Mô hình nghiên cứu

8. Kết cấu luận văn

3.1. CÁC GIẢ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

3.1.2. Mô hình nghiên cứu

Dữ liệu sử dụng trong nghiên cứu này là dữ liệu bảng. Do đó, để loại trừ sự tác động giữa các biến độc lập, các nhà nghiên cứu khuyến cáo nên dùng mô hình hồi quy với ảnh hưởng cố định (FEM) hoặc mô hình hồi quy với ảnh hưởng ngẫu nhiên (REM).

a.Mô hình ảnh hưởng cố định – FEM

Với giả định mỗi thực thể đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, mô hình FEM phân tích mối tương quan này giữa phần dư của mỗi thực thể với các biến giải thích qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi

54

các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng của biến giải thích lên biến phụ thuộc.

Một lưu ý quan trọng trong mô hình FEM là những đặc điểm riêng biệt (không đổi theo thời gian) này là đơn nhất đối với 1 thực thể và không tương quan với đặc điểm của các thực thể khác. Nếu có, mô hình FEM không còn thích hợp và chúng ta phải dùng phương pháp khác (mô hình ảnh hưởng ngẫu nhiên – REM) để ước lượng mối quan hệ đó.

Mô hình ước lượng sử dụng:

Yit = Ci + β1 X1it +… + βn Xnit + uit (3.1) Trong đó

Yit : biến phụ thuộc đại diện cho hiệu quả tài chính của doanh nghiệp. với i: thực thể (doanh nghiệp) và t: thời gian (quý).

X1it, …, Xnit : biến độc lập đại diện cho nhân tố ảnh hưởng đến hiệu quả tài chính là cấu trúc tài chính.

β1, …, βn : hệ số góc đối với từng nhân tố X.

Ci (i=1….n): hệ số chặn cho từng thực thể nghiên cứu.

uit : sai số dữ liệu bảng

Hệ số chặn C được thêm vào chỉ số i để phân biệt hệ số chặn của từng doanh nghiệp khác nhau có thể khác nhau, sự khác biệt này có thể do đặc điểm khác nhau của từng doanh nghiệp hoặc do sự khác nhau trong chính sách quản lý, hoạt động của doanh nghiệp.

Công thức (3.1) vẫn thể hiện mô hình tác động cố định mặc dù các hệ số chặn có thể khác nhau với từng đối tượng nghiên cứu nhưng mỗi hệ số chặn lại không thay đổi theo thời gian. Trong khi đó, hệ số góc vẫn được giả định

55

không đổi theo đối tượng nghiên cứu hay theo thời gian.

b.Mô hình ảnh hưởng ngẫu nhiên – REM

Điểm khác biệt giữa mô hình ảnh hưởng ngẫu nhiên và mô hình ảnh hưởng cố định được thể hiện ở sự biến động giữa các thực thể. Nếu sự biến động giữa các thực thể tương quan đến biến độc lập trong mô hình ảnh hưởng cố định thì trong mô hình ảnh hưởng ngẫu nhiên sự biến động giữa các thực thể được giả sử là ngẩu nhiên và không tương quan đến các biến độc lập.

Chính vì vậy, nếu sự khác biệt giữa các thực thể có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM. Trong đó, phần dư của mỗi thực thể (không tương quan với các biến độc lập khác) được xem là một biến độc lập mới.

Ý tưởng cơ bản của mô hình ảnh hưởng ngẫu nhiên cũng bắt đầu từ mô hình:

Yit = Ci + β1 X1it +… + βn Xnit + uit (3.2) Khác với mô hình FEM, hệ số chặn trong REM được giả định là một biến ngẫu nhiên với trung bình là C và giá trị hệ số chặn được mô tả như sau

Ci = C+ εi (i=1,...n)

εi : Sai số ngẫu nhiên có trung bình bằng 0 và phương sai là

Thay vào công thức (3.2) ta có:

Yit = C + β1 X1it +… + βn Xnit + εi + uit

εi: Sai số thành phần của các đối tượng khác nhau (đặc điểm riêng khác nhau của từng doanh nghiệp)

uit: Sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng đối tượng và theo thời gian/ sai số dữ liệu bảng

56

vào giả định có hay không sự tương quan giữa εi và các biến giải thích X. Nếu giả định rằng không có tương quan, thì REM phù hợp hơn, và ngược lại thì FEM tốt hơn.

