Phân tích tương quan các biến trong mô hình

Một phần của tài liệu 016 ảnh hưởng của cơ cấu vốn đến khả năng sinh lời của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán việt nam (Trang 44)

Ma trận hệ số tương quan dưới đây đo lường mức độ quan hệ tuyến tính giữa hai biến

mà không phân biệt biến nào là biến độc lập biến nào là biến phụ thuộc.

TAN G 0.2824- 0.3404- 0.1784- 1.0000 C R 20.024 0.4133- 0.2034- 0.1603 1.0000 TA X 0.008 6 0.038 3 0.100 0 -0.0167 0.0273 1.0000 A G 20.307 70.086 40.233 0.1063- 0.0120 -0.0177 0 1.000

Variable DA CR SIZE TANG AG TAX

^VIF ^E43 1.22 1.22 TĨ4 1.07 1.02

1/VIF 0.6993 0.8179 0.8214 0.8753 0.9342 0.9849

Mean VIF 1.18

Nguồn: Kết quả từ phần mềm STATA Nhìn vào bảng ta nhận thấy có thể chia các biến giải thích thành 2 nhóm: Nhóm

1 bao gồm DA, TANG, TAX là những biến có tác động ngược chiều với biến được giải thích, nói cách khác, khi các biến này tăng lên sẽ làm giảm giá trị của biến ROA.

Nhóm 2 bao gồm biến còn lại: SIZE, CR và AG là những biến có tác động cùng chiều với biến được giải thích, khi các biến này tăng lên thì giá trị của biến ROA và ROE cũng tăng và ngược lại.

Hệ số tương quan càng lớn cho thấy mối quan hệ giữa 2 biến càng chặt. Kết quả chỉ ra rằng hệ số tương quan các biến độc lập trong mô hình đều nhỏ hơn 0.5 nên

có thể không gây ra những ảnh hưởng đến mô hình hồi quy và khuyết tật cho mô hình.

Để kiểm tra mô hình có hiện tượng đa cộng tuyến hay không, tác giả sử dụng kiểm định hệ số phóng đại phương sai VIF với giả thuyết:

Ho: Mô hình không có đa cộng tuyến Hi: Mô hình có đa cộng tuyến

Mô hình OLS Mô hình FEM Mô hình REM Coefficients [P-value] Coefficients [P-value] Coefficients [P-value] DA -0.0706*** -0.156*** -0.0863*** [0.006] [0.000] [0.003] SIZE 0.00629** 0.0200*** 0.00784** [0.021] [0.008] [0.017] TANG -0.165*** -0.0849* -0.153*** [0.000] [0.087] [0.000] CR 0.000504 -0.000976 0.000103 [0.696] [0.571] [0.941] TAX 0.000126 -0.00415 -0.00133 [0.987] [0.597] [0.859] AG 0.0582*** 0.0545*** 0.0565*** [0.000] [0.000] [0.000] _cons -0.0259 -0.188* -0.0402 [0.525] [0.099] [0.417] R-sq 0.191 0.148 0.188

Bảng 2.4:Kết quả kiểm định đa cộng tuyến

Nguồn: Kết quả từ phần mềm STATA Kết quả kiểm định cho thấy hệ số VIF nhỏ hơn 10 nên kết luận chấp nhận H0, mô hình không tồn tại hiện tượng đa cộng tuyến.

2.6.3. Ket quả ước lượng mô hình 2.6.3.1. Ước lượng mô hình

Bài nghiên cứu tiến hành sử dụng phương pháp hồi quy dữ liệu bảng với 3

Nguồn: Kết quả từ phần mềm STATA Theo ước lượng mô hình OLS, biến SIZE và AG có ý nghĩa thống kê cùng chiều với ROA, trong khi đó biến DA và TANG có ý nghĩa ngược chiều. Các biến này điều cho kết quả giá trị thống kê P-value nhỏ hơn 5%. Các biến còn lại là CR, TAX không có ý nghĩa thống kê do có P-value lớn hơn 5%. Tuy nhiên, nhược điểm của mô hình OLS là không phân biệt về không gian và thời gian nên nếu tác động của

các biến số độc lập quá cách biệt nhau giũa các đối tượng (firm) thì ước lượng sẽ bị chệch do đó có thể làm mất đi ảnh hưởng thật sự của biến độc lập lên biến giải thích, dẫn đến kết quả mô hình không còn đáng tin cậy. Do đó, sinh viên tiến hành hồi quy 2 mô hình FEM và REM để xem mô hình nào là phù hợp với nghiên cứu.

