6. Tổng quan tài liệu nghiên cứu
3.2. CÁC NHÂN TỐ ẢNH HƢỞNG ĐẾN NHU CẦU VỐN LƢU ĐỘNG
CỦA DOANH NGHIỆP SẢN XUẤT HÀNG TIÊU DÙNG
3.2.1. K ểm địn g ả t iết về p ân p ố uẩn ủ á b ến trong mô n ồ quy
liệu vì dữ liệu phân phối càng chuẩn thì việc phân tích, nhận định có độ tin cậy càng cao. Phân phối chuẩn còn đƣợc gọi là đƣờng cong chuông (bell curve) vì đồ thị mật độ xác suất có hình chuông. Biểu đồ phân phối của biến phụ thuộc đƣợc thể hiện ở Hình 3.1 dƣới đây.
Hình 3.1. Biểu đồ phân phối chuẩn của biến phụ thuộc
(Nguồn: Kết quả xử lý dữ liệu từ phần mềm SPSS)
Biểu đồ phân phối của nhu cầu vốn lƣu động (WCR_TA) có dạng hình chuông rõ ràng, độ lệch chuẩn nhỏ (0,27208), do đó dữ liệu của biến nhu cầu vốn lƣu động đạt phân phối chuẩn.
Biểu đồ phân phối của các biến: tỷ lệ tăng trƣởng doanh thu (GROWTH), khả năng sinh lời (PROF), chu kỳ chuyển hóa tiền mặt (CCC), đòn bẩy tài chính (LEV), quy mô doanh nghiệp (SIZE) và đánh giá của nhà
đầu tƣ (Q) đều có dạng hình chuông. Vì vậy, các biến độc lập trong mô hình đều đạt phân phối chuẩn.
Biểu đồ thể hiện phân phối của các biến độc lập đƣợc tác giả tổng hợp tại Phụ lục số 2.
3.2.2. P ân tí tƣơng qu n
Để xây dựng mô hình phù hợp, trƣớc hết phải xem xét mối quan hệ tuyến tính giữa các biến với nhau, điều này có thể thực hiện thông qua việc đánh giá ma trận tƣơng quan - đƣợc tính toán dựa vào phần mềm SPSS.
Bảng 3.4. Ma trận tương quan của các biến trong mô hình
WCR_TA GROWTH PROF CCC LEV SIZE Q
WCR_TA 1 GROWTH -,079 1 ,279 PROF -,338 ** -,105 1 ,000 ,150 CCC ,536 ** -,148* -,197** 1 ,000 ,042 ,007 LEV ,303 ** ,208** -,288** ,180* 1 ,000 ,004 ,000 ,013 SIZE ,087 ,195 ** ,144* ,084 ,245** 1 ,236 ,007 ,048 ,249 ,001 Q -,211 ** ,007 ,168* -,253** -,190** ,219** 1 ,004 ,927 ,021 ,000 ,009 ,002
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
(Nguồn:Kết quả phân tích tương quan từ phần mềm SPSS)
Hệ số tƣơng quan cặp giữa các biến độc lập không lớn, điều này cho thấy các biến độc lập trong mô hình có mối tƣơng quan nhất định nhƣng
không chặt chẽ, từ đó có thể hạn chế hiện tƣợng đa cộng tuyến giữa các biến với nhau.
Nhìn vào số liệu ở bảng ma trận tƣơng quan tại Bảng 3.4 ta thấy hệ số tƣơng quan giữa WCR_TA và các biến độc lập đều khác 0. Điều này chứng tỏ các nhân tố đều có ảnh hƣởng đến nhu cầu vốn lƣu động nhƣng ở nhiều mức độ khác nhau và có thể đƣa các nhân tố này vào giải thích cho biến phụ thuộc nhu cầu vốn lƣu động của doanh nghiệp.
3.2.3. Ƣớ lƣợng và ểm địn mô hình
Để xác định mức độ ảnh hƣởng của các nhân tố đến nhu cầu vốn lƣu động tác giả tiến hành phân tích hồi quy tuyến tính bội để kiểm định các giả thuyết đuợc nêu ra, các biến đƣợc đƣa vào mô hình theo phƣơng pháp Enter.
