2.3.1. Mẫu và phƣơng chọn mẫu
Phường pháp chọn mẫu trong nghiên cứu là phương pháp thuận tiện, nguồn số liệu là thứ cấp. Qua khảo sát, tác giả thu thập được Báo cáo tài chính của 46 DN từ năm 2005 đến 2013.
Với mục tiêu lấy được dữ liệu mới nhất (đến 2013) và dữ liệu phù hợp với mục đích nghiên cứu là dữ liệu bảng cân bằng tác giả đã chọn được 22 doanh nghiệp thỏa mãn mục đích này với thời gian liên tục từ 2007 -2013. Sau khi làm sạch dữ liệu: Loại bỏ dữ liệu mất do tính toán (Tính biến tăng trưởng: GRA), số mẫu được khai thác đưa vào phân tích là 22 doanh nghiệp với thời gian 6 năm (2008-2013) đạt 47,8% số DN khảo sát, kết quả có được 132 quan sát (22 x 6)
2.3.2. Thống kê mô tả
Sử dụng các thủ tục thống kê với sự hỗ trợ kỹ thuật của phần mềm R để tính toán các giá trị trung bình, lớn nhất, nhỏ nhất, số trung vị và sai số chuẩn của các biến phụ thuộc và độc lập nhằm rút ra những thuộc tính của các biến từ dữ liệu phân tích.
2.3.3. Phân tích tác động của yếu tố cắt ngang và thời gian đến tỷ số nợ
Sử dụng hai biểu đồ là: biểu đồ biến thiên có tác động của yếu tố cắt ngang và biểu đồ biến thiên có tác động của yếu tố thời gian đến tỷ số nợ trung bình nhằm tiên lượng hiệu ứng của mô hình phân tích.
2.3.4. Phƣơng pháp ƣớc lƣợng mô hình
Mô hình dữ liệu được lựa chọn để phân tích định lượng trong luận văn này là mô hình dữ liệu bảng cân bằng.
2.3.5. Mô tả sơ bộ về mô hình bảng dữ liệu
Dữ liệu bảng đi vào xem xét cả hai: Tính năng chuỗi thời gian và các tính năng cắt ngang. (Baltagi, 2005)
Tập hợp dữ liệu bảng cho nghiên cứu kinh tế có một số lợi thế lớn so với mặt cắt ngang hoặc tập hợp dữ liệu chuỗi thời gian thông thường. Dữ liệu bảng thường cung cấp cho các nhà nghiên cứu một số lượng lớn các điểm dữ liệu, tăng mức độ tự do và giảm cộng tuyến giữa các biến giải thích vì thế nâng cao hiệu quả của các ước
lượng kinh tế lượng. Quan trọng hơn, dữ liệu theo chiều dọc cho phép các nhà nghiên cứu phân tích một số vấn đề kinh tế quan trọng không thể được giải quyết bằng cách sử dụng mặt cắt ngang hoặc tập hợp dữ liệu chuỗi thời gian. (Hsiao, 2005)
2.3.6. Mô hình tổng quát K k it kit ik it it x u y 1 (2.1.1) Trong đó yit: Biến phụ thuộc (TDRit)
xit : Biến độc lập (SIZit, LVAit, GRAit, ROAit, RISit, NDTSit, Uiqit) K: Số biến tham gia vào mô hình.
α : Hệ số chặn (Hệ số góc). β : Hệ số độ dốc.
i: Số DN (i=1..22) – yếu tố cắt ngang.
t : Số năm (t =2008…2013) – yếu tố thời gian. uit: Lỗi (dư).