Theo uớc lượng mô hình FEM, các biến DA, SIZE và AG có giá trị kiểm định

P-value lần lượt thấp hơn mức ý nghĩa 5 % của mô hình nên các biến này có ý nghĩa thống kê trong mối tương quan với biến phụ thuộc. Trong đó, chỉ có biến DA có ý nghĩa thống kê ngược chiều với biến phụ thuộc ROA, trong khi đó biến SIZE và AG có ý nghĩa thống kê cùng chiều. Các biến còn lại là CR, TAX, SG có giá trị kiểm định

P-value lần lượt lớn hơn mức ý nghĩa của mô hình là 5% nên các biến này không có ý nghĩa thống kê đối với biến phụ thuộc.

Ước lượng mô hình REM, với mức ý nghĩa 5%, biến DA, SIZE, TANG và AG có ý nghĩa thống kê đối với mô hình do có giá trị kiểm định P-value nhỏ hơn mức

ý nghĩa 5% của mô hình. Trong đó, biến DA và TANG có ý nghĩa thống kê ngược chiều còn biến SIZE và AG có tác động cùng chiều. Các biến còn lại không có ý nghĩa thống kê do có giá trị kiểm định P lớn hơn mức ý nghĩa của mô hình.

2.6.3.2. Kiểm định mô hình đã chọn

Sau khi tiến hành sử dụng phương pháp hồi quy dữ liệu bảng với 3 mô hình cơ bản là OLS, FEM, REM. Tuy nhiên các mô hình có thể mắc khuyết tật như phương

sai sai số thay đổi, tự tương quan và hiện tượng đa cộng tuyến làm cho hệ số không còn có độ tin cậy về mặt ý nghĩa thống kê khiến kết quả ước lượng hồi quy không còn giá trị nghiên cứu. Vì vậy, nghiên cứu tiến hành thực hiện các kiểm định sau:

Kiểm định F-test

Để kiểm định xem mô hình OLS hay FEM là mô hình phù hợp hơn trong việc nghiên

cứu, sinh viên tiến hành kiểm định Fisher. Giả thiết đưa ra:

H0: Không sự khác biệt giữa các đối tượng hoặc các thời điểm khác nhau H1: Có sự khác biệt giữa các đối tượng hoặc các thời điểm khác nhau

Kiểm định kết quả cho thấy P-value nhỏ hơn 0.05 thì bác bỏ giả thuyết H0, nghĩa là có sự khác biệt giữa các đối tượng hoặc các thời điểm khác nhau, khi đó mô hình FEM là thích hợp hơn để giải thích cho mối tương quan giữa các biến.

Kiểm định nhân tử Lagrange (Breusch-Pagan Lagrange multiplier)

Sinh viên tiếp tục kiểm định sử dụng kiểm định Lagrange xem trong 2 mô hình OLS hay FEM, mô hình nào là phù hợp với đề tài nghiên cứu.

Giả thiết đưa ra:

HO: Không có phương sai sai số thay đổi HI: Có phương sai sai số thay đổi

Kết quả kiểm định cho thấy: Prob >chibar2 nhỏ hơn 5%. Vậy, với mức ý nghĩa

5% ta bác bỏ giả thiết H0, có nghĩa là mô hình tồn tại phương sai sai số thay đổi, nghĩa là mô hình REM phù hợp để sử dụng trong bài nghiên cứu.

