4.3.1. Ket quả hồi quy bằng ba phương pháp ước lượng POOLED OLS, FEM và REM
Tác giả tiến hành hồi quy dữ liệu bảng bằng 3 phương pháp là: POOLED OLS, FEM và REM và so sánh các kết quả thu được với nhau. Sau cùng lựa chọn mô hình hồi quy theo phương pháp nào sẽ tùy thuộc kết quả các kiểm định: F-Test, kiểm định Hausman Test. Dưới đây là bảng tóm tắt kết quả mô hình hồi quy theo 3 phương pháp khác nhau:
Fixed-effects (within) regression Group variable: NAME1
Number of obs = 180 Number of groups = 36
Corr (u_i, Xb) = -0.5074 F (5,139) = 14.28
Prob > F = 0.0000
F test that all u_i=0 F (35, 139) = 13.53
Prob > F = 0.0000***
Test: Ho: difference in coefficients not systematic. chi2(5) = (b-B)'[(V_b-V_B) ^ (-1)] (b-B)
= 17.30
Nguồn: Tính toán của tác giả bằng phần mềm thống kê Stata 13
Ghi chú: *, **, *** chỉ hệ số có ý nghĩa thống kê ở các mức ý nghĩa lần lượt là 10%, 5% và 1%.
35
Dựa vào kết quả bảng 4.3 cho thấy các biến ROA, SIZE đều có ý nghĩa thống kê ở mức 1% ở cả 3 mô hình hồi quy. Ngoài ra biến TANG có ý nghĩa thống kê ở mức 1%, 5% và 10% cả 3 mô hình hồi quy. Các biến này sẽ là các biến giải thích mạnh cho mô hình hồi quy.
4.3.2. Kiểm định để lựa chọn phương pháp ước lượng phù hợp
4.3.2.1. Kiểm định F-test
Bảng 4.4. Kiểm định lựa chọn mô hình Pooled OLS và FEM
Nguồn: Tính toán của tác giả bằng phần mềm thống kê Stata 13
Ta tiến hành lựa chọn mô hình Pooled OLS và FEM, với giả thuyết đặt ra là: • H0: Mô hình Pooled Regression là phù hợp.
• H1: Mô hình FEM là phù hợp.
Với mức ý nghĩa 1%, ta có: Prob > F = 0.0000 < 1% nên bác bỏ giả thuyết H0. Do đó mô hình FEM là mô hình phù hợp hơn mô hình Pooled OLS
4.3.2.2. Kiểm định hausman test
Ta tiến hành lựa chọn giữa mô hình FEM và mô hình REM với giả thuyết:
• H0: Mô hình REM là mô hình phù hợp • H1: Mô hình FEM là mô hình phù hợp Kết quả kiểm định:
Prob>chi2 = 0.0040
(V_b-V_B is not positive definite)
Fixed-effects (within) regression
R-sq Overall: 0.2539 F (5 , 1 3 9) = 14.28 corr(u_i, Xb) = -0.5074 P rob > F = 0.0000 CS Coef. Std. Err. t P>|t| ROA -1.22246 0.1946885 -6.28 0.000 SIZE 0.114199 6 0.0172136 6.63 0.000 TANG 0.379943 5 0.2163163 1.76 0.081 TAX 0.112321 8 0.0969347 1.16 0.249 GROWTH 0.003030 6 0.0024355 1.24 0.215 _cons -1.964125 0.3760476 -5.22 0.000
F test that all u_i=0: F(35, 139) = 13.53 Prob > F = 0.0000
36
Nguồn: Tính toán của tác giả bằng phần mềm thống kê Stata 13 (adsbygoogle = window.adsbygoogle || []).push({});
Dựa vào kết quả trong bảng 4.5 ta có Prob = 0.00001 < 0.01 (1%) do đó bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, mô hình FEM phù hợp để ước lượng hơn.
