5. Bố cục của đề tài
3.1. Thống kê mô tả mẫu nghiên cứu
Từ các dữ liệu đã được nêu ở chương 4, tác giả tiến hành chạy trên phần mềm Stata 15 và có được cái nhìn tổng quan về 348 mẫu đã chọn như sau:
(Nguồn: Tác giả tự tổng hợp)
Bảng kết quả cho ta thấy được giá trị trung bình, độ lệch chuẩn cũng như giá trị nhỏ nhất và giá trị lớn nhất của 29 doanh nghiệp ngành năng lượng được niêm yết trên 2 sàn HOSE và HNX giai đoạn 2009-2020.
ROA ROE TDR PS SIZE AGE TANG INV RT GDP ROA 1.0000
Dựa vào bảng kết quả, ta có thể thấy chỉ số ROE trung bình là 14,18% với độ lệch chuẩn là 13,07% . Trong đó, giá trị thấp nhất là -0.7769 và giá trị lớn nhất là 0.7835, từ kết quả này có thể kết luận chỉ số ROE có độ phân tán cao.
Bên cạnh đó, với ROA giá trị trung bình chỉ có 7,69% , độ lệch chuẩn là 8,19% với giá trị nhỏ nhất và lớn nhất lần lượt là -0.2521 và 0.4163. Kết quả này cho biết sự biến động của biến là khá cao qua các năm.
Tỷ lệ nợ (TDR) có giá trị trung bình là 48.47% với giá trị lớn nhất lên đến 94.52%. Con số này cho thấy sự ưa chuộng dùng vốn vay thay vì dùng vốn tự có của 29 doanh nghiệp ngành năng lượng này.
Quy mô doanh nghiệp (SIZE) có giá trị trung bình là 13.9327 với độ lệch chuẩn là 1,5130 cho ta thấy được rằng trong giai đoạn 12 năm này, chênh lệch quy mô tổng tải sản là khá cao, đa số các DN có quy mô không đồng đều.
Tăng trưởng tài sản (TANG) có giá trị trung bình và độ lệch chuẩn lần lượt là 0.5311 và 7.2740. Điều này cho thấy sự chênh lệch về tăng trưởng tổng tài sản của 29 DN là tương đối lớn.
Vòng quay hàng tồn kho (INV) và vòng quay khoản phải thu (RT) có giá trị trung bình lần lượt là 13.1857 và 6.6453 với độ lệch chuẩn lần lượt là 21.4121 và 9.3784. Điều này cho thấy sự chênh lệch về giá trị của hai biến này trong 29 DN ngành năng lượng là tương đối lớn.
Chỉ số vĩ mô là GDP có giá trị trung bình là 5.9517. Bên cạnh đó, chỉ số GDP dao động từ 2.91 đến 7.08 cho thấy sự tăng trưởng đáng mừng về GDP của Việt Nam trong giai đoạn 12 năm.
3.2. Kiểm định tương quan
Ở bài khóa luận này, tác giả sử dụng kiểm định Pearson để đánh giá tương quan giữa các biến. Qua bảng kết quả ở trên có thể thấy, với biến phụ thuộc ROE và ROA thì chỉ có biến TDR là có tương quan âm còn lại là tương quan dương. Về ROA, với mức ý nghĩa 5% thì có biến SIZE, INV, RT với GDP còn với biến ROA với mức ý nghĩa 5% thì chỉ có biến GDP có ý nghĩa thống kê. Bên cạnh đó, trong 8
biến phụ thuộc thì tất cả các biến đều cho ra kết quả trong khoảng cho phép là lớn hơn -0.8 và nhỏ hơn giá trị 0.8 nên tác giả tiến hành thực hiện kiểm định mô hình OLS, FEM và REM với 8 biến này.
