Để khắc phục nhược điểm của phương pháp thống kê mô tả, phương pháp phân tích tương quan và hồi quy tuyến tính được tác giả sử dụng để đo lường mối tương quan giữa các biến trong bốn mô hình hồi quy trên theo các bước sau:
Bước 1: Ước tính các giá trị của hệ số hồi quy của 4 biến phụ thuộc ROA, ROE, ROS và ROCE trong mô hình hồi quy tương ứng với phương pháp Bình phương tối thiểu.
Bước 2: Kiểm tra ý nghĩa thống kê của mô hình.
Bước 3: Kiểm tra các vi phạm giả thuyết hồi quy bao gồm kiểm tra tính cần thiết của biến trong mô hình, kiểm tra hiện tượng phương sai sai số thay đổi và kiểm định đa cộng tuyến.
2.4. Kết quả rút ra thông qua kiểm định mô hình
2.4.1. Kết quả rút ra từ nghiên cứu định lượng
Kết luận: Phân tích hồi quy tuyến tính bình phương nhỏ nhất được sử dụng để đánh giá mức độ ảnh hưởng của nhân tố ảnh hưởng đến ROA. Kết quả phân tích cho thấy hệ số hồi quy riêng của FL có P value = 0.000 < 5% và hệ số hồi quy riêng của Growth có P value = 0.0005 < 5%, nên Growth có ảnh hưởng đến ROA. Mô hình có hệ số R2 điều chỉnh là 0.32. Nghĩa là biến FL và Growth giải thích được 32% sự thay đổi của ROA. Hệ số Durbin-Watson là 1.49 nằm trong khoảng [1,3] chứng tỏ phần dư không có tương quan chuỗi bậc nhất.
Phương trình hồi quy là: ROA = 20.96 - 0.145*FL + 6.01*Growth (1) Kiểm tra các vi phạm giả thiết hồi quy
Kiểm định sự cần thiết của biến trong mô hình
Wald Test:
Equation: Untitled
Test Statistic Value df Probability F-statistic 19.86453 (2, 115) 0.0000 Chi-square 39.72906 2 0.0000
Ta đặt bài toán kiểm định như sau: H0: Biến FL và Growth không cần thiết trong mô hình; H1: Biến FL và Growth cần thiết trong mô hình.
Từ bảng kiểm định Wald ở trên, ta có P_value = 0.0000 < 0.05 nên bác bỏ H0. Vậy biến FL và Growth cần thiết trong mô hình.
F-statistic 2.061977 Prob. F(2,117) 0.131 8 Obs*R-squared 4.085686 Prob. Chi-
Square(2) 0.129 7 Scaled explained SS 13.08599 Prob. Chi- Square(2) 0.001 4
Kiểm tra hiện tượng phương sai sai số thay đổi
Variable Coefficie
nt Std. Error t-Statistic Prob.
FL -0.007781 0.064037 - 0.121503 0.903 5 SIZE 0.760317 1.308091 0.581241 0.562 2 GROWTH 22.16856 3.859584 5.743768 0.000 TSCDHH 18.58974 7.329112 2.536425 0.012 5 C -0.845927 16.38043 - 0.051643 9 0.958 R-squared 0.276421 Mean dependent
var 17.1842 5 Adjusted R- squared 0.251253 S.D.dependent var 13.9679 4 S.E. of regression 12.08648 Akaike info 7.86282 Sum squared resid 16799.55 Schwarz criterion 7.97897 Log likelihood -466.7696 Hannan-Quinn
criter.
7.90999 3 F-statistic 10.98307 Durbin-Watson stat 1.54425 Prob(F-statistic) 0.000000
Test Statistic Value d
f Probability F-statistic 21.78996 (2, 115) 0.0000
Chi-square 43.57993 2 0.0000
Với kết quả giá trị Prob. (P value) = 0.132 > 0.05, khi đó giả thuyết H0 (mô hình có phương sai sai số thay đổi) bị bác bỏ. Như vậy, mô hình không có tính tự phương sai sai số thay đổi, kết quả ước lượng của mô hình không bị thay đổi và là kết quả ước lượng tốt nhất.
Kiểm tra hiện tượng đa cộng tuyến
Đề tài sử dụng nhân tử phóng đại phương sai VIF để xét hiện tượng đa cộng tuyến. Kết quả cho thấy mô hình không có hiện tượng đa cộng tuyến.
