KẾT QUẢ NGHIÊN CỨU
3.2. KIỂM ĐỊNH CÁC GIẢ THIẾT CỦA MÔ HÌNH
3.2.1.Ma trận tương quan và đa cộng tuyến
Bảng 3.2. Ma trận tương quan giữa biến độc lập và biến phụ thuộc
TLNO TLNNH TLNDH TLNO 1.000 TLNNH .909** 1.000 TLNDH .085 -.329** 1.000 EFFI -.602** -.556** -.034 TANGI -.143 -.278** .345** SIZE -.044 -.097 .135 AGE .195 .193 -.022 GROW -.204* -.170 -.050 RISK .131 .153 -.075 (Nguồn: Phụ lục 2)
Bảng 3.3. Ma trận tượng quan giữa các biến độc lập trong mô hình
EFFI TANGI SIZE AGE GROW RISK
EFFI 1.000 TANGI .144 1.000 SIZE .142* .191** 1.000 AGE .086 .129 .082 1.000 GROW .499** -.014 .166 .028 1.000 RISK -.416** -.087 -.127 -.099 -.176 1.000
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
(Nguồn: Phụ lục 2)
r > 0: thể hiện mối quan hệ giữa hai biến là cùng chiều r < 0: thể hiện mối quan hệ giữa hai biến là ngược chiều
|r| <1: thể hiện mức độ mối quan hệ giữa hai biến. Nếu r càng gần 1 thì mối quan hệ càng chặt chẽ, r = 0 thể hiện hai biến không có quan hệ nào.
Phân tắch hệ số tương quan Pearson nhằm kiểm tra mối quan hệ tương quan giữa biến phụ thuộc và biến độc lập, đây cũng là điều kiện cần để phân tắch hồi quy. Thêm vào đó, hệ số tương quan Pearson còn giúp phát hiện hiện tương đa cộng tuyến. Do đó, trước khi đi vào phân tắch kết quả hồi quy, tác giả sẽ thực hiện phân tắch tương quan sơ bộ.
Xét về mối tương quan giữa các biến phụ thuộc và các biến độc lập. Tất cả các hệ số tương quan giữa các biến độc lập và biến phụ thuộc đều khác 0 hay các biến độc lập đều có tương quan với biến phụ thuộc nhưng ở mức độ khác nhau.
Đối với chỉ tiêu tỷ lệ nợ
Bảng 3.2 cho ta kết quả phù hợp với những dự đoán về mặt lý thuyết: ROA tương quan nghịch với tỷ lệ nợ ở mức ý nghĩa 1% và có mối tương quan khá chặt chẽ (r = -0,602). Ngoài ra, tốc độ tăng trưởng của doanh nghiệp có quan hệ nghịch với tỷ lệ nợ ở mức ý nghĩa 5% nhưng quan hệ tuyến tắnh ở
mức thấp (r=-0,204), không giống với dự đoán của giả thuyết H5. Tỷ trọng TSCĐ hữu hình và doanh thu của doanh nghiệp có mối quan hệ nghịch với tỷ lệ nợ, giống với giả thuyết H2, H3 nhưng mối quan hệ này không có ý nghĩa thống kê. Bên cạnh đó, rủi ro kinh doanh tương quan thuận với tỷ lệ nợ, trái với giả thuyết H6 nhưng mối quan hệ này cũng không có ý nghĩa thống kê.
Đối với chỉ tiêu tỷ lệ nợ ngắn hạn
ROA và biến tỷ trọng TSCĐ hữu hình đều tương quan nghịch với tỷ lệ nợ ngắn hạn ở mức ý nghĩa 1% trong đó, ROA có mối quan hệ chặt chẽ (r=- 0,556) còn tỷ trọng tài sản cố định có mối quan hệ ở mức trung bình (r=- 0,278) đối với tỷ lệ nợ ngắn hạn . Điều này cũng phù hợp với dự đoán của giả thuyết H1a, H2a. Biến doanh thu của doanh nghiệp và thời gian hoạt động lần lượt có tác động nghịch và thuận với tỷ lệ nợ ngắn hạn, phù hợp với giả thuyết H3a, H4a nhưng mối quan hệ này là không có ý nghĩa thống kê. Thêm vào đó, biến tốc độ tăng trưởng của doanh nghiệp tác động nghịch đến tỷ lệ nợ ngắn hạn trong khi biến độ lệch chuẩn của tỷ suất sinh lời tài sản lại tác động thuận đến tỷ lệ nợ ngắn hạn. Điều này trái với giả thuyết H5a, H6a nhưng mối quan hệ này cũng không có ý nghĩa thống kê..