ROE 0.7238 1.0000 TDR -0.1808 -0.5437 1.0000 TS 0.0539 0.0865 -0.1305 1.0000 SIZE 0.1270 0.0442 0.1476 0.1208 1.0000 AGE 0.0691 0.2101 -0.3786 -0.0469 0.1856 1.0000 TANG 0.1154 0.2077 -0.1065 -0.0397 -0.0941 0.0080 1.0000 INV 0.0714 0.0363 0.0898 0.0483 0.0542 0.3065 -0.0047 1.0000 TT 0.0749 0.0492 0.0645 0.1389 0.1245 -0.1837 -0.0166 0.0483 1.0000 GDP 0.0131 0.0208 -0.0027 -0.0225 0.0084 -0.0174 -0.1784 0.0349 -0.0367 1.0000
Variable VIF 1/VIF AGE ^E59 0.627249 TDR ^E41 0.711303 -RT ^E21 0.825726 SIZE 1.18 0.849200 INV 1.10 0.912487 PS 1.09 0.916252 TANG 1.06 0.946790 GDP 1.04 0.960444 Mean VIF 1.21
(Nguồn: Kết quả tổng hợp từ Stata.15)
3.3. Kiểm định đa cộng tuyến
Trước khi tiến hành hồi quy theo mô hình OLS, FEM, REM, tác giả kiểm tra đa cộng tuyến như bảng 3.3 dưới đây bằng cách sử dụng hệ thống phóng đại phương sai VIF. Từ bảng kết quả trên có thể thấy hệ số VIF của các biến đều nhỏ hơn 10, do đó có thể kết luận mô hình không tồn tại hiện tượng đa cộng tuyến, các biến độc lập có mối liên hệ tuyến tính chặt chẽ với nhau.
Biến độc lập
Biến phụ thuộc ROA
OLS FEM REM
Hệ số ước lượng P- value Hệ số ước lượng P- value Hệ số ước lượng P- value TDR -0.231*** 0.000 -0.227*** 0.000 -0.213*** 0.000 TS -0.00401 0.742 -0.0883*** 0.000 -0.0451* 0.014 SIZE 0.00787** 0.002 0.0252* 0.013 0.0115* 0.022 Age -0.000403 0.302 -0.00328*** 0.001 -0.00125* 0.049 TANG 0.00190*** 0.000 0.000824* 0.032 0.000966* 0.013 INV 0.000230 0.190 0.000222 0.241 0.000179 0.326 TT 0.000832* 0.048 0.000854 0.110 0.000773 0.115 GDP 0.00341 0.306 0.000869 0.722 0.00184 0.462 Hằng số 0.0581 0.140 -0.0838 0.509 0.0415 0.533 Hệ số R bình 35.26% 22.95% 30.37% (Nguồn: Tác giả tự tổng hợp)
3.4. Kết quả hồi quy
3.4.1. Hồi quy OLS, FEM, REM
3.4.1.1. Biến phụ thuộc ROA
Trước hết, tác giả đã tiến hành hồi quy theo mô hình OLS, FEM và REM với biến phụ thuộc ROA để xem xét tác động của cấu trúc vốn đến KNSL của 29 doanh nghiệp kinh doanh trong lĩnh vực năng lượng.
Biến độc lập
Biến phụ thuộc ROE
OLS FEM REM
Hệ số ước lượng P-value Hệ số ước lượng P- value Hệ số ước lượng P- value TDR -0.150*** 0.000 -0.167** 0.007 -0.130** 0.007 PS -0.00388 0.867 -0.124* 0.012 -0.0451 0.212 SIZE 0.0151** 0.002 0.0383 0.079 0.0176 0.060 Age -0.000858 0.247 -0.00840*** 0.000 -0.00274* 0.024 TANG 0.00204* 0.035 0.000887 0.281 0.00103 0.213 INV 0.000327 0.326 0.000451 0.268 0.000303 0.423 -RT 0.00145 0.070 0.00138 0.227 0.00129 0.197 GDP 0.00334 0.598 -0.000330 0.950 0.00156 0.770 Hằng số -0.0145 0.846 -0.124 0.648 0.00533 0.966 Hệ số R bình 8.43% 6.53% 4.4%
(Chú thích: *,**,*** Có ý nghĩa với mức ý nghĩa 10%,5%,1 %)
(Nguồn: Tác giả tự tổng hợp)
Hệ số R2 thể hiện biến động của 8 biến được chọn giải thích được bao nhiêu phần trăm biến động của KNSL của 29 DN ngành năng lượng đo lường bằng chỉ tiêu ROA. Đối với biến phụ thuộc ROA, kết quả kiểm định cho ra hệ số R2 đối với ba mô hình OLS, FEM và REM khá đồng đều lần lượt là 35.26%, 22.95%, 30.37%. Kết quả chung của cả ba mô hình đều cho thấy biến tỷ lệ nợ (TDR) đại diện cho cấu trúc vốn có ý nghĩa thống kê âm với KNSL của DN với mức ý nghĩa 1%. Ngoài ra, trong cả ba mô hình biến SIZE và TANG đều có ý nghĩa thông kê. Điều này hàm ý rằng quy mô DN và tăng trưởng DN có ảnh hưởng đến KNSL được đo bằng chỉ tiêu ROA của 29 doanh nghiệp năng lượng được niêm yết trên thị trường chứng khoán Việt Nam.
