a. Cơ cấu vốn DN: Tổng nợ/Tổng tài sản (DA)
Cơ cấu vốn DN được đo bằng tổng nợ trên tổng tài sản. Theo lý thuyết M&M và chi phí kiệt quệ tài chính, sử dụng nợ sẽ làm tăng hiệu quả tài chính nhờ lợi ích từ tấm chắn thuế. Tuy nhiên, khi mức nợ vượt qua một ngưỡng nào đó lợi ích thu được từ mức vay nợ tăng thêm nhỏ hơn mức gia tăng chi phí đại diện và chi phí kiệt quệ tài chính dẫn đến phá sản thì nợ làm giảm hiệu quả tài chính. Theo tổng hợp các nghiên cứu tại chương 2 thì cơ cấu vốn có tác động đến hiệu quả tài chính theo cả hai hướng thuận chiều và ngược chiều. Một số nghiên cứu cơ cấu vốn và hiệu quả tài chính trong ngành du lịch cho kết quả ngược chiều như: Hyewon Youn và Zheng Gu, Woo Gon Kim, Luis Pacheco. Nghiên cứu cho kết quả thuận chiều giữa cơ cấu vốn và hiệu quả tài chính là Humphrey Motanya, Eunju Yoon và Soo Cheong Jang. Divya Aggarwal, Purna Chandra Padhan lại cho kết quả thuận chiều với công cụ đo lường hiệu quả tài chính theo giá trị sổ sách nhưng lại ngược chiều với giá trị thị trường. Nghiên cứu này liên quan đến các doanh nghiệp DVDL nên giả thuyết đặt ra theo kết quả được thực hiện trước đây là:
H0: Cơ cấu vốncó mối quan hệ ngược chiều với hiệu quả tài chính.
H1: Cơ cấu vốn không có mối quan hệ ngược chiều với hiệu quả tài chính.
b. Cấu trúc tài sản (TSDH)
Được đo lường thông qua chỉ tiêu tài sản dài hạn/ tổng tài sản. DNDVDL có đặc điểm đầu tư tài sản cố định lớn chiếm tỉ trọng cao trong cơ cấu tài sản dài hạn.
Humphrey Motanya cho thấy bằng chứng cơ cấu tài sản có ảnh hưởng ngược chiều với hiệu quả tài chính trong kinh doanh lưu trú. Do đó giả thuyết đưa ra là:
H0: Cấu trúc tài sản không có mối quan hệ ngược chiều với hiệu quả tài chính.
H1: Cấu trúc tài sản có mối quan hệ ngược chiều với hiệu quả tài chính.
c. Quy mô doanh nghiệp (SIZE)
Đề tài sử dụng logarit của tổng tài sản để xác định quy mô DN. Các nghiên cứu trước đây của Divya Aggarwal; Purna Chandra Padhanm; Yoon và Jang; Zeitun & Tian; Ahmad; Abdullah và Rosland đều cho kết quả quy mô doanh nghiệp ảnh hưởng tích cực đến hiệu quả tài chính. Điều này được giải thích là do các DN quy mô lớn có uy tín về thương hiệu và có tài sản đảm bảo tốt hơn DN nhỏ nên thuận lợi hơn trong việc huy động nợ. Giả thuyết được đưa ra là:
H0: Quy mô doanh nghiệp không có mối quan hệ thuận chiều với hiệu quả tài chính.
H1: Quy mô doanh nghiệp có mối quan hệ thuận chiều với hiệu quả tài chính.
d. Cơ hội tăng trưởng (GROW)
Cơ hội tăng trưởng được đo lường bằng tăng trưởng tổng tài sản năm t so với năm t-1. Khi doanh nghiệp phát triển nghĩa là kết quả hoạt động kinh doanh đang thuận lợi và sẽ ảnh hưởng tích cực đến hiệu quả tài chính. Nghiên cứu của Ahmad; Abdullah và Roslan đã cho thấy khi doanh nghiệp tăng trưởng tác động thuận chiều với hiệu quả tài chính. Giả thuyết là:
H0: Cơ hội tăng trưởng không có mối quan hệ thuận chiều với hiệu quả tài chính.
