Tác giả sử dụng các mô hình hồi quy tuyến tính ña biến ñể xem xét ảnh hưởng của các biến ñộc lập ñến biến phụ thuộc. Có ba dạng mô hình nghiên cứu thực nghiệm là:
Mô hình hồi quy tuyến tính thông thường (Pool OLS)
Đối với mô hình Pool hay còn gọi là mô hình OLS (Ordinary Least Squares), là mô hình hồi quy sử dụng dữ liệu bảng cơ bản nhất. Mô hình này giảñịnh các hệ số chặn và
ñộ dốc sử dụng trong phương trình hồi quy là không thay ñổi theo thời gian và cho các mẫu quan sát. Phương trình hồi quy ñược viết như sau:
Yit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit +
β7CFit + β8GDPt + β9INFLt + u
Trong ñó: β0 là hằng số của mô hình, β1, β2 …. Β9 là hệ số hồi quy, u là phần dư của phương trình hồi quy (ñại diện cho sai số và các biến không xuất hiện trong mô hình) Cách tiếp cận này ñơn giản nhất vì ñã bỏ qua bình diện không gian và thời gian của dữ
liệu kết hợp và chỉ hồi quy OLS thông thường.
Do thực tế các giai ñoạn quan sát mẫu sẽ khác nhau và các công ty trong mẫu có những
ñặc thù riêng, vì vậy mà có các hệ số chặn khác nhau. Do ñó, mô hình hồi quy Pool có thể sẽ bóp méo mối quan hệ giữa biến ñộc lập và biến phụ thuộc và làm sai lệch ñi mối quan hệ thực tế giữa biến ñộc lập và biến phụ thuộc của các quan sát mẫu.
Mô hình hồi quy tác ñộng cốñịnh (Fixed effects model_ FEM)
Mô hình FEM hay còn gọi là mô hình bình phương tối thiểu các biến giả (Least Squares Dummy Variable - LSDV). Mô hình tác ñộng cố ñịnh không bỏ qua các ảnh hưởng theo chuỗi thời gian và các ñơn vị chéo, hay nói cách khác, mô hình hồi quy với
tác ñộng chéo cố ñịnh xây dựng dựa trên giả ñịnh về tung ñộ gốc khác nhau giữa các
ñơn vị chéo nhưng hệ số góc không ñổi. Mô hình có dạng như sau:
Yit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit +
β7CFit + β8GDPt + β9INFLt + u
Trong ñó: β0 là hằng số của mô hình, β1, β2 …. Β9 là hệ số hồi quy, u là phần dư của phương trình hồi quy (ñại diện cho sai số và các biến không xuất hiện trong mô hình), i là công ty nghiên cứu, t là năm nghiên cứu
Mô hình hồi quy tác ñộng ngẫu nhiên (Random effects model _REM)
Ở mô hình tác ñộng cốñịnh, tung ñộ gốc giữa các ñơn vị chéo khác nhau, trong khi ñó,
ở mô hình tác ñộng ngẫu nhiên, những tác ñộng làm cho tung ñộ gốc của các ñơn vị
chéo khác nhau ñược tách ra khỏi tung ñộ gốc của mô hình. Khi ñó, tung ñộ gốc ở mô hình tác ñộng cốñịnh ñược biểu diễn như sau:
β0= β1i + i
Mô hình hồi quy tác ñộng ngẫu nhiên có dạng:
Yit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit +
β7CFit + β8GDPt + β9INFLt + uit
Trong ñó, β0 là hằng số của mô hình, β1, β2 …. Β9 là hệ số hồi quy, u là phần dư của phương trình hồi quy (ñại diện cho sai số và các biến không xuất hiện trong mô hình), i là công ty nghiên cứu, t là năm nghiên cứu.
