6. Tổng quan tài liệu nghiên cứu
2.3. MÔ HÌNH NGHIÊN CỨU
Việc phân tích hồi quy tuyến tính nhằm tìm mối quan hệ tuyến tính giữa các biến trong mô hình để tìm ra câu trả lời cho các giả thuyết nghiên cứu. Thông qua ƣớc lƣợng có thể đánh giá mức độ tác động cũng nhƣ ý nghĩa của các biến độc lập lên biến phụ thuộc. Việc hồi quy với mô hình gộp đạt độ tin cậy cao khi các giả định đƣợc thỏa mãn nhƣ: phần dƣ có kỳ vọng là 0, phƣơng sai của phần dƣ không đổi, các phần dƣ là độc lập với nhau, không có mối quan hệ giữa phần dƣ và biến độc lập, các phần dƣ có phân phối chuẩn.
Việc gộp tất cả các dữ liệu không phân biệt đặc tính thay đổi theo thời gian của dữ liệu chéo trong hồi quy gộp đã ngầm giả định rằng mối quan hệ giữa các biến là không thay đổi cho tất cả các dữ liệu quan sát. Để ƣớc lƣợng hồi quy gộp là không chệch và nhất quán, các biến giải thích phải là biến ngoại sinh. Phƣơng pháp hồi quy gộp đã bỏ qua những mối quan hệ không đồng nhất giữa các đơn vị chéo theo thời gian bằng các giả định rằng các hệ số hồi quy là nhƣ nhau nên những tác động khác nhau nếu có giữa các biến số giải thích đến biến phụ thuộc đƣợc chứa đựng trong sai số hồi quy. Nếu điều này xảy ra thì các biến giải thích sẽ có tƣơng quan với sai số hồi quy và ƣớc lƣợng hồi quy gộp sẽ bị chệch và không nhất quán.
Tuy nhiên, trong nghiên cứu này tác giả sử dụng dữ liệu bảng là tập hợp nhiều đối tƣợng khác nhau nên rất dễ vi phạm giả thiết phƣơng sai không đổi và trong dữ liệu bảng có dữ liệu chuỗi thời gian nên có thể tồn tại tự
tƣơng quan. Lúc này, các hệ số ƣớc lƣợng bằng phƣơng pháp POOLED không còn hiệu quả. Do đó, cần tìm phƣơng pháp tốt hơn. Trên thực tế, các biến đo lƣờng đƣợc sự khác nhau giữa các đơn vị chéo nhƣng không thay đổi theo thời gian là thƣờng không quan sát đƣợc trong bộ dữ liệu nhƣng vẫn có thể đo lƣờng những tác động này một cách gián tiếp bằng việc sử dụng phƣơng pháp Fixed Effect Model. Phƣơng pháp này xem xét đƣợc các đặc điểm riêng của từng công ty trong mẫu nghiên cứu theo sự thay đổi của hệ số chặn và sự thay đổi này là cố định theo thời gian. Ngoài ra cũng có thể quan sát đƣợc những yếu tố thay đổi theo thời gian nhƣng không thay đổi theo dữ liệu chéo. Lúc này, hệ số chặn của mô hình sẽ thay đổi theo thời gian nhƣng đƣợc giả định là không đổi theo đơn vị chéo.
Khi những đặc điểm riêng biệt giữa các đối tƣợng nghiên cứu đƣợc giả định là ngẫu nhiên thì chúng ta có thể dùng phƣơng pháp Random Effect. Theo đó, giống nhƣ phƣơng pháp Fixed Effect, phƣơng pháp Random Effect có các hệ số chặn khác nhau cho từng đơn vị chéo nhƣng không khác nhau theo thời gian với giả định là mối quan hệ giữa biến giải thích và biến phụ thuộc là không đổi giữa các đơn vị chéo. Tuy nhiên sự khác biệt là, với mô hình hiệu ứng ngẫu nhiên, hệ số chặn cho mỗi đơn vị chéo đƣợc giả định là sẽ bổ sung thêm giá trị εi vào giá trị hệ số chặn chung α. Và nhƣ vậy giá trị hệ số chặn chung (εi+α) sẽ thay đổi ngẫu nhiên theo đơn vị chéo nhƣng không đổi theo thời gian.
