Mô hình nghiên cứu cấu trúc vốn hợp lý của Công ty cổ phần tư vấn Miền Trung được tham khảo từ các nghiên cứu trong nước và nước ngoài. Công ty cổ phần tư vấn Miền Trung là đơn vị có chức năng ngành nghề chính là thết kế, thi công xây dựng các công trình dân dụng, giao thông, thủy lợi... Do đó, để nghiên cứu và vận dụng các mô hình nghiên cứu cho phù hợp tác giả thực hiện xác định các yếu tố quyết định đến cấu trúc vốn của công ty. Dó là dựa trên nền tảng nghiên cứu của Pahuja và Sahi (2012) được lựa chọn ra để làm mô hình nghiên cứu cơ sở đánh giá các yếu tố tác động đến cấu trúc vốn của Công ty cổ phần tư vấn Miền Trung như sau:
Hình 4.2: Mô hình nghiên cứu cấu trúc vốn của Công ty CP tư vấn Miền Trung
Mô hình hồi quy tuyến tính có dạng như sau:
Y = β0+ β1*X1 + β2*X2 + β3*X3 + β4*X4+ β5*X5
Biến phụ thuộc: Cấu trúc vốn (CTV):
Y: Tổng nợ /VCP;
Biến độc lập:
X1: Tài sản hữu hình (Tang);
TANG Cấu trúc vốn (TN/VCP) TT nợ ngắn hạn ROE Quy mô
X2: Chỉ số thanh toán nợ ngắn hạn (Tài sản ngắn hạn/Nợ ngắn hạn: TTN); X3: Hệ số sinh lời trên VCSH (ROE);
X4: Quy mô công ty (Size);
X5: Tăng trưởng doanh thu (Growth);
β0 : Hệ số tự do - Nó chính bằng giá trị trung bình của biến phụ thuộc Y khi biến độc lập X nhận giá trị bằng 0.
β1; β2; β3; β4; β5: Các tham số chưa biết của mô hình.
Mô hình nghiên cứu theo Pahuja và Sahi (2012) 4.3.1 Kiểm định đa cộng tuyến:
Hiện tượng đa cộng tuyến là hiện tượng các biến độc lập có quan hệ chặt chẽ với nhau ví dụ biến X1 và biến X2 gọi là có đa cộng tuyến với nhau khi đó có thể X1 sẽ được thể hiện qua biến X2 theo công thức: X1=2X2. Từ đó dẫn tới việc ước lượng hai biến X1 và X2 trong cùng một phương trình hồi quy sẽ đem lại hồi quy giả mạo khi đó mô hình biểu diễn qua cả hai biến X1 và X2 nhưng thực chất chỉ có 1 biến được đưa vào (có thể là X1 hoặc X2- (mô hình ước lượng thành 3X2 hoặc 3/2X1). Vì thế, việc loại bỏ đa cộng tuyến ra khỏi mô hình là điều rất quan trọng (bên cạnh đó nếu sử dụng trong việc dự báo thì hiện tượng đa cộng tuyến có thể bỏ qua, do không mang tính chất tìm hiểu tác động biến này lên biến kia mà tập trung vào yếu tố dự báo trong tương lai) (Gujarati, 2003).
Việc phát hiện đa cộng tuyến có thể căn cứ vào 2 chỉ số: Dựa vào ma trận tương quan hoặc kết quả hồi quy qua chỉ số VIF (Hệ số ma trận tương quan thường dùng trong việc xem xét ban đầu trước khi đưa các biến vào phân tích hồi quy, nếu dùng chỉ số VIF thì thường sử dụng khi đưa ra mô hình hồi quy phù hợp sau cùng).
Nếu hệ số tương quan giữa 2 biến độc lập lớn hơn 0,9 nghi ngờ có hiện tượng đa cộng tuyến.