31
b) Ảnh hưởng của các biến đến chỉ số ROE
Kết luận: Phân tích hồi quy tuyến tính bình phương nhỏ nhất được sử dụng để đánh giá mức độ ảnh hưởng của nhân tố FL, Size, Growth, TSCD đến ROE. Kết quả phân tích cho thấy hệ số hồi quy riêng của FL và Size có P value > 5%, nên FL, Size không ảnh hưởng đến ROE. Riêng hệ số hồi quy riêng của Growth và TSCDHH có P_value < 5% và hệ số beta > 0 nên có ảnh hưởng cùng chiều lên ROE. Các biến ảnh hưởng giải thích được 25.1% sự thay đổi của biến ROE. Bên cạnh đó, hệ số Durbin-Watson d = 1.54 nằm trong khoảng [1,3]. Vì vậy, mô hình không có hiện tượng tự tương quan giữa các phần dư.
Phương trình hồi quy là: ROE = - 0.85 + 22.17*Growth + 18.59*TSCDHH (2)
Kiểm tra các vi phạm giả thiết hồi quy
Kiểm định sự cần thiết của biến trong mô hình
Wald Test:
Variable Coefficien
t Std. Error Statistict- . Prob
FL - 0.186136 0.042984 - 4.330324 0.0000 SIZE - 0.878054 - 0.6594 GROWTH 2.96972 3 2.590738 1.146284 0.2541 TSCDHH 6.11732 5 4.919652 1.243447 0.2162 C 20.5853 4 10.99533 1.872190 0.0637 R-squared 0.22012 1
Mean dependent var 6.1476 67 Adjusted R-
squared 4 0.19299 S.D.dependent var 9.031182 S.E. of regression 8.11302 Akaike info criterion 7.0655 Sum squared resid 7569.43 Schwarz criterion 7.1817 Log likelihood -
418.9356 Hannan-Quinn criter. 7.112760 F-statistic 8.11467 Durbin-Watson stat 2.1388 Prob(F-statistic) 0.00000
8
Ta đặt bài toán kiểm định như sau: HO: Biến Growth và TSCD không cần thiết trong mô hình; HI: Biến Growth và TSCDHH cần thiết trong mô hình.
Kiểm tra hiện tượng phương sai sai số thay đổi
Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic Obs*R-squared Scaled explained SS 2.953203 Prob. F(2,117) 5.766735 Prob.Chi-Square(2) 12.08089 Prob.Chi-Square(2) 0.0561 0.0559 0.0024
Từ bảng kiểm định Breusch - Pagan - Godfrey ở trên, với kết quả giá trị Prob. (P value) = 0.056 > 0.05, khi đó giả thuyết HO (mô hình có phương sai sai số thay đổi) bị bác bỏ. Như vậy, mô hình không có tính tự phương sai sai số thay đổi, kết quả ước lượng của mô hình không bị thay đổi và là kết quả ước lượng tốt nhất.
Kiểm tra hiện tượng đa cộng tuyến
Đề tài sử dụng nhân tử phóng đại phương sai VIF để xét hiện tượng đa cộng tuyến. Kết quả cho thấy mô hình không có hiện tượng đa cộng tuyến.
Kiểm định sự cần thiết của biến trong mô hình
Wald Test:
Equation: Untitled
Test Statistic Value df Probability F-statistic 18.75171 (1, 115) 0.0000
Chi-square 18.75171 1 0.0000
Ta đặt bài toán kiểm định như sau: HO: Biến FL không cần thiết trong mô hình; HI: Biến FL cần thiết trong mô hình.
Từ bảng kiểm định Wald ở trên, ta có P_value = 0.0000 < 0.05 nên bác bỏ HO. Vậy biến FL cần thiết trong mô hình.
