Dữ liệu cho luận văn này được thu thập từ hệ thống cơ sở dữ liệu của Sở giao dịch chứng khoán Hồ Chí Minh (www.hsx.vn), báo cáo tài chính, báo cáo
thường niên của các công ty niêm yết trên Sở giao dịch chứng khoán Hồ Chí Minh, website http://www.cophieu68.vn, http://cafef.vn,… Mẫu của nghiên cứu bao gồm 220 công ty được niêm yết trên Sở giao dịch chứng khoán Hồ Chí Minh không bao gồm các công ty tài chính, các công ty mới niêm yết với thời gian niêm yết thấp hơn giai đoạn nghiên cứu. Luận văn lấy dữ liệu nghiên cứu trong khoảng thời gian từ năm 2012 đến năm 2016.
KẾT LUẬN CHƯƠNG 3.
Trong chương 3, tác giả đi vào trình bày chi tiết cách thức, phương pháp nghiên cứu. Các mô hình hồi quy, các kiểm định được thực hiện nhằm tìm ra một ước lượng phù hợp và hiệu quả nhất. Cuối cùng, ước lượng GMM được lựa chọn vì tính ưu việt của nó (giải quyết các vấn đề phát sinh trong mô hình như: phương sai thay đổi, tự tương quan, hiện tượng nội sinh (nếu có)…
Bên cạnh đó, bằng phương pháp thống kê mô tả, tác giả đã trình bày một cách tổng quát bộ dữ liệu thu thập được, ma trận tương quan giữa các biến.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN. 4.1. Kết quả nghiên cứu.
4.1.1. Nghiên cứu tác động của sở hữu nước ngoài đến hiệu quả hoạt động củadoanh nghiệp. doanh nghiệp.
4.1.1.1. So sánh giữa các mô hình trên panel data: Pooled Regression, Fixedeffects model và Random effects model. effects model và Random effects model.
* So sánh giữa các mô hình Pooled Regression và Fixed effects model.
Tác giả tiến hành so sánh giữa các mô hình Pooled Regression và Fixed effects model với giả thuyết Ho: Chọn Pooled Regression.
Bảng 4.1. Phân tích hồi quy mô hình 01 theo Pooled Regression.
Bảng 4.2. Phân tích hồi quy mô hình 01 theo Fixed effects model.
Nguồn: Stata11
Với mức ý nghĩa 1%, ta có F=0.0000 <1% nên bác bỏ giả thuyết Ho. Như vậy giữa mô hình Pooled Regression và Fixed effects model ta chọn mô hình Fixed effects.
Bảng 4.3. Phân tích hồi quy mô hình 01 theo Random effects model.
Nguồn: Stata11
Bảng 4.4. Kết quả kiểm định Hausman (mô hình 01).
Giả thuyết Ho: Chọn Random effects model.
Qua bảng 4.4 về kết quả kiểm định Hausman bằng stata 11, ta có Prob=0.3371 >10% nên chấp nhận giả thuyết Ho. Tức chọn mô hình Random effects model.
Như vậy, sau khi so sánh 3 mô hình, ta chọn mô hình Random effects model.
4.1.1.2. Kiểm định các giả thuyết hồi quy mô hình nghiên cứu.
* Kiểm định không có sự tự tương quan giữa các biến độc lập trong mô hình (không có hiện tượng đa cộng tuyến).
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau. Luận văn tiến hành kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng chỉ tiêu VIF (hệ số phóng đại phương sai - Variance inflation factor).
Bảng 4.5: Kết quả kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng chỉ tiêu VIF (mô hình 01).
Sau khi tiến hành hồi quy Pool bằng lệnh reg, tác giả tiến hành kiểm tra tính đa cộng tuyến bằng lệnh VIF.
Qua kết quả ở bảng 4.5 ta thấy, VIF của tất cả các biến độc lập đều nhỏ hơn 10 nên hiện tượng đa cộng tuyến trong mô hình được đánh giá là không nghiêm trọng (Gujarati, D.,2003).
* Kiểm định phương sai của sai số không đổi (không bị hiện tượng phương sai thay đổi).
Phương sai của sai số thay đổi sẽ làm cho các ước lượng thu được bằng phương pháp hồi quy thông thường trên dữ liệu bảng vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Từ đó dẫn đến hiện tượng ngộ nhận các biến độc lập trong mô hình có ý nghĩa lúc đó kiểm định hệ số hồi quy và
R bình phương không dùng được. Bởi vì phương sai của sai số thay đổi làm mất tính hiệu quả của ước lượng nên cần thiết phải tiến hành kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White với giả thuyết Ho: Không có hiện tượng phương sai thay đổi.
Bảng 4.6: Kết quả kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White (mô hình 01).