Tiêu chuẩn kiểm định là tiêu chuẩn đƣợc xây dựng dựa vào phƣơng pháp kiểm định giá trị thống kê F và xác định xác suất tƣơng ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2. Kiểm tra hiện tƣợng đa cộng tuyến bằng hệ số VIF, tự tƣơng quan bằng hệ số Durbin - Watson. Mức nghĩa α sử dụng trong các mô hình của bài nghiên cứu là 0,05.
a. Phân tích hồi quy lần 1
- Bƣớc 1: Tác giả tiến hành phân tích hồi quy tuyến tính bội, các biến đƣợc đƣa vào mô hình theo phƣơng pháp Enter. Với mô hình hồi quy gốc là:
WCR_TA β0 + β1GROWTH + β2PROF + β3CCC + β4LEV + β5SIZE + β6 Q +
- Bƣớc 2: Đánh giá độ phù hợp của mô hình và kiểm định sự phù hợp của mô hình
Bảng 3.5 Hệ số độ phù hợp R2 của mô hình hồi quy bội lần 1 Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,540a ,291 ,268 ,19976005 1,823
a. Predictors: (Constant), Q, GROWTH, PROF, CCC, LEV, SIZE b. Dependent Variable: WCR_TA
(Nguồn: Kết quả xử lý dữ liệu từ phần mềm SPSS)
Qua Bảng 3.5 ta thấy: R2 = 0,291, R2 hiệu chỉnh = 0,268. R2
> R2 hiệu chỉnh nên dùng R2 hiệu chỉnh để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Giá trị R2
hiệu chỉnh là 0,268 có nghĩa là các biến độc lập trong mô hình nghiên cứu ảnh hƣởng đến 26,8 % sự thay đổi của biến phụ thuộc, còn lại 73,2% sự biến động của biến phụ thuộc là do sự ảnh hƣởng của các nhân tố ngoài mô hình và do sai số ngẫu nhiên.
Theo Bảng 3.5 ta thấy hệ số R2 điều chỉnh của mô hình là 0,268. Sự phù hợp của mô hình đã chọn mới chỉ thể hiện sự phù hợp với dữ liệu mẫu. Để kiểm định độ phù hợp của mô hình hồi quy tổng thể ta đặt giả thiết hệ số R2 của tổng thể bằng 0. Nếu xác suất F nhỏ thì giả thiết này bị bác bỏ. Kiểm định F trong bảng phân tích phƣơng sai ANOVA đƣợc sử dụng để kiểm định sự phù hợp của mô hình nhƣ sau:
Bảng 3.6. Phân tích ANOVA lần 1 ANOVAa Model Sum of Squares Df Mean Square F Sig. 1 Regression 2,985 6 ,497 12,466 ,000b Residual 7,263 182 ,040 Total 10,247 188
a. Dependent Variable: WCR_TA
b. Predictors: (Constant), Q, GROWTH, PROF, CCC, LEV, SIZE
(Nguồn: Kết quả xử lý dữ liệu từ phần mềm SPSS)
Giá trị F = 12,466 tƣơng ứng mức nghĩa Sig. = 0,000. Điều này cho ta thấy giả thiết R2
= 0 bị bác bỏ và kết luận mô hình hồi quy tuyến tính xây dựng đƣợc là phù hợp với tổng thể các doanh nghiệp sản xuất hàng tiêu dùng Việt Nam.
- Bƣớc 3: Lựa chọn biến cho mô hình
Để lựa chọn biến cho mô hình ta dựa vào kết quả của bảng Coefficientsf
sau khi chạy SPSS, ta xét giá trị sig của các biến. Với độ tin cậy 95% thì những biến nào có giá trị sig nhỏ hơn 0,05 thì có nghĩa giải thích trong mô hình.
