 Dependent Variable: LEV Method: Quantile Regression (tau = 0.8) Date: 11/29/14 Time: 15:54 Sample: 2008 2013 IF NGANH="Cong nghe" Included observations: 75 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.13557 Estimation successful but solution may not be unique Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 0.370051 -0.003276 -1.194969 0.038709 -0.462684 -0.102576 -0.000737 -0.040518 -0.154261 -0.226779 -0.151416 0.022203 0.225130 0.107039 0.473738 0.017924 0.402707 0.517954 0.000682 0.858016 0.251881 0.265389 0.158871 0.073389 1.643724 -0.030609 -2.522424 2.159696 -1.148935 -0.198040 -1.081239 -0.047223 -0.612435 -0.854519 -0.953075 0.302532 0.1052 0.9757 0.0142 0.0346 0.2549 0.8437 0.2837 0.9625 0.5425 0.3961 0.3442 0.7632 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.338441 0.222931 0.196781 0.650676 0.551164 0.006025 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic Dependent Variable: LEV Method: Quantile Regression (tau = 0.9) Date: 11/29/14 Time: 15:55 Sample: 2008 2013 IF NGANH="Cong nghe" Included observations: 75 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.082044 0.487578 0.184126 2.259617 3.415594 26.21670 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 0.453644 0.030312 -0.841829 0.027187 -0.377345 -0.286201 -0.000794 0.028957 -0.037233 -0.015719 -0.187316 -0.012017 0.206377 0.096810 0.443810 0.014468 0.338062 0.570168 0.000763 0.730158 0.214234 0.216794 0.158753 0.076500 2.198139 0.313110 -1.896821 1.879197 -1.116202 -0.501959 -1.040348 0.039659 -0.173795 -0.072506 -1.179923 -0.157091 0.0316 0.7552 0.0624 0.0648 0.2686 0.6174 0.3022 0.9685 0.8626 0.9424 0.2425 0.8757 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.360471 0.248808 0.223790 0.716472 0.641053 0.014451 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.487578 0.184126 1.208675 1.889947 23.61643 Ngành sản xuất thực phẩm đồ uống Dependent Variable: LEV Method: Panel EGLS (Cross-section random effects) Date: 11/29/14 Time: 15:50 Sample: 2008 2013 IF NGANH="Thuc pham" Periods included: Cross-sections included: 51 Total panel (balanced) observations: 255 Swamy and Arora estimator of component variances Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.072151 -0.066691 -0.248629 0.044871 -0.049879 0.059150 -0.000290 0.166242 -0.045399 0.011431 0.060898 -0.003053 0.178458 0.037177 0.082548 0.012548 0.070383 0.261061 0.000616 0.231987 0.123825 0.091407 0.068398 0.024951 -0.404301 -1.793882 -3.011951 3.575806 -0.708690 0.226577 -0.471225 0.716600 -0.366637 0.125059 0.890359 -0.122339 0.6863 0.0741 0.0029 0.0004 0.4792 0.8209 0.6379 0.4743 0.7142 0.9006 0.3742 0.9027 Effects Specification S.D Cross-section random Idiosyncratic random 0.160163 0.078472 Rho 0.8064 0.1936 Weighted Statistics R-squared Adjusted R-squared S.E of regression F-statistic Prob(F-statistic) 0.120479 0.080666 0.079513 3.026076 0.000832 Mean dependent var S.D dependent var Sum squared resid Durbin-Watson stat 0.103819 0.082929 1.536340 1.194934 Unweighted Statistics R-squared Sum squared resid 0.222985 8.434589 Mean dependent var Durbin-Watson stat 0.485053 0.217654 Dependent Variable: LEV Method: Quantile Regression (tau = 0.1) Date: 11/29/14 Time: 15:58 Sample: 2008 2013 IF NGANH="Thuc pham" Included observations: 255 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.054562 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.225203 -0.177001 -0.479036 0.035811 -0.092885 -0.927503 0.001052 1.097974 0.248010 0.360946 -0.008476 0.088295 0.241731 0.103622 0.332701 0.015915 0.128724 0.713593 0.002673 0.446571 0.208017 0.198933 0.076919 0.050492 -0.931623 -1.708141 -1.439838 2.250200 -0.721578 -1.299764 0.393664 