Mô hình Fixed effects (FE) là mô hình khắc phục đƣợc các ràng buộc hạn chế của mô hình pool. Mô hình FEM có thể kiểm soát và tách ảnh hƣởng của các đặc điểm riêng biệt (không đổi theo thời gian) này ra khỏi các biến giải thích để chúng ta có thể ƣớc lƣợng những ảnh hƣởng thực của biến giải thích lên biến phụ thuộc. Tuy nhiên, mô hình FEM này lại thực hiện theo giả thuyết là có sự tƣơng quan giữa phần dƣ của mỗi thực thể (có chứa các đặc
điểm riêng) với các biến giải thích. Mô hình FEM còn có những hạn chế khác nhƣ có quá nhiều biến đƣợc tạo ra trong mô hình, do đó, có khả năng làm giảm bậc tự do và làm tăng khả năng sự đa cộng tuyến của mô hình. Ngoài ra, FEM không đo lƣờng đƣợc tác nhân không đổi theo thời gian.
Mô hình Random effects Model với giả định, đặc điểm riêng giữa các thực thể đƣợc cho là ngẫu nhiên và không tƣơng quan đến các biến giải thích. Mô hình REM xem các phần dƣ của mỗi thực thể là một biến giải thích mới và đƣợc thay thế mô hình FEM là do nó tiết kiệm đƣợc bậc tự do. Tuy nhiên, mô hình REM có hạn chế là mắc phải tính không đồng nhất của các hệ số tƣơng quan từ các tác động riêng rẽ và ngẫu nhiên. Vì vậy, Hausman Test đƣợc sử dụng để kiểm định lựa chọn giữa hai mô hình FEM và RE.
Nhƣ vậy, tác giả lựa chọn mô hình hồi quy tuyến tính bội dựa trên phƣơng pháp bình phƣơng bé nhất OLS (Pooled Regression) để phân tích dữ liệu bảng để nghiên cứu các nhân tố ảnh hƣởng đến việc nắm giữ tiền mặt của các doanh nghiệp ngành sản suất - kinh doanh niêm yết trên sở giao dịch chứng khoán thành phồ Hồ Chí Minh. Sau đó, với ƣớc lƣợng mô hình Pooled OLS, chạy mô hình Fixed Effect Model để kiểm định F-LM về hệ số chặn, nếu có sự khác biệt giữa các đơn vị chéo sẽ tiếp tục tục thực hiện mô hình Random effect Model.
Thực hiện kiểm định Redundant Fixed Effecets Tests để so sánh Pooled Regression và Fixed Effect Model .
Cuối cùng thực hiện kiểm định Hausman để lựa chọn mô hình phù hợp giữa Fixed Effect Model và Random effect Model.
Trên dữ liệu bảng, xét mô hình hồi quy có dạng:
Yt = c + βi*Xit + αZi + uit
Trong đó: Z là biến đại diện cho đặc điểm riêng (ở đây ta xét đặc điểm riêng của công ty thứ i). Tùy vào việc xem xét tác động của đặt điểm riêng Zi
lên mô hình sẽ hình thành các mô hình khác nhau trên dữ liệu bảng:
- Nếu bỏ qua đặc điểm riêng của Zi hoặc xem nhƣ Zi không có tác động trong mô hình. Khi đó sử dụng hồi qui OLS trên dữ liệu bảng nhƣ một dữ liệu chéo bình thƣờng thì gọi là Pooled Regression. Nhƣợc điểm lớn nhất của phƣơng pháp này là hệ sô Durbin-Watson thƣờng nhỏ hơn 1, có sự tự tƣơng quan. Đây là hiện tƣợng thƣờng gặp của mô hình và Fixed Effect Model, Radom Effect Model sẽ khắc phục hiện tƣợng này.
- Nếu xem xét sự tác động của đặc điểm riêng Zi tác động lên mô hình là có ý nghĩa ta sử dụng phƣơng pháp Fixed Effect Model và Radom Effect Model.
Tác động không tính toán đƣợc và là ngẫu nhiên thì ta sử dụng Radom Effect Model.
Ngƣợc lại, tác động tính toán đƣợc, xác định thì ta sử dụng Fixed Effect Model.
