Để phục vụ cho đề tài nghiên cứu, sinh viên sử dụng hai nguồn dữ liệu là dữ liệu sơ cấp và dữ liệu thứ cấp. Nguồn dữ liệu thứ cấp được sử dụng là số liệu được thu thập từ báo cáo tài chính hàng năm đã được kiểm toán đầy đủ của 37 doanh nghiệp
bất BĐS niêm yết trên Sở giao dịch chứng khoán Thành phố Hồ Chí Minh (HOSE) và sở giao dịch chứng khoán Hà Nội (HNX) qua 8 năm từ năm 2013 đến 2020. Bên cạnh đó, các nguồn dữ liệu sơ cấp như tốc độ tăng trưởng của nền kinh tế nói chung và của ngành BĐS nói riêng, tổng vốn đầu tư nước ngoài FDI.... được lấy từ các nguồn đáng tin cậy và uy tín là GSO, dữ liệu của NHNN, Bộ xây dựng. Dữ liệu được thu thập và xây dựng theo dạng bảng với 296 quan sát. Nghiên cứu lựa chọn sử dụng dữ liệu trong giai đoạn 2013 - 2020 vì sinh viên muốn thực hiện nghiên cứu giai
đoạn dần hồi phục sau khi ngành bất động sản sau khi ngành này trải qua giai đoạn đóng băng vào năm 2009 - 2012.
2.6. Kết quả mô hình
2.6.1. Thống kê mô tả
Thống kê mô tả được dùng để mô tả những giá trị cơ bản của cơ sở dữ liệu được thu thập. Từ đó, ta có thể nắm bắt khái quát dữ liệu nghiên cứu, tạo cơ sở để tiến hành phân tích số liệu. Sử dụng phương pháp này giúp việc so sánh và tóm tắt số
liệu được thuận tiện hơn, thông qua việc đưa ra các giá trị tiêu biểu của các biến số định lượng như dưới đây:
RO A DA SIZ E TAN G CR TAX AG RO A 1.000 0 D - 1.000
• Biến phụ thuộc ROA
Chỉ số ROA của các doanh nghiệp BĐS niêm yết trên TTCK Việt Nam giai đoạn 2013 - 2020 đạt mức trung bình là 3.08%. Giá trị cao nhất ghi nhận đạt 23.32% và thấp nhất mức - 85.26%. Qua đây, ta có thể thấy sự chênh lệch tỷ lệ sinh lời trên tổng tài sản giữa các doanh nghiệp BĐS là rất lớn.
• Biến độc lập DA
Tỷ lệ nợ trung bình của các doanh nghiệp BĐS là 53.02% cho thấy sự cân bằng giữa tỷ lệ vay nợ và vốn chủ sở hữu. Với đặc thù ngành BĐS cần có nguồn vốn lớn nên việc sử dụng nợ vay làm nguồn tài trợ cho các HĐSXKD là không thể trách khỏi dẫn đến hệ số nợ trung bình ngành khá cao. Độ chênh lệch giữa các giá trị rộng, dao động từ 2.55% đến 94.81% với độ lệch chuẩn là 17.15%. Tỷ lệ nợ tối đa doanh nghiệp sử dụng là 94.81%, cho thấy nguồn tài trợ của doanh nghiệp phụ thuộc vào nguồn vay, tính tự chủ không cao. Do đó, khi lãi suất cho vay tăng, các DN có thể sẽ dễ gặp rủi ro tài chính. Trong khi đó, tỷ lệ nợ tối thiểu 2.55% chứng tỏ có một số DN gần như không sử dụng nợ trong HĐSXKD.
• Biến độc lập SIZE
Biến quy mô doanh nghiệp được mã hóa dưới dạng loga nepe của tổng tài sản.
Trong trường hợp này, SIZE có giá trị từ 12.29 đến 19.86 và đạt giá trị trung bình là 15.12 với giá trị độ lệch chuẩn lớn rơi vào khoảng 1.47.
• Biến độc lập TANG
Tỷ lệ TSCĐ đạt trung bình tại 7.37%, với biên độ dao động từ 0.0057% đến 71.11%. Với biên độ dao động lớn, thống kê này cho thấy sự chênh lệch tỷ lệ giữa các doanh nghiệp cùng ngành. Điều này thể hiện có một số doanh nghiệp chú trọng vào việc đầu tư vào TSCĐ, máy móc thiết bị chiếm khoảng 70% tài sản nhưng cũng có một số doanh nghiệp gần như không có tài sản cố định hữu hình. Lí giải cho trường
hợp này, là do có một số doanh nghiệp mới đi vào hoạt động khi thị trường BĐS bắt đầu khởi sắc nên tài sản cố định chưa nhiều.
33 • Biến độc lập CR
Biến này có giá trị trung bình 2.77 với độ lệch chuẩn là 3.1096. KNTT cao nhất ở mức 22.38 và thấp nhất ở mức 0.23. Giá trị thống kê đã cho thấy khả năng thanh toán của các doanh nghiệp BĐS, sử dụng tài sản ngắn hạn để đáp ứng các nghĩa
vụ trả nợ ngắn hạn của các doanh nghiệp BĐS tốt. • Biến độc lập TAX
Biến thuế suất TNDN trung bình của các DN nghiên cứu có giá trị trung bình là 0.2568 nằm trong khoảng từ - 0.2551 đến 7.4734. Đây là khoảng dao động lớn với độ lệch chuẩn là 0.4871.
• Biến độc lập AG
Tốc độ tăng trưởng trung bình của các DN bất động sản đạt mức 16.92%. Biến
này có độ lệch chuẩn dao động trong khoảng từ -50.46% đến 215.67. Có sự chênh lệch như vậy là bởi phụ thuộc vào nhiều yếu tố như: quy mô và chính sách chiến lược
SXKD của từng công ty trong từng giai đoạn khác nhau. Biên độ dao động này chứng
tỏ sự tăng trưởng giữa các doanh nghiệp cùng ngành không đồng đều.
2.6.2. Phân tích tương quan các biến trong mô hình
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