3.4.1.2. Biến phụ thuộc ROE
Tương tự biến ROA, tác giả cũng đã tiến hành chạy ba mô hình OLS, FEM và REM với biến ROE và 8 biến đã chọn. Đối với biến phụ thuộc ROE, hệ số R2 của ba mô hình lần lượt là 8.43% , 6.53% và 4.4%, kết quả này thấp hơn nhiều so với kết quả của ROA. Tương tự như ROA, biến độc lập tỷ lệ nợ trên tổng tài sản cũng có ý nghĩa thống kê với mức ý nghĩa 5% trong cả ba mô hình. Điều này thể hiện cấu trúc vốn có ảnh hưởng đến khả năng sinh lời.
Biến phụ thuộc ROA Biến phụ thuộc ROE
Kiểm định F-test P-value = 0.0000 P-value = 0.0000
Biến phụ thuộc ROA Biến phụ thuộc ROE Kiểm định Hausman Prob>chi2 = 0.0006 Prob>chi2 = 0.0006
(Chú thích: *,**,*** Có ý nghĩa với mức ý nghĩa 10%,5%,1%) (Nguồn: Tác giả tự tổng hợp)
3.4.2. Kiểm định F-test Bảng 3. 6. Kết quả kiểm định F-test
(Nguồn: Tác giả tự tổng hợp)
Khóa luận sau khi tiến hành chạy lần lượt ba mô hình OLS, FEM, REM với từng biến phụ thuộc ROA và ROE sẽ tiến hành chạy kiểm định F với cặp giả thuyết:
HO: Mô hình OLS được sử dụng để ước lượng
HI: Mô hình FEM được sử dụng để ước lượng
Giá trị p-value của cả hai biến ROA và ROE đều là 0.0000 < 0.05, điều này cho thấy giả thuyết HO bị bác bỏ, đồng nghĩa với việc mô hình FEM thích hợp hơn trong việc dùng để ước lượng so với mô hình OLS đối với cả hai biến.
3.4.3. Kiểm định Hausman Bảng 3. 7. Kết quả kiểm định Hausman
Biến phụ thuộc ROA Biến phụ thuộc ROE Kiểm định PSSSTĐ Prob>chi2 = 0.0000 Prob>chi2 = 0.0000
Kiểm định tự tương quan Prob>chi2 = 0.0001 Prob>chi2 = 0.3184
(Nguồn: Tác giả tự tổng hợp)
Tiếp đến, khóa luận sẽ tiến hành chạy Hausman để chọn ra mô hình phù hợp nhất trong hai mô hình FEM và REM với hai giả thuyết được đặt ra là:
HO: Lựa chọn mô hình REM H1: Lựa chọn mô hình FEM
Dựa vào bảng kết quả có thể thấy giá trị xác suất của cả hai biến phụ thuộc ROA và ROE là 0.0006 tương đương với 0.06% (<5%) nên ta bác bỏ giả thuyết HO và chấp nhận giả thuyết H1, có nghĩa là lựa chọn kết quả từ mô hình FEM để tiến hành nghiên cứu. Sau khi lựa chọn được mô hình FEM để đánh giá tác động của cấu trúc vốn đến khả năng sinh lời, tác giả tiến hành chạy khuyết tật với mô hình này nhằm
tìm ra mô hình có hiện tượng PSSSTĐ hay hiện tượng tự tương quan không với mục đích cho ra kết quả chính xác nhất.