H1: Cơ hội tăng trưởng có mối quan hệ thuận chiều với hiệu quả tài chính.
e. Đặc điểm kinh doanh (UNI)
Được đo lường thông qua chỉ tiêu giá vốn hàng bán/ doanh thu thuần. Chỉ tiêu này càng thấp thì lợi nhuận doanh nghiệp càng lớn nên ảnh hưởng tích cực đến hiệu quả tài chính của doanh nghiệp. Các nghiên cứu trước đây chưa tìm thấy bằng chứng mối liên hệ giữa đặc điểm riêng tài sản với hiệu quả tài chính như nghiên cứu của Zeitun & Tian. Giả thuyết đưa ra là:
H0: Đặc điểm kinh doanh không có mối quan hệ ngược chiều với hiệu quả tài chính.
H1: Đặc điểm kinh doanh có mối quan hệ ngược chiều với hiệu quả tài chính.
f.Tốc độ tăng trưởng (GDP)
Khi nền kinh tế phát triển thuận lợi, tốc độ GDP tăng sẽ thúc đẩy hoạt động kinh doanh của doanh nghiệp phát triển và tăng hiệu quả tài chính. Các nghiên cứu của Divya Aggarwal; Purna Chandra Padhan; Mwangi, Makau & Kosimbei đều cho rằng GDP có tác động thuận chiều đến hiệu quả tài chính. Giả thuyết là:
H0 : Tăng trưởng GDP không có tác động thuận chiều đến hiệu quả tài chính của doanh nghiệp.
H1 : Tăng trưởng GDP có tác động thuận chiều đến hiệu quả tài chính của doanh nghiệp.
Bảng 3.1. Tổng hợp các nhân tố ảnh hƣởng đến hiệu quả tài chính DN
Biến độc lập Cách tính Tác động
DA Tổng nợ/Tổng tài sản -
TSDH Tài sản dài hạn/Tổng tài sản -
SIZE Logarit tổng tài sản +
GROW (Tài sản năm t – Tài sản năm t-1)/ Tài sản
năm t-1 +
UNI Giá vốn hàng bán/Doanh thu thuần -
GDP Tốc độ tăng trưởng GDP +
3.2. Dữ liệu nghiên cứu
Nhằm nâng cao tính chính xác của nghiên cứu thì công việc chọn lựa và sử dụng dữ liệu rất quan trọng. Trong thực trạng thống kê các chỉ số tài chính của DN tại Huế còn nhiều khó khăn, tác giả đã chọn lựa 144 DN hoạt động trong lĩnh vực dịch vụ du lịch có số liệu tài chính rõ ràng từ năm 2013 đến 2016. Việc phân loại DN thuộc ngành du lịch được Cục Thuế Tỉnh Thừa Thiên Huế thực hiện và tác giả kiểm tra theo lĩnh vực hoạt động.
Bước 1: Các DN có số liệu vốn chủ sở hữu âm, doanh thu âm và giá vốn hàng bán âm, và DN có doanh thu 02 năm liên tục bằng 0 được loại bỏ. Kết quả có 24 DN không đáp ứng được tiêu chuẩn dữ liệu nghiên cứu.
Bước 2: Các DN có các số liệu ROA, ROE, tỉ lệ nợ trên tài sản dị biệt là quá cao được loại bỏ. Kết quả có 02 DN bị loại bỏ còn lại 144 DN đáp ứng được tiêu chuẩn dữ liệu nghiên cứu. Doanh Nghiệp Tư Nhân Khách Sạn Trường Giang có ROE năm 2015 là -1813%, Doanh Nghiệp Tư Nhân Thương Mại Dịch Vụ Cát Ân có hệ số nợ trên tổng tài sản năm 2016 là 975%.
Bước 3: tác giả đã xây dựng bộ dữ liệu nghiên cứu gồm 144 DN hoạt động trong ngành du lịch tại Huế thời gian từ 2013 đến 2016, nghiên cứu có kích cỡ mẫu nghiên cứu là 576 quan sát.