Nguồn: Stata11
Với mức ý nghĩa 1%, kiểm định White cho Prob=0.0000 <1%. Vậy bác bỏ giả thuyết Ho. Như vậy, có hiện tượng phương sai thay đổi.
* Kiểm định giữa các sai số không có mối quan hệ tương quan với nhau (không bị hiện tượng tự tương quan).
Giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng thu được bằng phương pháp hồi quy thông thường trên dữ liệu bảng vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Luận văn tiến hành kiểm định giả thuyết không bị hiện tượng tự tương quan trên dữ liệu bảng với giả thuyết Ho: Không có sự tự tương quan.
Bảng 4.7: Kết quả kiểm định giả thuyết không bị hiện tượng tự tương quan (mô hình 01).
Nguồn: Stata11
Với mức ý nghĩa 5%, kiểm định cho kết quả là Prob =0.0475 <5% nên bác bỏ giả thuyết HoCó sự tự tương quan.
* Tổng hợp kết quả kiểm định.
Qua kết quả kiểm định từng giả thuyết ở trên, tác giả nhận thấy mô hình có hiện tượng đa cộng tuyến được đánh giá là không nghiêm trọng. Tuy nhiên mô hình có hiện tượng phương sai thay đổi và sự tự tương quan.
4.1.1.3. Kiểm định độ phù hợp của các biến giải thích trong mô hình nghiêncứu khắc phục hiện tượng tự tương quan, phương sai thay đổi và nội sinh cứu khắc phục hiện tượng tự tương quan, phương sai thay đổi và nội sinh bằng phương pháp GMM.
Căn cứ vào kết quả kiểm định ở trên, ta thấy mô hình có hiện tượng phương sai thay đổi và sự tự tương quan. Theo Lê Thị Lanh & Lâm Ngọc Thiên Lý (2016), mô hình GMM (General Method of Moments) - phương pháp Moment tổng quát, giải quyết vấn đề nội sinh có thể phát sinh giữa các biến giải thích. Đồng thời, ước lượng này cũng giải quyết vấn đề phổ biến hay gặp phải do đặc tính của dữ liệu dẫn đến kết quả ước lượng có thể bị chệch như: đa cộng tuyến, phương sai thay đổi, tự tương quan. Võ Xuân Vinh (2014) cũng cho rằng GMM là phương pháp ưu việt trong việc giải quyết vấn đề nội sinh trong mô hình.
Kế thừa những nghiên cứu trước, tác giả cũng sử dụng phương pháp GMM để khắc phục hiện tượng tự tương quan, phương sai thay đổi và hiện tượng các biến nội sinh (nếu có) để đảm bảo ước lượng thu được vững và hiệu quả.
Bảng 4.8: Kết quả kiểm định bằng phương pháp GMM (mô hình 01).
Nguồn: Stata11
Với biến phụ thuộc là EPSittrong mô hình 01, sau khi sử dụng phương pháp GMM để khắc phục hiện tượng nội sinh, phương sai thay đổi và sự tự tương quan, mô hình có ý nghĩa ở mức ý nghĩa 1% (do Chi2=0.0000) nên kết quả mô hình phù hợp và có thể sử dụng được.
Kiểm định AR(2) có mức ý nghĩa 0.982 >10% nên mô hình không có hiện tượng tự tương quan.
Kiểm định Sargan test có mức ý nghĩa là 0.101 nên mô hình không có hiện tượng nội sinh.( Kiểm định Sargan xác định tính chất phù hợp của các biến công cụ trong mô hình GMM). Ngoài ra, mô hình có số biến công cụ (15) nhỏ hơn số lượng các nhóm (220) nên đảm bảo tính vững.
Như vậy kết quả mô hình nghiên cứu có phương trình như sau:
EPSit = - 0.0066501 + 0.0034104 FOREIGNit + 0.0019966 INVESTit - 0.0032305 DEBTit+ 0.0010547 SALESit+ εit
Như vậy, các biến FOREIGNit, SALESit tác động cùng chiều đến EPSit và có ý nghĩa thống kê với mức ý nghĩa 1%.
Biến INVESTittác động cùng chiều đến EPSitvà có ý nghĩa thống kê với mức ý nghĩa 5%.
Biến DEBTittác động ngược chiều đến EPSitvà có ý nghĩa thống kê với mức ý nghĩa 1%.
Với bộ dữ liệu thu thập được, chưa tìm được tác động có ý nghĩa thống kê của biến độc lập SIZEitđến EPSit .
4.1.2. Nghiên cứu tác động của sở hữu nước ngoài đến hiệu quả hoạt động của doanh nghiệp.
4.1.2.1. So sánh giữa các mô hình trên panel data: Pooled Regression, Fixedeffects model và Random effects model. effects model và Random effects model.
* So sánh giữa các mô hình Pooled Regression và Fixed effects model.
