7. Tổng quan tài liệu nghiên cứu
3.1. KẾT QUẢ NGHIÊN CỨU
3.1.1. Thống kê mô tả
Trước khi tiến hành chạy mô hình hồi quy để xem xét các nhân tố ảnh hưởng đến việc nắm giữ tiền mặt của công ty, bảng 3.1 trình bày thống kê mô tả các biến để xem mức độ biến động, giá trị cao nhất, giá trị thấp nhất, giá trị trung bình của các biến trong mô hình.
Bảng 3.1. Thống kê mô tả các biến
Mean Median Maximum Minimum Std. Dev
DeDev. CASH 0.105288 0.059350 0.618252 0.000325 0.121842 SIZE 26.73018 27.00978 29.40028 23.58328 1.406256 NWC 0.662636 0.662849 0.971447 -0.005673 0.171709 CF 0.037528 0.033743 0.223944 -0.207114 0.038098 LEV 0.474855 0.424031 0.893755 0.025535 0.222567 DEBTM 0.101433 0.034076 0.903425 -0.059501 0.171398 GROWTH 0.106061 0.037523 7.218100 -0.879507 0.623766 DIV 0.617857 1.000000 1.000000 0.000000 0.486781 CAPEX 0.669877 0.453683 0.976672 0.004490 0.703996 BANKDEBT 0.305642 0.276574 0.824236 0.000000 0.260412
tương đường tiền trên tổng tài sản ròng; SIZE là quy mô công ty được xác định bằng cách lấy logarit tự nhiên của tổng tài sản; NWC là tỷ lệ vốn lưu động ròng, bằng tài sản ngắn hạn trừ nợ ngắn hạn trên tổng tài sản ròng; CF là tỷ số dòng tiền trên giá trị sổ sách của tổng tài sản; LEV là tỉ lệ sử dụng đòn bẩy tài chính, được tính bằng giá trị tổng nợ trên tổng tài sản; DEBTM là tỷ lệ nợ dài hạn trên tổng nợ; GROWTH là bằng tỷ lệ tăng trưởng doanh thu hằng quý của công ty; DIV là biến giả được xây dựng để đo lường ảnh hưởng chi trả cổ tức đến tỷ lệ tiền mặt nắm giữ, nếu công ty nào có chi trả cổ tức vào quý t thì biến giả có giá trị bằng 1, ngược lại bằng 0; CAPEX là tỷ số giữa tài sản cố định hữu hình trên tổng tài sản ròng; BANKDEBT là tỷ lệ nợ ngân hàng trên tổng nợ.
Qua bảng 3.1 ta thấy, tỉ lệ nắm giữ tiền mặt trên tổng tài sản ròng trung bình của các doanh nghiệp ngành Dược phẩm ở Việt Nam là 10,53%. Kết quả này cũng tương tự một số nghiên cứu trước đây, tuy nhiên, nghiên cứu này chỉ tính riêng trong ngành Dược phẩm. Tỉ lệ nắm giữ tiền mặt trên tổng tài sản ròng trung bình thấp nhất chỉ có 5,94%, Tỉ lệ nắm giữ tiền mặt trên tổng tài sản ròng trung bình cao nhất lên đến 61,83%
Bên cạnh đó, tỉ lệ tài sản lưu động thay thế khá cao, 66,26%. Tài sản lưu động thay thế là yếu tố không chỉ gắn liền với tiền mặt mà còn có thể thay thế cho tiền mặt trong một số trường hợp.
3.1.2. Kiểm tra sự vi phạm giả thiết của mô hình
a. Kiểm định tính dừng cho các biến
Trước khi chạy mô hình hồi quy theo phương pháp PLS, tác giả tiến hành kiểm định tính dừng cho từng biến. Vì nếu dữ liệu là các chuỗi không dừng, các giả thuyết như sai số ngẫu nhiên có kì vọng bằng 0, phương sai không đổi và không tương quan với nhau sẽ bị vi phạm, kiểm định T và F mất hiệu lực và các ước lượng là không hiệu quả. Để xác định các chuỗi dữ liệu là
dừng hay không dừng, tác giả sử dụng kiểm định ADF với giả thuyết H0: có nghiệm đơn vị, chuỗi không dừng. H0 được bác bỏ khi giá trị kiểm định ADF lớn hơn giá trị tới hạn của nó hay giá trị Prob. nhỏ hơn mức ý nghĩa.
