Phân tích các yếu tố ảnh hưởng đến mức nắm giữ tiền mặt của doanh nghiệp Việt Nam

Nguồn dữ liệu và định nghĩa các biến .1 Nguồn dữ liệu

Thứ tƣ, dữ liệu bảng có thể phát hiện và đo lường tốt hơn những ảnh hưởng mà không thể quan sát trong dữ liệu chuỗi thời gian thuần túy hay dữ liệu chéo theo không gian thuần túy. Thứ năm, dữ liệu bảng giúp ta nghiên cứu những mô hình hành vi phức tạp hơn. Cuối cùng, số lƣợng quan sát thu thập đƣợc khá nhiều nên dữ liệu bảng có thể tối thiểu hóa sự thiên lệch có thể xảy ra.

Tóm lại, dữ liệu bảng có thể làm phong phú các phân tích thực nghiệm theo những cách thứcmà không thể đạt đƣợc nếu ta chỉ sử dụng các dữ liệu theo chuỗi thời gian hay không gian thuần túy. Trong đó: LEV là đòn bẩy tài chính, BANK là mức vay nợ ngân hàng, DIV là mức thanh toán cổ tức, CF là dòng tiền, SIZE là quy mô, VAR là mức biến động dòng tiền, GRT là tốc độ tăng trưởng tài sản, LIQ là tính thanh khoản của tài sản. EX là tỷ lệ thành viên hội đồng quản trị kiêm nhiệm các vị trí giám đốc trên tổng số thành viên hội đồng quản trị.

CEO là biến giả, sẽ nhận giá trị là 1 nếu chủ tịch HĐQT kiêm nhiệm chức vụ tổng giám đốc điều hành và ngƣợc lại sẽ nhận giá trị 0.

Phương pháp nghiên cứu

Mô hình hồi quy gộp đã bỏ qua những mối quan hệ không đồng nhất giữa các đơn vị chéo theo thời gian bằng cách giả định rằng hệ số hồi quy là nhƣ nhau nên những tác động khác nhau nếu có giữa các biến số giải thích đến biến phụ thuộc đƣợc chƣa đựng trong sai số hồi quy. Ví dụ nhƣ sự khác nhau trong chính sách quản lý, lĩnh vực hoạt động của doanh nghiệp…Nhƣ vậy tất cả các tác động từ sự hỗn tạp của dữ liệu chéo sẽ đƣợc kiểm soát và đóng vai trò nhƣ là hệ số chặn khác nhau cho từng đơn vị chéo nhƣng không thay đổi theo thời gian. Còn đóng vai trò là hệ số chặn thay đổi theo thời gian và nó nắm bắtnhững tác động của các biến giải thích đến biến phụ thuộc theo thời gian nhưng không khác nhau giữa các đơn vị chéo.Ví dụ như: môi trường chính sách hay thuế suất thay đổi trong thời kỳ quan sát của mẫu dữ liệu… Vậy mô hình hiệu ứng cố định khắc phục đƣợc các ràng buộc hạn chế của mô hình hồi quy gộp.

Giống nhƣ mô hình hiệu ứng cố định, mô hình hiệu ứng ngẫu nhiên có các hệ số chặn khác nhau cho từng đơn vị chéo nhƣng không khác nhau theo thời gian với giả định là mối quan hệ giữa các biến giải thích và các biến phụ thuộc là không đổi giữa các đơn vị chéo. Có giá trị trung bình bằng 0, không tương quan với sai số hồi quy , phương sai của là hằng số, độc lập với biến giải thích.Tuy nhiên, REM có hạn chế là mắc phải tính không đồng nhất của các hệ số tương quan từ các tác động riêng rẽ và ngẫu nhiên. Với giả định rằngcác công ty có thể nhanh chóng điều chỉnh tỷ lệ nắm giữ tiền mặt mục tiêu hoặc tối ƣu mà không phải chịu chi phí điều chỉnh, mô hình dữ liệu bảng tĩnh có thể tiến hành cho phân tích này.

Tuy nhiên, nếu công ty không thể chuyển đổi ngay về mức tỷ lệ nắm giữ tiền mặt mong muốn do tồn tại tồn tại chi phí giao dịch và các chi phí điều chỉnh khác (Myers, 1984; Fischer và cộng sự, 1989), thì mô hình động nên được áp dụng. Một vấn đề khác trong tính toán mà không nhất thiết có liên quan đến các đặc trƣng năng động, phát sinh bởi vì các biến mang tính đặc trƣng công ty có thể không là biến ngoại sinh hoàn toàn. Do đó, sử dụng phương pháp GMM cung cấp ƣớc lƣợng tham số phù hợp bằng cách sử dụng các công cụ có thể đƣợc lấy từ các điều kiện trực giao tồn tại giữa các giá trị trễ của các biến và các biến động ngẫu nhiên.