2.458676 1.192260 1.814413 -0.110189 1.748684 0.3525 0.0889 0.1512 0.0253 0.4712 0.1949 0.6942 0.0146 0.2343 0.0708 0.9124 0.0816 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.162191 0.124265 0.294387 0.209377 0.837671 0.000132 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic Dependent Variable: LEV Method: Quantile Regression (tau = 0.2) Date: 11/29/14 Time: 15:58 Sample: 2008 2013 IF NGANH="Thuc pham" Included observations: 255 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 0.485053 0.206729 7.135085 8.516358 36.64322 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.090159 Estimation successful but solution may not be unique Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.215249 -0.124526 -0.659340 0.039766 -0.108762 -0.550355 0.004014 1.161994 0.205166 0.375092 0.042782 0.032405 0.179580 0.076029 0.268491 0.012011 0.105143 0.572042 0.002253 0.410981 0.166441 0.143670 0.057701 0.032410 -1.198624 -1.637877 -2.455725 3.310752 -1.034420 -0.962089 1.782043 2.827365 1.232665 2.610787 0.741444 0.999820 0.2318 0.1027 0.0148 0.0011 0.3020 0.3370 0.0760 0.0051 0.2189 0.0096 0.4591 0.3184 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.201025 0.164857 0.240986 0.271171 0.581779 0.000000 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.485053 0.206729 11.65938 14.59292 63.02942 Dependent Variable: LEV Method: Quantile Regression (tau = 0.3) Date: 11/29/14 Time: 15:59 Sample: 2008 2013 IF NGANH="Thuc pham" Included observations: 255 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.12079 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.186385 -0.212993 -0.708097 0.047466 -0.222691 0.053763 0.002966 1.116492 0.244237 0.344794 0.032841 -0.013183 0.140248 0.063416 0.288991 0.009243 0.108907 0.582940 0.001759 0.546025 0.238938 0.208586 0.048720 0.038310 -1.328971 -3.358669 -2.450237 5.135125 -2.044792 0.092228 1.686603 2.044763 1.022177 1.653002 0.674071 -0.344109 0.1851 0.0009 0.0150 0.0000 0.0420 0.9266 0.0930 0.0420 0.3077 0.0996 0.5009 0.7311 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var 0.230031 0.195177 0.197446 0.339353 Mean dependent var S.D dependent var Objective Restr objective 0.485053 0.206729 14.76526 19.17645 Sparsity Prob(Quasi-LR stat) 0.469179 0.000000 Quasi-LR statistic 89.54208 Dependent Variable: LEV Method: Quantile Regression (tau = 0.4) Date: 11/29/14 Time: 15:59 Sample: 2008 2013 IF NGANH="Thuc pham" Included observations: 255 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.14405 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.042992 -0.180924 -0.825473 0.045280 -0.253206 0.066127 0.002582 0.780141 0.112963 0.201118 0.022361 -0.025426 0.142139 0.051219 0.279236 0.009519 0.093697 0.449829 0.001344 0.485260 0.241645 0.201903 0.035297 0.039807 -0.302468 -3.532359 -2.956184 4.756696 -2.702390 0.147005 1.922041 1.607675 0.467474 0.996111 0.633507 -0.638721 0.7626 0.0005 0.0034 0.0000 0.0074 0.8832 0.0558 0.1092 0.6406 0.3202 0.5270 0.5236 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.257017 0.223384 0.184537 0.406466 0.454955 0.000000 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.485053 0.206729 16.28456 21.91781 103.1832 Dependent Variable: LEV Method: Quantile Regression (Median) Date: 11/29/14 Time: 15:59 Sample: 2008 2013 IF NGANH="Thuc pham" Included observations: 255 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.15321 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) 0.028312 -0.186131 -0.860358 0.048425 -0.228097 0.164683 0.044470 0.307670 0.011609 0.102554 0.171920 -4.185567 -2.796364 4.171233 -2.224155 0.8636 0.0000 0.0056 0.0000 0.0271 INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 