3.3. Các phƣơng pháp ƣớc lƣợng mô hình. 3.3.1. Hồi quy dữ liệu bảng.
3.3.1.1. Phƣơng pháp bình phƣơng nhỏ nhất (ordinaryleast squares-OLS)
Đề tài sử dụng kỹ thuật phân tích dữ liệu dữ liệu bảng với mô hình như sau:
Yit = C + X1it + β2X2it + …+ βnXnit + uit
Với i, t N*
Trong đó:
Yit là biến phụ thuộc với i: thực thể (DN), và t là thời gian (năm)
X1it,…, Xnit là giá trị biến độc lập đại diện cho các nhân tố ảnh hưởng đến cơ cấu vốn của DN i vào thời kỳ t.
Uit là phần dư.
Mô hình này sử dụng phương pháp bình phương nhỏ nhất (OLS) và có giả định rằng không có đơn vị chéo đặc biệt nào hoặc thời kỳ đặc biệt nào ảnh hưởng đến các hệ số trong mô hình. Ưu điểm của mô hình này là khá đơn giản và quen thuộc, tuy nhiên giả định của mô hình đã ràng buộc quá chặt về các đơn vị chéo, điều này khó xảy ra trong thực tế và dễ mắc phải hiện tượng tự tương quan, thể hiện ở kiểm định Durbin – Watson.
Và hướng tiếp cận tác động cố định (Fixed effects) hoặc ngẫu nhiên (Random effects) sẽ giúp giải quyết vấn đề trên.
3.3.1.2. Mô hình các ảnh hƣởng cố định (Fixed effect model):
Thuật ngữ “các ảnh hưởng cố định” này là do: cho dù tung độ gốc có thể khác nhau đối với các DN nhưng tung độ gốc mỗi DN không đổi theo thời gian, nghĩa là bất biến theo thời gian. Vậy tung độ gốc (ảnh hưởng cố định) của các DN khác nhau như thế nào thì thông qua kĩ thuật biến giả mà cụ thể là biến giả tung độ gốc khác biệt sẽ giúp đề tài có câu trả lời.
Mô hình ảnh hưởng cố định như sau:
Yit = Ci + β1X1it + β2X2it + ….+βkXkit + uit
Hoặc Yit = α0 + α1D1i + α2D2i + …+ αnDni + β1X1it + β2X2it +…+ βkXkit + uit
Ước lượng ảnh hưởng cố định cũng được xem như là phương pháp bình phương bé nhất có chứa biến giả bởi vì để cho phép xuất hiện các hệ số chặn khác nhau cho mỗi thực thể thì mỗi thực thể phải bao gồm một biến giả.
Tuy vậy, nhược điểm của mô hình FEM là giảm bậc tự do đi rất nhiều do phải đưa thêm biến giả vào, dễ xảy ra hiện tượng đa cộng tuyến hoặc vi phạm giả thuyết uit ~ N (0,σ2 ), Gujaranti (2004, trang 646). Và nếu những đặc điểm riêng biệt (không đổi theo thời gian) là đơn nhất đối với một thực thể và không tương quan với đặc điểm của các thực thể khác. Nếu điều này xảy ra, mô hình FEM không còn thích hợp và khi đó mô hình ảnh hưởng ngẫu nhiên – REM được sử dụng để ước lượng mối quan hệ đó.
3.3.1.3. Mô hình tác động ngẫu nhiên ( Random effects model) Yit = C0i + β1Xit + uit
Hệ số trục tung trong phương trình trên được phân tích thành 2 phần :
C0i = C0 + εi
Viết lại phương trình (2) như sau:
Điểm khác nhau cơ bản giữa mô hình FEM và REM là mô hình FEM sẽ có từng hệ số trục tung khác nhau cho từng đơn vị chéo, trong khi mô hình tác động ngẫu nhiên (REM) chỉ có một giá trị hệ số trục tung duy nhất và hệ số này bằng với giá trị trung bình của tất cả các đơn vị chéo quan sát, sự khác biệt của các đơn vị chéo chứa đựng trong thành phần sai số ngẫu nhiên εi.
