d. Phân tích ANOVA: Để xác định ảnh hưởng của các biến định tính cho mức độ CBTT Phân tích phương sai là một bộ sưu tập các mô hình thống
4.2.2. Phân tích mối quan hệ giữa các biển trong mô hình
Phân tích tương quan đã được tiến hành cho 14 biến, bao gồm: 1 biến phụ thuộc là mức độ CBTT và 13 biến độc lập là Quy mô doanh nghiệp, Đòn bẩy tài chính, ROE, ROA, Khả năng thanh toán hiện hành, Kiểm toán độc lập, Tài sản cố định, Số công ty con, Tỉ lệ thành viên HĐQT không điều hành doanh nghiệp, Kích cỡ HĐQT, Ban kiểm soát, Tỉ lệ sở hữu nhà nước, Tỉ lệ sở hữu nước ngoài. Nếu giá trị tuyệt đối của hệ số tương quan Pearson tiến gần đến 1 thì 2 biến được xét có mối quan hệ tuyến tính chặt chẽ. Khi xem xét mối tương quan giữa các biến trong mô hình, ta đồng thời xem xét mối quan hệ giữa biến phụ thuộc với các biến độc lập và giữa các biến độc lập với nhau:
• Mối tương quan giữa biến phụ thuộc và các biến độc lập:
Thông qua kiểm định Pearson, ta không thể tìm thấy một mối quan hệ nào có chỉ số Pearson nổi trội, giá trị lớn nhất chỉ khoảng 0.301(ứng với biến ROA), tiếp đến là 0.261 (ứng với biến Quy mô doanh nghiệp). Điều này ám chỉ rằng không có một dấu hiệu rõ ràng nào về các nhân tố ảnh hưởng đến mức độ CBTT; vì vậy chúng ta cần thận trọng khi xem xét vấn đề.
• Mối tương quan giữa các biến độc lập:
Khi xem xét mối tương quan giữa các biến độc lập trong mô hình, ta nhận thấy một số điểm đáng chú ý như sau:
- Các biến quan sát thuộc cùng một nhóm nhân tố có mối quan hệ chặt chẽ với nhau. Ví dụ, 2 biến độc lập là ROA và ROE thuộc cùng nhóm nhân tố về Khả năng sinh lời có hệ số tương quan tướng đối cao là 0.63 (với mức ý nghĩa 0.05%)
- Trong các biến độc lập quan sát thuộc các nhóm nhân tố khác nhau thì 2 biến Số công ty con và Quy mô doanh nghiệp có mối tương quan khá chặt chẽ, với hệ số tương quan rất cáo là 0.866. Thực tế đã chứng minh, các doanh nghiệp càng có nhiều công ty con thì càng nhiều tài sản và doanh thu. Bên cạnh đó, hệ số tương quan rất cao là 0.866 có thể dẫn đến giả thiết về sự tồn tại của đa cộng tuyến giữa các biến độc lập trong mô hình. Để kiểm tra giả
thiết này, chúng ta tiến hành kiểm định VIF. Theo đó, chỉ những biến có VIF > 5 mới dẫn đến đa cộng tuyến, và vì vậy gần như không có ý nghĩa với mô hình nữa.
Bảng 4.5: Kiểm định đa cộng tuyến
Model
Correlations Collinearity Statistics Zero-order Partial Part Tolerance VIF (Constant)
Quy mô doanh nghiệp 0.216 0.342 0.313 0.212 4.716 Đòn bẩy tài chính -0.006 -0.018 -0.016 0.753 1.329
ROE 0.173 0.034 0.029 0.481 2.078
ROA 0.301 0.251 0.223 0.487 2.052
Khả năng thanh toán hiện hành -0.009 -0.008 -0.069 0.823 1.216 Kiểm toán độc lập 0.031 -0.034 -0.030 0.825 1.212 Tài sản cố định 0.037 -0.065 -0.056 0.701 1.426 Số công ty con 0.110 -0.0219 -0.193 0.188 5.331 Tỉ lệ thành viên HĐQT không điều hành 0.001 -0.059 -0.051 0.630 1.586 Kích cỡ HĐQT 0.105 -0.146 0.127 0.540 1.853
Ban kiểm soát 0.008 -0.016 -0.014 0.801 1.248
Tỉ lệ sở hữu Nhà nước 0.131 0.101 0.087 0.820 1.220 Tỉ lệ sở hữu nước ngoài -0.141 -0.197 -0.173 0.686 1.458
Từ kết quả của bảng trên, có thể thấy rằng trong tất cả các biến độc lập, chỉ có duy nhất biến Số công ty con có giá trị VIF > 5. Từ đó khẳng định giả thiết về sự tồn tại của đa cộng tuyến trong mô hình là đúng. Tuy nhiên, sự tồn tại của biến Số công ty con không ảnh hưởng quá nhiều đến kết quả cuối cùng của mô hình và nó vẫn thống nhất với kết quả kiểm định Pearson về ý nghĩa thống kê của biến này nên nó vẫn được giữ lại trong mô hình.