Bảng 3.7. Bảng hệ số hồi quy lần 1 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -,053 ,147 -,361 ,718 GROWTH -,018 ,046 -,026 -,387 ,699 ,887 1,128 PROF -,210 ,092 -,158 -2,280 ,024 ,815 1,228 CCC ,001 ,000 ,438 6,472 ,000 ,850 1,177 LEV -,005 ,079 -,004 -,060 ,952 ,775 1,290 SIZE ,021 ,012 ,122 1,705 ,090 ,759 1,317 Q -,031 ,021 -,101 -1,469 ,144 ,827 1,209
a. Dependent Variable: WCR_TA
(Nguồn: Kết quả xử lý dữ liệu từ phần mềm SPSS)
Kết quả ở Bảng 3.7 cho thấy các biến PROF, CCC có hệ số B và Beta ≠ 0, hệ số Sig. <0,05, điều này chứng tỏ có 2 biến PROF và CCC có mối quan hệ có nghĩa thống kê với nhu cầu vốn lƣu động trong mô hình.
Các biến GROWTH, LEV, SIZE, Q có hệ số B và Beta ≠ 0, hệ số Sig. Sig. >0,05, điều này chứng tỏ có các biến GROWTH, LEV, SIZE và Q không có mối quan hệ có nghĩa thống kê với nhu cầu vốn lƣu động trong mô hình.
Để xây dựng phƣơng trình hồi quy tối ƣu, những biến không có nghĩa thống kê sẽ bị loại bỏ khỏi mô hình và tiến hành phân tích hồi quy bội cho các biến còn lại.
(Kết quả phân tích hồi quy lần 2, 3, 4 đƣợc tác giả trình bày tại các phụ lục 4, 5 và 6)
b. Phân tích hồi quy lần 5
Lần lƣợt loại từng biến LEV, GROWTH, Q và SIZE ra khỏi mô hình và tiếp tục thực hiện phân tích hồi quy, kết quả phân tích hồi quy lần 5 thể
hiện ở Bảng 3.8. Bảng 3.8. Bảng hệ số hồi quy lần 5 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) ,167 ,024 6,983 ,000
PROF -,187 ,084 -,140 -2,218 ,028 ,974 1,027
CCC ,001 ,000 ,482 7,612 ,000 ,974 1,027
a. Dependent Variable: WCR_TA
(Nguồn: Kết quả xử lý dữ liệu từ phần mềm SPSS)
Kết quả ở Bảng 3.8 cho thấy cả 2 biến PROF và CCC đều có hệ số B và Beta ≠ 0, hệ số sig. < 0,05, điều này cho thấy cả 2 biến PROF và CCC đều có mối quan hệ có nghĩa thống kê với WCR_TA. Qua đó có thể kết luận rằng khả năng sinh lời và chu kỳ chuyển hóa tiền mặt có thể giải thích đƣợc nhu cầu vốn lƣu động của các doanh nghiệp sản xuất hàng tiêu dùng niêm yết trên thị trƣờng chứng khoán Việt Nam. Từ đó ta xây dựng đƣợc mô hình hồi quy nhƣ sau:
WCR_TA = 0,167 – 0,187 PROF + 0,001 CCC
Chiều hƣớng tác động và mức độ ảnh hƣởng của các biến trong mô hình hồi quy đƣợc giải thích nhƣ sau:
- Khi khả năng sinh lời và chu kỳ chuyển hoá tiền mặt đồng thời bằng 0 thì nhu cầu vốn lƣu động của doanh nghiệp là 0,167.
- Khi chu kỳ chuyển hoá tiền mặt của doanh nghiệp không đổi, nếu doanh nghiệp có tỷ suất lợi nhuận trên doanh thu tăng 1% thì nhu cầu vốn lƣu động của doanh nghiệp sẽ giảm đi 0,187 đơn vị.