Việc lựa chọn mô hình, đề tài phải xem xét kiểm định Durbin – Watson để xem xét có hiện tượng tự tương quan hay không (theo lý thuyết nếu 1<d<3 thì không xảy ra hiện tượng tự tương quan).
Cuối cùng, sử dụng kiểm định Hausman nhằm lựa chọn phương pháp FEM hay REM phù hợp cho hồi quy dữ liệu mẫu, với giả thuyết:
H0 : ước lượng mô hình FEM và mô hình REM không khác nhau. (Prob>λ2) <α; bác bỏ H0.
Nếu bác bỏ H0 thì kết luận mô hình ảnh hưởng ngẫu nhiên không phù hợp và trong trường hợp này FEM được lựa chọn sử dụng, còn ngược lại chấp nhận H0 thì mô hình REM được sử dụng.
Kiểm định LM của Breusch – Pagan: là kiểm định nhằm lựa chọn mô hình REM hay OLS, dựa trên giả định phương sai của các sai số ngẫu nhiên i bằng 0. Giả thuyết H0 cho rằng phương sai các sai số ngẫu nhiên i bằng 0 chọn phương pháp chạy mô hình OLS. Giả thuyết H0 bị bác bỏ thì ước lựợng tác động cố định là phù hợp hơn so với phương pháp chạy mô hình hệ số không thay đổi OLS.
Nếu P_value < 0.05, thì bác bỏ giả thuyết H0 hay có thể chọn phương pháp chạy mô hình hệ số tác động ngẫu nhiên. Ngược lại, phù hợp với phương pháp chạy mô hình OLS.
3.3.1.4. Phƣơng pháp bình phƣơng tối thiểu tổng quát (Generallzed Least Square_GLS)
Phương pháp GLS là phương pháp OLS đối với các biến số đã biến đổi để thỏa mãn các giả thuyết bình phương tối thiểu tiêu chuẩn. Phương pháp này được sử dụng để khắc phục hiện tượng phương sai thay đổi và sự tương quan trong mô hình nghiên cứu. Tuy nhiên, phương pháp GLS sẽ không khắc phục hiện tượng biến bị nội sinh (endogeneity).
3.3.1.5. Mô hình ƣớc lƣợng GMM
Ước lượng GMM của Arellano-Bond (1991) dựa trên cơ sở được đề xuất bởi Holtx-Eakin, Newey &Rosen (1988). Thực hiện ước lượng GMM cần phân biệt được biến được công cụ (instrumented) và biến công cụ (instrument). Nếu các biến được dự đoán là nội sinh thì sắp xếp vào nhóm biến được công cụ theo tiếp cận GMM; và khi đó chỉ có giá trị trễ của các biến này mới là các công cụ thích hợp (Judson và các cộng sự, 1996). Còn nếu như các biến giải thích được xác định là ngoại sinh nghiêm ngặt cũng như các biến công cụ được thêm vào (nếu có) thì xếp vào nhóm biến công cụ (iv-instrument variable). Các biến được cho là ngoại sinh nghiêm ngặt thì giá trị hiện tại và trễ của chúng đều là các công cụ thích hợp (Judson và các cộng sự, 1996).
Tính hợp lý của các công cụ được sử dụng trong phương pháp GMM được đánh giá qua các thống kê Hansen/Sargan và Arellano-Bond (AR): kiểm định Hansen/Sargan xác định tính chất phù hợp của các biến công cụ trong mô hình GMM. Đây là kiểm định giới hạn về nội sinh (over-identifying restrictions) của mô hình. Kiểm định Hansen/Sargan với giả thuyết H0 biến công cụ là ngoại sinh, nghĩa là không tương quan với sai số của mô hình. Vì thế, giá trị p của thống kê Sargan càng lớn tốt. Còn kiểm định Arellano-Bond về tự tương quan (autocorrelation) có giả thuyết H0: không tự tương quan, trong đó kiểm định AR (2) quan trọng hơn bởi vì nó kiểm tra tự tương quan ở các cấp độ.
