Với việc phân tích 2 mô hình ROA và ROE trên, có thể rút ra kết luận các tương quan của các biến độc lập với các biến phụ thuộc là tương đối chính xác và ăn khớp với giả thuyết ban đầu đề ra.
Bảng 4.6: So sánh giữa lý thuyết và kết quả thực tế từ mô hình ROA và ROE
(Sinh viên tự tổng hợp)
❖ NM:
Ket quả cho thấy rằng biến NM có tác động đồng biến và rất mạnh đến hiệu quả hoạt động của ngành hàng hóa dịch vụ công nghiệp, khác xa giả thuyết ban đầu. Dù đây là một biến mới và có thể tác động hai chiều, nhưng có lẽ với việc có một số lượng thành viên HĐQT đủ và hợp lý, doanh nghiệp sẽ dễ dàng hơn trong vấn đề chia cổ tức và lợi nhuận đến cho họ, cũng như là quản lí doanh nghiệp.
❖ GROWTH:
Tăng trưởng doanh nghiệp có tác động cùng chiều đối với hiệu quả hoạt động của ngành như dự kiến ban đầu. Song, GROWTH lại không có tác động đến ROE của doanh nghiệp.
❖ HSN:
Kết quả đem lại là hợp lý khi hệ số HSN tác động ngược chiều đến hiệu quả hoạt động của doanh nghiệp như dự kiến.Đồng thời, kết quả cũng phù hợp với nghiên cứu của Berger & Bonaccorsi (2006) và Modigliani & Miller (1963) khi nói về mối quan hệ của biến này đối với sự phát triển của các doanh nghiệp. Các doanh nghiệp
ngành hàng hóa dịch vụ công nghiệp này không cần phải đi vay nợ quá nhiều mà vẫn có thể phát triển và tạo ra lợi nhuận cho bản thân.
❖ DFL:
Trái với giả thuyết ban đầu, DFL lại không có ảnh hưởng tương quan gì đến hiệu quả hoạt động doanh nghiệp của ngành này. Điều này cũng trái với nghiên cứu của Zenith & Titan (2007) khi nói rằng DFL tác động ngược chiều với hiệu quả hoạt động doanh nghiệp. Điều đó càng khẳng định rõ hơn rằng các doanh nghiệp ngành hàng hóa dịch vụ công nghiệp chưa có ý thức rõ ràng về việc sử dụng đòn bảy tài chính, nhưng không có nghĩa rằng nếu không có đòn bảy tài chính thì các doanh nghiệp không thể phát triển mạnh mẽ hơn.
❖ LIQ:
Tính thanh khoản tác động cùng chiều với hiệu quả hoạt động doanh nghiệp, đúng với giả thuyết ban đầu và có sự mô tả gần giống với nghiên cứu Almajali & Almaro (2012). Tính thanh khoản của một doanh nghiệp là rất quan trọng, bởi vì đó là tiêu chuẩn để đánh giá năng lực của doanh nghiệp đó trong khả năng chi tiêu của mình và phát triển sau này. Mô hình đem lại những kết quả tốt cũng chứng minh được rằng các doanh nghiệp vẫn đang có sự kiểm soát tốt trong vấn đề thanh khoản của mình, không quá cao và không quá thấp.
❖ SIZE:
Như dự kiến ban đầu của sinh viên, biến SIZE tác động cùng chiều đến hiệu quả hoạt động doanh nghiệp. Điều đó cũng phù hợp với nghiên cứu của Malik (2011). Trong mẫu nghiên cứu sinh viên đã phân tích, trong số 55 mẫu doanh nghiệp của ngành hàng hóa dịch vụ công nghiệp, có hơn 40 doanh nghiệp được xếp vào loại nhỏ; chỉ có khoảng 10 doanh nghiệp còn lại được xếp vào loại lớn. Nhưng với kết quả mô hình trên, ta có thể thấy được sự ảnh hưởng lớn lao của các doanh nghiệp lớn làm then chốt của ngành. Đây là những “đầu tàu” quan trọng cho sự phát triển sau này của ngành cũng như kéo theo những doanh nghiệp nhỏ hơn phát triển cùng.
❖ AGE:
Biến AGE trong mô hình tác động ngược chiều cùng trên 2 mô hình, khác với dự đoán ban đầu là hai chiều. Trong 55 mẫu doanh nghiệp mà sinh viên đã nghiên cứu, có đến hơn 30 mẫu được lựa chọn là được thành lập từ trước năm 2010. Việc này do
Test Statistic Value df ty Probabili
t-statistic 1.405114 543 0.1606 F-statistic 1.974345 (1, 543) 0.1606
Chi-square 1.974345 1 0.1600
Null Hypothesis: C(3)=0 Null Hypothesis Summary: Normalized Restriction (=
0) Value Std. Err.
