bất động sản
Như đã phân tích ở trên thì 5 biến có tương quan mạnh nhất với biến phụ thuộc Z cũng như có khả năng phân biệt cao nhất là ROE, ROA, EPS, Khả năng trả lãi và Tỷ suất lợi nhuận biên. Ở phần này, chúng ta tiến hành kiểm định kĩ càng hơn về 5 biến này để thành lập một hàm rút gọn và kiểm tra xem tỷ lệ đúng của mô hình mới này có chính xác hơn hay không. Các bước phân tích lần lượt là: (1) Kiểm định phương sai nhóm bằng nhau; (2) Kiểm định trung bình nhóm bằng nhau; (3) Hệ số tương quan kết cấu; (4) Hệ số Canonical chuẩn hóa; (5) Hệ số Canonical chưa chuẩn hóa; (6) Kết quả phân loại.
Kiểm định phương sai nhóm bằng nhau
Bảng 3.12: Kiểm định phương sai nhóm 5 iến chọn lọc)
Biến phụ thuộc Z
Kiểm định tổng thể phương sai của hai nhóm (Box’s M)
Giá trị F 3,982
Xác suất 0,080
Đối với 5 biến mới, giá trị F = 3,982 với giá trị xác suất là 0,080, lớn hơn mức ý nghĩa 0,05. Vì vậy, ta có đủ bằng chứng thống kê để chấp nhận giả thuyết Ho rằng tổng thể phương sai của hàm phân biệt đều bằng nhau, hay nói cách khác chúng ta kết luận được rằng phương sai các nhóm không khác nhau.
Tiếp theo, tương tự như đối với 19 biến ban đầu, để kiểm tra ý nghĩa tổng thể của hàm phân biệt được hình thành từ 5 biến, chúng ta sẽ nhìn vào bảng giá trị riêng. Chi tiết được trình bày trong bảng sau:
Bảng 3.13: Bảng giá trị riêng (5 biến chọn lọc)
Function Eigenvalue % of Variance Cumulative % Canonical Correlation
1 1,198 100 100 0,738
Nguồn: Tính toán của tác giả
Kết quả từ bảng trên cho thấy giá trị riêng là 1,198 lớn hơn 1, thể hiện khả năng phân biệt rất tốt của hàm mới thành lập và nó chiếm tới 100% phương sai giải thích được nguyên nhân. Ngoài ra, giá trị của hệ số tương quan giữa biến phụ thuộc Z và các biến mới chọn lọc là 0,738. Đây là giá trị khá cao khi giá trị tương quan hoàn hảo là 1,000. Bình phương của hệ số này, (0,738)2 = 0,5446, cho thấy 54,46% phương sai của biến phụ thuộc (điểm số Z) được giải thích bởi mô hình này. Điều này chứng tỏ hàm mới thành lập cũng có khả năng phân biệt tốt.
Kiểm định trung bình nhóm bằng nhau
Như đã đề cập, nếu hàm phân biệt không có ý nghĩa về mặt thống kê thì không thể tiến hành giải thích kết quả có được từ phân tích. Chính vì vậy, để kiểm định ý nghĩa thống kê của hàm phân biệt mới được ước lượng, chúng ta tiến hành phân tích bảng giá trị Wilks’ Lambda. Bảng 3.14 cung cấp kết quả kiểm định mức ý nghĩa của hàm phân biệt mới, đồng thời cung cấp thông tin về tỷ lệ phương sai mà mô hình mới này chưa giải thích được. Tóm tắt các thông tin cần thiết từ kết quả kiểm định trên SPSS được trình bày trong bảng dưới đây:
Bảng 3.14: Kết quả kiểm định trung bình nhóm (5 biến chọn lọc)
Biến phụ thuộc Z
Kiểm định tổng thể trung bình của hàm phân biệt (Wilk’s Lambda)
Giá trị Wilk’s Lambda 0,455
Xác suất 0,000
Bảng kết quả kiểm định tổng thể trung bình của hàm phân biệt cho giá trị Wilk’s Lambda là 0,455, tức là có 45,50% phương sai của biến phụ thuộc Z chưa thể giải thích được bằng mô hình mới. Điều này phù hợp với kết quả từ Bảng giá trị riêng (Bảng 3.13) vừa được đề cập phía trên. Bên cạnh đó, bảng cũng cho thấy giá trị xác suất bằng 0,000, nhỏ hơn rất nhiều so với mức ý nghĩa 0,05. Vì vậy, ta có đủ bằng chứng thống kê để bác bỏ giả thuyết Ho rằng tổng thể trung bình của hàm phân biệt đều bằng nhau, hay nói cách khác chúng ta kết luận được rằng trung bình các nhóm có sự phân biệt đáng kể. Và khi giả thuyết tổng thể trung bình của hàm phân biệt đều bằng nhau bị bác bỏ tức là hàm phân biệt có ý nghĩa thống kê, chúng ta có thể tiếp tục tiến hành giải thích kết quả phân tích có được.