3.3.2. Các kiểm định lựa chọn mô hình 3.3.2.1. Kiểm định phƣơng sai thay đổi 3.3.2.1. Kiểm định phƣơng sai thay đổi
Một trong các giả thuyết chủ yếu cho hồi quy bình phương bé nhất thông thường OLS là phương sai không thay đổi. Nếu phương sai không phải là một hằng số thì được coi là phương sai thay đổi; lúc này ước lượng hệ số hồi quy tính được bằng phương pháp OLS là không hiệu quả. Để kiểm định sự vi phạm giả thuyết này của mô hình, tác giả sử dụng kiểm định dạng Breusch-pagan và kiểm định white có sửa đổi với các giả thuyết H0: không có hiện tượng phương sai thay đổi, H1: có hiện tượng phương sai thay đổi. Nếu kết quả kiểm định cho giá trị P-value là nhỏ (nhỏ hơn 0.05 ngầm định), giả thuyết H0 bị bác bỏ và chấp nhận giả thuyết H1.
3.3.2.2 Kiểm định đa cộng tuyến
Khi phân tích tương quan, hệ số tương quan giữa các biến cao là dấu hiệu của đa cộng tuyến. Để phát hiện trường hợp một biến có tương quan tuyến tính mạnh với các biến còn lại của mô hình, ta khảo sát các cặp tương quan giữa các biến độc lập được thực hiện bằng cách thiết lập ma trận hệ số tương quan để tìm ra những cặp biến có hệ số tương quan cao Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), Gujarati (1995) cho rằng, để loại trừ vấn đề đa cộng tuyến, cần nghiên cứu kỹ hệ số tương quan giữa các biến, nếu chúng vượt quá 0.8, mô hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng. Do đó, để giảm thiểu đa cộng tuyến, tác giả sẽ loại bỏ biến ra khỏi mô hình hồi quy đối với cặp biến có hệ số tương quan lớn hơn 0.8. Ngoài ra, để đảm bảo tính chính xác, tác giả sẽ sử dụng thêm hệ số phóng đại phương sai (VIF - Variance Inflation Factor) để kiểm định hiện tượng đa cộng tuyến. Theo quy tắc kinh nghiệm khi VIFj>5 thì mức độ cộng tuyến được xem là cao và khi đó, các hệ số hồi quy được ước lượng với độ chính xác không cao. Dựa vào kết quả kiểm định hồi quy tuyến tính và hệ số VIF, các biến có hệ số VIF lớn hơn 5 sẽ bị loại ra khỏi mô hình 1 và tiếp tục phân tích hồi quy cho đến khi không còn biến nào có giá trị VIF lớn hơn 5, tức là không còn hiện tượng đa cộng tuyến.
3.3.2.3. Kiểm định tự tƣơng quan
Sau khi kiểm định sự phù hợp của mô hình, bước kế tiếp là kiểm định hiện tượng tự tương quan của các biến trong mô hình. Khi có tồn tại hiện tượng tự tương quan, tuy các ước lượng OLS vẫn là các ước lượng không chệnh nhưng chúng không phải là ước lượng hiệu quả. Nói cách khác, ước lượng OLS không phải là ước lượng không chệch tốt nhất. Phương pháp kiểm định có ý nghĩa nhất để phát hiện tình trạng tự tương quan xảy ra trong mô hình phương pháp kiểm định Wooldridge, trong đó giả thuyết H0 được đề cập là không có hiện tượng tự tương quan, H1 là có hiện tượng tự tương quan. Nếu kết quả kiểm định cho giá trị P-value là nhỏ (nhỏ hơn 0.05 ngầm định), giả thuyết H0 bị bác bỏ và chấp nhận giả thuyết H1.
Phương pháp Durbin – Wu – Hausman Test để kiểm tra biến độc lập của mô