Phần tiếp theo là phân loại mô hình theo góc (α); hệ số độ dốc (β) và uit. (Hsiao, 2005)
(1) Sự khác biệt giữa các mô hình về hệ số góc (α) và hệ số độ dốc (β)
Với các giả thuyết là:
H1-Hệ số góc và hệ số độ dốc không đổi: K k it kit k it x u y 1 (2.1.2)
Với K: số lượng biến, i = 1,...,N, và t = 1,...,T,
αit= α (α*1= α*2 =… = α*N); βit = β (β1 = β2 =… = βN) H2-Hệ số góc thay đổi trên (i) và hệ số độ dốc là hằng số:
K k it kit k i it x u y 1 (2.1.3)
Với K: số lượng biến, i = 1,...,N, và t = 1,...,T, αit= αi; βit = β
H3-Hệ số góc thay không đổi và hệ số độ dốc thay đổi theo i: K k it kit ki it x u y 1 (2.1.4)
αit = α; βit = βi
(2) Sự khác biệt giữa các mô hình về về thành phần lỗi (uit) (thành phần không quan sát đƣợc (unobserved) - mô hình hiệu ứng không quan sát đƣợc):
Hiệu ứng một chiều
uit = μi + εit (2.1.5)
Trong đó
μi: Biểu thị ảnh hưởng cắt ngang cụ thể không quan sát được, có tính đặc biệt - bất biến và nó liệt kê kỳ tác động cá nhân cụ thể nào đó không có trong hồi quy.
εit: Biểu thị sự xáo trộn còn lại, tùy theo cắt ngang và thời gian và có thể được coi như sự xáo trộn thông thường trong hồi quy.
Khi đó (2.1.1) được viết lại: K k it i kit ik it it x y 1 (2.1.6)
Hiệu ứng hai chiều
uit = μi + λt + εit , i = 1,..., N; t = 1,...,T (2.1.7)
Trong đó
μi: Ảnh hưởng cắt ngang không quan sát được. λt: Ảnh hưởng của thời gian không quan sát được. εit: Nhiễu còn lại ngẫu nhiên.
K k it t i kit ik it it x y 1 (2.1.8)
Trong mỗi trường hợp, các mô hình có thể được phân loại hơn nữa, tùy thuộc vào việc các hệ số được giả định là ngẫu nhiên hay cố định.
Ứng dụng cách phân loại:
- Mô hình gộp lại pool (OLS) là ƣớc tính phù hợp
Với (2.1.4): αit= α; βit = βi
ui =0 (thành phần cá nhân không tồn tại).
- Mô hình hiệu ứng cố định là ƣớc tính phù hợp
Với (2.1.5): Điều kiện:
εit phù hợp và độc lập với xit và μi αit = αi với mọi t
Hai ƣớc lƣợng đƣợc gọi là FEM là ƣớc lƣợng within và LSDV.
LSDV (Bình phương bé nhất biến giả): Có thể được ước tính bằng cách bình phương tối thiểu thông thường với các biến giả thêm vào mô hình, do đó nó còn được gọi là ước lượng bình phương nhỏ nhất biến giả.
' ij 1 N it j it it j y d x
với dj = 1 nếu i=j và dj=0 nếu khác. Do đó chúng ta có một tập hợp N biến giả trong mô hình.
Within Estimator: Ước lượng cho kết quả tương tự LSDV nhưng không sử dụng biến giả, và loại bỏ hệ số góc (α) bằng phương pháp chuyển đổi dữ liệu.
yit – ȳi = β (xit -xt) + (uit-ūt).
Nếu :
εit là “cư xử tốt” (well-behaved) và độc lập với xit và μi αit = αi với mọi t
- REM là ƣớc tính phù hợp: Với điều kiện μi và uit: không tương quan với xit. Tóm tắt các mô hình dữ liệu dạng bảng
Khi kết hợp so sánh với hiệu ứng cố định với ngẫu nhiên, hiệu ứng cắt ngang với thời gian, và hiệu ứng một chiều với hai chiều, kết quả có tới 12 mô hình dữ liệu bảng. (Xem phụ lục 2.2)
2.4. Phân tích hồi quy
Các bước tiếp theo: Lựa chọn mô hình hình phù hợp, kiểm định “chất lượng” mô hình và hiệu chỉnh khuyết tật nếu có.
2.4.1. Lựa chọn mô hình
Thực thi các kiểm định: F-Test, LM-test, Hauman-test để chọn xem mô hình nào phù hợp hơn trong các mô hình POOL, FEM và REM.
Nếu POOL là phù hợp tiến hành kiểm định bước xem mô hình có BLUE: Tiến hành các kiểm định xem mô hình có bị đa cộng tuyến, tự tương quan…Ngược lại tiến hành lựa chọn giữa FEM và REM để có một mô hình phù hợp.