- Khi khả năng sinh lời không đổi, nếu doanh nghiệp kéo dài thời gian chuyển hoá tiền mặt thêm 1 ngày thì nhu cầu vốn lƣu động của doanh nghiệp
sẽ tăng 0,001 đơn vị.
c. Kiểm định mức độ phù hợp của mô hình
Bảng 3.9. Hệ số độ phù hợp R2 của mô hình hồi quy bội (lần 5)
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,523a ,274 ,266 ,19998629 1,815
a. Predictors: (Constant), CCC, PROF b. Dependent Variable: NWC_TA
(Nguồn: Kết quả xử lý dữ liệu từ phần mềm SPSS)
Qua Bảng 3.9 ta thấy: R2 = 0,274, R2 hiệu chỉnh = 0,266. R2
> R2 hiệu chỉnh nên dùng R2 hiệu chỉnh để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Giá trị R2
hiệu chỉnh là 0,266 có nghĩa là các biến độc lập trong mô hình nghiên cứu ảnh hƣởng đến 26,6 % sự thay đổi của biến phụ thuộc, còn lại 73,4% sự biến động của biến phụ thuộc là do sự ảnh hƣởng của các nhân tố ngoài mô hình và do sai số ngẫu nhiên.
Theo Bảng 3.9 ta thấy hệ số R2 điều chỉnh của mô hình là 0,266. Sự phù hợp của mô hình đã chọn mới chỉ thể hiện sự phù hợp với dữ liệu mẫu. Để kiểm định độ phù hợp của mô hình hồi quy tổng thể ta đặt giả thiết hệ số R2 của tổng thể bằng 0. Nếu xác suất F nhỏ thì giả thiết này bị bác bỏ. Kiểm định F trong bảng phân tích phƣơng sai ANOVA đƣợc sử dụng để kiểm định sự phù hợp của mô hình nhƣ sau:
Bảng 3.10. Phân tích ANOVA (lần 5)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 2,808 2 1,404 35,107 ,000b
Residual 7,439 186 ,040
Total 10,247 188
a. Dependent Variable: NWC_TA b. Predictors: (Constant), CCC, PROF
(Nguồn: xử lý số liệu từ phần mềm SPSS)
Giá trị F = 35,107 tƣơng ứng mức nghĩa Sig. = 0,000. Điều này cho ta thấy giả thiết R2
= 0 bị bác bỏ và kết luận mô hình hồi quy tuyến tính xây dựng đƣợc là phù hợp với tổng thể các doanh nghiệp sản xuất hàng tiêu dùng Việt Nam. Do đó, có thể đảm bảo rằng độ tin cậy của mô hình đạt 26,6% là chắc chắn và có thể suy rộng ra cho tổng thể.
Điều đó có nghĩa là với độ tin cậy 95%, khả năng sinh lời (PROF) và chu kỳ chuyển hóa tiền mặt (CCC) có thể giải thích đƣợc 26,6 % sự thay đổi của nhu cầu vốn lƣu động của doanh nghiệp sản xuất hàng tiêu dùng niêm yết trên thị trƣờng chứng khoán Việt Nam.
Nhƣ vậy, nhu cầu vốn lƣu động của các doanh nghiệp sản xuất hàng tiêu dùng niêm yết trên thị trƣờng chứng khoán Việt Nam chịu ảnh hƣởng của 2 nhân tố là khả năng sinh lời và chu kỳ chuyển hóa tiền mặt. Khả năng sinh lời có tác động ngƣợc chiều đến đến nhu cầu vốn lƣu động với hệ số 0,187. Chu kỳ chuyển hóa tiền mặt tác động cùng chiều đến nhu cầu vốn lƣu động với hệ số là 0,001.
d. Kiểm tra giả định liên hệ tuyến tính
Để kiểm tra giả định liên hệ tuyến tính ta thực hiện phƣơng pháp vẽ biểu đồ phân tán giữa các phần dƣ và giá trị dự đoán mà mô hình hồi quy tuyến tính cho ra.
Nếu giả định liên hệ tuyến tính và phƣơng sai bằng nhau đƣợc thỏa mãn thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dƣ, chúng sẽ phân tán rất ngẫu nhiên.
Quan sát hình vẽ Scatterplot, ta xem xét phần dƣ phân tán nhƣ thế nào, nếu phần dƣ phân tán ngẫu nhiên xung quanh đƣờng đi qua tung độ 0 chứ không tạo thành một hình dạng nào. Nhƣ vậy, ta có thể kết luận rằng giả định tuyến tính đƣợc thỏa mãn, ngƣợc lại nếu phần dƣ phân tán theo hình dạng bậc 2 Parabol, cong bậc ba Cubic, … thì giả định liên hệ tuyến tính bị vi phạm.
