Trong phần này, kết quả nghiên cứu được trình bày theo 3 bước tương ứng với phương pháp nghiên cứu đã nêu ở trên:
Bước 1: Lựa chọn những biến có ý nghĩa trong mô hình.
Bước 2: Xây dựng mô hình M-score phù hợp dựa trên dữ liệu ngành xây dựng 2013 – 2015.
Bước 3: Ước lượng ngưỡng giá trị phù hợp để phân loại các công ty sai phạm báo cáo tài chính đồng thời xác định tính chính xác của mô hình qua dữ liệu ngành xây dựng 2016.
Mô hình nhận diện sai pham báo cáo tài chính đã được xây dựng như trên gồm có:
- Biến phụ thuộc là biến ngẫu nhiên rời rạc có thể nhận giá trị 1 hoặc 0 tương ứng với có sai phạm và không sai phạm báo cáo tài chính.
- 5 biến độc lập dựa trên nghiên cứu M-score của Beneish về nhận diện sai phạm báo cáo tài chính và thêm biến DA để phù hợp với tính hình Việt Nam các chế độ kế toán còn lỏng lẻo và các công ty ngành xây dựng là các công ty nhỏ hơn so với khu vực.
Mô hình logistic để nhận diện sai phạm báo cáo tài chính ngành xây dựng Việt Nam - với các biến đã trình bày ở trên, có dạng như sau:
M = β0 +β1(GMI) +β2(SGI) +β3(SGAI) +β4(DSRI) +β5 (TATA) +β6 (DA) (1)
Bảng 4.3 Kết quả mô hình hồi quy logistic (1)
Hệ số Bêta Giá trị Mức ý nghĩa Mô hình (Coef) Sai số chuẩn(Std.Err) tstat (z) (p>IzI)
Hằng số 1,168979 1,255699 0,93 0.352 GMI 0,178881 0,2209307 0,81 0,418 SGI -1,108232 0,6775471 -1,64 0,102 SGAI -0,2828698 0,4471667 -0,63 0,527 DSRI -0,4509398 0,4136313 -1,09 0,276 T ATA -0,8145813 0,529683 -1,54 0,124 DA 0,9638427 0,441783 2,18 0,029 Log likelihood = - Frob >chi2 0.0495 66,993078 Pseudo R2 0.0861
Nguồn: Kết quả từ phần mềm STATA 13
Kết quả chạy hồi quy logistic nhị phân mô hình (1) trên phần mềm Stata được trình bày ở Bảng 4.3. Theo thông tin ở Bảng 4.3, kiểm định Chi – bình phương cho thấy độ phù hợp tổng quát của mô hình, Chi – bình phương = 12,62 với Frob > Chi2 = 0,0495 các yếu tố trong mô hình có tác động đến khả năng gian lận BCTC . Hệ số Pseudo R2 = 0,0861 có nghĩa là 8,61% biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình. Mặt khác với Log likehood = -66,993078 không cao lắm và khả năng dự đoán khá cao của mô hình cho thấy sự phù hợp khá tốt của mô hình phân tích. Hơn nữa, nhiều yếu tố trong mô hình ảnh hưởng ở mức có ý nghĩa thống kê.
Kết quả hồi quy của mô hình cho thấy trong số 6 biến giải thích có biến SGI- tỷ số tăng trưởng doanh số bán hàng, có ý nghĩa thống kê với mức 10% hệ số của biến này lần lượt là -1,108232 và biến DA- tỷ số biến kế toán dồn tích có thể điều chỉnh có mức ý nghĩa thống kê 5% với hệ số góc 0,9638427. Biến TATA có ý nghĩa thống kê ở mức 15%. Các biến còn lại trong mô hình của Beneish không có ý nghĩa thống kê ở mức 15%.
Tỷ số tăng trưởng doanh số bán hàng, với mức ý nghĩa thống kê 10%, với β2= -1,108232 cũng cho thấy mối tương quan nghịch giữa biến Tỷ số tăng trưởng doanh số bán hàng và khả năng gian lận BCTC. Cho thấy nếu các yếu tố khác không đổi, khitỷ số tăng trưởng doanh số bán hàng sẽ làm giảmkhả năng gian lận BCTC.
hệ số góc 0,9638427, cho thấy mối tương quan thuận giữa biến tỷ số biến kế toán dồn tích có thể điều chỉnh và khả năng gian lận BCTC. Khi tỷ số biến kế toán dồn tích có thể điều chỉnh tăng đồng thời làm khả năng gian lận BCTC củng tăng.