Hệ số tương quan ết cấu
Ở phần trên, chúng ta đã chứng minh được hàm phân biệt mới có ý nghĩa về mặt thống kê. Vì vậy, bước tiếp theo, nghiên cứu sẽ tiến hành giải thích kết quả thu được từ phân tích biệt số bằng hệ số tương quan kết cấu để xem xét mối tương quan giữa các biến mới chọn lọc với hàm phân biệt mới.
Bảng 3.15: Giá trị hệ số tương quan ết cấu (5 biến chọn lọc)
Chỉ tiêu Hệ số tương quan
Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) 0,921
Tỷ suất lợi nhuận trên tổng tài sản (ROA) 0,869
Thu nhập trên mỗi cổ phần (EPS) 0,583
Tỷ suất lợi nhuận gộp biên 0,363
Khả năng trả lãi 0,308
Nguồn: Tính toán của tác giả
Bảng hệ số tương quan kết cấu trên được sắp xếp theo thứ tự giảm dần giá trị tuyệt đối của các biến độc lập. Hệ số tương quan kết cấu của năm biến trên đều có giá trị dương, chứng tỏ tất cả năm biến có mối quan hệ cùng chiều với biến phụ thuộc Z. Các tỷ số tài chính có hệ số tương quan lớn nhất là ROE, ROA và EPS với giá trị lần lượt là 0,921; 0,869, và 0,583. Chúng ta có thể nói ba biến này có khả năng phân biệt khá tốt đối với hàm phân biệt mới. Mặt khác, Tỷ suất lợi nhuận gộp biên và Khả năng trả lãi đều có giá trị nhỏ hơn. Vì vậy, hai biến này có khả năng phân biệt yếu hơn.
Hệ số Canonical chuẩn hóa
Như đã đề cập trong phần 3.2.5, hệ số Canonical chuẩn hóa thể hiện tầm quan trọng của các biến thông qua độ lớn tuyệt đối của hệ số chuẩn hóa của từng biến. Với năm biến mới, giá trị hệ số Canonical chuẩn hóa được trình bày trong bảng 3.16 sau:
Bảng 3.16: Giá trị hệ số Canonical chuẩn hóa (5 biến chọn lọc) Chỉ tiêu Giá trị chuẩn hóa
Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) 0,662
Tỷ suất lợi nhuận trên tổng tài sản (ROA) 0,469
Thu nhập trên mỗi cổ phần (EPS) 0,065
Tỷ suất lợi nhuận gộp biên 0,123
Khả năng trả lãi -0,256
Nguồn: Tính toán của tác giả
Chúng ta đã biết hệ số Canonical chuẩn hóa có ý nghĩa tương tự như hệ số beta chuẩn hóa trong phân tích hồi quy. Hệ số Beta đã chuẩn hóa phản ánh lượng biến thiên của độ lệch chuẩn của Y khi một đơn vị độ lệch chuẩn của X thay đổi. Chính vì vậy, đơn vị của hệ số chuẩn hóa của tất cả các biến đều là tỷ lệ phần trăm. Tuy nhiên, trong nghiên cứu này, như đã phân tích trong phần 3.2.5, hệ số Canonical chuẩn hóa sẽ không phù hợp để xây dựng hàm phân biệt.