Đối với chỉ số VIF (chỉ số phóng đại phương sai), nếu VIF lớn hơn 10 thì có hiện tượng đa cộng tuyến giữa các biến nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộn Ngọc, 2008). Để khắc phục chúng ta sẽ thực hiện biến đổi biến hoặc bỏ 1 trong 2
biến đi để tránh việc ước lượng không còn ý nghĩa. Đa số sẽ thực hiện loại bỏ biến do 2 biến có độc lập có quan hệ chặt chẽ với nhau do đó việc loại bỏ 1 trong 2 biến cũng không ảnh hưởng nhiều tới mô hình nghiên cứu.
4.3.2 Kiểm định thừa biến (Sử dụng tỷ lệ hàm hợp lý Likelihood Ratio-LR): LR):
Hiện tượng thừa biến trong mô hình cũng chính là việc kiểm định t-test trong hồi quy (khi hệ số beta không có ý nghĩa thống kê - giá trị P_value lớn hơn 0,05). Do vậy khi tiến hành chạy mô hình, giá trị beta có P_value lớn hơn 0,05 sẽ nghi ngờ có biến độc lập của beta đó không có tác động lên biến phụ thuộc.
Kiểm định này nhằm phát hiện và loại bỏ những biến độc lập không cần thiết trong mô hình.
Giả thiết:
Ho: Các biến nghi ngờ là không cần thiết trong mô hình; H1: Các biến nghi ngờ cần thiết trong mô hình.
Với mức ý nghĩa =5% miền bác bỏ là: F > F;(k-m,n-k) hay p-value < 0,05. Nghĩa là biến nghi ngờ thực sự cần thiết cho mô hình và không thể bỏ biến này ra khỏi mô hình.
Ngược lại nếu P_value > 0,05 ta chấp nhận giả thuyết H0: biến nghi ngờ là không cần thiết thì ta tiến hành loại bỏ biến này ra khỏi mô hình.
4.3.3 Kiểm định phương sai sai số thay đổi:
Để đạt được mô hình bền vững thì phương sai trong các thời điểm khác nhau cũng không đổi, việc phương sai tại các thời điểm là khác nhau (thay đổi theo thời gian) thì khi đó mô hình ước lượng coi là không tốt. Do vậy, để có được mô hình bền vững thì phương sai tại các thời điểm của mô hình ước lượng phải không thay đổi theo thời gian. Nguyên nhân có thể dẫn tới hiện tượng này là do bỏ xót biến quan trọng hoặc dạng mô hình là chưa phù hợp (dạng tuyến tính hoặc phi tuyến...)
Để kiểm tra xem phương sai của mô hình có thay đổi không, nghiên cứu thực hiện kiểm định Heteroskedasticity Test White.
Giả thiết:
Ho: Không có hiện tượng phương sai sai số thay đổi; H1: Có hiện tượng phương sai sai số thay đổi.
Với mức ý nghĩa =5% miền chấp nhận là: p-value > 0,05 ta chấp nhận giả thuyết Ho: Mô hình không có hiện tượng phương sai sai số thay đổi. Ngược lại nếu P_value < 0,05 ta bác bỏ giả thuyết Ho và chấp nhận giả thuyết H1: Mô hình có hiện tượng phương sai sai số thay đổi. Và việc làm của chúng ta là cần kiểm tra lại dạng hàm đã phù hợp chưa và thêm biến vào mô hình.
4.3.4 Kiểm định tự tương quan:
Hiện tương tự tương quan xảy ra do việc bỏ sót biến quan trọng khi ước lượng mô hình hồi quy, dẫn tới mô hình hồi quy sẽ không tốt do phần dư của mô hình sẽ giải thích sự thay đổi của biến phụ thuộc với tỷ lệ tương đối lớn. Và các giá trị phần dư này lại phụ thuộc lẫn nhau theo thời gian dẫn tới ước lượng chệch cho mô hình.
Kiểm định BG hoặc Durbin – Watson nhằm phát hiện hiện tượng tự tương quan giữa các nhiễu i,t.
Giả thiết:
Ho: Không có hiện tượng tự tương quan; H1: Có hiện tượng tự tương quan.