Mô hình Pooled có dạng:
Yt = c + βi*Xit + uit
Mô hìnhFEM và REM có dạng:
Yt = c + βi*Xit + α + uit
Trong đó:
- Biến Yt phụ thuộc là biến tỷ lệ nắm giữ tiền mặt của doanh nghiệp, thể hiện lƣợng tiền mặt nắm giữ của doanh nghiệp CASH
- Biến Xi biến giải thích (biến độc lập) thứ i Trong đó:
X2 : biến nhân tố chi tiêu tài sản cố định (CAPEX) X3 : biến nhân tố đòn bẩy (LEV)
X4 : biến chi trả cổ tức (DIV)
X6 : cho nhân tố tài sản lƣu động không bằng tiền mặt (LIQUID) X7 : biến quy mô doanh nghiệp (SIZE)
Cụ thể quy ƣớc các biến nhƣ sau:
- Biến phụ thuộc CASH: tỷ lệ nắm giữ tiền mặt của doanh nghiệp, thể
hiện lƣợng tiền mặt nắm giữ của doanh nghiệp. Đƣợc tính bằng tỷ số Tiền và các khoản tƣơng đƣơng tiền/Tổng tài sản
Biến độc lập GROWTH: thể hiện nhân tố cơ hội đầu tƣ. Theo Ferreira
và Vilela (2003), Opler và các cộng sự ( 1998), cơ hội đầu tƣ đƣợc thể hiện bằng tỷ số giá trị thị trƣờng/ giá trị sổ sách. Bản cân đối kế toán của doanh nghiệp không thể hiện đƣợc tài sản vô hình nhƣ là cơ hội đầu tƣ. Nhƣng càng nhiều cơ hội tăng trƣởng thì càng tăng giá trị thị trƣờng liên quan đến giá trị sổ sách của doanh nghiệp. Giá trị thị trƣờng của tài sản doanh nghiệp sẽ đƣợc tính bằng giá trị sổ sách của tài sản trừ đi giá trị sổ sách của cổ phần và cộng với giá trị thị trƣờng của cổ phẩn.
Tuy nhiên do giới hạn nguồn dữ liệu, tôi quyết định đo lƣờng cơ hội đầu tƣ theo tỷ lệ tăng trƣởng doanh thu theo nghiên cứu của Bigelli và Vidal (2009)
- Biến độc lập SIZE: thể hiện nhân tố quy mô công ty, đƣợc đo lƣờng
Bằng cách sử dụng logarit tự nhiên của Tổng tài sản, chênh lệch giữa quy mô công ty qua các năm sẽ nhỏ hơn, đồng thời có thể thấy sự tăng trƣởng trong tổng tài sản của công ty qua mỗi năm
- Biến độc lập CAPEX: thể hiện nhân tố chi tiêu tài sản cố định, thể hiện bằng tỷ số Tài sản cố định hữu hình /Tổng tài sản
- Biến độc lập LIQUID: thể hiện cho nhân tố tài sản lƣu động không bằng tiền mặt, thể hiện bằng tỷ số Vốn lƣu động ròng/Tổng tài sản. Vì vốn lƣu động ròng có thể đƣợc xem nhƣ là một khoản thay thế cho nắm giữ tiền mặt, doanh nghiệp có thể sử dụng khi thiếu hụt tiền mặt.
- Biến độc lập LEV: thể hiện cho nhân tố đòn bẩy tài chính, đƣợc tính bằng tỷ số Tổng nợ/Tổng tài sản
- Biến độc lập DIV: thể hiện cho nhân tố chi trả cổ tức. Ở đây DIV là biến giả, bằng 1 khi công ty có chi trả cổ tức bằng tiền mặt, các trƣờng hợp còn lại bằng 0.
Bảng 2.3. Bảng tổng hợp mã hóa biến các nhân tố ảnh hưởng đến việc nắm giữ tiền mặt của doanh nghiệp
Nhân tố Biến mã hóa Thể hiện
Nắm giữ tiền mặt CASH
Tiền và các khoản tƣơng đƣơng tiền/Tổng
tài sản
Cơ hội đầu tƣ GROWTH Tỷ lệ tăng trƣởng doanh
thu
Quy mô doanh nghiệp SIZE Ln(Tổng tài sản)
Chi tiêu tài sản cố định CAPEX Dòng tiền từ hoạt động
kinh doanh/Tổng tài sản
Tài sản lƣu động ròng LIQUID Vốn lƣu động
ròng/Tổng tài sản
Đỏn bẩy LEV Tổng nợ/Tổng tài sản
Chi trả cổ tức DIV 1 hoặc 0
(Nguồn: Tác giả tự tổng hợp)