C(3) 0.012579 0.008952
đó đã ảnh hưởng không ít đến kết quả của mô hình. Đối với một số doanh nghiệp “già” (thành lập trên 10 năm), họ vốn có những kinh nghiệm riêng của mình để có thể tạo ra lợi nhuận để giữ vững doanh nghiệp. Nhưng đến một thời điểm, khi các khả năng bị bão hòa và các yêu cầu doanh nghiệp trở nên đa dạng hơn, doanh nghiệp đó không thể tạo được lợi nhuận như mong muốn, dẫn đến nguy cơ giải ngân hoặc phá sản là rất cao. Do đó, cần sự xuất hiện của các doanh nghiệp “trẻ” (thành lập dưới 10 năm) mà có khối lượng tổng tài sản lớn như các doanh nghiệp lớn khác để cân bằng lại thị trường. Kết quả mang lại khá tốt, khi chỉ số P-value của biến AGE không quá cao (- 0,002); điều này chứng tỏ sự thành lập và trỗi dậy của các doanh nghiệp “trẻ” là điều hoàn toàn có thể. Nhưng ta cần hiểu một điều là không phải vì các doanh nghiệp “trẻ” mà các doanh nghiệp “già” mất đi vị thế của mình trên thị trường.
4.2.6. Kiểm định độ tin cậy của mô hình nghiên cứu
4.2.6.1. Kiểm định biến không cần thiết đối với mô hình biến phụ thuộc ROA
Để có thể kiểm định biến không cần thiết với biến phụ thuộc là ROA, với mẫu nghiên cứu là 55 doanh nghiệp niêm yết ngành hàng hóa dịch vụ công nghiệp, sinh viên sử dụng kiểm định Wald để phát hiện ra biến đó. Bảng 6 đã cho ta thấy giá trị tuyệt đối của giá trị thống kê (T-statistic) của các biến. Trong đó, với giá trị 1,4 của biến DFL (<1,96), thì biến này được liệt vào danh sách các biến không cần thiết của mô hình.
Sinh viên xin được đưa ra giả thuyết: HO: β3 = 0
HI: β3 ≠ 0
Kết quả sau đó được thể hiện trên phần mềm Eviews 10 như sau:
34
Wald Test: Equation: Untitled
Test Statistic Value df Probabili ty
F-statistic 1.870627 (2, 543) 0.1550
Chi-square 3.741254 2 0.1540
Null Hypothesis: C(3)=C(4)=0 Null Hypothesis Summary:
Normalized Restriction (= 0) Value Std. Err. C(3) 0.025946 0.01498 2 C(4) 0.011377 0.011788
Restrictions are linear in coefficients.
Bảng 4.7: Kết quả kiểm định Wald với các biến không cần thiết trong mô hình ROA
(Sinh viên tự tổng hợp từ Eviews 10)
Nhìn vào bảng 4.7, ta thấy F-Statistic = 0,16 > α =0,05, từ đó chấp nhận HO và bác bỏ H1. Do đó, ta kết luận DFL là biến không cần thiết trong mô hình ROA.
4.2.6.2. Kiểm định biến không cần thiết với mô hình biến phụ thuộc ROE
Tương tự khi phân tích biến không cần thiết với mô hình biến phụ thuộc ROA, sinh viên cũng sử dụng kiểm định Wald để tính toán và đưa ra các kết luận. Bảng 7 cho thấy giá trị tuyệt đối của giá trị thống kê của các biến (T-Statistic). Trong đó, các biến DFL và GROWTH được coi là biến không cần thiết với các chỉ số lần lượt là 1,7 và 0,96 (<1,96).
Giả thuyết đưa ra cũng như mô hình biến ROA, nhưng với 2 biến: HO: β3 = β4 = 0
H1: β3 ≠ β4 ≠ 0
Kết quả được thể hiện trên phần mềm Eviews 10 như sau:
Wald Test: Equation: Untitled
F-statistic 1.46556 Prob. F(7,542) 0.1756 Obs*R-squared
Scaled explained
7.48165 Prob. Chi-Square(7) 0.1756
SS 36.1067 Prob. Chi-Square(7) 0.0000
Variable Coefficient Std. Error t-Statistic Prob.
