4. Nội dung và kết quả nghiên cứu
4.2. Mô hình dữ liệu bảng động
[Bảng 7: Kết quả hồi quy của mô hình GMM về tác động của các biến giải thích lên biến phụ thuộc]
Mô hình GMM được sử dụng để khắc phục tình trạng phương sai thay đổi và tự tương quan của dữ liệu. Ngoài ra, còn được dùng để tìm ra mức độ điều chỉnh của tỷ lệ nắm giữ tiền mặt hướng tới tối ưu. Giá trị α (Hệ số của biến phụ thuộc có độ trễ CASHi,t-1) bằng 0.1188 và có ý nghĩa thống kê với mức 1%. Hệ số điều chỉnh, γ = (1-α), gần bằng 0.9, như vậy, những công ty ở Việt Nam phải điều chỉnh tỷ lệ nắm giữ tiền mặt rất lớn, họ đã chậm trễ trong việc điều chỉnh tỷ lệ tiền mặt tối ưu.
Kết quả của GMM không hoàn toàn khác với mô hình FE và RE của hồi quy bảng tĩnh. Những biến như GRT, LEV, DEMA đều có ý nghĩa thống kê trong mô hình bảng động và tương quan với CASH theo chiều như bên mô hình bảng tĩnh đã trình bày và giải thích. Ngoài ra, trong mô hình GMM còn có thêm biến CF có ý nghĩa thống kê với mức 5% và tương quan dương lên biến CASH. Những công ty với nhiều lợi nhuận thì tích lũy càng nhiều tiền mặt. Kết quả này phù hợp với Shah (2011) và Opler và cộng sự (2004), những công ty lớn có khả năng đạt được lợi nhuận nhiều hơn và có khả năng tốt hơn trong việc tích trữ tiền. Có thể tóm tắt thêm các biến có ý nghĩa thống kê trong mô hình như sau: Tốc độ tăng trưởng tài sản cao hơn thì nắm giữ tiền mặt để tránh rơi vào chi phí cơ hội càng cao. Những công ty có đòn bẩy tài chính cao hơn dẫn đến cân đối tiền mặt nhỏ hơn. Kết quả này xác định lại dự đoán của Ansic và Hey (1993). Cuối cùng, những công ty với nợ dài hạn cao thì sẽ nắm ít lại tiền mặt. Kết quả này tuân theo thuyết trật tự phân hạng, được đưa bởi Myers và Majluf (1984).
Để kiểm định tính hợp lý của mô hình GMM, em tiến hành kiểm định Sargan với giả thuyết H0 là mô hình không có sự tương quan giữa các biến công cụ và sai số. Kết quả hồi quy GMM cho ra J-statistic (17.4832) và Instrument rank (26) lớn hơn số hệ số ước lượng (11). Thống kê Sargan được phân phối như χ (p-k), trong đó, k là số hệ số ước lượng và p là instrument rank. Từ Eview, nhập lệnh tính p-value của mô hình: Scalar pval = @chisq (17.4832, 15)
Kết quả, p-value = 0.2926 > α = 0.05, chấp nhận giả thuyết H0. Như vậy mô hình GMM là phù hợp, không có sự tương quan giữa các biến công cụ với phần dư và các biến công cụ được lựa chọn là phù hợp.