PHƯƠNG PHÁP NGHIÊN CỨU
3.1.2. Mô hình và giả thuyết nghiên cứu
Luận văn thực hiện nghiên cứu với các biến đại diện như bảng sau:
Bảng 3.1: Mô tả các biến trong mô hình
Tên Biến
Công thức Tham khảo
Biến phụ thuộc
ROA Madushanka và Jathurika
(2018), Yameen, Farhan và Tabash (2019), Dahiyat (2016); Trần Thị Thanh Vân (2014)
ROE Lyroudi và Lazaridis (2000);
Madushanka và Jathurika (2018); Yameen, Farhan và Tabash (2019); Dahiyat (2016) Trần Thị Thanh Vân (2014) Biến độc lập CR Lyroudi và Lazaridis (2000); Ahmad (2016), Madushanka và Jathurika (2018); Yameen, Farhan và Tabash (2019);
Eljelly (2004); Bolek và Wolski (2012); Hà Đức Hiếu (2014), Trần Thị Thanh Vân (2014) QR Lyroudi và Lazaridis (2000), Ahmad (2016), Madushanka và Jathurika (2018), Yameen, Farhan và Tabash (2019), Dahiyat (2016), Bolek và Wolski (2012), Hà Đức Hiếu (2014), Trần Thị Thanh Vân (2014)
DIO Lyroudi và Lazaridis (2000);
Bolek và Wolski (2012); Hà Đức Hiếu (2014), Trần Thị Thanh Vân (2014)
DSO Lyroudi và Lazaridis (2000);
Bolek và Wolski (2012); Hà Đức Hiếu (2014); Trần Thị Thanh Vân (2014)
DPO Lyroudi và Lazaridis (2000);
Bolek và Wolski (2012); Hà Đức Hiếu (2014)
Nguồn: Tác giả tổng hợp
Với 2 biến phụ thuộc và 5 biến độc lập trên. Luận văn đưa ra hai mô hình nghiên cứu bao gồm:
ROAi,t = β0 + β1 Cri,t + β2 Qri,t + β3 Dsoi,t + β4 Dioi,t - β5 Dpoi,t
ROEi,t = β0 + β1 Cri,t + β2 Qri,t + β3 Dsoi,t + β4 Dioi,t - β5 Dpoi,t
Trong đó:
i: Lần lượt 15 công ty nghiên cứu
t: năm nghiên cứu từ năm 2015 đến năm 2019 ROAi : Khả năng sinh lợi của tài sản công ty i
Cri Hệ số khả năng thanh toán nợ ngắn hạn Qri Hệ số khả năng thanh toán nhanh Dioi Thời gian hàng tồn trong kho Dsoi Thời gian thu được tiền hàng về Dpoi Thời gian phải trả nhà cung cấp
Từ mô hình trên, luận văn đưa ra các giả thiết nghiên cứu:
Giả thiết 1: Hệ số khả năng thanh toán nợ ngắn hạn có tác động cùng chiều đến KNSL
Giả thiết 2: Hệ số khả năng thanh toán nhanh có tác động cùng chiều đến KNSL Giả thiết 3: Thời gian hàng tồn trong kho có tác động cùng chiều đến KNSL Giả thiết 4: Thời gian thu được tiền hàng về có tác động cùng chiều đến KNSL
Giả thiết 5: Thời gian phải trả nhà cung cấp có tác động ngược chiều đến KNSL Theo phương pháp hồi quy Pooled OLS, tất cả các hệ số đều không thay đổi theo thời gian và theo các đối tượng, bỏ qua bình diện không gian và thời gian của dữ liệu kết hợp và chỉ ước lượng hồi quy OLS thông thường.
Nhược điểm của mô hình hồi quy Pooled OLS là Hệ số Durbin – Watson thường bé hơn 1 (khá nhỏ) gây ra hiện tượng tự tương quan dương và có sự ràng buộc quá chặt về các đơn vị chéo nên khó xảy ra trong thực tế
Mô hình tác động cố định (Fixed Effects Model – FEM) được xây dựng như sau:
Yit = β1 X1it + β2 X2it + vi + εit
So với mô hình hồi quy tuyến tính cổ điển, trong mô hình FEM, sai số được tách ra thành 2 thành phần: vi đại diện cho các yếu tố không quan sát được, khác nhau giữa các đối tượng nhưng không thay đổi theo thời gian; và εit đại diện cho các yếu tố không quan sát được, khác nhau giữa các đối tượng và thay đổi theo thời gian.
Để đánh giá tác động của các biến độc lập Xi lên biến phụ thuộc Y, phương pháp ước lượng tác động cố định sử dụng sự thay đổi trong Xi và Y theo thời gian.
Gọi Zi là một biến không quan sát được, khác nhau giữa các đối tượng nhưng không đổi theo thời gian, và do đó bao gồm cả phần sai số trong đó. Do Zi không đổi theo thời gian nên nó không thể gây ra bất kì sự thay đổi nào trong Yit. Vì vậy, loại trừ tác động cố định của Zi lên Yit bằng cách sử dụng dữ liệu sự thay đổi trong Yittheo thời gian. Nhược điểm của mô hình FEM là giảm bậc tự do của dữ liệu rất nhiều và do có quá nhiều biến nên có nguy cơ xảy ra đa cộng tuyến cao. Mặt khác, giả định cổ điển về uit ~ N (0, σ2) rất khó thỏa mãn.
Mô hình tác động ngẫu nhiên (Random Effects Model – REM) có dạng: Yit = β1 X1it + β2 X2it + vi + εit
Trong mô hình REM, sai số cổ điển được chia làm 2 thành phần: vi đại diện cho các yếu tố không quan sát được, thay đổi giữa các đối tượng nhưng không đổi theo thời gian; và εit đại diện cho các yếu tố không quan sát được, thay đổi giữa các đối tượng và thay đổi theo thời thời gian.
Trong đó, vi = α0 + ωi
vi được chia làm 2 thành phần là thành phần bất định α0 và thành phần ngẫu nhiên ωi.
Giả sử ωi cho mỗi đối tượng được rút ra từ một phân phối xác suất độc lập với giá trị trung bình bằng 0 và phương sai không đổi: E (ωi) = 0, var (ωi) = . cov(ωi,ωs) = 0.
N biến ngẫu nhiên ωi được gọi là tác động ngẫu nhiên.
Từ đây, mô hình tác động ngẫu nhiên REM có thể được viết lại thành: Yit = α0 X1it + β2 X2it + uit (với uit = ωi + εit)
Một giả định quan trọng trong mô hình REM là thành phần sai số uit không tương quan với bất kỳ biến giải thích nào trong mô hình.
Ước lượng OLS cho mô hình tác động ngẫu nhiên REM sẽ cho các tham số ước lượng không chệch nhưng không hiệu quả. Bên cạnh đó, các ước lượng của sai số chuẩn và thống kê t sẽ trở nên không chính xác. Đó là do ước lượng OLS bỏ qua sự tự tương quan trong thành phần sai số uit.
Để kết quả ước lượng không chệch và hiệu quả, chúng ta có thể sử dụng ước lượng GLS khả thi (FGLS) để khắc phục hiện tượng sai số nhiễu tự tương quan.