Theo Judge nếu căn cứ vào N (số dữ liệu chéo) và T (độ dài thời gian nghiên cứu) thì:

- Trường hợp T lớn và N nhỏ: Trong trường hợp này không có sự khác biệt lớn về giá trị của các tham số ước lượng trong mô hình FEM và REM. Vì vậy việc lựa chọn mô hình nào phụ thuộc vào tiện ích trong xử lý. Thông thường trong trường hợp này mô hình ảnh hưởng cố định (FEM) được lựa chọn

Trường hợp T nhỏ và N lớn: Trong trường hợp này, kết quả ước lượng khác biệt nhau rất lớn. Nếu các đối tượng nghiên cứu không được chọn ra một cách ngẫu nhiên từ một tổng thể lớn hơn nhiều thì FEM sẽ phù hợp hơn. Ngược lại, nếu các đối tượng nghiên cứu được lựa chọn một cách ngẫu nhiên từ một tổng thể lớn hơn thì REM sẽ thích hợp hơn bởi vì trong trường hợp này hệ số chặn β1i là thật sự ngẫu nhiên nên việc suy luận thống kê hay giải thích mô hình sẽ dễ dàng và không có điều kiện ràng buộc. Do đó, nếu các điều kiện của REM được đảm bảo thì kết quả ước lượng của REM sẽ chính xác hơn so với FEM.

57

3.1.3. Đo lường các biến nghiên cứu

Bảng 3.1 Đo lường các biến.

Biến Biến Đo lường Ký hiệu

Cấu trúc tài chính (Biến độc lập)

X1 Nợ phải trả trên tổng tài sản DA X2 Nợ dài hạn trên tổng tài sản LTA X3 Nợ dài hạn trên vốn chủ sở hữu DE

Hiệu quả tài chính (Biến phụ thuộc)

Y1 Tỷ suất lợi nhuận trên vốn chủ sở hữu ROE Y2 Lợi nhuận trên mỗi cổ phần EPS Y3 Tỷ số giá cổ phiếu trên thu nhập P/E Y4 Tỷ số giá cổ phiếu trên giá sổ sách P/B

3.2. DỮ LIỆU VÀ QUY TRÌNH NGHIÊN CỨU 3.2.1. Dữ liệu 3.2.1. Dữ liệu

Đề tài sử dụng dữ liệu bảng - số liệu của 18 doanh nghiệp ngành khai khoáng niêm yết trên thị trường chứng khoán Việt Nam trong vòng 5 năm từ năm 2009-2013 để phân tích ảnh hưởng của cấu trúc tài chính đến hiệu quả tài chính của doanh nghiệp. Số quan sát là 360 quan sát. Dữ liệu về cấu trúc tài chính, hiệu quả tài chính được lấy từ báo cáo tài chính đã kiểm toán công bố trên trang thông tin chính thức của Sở giao dịch chứng khoán TP Hồ Chí Minh và Sở giao dịch chứng khoán Hà Nội.

58 nghiên cứu bởi vì những ưu điểm như:

- Loại dữ liệu này liên quan đến nhiều thông tin của cùng một đối tượng nghiên cứu trong một giai đoạn thời gian nên bao hàm những đặc điểm riêng khác nhau cho các đối tượng nghiên cứu khác nhau. Chính vì vậy mà với những kỹ thuật ước lượng đối với loại dữ liệu này có thể cho phép chúng ta xem xét sự khác biệt của những đặc điểm riêng không quan sát được của các đối tượng khác nhau (ví dụ như khác biệt văn hoá giữa các quốc gia hay sự khác biệt về triết lý kinh doanh giữa các doanh nghiệp, khác biệt về đặc điểm doanh nghiệp và môi trường kinh doanh…) một cách rõ ràng bằng việc đưa thêm vào bên trong mô hình những biến số chỉ định riêng cho từng đối tượng hoặc nhóm đối tượng nghiên cứu.

- Việc kết hợp các giá trị quan sát theo thời gian khác nhau cho nhiều đối tượng khác nhau làm cho loại dữ liệu này chứa đựng nhiều thông tin có giá trị hơn, biến đổi hơn, giảm hiện tượng tự tương quan trong các biến của mô hình, bậc tự do cao hơn và sẽ hiệu quả hơn trong việc xử lý các mô hình.

Hầu hết các nghiên cứu ở Việt Nam nêu trên đều áp dụng phương pháp phân tích hồi qui dữ liệu chéo dựa trên nguyên tắc bình phương nhỏ nhất nhằm tìm ra mối quan hệ giữa biến phụ thuộc và biến độc lập.

Tuy nhiên mô hình OLS dữ liệu chéo lại ràng buộc quá chặt về không gian và thời gian, các hệ số hồi quy không đổi theo cả không gian và thời gian, có thể làm mất đi ảnh hưởng thật của biến độc lập lên biến phụ thuộc dẫn đến kết quả mô hình không phù hợp trong điều kiện thực tế. Chính vì vậy nghiên cứu áp dụng hai mô hình: mô hình ảnh hưởng ngẫu nhiên (REM) và mô hình ảnh hưởng cố định (FEM).