Dữ liệu phân tích trong bài nghiên cứu là dữ liệu dạng bảng. Chúng ta có 3 cách ước lượng như ñã trình bày ở trên. Trong ñó, phương pháp hồi quy OLS ñơn giản nhất nhưng lại hạn chế do bỏ qua các ñặt tính không gian và thời gian của dữ liệu nên làm bóp méo ñi mối quan hệ giữa biến phụ thuộc và biến ñộc lập, hơn nữa hồi quy OLS có
sự tự tương quan trong dữ liệu (kết quả của mô hình này thường cho thấy trong hệ số
Durbin Watson). Do ñó, mô hình FEM và REM thường ñược sử dụng ñề giải quyết vấn ñề này trong dữ liệu bảng.
Tuy nhiên mô hình FEM và REM cũng có những hạn chế nhất ñịnh. Do ñó dùng mô hình nào ñể kiểm ñịnh cho kết quả phù hợp, tác giả sử dụng kiểm ñịnh Hausman ñể lựa chọn giữa hai mô hình FEM và REM.
Sau khi chọn ñược mô hình phù hợp sẽ kiểm ñịnh tự tương quan và phương sai thay
ñổi ñối với mô hình ñó. Trong trường hợp có hiện tượng phương sai thay ñổi sẽ khắc phục bằng phương pháp GLS (Generalized least squares) trong STATA.
3.4 Phương pháp nghiên cứu 3.4.1 Phân tích thống kê mô tả 3.4.1 Phân tích thống kê mô tả
Phương pháp này ñược sử dụng ñể mô tả những ñặc tính cơ bản của dữ liệu thu thập nhằm có cái nhìn tổng quát nhất về mẫu nghiên cứu. Thông qua mô tả, tóm tắt thống kê các biến ñộc lập và biến phụ thuộc của các công ty niêm yết trên thị trường chứng khoán Việt Nam trong giai ñoạn năm 2008 ñến 2013 cho thấy ñược giá trị trung bình,
ñộ lệch chuẩn, giá trị lớn nhất và bé nhất của từng biến nghiên cứu.
3.4.2 Phân tích tương quan
Phân tích tương quan ñược sử dụng ñể xem xét mối quan hệ giữa các biến ñộc lập và biến phụ thuộc. Kết quả phân tích tương quan có thể bước ñầu ñánh giá ñược các dự
báo của mô hình. Ngoài ra, trong trường hợp các biến ñộc lập có mối tương quan cao thì ñây là dấu hiệu của ña cộng tuyến, do ñó ñây là một cơ sởñể tác giả thực hiện kiểm
3.4.3 Phân tích hồi quy
Trong khi phân tích tương quan kiểm tra có tồn tại mối tương quan giữa các biến hay không thì phân tích hồi quy ñược dùng ñể ño lường mức ñộ ảnh hưởng của các biến
ñộc lập với các biến phụ thuộc, qua ñó cho biết chiều tác ñộng của từng biến ñộc lập
ñến biến phụ thuộc. Phương pháp này sẽ cho phép tác giả ñưa ra những bằng chứng xác thực ñể trả lời các câu hỏi nghiên cứu của luận văn. Thông qua phương pháp tổng bình phương bé nhất (OLS), hằng số và các tham số của mô hình sẽ ñược ước lượng. Hệ số Prob (P-value) của kết quả phân tích hồi quy cho biết mức ñộ tác ñộng của các biến ñộc lập lên từng biến phụ thuộc. Các mức thống kê có ý nghĩa thường ñược sử
dụng là 1%, 5% hoặc 10% (hay nói cách khác là ñộ tin cậy 99%, 95% hoặc 90%). Trong nghiên cứu này, tác giả chọn mức thống kê có ý nghĩa là 10%, tức là biến ñộc lập chỉ ñược xem là có ảnh hưởng mạnh ñến biến phụ thuộc khi giá trị Prob của từng biến ñộc lập trong mô hình hồi quy nhỏ hơn 10% (P-value<0,1), và ngược lại. Tuy nhiên, một số trường hợp hệ số Prob. lớn hơn 0,1 nhưng nhỏ hơn 0,15 vẫn ñược tác giả
lưu ý, ñiều này có nghĩa là biến ñộc lập có ảnh hưởng ñến biến phụ thuộc với ñộ tin cậy là 85%.