Kiểm định Hausman

Cuối cùng để kiểm định xem mô hình FEM hay REM là mô hình phù hợp hơn trong việc nghiên cứu tác động của cơ cấu vốn lên KNSL của các doanh nghiệp BĐS niêm yết trên TTCK, tiến hành kiểm định Hausman-test.

Giả thiết đưa ra:

HO: Không có tương quan giữa các biến giải thích và các thành phần ngẫu nhiên (mô hình REM là phù hợp)

HI: Có tương quan giữa các biến giải thích và thành phần ngẫu nhiên (mô hình

FEM là phù hợp)

Kết quả cho thấy giá trị P-value = 0.0813 lớn hơn mức ý nghĩa 5% nên chấp nhận giả

thuyết HO và bác bỏ giả thuyết H1, tức là mô hình REM là phù hợp đối với nghiên cứu này.

Variable ROA DA SIZE TANG CR TAX AG

^VIF 1.24 1.47 1.24 1.25 1.22 1.02 T15

SQRT VIF 1.11 1.21 1.11 1.12 1.11 1.01 1.07

Mean VIF 1.23

Nguồn: Kết quả từ phần mềm STATA

Kết quả kiểm định cho thấy mô hình FEM - mô hình tác động ngẫu nhiên được chọn.

2.6.3.3. Ước lượng lại mô hình

Dựa vào kết quả kiểm định lựa chọn mô hình ở trên, sinh viên tiếp tục kiểm định độ phù hợp của mô hình mô hình REM đã chọn, xem mô hình có bị khuyết tật hay không và thực hiện khắc phục nếu có.

Kiểm định PSSS thay đổi

Giả thiết đưa ra:

HO : Không có phương sai sai số thay đổi HI: Có phương sai sai số thay đổi

Sau khi thực hiện kiểm định, kết quả cho thấy: Prob = 0,0000 < 0.05. Vậy, với mức ý nghĩa 5%, ta bác bỏ giả thiết H0, có nghĩa là mô hình tồn tại hiện tượng phương sai

sai số thay đổi.

Kiểm định tự tương quan

Giả thiết đưa ra:

H0: Không có hiện tượng tự tương quan H1: Có hiện tượng tự tương quan

Kết quả kiểm định Wooldrige cho thấy: Prob = 0.0204 < 0.05. Vậy với mức ý nghĩa 5% ta bác bỏ giả thiết H0, có nghĩa là mô hình tồn tại hiện tượng tự tương quan.

Kiểm định hiện tượng đa cộng tuyến

Để kiểm tra mô hình có tồn tại hiện tượng đa cộng tuyến hay không, sinh viên tiến hành thực hiện kiểm định hệ số phóng đại phương sai VIF: nếu hệ số VIF > 10 thì có thể nhận xét là có hiện tượng đa cộng tuyến.

Kiểm định Giá trị thống kê Kết luận Phương sai sai số thay đổi Breusch và Pagan Lagrangian chibar2(01) = 4.30 Prob>chibar2=0.0191

Giá trị P-value của kiểm < 0.05. Như vậy, ta bác bỏ H0, chấp nhận

H1, mô hình hình tồn tại phương sai sai số thay đổi

’Tự tương quan

Wooldrige F(1,36) = 0.256 Prob > F = 0.6162

Giá trị P-value của kiểm > 0.05. Như vậy, ta chấp nhận H0 bác bỏ H1, mô hình không tồn tại hiện tượng tự tương quan

Đa cộng

tuyến ^VF Mean VIF = 1.23 Giá trị trung bình VIF < 10. Nhưvậy mô hình không xảy ra hiện tượng đa cộng tuyến.

Sau khi kiểm định bằng kiểm định Collin, phần mềm Stata cho ta kết quả là hệ số VIF của tất cả các biến trong mô hình đều thấp hon 10 nên ta kết luận rằng mô hình hồi quy không bị hiện tượng đa cộng tuyến.