C 0.009093 0.003438 2.644678 0.0084 AGE -0.000629 9.84E-05 -6.393838 0.0000 CR 0.003669 0.000614 5.972303 0.0000 DFL 0.003023 0.001920 1.573897 0.1161 GROWTH 0.004144 0.001511 2.742733 0.0063 HSN -0.021021 0.010109 -2.079380 0.0381 NM 0.000366 0.000246 1.489516 0.1369 SIZE -9.55E-05 0.000943 -0.101296 0.9194 R-squared 0.013603 Mean dependent var 0.00780
7 Adjusted R-
squared 0.007930 S.D. dependent var 0.02084
5 S.E. of regression 0.005072 Akaike info
criterion 5.066781-
Sum squared resid 0.007142 Schwarz criterion - 5.004092 Log likelihood 1901.365 Hannan-Quinn
criter. 5.042283-
F-statistic 1.465560 Durbin-Watson stat 1.42716 1
Prob(F-statistic) 0.175624
Restrictions are linear in coefficients.
Bảng 4.8: Kết quả kiểm định Wald với các biến không cần thiết trong mô hình ROE (Sinh viên tự tổng hợp từ Eviews 10).
Bảng 4.8 cho thấy chỉ số F-Statistic = 0,15 > O = 0,05. Từ đó, ta chấp nhận HO và bác bỏ H1. Ta rút ra kết luận 2 biến DFL và GROWTH là các biến không cần thiết trong mô hình ROE này.
4.2.6.3. Kiểm định PSSSTĐ với mô hình biến phụ thuộc ROA.
Để có thể kiểm tra PSSSTĐ đối với mô hình biến phụ thuộc ROA, sinh viên đã áp dụng các kiểm định sau:
> Kiểm định Breusch & Pagan (1979)
U1 = αιxNM + α2xGROWTH + α3xHSN + α4xDFL + α5xLIQ + α6xSIZE + α7AGE + u (Hồi quy phụ)
Kèm theo đó là giả thuyết:
HO: α1 = 0 2 = 0 3 = 04 = 05 = 06 = 07 = 0 Hi: Ít nhất 1 0 ≠ 0
Sau đó, kết quả hồi quy phụ được thể hiện như sau:
36
Heteroskedasticity Test: Breusch-Pagan-Godfrey
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 04/26/20 Time: 21:23 Sample: 1 550
Variable Coefficient Std. Error t-Statistic Prob.
C 0.010941 0.002193 4.988803 0.0000
AGE^2 -1.41E-05 2.40E-06 -5.865487 0.0000
CR^2 0.000396 6.37E-05 6.209711 0.0000 DFL^2 0.000459 0.000366 1.255808 0.2097 GROWTH^2 0.000765 0.000234 3.269635 0.0011 HSN^2 -0.024573 0.010682 -2.300336 0.0218 NM^2 2.23E-05 1.44E-05 1.551490 0.1214 SIZE^2 -4.14E-05 0.000164 -0.251758 0.8013 R-squared
0.010408 Mean dependent var 7 0.00780 Adjusted R-squared 0.009513 S.D. dependent var 0.02084
5 S.E. of regression 0.007269 Akaike info - Sum squared resid 0.008244 Schwarz criterion - 4.983498 Log likelihood 1925.702 Hannan-Quinn
criter.
- 5.021690 F-statistic 1.435580 Durbin-Watson stat 1.41186
3 Prob(F-statistic) 0.180102
Bảng 4.9: Kết quả kiểm định Breusch & Pagan của mô hình hồi quy với biến phụ thuộc ROA (Sinh viên tự tổng hợp từ Eviews 10)
Bảng 4.9 cho kết quả với chỉ số Obs*R-Squared = 7,48 < Chisao = 17,56 nên từ đó suy ra mô hình này không có hiện tượng PSSSTĐ.
> Kiểm định White (1980) Hồi quy phụ:
U2 = α1xNM2 + α2xGROWTH2 + α3xHSN2 + α4DFL2 + α5xLIQ2 + α6xSIZE2 + α7AGE2 + u
Kèm theo đó là giả thuyết như sau: H0: αι = 0 2 = 0 3 = 04 = 05 = 06 = 07 = 0 Hi: Ít nhất 1 0 ≠ 0
Kết quả mô hình được thể hiện như sau:
Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS 1.435580 Prob. F(7,542) 5.724425 Prob. Chi-Square(7) 29.31145 Prob. Chi-Square(7) 0.1801 0.1801 0.0000 Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 04/26/20 Time: 21:34 Sample: 1 550
Variable Coefficient Std. Error t-Statistic Prob. AGE -0.000153 0.000258 -0.592451 0.5538 CR -0.000660 0.001558 -0.423640 0.6720 DFL -0.002045 0.005275 -0.387630 0.6984 GROWTH -0.000249 0.004146 -0.060149 0.9521 HSN 0.021246 0.026570 0.799644 0.4243 NM -0.000345 0.000664 -0.519401 0.6037 SIZE 0.000532 0.002420 0.219749 0.8261 U1 0.804327 0.025303 31.78806 0.0000
R-squared 0.651324 Mean dependent var 0.00108 4
Adjusted R-squared 0.646812 S.D. dependent var 0.08805 8
S.E. of regression 0.052333 Akaike info criterion - 3.047925 Sum squared resid 1.481644 Schwarz criterion -
2.985148 Log likelihood 844.6555 Hannan-Quinn
criter.