Với mức ý nghĩa =5% miền chấp nhận là: p-value > 0,05 ta chấp nhận giả thuyết Ho: Mô hình không có hiện tượng tự tương quan. Ngược lại nếu P_value < 0,05 ta bác bỏ giả thuyết Ho và chấp nhận giả thuyết H1: Mô hình có hiện tượng tự tương quan. Trong trường hợp gặp phải hiện tượng tự tương quan việc làm của chúng ta là cần thêm biến vào mô hình.
4.3.5 Kiểm định khuyết tật dựa trên biểu đồ phần dư:
Bên cạnh hai kiểm định White và BG để xem khuyết tật của mô hình, còn phương pháp đồ thị phần dư nhằm xem xét xem phần dư có phân phối chuẩn hay
không. Nếu phần dư có phân phối chuẩn thì mô hình đưa ra là bền vững không tồn tại các khuyết tật của mô hình.
Thông thường thì kết quả của đồ thị phần dư sẽ giống với kết quả kiểm định tự tương quan và kiểm định phương sai sai số thay đổi.
4.3.6 Kiểm định sự phù hợp của dạng hàm
Mỗi yếu tố kinh tế đều có dạng hàm khác nhau như dạng tuyến tính, phi tuyến, bán loga, nghịch đảo... Vì thế để đạt được dạng hàm phù hợp thì cần phải kiểm định xem xét dạng hàm đang sử dụng có phù hợp với dữ liệu hay không.
Để chắc chắn về tính chính xác của mô hình, đề tài thực hiện kiểm định sai mô hình Ramsey Reset Test.
Giả thiết:
Ho: Dạng hàm sử dụng là phù hợp; H1: Dạng hàm sử dụng là không phù hợp
Với mức ý nghĩa =5% miền chấp nhận là: p-value > 0,05 ta chấp nhận giả thuyết Ho: Mô hình có dạng hàm phù hợp. Ngược lại nếu P_value < 0,05 ta bác bỏ giả thuyết Ho và chấp nhận giả thuyết H1: Mô hình sử dụng sai dạng hàm. Và việc làm của chúng ta là cần kiểm tra lại dạng hàm cho phù hợp.
Ngoài việc loại bỏ biến nghi ngờ có đa cộng tuyến ban đầu, sau khi đưa ra kết quả mô hình cuối cùng, tác giả cũng tiến hành kiểm định đa cộng tuyến trong mô hình.
4.4. GIẢ THIẾT NGHIÊN CỨU:
Với việc tham khảo các mô hình nghiên cứu trong nước và nước ngoài. Tác giả nhận thấy mô hình nghiên cứu của Pahuja và Sahi (2012) phù hợp với điều kiện của công ty như Chỉ số thanh toán nợ ngắn hạn (LIQ), Lợi nhuận sau thuế/Vốn chủ sở hữu (ROE), Tài sản cố định hữu hình (Tang), Quy mô công ty (Size), tăng trưởng doanh thu (Growth). Đây là các biến độc lập được tác giả vận dụng để xây dựng mô hình nghiên cứu cho luận văn của mình. Và biến độc lập tỷ lệ Tổng nợ lên vốn cổ phần. Với giả thuyết biến phụ thuộc tác động ngược chiều lên biến phụ thuộc (khi các biến độc lập tăng thì biến phụ thuộc thường có xu hướng giảm và ngược lại).
Các biến được mô tả trong bảng 4.1:
Bảng 4.1: Tóm tắt các biến và dấu kỳ vọng
Tên biến Ký hiệu Dấu kỳ vọng
Cấu trúc vốn CTV
Tổng nợ/VCP Y Biến phụ thuộc
Biến độc lập:
Tài sản hữu hình X1: TANG +/- (Murray Z. Frank và Vidhan K. Goyal (2009))
Chỉ số thanh toán nợ ngắn hạn X2: TTN - (Lý thuyết trật tự phân hạng)
Lợi nhuận sau thuế/VCSH X3: ROE - (Lý thuyết trật tự phân hạng)
Quy mô công ty X4: Size + (Murray Z. Frank và Vidhan K. Goyal (2009))
Tăng trưởng doanh thu X5:Growth - ( Lý thuyết đánh đổi)
Nguồn: Tác giả tổng hợp và xây dựng
Các biến giả thuyết được thu thập dựa trên bảng báo cáo kết quả hoạt động kinh doanh và bảng cân đối kế toán của Công ty cồ phần tư vấn Miền Trung theo từng tháng giai đoạn từ năm 2008 đến năm 2013.