3.4.4. Kiểm định khuyết tật
Biến độc lập
Biến phụ thuộc
ROE ROA
Hệ số ước lượng P- value Hệ số ước lượng P- value
(Nguồn: Tác giả tự tổng hợp)
Để kiểm định khuyết tật mô hình FEM với cả hai biến ROA, ROE, tác giả quyết định sử dụng kiểm định Wald (Wald Test) để kiểm tra sự tồn tại của hiện tượng PSSSTĐ với cặp giả thuyết:
HO: Mô hình không xảy ra hiện tượng PSSS TĐ
HI: Mô hình xảy ra hiện tượng PSSSTĐ
Kết quả cho biết giá trị của cả hai biến phụ thuộc ROA và ROE là 0.0000 < 0.05, từ đó kết luận bác bỏ giả thuyết HO, có nghĩa rằng mô hình hồi quy tác động cố định có tồn tại hiện tượng PSSSTĐ đối với cả hai biến.
Đáng chú ý là khi kiểm định hiện tượng tự tương quan, tác giả có sử dụng kiểm định Wooldridge đối với mô hình FEM của cả hai biến ROA, ROE thì kết quả lại không gióng nhau. Đối với biến phụ thuộc ROA, kết quả của kiểm định Wooldridge cho biết giá trị của biến này là 0.0001 < 0.05, thì có nghĩa là mô hình có tồn tại hiện tượng tương quan chuỗi. Ngược lại đối với ROE, kết quả là 0.3184, con số này lớn hơn 0.05, do đó có thể kết luận không tồn tại hiện tượng tự tương quan đối với mô hình FEM của biến này.
3.4.5. Mô hình sai số chuẩn mạnh
Như đã nhận xét ở trên, mô hình với cả hai biến phụ thuộc ROA và ROE đều tồn tại khuyết tật, do đó khóa luận tiến hành chạy mô hình mô hình sai số chuẩn mạnh để
khắc phục hiện khuyết tật ở cả hai mô hình. Ket quả được thể hiện trong bảng dưới đây:
TDR -0.167 0.161 -0.227*** 0.000 ^PS -0.124 0.098 -0.0883* 0.042 SIZE 0.0383 0.419 0.0252 0.175 Age -0.00840 0.067 -0.00328* 0.046 TANG 0.000887** 0.002 0.000824*** 0.000 INV 0.000451 0.208 0.000222 0.226 -RT 0.00138 0.332 0.000854 0.257 GDP -0.000330 0.949 0.000869 0.717 Hằng số -0.124 0.824 -0.0838 0.720 Hệ số R bình 0.58% 12.93%
Biến độc lập Dấu dự kiến Kết quả nghiên cứu TDR - - ^PS + - SIZE + Không tác động AGE + - TANG + + INV + Không tác động ^^RT - Không tác động GDP + Không tác động
(Chú thích: *,**,*** Có ý nghĩa với mức ý nghĩa 10%,5%,1%) (Nguồn: Tác giả tự tổng hợp)
Dựa vào bảng kết quả, ta có thể thấy hệ số R2 của hai mô hình với hai biến phụ thuộc ROE, ROA lần lượt là 0.58% và 12.93%. Có thể thấy kết quả của biến ROE là thấp hơn rất nhiều so với biến ROA, chỉ ở mức 0.58%. Con số này thể hiện biến động của biến độc lập chỉ giải thích được 0.58% biến động khả năng sinh lời của 29 doanh nghiệp ngành năng lượng đo bằng chỉ tiêu ROE. Kết quả này gần như không có ý nghĩa thông kê do đó để đảm bảo kết quả nghiên cứu được chính xác, khóa luận chọn đi sâu vào phân tích kết quả của mô hình FEM với biến phụ thuộc ROA giống một vài nghiên cứu trước đó như Zeitun & Tian (2007), Abblasali & Esfandiar (2012), Hoàng Tùng (2016).
3.5. Thảo luận kết quả nghiên cứu
Kết quả ước lượng của biến phụ thuộc ROA theo mô hình FEM được tổng hợp trong bảng dướ đây:
(Chú thích: (+) Tác động cùng chiều, (-) Tác động ngược chiều)
(Nguồn: Tác giả tự tổng hợp)
Kết quả cho thấy khi xem xét tác động của cấu trúc vốn đến KNSL được đo lường bởi biến ROA thì có 4 biến có ý nghĩa thống kê với mức ý nghĩa 5% lần lượt là tỷ lệ nợ (TDR), cấu trúc tài sản (PS), thời gian hoạt động của DN (AGE) và tăng trưởng tổng tài sản (TANG).