Kết quả kiểm định trình bày trong bảng 3.2 cho thấy các biến là chuỗi dừng. Tuy nhiên biến SIZE lại không có tính dừng. Sai phân bậc 1 của chuỗi này (DSIZE) có tính dừng ở mức ý nghĩa 1%. Do đó, sai phân bậc 1 của chuỗi này sẽ được sử dụng trong mô hình.
Bảng 3.2. Kết quả kiểm định chuỗi dừng các biến độc lập
UNIT ROOT TEST
Series Prob. (ADF – Fisher Chi square)
CASH 0.0000 SIZE 0.0983 NWC 0.0076 CF 0.0006 LEV 0.0043 DEBTM 0.0000 GROWTH 0.0000 DIV 0.0138 CAPEX 0.0000 BANKDEBT 0.0132 DSIZE 0.0000
Null Hypothesis: Unit root (individual unit root process)
(Nguồn: Tính toán của tác giả từ phần mềm Eviews 8)
Thay biến SIZE bằng DSIZE vào mô hình (1), ta được mô hình mới như sau:
+ β6GROWTHi,t + β7DIVi,t + β8CAPEXi,t + β9BANKDEBTi,t + εi,t (2)
b. Kiểm định hiện tượng đa cộng tuyến
Bảng 3.3: Ma trận hệ số tương quan giữa các biến, ta thấy đa số các biến không có tương quan chặt chẽ với nhau. Lớn nhất là giữa NWC và CAPEX với hệ số tương quan là -0,64, tiếp theo là giữa NWC và LEV với hệ số tương quan là 0,63. Nghi ngờ có hiện tượng đa cộng tuyến, tác giả tiến hành thực hiện kiểm định VIF của 2 cặp tương quan này, kết quả cho thấy hệ số VIF của 2 cặp này lần lượt là 1,69377 và 1,6581 đều nhỏ hơn 10 nên có thể kết luận không tồn tại đa cộng tuyến trong bảng dữ liệu.
Bảng 3.3. Ma trận hệ số tương quan giữa các biến
CASH DSIZE NWC CF LEV DEB
TM GRO WTH DIV CAP EX BANK DEBT CASH 1 0.18 0.02 0.56 -0.30 -0.13 0.00 0.16 -0.19 -0.45 DSIZE 0.18 1.00 0.03 0.18 0.08 0.00 0.05 0.10 -0.16 -0.15 NWC 0.02 0.03 1.00 0.11 0.63 -0.52 -0.08 0.27 -0.61 0.04 CF 0.56 0.18 0.11 1.00 -0.36 -0.37 0.10 0.35 -0.32 -0.31 LEV -0.30 0.08 0.63 -0.36 1.00 -0.10 -0.07 -0.02 -0.32 0.22 DEBTM -0.13 0.00 -0.52 -0.37 -0.10 1.00 0.01 -0.25 0.43 -0.16 GROWTH 0.00 0.05 -0.08 0.10 -0.07 0.01 1.00 0.08 -0.11 -0.05 DIV 0.16 0.10 0.27 0.35 -0.02 -0.25 0.08 1.00 -0.18 -0.17 CAPEX -0.19 -0.16 -0.61 -0.32 -0.32 0.43 -0.11 -0.18 1.00 0.06 BANKDEBT -0.45 -0.15 0.04 -0.31 0.22 -0.16 -0.05 -0.17 0.06 1.00
(Nguồn: Tính toán của tác giả từ phần mềm Eviews 8)
c. Kiểm định hiện tượng tự tương quan
Trong đề tài này, tác giả sử dụng kiểm định Lagrange (LM) để kiểm định hiện tượng tự tương quan.
Đặt giả thuyết:
H1: # 0: có tương quan chuỗi bậc nhất.
Kết quả kiểm định, ta thấy LM = 108.1234, Prob (Obs*R-square) = 0.0542 > α = 0.05, nên ta chấp nhận H0, nghĩa là không tồn tại tương quan chuỗi bậc 1.
Bảng 3.4. Kết quả kiểm định tự tương quan chuỗi bậc nhất
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 3.594603 Prob. F(1,266) 0.0591 Obs*R-squared 3.706676 Prob. Chi-Square(1) 0.0542
(Nguồn: Tính toán của tác giả từ phần mềm Eviews 8)
d. Kiểm định hiện tượng phương sai sai số thay đổi
Để kiểm tra hiện tượng phương sai sai số thay đổi, tác giả sử dụng kiểm định LM theo trường phái Breusch & Pagan (1979). Tiến hành hồi quy phụ mô hình: Ut = α1+ α2DSIZEi,t + α3NWCi,t + α4CFi,t+ α5LEVi,t + α6DEBTMi,t + α7GROWTHi,t + α8DIVi,t + α9CAPEXi,t + α10BANKDEBTi,t
Kết quả bảng 3.5 cho thấy có tồn tại hiện tượng phương sai sai số thay đổi.