0.004410 0.001453 0.402366 -0.037713 0.036218 -0.006121 -0.037151 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.252410 0.218568 0.180559 0.510758 0.434956 0.000000 0.451133 0.001147 0.419783 0.235510 0.177980 0.036686 0.047701 0.009776 1.265940 0.958509 -0.160135 0.203492 -0.166843 -0.778840 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.9922 0.2067 0.3388 0.8729 0.8389 0.8676 0.4368 0.485053 0.206729 16.95203 22.67556 105.2709 Dependent Variable: LEV Method: Quantile Regression (tau = 0.6) Date: 11/29/14 Time: 16:00 Sample: 2008 2013 IF NGANH="Thuc pham" Included observations: 255 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.14405 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 0.292830 -0.237507 -0.519066 0.032352 -0.300310 -0.177529 0.001025 0.372780 0.049963 0.013863 -0.008892 -0.106442 0.192679 0.058391 0.312450 0.013405 0.133236 0.505745 0.000984 0.389341 0.229390 0.156426 0.044973 0.054537 1.519777 -4.067550 -1.661275 2.413469 -2.253977 -0.351026 1.041784 0.957465 0.217810 0.088622 -0.197712 -1.951725 0.1299 0.0001 0.0979 0.0165 0.0251 0.7259 0.2985 0.3393 0.8278 0.9295 0.8434 0.0521 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.224145 0.189024 0.183257 0.561988 0.463547 0.000000 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic Dependent Variable: LEV Method: Quantile Regression (tau = 0.7) Date: 11/29/14 Time: 16:00 Sample: 2008 2013 IF NGANH="Thuc pham" Included observations: 255 Bootstrap Standard Errors & Covariance 0.485053 0.206729 16.59010 21.38301 86.16356 Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.12079 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 0.340719 -0.244198 -0.500278 0.031798 -0.246530 -0.072916 0.000278 0.400011 0.023943 -0.006480 -0.043506 -0.113119 0.254118 0.066754 0.287816 0.017908 0.167283 0.612456 0.000930 0.396613 0.235264 0.156278 0.052545 0.062976 1.340792 -3.658161 -1.738189 1.775658 -1.473736 -0.119055 0.299019 1.008569 0.101769 -0.041468 -0.827968 -1.796226 0.1812 0.0003 0.0834 0.0770 0.1418 0.9053 0.7652 0.3142 0.9190 0.9670 0.4085 0.0737 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.193051 0.156522 0.199040 0.624455 0.521784 0.000000 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.485053 0.206729 14.97339 18.55556 65.38318 Dependent Variable: LEV Method: Quantile Regression (tau = 0.8) Date: 11/29/14 Time: 16:00 Sample: 2008 2013 IF NGANH="Thuc pham" Included observations: 255 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.090159 Estimation successful but solution may not be unique Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 1.015910 -0.233771 -0.716268 -0.009448 -0.441975 -0.419791 -2.15E-05 0.401120 0.146411 0.044395 0.027899 -0.098858 0.265270 0.073485 0.301699 0.018520 0.154853 0.722641 0.001010 0.459582 0.276208 0.132784 0.063523 0.077648 3.829719 -3.181193 -2.374115 -0.510152 -2.854150 -0.580912 -0.021267 0.872792 0.530076 0.334338 0.439189 -1.273143 0.0002 0.0017 0.0184 0.6104 0.0047 0.5618 0.9830 0.3836 0.5965 0.7384 0.6609 0.2042 Pseudo R-squared Adjusted R-squared S.E of regression 0.185392 0.148516 0.245030 Mean dependent var S.D dependent var Objective 0.485053 0.206729 11.77771 Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.669103 0.578762 0.000000 Restr objective Quasi-LR statistic 14.45813 57.89112 Dependent Variable: LEV Method: Quantile Regression (tau = 0.9) Date: 11/29/14 Time: 16:01 Sample: 2008 2013 IF NGANH="Thuc pham" Included observations: 255 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.054562 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 1.215386 -0.252001 -0.314242 -0.026018 -0.398981 0.094900 -0.001577 0.458874 0.405230 0.042412 