Hệ số Can nical chưa chuẩn hóa
Tương tự như hệ số Canonical chuẩn hóa, các hệ số Canonical chưa chuẩn hóa cho biết phần đóng góp của mỗi biến độc lập vào chức năng phân biệt của hàm tổng thể. Các hệ số này có thể được sử dụng để đánh giá những đóng góp đặc biệt của mỗi biến và vì vậy, có thể cung cấp thông tin về tầm quan trọng tương đối của mỗi biến. Hệ số này có thể được hiểu tương tự như hệ số beta chưa chuẩn hóa trong phương trình hồi quy đa biến. Hệ số beta chưa chuẩn hóa phản ánh lượng biến thiên của Y khi một đơn vị X thay đổi. Nói cách khác, hệ số beta chưa chuẩn hóa là kết quả của việc giải phương trình hồi quy mà các biến được giữ nguyên giá trị thô.
Vì hệ số Canonical chưa chuẩn hóa cũng có ý nghĩa như hệ số Beta chưa chuẩn hóa trong việc giữ nguyên các giá trị thô của biến để tính toán, nghiên cứu sẽ tiến hành xây dựng hàm phân biệt mới trên cơ sở hệ số này. Chi tiết được trình bày trong bảng:
Bảng 3.17: Giá trị hệ số Can nical chưa chuẩn hóa (5 biến chọn lọc)
Chỉ tiêu Giá trị chưa chuẩn hóa
Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) 7,398
Tỷ suất lợi nhuận trên tổng tài sản (ROA) 14,080
Thu nhập trên mỗi cổ phần (EPS) 0,000
Tỷ suất lợi nhuận gộp biên 0,000
Khả năng trả lãi 0,576
Constant -1,788
Nguồn: Tính toán của tác giả
Hàm phân biệt mới được xây dựng có dạng:
Z = 7,398X1 + 14,080X2 + 0,000X3 + 0.000X4 + 0,576X5 + (-1.788) (3)
Phương trình trên được viết gọn lại như sau:
Z = 7,398X1 + 14,080X2 + 0,576X5 – 1,788 (4)
Trong đó: X1 = ROE; X2 = ROA; X3 = EPS; X4 = Tỷ suất lợi nhuận gộp biên; X5 = Khả năng trả lãi.
Các hệ số này là hệ số từng phần, phản ánh sự đóng góp của mỗi biến độc lập để phân biệt biến phụ thuộc (Burns, 2008). Do đó, từ hàm trên ta có thể thấy rằng ROE, ROA và Khả năng trả lãi có tác động tích cực tới điểm số Z của doanh nghiệp. Ví dụ, khi khả năng trả lãi tăng lên 1 đơn vị thì điểm Z sẽ tăng 0,576 lần. Cũng cần lưu ý rằng hệ số -1,788 ở đây không có ý nghĩa về mặt kinh tế; nó chỉ đóng vai trò như một hệ số chặn trong hàm hồi quy bình thường, nó chỉ là một kỹ thuật để tiếp cận phương trình phi chuẩn hóa.
Ngoài ra, chúng ta nhận thấy ở phương trình rút gọn, có 2 biến có hệ số Canonical chưa chuẩn hóa là 0,000 là EPS và Tỷ suất lợi nhuận gộp biên. Để đơn giản, chúng ta sẽ áp dụng phương trình chỉ còn lại 3 biến. Vì vậy, việc tính toán điểm sẽ đơn giản hơn rất nhiều với 3 biến còn lại. Ở phần tiếp theo, chúng ta sẽ tiến hành tính toán điểm số Z cho từng doanh nghiệp trong mẫu bằng phương trình vừa tìm được.
Kết quả phân loại
Sau khi hoàn tất việc tính điểm Z cho từng doanh nghiệp, chúng ta có được kết quả với 21 doanh nghiệp với điểm số lớn hơn 0, và 27 doanh nghiệp còn lại với điểm số âm. Các doanh nghiệp sẽ được phân loại vào hai nhóm dựa trên điểm số vừa tính toán và dựa vào điểm phân biệt hay điểm cắt (cutting point). Phương pháp tính toán điểm cắt đã được đề cập trong mục 2.3.1 ở phần cơ sở lý luận.