Theo kết quả tính toán phần trước, các biến trong mô hình không tương quan lẫn nhau. Như vậy ta có thể chấp nhận kết quả những biến có thể giải thích cho M gồm có; SGI, DA; Với các biến này thực hiện hồi quy để xác định mô hình mới gồm tất cả các biến đều có ý nghĩa giải thích cho mô hình.
Kết quả của bước 1: các biến được lựa chọn là SGI, DA.
Bước 2: Xây dựng mô hình M-score phù hợp dựa trên dữ liệu ngành xây dựng 2013 – 2015.
Từ hai biến SGI, DA được xác định có ý nghĩa ở trên, xây dựng mô hình logistic gồm:
- Biến phụ thuộc là biến giả M nhận giá trị 1 khi có sai phạm và 0 khi không có sai phạm.
- Biến độc lập là 2 biến: SGI – tỷ số tăng trưởng doanh số bán hàng, DA – tỷ số biến kế toán dồn tích có thể điều chỉnh (Discretionary Accruals).
Mô hình có dạng:
M = β0 +β1(SGI) +β2(DA) (2)
Ước lượng mô hình (2) bằng phần mềm STATA 13 ta được:
Bảng 4.4 Kết quả mô hình hồi quy logistic (2)
Hệ số Bêta Giá trị Mức ý nghĩa Mô hình (Coef) Sai số chuẩn(Std.Err) tstat (z) (p>IzI)
Hằng số 1,168979 1,255699 0,93 0.352 SGI -0,9011911 0,5079251 -1,77 0,076
DA 0,9532511 0,4278473 2,23 0,026
Prob >chi2 0.0260 Log likelihood = - 69,654967
Pseudo R2 0.0498
Nguồn: Kết quả từ phần mềm STATA 13
Kết quả chạy hồi quy logistic nhị phân mô hình (2) trên phần mềm Stata được trình bày ở Bảng 4.4. Theo thông tin ở Bảng 4.4, kiểm định Chi – bình phương cho thấy độ phù hợp tổng quát của mô hình, Chi – bình phương = 7,30 với Prob > Chi2 = 0,0260 các yếu tố trong mô hình có tác động đến khả năng gian lận BCTC . Hệ số Pseudo R2 = 0,0498 có nghĩa là 4,98% biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.Hơn nữa, nhiều yếu tố trong mô hình ảnh hưởng ở mức có ý nghĩa thống kê.
Kết quả hồi quy của mô hình cho thấy cả 2 biến đều có ý nghĩa thống kê, SGI có ý nghĩa thống kê với mức 10% với hệ số góc là -0,9011911 và và DA với mứcý nghĩa 5% hệ số góc là 0,9532511. Vì cả mô hình chứa cả 2 biến đều có ý nghĩa thống kê nên có thể kết luận đây là mô hình phù hợp để nhận diện sai phạm báo cáo ngành xây dựng niêm yết tại Việt Nam.
Kết quả bước 2: Mô hình nhận diện sai phạm báo cáo tài chính ngành xây dựng :
M = 0,0229031 – 0,9011911 (SGI) + 0,9532511 (DA) (2)
Hệ số góc của biến SGI bằng – 0,9011911 và có ý nghĩa thống kê ở mức 10%, Đây là biến có hệ số góc trái với kỳ vọng ban đầu. Có nghĩa là tăng trưởng doanh thu tăng thì khả năng sai phạm giảm. Điều này có thể được giải thíchbằng nghiên cứu “Are Financing Needs a Constraint to Earnings Management? Evidence for Private
Portuguese Firms”của José A. C. Moreira (2006). Trong nghiên cứu, Moreira nhận
định rằng có mối qua hệ chặt chẽ giữa
hệthốngkếtoánvàthuế:cácưuđãithuếlàđộngcơkhiếndoanhnghiệpcốý làm giảm doanh thu.
Tuy nhiên động cơ này chỉ xuất hiện trong trường hợp doanh nghiệp không có nhu cầu tài chính cao, bởi giảm doanh thu đồng nghĩa cổ phiếu doanh nghiệp giảm sức hấp dẫn trong mắt các nhà đầu tư hay ngân hàng sẽ cân nhắc việc cho vay. Như vậy, lý do khiến tăng trưởng doanh thu nghịch chiều với khả năng gian lận báo cáo tài chính có thể là các doanh nghiệp ngành xây dựng Việt Nam không có nhu cầu vốnlớn.