Đối với chỉ tiêu tỷ lệ nợ dài hạn
Chỉ tiêu này tương quan thuận với biến tỷ trọng TSCĐ hữu hình ở mức ý nghĩa 1%, phù hợp với giả thuyết H2b. Thời gian hoạt động của doanh nghiệp của doanh nghiệp có tương quan nghịch với tỷ lệ nợ dài hạn, trái với giả thuyết H4b, tuy nhiên mối quan hệ này không có ý nghĩa về mặt thống kê. Ngoài ra, biến ROA, biến tốc độ tăng trưởng và biến rủi ro kinh doanh tương quan nghịch với tỷ lệ nợ dài hạn, biến doanh thu tương quan thuận với tỷ lệ nợ dài hạn phù hợp với giả thuyết H1b, H3b, H5b, H6b và mối quan hệ này cũng không có ý nghĩa thống kê.
Nhìn chung kết quả không như mong đợi khi hầu hết các mối quan hệ giữa từng biến độc lập và từng biến phụ thuộc không có ý nghĩa thống kê. Mức độ giải thắch của từng nhân tố đến cấu trúc tài chắnh của các doanh nghiệp thuộc nhóm ngành dầu khắ sẽ được tiếp tục phân tắch thông qua việc phân tắch mô hình hồi quy theo phương pháp FEM và REM.
Xem xét mối quan hệ tương quan giữa các biến độc lập với nhau
Qua bảng 3.3, ta thấy các biến độc lập trong mô hình không có mối tương quan mạnh với nhau, tương quan mạnh nhất là giữa 2 biến EFFI, GROW (0,499) và 2 biến là EFFI, RISK (-0,416) cũng là tương quan ở mức trung bình (0,3< r <0,5). Điều này cho thấy mô hình mà tác giả lựa chọn không có hiện tượng đa cộng tuyến.
3.2.2.Kiểm tra dữ liệu phân phối chuẩn
Một giả định quan trọng của mô hình hồi quy tuyến tắnh cổ điển là các biến được đưa vào mô hình phải có phân phối chuẩn (normal distribution) và tuyến tắnh. Đối với hồi quy bằng phương pháp FEM và REM cũng phải tuân thủ giả định quan trọng này, để các hệ số ước lượng là tốt nhất.
Có hai cách để kiểm tra xem một biến có phân phối chuẩn hay không, đó là: Phương pháp biểu đồ và phương pháp dùng kiểm định thống kê. Ở bài viết này, tác giả lựa chọn phương pháp biểu đồ để kiểm tra tắnh phân phối chuẩn của dữ liệu.
Với phần mềm SPSS, bằng lệnh mô tả thống kê theo tần số, cho ra biểu đồ Ộhistogram with curveỢ (kết quả kiểm tra các biến được trình bày ở phụ lục 1), để xem các biến có dạng hình chuông cân đối không, nếu biến nào không có dạng hình chuông cân thì kết luận biến đó không có phân phối chuẩn.
Kết quả khi kiểm tra bằng phương pháp biểu đồ cho thấy, các biến TLNDH, TANGI, SIZE, AGE, RISK là không có phân phối chuẩn, để chuyển các biến này thành phân phối chuẩn, tác giả đã sử dụng hàm log đối với các
biến đó. Sau khi chuyển các biến trên sang dạng log thì biểu đồ cho thấy các biến này có phân phối chuẩn (xem phụ lục 3).
3.3. KẾT QUẢ NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN CẤUTRÚC TÀI CHÍNH CỦA CÁC CÔNG TY NHÓM NGÀNH DẦU KHÍ