- 3.023391 Durbin-Watson stat 2.075937
Bảng 4.10: Kết quả kiểm định White với mô hinh hồi quy với biến phụ thuộc ROA (Sinh viên tự tổng hợp từ Eviews 10)
Bảng 4.10 cũng cho kết quả tương tự với bảng 11 khi Obs*R-squared = 5,72 < Chisao = 18,01. Điều đó cũng thể hiện rõ hơn rằng không có hiện tượng PSSSTĐ trong mô hình ROA này.
4.2.6.4. Kiểm định hiện tượng tự tượng quan đối với mô hình biến phụ thuộc ROA
38
Để đánh giá hiện tượng tự tương quan nói trên với mô hình ROA, sinh viên đã áp dụng các kiểm định sau:
> Kiểm định Lagrange Giả thuyết:
HO: p = 0 HI: p ≠ 0
Sau đó, kết quả kiểm định như sau:
Dependent Variable: U Method: Least Squares Date: 04/26/20 Time: 22:13 Sample (adjusted): 2 550
Variable Coefficient Std. Error t-Statistic Prob.
U(-1) 0.801434 0.025184 31.82255 0.0000
R-squared 0.648817 Mean dependent var 0.001084 Adjusted R-squared 0.648817 S.D. dependent var 0.088058 S.E. of regression 0.052184 Akaike info
criterion -3.066261
Sum squared resid 1.492298 Schwarz criterion -3.058414 Log likelihood 842.6887 Hannan-Quinn
criter. -3.063194
Durbin-Watson stat 2.087291
Variable Coefficient Std. Error t-Statistic Prob.
C 0.002290 0.003697 0.619285 0.5360 AGEM -0.003796 0.000556 -6.825919 0.0000 CRM 0.013469 0.002300 5.856089 0.0000 DFLM 0.011200 0.005967 1.876974 0.0611 GROWTHM 0.016491 0.003537 4.662329 0.0000 HSNM -0.157914 0.033029 -4.781089 0.0000 NMM 0.020696 0.001428 14.49282 0.0000 SIZEM 0.031067 0.005125 6.061948 0.0000 R-squared 0.480406 Mean dependent var 0.026736
Bảng 4.11: Kết quả kiểm định Lagrange cho mô hình hồi quy với biến phụ thuộc ROA
(Sinh viên tự tổng hợp từ Eviews 10)
Từ bảng 4.11, ta thấy được Obs*R-squared = 357,57 > Chisao = 0,0039,do đó bác bỏ HO và chấp nhận H1. Từ đó, ta kết luận kết quả mô hình có xuất hiện tính tự tương quan.