Hệ số t-statistic P-value DA - 0.05141 -4.39 0.000 SIZE 0.00666 542 0.000 TANG - 0.07950 -3.28 0.001 CR 0.00036 048 0.630 TAX - 0.00569 -1.22 0.223 AG 0.03338 4.85 0.000 _cons - 0.04421 -238 0.018

Nguồn: Kết quả từ phần mềm STATA

2.6.3.4. Khắc phục mô hình hồi quy đã chọn

Qua kết quả ở trên, phát hiện mô hình FEM được chọn mắc khuyết tật là hiện tượng phưong sai sai số thay đổi. Hiện tượng này có thể sẽ gây ra sai lệch trong kết quả ước lượng hồi quy. Do đó, sinh viên chọn sử dụng phưong pháp FGLS, bởi nó có thể kiểm soát được hiện tượng phưong sai số thay đổi và tự tương quan (Judge, Hill et al, 1988). Thực hiện hồi quy theo phương pháp bình phương tổi thiểu tổng quát khả thi FGLS (Feasible Generalized Least Squares) nhằm kiểm soát hiện tượng này để tăng tính hiệu quả cao cho mô hình nghiên cứu.

Hệ số hồi quy và giá trị kiểm định P sau khi khắc phục hiện tượng phưong sai sai số thay đổi và tự tưong quan bằng mô hình FGLS như bảng sau:

Nguồn: Kết quả từ phần mềm STATA Kết quả thu được phương trình hồi có ý nghĩa thống kê như sau:

ROA = -0.0442 - 0.0514 × DAit + 0.0067 × SIZEit - 0.0795 × TANGit

CHƯƠNG 3: THẢO LUẬN KẾT QUẢ NGHIÊN CỨU VÀ KHUYẾN NGHỊ

3.1. Tổng quan về ngành bất động sản và các doanh nghiệp bất động sản niêmyết trên thị trường chứng khoán Việt Nam yết trên thị trường chứng khoán Việt Nam

3.1.1. Tổng quan về ngành bất động sản Việt Nam

Hình 3.1: Tỷ lệ tăng trưởng ngành bất động sản giai đoạn 2005 - 2020

Nguồn: Số liệu GSO Trước năm 2013, thị trường BĐS biến động chưa từng có. Trong giai đoạn này, thị trường BĐS chứng kiến một vòng chu kì bùng nổ và thoái troài. Thị trường bất động sản bùng nổ vào năm 2007- 2008 với đợt sốt đất khiến giá BĐS tăng cao kỉ lục so với giá trung bình của năm liền trước gấp 3 lần. Cuộc khủng hoảng về tài chính toàn cầu tại giữa năm 2008, đã làm chu kỳ kinh tế suy thoái nghiêm trọng, kéo theo đó là chu kỳ thoái trào của thị trường bất động sản. Tiếp theo là cuộc khủng hoảng nợ Châu Âu vào năm 2010 hay cuộc khủng hoảng ngân sách khiến nước Mỹ có nguy cơ vỡ nợ vào năm 2012 khiến cho thị trường này giảm tốc và phải chật vật phục hồi. Từ năm 2013 đến năm 2014, thị trường ấm dần lên, bắt đầu tan băng và xu hướng tăng trưởng tương đối mạnh sau đó duy trì mức độ tăng trưởng qua các năm. Từ năm 2018, đà giảm tốc của thị trường BĐS dần lộ diện với sự sụt giảm nguồn cung kéo dài sang năm 2019-2020, tiêu thụ tài sản có dấu hiệu chững lại và thấp dần. Sự sụt giảm này do các công tác rà soát pháp lý những dự án bất động sản trên diện rộng, từ

đó dẫn đến việc kéo dài việc chuẩn bị hồ sơ, hoàn tất thủ tục cho các dự án địa ốc. Song song đó, cùng với sự diễn biến phức tạp của dịch bệnh Covid - 19 càng khiến cho thị trường BĐS diễn biến chậm chạp và thận trọng hơn trước.