Tỷ lệ nợ (TDR)
Kết quả kiểm định cho thấy biến tỷ lệ nợ tác động ngược chiều đến KNSL. Qua đó, DN có tỷ lệ nợ càng cao thì khả năng sinh lời lại càng giảm và ngược lại. Như đã đề cập ở chương trên, dựa theo thuyết đánh đổi cấu trúc vốn việc sử dụng nợ có tác động 2 mặt, nó sẽ giúp gia tăng lợi nhuận cho DN bởi lợi ích từ lá chắn thuế. Tuy nhiên, việc sử dụng nợ vay không phải lúc nào cũng đem lại kết quả tích cực cho DN. Khi DN sử dụng nợ nhiều hơn thì cùng lúc sẽ xuất hiện khả năng rủi ro về tài chính. Nếu DN không có khả năng thanh toán lãi và nợ vay đến hạn có thể dẫn đến DN có nguy cơ phá sản. Kết quả nghiên cứu cho thấy một mối tương quan ngược chiều giữa nợ và KNSL, điều này đúng với thuyết trật tự phân hạng, có nghĩa rằng DN có thể đang sử dụng nguồn vốn nội bộ thay vì vốn từ bên ngoài để đạt được
KNSL cao hơn. Ket quả này cũng tương đồng với các nghiên cứu đã nêu trước đó như nghiên cứu của Ebaid (2009), Khan (2012) hay Qureshi & Yousaf (2014). Tuy nhiên, nó lại đi ngược lại với kết quả của một số nghiên cứu như nghiên cứu của Abor (2005), Gill (2011) hay của Avci (2016). Để giải thích cho sự không tương đồng về kết quả này thì ta có thể nhìn vào mô hình nghiên cứu để phân tích. Bài nghiên cứu của Gill (2011) và Abor (2005) đều lựa chọn sử dụng mô hình hồi quy tương tự như bài khóa luận này thế nhưng cả hai bài nghiên cứu đều không tiến hành sử dụng thêm mô hình khắc phục khuyết tật như mô hình sai số chuẩn mạnh mà tác giả đã sử dụng. Do đó, mô hình có thể còn tồn tại khuyết tật dẫn đến kết quả chưa thực sự chính xác. Một điều đáng lưu ý khác nữa là hai công trình này sử dụng kết quả của biến ROE để đo lường cấu trúc vốn thay vì biến ROA ở kết quả cuối cùng như bài khóa luận. Đáng nói thêm là bài của Avci (2016) cũng sử dụng kiểm định Hausman như khóa luận nhưng lại kết luận rằng mô hình FEM phù hợp với ROE và mô hình REM phù hợp với ROA. Điều này cho thấy rằng việc chọn mô hình phần nào ảnh hưởng đến kết quả nghiên cứu và việc có sử dụng mô hình khắc phục khuyết tật sẽ nâng cao tính tin cậy của kết quả nghiên cứu hơn. Như vậy, giả thuyết nghiên cứu cấu trúc vốn đo lường bằng tỷ lệ nợ ảnh hưởng ngược chiều đến KNSL của DN được đặt ra ở trên được chấp nhận.
Cấu trúc tài sản (PS)
Kết quả nghiên cứu cho thấy dấu của biến cấu trúc tài sản (PS) ngược so với dấu dự kiến, thể hiện rằng tỷ lệ tài sản cố định càng cao thì KNSL của DN càng thấp. Đối với những lĩnh vực phi tài chính đặc biệt như ngành năng lượng thì tỷ trọng tài sản cố định có thể nói là tương đối lớn. Việc đầu tư tài sản cố định với công nghệ hiện đại sẽ giúp DN giảm được chi phí cũng như tiết kiệm thời gian, góp phần nâng cao lợi nhuận cho DN. Tuy nhiên việc DN đầu tư nhiều vào tài sản cố định mà không biết quản lý sử dụng một cách hiệu quả có thể sẽ gây áp lực và tạo rủi ro cho DN.