5. NỘI DUNG VÀ CÁC KẾT QUẢ NGHIÊN CỨU
5.5 Hồi quy hai bước với biến công cụ
Các kết quả nghiên cứu ở những phần trên được lấy từ những mô hình hồi quy bình phương bé nhất OLS. Tuy nhiên, để tránh trường hợp nội sinh giữa biến tín dụng thương mại và nắm giữ tiền mặt ví dụ như chính sách tiền mặt của một doanh nghiệp có thể ảnh hưởng đến chính sách tín dụng thương mại của doanh nghiệp đó. Chính vì vậy, tác giả sử dụng hồi quy 2 bước với các biến công cụđể xem xét vấn đề nội sinh này. Các biến công cụ bao gồm: 2 biến tín dụng thương mại (với độ trễ là 1 năm), và 4 biến khác được xem là có ảnh hưởng đến tín dụng thương mại là tài sản cố định trên tổng tài sản (FIXED_ASSETS), logarit tự nhiên của tuổi công ty theo năm (FIRM_AGE)20, nắm giữ tiền mặt trong doanh nghiệp (với độ trễ là 1 năm) và biến giả DRPT_BUY hoặc DRPT_SELL.
Tác giả tiến hành hồi quy 2 bước với các biến tương tự như các mô hình
được trình bày ở bảng 5.4. Cụ thể: Mô hình (1) và mô hình (2) lần lượt xem xét tác động của độ sâu tài chính lên mối quan hệ giữa tín dụng thương mại và nắm
giữ tiền mặt đối với 2 nhóm doanh nghiệp ở khu vực có độ sâu tài chính thấp và cao. Các mô hình còn lại xem xét ảnh hưởng của độ sâu tài chính lên mối quan hệ giữa tín dụng thương mại và nắm giữ tiền mặt cho 185 doanh nghiệp trong mẫu. Cụ thể: Mô hình (3) xem xét sự tương tác giữa biến độ sâu tài chính và tín dụng thương mại phải trả, mô hình (4) lại xem xét sự tương tác giữa biến độ sâu tài chính và tín dụng thương mại phải thu và mô hình (5) bao gồm sự tương tác giữa biến độ sâu tài chính với biến tín dụng thương mại phải trả và tín dụng thương mại phải thu.
Tác giả cũng sử dụng cả ba mô hình - mô hình tổng hợp tất cả các quan sát (Pool), mô hình tác động cốđịnh (Fixed effects) và mô hình tác động ngẫu nhiên (Random effects) đối với phương pháp hồi quy hai bước này. Sau đó sử
dụng kiểm định Hausman và kiểm định F để lựa chọn ra mô hình tốt nhất cho bài nghiên cứu21. Kết quả kiểm định Hausman ở cả 5 mô hình đều cho kết quả mô hình tác động cố định (Fixed effects) là thích hợp hơn mô hình tác động ngẫu nhiên (Random effects). Tuy nhiên kết quả kiểm định F ở mô hình (1), (3), (4) và (5) lại cho ra kết quả mô hình tổng hợp tất cả các quan sát (Pool) là thích hợp hơn mô hình tác động cốđịnh (Fixed effects); còn ở mô hình (2) thì cho kết quả
ngược lại. Do đó, dựa trên các kết quả kiểm định trên, các mô hình (1), mô hình (3), mô hình (4) và mô hình (5) được trình bày dưới đây đều sử dụng mô hình tổng hợp tất cả các quan sát (Pool); còn mô hình (2) sử dụng mô hình tác động cốđịnh (Fixed effects).
Kết quả hồi quy được trình bày trong bảng 5.6 sau đây.