Đến năm 2019, ngành BĐS đã chững lại rồi chuyển hướng mạnh mẽ so với giai đoạn 2017 - 2018 đang trên đà phát triển chậm dần đều do những rào cản về mặt pháp lý. Nguyên nhân lớn nhất gây ra sự suy giảm của ngành này trong năm 2019 là do các cơ quan quản lý nhà nước thắt chặt hơn trong công tác kiểm tra, phê duyệt dự án, vào cuộc thanh tra, giám sát các dự án bất động sản được cấp chủ trương cấp giao

đất đồng thời siết chặt tín dụng cho bất động sản, khiến các giao dịch bất động sản bị chững lại.

Bước sang năm 2020 gặp nhiều khó khăn, thị trường BĐS đầy biến động khi hầu hết các loại hình BĐS đều chịu tác động tiêu cực của dịch Covid-19. Thị trường hầu như đóng băng vào các tháng 3 - 4, trong khi thông thường mùa xuân được coi là mùa nóng nhất đối với BĐS. Nhiều dự án bị đình trệ, dừng thi công, số lượng giao dịch giảm do khó tiếp cận khách hàng, cơ chế chính sách hỗ trợ của doanh nghiệp BĐS còn hạn chế. Tuy nhiên sau đó, bất chấp các đợt bùng dịch diễn ra trong năm 2020 cũng như được dịch mới trong đầu năm 2021, thị trường dần dần hồi phục và lấy lại đà tăng trưởng nhanh chóng từ quý 3 từ - 0.35% tăng lên 1.33% trong quý 4 năm 2020, đóng góp 4.42% GDP cả nước.

Tuy nhiên, theo số liệu GSO cũng cho thấy triển vọng phục hồi của ngành BĐS, khi ngành này đón đầu giải ngân 3 tỷ USD vốn đầu tư nước ngoài (FDI) năm 2020, chiếm 14,8% tổng vốn đầu tư nước ngoài thực hiện. Trong năm 2020, vốn FDI đầu tư trực tiếp trong ngành BĐS chỉ đứng sau ngành công nghiệp chế biến, chế tạo và cao hơn 2 lần vốn thực hiện của ngành sản xuất, phân phối điện, khí đốt... Trước đó, trong 11 tháng đầu năm tổng vốn đầu tư trực tiếp nước ngoài (FDI) đăng ký vào lĩnh vực kinh doanh bất động sản với 3,8 tỷ USD, tăng 15% so với cùng kỳ năm 2019

và xếp vị trí thứ 3.

BĐS liên quan đến rất nhiều ngành kinh tế khác, một công trình hoàn thành cần có sự tham gia của nhiều ngành nghề khác nhau như xây dựng, sản xuất VLXD, du lịch, môi giới, ngân hàng... Cho nên việc chững lại của ngành BĐS trong giai đoạn

năm 2019 - 2020 ảnh hưởng rất nhiều đến sự phát triển kinh tế nói chung, những điểm

sáng của thị trường BĐS được ghi nhận cuối năm 2020 sẽ là động lực giúp ngành này

khôi phục tăng tưởng nói riêng và là động lực hồi phục nền kinh tế Việt Nam nói chung.

3.1.2. Tổng quan về các doanh nghiệp bất động sản niêm yết trên thịtrường chứng khoán Việt Nam trường chứng khoán Việt Nam

Với thực trạng ngành bất động sản phân mảng theo giai đoạn và phân khúc trong năm 2020, tình hình kinh doanh của các doanh nghiệp BĐS có sự phân hóa rõ rệt, nhiều đơn vị kinh doanh thua lỗ và không có tài chính để duy trì hoạt động. Tổng kết của SSI research cho thấy trong vòng vài năm trở lại đây, các doanh nghiệp bất động sản niêm yết đều có kết quả kinh doanh sụt giảm do không bán được hàng

Một phần của tài liệu 016 ảnh hưởng của cơ cấu vốn đến khả năng sinh lời của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán việt nam (Trang 44)