0.001714 -0.081697 0.262939 0.064527 0.261989 0.018460 0.164039 0.829600 0.001178 0.494473 0.272713 0.156076 0.063054 0.067385 4.622309 -3.905371 -1.199446 -1.409423 -2.432235 0.114392 -1.338572 0.928007 1.485924 0.271740 0.027176 -1.212392 0.0000 0.0001 0.2315 0.1600 0.0157 0.9090 0.1820 0.3543 0.1386 0.7861 0.9783 0.2265 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.175524 0.138202 0.306224 0.774041 0.808951 0.000026 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.485053 0.206729 6.981136 8.467359 40.82715 Ngành sản xuất hàng tiêu dùng Dependent Variable: LEV Method: Panel EGLS (Cross-section random effects) Date: 11/29/14 Time: 15:51 Sample: 2008 2013 IF NGANH="Tieu dung" Periods included: Cross-sections included: 18 Total panel (balanced) observations: 90 Swamy and Arora estimator of component variances Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) -0.189413 -0.042736 -0.150253 0.044469 0.356992 0.043345 0.195967 0.023933 -0.530582 -0.985963 -0.766724 1.858087 0.5972 0.3272 0.4456 0.0669 TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 0.043065 -1.055870 -0.001150 0.667877 0.531961 0.335162 0.254086 -0.015816 0.138699 0.421679 0.002501 0.764937 0.488014 0.277780 0.155705 0.046377 0.310491 -2.503965 -0.459620 0.873114 1.090054 1.206571 1.631848 -0.341034 0.7570 0.0144 0.6471 0.3853 0.2790 0.2312 0.1067 0.7340 Effects Specification S.D Cross-section random Idiosyncratic random 0.137303 0.078385 Rho 0.7542 0.2458 Weighted Statistics R-squared Adjusted R-squared S.E of regression F-statistic Prob(F-statistic) 0.143348 0.022538 0.083276 1.186556 0.310213 Mean dependent var S.D dependent var Sum squared resid Durbin-Watson stat 0.120786 0.084230 0.540916 1.573283 Unweighted Statistics R-squared Sum squared resid 0.277151 2.679003 Mean dependent var Durbin-Watson stat 0.488270 0.317661 Dependent Variable: LEV Method: Quantile Regression (tau = 0.1) Date: 11/29/14 Time: 16:02 Sample: 2008 2013 IF NGANH="Tieu dung" Included observations: 90 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.077207 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.678225 -0.257633 -0.656564 0.113953 -0.694074 -1.088853 0.010898 -0.883628 -0.177666 -0.192288 0.341937 -0.034257 0.790103 0.103053 0.547598 0.055024 0.369793 0.727435 0.006921 1.190720 0.509062 0.387411 0.104993 0.102860 -0.858400 -2.500012 -1.198989 2.070957 -1.876924 -1.496839 1.574714 -0.742095 -0.349006 -0.496341 3.256761 -0.333046 0.3933 0.0145 0.2342 0.0417 0.0643 0.1385 0.1194 0.4603 0.7280 0.6210 0.0017 0.7400 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.400747 0.316237 0.246015 0.192019 0.627554 0.000014 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.488270 0.204065 1.786981 2.982014 42.31714 Dependent Variable: LEV Method: Quantile Regression (tau = 0.2) Date: 11/29/14 Time: 16:02 Sample: 2008 2013 IF NGANH="Tieu dung" Included observations: 90 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.12758 Estimation successful but solution may not be unique Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -1.165875 -0.227565 -0.887957 0.144205 -0.037926 -1.835985 0.009177 -0.495811 -0.004383 -0.031787 0.138156 -0.061798 0.649917 0.112775 0.472892 0.041127 0.375708 0.743204 0.005469 1.169304 0.476754 0.362209 0.110980 0.111631 -1.793884 -2.017879 -1.877717 3.506299 -0.100945 -2.470366 1.677878 -0.424022 -0.009193 -0.087759 1.244882 -0.553594 0.0767 0.0470 0.0642 0.0008 0.9199 0.0157 0.0974 0.6727 0.9927 0.9303 0.2169 0.5814 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.428706 0.348139 0.223178 0.237064 0.470883 0.000000 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.488270 0.204065 3.092644 