Do thời gian nghiên cứu và việc thu thập dữ liệu cũng còn hạn chế. Vì vậy, tác giả đã vận dụng mô hình nghiên cứu trước đây của Pahuja và Sahi (2012) để đưa ra các biến nghiên cứu nằm trong khả năng có thể ảnh hưởng đến CTV của công ty, cũng như khả năng thu thập dữ liệu của tác giả.
Tóm tắt chương 4:
Sau khi tham khảo các mô hình nghiên cứu trên thế giới cũng như trong nước, tác giả đã vận dụng các giả thuyết ban đầu với các biến độc lập và phụ thuộc cho mô hình của mình. Để đảm bảo mô hình ước lượng đưa ra có tính bền vững tác giả cần thực hiện các kiểm định khuyết tật của mô hình. Trong trường hợp mô hình không gặp phải các khuyết tật thì chúng ta có thể sử dụng mô hình đó làm mô hình ước lượng cho nghiên cứu cuối cùng. Trường hợp gặp phải một trong các khuyết tật của mô hình thì việc ước lượng sẽ không còn tin cậy nữa, do vậy cần có các biện pháp khắc phục có thể đưa thêm biến quan trọng mới hoặc thay đổi mô hình đã vận dụng sao cho phù hợp (Các kiểm định cần thiết khi kiểm tra mô hình: Kiểm định thừa biến, kiểm định phương sai sai số thay đổi, kiểm định tự tương quan, kiểm định sai dạng hàm, kiểm định đa cộng tuyến trong mô hình).
CHƯƠNG 5
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 5.1 THỐNG KÊ MÔ TẢ DỮ LIỆU:
Dữ liệu được thống kê theo tần suất, thống kê mô tả dữ liệu để từ đó có các đánh giá sơ bộ về các vấn đề liên quan tới cấu trúc vốn của Công ty cổ phần tư vấn Miền Trung. Do cấu trúc vốn của công ty sử dụng 100% nợ ngắn hạn, do vậy đại diện cho cấu trúc vốn nghiên cứu trong bài tác giả sẽ dùng Tổng nợ (ký hiệu chung là CTV). Bảng 5.1 Thống kê dữ liệu CTV Tỷ lệ GROWTH % ROE % Tổng tài sản Tỷ đồng TANG Tỷ đồng TTN Tỷ lệ Trung bình 1,238 1,02 0,00080 60,9 14,9 1,272 Lớn nhất 2,174 81,55 0,001 79,1 17,2 1,578 Nhỏ nhất 0,665 -47,18 0,000 47,6 12,5 1,098 Số quan sát 72 72 72 72 72 72
Với số quan sát là 72 tháng tương ứng với 6 năm từ năm 2008 đến 2013 cho thấy cấu trúc vốn của công ty 100% là sử dụng nợ ngắn hạn. Do vậy mà giá trị CTV của công ty sẽ được đại diện qua biến tổng nợ.
Giá trị lớn nhất và nhỏ nhất của CTV cho thấy có sự chênh lệch (giá trị lớn nhất gấp 2 lần giá trị nhỏ nhất).
Đồng thời công ty có sự tăng trưởng đầy biến động khi giá trị nhỏ nhất đạt – 47,18% và giá trị lớn nhất là 81,55%. Với giá trị trung bình của GROWTH đạt 1,02% cho thấy công ty có mức tăng trưởng không cao (chủ yếu là giảm doanh thu).
Về tổng tài sản của công ty đạt giá trị lớn nhất là 79,1 tỷ đồng và nhỏ nhất là 47,6 tỷ đồng cho thấy tài sản của công ty có sự thay đổi mạnh từ năm 2008 đến năm 2013. Đây cũng là yếu tố đại diện cho quy mô trong phần nghiên cứu tiếp theo.