3.4.4 Kiểm ñịnh ña cộng tuyến
Khi phân tích tương quan, hệ số tương quan giữa các biến cao là dấu hiệu của ña cộng tuyến. Để phát hiện trường hợp một biến có tương quan tuyến tính mạnh với các biến còn lại của mô hình, ta khảo sát các cặp tương quan giữa các biến ñộc lập ñược thực hiện bằng cách thiết lập ma trận hệ số tương quan ñể tìm ra những cặp biến có hệ số
tương quan cao (Nguyễn Trọng Hoài, 2006). Gujarati K. (1995) cho rằng, ñể loại trừ vấn ñề ña cộng tuyến, cần nghiên cứu kỹ hệ số tương quan giữa các biến, nếu chúng vượt quá 0.8, mô hình hồi quy sẽ gặp vấn ñề ña cộng tuyến nghiêm trọng. Do ñó, ñể giảm thiểu ña cộng tuyến, tác giả sẽ loại bỏ biến ra khỏi mô hình hồi quy ñối với cặp biến có hệ số tương quan lớn hơn 0.8.
Ngoài ra, ñể ñảm bảo tính chính xác, tác giả sẽ sử dụng thêm hệ số phóng ñại phương sai (VIF - Variance Inflation Factor) ñể kiểm ñịnh hiện tượng ña cộng tuyến. Theo quy tắc kinh nghiệm khi VIFj>10 thì mức ñộ cộng tuyến ñược xem là cao và khi ñó, các hệ
số hồi quy ñược ước lượng với ñộ chính xác không cao. Dựa vào kết quả kiểm ñịnh hồi quy tuyến tính và hệ số VIF, các biến có hệ số VIF lớn hơn 10 sẽ bị loại ra khỏi mô hình1 và tiếp tục phân tích hồi quy cho ñến khi không còn biến nào có giá trị VIF lớn hơn 10, tức là không còn hiện tượng ña cộng tuyến.
3.4.5 Kiểm ñịnh Wald có sửa ñổi về phương sai thay ñổi
Một trong các giả thuyết chủ yếu cho hồi quy bình phương bé nhất thông thường OLS là phương sai không thay ñổi. Nếu phương sai không phải là một hằng số thì ñược coi là phương sai thay ñổi; lúc này ước lượng hệ số hồi quy tính ñược bằng phương pháp OLS là không hiệu quả. Để kiểm ñịnh sự vi phạm giả thiết này của mô hình, tác giả sử dụng kiểm ñịnh dạng Wald có sửa ñổi với các giả thiết H0: không có hiện tượng phương sai thay ñổi, H1: có hiện tượng phương sai thay ñổi. Nếu kết quả kiểm ñịnh cho giá trị P-value là nhỏ (nhỏ hơn 0.05 ngầm ñịnh), giả thiết H0 bị bác bỏ và chấp nhận giả thiết H1.
3.4.6 Kiểm ñịnh Wooldridge về tự tương quan
Sau khi kiểm ñịnh sự phù hợp của mô hình, bước kế tiếp là kiểm ñịnh hiện tượng tự
tương quan của các biến trong mô hình. Khi có tồn tại hiện tượng tự tương quan, tuy các ước lượng OLS vẫn là các ước lượng không chệnh nhưng chúng không phải là ước lượng hiệu quả. Nói cách khác, ước lượng OLS không phải là ước lượng không chệch tốt nhất. Phương pháp kiểm ñịnh có ý nghĩa nhất ñể phát hiện tình trạng tự tương quan xảy ra trong mô hình phương pháp kiểm ñịnh Wooldridge, trong ñó giả thiết H0 ñược
1
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) nếu biến có giá trị VIF lớn hơn 10 thì biến ñó gây ra hiện tượng cộng tuyến.