Kiểm tra hiện tượng phương sai sai số thay đổi
Heteroskedasticity Test: Breusch-Pagan-Godfrey Variable Coefficien t Std. Error t- Statistic Prob . FL - 0.004142 0.064957 - 0.063766 0.9493 SIZE - 0.758875 1.326896 - 0.571918 0.5685 GROWTH 22.6154 5 3.915068 5.776515 0.0000 TSCDHH 21.4130 5 7.434472 2.880238 0.0047 C 21.6935 2 16.61591 1.305587 0.1943 R-squared 0.29008
9 Mean dependent var 19.90200 Adjusted R- squared 0.26539 7 S.D. dependent var 14.304 49 S.E. of regression 12.2602 Akaike info criterion 7.8913 Sum squared resid 17286.0
2 Schwarz criterion 8.0075 18 Log likelihood - 468.4823 Hannan-Quinn criter. 7.9385 40 F-statistic 11.7480 Durbin-Watson stat 1.2508 Prob(F-statistic) 0.00000
0
Kết luận: Phân tích hồi quy tuyến tính bình phương nhỏ nhất được sử dụng để đánh giá mức độ ảnh hưởng của nhân tố FL đến ROS. Kết quả phân tích cho thấy hệ số hồi quy riêng của FL có P value = 0.000 < 5%, nên FL có ảnh hưởng đến ROS. Hệ số beta của FL = - 0.186 < 0, cho thấy FL tác động ngược chiều lên ROS. Mô hình có hệ số R2 điều chỉnh là 0.19. Nghĩa là biến FL giải thích được 19% sự thay đổi của ROS. Hệ số Durbin-Watson là 2.13 nằm trong khoảng [1,3] chứng tỏ phần dư không có tương quan chuỗi bậc nhất.
Phương trình hồi quy là: ROS = 20.58 - 0.19*FL (3) Kiểm tra các vi phạm giả thiết hồi quy
33 F-statistic 1.141178 Obs*R-squared 4.581330 Scaled explained SS 40.73394 Prob. F(4,115) 0.3408 Prob. Chi-Square(4) 0.3330 Prob. Chi-Square(4) 0.0000
Với kết quả giá trị Prob. (P value) = 0.34 > 0.05, khi đó giả thuyết HO (mô hình có phương sai sai số thay đổi) bị bác bỏ. Như vậy, mô hình không có tính tự phương sai sai số thay đổi, kết quả ước lượng của mô hình không bị thay đổi và là kết quả ước lượng tốt nhất.
Kiểm tra hiện tượng đa cộng tuyến
Đề tài sử dụng nhân tử phóng đại phương sai VIF để xét hiện tượng đa cộng tuyến. Kết quả cho thấy giữa các biến độc lập không có hiện tượng đa cộng tuyến.
Test Statistic Value d
f Probability F-statistic 23.17998 (2, 115) 0.0000
Chi-square 46.35996 2 0.0000
Ta đặt bài toán kiểm định như sau: H0: Biến Growth và TSCDHH không cần thiết trong mô hình; HI: Biến Growth và TSCDHH cần thiết trong mô hình.
Từ bảng kiểm định Wald ở trên, ta có P_value = 0.0000 < 0.05 nên bác bỏ H0.Vậy biến Growth và TSCDHH cần thiết trong mô hình.
Kiểm tra hiện tượng phương sai sai số thay đổi
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 0.953196 Prob. F(4,115) 0.4361 Obs*R-squared 3.850883 Prob. Chi-Square(4) 0.4266 Scaled explained SS 6.548384 Prob. Chi-Square(4) 0.1618
Từ bảng kiểm định Breusch - Pagan - Godfrey ở trên, với kết quả giá trị Prob. (P-value) = 0.436 > 0.05, khi đó giả thuyết H0 (mô hình có phương sai sai số thay đổi) bị bác bỏ. Như vậy, mô hình không có tính tự phương sai sai số thay đổi, kết quả ước lượng của mô hình không bị thay đổi và là kết quả ước lượng tốt nhất.
Kiểm tra hiện tượng đa cộng tuyến
Đề tài sử dụng nhân tử phóng đại phương sai VIF để xét hiện tượng đa cộng tuyến. Kết quả cho thấy giữa các biến độc lập không có hiện tượng đa cộng tuyến.