Quan sát đồ thị Scatterplot tại Hình 3.2 , ta thấy phần dƣ phân tán ngẫu nhiên xung quanh đƣờng đi qua tung độ 0 chứ không tạo thành một hình dạng nào. Nhƣ vậy, ta có thể kết luận rằng giả định tuyến tính đƣợc thỏa mãn.
Hình 3.2. Đồ thị phân tán giữa các phần dư và giá trị dự đoán. Kiểm tra giả định phương sai của sai số không đổi.
e. Kiểm tra giả định phân phối chuẩn của phần dư
Một trong những cách khảo sát phân phối chuẩn của phần dƣ là xây dựng biểu đồ tần số của các phần dƣ. Thật không hợp l khi chúng ta kỳ vọng rằng các phần dƣ quan sát có phân phối hoàn toàn chuẩn vì luôn luôn có những chênh lệch do lấy mẫu. Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dƣ trong mẫu quan sát cũng chỉ xấp xỉ chuẩn mà thôi.
Sau khi xây dựng biểu đồ Histogram ta xem giá trị trung bình mean độ lệch chuẩn Std.Dev để rút ra kết luận.
Hình 3.3. Biểu đồ tần số Histogram
Theo quan sát Hình 3.3 ta thấy trung bình mean = - 8,65E-16 và độ lệch chuẩn Std.Dev = 0,995, tức là gần bằng 1. Do đó có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.
g. Kiểm tra giả định phương sai không thay đổi
Để kiểm tra giả định phƣơng sai không đổi, tác giả thực hiện kiểm định One-Way ANOVA. Kết quả kiểm định thể hiện ở Bảng 3.11.
Bảng 3.11. Kiểm định One-Way ANOVA
Test of Homogeneity of Variances
WCR_TA
Levene Statistic df1 df2 Sig.
1,732 2 186 ,180 ANOVA WCR_TA Sum of Squares df Mean Square F Sig. Between Groups ,063 2 ,032 ,576 ,563 Within Groups 10,184 186 ,055 Total 10,247 188
Từ số liệu ở bảng phân tích ANOVA, ta thấy giá trị Sig. của kiểm định Homogeneity = 0,180 > 5%, điều này có nghĩa rằng “không có sự khác biệt về giá trị phƣơng sai giữa các nhóm ngành với nhau”. Đây là điều kiện cần để có thể tiếp tục phân tích ANOVA. Kết quả bảng kiểm định ANOVA cho biết rằng giá trị Sig. = 0,563 > 5%, nghĩa là không có sự khác biệt có nghĩa thống kê về nhu cầu vốn lƣu động giữa các nhóm ngành với nhau.
h. Kiểm tra giả định không có hiện tượng tự tương quan
Tác giả kiểm tra hiện tƣợng tự tƣơng quan bằng hệ số Durbin - Watson (d) và bảng tra thống kê Durbin - Watson. Với cỡ mẫu là 189, số biến giải thích là 6, với mức nghĩa là 5% ta có dL=1,613, dU=1,735. Giá trị Durbin -
Watson của đề tài d=1,815 (xem ở Bảng 3.9) nằm trong khoản dU <d <4-dU. Nhƣ vậy có thể kết luận không có hiện tƣợng tự tƣơng quan xảy ra trong mô hình hồi quy.
i. Kiểm tra giả định không có hiện tượng đa cộng tuyến
Để kiểm tra hiện tƣợng đa cộng tuyến tác giả sử dụng nhân tử phóng đại phƣơng sai (Variance inflation factor – VIF). Trƣờng hợp có (k-1) biến giải thích: VIF = 1/(1-R2
j) Với R2
j là giá trị R2
trong hàm hồi quy của Xj theo (k-2) biến giải thích còn lại. Theo quy tắc kinh nghiệm, nếu VIF của 1 biến vƣợt quá 10 (khi R2j>0,9) thì biến này đƣợc coi là có cộng tuyến cao.
Hệ số VIF của các biến số trong mô hình hồi quy (xem tại Bảng 3.8) là