ñề cập là không có hiện tượng tự tương quan, H1 là có hiện tượng tựtương quan. Nếu kết quả kiểm ñịnh cho giá trị P-value là nhỏ (nhỏ hơn 0.05 ngầm ñịnh), giả thiết H0 bị bác bỏ và chấp nhận giả thiết H1.
3.5 Tóm tắt chương 3
Trong chương 3, tác giả ñã trình bày dữ liệu nghiên cứu, xác ñịnh các biến nghiên cứu, phương pháp nghiên cứu cùng các mô hình nghiên cứu thực nghiệm. Tác giả sẽ trình bày kết quả nghiên cứu và thảo luận kết quả trong chương 4.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN KẾT QUẢ 4.1 Phân tích thống kê mô tả
Phân tích thống kê mô tảñược thực hiện nhằm mục ñích tóm tắt ñặc ñiểm của dữ liệu. Thống kê mô tả phân tích các chỉ tiêu phổ biến như giá trị trung bình, ñộ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất… Kết quả thống kê mô tảñược trình bày như sau:
Bảng 4.1: Thống kê mô tả các biến ñược sử dụng trong bài nghiên cứu.
Mean Median Max Min Std.Dev Skewness Obs
ROA 0.0607 0.0490 0.5009 -0.6455 0.0818 -0.1286 1164 ROE 0.0757 0.1218 3.3024 -54.6727 1.6770 -33.3241 1164 Tobin’s Q 1.0154 0.0909 11.3888 0.1367 0.5277 8.2635 1164 MBVR 1.0633 0.8040 31.5151 0 1.4022 13.577 1164 MBVE 2.9389 2.1902 360.1515 -11.569 10.6560 32.4192 1164 PROF 0.1190 0.1095 0.8914 -0.7305 0.1006 -0.0007 1164 P/E 18.5438 6.5223 3927.206 -1401 151.658 16.8542 1164 TDTA 0.5019 0.5311 1.0956 0.0309 0.2190 -0.2345 1164 STDTA 0.3959 0.3840 0.9193 0.0069 0.2009 0.2122 1164 LTDTA 0.1060 0.0368 0.7180 0 0.1466 1.8056 1164
Growth 0.1576 0.1136 11.4832 -1.4172 0.5788 8.7886 1164 Size 11.674 11.604 13.294 10.358 0.545 0.533 1164 STDVCF 47.709 11.745 1208.926 0.171 110.206 5.446 1164 Tax 0.1104 0.1042 2.78 -0.3551 0.1225 8.9188 1164 Tangb 0.300 0.2526 0.9764 0 0.2107 0.9881 1164 CF 0.087 0.0762 0.8435 -0.7359 0.1025 -0.1764 1164 GDP 0.057 0.0555 0.064 0.052 0.0044 0.4471 1164 INFL 0.1225 0.09 0.231 0.066 0.0631 0.7693 1164
(Nguồn: tính toán các số liệu trong báo cáo tài chính từ Exel và Stata 12.0)
Kết quả thống kê mô tả cho thấy rằng tỷ suất sinh lợi trên tài sản ROA trung bình là 6,07% với ñộ lệch chuẩn là 8,18%. ROA cao nhất là 50,09%, thấp nhất là -64,55%. Tỷ
suất sinh lợi trên vốn chủ sở hữu ROE trung bình trong mẫu dữ liệu là 7,57%. Kết quả
này cho thấy các công ty trong mẫu có mức sinh lời trên báo cáo tài chính tương ñối thấp (trong giai ñoạn 2008-2013) khi so với mức lạm phát hằng năm có giá trị trung bình là 12,25%.
Khác ROA và ROE chỉ tiêu ño lường hiệu quả theo sổ sách, chỉ tiêu ño lường hiệu quả
thị trường có tỷ lệ cao. Chỉ tiêu ño lường hiệu quả thị trường là Tobin’s Q ñạt mức trung bình là 1,01, chỉ số này lớn hơn 1, cho thấy các doanh nghiệp cần tăng cường ñầu tư hơn nữa.