Kết luận: Phân tích hồi quy tuyến tính bình phương nhỏ nhất được sử dụng để đánh giá mức độ ảnh hưởng của các nhân tố đến ROCE. Kết quả phân tích cho thấy hệ số hồi quy riêng của FL có P value = 0.95 > 5% và Size có P value = 0.57 > 5% nên Size, FL không ảnh hưởng đến ROCE. Riêng biến Growth và TSCD có P < 5% nên có ảnh hưởng lên ROCE. Mô hình có R2 điều chỉnh là 0.265 cho thấy biến Growth và TSCDHH giải thích được 26.5% sự thay đổi của ROCE. Hệ số Durbin- Watson là 1.25 nằm trong khoảng [1,3] chứng tỏ phần dư không có tương quan chuỗi bậc nhất.
Phương trình hồi quy là:
ROCE = 21.69 + 22.62*GROWTH + 21.41*TSCDHH (4) Kiểm tra các vi phạm giả thiết hồi quy
Kiểm định sự cần thiết của biến trong mô hình
Wald Test:
Giả thuyết Giả thuyết chi tiết Kết quả kiểm định
Giả thuyết điều chỉnh H1: Đòn bẩy tài chính có tác động tiêu cực đến chỉ số lợi nhuận.
H1a: Đòn bây tài chính có tác động tiêu cực đến ROA
Chấp nhận
H1b: Đòn bẩy tài chính có tác
động tiêu cực đến ROE Loại bỏ không có tác độngĐòn bẩy tài chính
đến ROE '
H1c: Đòn bẩy tài chính có tác
đông tiêu cực đến ROS Chấp nhận
H1d: Đòn bẩy tài chính có tác
động tiêu cực đến ROCE Loại bỏ
Đòn bẩy tài chính không có tác động đến ROCE H2: Quy mô doanh nghiệp không có tác động đến chỉ số lợi nhuận.
H2a: Quy mô doanh nghiệp
không có tác động đến ROA Chấp nhận
H2b: Quy mô doanh nghiệp
không có tác động đến ROE Chấp nhận
H2c: Quy mô doanh nghiệp
không có tác động đến ROS Chấp nhận
H2d: Quy mô doanh nghiệp
không có tác động đến ROCE Chấp nhận H3: Cơ hội tăng trưởng có tác động tích cực đến chỉ số lợi nhuận.
H3a: Cơ hội tăng trưởng có
tác động tích cực đến ROA Chấp nhận
H3b: Cơ hội tăng trưởng có
tác động tích cực đến ROE Chấp nhận
H3c: Cơ hội tăng trưởng có
tác động tích cực đến ROS Loại bỏ Cơ hội tăng trưởngkhông có tác động _______đến ROS______ H3d: Cơ hội tăng trưởng có
tác động tích cực đến ROCE Chấp nhận H4: Tài sản cố định hữu hình có tác động tích cực đến chỉ số lợi nhuận. H4a: TSCDHH có tác động
tích cực đến ROA Loại bỏ TSCDHH không cótác động đến ROA
H4b: TSCDHH có tác động tích cực đến ROE Chấp nhận H4c: TSCDHH có tác động tích cực đến ROS Loại bỏ TSCDHH không có tác động đến ROS H4d: TSCDHH có tác động tích cực đến ROCE Chấp nhận 35
2.4.2. Kết quả kiểm định giả thuyết nghiên cứu đề xuất
Từ bảng tổng hợp trên, bài nghiên cứu kết luận rằng:
- Đòn bẩy tài chính có tác động tiêu cực đến chỉ số ROA và ROS nhưng lại không có tác động đến ROE và ROCE. Cụ thể:
+ Với độ tin cậy 95%, sự thay đổi của biến FL giải thích được khoảng 32% sự thay đổi của biến ROA. Từ phương trình hồi quy, ta giả định rằng khi đòn bẩy tài chính tăng 1% thì chỉ số ROA sẽ bị giảm đi 0.15%, tương đương khi doanh nghiệp sử dụng càng nhiều nợ thì khả năng sinh lời từ tài sản sẽ bị giảm đi. Đúng như vậy, khi nợ vay tăng thì tổng tài sản của doanh nghiệp sẽ tăng. Nếu sự gia tăng này không tạo ra được lợi nhuận đủ để bù đắp cho những chi phí phát sinh từ khoản vay, chỉ số ROA sẽ bị giảm. Điều này cũng đã được chỉ ra từ lý thuyết Trade-off theory và một số nghiên cứu khác.