3.2.2. Quy trình nghiên cứu

59

Bước 1: Thu thập dữ liệu

Nghiên cứu cấu trúc vốn được thực hiện thông qua việc thu thập số liệu của các doanh nghiệp ngành khai khoáng qua 5 năm từ năm 2009 đến năm 2013. Từ đó, tập hợp, sàng lọc để lựa chọn những doanh nghiệp đảm bảo những yêu cầu về mặt số lượng và đại diện cho các doanh nghiệp trong ngành. Tại thời điểm nghiên cứu có tất cả 35 doanh nghiệp được niêm yết trên sở giao dịch chứng khoán thành phố Hồ Chí Minh và sở giao dịch chứng khoán Hà Nội. Để đảm bảo yêu cầu về số liệu, mẫu quan sát gồm 18 doanh nghiệp ngành khai khoáng niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn từ năm 2009 đến năm 2013. Dữ liệu thống kê được thu thập và tổng hợp từ các bảng báo cáo tài chính của các doanh nghiệp qua các năm.

Ưu điểm của mẫu nghiên cứu:

Đây là những doanh nghiệp cổ phần hoạt động kinh doanh có hiệu quả, đủ điều kiện niêm yết trên thị trường chứng khoán theo quy định của Ủy ban Chứng khoán Nhà nước nên có những tương đồng tạo ra tính chất đồng đều cho mẫu nghiên cứu.

Những doanh nghiệp này có đầy đủ số liệu tương đối tin cậy phục vụ cho quá trình nghiên cứu vì các thông tin được nêu trong báo cáo tài chính là những số liệu đã được kiểm toán. Bên cạnh đó, các quyết định đầu tư và tài trợ hoàn toàn dựa trên cơ sở hiệu quả hoạt động kinh doanh và đặc thù của doanh nghiệp mà không chịu sự chi phối trực tiếp bởi Nhà nước, do đó việc nghiên cứu sẽ khách quan hơn.

Hạn chế của mẫu nghiên cứu:

Số lượng các doanh nghiệp được lựa chọn nghiên cứu chỉ có 18 trên tổng số 35 doanh nghiệp niêm yết làm ảnh hưởng đến tính khái quát của

60

kết quả nghiên cứu. Từ đó kết quả phân tích có thể chưa thể hiện được toàn cảnh của ngành khai khoáng.

Bước 2: Ước lượng mô hình ban đầu

Ước lượng lần lượt các mô hình hồi quy với ảnh hưởng cố định - FEM, mô hình ảnh hưởng ngẫu nhiên – REM để chọn ra mô hình thích hợp. Từ kết quả của mô hình được chọn để đánh giá ảnh hưởng của cấu trúc tài chính đến hiệu quả tài chính của các doanh nghiệp nghiên cứu.

Bước 3: Kiểm định mô hình

Hausman test là một công cụ trong việc chọn phương pháp tốt nhất giữa FEM và REM. Kiểm định Hausman nhằm lựa chọn mô hình FEM hay REM phù hợp cho hồi quy dữ liệu mẫu trên giả định:

H0: Ước lượng FEM và REM không khác nhau đáng kể H1: Ước lượng FEM và REM là khác nhau

Nếu P-value <0,05, bác bỏ H0. Khi đó REM là không hợp lý, nên lựa chọn FEM.

Kiểm định T-test, F-test.

Tính hệ số xác định R2 và hệ số xác định hiệu chỉnh để đo lường mức độ phù hợp của mô hình.

Bước 4: Kiểm định các giả thuyết Bước 5: Tóm tắt kết quả và kết luận

61

3.3. KẾT QUẢ NGHIÊN CỨU

3.3.1. Kiểm định mô hình để lựa chọn mô hình thích hợp

a. Kết quả mô hình ảnh hưởng cố định (FEM)

Bảng 3.2 Kết quả mô hình ảnh hưởng cố định – FEM

Biến ROE EPS P/E P/B

DA P-value 0.0693(***) 0.0576(***) 0.0027(*) 0.194 Hệ số beta -0.1667 -4582.24 -303.57 -6.084 Std. Error 0.0915 2404.866 100.282 4.6746 LTA P-value 0.5367 0.0026(*) 0.2988 0.0858(***) Hệ số beta 0.0524 6767.312 96.601 7.456 Std. Error 0.0847 2226.215 92.832 4.3273 DE P-value 0.0000(*) 0.0003(*) 0.4077 0.0000(*) Hệ số beta -0.0162 -328.633 3.088 -0.7409 Std. Error 0.0034 89.323 3.725 0.1736 Adjusted R- squared 0.1725 0.4795 0.2555 0.5354 Ghi chú:

(*): hệ số hồi quy có ý nghĩa thống kê với mức ý nghĩa α = 1% (**): hệ số hồi quy có ý nghĩa thống kê với mức ý nghĩa α = 5% (***): hệ số hồi quy có ý nghĩa thống kê với mức ý nghĩa α = 10%

Từ bảng trên, hệ số góc cho ta biết tác động của từng biến đại diện của cấu trúc tài chính đến từng biến đại diện của hiệu quả tài chính. Hệ số P-value được sử dụng để kiểm định ý nghĩa của hệ số hồi quy với mức ý nghĩa là 5%.

Khi hồi quy các biến các biến DA, LTE, DE lần lượt theo các biến ROE, EPS, P/E, P/B ta có kết quả như sau:

62

là 17.25%, mô hình hồi quy đã giải thích 17.25% sự thay đổi của tỷ suất sinh lời trên vốn chủ sở hữu.

Mô hình hồi quy theo lợi nhuận trên mỗi cổ phần có R-squared là 47.95%, điều này có nghĩa là mô hình hồi quy đã giải thích 47.95% sự thay đổi của lợi nhuận trên mỗi cổ phần.

Mô hình hồi quy theo tỷ số giá cổ phiếu trên thu nhập (P/E) và mô hình hồi quy theo tỷ số giá cổ phiếu trên giá sổ sách có R-squared lần lượt là 22.55% và 53.54%, điều này có nghĩa là mô hình hồi quy đã giải thích 22.55% sự thay đổi của tỷ số giá cổ phiếu trên thu nhập và 53.54% sự thay đổi của tỷ số giá cổ phiếu trên giá sổ sách.

- Biến phụ thuộc ROE và các biến độc lập DA, DE có ý nghĩa thống kê với mức ý nghĩa lần lượt là 10% và 1% và phản ánh mối quan hệ nghịch chiều với hệ số beta lần lượt là -0.1667 và -0.0162. Tức là khi tăng 1 đơn vị tỷ suất nợ thì sẽ làm tỷ suất sinh lời trên vốn chủ sở hữu giảm 0.1667 đơn vị và khi tăng 1 đơn vị tỷ suất nợ trên vốn chủ sở hữu thì sẽ làm tỷ suất sinh lời trên vốn chủ sở hữu giảm 0.0162 đơn vị.

- Biến phụ thuộc EPS và biến độc lập DA, LTA, DE có ý nghĩa thống kê với mức ý nghĩa lần lượt là 10%, 1% và 1%. Biến tỷ suất nợ (DA) và biến tỷ suất nợ trên vốn chủ sở hữu (DE) có mối quan hệ nghịch chiều với lợi nhuận trên mỗi cổ phần (EPS) với hệ số beta lần lượt là -4582.2 và -328.6. Điều này có nghĩa là khi tăng 1 đơn vị tỷ suất nợ thì sẽ làm lợi nhuận trên mỗi cổ phần giảm 4582.2 đồng và khi tăng 1 đơn vị tỷ suất nợ trên vốn chủ sở hữu thì sẽ làm lợi nhuận trên mỗi cổ phần giảm 328.6 đồng. Trong khi đó, biến tỷ suất nợ dài hạn (LTA) có ý nghĩa thống kê với mô hình lợi nhuận trên mỗi cổ phần với hệ số hồi quy là 6767.312, tức là khi tăng 1 đơn vị tỷ suất nợ thì sẽ làm lợi nhuận trên mỗi cổ phần tăng 6767.31 đồng.

63

nghĩa là 1%. Biến tỷ suất nợ (DA) có mối quan hệ nghịch chiều với tỷ số giá cổ phiếu trên thu nhập (P/E) với hệ số beta là -303.6, tức là khi tăng 1 đơn vị tỷ suất nợ thì sẽ làm tỷ số giá cổ phiếu trên thu nhập giảm 303.6 lần.

- Biến phụ thuộc P/B và các biến độc lập LTA, DE có ý nghĩa thống kê với mức ý nghĩa lần lượt là 10% và 1% và phản ánh mối quan hệ nghịch chiều với hệ số beta lần lượt là -6.08 và -0.74. Tức là khi tăng 1 đơn vị tỷ suất nợ dài hạn thì sẽ làm tỷ số giá cổ phiếu trên giá sổ sách giảm 6.08 đơn vị và khi tăng 1 đơn vị tỷ suất nợ trên vốn chủ sở hữu thì sẽ làm tỷ số giá cổ phiếu trên