Để xác định tác động quản trị vốn lưu động đến khả năng sinh lợi của các doanh nghiệp vật liệu xây dựng, thì dữliệuđược thu thập là dữliệu thứcấp của các công ty. Dữliệu cho nghiên cứu nàyđược thu thập từcác công ty vật liệu xây dựng niêm yết trên thị trường chứng khoán Việt Nam. Dữ liệu được lấy từ bảng cân đối
Xác định vấn đề nghiên cứu Mục tiêu nghiên cứu Cơsở lý thuyết về WCM và hiệu
quả của công ty
Xây dựng các giả thuyết nghiên cứu
Xây dựng mô hình nghiên cứu
Thu thập dữ liệu của các công ty VLXD trên TTCK Việt Nam
Xử lý số liệu và phân tích dữ liệu Kết luận và khuyến nghị
kế toán, báo cáo kết quả kinh doanh, báo cáo thường niên của các công ty của ngành vật liệu xây dựng.
Mẫu nghiên cứu bao gồm 49 công ty trong tổng số 53 công ty vật liệu xây dựng. Có 3 công ty (công ty cổ phần gạch ngói Kiên Giang, công ty cổ phần phát triển nhà và sản xuất VLXD Chí Linh, công ty cổ phần bê tông và xây dựng vinaconex Xuân Mai) bị loại ra khỏi mẫu nghiên cứu là do năm 2013 rời khỏi sàn giao dịch chứng khoán Việt Nam và 1 công ty (công ty cổ phần bê tông Biên Hòa) có vốn chủsở hữu bị âm. Giai đoạn nghiên cứu là5 năm bắt đầu từ2009đến 2013. Tổng cộng có 231 quan sát là do trong nghiên cứu này sử dụng dữ liệu bảng không cân có nghĩa là trong tập dữ liệu quan sát có công ty thamgia TTCK chậm hơn hoặc rời khỏi TTCK sớm hơn khoảng thời gian nghiên cứu.
Dữ liệu dùng cho nghiên cứu là loại dữ liệu bảng: Dữ liệu bảng là sự kết hợp của dữ liệu chéo và chuỗi thời gian. Dữ liệu bảng có lợi ích cụ thể là nó giả định rằng các công ty khác nhau là không đồng nhất trong tựnhiên tức là có những yếu tố khác nhau, nó cũng xem xét sự thay đổi trong dữ liệu, do đó nó hiệu quả hơn phương pháp dữ liệu chéo (Baltagi, 2001). Dữ liệu bảng cũng cung cấp một giải pháp cho tính không đồng nhất trong quan sát đó là một vấn đề phổ biến trong dữ liệu chéo và dữ liệu bảng có thể dễ dàng xử lý số lượng lớn các quan sát (Dougherty, 2011). Vì vậy, phương pháp dữ liệu bảng được sử dụng trong nghiên cứu này.
Các mô hình hồi quy dữ liệu bảng được thực hiện trong nghiên cứu này gồm: Pooled OLS model–mô hình gộp, Fixed effects model (FEM)- mô hìnhảnh hưởng cố định và Random effects model (REM)–mô hìnhảnh hưởngngẫu nhiên.
Sau đó dùng kiểm định F để so sánh giữa mô hình hồi quy pooled OLS và fixed effects, dùng kiểm định Breusch and Pagan Lagrange- multiplier để so sánh mô hình hồi quy REM và pooled OLS. Dùng kiểm định Hausman so sánh mô hình REM và FEM để chọn mô hình tốt nhất và phân tích kết quả hồi quy thu được (Gujarati, 2004).
Mô hình Pooled OLS:
Mô hình gộp OLS là mô hìnhđược hồi quy bằng cách sử dụng tất cả dữ liệu xếp chồng không phân biệt từng cá thể, đơn vị chéo. Các cá thể trong bài nghiên
cứu này là công ty. Tức là mô hình này sử dụng dữ liệu như một phân tích OLS bình thường. Với từng cá thể, mỗi sai số là ảnh hưởng của yếu tố không quan sát được và không thay đổi theo thời gian và đặc trưng cho mỗi cá thể. Do đó mô hình này có thể bỏ qua những khác biệt giữa các cá thể, giữa các thời gian quan sát (Gujarati, 2004).
Mô hình ảnh hưởng cố định (Fixed effects model –FEM):
Với giả định mỗi quan sát chéo đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, FEM phân tích mối tương quan này giữa phần dưcủa mỗi quan sát chéo với các biến giải thích qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt của mỗi doanh nghiệp không thể quan sát (không đổi theo thời gian)ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực của biến giải thích lên biến phụ thuộc(Gujarati, 2004).
Mô hình ảnh hưởng ngẫu nhiên (Random effects model –REM)
Điểm khác biệt giữa mô hình ảnh hưởng ngẫu nhiên và mô hình ảnh hưởng cố định được thể hiện ở sự biến động giữa các quan sát chéo. Nếu sự biến động giữa các quan sát chéo có tương quan đến biến độc lập, biến giải thích trong mô hìnhảnh hưởng cố định thì trong mô hình ảnh hưởng ngẫu nhiên sự biến động giữa các quan sát chéo được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích. Chính vì vậy, nếu sự khác biệt giữa các quan sát chéo có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM. Trong đó, phần dư của mỗi quan sát chéo (không tương quan với biến giải thích) được xem là một biến giải thích mới(Gujarati, 2004).