Các giá trị còn lại như ROE, TANG, TTN dường như không có sự chênh lệch giữa các giá trị thống kê. Các giá trị lớn nhất, nhỏ nhất và trung bình đều ở sát nhau cho thấy sự ổn định của các yếu tố này.
5.2 ĐÁNH GIÁ MA TRẬN TƯƠNG QUAN:
Phân tích tương quan tuyến tính (tương quan Pearson) được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mô hình hồi quy. Các hệ số tương quan giữa các biến được sử dụng để lượng hóa mức độ chặt chẽ của mối quan hệ tuyến tính giữa hai biến định lượng (Hoàng Trọng, 2005). Tất cả các biến được đưa vào phân tích tương quan (kể cả biến phụ thuộc trong mô hình). Một hệ số tương quan tuyệt đối lớn chỉ ra một hiện tượng đa cộng tuyến, nghĩa là các khái niệm nghiên cứu trùng lắp với nhau và có thể chúng đang đo lường cùng một thứ (John và Benet-Martinez, 2000).
Bảng ma trận tương quan cho thấy các yếu tố đều có quan hệ với cấu trúc vốn (các hệ số đều khác 0), các hệ số tương quan giữa các biến độc lập đều nhỏ hơn 0,9 do đó khả năng xảy ra đa cộng tuyến trong mô hình bị loại bỏ.
Các hệ số tương quan giữa các biến độc lập và biến phụ thuộc lên cấu trúc vốn đều có quan hệ âm, nên có thể đánh giá sơ bộ về tác động của các yếu tố tới cấu trúc vốn của công ty là tác động ngược chiều.
Yếu tố có tương quan lớn nhất lên cấu trúc vốn là biến ROE với hệ số tương quan bằng (- 0,712); tiếp theo là TTN (-0,706), biến TANG (-0,459); thấp nhất là biến GROWTH (-0,057).
Để đánh giá các tác động của các yếu tố lên cấu trúc vốn tác giả đi phân tích hồi quy ở phần sau để được đánh giá cụ thể hơn về mục tiêu nghiên cứu của đề tài.
5.3. PHÂN TÍCH NHỮNG NHÂN TỐ ẢNH HƯỞNG ĐẾN CẤU TRÚC VỐN CỦA CÔNG TY CỔ PHẦN TƯ VẤN MIỀN TRUNG: CỦA CÔNG TY CỔ PHẦN TƯ VẤN MIỀN TRUNG:
Sau khi phân tích tương quan để kiểm định mối quan hệ giữa các biến trong mô hình, các biến được đưa vào phân tích hồi quy. Hồi quy tuyến tính thường được dùng để kiểm định và giải thích lý thuyết nhân quả (Cooper và Schindler, 2003). Ngoài chức năng là một công cụ mô tả, hồi quy tuyến tính cũng được sử dụng như một công cụ kết luận để kiểm định các giả thuyết các giá trị của tổng thể nghiên cứu. Phương trình hồi
quy tuyến tính bội được thực hiện để xác định vai trò quan trọng của từng yếu tố thành phần trong việc tác động đến cấu trúc vốn của Công ty cổ phần tư vấn Miền Trung. Phương pháp thực hiện hồi quy là phương pháp Enter được thực hành trên phần mềm EViews.
5.4.CÁC HỆ SỐ CẦN QUAN TÂM TRONG MÔ HÌNH HỒI QUY :
Sau khi chạy kết quả mô hình hồi quy ban đầu (Phụ lục 1) của tất cả các biến giả thuyết tác động lên cấu trúc vốn cho thấy các biến GROWTH, ROE, SIZE đều có giá trị P_value lớn hơn 0,05 (lấy mức ý nghĩa 5%). Tác giả tiến hành kiểm định thừa biến của mô hình.
Theo Phụ lục 2, kết quả kiểm định thừa biến với p-value bằng 0.594 lớn hơn 0.05 cho thấy việc loại bỏ 3 biến nghi ngờ không tác động lên cấu trúc vốn hoàn toàn