Trong nghiên cứu này, biệt số trung bình nhóm (group centroid) của hai nhóm là bằng nhau về độ lớn nhưng mang dấu ngược nhau, hay nói cách khác là đối xứng nhau qua số 0 (Chi tiết tại phụ lục 2). Bên cạnh đó, số lượng mẫu trong hai nhóm là bằng nhau, mỗi nhóm có 24 mẫu nên điểm phân biệt sẽ là trung bình cộng giản đơn của hai biệt số trung bình nhóm, hay cũng chính là bằng 0. Các nhóm sau đó sẽ được tiến hành kiểm tra bằng cách so sánh điểm số có được với điểm 0. Điểm số cho từng doanh nghiệp được trình bày chi tiết tại phụ lục 3.
Bảng 3.18: Kết quả phân loại của hàm phân biệt mới
Nhóm Tổng 0 1 Mẫu ban đầu Số lượng 0 22 2 24 1 5 19 24 % 0 92 8 100 1 21 79 100 Kiểm tra chéo Số lượng 0 22 2 24 1 6 18 24 % 0 92 8 100 1 25 75 100
Nguồn: Tính toán của tác giả
Từ bảng kết quả phân loại, chúng ta có thể thấy có 5 trường hợp doanh nghiệp nhóm “Tốt” bị phân loại vào nhóm “Xấu”, tương đương với tỷ lệ lỗi loại này là khoảng 21%. Ngoài ra, có 2 trường hợp doanh nghiệp ở nhóm “Xấu” bị phân loại vào nhóm “Tốt”, tương ứng với tỷ lệ sai chỉ khoảng 4%. Khi các doanh nghiệp được phân loại bằng hàm (2) thì 100% trường hợp đều được phân loại đúng. Với mẫu ban đầu thì hàm (4) chỉ phân loại đúng 85% tổng số doanh nghiệp. Tuy nhiên, một điều đáng chú
ý ở kết quả của mô hình mới là tỷ lệ phân loại đúng của phương trình phân biệt mới là 83%, cao hơn so với kết quả kiểm tra chéo đạt được từ phương trình (2) là 79%.
Khi phân loại ngẫu nhiên một doanh nghiệp mới vào một trong hai nhóm, ta có tỷ lệ đúng là 50%. Kết quả nghiên cứu giúp ta cải thiện độ chính xác của việc phân loại ngẫu nhiên lên đến 33%. Trong thực tế, khả năng phân biệt chỉ cần được cải thiện lên 25% là chấp nhận được (Hoàng Trọng, 2008). Chính vì thế, ta có thể kết luận hàm phân loại (4) là tốt hơn hàm (2).
Tóm lại, chương 3 đã trình bày đầy đủ các bước từ thiết lập mô hình và giả thuyết nghiên cứu đến phân tích kết quả nghiên cứu. Trong chương 4 tiếp theo, kết luận về mô hình và kết quả nghiên cứu đã thực hiện ở chương 3 sẽ được rút ra, cùng với những ưu điểm và hạn chế trong quá trình thực hiện nghiên cứu. Bên cạnh đó, chương 4 sẽ nêu một số đề xuất và kiến nghị cho các cơ quan quản lý nhà nước để thực hiện chấm điểm và phân loại doanh nghiệp cũng như đề xuất một số hướng nghiên cứu cho các nghiên cứu sau này.
Chương 4 sẽ tóm tắt nội dung chính trong khóa luận và kết quả nghiên cứu đã thực hiện ở chương 3. Trên cơ sở đó, đề xuất một số kiến nghị với các cơ quan quản lý nhà nước về việc đánh giá và phân loại các ngân hàng. Trong chương này cũng nêu rõ những ưu điểm và hạn chế trong quá trình thực hiện nghiên cứu từ các bước cơ bản nhất là xây dựng mô hình, thu thập dữ liệu. Đồng thời, chương cũng đề ra các hướng nghiên cứu tiếp theo cho các nghiên cứu thực hiện sau này.