+ Với độ tin cậy 95%, sự thay đổi của biến FL giải thích được 19.3% sự thay đổi của biến ROS. Từ phương trình hồi quy, ta giả định rằng khi đòn bẩy tài chính tăng lên 1% thì chỉ số ROS sẽ giảm đi 0.19%, tương đương khi doanh nghiệp sử dụng đòn bẩy tài chính càng nhiều thì mức lợi nhuận thu được từ doanh thu sẽ bị giảm. Kết quả này phù hợp với kết quả mà tác giả Berzkalne đã chỉ ra trong bài nghiên cứu của mình vào năm 2014.
- Ngoài ra, về các biến kiểm soát: biến Quy mô doanh nghiệp không có tác động đến chỉ số lợi nhuận doanh nghiệp, biến Cơ hội tăng trưởng có tác động tích cực đến 3 chỉ số ROA, ROE và ROCE và biến Tài sản cố định hữu hình có tác động tích cực đến chỉ số ROE và ROCE.
TÓM TẮT CHƯƠNG 2
Trong chương này, tác giả trình bày tổng quan về thị trường ngành Dệt may tại Việt Nam và thực trạng hoạt động của các doanh nghiệp Dệt may trong năm 2018. Bên cạnh đó, tác giả đề xuất mô hình và giả thuyết nghiên cứu, đồng thời trình bày phương pháp nghiên cứu. Bài nghiên cứu thực hiện chủ yếu dựa vào nghiên cứu định lượng bằng phương pháp phân tích sự tương quan và hồi quy tuyến tính nhằm kiểm định tính chính xác, rõ ràng, khách quan và mang tính khoa học của kết quả nghiên cứu. Nghiên cứu định lượng đã được thực hiện với 120 mẫu (20 doanh nghiệp niêm yết ngành Dệt may tại Việt Nam trong giai đoạn 2014 - 2018). Kết quả sau kiểm định chỉ ra rằng sử dụng đòn bẩy tài chính có tác động tiêu cực đến chỉ số ROA và ROS nhưng lại không gây ảnh hưởng đến chỉ số ROE và ROCE. Ngoài ra, biến kiểm soát Quy mô doanh nghiệp không có tác động đến chỉ số lợi nhuận doanh nghiệp, biến Cơ hội tăng trưởng có tác động tích cực đến 3 chỉ số ROA, ROE và ROCE và biến Tài sản hữu hình có tác động tích cực đến chỉ số ROE và ROCE.
CHƯƠNG 3
ĐỀ XUẤT VÀ KIẾN NGHỊ ỨNG DỤNG KẾT QUẢ NGHIÊN CỨU ĐỐI VỚI NGÀNH DỆT MAY TẠI VIỆT NAM
3.1. Định hướng ngành Dệt may Việt Nam trong bối cảnh hội nhập
Trong thời gian gần đây, Nhà nước đang đề ra các chiến lược phát triển ngành Dệt may trong dài hạn nhằm thúc đẩy Dệt may trở thành một trong những ngành công nghiệp quan trọng với đà xuất khẩu tăng mạnh; bên cạnh đó là giải quyết các vấn đề còn tồn đọng trong xã hội như tình trạng nghèo đói hay thất nghiệp của người lao động tại một số địa phương. Theo dự đoán, vào năm 2020, ngành Dệt sẽ tăng đạt tỷ trọng 47% còn ngành may sẽ chỉ còn 53%; đến năm 2030, ngành Dệt sẽ tăng thêm 2% thành 49% còn ngành May đạt 51% trong toàn bộ cơ cấu ngành. Theo Bộ Kế hoạch và Đầu tư, các công ty may mặc có vốn đầu tư nước ngoài ngày càng nhiều. Theo dự đoán về năm 2019, Việt Nam sẽ có hơn 5000 công ty Dệt may, trong đó các doanh nghiệp FDI sẽ chiếm khoảng 25%. Các doanh nghiệp nước ngoài có xu hướng chọn Việt Nam như một điểm đến đầu tư, đặc biệt sau khi Hiệp định thương mại được ký kết.
Với mục tiêu phát triển ngành Dệt may chuyển từ sản xuất gia công sang sản xuất FOB, nâng cao chất lượng và đa dạng hóa mẫu mã, Việt Nam sẽ xây dựng một số thương hiệu nổi tiếng trên thị trường toàn cầu và thu hút thêm vốn đầu tư nước