5.413407 61.60669 Dependent Variable: LEV Method: Quantile Regression (tau = 0.3) Date: 11/29/14 Time: 16:02 Sample: 2008 2013 IF NGANH="Tieu dung" Included observations: 90 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.17092 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C -0.531871 0.571074 -0.931353 0.3545 EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.116548 -1.193411 0.108837 -0.176232 -2.318130 0.009662 -1.178591 -0.276413 -0.335836 0.194894 -0.001383 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.428928 0.348392 0.181169 0.337419 0.447777 0.000000 0.110820 0.457225 0.036574 0.354687 0.907048 0.004877 1.065188 0.449199 0.328066 0.106667 0.123567 -1.051683 -2.610114 2.975848 -0.496865 -2.555687 1.981201 -1.106462 -0.615347 -1.023685 1.827126 -0.011192 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.2962 0.0108 0.0039 0.6207 0.0125 0.0511 0.2719 0.5401 0.3091 0.0715 0.9911 0.488270 0.204065 4.074382 7.134615 65.08840 Dependent Variable: LEV Method: Quantile Regression (tau = 0.4) Date: 11/29/14 Time: 16:03 Sample: 2008 2013 IF NGANH="Tieu dung" Included observations: 90 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.20384 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.279510 -0.089416 -1.137449 0.091868 -0.254689 -2.694018 0.005415 -1.146996 -0.262921 -0.360368 0.212770 -0.032848 0.479396 0.100968 0.395652 0.031793 0.381207 1.087442 0.004662 0.908036 0.479386 0.323764 0.106463 0.101308 -0.583047 -0.885587 -2.874874 2.889549 -0.668111 -2.477391 1.161390 -1.263162 -0.548454 -1.113059 1.998522 -0.324239 0.5615 0.3786 0.0052 0.0050 0.5060 0.0154 0.2490 0.2103 0.5849 0.2691 0.0491 0.7466 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.414268 0.331664 0.171714 0.428131 0.408691 0.000000 Dependent Variable: LEV Method: Quantile Regression (Median) Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.488270 0.204065 4.633418 7.910468 66.81998 Date: 11/29/14 Time: 16:03 Sample: 2008 2013 IF NGANH="Tieu dung" Included observations: 90 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.2168 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.423931 -0.070308 -1.097402 0.104276 -0.226904 -3.169588 0.005722 -1.198327 -0.167066 -0.324392 0.186339 0.011344 0.484748 0.089584 0.364822 0.032623 0.351993 1.103935 0.004335 0.878059 0.472904 0.311278 0.099847 0.089593 -0.874540 -0.784823 -3.008052 3.196415 -0.644627 -2.871173 1.320098 -1.364746 -0.353277 -1.042130 1.866243 0.126618 0.3845 0.4349 0.0035 0.0020 0.5211 0.0053 0.1907 0.1763 0.7248 0.3006 0.0658 0.8996 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.386949 0.300493 0.169106 0.535777 0.368780 0.000000 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.488270 0.204065 4.771143 7.782618 65.32833 Dependent Variable: LEV Method: Quantile Regression (tau = 0.6) Date: 11/29/14 Time: 16:03 Sample: 2008 2013 IF NGANH="Tieu dung" Included observations: 90 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.20384 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.552217 -0.038085 -1.080447 0.116192 -0.234686 -3.319038 0.003881 -1.304990 -0.206468 -0.300252 0.169869 0.006479 0.536107 0.097068 0.392250 0.034701 0.342747 1.305836 0.004649 1.076745 0.610007 0.384680 0.098547 0.083635 -1.030050 -0.392360 -2.754487 3.348381 -0.684719 -2.541696 0.834832 -1.211978 -0.338468 -0.780524 1.723729 0.077468 0.3062 0.6959 0.0073 0.0013 0.4956 0.0130 0.4064 0.2292 0.7359 0.4374 0.0887 0.9384 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.349021 0.257217 0.169804 0.569191 0.354926 0.000000 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.488270 0.204065 4.651100 7.144780 58.54926 Dependent Variable: LEV Method: Quantile Regression (tau = 0.7) Date: 11/29/14 Time: 16:04 Sample: 2008 2013 IF NGANH="Tieu dung" Included observations: 90 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.17092 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.671141 -0.035392 -1.058128 0.110063 0.039067 -2.222234 0.003999 -0.150316 0.274468 0.045300 0.077789 -0.071641 0.561852 0.100350 0.433244 0.033087 0.322488 1.305890 0.004784 1.328417 0.743633 0.458158 0.086245 0.085571 -1.194517 -0.352683 -2.442336 3.326459 0.121141 -1.701701 0.835927 -0.113154 0.369091 0.098873 0.901952 -0.837211 0.2359 0.7253 0.0169 0.0013 0.9039 0.0928 0.4057 0.9102 0.7131 0.9215 0.3699 0.4050 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.325886 0.230819 0.178308 0.629413 0.470794 0.000026 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.488270 0.204065 4.169317 6.184887 40.77347 Dependent Variable: LEV Method: Quantile Regression (tau = 0.8) Date: 11/29/14 Time: 16:04 Sample: 2008 2013 IF NGANH="Tieu dung" Included observations: 90 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.12758 Estimation successful but solution may not be unique Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) -0.056162 -0.069251 -1.050884 0.066583 -0.081844 -1.313930 0.000340 0.129378 0.161008 0.106197 0.056388 -0.122344 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.297964 0.198959 0.211976 0.675450 0.546406 0.000795 0.612900 0.117846 0.523901 0.037230 0.359179 1.472518 0.004909 1.460695 0.912728 0.547455 0.104475 0.090711 -0.091634 -0.587643 -2.005881 1.788433 -0.227865 -0.892301 0.069242 0.088573 0.176403 0.193982 0.539723 -1.348723 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.9272 0.5585 0.0483 0.0776 0.8203 0.3750 0.9450 0.9296 0.8604 0.8467 0.5909 0.1813 0.488270 0.204065 3.284247 4.678178 31.88863 Dependent Variable: LEV Method: Quantile Regression (tau = 0.9) Date: 11/29/14 Time: 16:04 Sample: 2008 2013 IF NGANH="Tieu dung" Included observations: 90 Bootstrap Standard Errors & Covariance Bootstrap method: XY-pair, reps=100, rng=kn, seed=343043154 Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.077207 Estimation successfully identifies unique optimal solution Variable Coefficient Std Error t-Statistic Prob C EFF(-1) PR(-1) SIZE(-1) TANG(-1) INTG(-1) GROWTH(-1) OWNC(-1)*OWN1(-1) OWNC(-1)*OWN2(-1) OWNC(-1)*OWN3(-1) FAMILY(-1) FINANCIAL(-1) 0.124576 -0.000108 -0.760764 0.067527 -0.396374 -1.071124 -0.006392 -0.548056 -0.369049 -0.126198 0.070927 -0.118852 0.706356 0.147839 0.508378 0.044109 0.405582 1.402321 0.005557 1.632555 1.069266 0.656991 0.126197 0.092260 0.176364 -0.000727 -1.496453 1.530918 -0.977298 -0.763822 -1.150235 -0.335705 -0.345143 -0.192085 0.562036 -1.288232 0.8605 0.9994 0.1386 0.1298 0.3314 0.4473 0.2536 0.7380 0.7309 0.8482 0.5757 0.2015 Pseudo R-squared Adjusted R-squared S.E of regression Quantile dependent var Sparsity Prob(Quasi-LR stat) 0.221515 0.111729 0.282630 0.742475 0.795720 0.147685 Mean dependent var S.D dependent var Objective Restr objective Quasi-LR statistic 0.488270 0.204065 1.991643 2.558359 15.82677 ... QUY MỐI TƯƠNG QUAN GIỮA CẤU TRÚC VỐN, CẤU TRÚC SỞ HỮU VÀ GIÁ TRỊ DOANH NGHIỆP TÓM TẮT Bài nghiên cứu tập trung vào phân tích mối quan hệ cấu trúc vốn, cấu trúc sở hữu giá trị doanh nghiệp, với giá. .. quan cấu trúc vốn, cấu trúc sở hữu giá trị doanh nghiệp Nhận diện vai trò cấu trúc sở hữu với cấu trúc vốn giá trị doanh nghiệp tác động ngược lại giá trị doanh nghiệp đến cấu trúc vốn Để thực... lại giá trị doanh nghiệp với cấu trúc vốn tác động cấu trúc sở hữu đến giá trị doanh nghiệp cấu trúc vốn Tuy nhiên tác động phụ thuộc vào ngành nghề mà doanh nghiệp hoạt động Từ khóa: Cấu trúc vốn,