Kết quả thống kê cho thấy mức trung bình của tỷ số nợ là 50,19%, trong ñó nợ vay ngắn hạn là 39,59% và nợ dài hạn là 10,60%. Cho thấy các doanh nghiệp sử dụng nợ
ngắn hạn nhiều hơn nợ dài hạn. Tỷ số nợ trung bình hằng năm của các công ty trong giai ñoạn (2008-2013) ít biến ñộng. Nhìn chung các doanh nghiệp trong mẫu có tỷ lệ
nợ dài hạn khá thấp. Điều này có thể giải thích khi các công ty cần phát hành chứng khoán ra công chúng, các công ty chủ yếu tiếp cận với nguồn tài trợ bằng vốn cổ phần hơn là phát hành trái phiếu. Và trong thực tế, thì thị trường trái phiếu ở Việt Nam cũng chưa phát triển. Nguồn cung cấp tín dụng chủ yếu là từ hệ thống ngân hàng thương mại, trong khi các ngân hàng thường có những yêu cầu khắt khe và lãi suất khá cao cho các khoản vay dài hạn, nhằm quản lý việc sử dụng vốn ñúng mục ñích và hạn chế rủi ro. Vì vậy mà các doanh nghiệp thường dựa nhiều vào vốn cổ phần và các khoản tín dụng thương mại.
4.2 Phân tích tương quan
Nhìn vào ma trận tương quan giữa các biến trình bày trong bảng 4.2 cho thấy những mối quan hệ giữa các biến ñộc lập
Bảng 4.2: Ma trận hệ số tương quan giữa các biến ñộc lập.
TDTA STDTA LTDTA Growth Size STDVCF TAX Tangb CF GDP INF
TDTA 1.000 STDTA 0.759 1.000 LTDTA 0.452 -0.236 1.000 Growth 0.067 -0.008 0.118 1.000 Size 0.278 0.048 0.349 0.141 1.000 STDVCF 0.023 -0.147 0.236 0.125 0.555 1.000 TAX -0.178 -0.108 -0.118 0.016 -0.124 -0.006 1.000 Tangb 0.005 -0.381 0.530 -0.040 0.063 0.093 -0.091 1.000 CF -0.030 -0.258 -0.099 0.113 0.022 0.184 0.134 0.041 1.000 GDP -0.007 -0.028 0.028 0.101 0.000 0.004 0.006 0.010 0.058 1.000 INF 0.022 -0.027 0.003 0.089 0.066 -0.045 -0.095 0.023 0.027 0.340 1.000
(Nguồn tính toán các số liệu từ Stata 12.0)
Các biến ñộc lập có hệ số tương quan không cao, cho thấy chúng ít tác ñộng lẫn nhau và hiện tượng ña cộng tuyến ít có khả năng xảy ra trong các mô hình hồi quy.
Nhìn vào bảng ma trận ta thấy tỷ lệ tổng nợ trên tài sản TDTA và nợ dài hạn trên tài sản LTDTA có quan hệ cùng chiều với tốc ñộ tăng trưởng lần lượt là (+0.067) và
(+0.118), tuy nhiên tỷ lệ nợ ngắn hạn STDTA lại có quan hệ ngược chiều với tốc ñộ
tăng trưởng là (-0.008). Cho ta nhận ñịnh ñầu tiên là việc sử dụng nợ vay trong ngắn hạn sẽ làm chậm tốc ñộ tăng trưởng của công ty, ngược lại sử dụng nợ vay trung hạn có thể thúc ñẩy công ty tăng trưởng tốt.
Thông qua mối quan hệ giữa các biến ño lường rủi ro STDVCF và các biến tỷ lệ ñòn bẩy TDTA, STDTA, LTDTA cho thấy rằng việc sử dụng nợ vay dài hạn sẽ làm tăng rủi ro cho công ty (+0.236) và việc sử dụng nợ vay ngắn hạn sẽ có tác dụng hạn chế rủi ro công ty (-0.147).