Do mô hình có tính tự tương quan nên sinh viên áp dụng thủ tục Cochrane - Orcutt (1994) để khắc phục. Bằng việc tạo ra một hồi quy phụ với biến mới là U, kết quả xuất ra như sau:
Dependent Variable: U Method: Least Squares Date: 04/26/20 Time: 22:18 Sample (adjusted): 2 550
Included observations: 549 after adjustments
Bảng 4.12: Kết quả mô hình hồi quy với biến phụ thuộc ROA khi thêm biến phụ U (Sinh viên tự tổng hợp từ Eviews 10)
Từ bảng 4.12, ta nhận được giá trị p = 0,801. Sinh viên tiếp tục chạy mô hình với biến phụ thuộc mới là ROAM và kết quả được xuất ra như sau:
Dependent Variable: ROAM Method: Least Squares Date: 04/26/20 Time: 22:24 Sample (adjusted): 2 550
Adjusted R-squared 0.473683 S.D. dependent var 0.0704 48 S.E. of regression 0.051108 Akaike info criterion -
3.0952 Sum squared resid 1.413115 Schwarz criterion -
3.0325 Log likelihood 857.6547 Hannan-Quinn criter. -
3.0707 F-statistic 71.45673 Durbin-Watson stat 2.0050
51 Prob(F-statistic) 0.000000
Variable Coefficient Std. Error t-Statistic Prob. C -7.46E-05 0.003697 -0.020172 0.9839 AGEM -6.82E-05 0.000558 -0.122340 0.9027 CRM 8.12E-05 0.002301 0.035300 0.9719 DFLM 0.000353 0.005971 0.059064 0.9529 GROWTHM -5.61E-05 0.003537 -0.015874 0.9873 HSNM -0.002727 0.033068 -0.082468 0.9343 NMM -3.95E-05 0.001428 -0.027694 0.9779 SIZEM 0.000617 0.005139 0.120032 0.9045 RESID(-1) -0.003066 0.043192 -0.070994 0.9434 RESID(-2) 0.067286 0.043245 1.555919 0.1203
R-squared 0.004481 Mean dependent var 17 -2.83E- Adjusted R-squared -0.012141 S.D. dependent var 0.05078
1 S.E. of regression 0.051088 Akaike info
criterion
- 3.092487 Sum squared resid 1.406782 Schwarz criterion -
3.014015 Log likelihood 858.8876 Hannan-Quinn
criter. 3.061819-
F-statistic 0.269588 Durbin-Watson stat 2.00277 1
Prob(F-statistic) 0.982542
Bảng 4.13: Kết quả mô hình hồi quy phụ với biến phụ thuộc mới ROAM
(Sinh viên tự tổng hợp bằng Eviews 10)
Để chắc chắn rằng mô hình mới không còn hiện tượng tự tương quan, sinh viên tiếp tục sử dụng kiểm định Breusch - Godfrey với giả thuyết ban đầu:
H0: p = 0 HI: p ≠ 0
Kết quả kiểm định mới như sau:
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.213147 Prob. F(2,539) 0.2981
Obs*R-squared 2.460234 Prob. Chi-Square(2) 0.2923
Test Equation:
Dependent Variable: RESID Method: Least Squares Date: 04/26/20 Time: 22:27 Sample: 2 550
Included observations: 549
F-statistic 1.231968 Prob. F(7,542) 0.3612 Obs*R-squared 12.81225 Prob. Chi-Square(7) 0.3612 Scaled explained
SS 501.1306 Prob. Chi-Square(7) 0.0000
Variable Coefficient Std. Error t-Statistic Prob.
C 0.021199 0.010013 2.117268 0.0347 AGE -0.000895 0.000287 -3.123137 0.0019 CR 0.002120 0.001789 1.184660 0.2367 DFL 0.023376 0.005592 4.180038 0.0000 GROWTH 0.009939 0.004400 2.258697 0.0243 HSN -0.101060 0.029439 -3.432893 0.0006 NM -0.001978 0.000716 -2.762376 0.0059 SIZE 0.004205 0.002747 1.530729 0.1264
R-squared 0.023295 Mean dependent var 1.52186 7
Adjusted R-
squared 0.009197 S.D. dependent var 19.5701 S.E. of regression 19.50538 Akaike info 8.92906 Sum squared resid 1971.769 Schwarz criterion 8.86637
8
Log likelihood 813.4936 Hannan-Quinn 8.90457 F-statistic 1.231968 Durbin-Watson stat 1.86101
8 Prob(F-statistic) 0.361201
Bảng 4.14: Kết quả kiểm định Breusch - Godfrey đối với mô hình hồi quy mới với biến phụ thuộc ROAM
Với giá trị Obs*R-squared = 0,2923 < α = 0,05, ta chấp nhận H0 và bác bỏ H1. Từ đó, mô hình mới sau khi khắc phục đã không còn hiện tượng tự tương quan.
4.2.6.5. Kiểm định hiện tượng PSSSTĐ với mô hình biến phụ thuộc ROE
42
(Sinh viên tự tồng hợp từ Eviews 10)
> Kiểm định Breusch & Pagan (1979) Hồi quy phụ:
U1 = αιxNM + α2xGROWTH + α3xHSN + α4xDFL + α5xLIQ + αβxSIZE + α7AGE + u
Giả thuyết :
HO: α1 = O 2 = O 3 = 04 = 05 = 06 = 07 = 0 Hi: Ít nhất 1 0 ≠ 0
Kết quả xuất ra được thể hiện như sau:
Heteroskedasticity Test: Breusch-Pagan-Godfrey
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 04/26/20 Time: 22:33 Sample: 1 550
Variable Coefficient Std. Error t-Statistic Prob. AGE -0.000117 0.000524 -0.223628 0.8231 CR -0.003442 0.003168 -1.086454 0.2778 DFL 0.017762 0.010742 1.653575 0.0988 GROWTH 0.007543 0.008428 0.894973 0.3712