Trong luận văn này, với kỳ vọng một mô hình dữ liệu bảng là phù hợp, nên tác giả chỉ đề cập đến các kiểm định cho mô hình dữ liệu bảng.
2.4.1.1. Lựa chọn giữa POOL và FEM
Giả thuyết
H0: Mô hình FEM là lựa chọn tốt hơn so với Pool. H1: Từ chối H0 (Chọn Pool)
2.4.1.2. Lựa chọn giữa POOL và REM
Sử dụng Breusch và Pagan test kiểm định hiệu ứng bảng để lựa chọn giữa 2 mô hình POOL và REM.
Giả thuyết
H0: POOL là lựa chọn tốt hơn REM. H1: Từ chối H0: chọn REM.
2.4.1.3. Lựa chọn giữa FEM và REM
Sử dụng Hausman test để kiểm định xem giữa FEM và REM mô hình nào phù hợp hơn, với giả thuyết rằng những ảnh hưởng cá nhân là không tương quan với các biến hồi quy trong mô hình. Nếu giả thuyết không có mối tương quan bị từ chối, có thể kết luận rằng tác động ui có tương quan đáng kể với ít nhất một biến hồi quy trong mô hình và do đó các REM là có vấn đề. Vì vậy, cần phải chọn FEM thay vì REM.
Giả thuyết
H0 : ui không tương quan với biến hồi quy: REM H1: từ chối H0 : FEM
(Xem thêm phụ lục 2.3)
2.4.2. Kiểm định “chất lƣợng” mô hình
Dữ liệu bảng không phải là thuốc chữa bách bệnh và sẽ không giải quyết tất cả những vấn đề một nghiên cứu chuỗi thời gian hoặc cắt ngang không thể xử lý. Các nhà kinh tế sử dụng dữ liệu bảng hay bất kỳ dạng dữ liệu nào khác cho rằng cần biết giới hạn của nó. (Baltagi, 2005).
Sau khi xác định được mô hình phù hợp, bước tiếp theo là kiểm định các “vấn đề” của dữ liệu bảng với mô hình được chọn: Kiểm định phụ thuộc cắt ngang, kiểm định tương quan nối tiếp, kiểm định gốc đơn vị (tính dừng) và kiểm định phương sai thay đổi.
Cuối cùng là kiểm soát “vấn để” của mô hình (nếu chúng tồn tại) bằng matran hiệp biến.
2.4.2.1. Phụ thuộc mặt cắt ngang
gọi là tương quan đồng thời).
Theo (Baltagi, 2005), phụ thuộc mặt cắt ngang là một vấn đề trong tấm vĩ mô với khoảng thời gian dài. Đây không phải là vấn đề lớn trong tấm vi (vài năm và số lượng lớn các trường hợp).
Kiểm tra cắt ngang bằng pcdtest có thể được áp dụng trong các thiết lập khác nhau, với những T phát triển lớn và n cố định, tấm "ngắn"; với một n kích thước lớn và một vài khoảng thời gian. Giả thuyết không trong các kiểm tra độc lập CD Pasaran là phần dư “công ty – firm” này không tương quan.
Giả thuyết
H0: Không có phụ thuộc cắt ngang H1: Phụ thuộc mặt cắt ngang
2.4.2.2. Thử nghiệm cho tương quan nối tiếp
“Vì mối tương quan tuyến tính nối tiếp trong mô hình bảng điều khiển dữ liệu thành kiến sai số chuẩn và gây ra các kết quả là kém hiệu quả hơn, các nhà nghiên cứu cần phải xác định mối tương quan nối tiếp sai số thời gian đặc thù một mô hình bảng dữ liệu”. (Drukker , 2003)
Kiểm định tương quan nối tiếp bằng Durbin-Watson test, đây là một kiểm định phần dư từ một hồi quy tuyến tính (hoặc nhiều hồi quy độc lập).
Giả thuyết
H0 : Không có tương quan nối tiếp H1: Tương quan nối tiếp.
(Xem thêm phụ lục 2.4)
2.4.2.3. Kiểm định gốc đơn vị (tính dừng)
Theo (Gujarati, 2004), một chuỗi thời gian là dừng khi giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) giữ nguyên không đổi cho dù chuỗi được xác định vào thời điểm nào đi nữa.