Bảng 3.5. Kết quả kiểm định phương sai sai số thay đổi
Mô hình hồi quy phụ: Ut = α1+ α2DSIZEi,t + α3NWCi,t + α4CFi,t+ α5LEVi,t + α6DEBTMi,t + α7GROWTHi,t + α8DIVi,t + α9CAPEXi,t + α10BANKDEBTi,t
Variable Coefficient Std. Error t-Statistic Prob. C 0.014616 0.009205 1.587800 0.1136 DSIZE 0.064163 0.016384 3.916295 0.0001 NWC -0.009715 0.013499 -0.719661 0.4724 CF 0.051438 0.044781 1.148655 0.2518 LEV -0.000103 0.009143 -0.011277 0.9910
Variable Coefficient Std. Error t-Statistic Prob. DEBTM 0.001797 0.009630 0.186649 0.8521 GROWTH -0.000353 0.002024 -0.174176 0.8619 DIV -0.000738 0.002839 -0.260076 0.7950 CAPEX 0.000436 0.002395 0.182218 0.8556 BANKDEBT -0.010728 0.005371 -1.997240 0.0469
(Nguồn: Tính toán của tác giả từ phần mềm Eviews 8)
Trị số LM = 30.81211; Thống kê Chi bình phương = 14.68366 Dựa vào mô hình hồi quy phụ trên, ta đặt giả thuyết: H0: α2 = α3 = α4 = α5 = α6 =α7 = α8 = α9 = α10 = 0 (không có phương sai sai số thay đổi)
H1: có ít nhất một α ở trên khác 0 (có phương sai sai số thay đổi) Kết quả cho thấy LM>Chi bình phương nên bác bỏ H0, tức là có hiện tượng phương sai sai số thay đổi.
Thay vì khắc phục hiện tượng này, tác giả thực hiện thêm kiểm định phần dư là chuỗi dừng. Sử dụng kiểm định Histogram-Normality, kết quả thu được thể hiện trong bảng 3.6 với các giá trị Prob của thống kê Jarque-Bera nhỏ hơn 0.01, Skewness không gần giá trị 0 và Kurtosis không gần giá trị 3. Vì vậy, không thừa nhận phần dư của cả hai phương trình có phân phối chuẩn. Tiếp theo, tiến hành kiểm định phần dư có phải là chuỗi dừng không bằng cách sử dụng Unit Root Test. Kiểm định ADF cho kết quả giá trị Prob. nhỏ hơn 0.05, bác bỏ giả thuyết H0, nghĩa là phần dư là chuỗi dừng.
Tuy tồn tại hiện tượng phương sai sai số thay đổi, phần dư không có phân phối chuẩn chưa được khắc phục nhưng phần dư là chuỗi dừng cho thấy kết quả hồi quy có thể tin cậy và thể hiện được mối quan hệ giữa các biến trong mô hình.
Bảng 3.6. Kết quả kiểm định phân phối chuẩn và tính dừng của phần dư Phương trình (2) Histogram-Normality test Prob. (Jarque-Bera) 0.0000 Skewness 3.68 Kurtosis 20.50
ADF Unit root test
Prob. (ADF test) 0.000
(Nguồn: Tính toán của tác giả từ phần mềm Eviews 8)
3.1.3. Kết quả hồi quy fixed effect model (FEM), random effect model (REM)
Hồi quy mô hình (2) với các phương pháp fixed effect model (FEM), random effect model (REM)
Bảng 3.7. Kết quả hồi quy mô hình (2) với các phương pháp khác nhau
Biến PLS FEM REM
C 0.134347*** (3.093941) 0.020394 (0.356035) 0.154659*** (5.073813) DSIZE 0.120093 (1.553955) 0.12412** (2.070912) 0.177705*** (3.307737) NWC 0.041634 (0.653853) 0.028722 (0.481268) 0.043623 (0.984074) CF 1.234131*** (5.842537) 0.483282** (2.249471) 0.737369*** (4.816146) LEV -0.092363** (-2.14165) 0.215316*** (2.595226) -0.10169*** (-3.208967) DEBTM -0.002996 -0.072445* -0.062828**
Biến PLS FEM REM (-0.065962) (-1.785391) (-1.996876) GROWTH -0.013589 (-1.423018) -0.008988 (-1.203005) -0.013377** (-2.091593) DIV -0.015893 (-1.186589) -0.000162 (-0.012826) -0.004189 (-0.441275) CAPEX -0.011038 (-0.977101) -0.013057 (-1.360959) -0.002261 (-0.298534) BANKDEBT -0.137507*** (-5.427261) -0.130484*** (-2.789831) -0.150048*** (-7.847162) R2 0.420433 0.684569 0.630818 R2 hiệu chỉnh 0.400058 0.656011 0.615500
Redundant Fixed Effects Test
Statistic d.f Prob. F 15.652541 (13,243) 0.0000 Chi-bình phương 161.818431 13 0.0000 Hausman Test Statistic d.f Prob. Cross-section random 68.056884 10 0.0000
(Nguồn: Tính toán của tác giả từ phần mềm Eviews 8)
Trị thống kê t đối với phương pháp FEM và trị thống kê z đối với phương pháp REM được trình bày trong dấu ngoặc đơn, dưới các hệ số hồi quy. Kiểm định Redundant Fixed Effects Test được sử dụng để kiểm tra độ phù hợp của mô hình PLS và FEM. Kiểm định Hausman Test để kiểm tra độ phù hợp giữa
mô hình FEM và REM.