21 Xem kết quả chi tiết ở Phụ lục D
Bảng 5.6: Kết quả hồi quy hai bước với biến công cụ
Mô hình 1 Mô hình 2 Mô hình 3 Mô hình 4 Mô hình 5
LIQUID_2 0.161** 0.025 0.045 0.046 0.046 (0.013) (0.753) (0.230) (0.215) (0.217) SIZE 0.011* 0.024 0.007 0.007 0.007 (0.098) (0.370) (0.125) (0.104) (0.104) LEV -0.231*** 0.095 -0.213*** -0.215*** -0.215*** (0.000) (0.285) (0.000) (0.000) (0.000) DEBTM -0.121** -0.032 -0.075** -0.073** -0.074** (0.024) (0.567) (0.026) (0.029) (0.029) M_B 0.035* 0.064*** 0.042*** 0.042*** 0.042*** (0.081) (0.008) (0.002) (0.002) (0.002) CAPEX -0.056 -0.063 0.009 0.009 0.008 (0.510) (0.855) (0.897) (0.892) (0.903) CASHFLOW -0.001 0.870*** 0.061 0.060 0.060 (0.988) (0.000) (0.148) (0.152) (0.152) DIVIDEND 0.034 0.012 0.033*** 0.033*** 0.033*** (0.122) (0.527) (0.010) (0.010) (0.010) TOP1 0.000 0.000 0.001* 0.000* 0.000* (0.480) (0.221) (0.053) (0.061) (0.061) STATE 0.090*** 0.079 0.042*** 0.042*** 0.042*** (0.000) (0.256) (0.001) (0.001) (0.001) DEEPEN -0.104*** -0.017 -0.028 -0.045** -0.044** (0.003) (0.461) (0.105) (0.019) (0.035)
Mô hình 1 Mô hình 2 Mô hình 3 Mô hình 4 Mô hình 5 CRDT_PAY -0.114 -0.272** 0.083 0.129** 0.141 (0.333) (0.021) (0.495) (0.031) (0.275) CRDT_REV -0.059 -0.047 -0.070 -0.192** -0.196* (0.427) (0.648) (0.126) (0.045) (0.059) CRDT_PAYxDEEPEN 0.029 -0.008 (0.676) (0.919) CRDT_REVxDEEPEN 0.090 0.092 (0.156) (0.174) R2 điều chỉnh 0.193 0.528 0.134 0.137 0.136
Nguồn: Tính toán của tác giả
Ghichú: *, **, *** thể hiện mức ý nghĩa 10%, 5% và 1%.
Trong mô hình (1), với nhóm doanh nghiệp thuộc các khu vực có độ sâu tài chính thấp thì hệ số của biến CRDT_PAY là -0,114 trong khi đó hệ số của biến này ở mô hình (2) với nhóm doanh nghiệp thuộc các khu vực có độ sâu tài chính cao là -0,272. Tuy nhiên, hệ số của biến CRDT_PAY trong mô hình (1) lại không có ý nghĩa thống kê. Do đó, tác giả không đủ căn cứ để có thể kết luận các doanh nghiệp thuộc khu vực có độ sâu tài chính cao hơn sẽ giảm nắm giữ tiền mặt để phục vụ cho việc thanh toán các khoản tín dụng thương mại phải trả
hơn. Ở mô hình (3), mô hình (4) và mô hình (5) tất cả hệ số của các biến tương tác giữa tín dụng thương mại và độ sâu tài chính bao gồm: biến CRDT_PAYxDEEPEN và biến CRDT_REVxDEEPEN đều không có ý nghĩa thống kê. Thêm vào đó, hệ số biến tín dụng thương mại phải trả (CRDT_PAY) ở
mô hình (3) và mô hình (5) cũng không có ý nghĩa thống kê, điều này góp phần khẳng định việc bác bỏ giả thuyết H3: các doanh nghiệp thuộc khu vực có độ sâu
tài chính cao hơn sẽ giảm nắm giữ tiền mặt để phục vụ cho việc thanh toán các khoản tín dụng thương mại phải trả hơn. Tuy nhiên, hệ số của biến tín dụng thương mại phải thu (CRDT_REV) ở cả hai mô hình (4) và (5) đều có mối quan hệ ngược chiều với nắm giữ tiền mặt của doanh nghiệp, điều này góp phần hỗ trợ
cho giả thiết H4: độ sâu tài chính góp phần tăng tỷ lệ thay thế các khoản tín dụng thương mại phải thu cho nắm giữ tiền mặt. Nhìn chung, các kết luận của tác giả
sau khi khắc phục vấn đề nội sinh về ảnh hưởng của độ sâu tài chính lên mối quan hệ giữa tín dụng thương mại và nắm giữ tiền mặt đều không thay đổi so với các kết luận ở phần 5.3.