Trong luận văn này tác giả sử dụng kiểm định Maddala-Wu Unit-Root Test để kiểm định tính dừng.
Giả thuyết
H0 : Không có nghiệm đơn vị (Nghĩa là dừng – ổn định) H1: Có nghiệm đơn vị (Không dừng – không ổn định)
2.4.2.4. Kiểm định phương sai thay đổi
Phương sai thay đổi là hiện tượng mà các phương sai của đường hồi quy của tổng thể ứng với các biến độc lập là khác nhau (phương sai không là một hàng số).
Khi có sự hiện diện cửa phương sai thay đổi vẫn sẽ cho kết quả ước tính phù hợp của các hệ số hồi quy, nhưng những ước tính này sẽ không có hiệu quả. Ngoài ra, các sai số chuẩn của các ước tính sẽ thiên vị, cần tính sai số chuẩn mạnh mẽ điều chỉnh cho sự hiện diện có thể có của phương sai thay đổi. (Baltagi, 2005).
Trong luận văn này tác giả sử dụng kiểm định kiểm định Breusch-Pagan test để kiểm tra sự hiện diện của phương sai thay đổi.
Thử nghiệm Breusch-Pagan được dựa trên các số dư của mô hình. Đối với hệ thống của phương trình, các bài kiểm tra được tính riêng cho các số dư của mỗi phương trình.
Giả thuyết
H0: Phương sai không đổi (σ i2 = σ2 với mọi i) H1: Phương sai thay đổi.
2.4.2.5. Kiểm soát tương quan nối tiếp và phương sai thay đổi
Kỹ thuật được sử dụng để kiểm soát phương sai thay đổi và tương quan chuỗi, tác giả sử dụng ước lượng ma trận hiệp phương sai, bằng thủ tục “vcovHC” (Robust Covariance Matrix Estimators) với phương pháp "Arellano" (Arellano, 1987) (method = "arellano") và hệ số phù hợp loại 3 (type = "HC3") được tích hợp trong gói “plm” và “coeftest” (Testing Estimated Coefficients) trong gói “lmtest” sử dụng cho phầm mềm R. (Croissant & Millo, 2008)
* Tóm tắt chƣơng 2
Chương này của luận văn đã sử dụng các nội dung đã được trình bày ở chương 1 xây dựng mô hình khái niệm, đo lường các biến (phụ thuộc và biến độc lập), xây dựng các giả thiết nghiên cứu. Xây mô hình kinh tế lượng với các biến được đo lường. Chương này, cũng trình bày về mẫu và đưa ra phương pháp phân tích các mô hình kinh tế lượng để lựa chọn một mô hình phù hợp để từ đó xác định các biến có tác động đến sự thay đổi của CTV làm cơ sở thực hiện các nội dung ở chương 3.
CHƢƠNG 3 - KẾT QUẢ NGHIÊN CỨU
3.1. Thống kê mô tả các biến trong mô hình
Với dữ liệu thu thập từ 22 DN XDCT Khánh Hòa, bằng cách sử dụng các thủ tục của phần mềm R, bảng 3.1 sau đây trình bày thống kê mô tả các biến sử dụng trong mô hình các nhân tố ảnh hưởng đến CTV của các DN XDCT Khánh Hòa.