*,**,*** lần lượt có ý nghĩa thống kê ở mức 10%, 5%, và 1%.
Bảng 3.7 thể hiện 3 phương pháp hồi quy Pooled Regression, Fixed Effect Model và Random Effect Model. Thực hiện kiểm định Redundant Fixed Effects Test để so sánh PLS và FEM với giả thuyết:
H0: α1 = α2 = α3 = … = αn (chọn PLS) H1: Ǝ αi ≠ 0 (chọn FEM)
Tác giả nhận thấy Chi-bình phương có Prob. = 0.0000 < α = 0.05, bác bỏ H0. Vậy sử dụng mô hình FEM phù hợp hơn mô hình PLS.
Tiếp tục thực hiện kiểm định Hausman Test để so sánh FEM và REM, chọn ra phương pháp hồi quy tối ưu với giả thuyết:
H0: Cov (εi,Xi) = 0: không có tương quan giữa các biến giải thích và thành phần ngẫu nhiên (tức là sử dụng mô hình REM phù hợp hơn)
H1: Cov (εi,Xi) ≠ 0 : có tương quan giữa các biến giải thích và thành phần ngẫu nhiên (tức là sử dụng mô hình FEM phù hợp hơn).
Tác giả nhận thấy Prob. = 0.0000 < α = 0.05, bác bỏ giả thuyết H0, chọn mô hình FEM.
Đồng thời, nhìn vào R2 và R2 hiệu chỉnh của mô hình hồi quy theo phương pháp Fixed Effect Model lớn hơn hai phương pháp hồi quy còn lại. Vì vậy, sử dụng mô hình hồi quy FEM là tối ưu nhất.
Kết quả hồi quy ở bảng 3.7 thể hiện mối tương quan của các nhân tố ảnh hưởng đến việc nắm giữ tiền mặt của các doanh nghiệp thuộc nhóm ngành Dược phẩm trên TTCK Việt Nam. Trong 3 phương pháp, tác giả nhận thấy phương pháp FEM là tối ưu nhất. Phương pháp FEM cho kết quả đòn bẩy tài chính có tương quan dương với nắm giữ tiền mặt giống với kỳ vọng của tác giả trong khi PLS và REM lại cho kết quả tương quan âm. Hệ số hồi quy của đòn bẩy (LEV) ước lượng theo mô hình FEM là 0.215316 với mức ý
nghĩa 1%. Đòn bẩy tài chính cũng là một nhân tố có tác động lớn đến việc nắm giữ tiền mặt, có ý nghĩa thống kê cao, nếu tỷ lệ đòn bẩy tăng 1% thì tăng 0.215% tỷ lệ nắm giữ tiền mặt. Điều này chỉ ra rằng, đối với những doanh nghiệp thuộc ngành Dược phẩm ở Việt Nam có tỷ trọng nợ càng cao trong cấu trúc vốn thì nắm giữ tiền mặt càng nhiều. Kết quả này mâu thuẫn với lý thuyết dòng tiền tự do, nhưng có thể giải thích theo mô hình đánh đổi theo Ferreira và Vilela (2003) rằng, khi tỷ lệ nợ tăng, các công ty sẽ phải đối mặt với xác suất phá sản và áp lực phải trả các khoản lãi hằng kỳ tăng lên. Do đó, công ty có đòn bẩy cao sẽ nắm giữ nhiều tiền mặt để giảm xác suất phá sản và kiệt quệ tài chính. Kết quả này cũng tương đồng với nghiên cứu của Sunday E. Ogundipe, Rafiu O.Salawu and Lawrencia O. Ogundipe (2012).