Tác giả tiến hành so sánh giữa các mô hình Pooled Regression và Fixed effects model với giả thuyết Ho: Chọn Pooled Regression.
Nguồn: Stata11
Bảng 4.10. Phân tích hồi quy mô hình 02 theo Fixed effects model.
Nguồn: Stata11
Nhận xét: Với mức ý nghĩa 1%, ta có: F = 0.0000 < 1% nên bác bỏ giả thuyết H0chọn Fixed effects model.
* So sánh giữa các mô hình Fixed effects model và Random effects model.
Bảng 4.11. Phân tích hồi quy mô hình 02 theo Random effects model.
Bảng 4.12. Kết quả kiểm định Hausman (mô hình 02).
Giả thuyết Ho: Chọn Random effects model.
Nguồn: Stata11
Nhận xét: Với mức ý nghĩa 1%, ta có: Prob = 0.0000 < 1% nên bác bỏ giả thuyết H0chọn Fixed effects model.
Như vậy, sau khi so sánh 3 mô hình, ta chọn mô hình Fixed effects model.
4.1.2.2. Kiểm định các giả thuyết hồi quy mô hình nghiên cứu 02.
* Kiểm định không có sự tự tương quan giữa các biến độc lập trong mô hình (không có hiện tượng đa cộng tuyến).
Bảng 4.13: Kết quả kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng chỉ tiêu VIF (mô hình 02).
Nguồn: Stata11
Ta thấy, VIF của tất cả các biến độc lập đều nhỏ hơn 10 nên hiện tượng đa cộng tuyến trong mô hình được đánh giá là không nghiêm trọng (Gujarati, D.,2003).
* Kiểm định phương sai của sai số không đổi (không bị hiện tượng phương sai thay đổi).
Tác giả tiến hành kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White với giả thuyết Ho: Không có hiện tượng phương sai thay đổi.
Bảng 4.14: Kết quả kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White (mô hình 02).
Nguồn: Stata11
Với mức ý nghĩa 1%, kiểm định White cho Prob=0.0000 <1%. Vậy bác bỏ giả thuyết Ho. Như vậy, có hiện tượng phương sai thay đổi.
* Kiểm định giữa các sai số không có mối quan hệ tương quan với nhau (không bị hiện tượng tự tương quan).
Bảng 4.15: Kết quả kiểm định giả thuyết không bị hiện tượng tự tương quan (mô hình 02).
Nguồn: Stata11
Với mức ý nghĩa alpha = 1%, kiểm định cho kết quả là: Prob = 0.0000. Vậy, Prob < 1% nên bác bỏ giả thuyết H0 có sự tự tương quan. * Tổng hợp kết quả kiểm định.
Qua kết quả kiểm định từng giả thuyết ở trên, tác giả nhận thấy mô hình có hiện tượng đa cộng tuyến được đánh giá là không nghiêm trọng. Tuy nhiên mô hình có hiện tượng phương sai thay đổi và sự tự tương quan.
4.1.2.3. Kiểm định độ phù hợp của các biến giải thích trong mô hình nghiêncứu khắc phục hiện tượng tự tương quan, phương sai thay đổi và nội sinh cứu khắc phục hiện tượng tự tương quan, phương sai thay đổi và nội sinh bằng phương pháp GMM.
Tương tự như mô hình 01, tác giả sử dụng phương pháp GMM để khắc phục các khuyết tật của mô hình.
Bảng 4.16: Kết quả kiểm định bằng phương pháp GMM (mô hình 02).
Nguồn: Stata11
Với biến phụ thuộc là MTBit, sau khi sử dụng phương pháp GMM để khắc phục hiện tượng nội sinh, phương sai thay đổi và tự tương quan, mô hình có ý nghĩa ở mức ý nghĩa 1% (do Chi2 = 0,0000) nên kết quả mô hình phù hợp và có thể sử dụng được.
Kiểm định AR(2) có mức ý nghĩa là 0.104 > 10% nên mô hình không có hiện tượng tự tương quan.
Kiểm định Sargan test có mức ý nghĩa là 0.475 nên mô hình không có hiện tượng nội sinh. Ngoài ra, mô hình có số lượng biến công cụ (8) nhỏ hơn số lượng các nhóm (220) nên đảm bảo tính vững.
Vậy, kết quả mô hình nghiên cứu có phương trình như sau:
MTBit = 0.8945627 FOREIGNit + 0.1956862 INVESTit - 0.2792501 SIZEit - 1.0797235 DEBTit+ 0.5787238 SALESit+ εit
Các biến độc lập FOREIGNit, INVESTit, SALESit tác động cùng chiều đến MTBitvà có ý nghĩa thống kê với mức ý nghĩa 1%.
Các biến độc lập SIZEit, DEBTittác động ngược chiều đến MTBit và có ý nghĩa thống kê với mức ý nghĩa 1%.