Hệ số góc của biến DA bằng 0,9532511 và có ý nghĩa thống kê ở mức 5%. Điều này phù hợp với kỳ vọng về dấu của hệ số trong mô hình đã trình bày ở chương trước. Cho thấy hai giả định (1) sự thay đổi do tăng trưởng và (2) sự thay đổi do lựa chọn kế toán của tổ chức phát triển được thỏa mãn thì phần biến kế toán có thể điều chỉnh (DA) chính là lợi nhuận được điều chỉnh. Như vậy, DA có mối quan hệ thuận chiều với xác suất xảy ra sai phạm báo cáo tài chính.
Vậy các nhân tố ảnh hưởng đến khả năng sai phạm báo cáo tài chính của công ty là:, tỷ lệ tăng trưởng doanh thu – SGI và biến kế toán có thể điều chỉnh DA. Trong hainhân tố ảnh hưởng, chỉ có biến kế toán có thể điều chỉnh DA có chiều ảnh hưởng giống như kỳ vọng ban đầu. Còn lại là SGI ảnh hưởng nghịch chiều đến khả năng sai phạm báo cáo tài chính của các công ty ngành xây dựng.
Bước 3: Ước lượng ngưỡng giá trị phù hợp để phân loại các công ty sai phạm báo cáo tài chính đồng thời xác định tính chính xác của mô hình qua dữ liệu ngành xây dựng 2016.
Nghiên cứu gốc, Beneish đã xác định từ 1 - 2,5% miền phân phối bên trái của phân phối chuẩn Mt tương ứng với khả năng sai phạm báo cáo tài chính cao. Tương ứng với tỷ lệ này là giá trị phân loại -1,96 cho tới -2,32. Công ty có M nằm trong khoảng này thì được đánh dấu là có dấu hiệu sai phạm và ngược lại.
Bởi vì có sự khác biệt giữa Việt Nam và Mỹ - nơi mô hình M-score của Beneish (1999) được ra đời nên cần xác định một giá trị ngưỡng mới để phù hợp với thực trạng ngành xây dựng ở Việt Nam.
Vận dụng mô hình M-score của nghiên cứu “ Nhận diện sai phạm báo cáo tài chính ngành nguyên vật liệu 2015” ở Việt Nam. Ngưỡng xác suất được lựa chọn là 1% đến 20% miền phân phối, ứng với giá trị phân loại(-2.32 ; -0,84). Tại giá trị này độ chính xác của mô hình là cao nhất cho phép nhận diện chính xác 79,68% báo cáo tài chính sai lệch theo kết quả kiểm toán.
Bảng 4.5 Kiểm định mô hình (2) theo kết quả kiểm toán năm 2016
Sai phạm Kết quả M
MCK Sàn Tên công ty theo kết tính
quả kiểm theo mô
tóan hình
BCI HOSE CTCP Đầu Tư Xây Dựng Bình Chánh 0 -2.12309
C32 HOSE CTCP Đầu Tư Xây Dựng 3-2 0 -0.85115
C47 HOSE CTCP Xây Dựng 47 0 -0.85151
CDC HOSE CTCP Chương Dương 1 -0.86584
CCL HOSE CTCP Đầu Tư & Phát Triển Đô Thị Dầu Khí Cửu 1 -2.03027
Long
CTD HOSE CTCP Xây Dựng Coteccons 0 -1.28903
DIG HOSE TCT Cổ Phần Đầu Tư Phát triển Xây Dựng 1 -1.81741
DXG HOSE CTCP DV & XD Địa Ốc Đất Xanh 1 -1.32559
HBC HOSE CTCP XD & KD Địa Ốc Hòa Bình 0 -1.81230
HU3 HOSE CTCP Đầu Tư & Xây Dựng HUD3 0 -0.75705
PTC HOSE CTCP Đầu Tư & Xây Dựng Bưu Điện 1 -1.96963
SC5 HOSE CTCP Xây Dựng Số 5 0 -0.65930
THG HOSE CTCP Đầu Tư Và Xây Dựng Tiền Giang 1 -1.36931
TV1 HOSE CTCP Tư Vấn Xây Dựng Điện 1 0 -1.13746
TV2 HNX CTCP Tư Vấn Xây Dựng Điện 2 1 -2.33983
VNE HOSE TCT Cổ Phần Xây dựng Điện Việt Nam 1 -0.82816
C92 HNX CTCP Xây Dựng & Đầu Tư 492 1 -0.93093
