Trước hết, sinh viên đã tiến hành sự đa cộng tuyến của mô hình bằng sơ đồ VIF. Sau đó, kết quả các hệ số VIF được sinh viên tính toán và trình bày dưới đây:
Variance Inflation Factors Date: 04/26/20 Time: 21:14 Sample: 1 550
Variable Coefficient Std. Error t-Statistic Prob. AGE -0.002200 0.000438 -5.019493 0.0000 CR 0.017623 0.002646 6.660319 0.0000 DFL 0.012579 0.008952 1.405114 0.1606 GROWTH 0.015035 0.007044 2.134466 0.0333 HSN -0.186437 0.045072 -4.136420 0.0000 NM 0.023664 0.001123 21.07827 0.0000 SIZE 0.021317 0.004109 5.187488 0.0000
R-squared 0.629703 Mean dependent var 0.13529 3
Adjusted R-squared 0.625611 S.D. dependent var 0.14533 7
S.E. of regression 0.088928 Akaike info - Sum squared resid 4.294121 Schwarz criterion - 1.934486
Log likelihood 554.0684 Hannan-Quinn -
Durbin-Watson stat 0.386944
Bảng 4.3: Kết quả ước lượng giá trị VIF đối với các biến độc lập.
(Sinh viên tự tổng hợp)
Bảng 4.3 cho thấy các chỉ số VIF của các biến đều <2,5 nên ta kết luận rằng không có hiện tượng đa cộng tuyến trong mô hình.
Sau khi không có phát hiện hiện tượng đa cộng tuyến như trên thì sinh viên đã tiến hành chạy các mô hình của ROA, ROE bằng các kiểm định mô hình. Cụ thể, đó là kiểm định WALD cho các biến không cần thiết; kiểm định Breusch & Pagan (1979) và White (1980) để kiểm tra hiện tượng PSSSTĐ. Nếu như có hiện tượng PSSTĐ thì sinh viên sẽ khắc phục bằng cách sử dụng phương pháp Breusch & Pagan (1979). Sau đó, sinh viên dùng kiểm định Lagrange (LM), Breush & Godfrey để kiểm tra tính tự tương quan giữa các biến; nếu như có xảy ra thì sẽ khắc phục bằng phương pháp Cochrane - Orcutt (1994).
4.2.4. Kết quả mô hình ước lượng hồi quy.
4.2.4.1. Kết quả mô hình ước lượng với biến phụ thuộc ROA.
Sinh viên đã thực hiện hồi quy theo phương pháp OLS cho mô hình có biến phụ thuộc là ROA trên Eviews 10 và kết quả như dưới đây:
Dependent Variable: ROA Method: Least Squares Date: 04/26/20 Time: 21:09 Sample: 1 550
Variable Coefficient Std. Error t-Statistic Prob. AGE -0.002863 0.000734 -3.902410 0.0001 CR 0.020877 0.004428 4.714620 0.0000 DFL 0.025946 0.014982 1.731777 0.0839 GROWTH 0.011377 0.011788 0.965117 0.3349 HSN -0.197475 0.075431 -2.617946 0.0091 NM 0.040236 0.001879 21.41449 0.0000 SIZE 0.031830 0.006877 4.628221 0.0000
R-squared 0.621777 Mean dependent var 0.257295 Adjusted R-squared 0.617598 S.D. dependent var 0.240669 S.E. of regression 0.148826 Akaike info - Sum squared resid 12.02706 Schwarz criterion - 0.904574 Log likelihood 270.8426 Hannan-Quinn - Durbin-Watson stat 0.603688
Bảng 4.4: Kết quả mô hình hồi quy với biến phụ thuộc ROA
(Sinh viên tổng hợp từ Eviews 10)
Các hệ số P-value của tất cả các biến (trừ DFL) đều <α= 0,05 nên thống kê này có mức ý nghĩa 5%.
Ngoài ra, các biến có hệ số tương quan dương với ROA được thể hiện trong bảng 5 là CR, DFL, GROWTH, NM, SIZE; hệ số HSN trong bảng là -0,186 thể hiện đúng giả thuyết quan hệ nghịch biến ban đầu. Các biến có tương quan dương với ROA có hệ số rất nhỏ; điều này thể hiện rằng chúng có tác động rất lớn đến biến ROA của tất cả 55 mẫu doanh nghiệp đã được phân tích. Hệ số R-squared trong bảng là 0,629 (62,9%) thể hiện ý nghĩa gần 63% sự thay đổi của biến ROA được mô tả cụ thể bằng sự thay đổi của các biến độc lập. Đây được coi là điều tích cực khi mà các biến được lựa chọn khá phù hợp. Mô hình cũng từ đó phản ánh rằng ROA bị ảnh hưởng mạnh nhất bởi CR, SIZE, GROWTH, NM.
30
4.2.4.2. Kết quả ước lượng mô hình với biến phụ thuộc ROE
Tương tự với ROA, biến ROE cho ra kết quả như sau:
Dependent Variable: ROE Method: Least Squares Date: 04/26/20 Time: 22:30 Sample: 1 550
Biến độc lập
Giả thuyết ban đầu về tương quan với
biến phụ thuộc
Kết quả thực tế
ROA ROE
NM Hai chiều Cùng chiều Cùng chiều
GROWTH Cùng chiều Cùng chiều Không có tương quan
HSN Ngược chiều Ngược chiều Ngược chiều
DFL Ngược chiều Không có tương quan Không có tương quan
LIQ Cùng chiều Cùng chiều Cùng chiều
SIZE Cùng chiều Cùng chiều Cùng chiều
AGE Hai chiều Ngược chiều Ngược chiều
Bảng 4.5: Kết quả mô hình ước lượng với biến phụ thuộc ROE
(Sinh viên tổng hợp trên Eviews 10)
P-value của các biến AGE, CR, HSN, NM, SIZE < α= 0,05 nên thống kê cũng có ý nghĩa có mức 5%. Biến SIZE cho ra kết quả hệ số tương quan dương (0,0318) mang lại ý nghĩa rằng quy mô doanh nghiệp có quan hệ đồng biến với hiệu quả hoạt động doanh nghiệp ngành hàng hóa dịch vụ công nghiệp. Trong khi đó, biến HSN lại cho kết quả hệ số tương quan âm (-0,1975), phần nào thấy được rằng các doanh nghiệp thường không đi vay vốn từ ngoài mà chủ yếu là “tự thân vận động” bằng chính vốn tự có; đi vay càng nhiều, tính hiệu quả hoạt động càng giảm. Biến GROWTH và DFL với P-value = 0,3349 và 0,084 > α= 0,05 thể hiện rằng doanh nghiệp có thể tự phát triển mà không quan trọng khối lượng tổng tài sản to đến cỡ nào.
R-squared = 0,6217 (62,17%) trong mô hình cho thấy rằng hơn 62% sự thay đổi trong ROE là kết quả của sự thay đổi của các nhân tố hay các biến được nhắc đến trong mô hình.
4.2.5. Phân tích kết quả nghiên cứu
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