4.2. Thảo luận
Mô hình nghiên cứu 01 (biến phụ thuộc EPS) nghiên cứu về tác động của sở hữu nước ngoài đến hiệu quả hoạt động của doanh nghiệp sau khi sử dụng ước lượng theo phương pháp GMM cho hệ số hồi quy của biến FOREIGN là 0.0034104. Điều này cho thấy gia tăng một đơn vị tỷ lệ sở hữu nước ngoài sẽ làm EPS của công ty tăng 0.0034104.
Đồng thời, với kết quả nghiên cứu trong mô hình 02 (nghiên cứu về tác động của sở hữu nước ngoài đến giá trị doanh nghiệp) thì hệ số hồi quy của biến FOREIGN là 0.8945627. Tức, gia tăng một đơn vị tỷ lệ sở hữu nước ngoài sẽ làm MTB tăng 0.8945627. Như vậy, tỷ lệ sở hữu nước ngoài tác động mạnh đến giá trị doanh nghiệp đo lường theo biến MTB. Điều này cũng phù hợp với một số nghiên cứu trước đây.
Tỷ lệ sở hữu nước ngoài của doanh nghiệp càng cao mở ra một cơ hội tiếp cận nguồn vốn nước ngoài lớn. Không chỉ vậy, khi tỷ lệ sở hữu nước ngoài càng cao, những nhà đầu tư nước ngoài có cơ hội tham gia vào hoạt động quản trị của doanh nghiệp. Việc tham gia vào hoạt động quản trị của doanh nghiệp giúp nâng cao năng lực quản trị, cải thiện năng lực cạnh tranh nói chung của doanh nghiệp. Đồng thời, doanh nghiệp có cơ hội tiếp cận những tiến bộ khoa học, công nghệ tiên tiến trên thế giới.
Ngoài ra, việc thu hút những nhà đầu tư nước ngoài đổ vốn vào doanh nghiệp còn giúp các doanh nghiệp Việt Nam có cơ hội tham gia vào mạng lưới sản xuất toàn cầu, giao lưu với các nền kinh tế trên thế giới. Vì vậy, có thể lý giải tại sao tỷ lệ sở hữu nước ngoài càng cao thì hiệu quả hoạt động và giá trị doanh nghiệp càng cao.
Mô hình nghiên cứu 01 và 02 cũng cho thấy hệ số DEBT là âm, có tác động ngược chiều đến hiệu quả hoạt động và giá trị doanh nghiệp với mức ý nghĩa 1%. Hệ số của biến DEBT trong mô hình 01 là -0.0032305 và trong mô hình 02 là - 1.0797235. Như vậy, tỷ lệ nợ có tác động tiêu cực đến hiệu quả hoạt động và giá trị doanh nghiệp. Theo Võ Xuân Vinh (2014) thì một công ty có tỷ lệ nợ thấp có khả năng sẽ hoạt động hiệu quả hơn một công ty sử dụng tỷ lệ nợ cao. Myers (1984) cũng cho rằng các doanh nghiệp có hiệu quả hoạt động tốt sẽ có xu hướng tránh vay nợ, chủ yếu thích sử dụng nguồn vốn nội bộ hơn. Bằng chứng thực nghiệm trong kết quả nghiên cứu của Sun và các cộng sự (2002) cũng đưa ra kết luận tương tự về tác động của tỷ lệ nợ đến hiệu quả doanh nghiệp.
Kết quả nghiên cứu hai mô hình 01 và 02 cũng chỉ ra rằng, biến INVEST và biến SALES có tác động đến hiệu quả và giá trị doanh nghiệp (đo lường bằng hai chỉ tiêu EPS và MTB). Và kết quả cho thấy hệ số hồi quy của hai biến INVEST, SALES là dương tức quan hệ này là quan hệ cùng chiều. Trong đó, biến SALES tác động mạnh đến giá trị doanh nghiệp đo lường bằng MTB (cụ thể, hệ số hồi quy là 0.5787238).
Với bộ dữ liệu thu thập được, chưa tìm được tác động có ý nghĩa thống kê của biến độc lập SIZE đến EPS. Tuy nhiên biến SIZE có tác động ngược chiều đến MTB và có ý nghĩa thống kê với mức ý nghĩa 1%. Điều này cũng phù hợp với nghiên cứu của King & Santor (2008) khi chỉ ra rằng quy mô công ty có tác động tiêu cực lên giá trị công ty (đo lường theo hệ số Q-Tobin) do các công ty lớn có chi phí giám sát (monitoring costs) và chi phí đại diện (agency costs) cao hơn, tác động tiêu cực lên giá trị công ty.
KẾT LUẬN CHƯƠNG 4.
Tác giả sử dụng phần mềm Stata 11 để thực hiện xử lý bộ dữ liệu bảng thu được