Độ vững của ƣớc lƣợng GMMtùy thuộc vào một sự lựa chọn tối ƣu của các công cụ mà giá trị của các công cụ phụ thuộc vào việc không có tương quan chuỗi bậc cao hơn trong các thành phần mang đặc trưng riêng của sai số.

Kiểm định các giả thuyết

Mối tương quan âm giữa CASH và LIQ chứng tỏ việc nắm giữ các tài sản có tính thanh khoản cao là một công cụ thay thế cho công tác duy trì tỷ lệ tiền mặt cao, ủng hộ cho lập luận lý thuyết đánh đổi. Để chứng tỏ thêm sự chi phối của lý thuyết này ở thị trường Việt Nam, mối tương quan âm giữa CASH và SIZE thể hiện những công ty có quy mô lớn lại có lợi thế trong việc huy động vốn hơn nên việc nắm giữ nhiều tiền mặt là không cần thiết. Hai biến EX và CEO có tương quan nghịch như kỳ vọng, chứng tỏ sự mức độ tham gia điều hành của các thành viên HĐQT càng cao thì mức độ nắm giữ tiền mặt trong công ty giảm.

Tự tương quan có thể hiểu là sự tươngquan giữa các thành viên của chuỗi các quan sát đƣợc sắp xếp theo thời gian (nhƣ trong dữ liệu chuỗi thời gian) hoặc không gian (nhƣ trong dữ liệu chéo) (Maurince và William, 1971). Trong ngữ cảnh hồi qui, mô hình hồi qui tuyến tính cổ điển giả định rằng quan hệ tự tương quan nhƣ vậy không tồn tại trong các nhiễu. Đơn giản là mô hình cổ điển giả định rằng số hạng nhiễu liên quan tới bất cứ một quan sát nào đều không bị ảnh hưởng bởi số hạng nhiễu liên quan tới bất cứ một quan sát nào khác.

Khi có hiện tượng tự tương quan mà chúng ta vẫn tiến hành hồi quy OLS thì các hệ số ƣớc lƣợng OLS vẫn không thiên lệch và nhất quán nhƣng chúng không phải là ước lượng hiệu quả nữa. Một trong những giả thiết quan trọng của mô hình hồi quy tuyến tính cổ điển là phương sai của từng yếu tố ngẫu nhiên là một số không đổi và bằng. Bên cạnh đó, ước lượng của cácphương sai sẽ bị chệch, do đó các kiểm định mức ý nghĩa và khoảng tin cậy dựa theo phân phối t và F không còn đáng tin cậy nữa.

Theo kết quả bảng trên,tất cả các p-value đều bé hơn 5%, tác giảbác bỏ giả thuyết Ho, kết luận mô hình có hiện tượng phương sai thay đổi.

Kết quả hồi quy

LIQ được xác định bằng cách lấy (tài sản ngắn hạn - nợ ngắn hạn - tiền và tương đương tiền) chia tổng tài sản. CEO là biến giả, nhận giá trị 1 nếu chủ tịch HĐQT kiêm nhiệm vị trí tổng giám đốc điều hành và ngƣợc lại sẽ nhận giá trị 0. Bài nghiên cứu cũng tiến hành hồi quy với White period để khắc phục hiện tượng phương sai thay đổi.

Do mô hình Pool OLS áp dụng những tiêu chuẩn thông thường nên hầu như các hệ số đều có ý nghĩa thống kê ngoại trừ các biến: DIV, SIZE, VAR và CEO. Với p-value < 5% nên tác giả bác bỏ giả thuyết Ho, nhƣ vậy mô hình hồi quy gộp phù hợp trong việc giải thích tác động của các biến độc lập đến biến phụ thuộc. Tuy nhiên, việc xem xét tính hiệu quả của mô hình hồi quy gộp là cần thiết thông qua việc đánh giá phần dƣ.

Vì vậy, theo hình trên, một số giá trị của phần dƣđƣợc tiêu chuẩn hóa đã vƣợt qua ngƣỡng nãy. Trong hồi quy gộp, sự tồn tại của các sai số chuẩn vững (robust standard errors) là không hiệu quả. Hơn thế, việc đƣa biến AR(1) và AR(2) để khắc phục hiện tƣợng tự tương quan có thể làm thay đổi mô hình gốc ban đầu, dẫn đến việc khó đánh giá chính xác tác động của các biến giả thích lên biến phụ thuộc.

Với những bất lợi này, kết quả hồi quy gộp cung cấp cơ sở không ổn định để lập luận và phân tích sau này.Vì thế,.