Bảng 3.1 Thống kê mô tả cấu trúc vốn và các nhân tố ảnh hƣởng đến cấu trúc vốn của các DN XDCT Khánh Hòa giai đoạn 2008-2013
Biến Nhỏ nhất Trung vị Trung
bình Lớn nhất
Độ lệch chuẩn Biến phụ thuộc – Cấu trúc vốn
TDR 0,003 0,755 0,684 1,681 0,275
SDR 0,003 0,694 0,632 1,670 0,299
LDR 0,000 0,000 0,052 0,715 0,139
Biến độc lập – Các nhân tố ảnh hƣởng đến cấu trúc vốn
SIZ 6,367 7,635 7,570 9,212 0,572 LVA 0,000 0,065 0,178 0,926 0,229 GRA -0,780 0,075 0,278 6,608 0,788 ROA -0,889 0,036 0,038 0,700 0,115 RIS 0,001 0,027 0,063 0,417 0,077 NDTS 0,000 0,088 0,133 0,843 0,155 Uiq 0,007 0,073 0,162 4,594 0,474
Ghi chú: Kết quả chạy từ phần mềm R. Trong đó TDR là tỷ số tổng nợ: tổng nợ trên tổng tài sản; SDR là tỷ số nợ ngắn hạn: Nợ ngắn hạn trên tổng tài sản; LDR là tỷ số nợ dài: Nợ dài hạn trên tổng tài sản. SIZ là quy mô: Log(tổng tài sản); LVA là cấu trúc tài sản: Tỷ trọng của tài sản dài hạn trên tổng tài sản; GRA là tăng trưởng: Tốc độ tăng tổng tài sản; ROA là khả năngsinh lời: Tỷ suất lợi nhuận trước thuế và lãi vay trên tổng tài sản; RIS là rủi ro: Độ lệch chuẩn của EBIT trên tổng tài sản; NDTS là lá chắn thuế không nợ: Tỷ lệ khấu hao trên tổng tài sản; Uiq là đặc thù: Tỷ lệ chi phí kinh doanh trên doanh thu.
Kết quả thống kê mô tả ở bảng 3.1 cho thấy:
Đặc trƣng cấu trúc vốn: Các DN XDCT Khánh Hòa có tỷ số nợ trung bình
(TDR) khoảng 68,4%. Doanh nghiệp có tỷ số nợ nhỏ nhất 0,3%, DN có tỷ số nợ lớn nhất 168,1%. Phần lớn các DN sử dụng nợ ngắn hạn là chủ yếu. Cụ thể, tỷ số nợ ngắn hạn trung bình (SDR) 63,2% chiếm 92,4% trong cơ cấu nợ và tỷ số nợ dài hạn trung
bình (LDR) 5,2% chỉ chiếm 7,6% trong cơ cấu nợ. Độ lệch chuẩn của TDR (27,5%), SDR (29,9%) và LDR (13,9%). Điều này hàm ý rằng, tỷ số nợ (TDR), tỷ số nợ ngắn hạn (SDR) và tỷ số nợ dài hạn (LDR) của các DN XDCT Khánh Hòa biến động tương đối mạnh.
Đặc trƣng các nhân tố ảnh hƣởng đến CTV của các DN XDCT Khánh Hòa Quy mô (SIZ) trung bình của các DN XDCT Khánh Hòa 7,570 (tương ứng với
giá trị là 93.611.508 ngàn đồng). DN có SIZ nhỏ nhất 6,367 (tương ứng với giá trị là 2.327.698 ngàn đồng), DN có SIZ lớn nhất 9,212 (tương ứng với giá trị là 1.627.912.699 ngàn đồng). Độ lệch chuẩn của SIZ (0,572) rất cao. Điều này hàm ý rằng, quy mô tài sản của các DN XDCT Khánh Hòa biến động rất mạnh.
Cấu trúc tài sản (LVA) bình quân của các DN XDCT Khánh Hòa là 17,8%.
Điều này hàm ý rằng, các DN XDCT Khánh Hòa nhìn chung gặp khó khăn trong việc tiếp cận với vốn vay ngân hàng vì giá trị tài sản thế chấp tương đối thấp. LVA giữa các DN có mức chênh lệch rất lớn, doanh nghiệp có LVA cao nhất là 92,6% và doanh nghiệp có LVA thấp nhất là 0%. Độ lệch chuẩn của LVA (0,229) tương đối cao. Điều này hàm ý rằng, tỷ lệ tài sản dài hạn trên tổng tài sản của các DN XDCT Khánh Hòa biến động tương đối mạnh.
Tăng trƣởng (GRA) bình quân của các DN XDCT Khánh Hòa là 27,8%. GRA
giữa các DN có mức chênh lệch rất lớn, DN có GRA cao nhất là 660,8% và DN có GRA thấp nhất là -78%. Độ lệch chuẩn của GRA (0,788) rất cao. Điều này hàm ý rằng, tỷ lệ tăng trưởng tổng tài sản của các DN XDCT Khánh Hòa biến động rất mạnh.