CTX HNX TCT CP Đầu Tư Xây Dựng & TM Việt Nam 1 -1.94976
TKC HNX CTCP XD & KD Địa Ốc Tân Kỷ 1 -1.72869
VC2 HNX CTCP Xây Dựng Số 2 0 -1.43512
VC3 HNX CTCP Xây Dựng Số 3 0 -1.21898
VC7 HNX CTCP Xây Dựng Số 7 0 0.59488
VCG HNX TCT Cổ Phần XNK & Xây Dựng Việt Nam 1 -0.95538
VE9 HNX CTCP Đầu Tư Và Xây Dựng VNECO 9 1 -1.82685
BCE HOSE CTCP XD & Giao Thông Bình Dương 1 -1.31384
CIG HOSE CTCP COMA 18 1 4.24338
HU1 HOSE CTCP Đầu Tư & Xây Dựng HUD1 0 -0.25689
PXI HOSE CTCP XD Công Nghiệp & Dân Dụng Dầu Khí 1 -0.74894
TDC HOSE CTCP KD & PT Bình Dương 0 -1.57628
UDC HOSE CTCP XD & PT Đô Thị Tỉnh Bà Rịa Vũng Tàu 1 -3.01911
CX8 HNX CTCP Đầu Tư và Xây Lắp Constrexim Số 8 1 -1.13029
DC2 HNX CTCP ĐT PT - Xây Dựng (DIC) Số 2 1 -2.04956
DC4 HNX CTCP DIC Số 4 1 -0.78253
DIH HNX CTCP Đầu Tư Phát Triển Xây Dựng - Hội An 0 -0.84584
SDH HNX CTCP Xây Dựng Hạ Tầng Sông Đà 1 -1.88653
VC6 HNX CTCP Vinaconex 6 0 -1.23954
VCC HNX CTCP Vinaconex 25 0 -0.98897
VCR HNX CTCP Đầu Tư & Phát Triển Du Lịch Vinaconex 0 2.71212
VXB HNX CTCP Vật Liệu Xây Dựng Bến Tre 0 -1.07427
PVV HNX CTCP Đầu Tư Xây Dựng Vinaconex - PVC 1 -1.30481
Ghi chú: Sai phạm theo kết quả kiểm toán nhận giá trị 1 là có sự khác biệt lợi nhuận hoặc khoản mục trọng yếu giữa báo cáo của doanh nghiệp trước và sau, nhận giá trị 0 khi không có sự khác biệt.
Với Mi (Giá trị M ở quan sát thứ i) > Giá trị phân loại M-score tại một ngưỡng phân loại xác định ta đánh dấu doanh nghiệp thứ i có khả năng gian lận.
Vận dụng mô hình M-score của nghiên cứu “ Nhận diện sai phạm báo cáo tài chính ngành nguyên vật liệu 2015” ở Việt Nam. Ngưỡng xác suất được lựa chọn là 1% đến 20% miền phân phối, ứng với giá trị phân loại(-2.32 ; -0,84). Tại giá trị này độ chính xác của mô hình là cao nhất cho phép nhận diện chính xác 79,68% báo cáo tài chính sai lệch theo kết quả kiểm toán.
Với Mi (Giá trị M ở quan sát thứ i) -2.32 = > -0.84 tại một ngưỡng phân loại xác định ta đánh dấu doanh nghiệp thứ i có khả năng gian lận. Công ty có M nằm trong khoảng này thì được đánh dấu là có dấu hiệu sai phạm và ngược lại.
Bảng 4.6. Độ chính xác của mô hình M-score (2) tại ngƣỡng 20% với dữ liệu ngành xây dựng 2016.
Kết quả kiểm toán
Có sai phạm Không sai phạm
Mô hình dự Có sai phạm 15 11
báo Không sai phạm 11 14
Độ chính xác mô hình 15/26=57.69% 14/26=53.84%
Tổng độ chính xác 29/40=72.5%
Vậy tại ngưỡng xác suất phân loại 20% miền phân phối bên trái tương ứng với giá trị phân loại -0,84, mô hình phân loại đúng 57.69%quan sát có sai phạm và 53.84% quan sát không có sai phạm. Đây là một kết quả cao cho phép nhận diện chính xác tới 72.5%báo cáo tài chính có sai lệch theo kết quả kiểm toán.
Kết quả bước 3: Ngưỡng xác suất được lựa chọn là 20% miền phân phối, ứng với giá trị phân loại -0,84. Tại giá trị này độ chính xác của mô hình là cao nhất cho phép nhận diện chính xác 72.5% báo cáo tài chính sai lệch theo kết quả kiểm toán.
Chƣơng 5: KẾT LUẬN VÀ KIẾN NGHỊ