Kết quả nghiên cứu cũng chỉ ra rằng có mối tương quan dương giữa quy mô công ty và nắm giữ tiền mặt, thể hiện qua hệ số hồi quy của DSIZE ước lượng theo mô hình FEM là 0.12412 với mức ý nghĩa 5%. Nghĩa là những công ty có quy mô lớn sẽ nắm giữ tiền mặt nhiều hơn. Mặc dù kết quả này mâu thuẫn với thuyết đánh đổi nhưng lại ủng hộ lý thuyết trật tự phân hạng và lý thuyết dòng tiền tự do. Theo thuyết trật tự phân hạng cho rằng việc nắm giữ tiền mặt có tương quan dương với quy mô công ty vì các công ty lớn thường thể hiện tốt hơn so với các công ty nhỏ và do đó cần phải có nhiều tiền mặt (Opler và cộng sự, 1999).
Dòng tiền (CF) là một nhân tố ảnh hưởng đáng kể nhất đến việc nắm giữ tiền mặt theo kết quả nghiên cứu các doanh nghiệp ngành Dược phẩm ở Việt Nam. Theo đó, dòng tiền có tương quan dương với việc nắm giữ tiền mặt. Công ty có dòng tiền hoạt động càng cao, quỹ tiền mặt càng lớn. Hệ số hồi quy của CF là 0.483282 với mức ý nghĩa 5%, nghĩa là ứng với một đồng dòng tiền từ hoạt động kinh doanh, lượng tiền mặt nắm giữ của công ty tăng lên 0.483 đồng. Kết quả này hoàn toàn trùng với kỳ vọng của tác giả, đồng
quan điểm với thuyết trật tự phân hạng và tương đồng với kết quả của các nghiên cứu trước đó như Ferreira và Vilela (2004); Faulkender (2002); Opler và các cộng sự (1999); Almeida và các cộng sự (2004); Corina Camelia Pastor (2010).
Một nhân tố nữa cũng có ảnh hưởng khá lớn đến việc nắm giữ tiền mặt, đó là tỷ lệ nợ ngân hàng (BANKDEBT). Từ kết quả hồi quy cho thấy nợ ngân hàng có tương quan âm với việc nắm giữ tiền mặt và có ý nghĩa thống kê ở mức 1%, nghĩa là các công ty sử dụng nhiều nợ ngân hàng thì giữ ít tiền mặt hơn. Điều này ủng hộ quan điểm rằng mối quan hệ tốt với ngân hàng sẽ giúp công ty dễ dàng tiếp cận được các nguồn vốn hơn, và do đó công ty không nhất thiết phải giữ nhiều tiền mặt. Đặc biệt là ngành sản xuất như ngành dược, các công ty thường có nợ nhiều hơn các công ty dịch vụ, vì ngành sản xuất thường được đảm bảo nợ bằng tài sản hữu hình. Kết quả nghiên cứu này trái với kết quả nghiên cứu của Pinkowitz và Williamson (2001) nhưng lại cùng với Ozkan và Ozkan (2002), cũng tìm ra rằng nợ ngân hàng có tác động ngược lại với lượng tiền mặt của các công ty ở Anh. Hơn nữa, mối tương quan âm giữa nắm giữ tiền mặt và nợ ngân hàng cũng ủng hộ quan điểm ngân hàng ở vị thế tốt hơn để xem xét chất lượng tín dụng của công ty và giám sát, kiểm soát chính sách tài chính của công ty, làm giảm bất đối xứng thông tin và vấn đề đại diện thường liên quan đến các loại nợ. (Ferreira và Vilela, 2004).
Như đã phân tích, các công ty có cấu trúc kỳ hạn nợ ngắn hạn sẽ nắm giữ mức tiền mặt cao hơn để giảm thiểu rủi ro xuất phát từ việc không gia hạn các khoản nợ ngắn hạn và các chi phí liên quan đến sự phụ thuộc nguồn tài chính bên ngoài công ty. Các công ty có xếp hạng tín dụng cao có khả năng vay mượn tốt hơn, do đó công ty sẽ nắm giữ ít tiền mặt hơn. Kết quả nghiên