Như vậy ta có kết quả ước lượng bằng mô hình FEM như sau:
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model
Giả thuyết H0: sigma(i)^2 = sigma^2 for all i Kết quả \ chi2 (36) = 49265.37 Prob > chi2 = 0.0000 \ \ ∖ ---/
Biến VIF 1/VIF
TAX ẼĨ3 0.882149 ROA Ĩ7ĨĨ 0.897245 SIZE ẼÕ2 0.976828 TANG ẼÕ2 0.982338 GROWTH ẼÕ2 0.982543 Trung bình VIF 1.06
Nguồn: Tính toán của tác giả bằng phần mềm thống kê Stata 13
4.3.3. Kiểm định các khuyết tật trong mô hình nghiên cứu
4.3.3.1. Kiểm định hiện tượng phương sai thay đổi
Do mô hình được chọn là FEM nên tác giả sẽ dùng phương pháp Wald test để kiểm định phương sai thay đổi. Với giả thuyết là:
• H0: Không có hiện tượng phương sai thay đổi.
• H1: Có hiện tượng phương sai thay đổi.
Kết quả kiểm định Wald test:
Bảng 4.7. Kiểm định phương sai sai số thay đổi
37
Nguồn: Tính toán của tác giả bằng phần mềm thống kê Stata 13
Với mức ý nghĩa 1%, kiểm định Wald test cho kết quả là: Prob = 0.0000 < 0.01. Vậy, bác bỏ giả thuyết H0và chấp nhận giả thuyết H1hay mô hình nghiên cứu có hiện tượng phương sai thay đổi.
4.3.3.2. Kiểm định đa cộng tuyến
Như đã phân tích ở chương 3, hiện tượng đa cộng tuyến xảy ra khi các biến độc lập trong mô hình có mối liên hệ tuyến tính chặt chẽ với nhau. Khi trong mô hình có đa cộng tuyến cao sẽ khiến cho ước lượng kém chính xác, không cung cấp được thông tin hữu ích, vị vậy mô hình không còn đáng tin cậy. Vì thế, kiểm định đa cộng tuyến rất quan trọng vì qua đó ta có thể xem xét tính chính xác của mô hình và đưa ra các biện pháp để khắc phục hiện tượng này.
Wooldridge test for autocorrelation in panel data Giả thuyết H0: no first order autocorrelation Kết quả F (1, 35) = 16.912
Prob > F = 0.0002
Nguồn: Tính toán của tác giả từ phần mềm thống kê Stata 13
Dựa vào kết quả trong bảng 4.8 cho thấy tất cả các hệ số đều nhỏ hơn 5, do đó: không có hiện tượng đa cộng tuyến trong mô hình nghiên cứu. Vì thế mô hình hoàn toàn đáng tin cậy.
38
4.3.3.3. Kiểm định hiện tượng tự tương quan
Tác giả sử dụng phương pháp kiểm định Wooldrige để kiểm tra hiện tượng tự tương quan cho dữ liệu dạng bảng. Với các giả thuyết đặt ra là:
• H0: Không có hiện tượng tự tương quan
• H1: Có hiện tượng tự tương quan
Kết quả kiểm định:
Coefficients: generalized least squares Panels: heteroskedastic Correlation: no autocorrelation CS Coef. Std. Err z P>|z| ROA -0.8420904 0.1439282 -515 0.000*** SIZE 0.0540313 0.0052992 10.20 0.000*** TANG 0.522925 0.0964444 512 0.000*** TAX -0.191201 0.0867889 -2.20 0.028 ** GROWTH -0.0005863 0.0024583 -0.24 0.811 cons -0.5896616 0.1153553 -5n 0.000*** Wald (adsbygoogle = window.adsbygoogle || []).push({});
chi2(5) = 168.31 Prob > chi2 = 0.0000
Nguồn: Tính toán của tác giả từ phần mềm thống kê Stata 13
Dựa vào kết quả kiểm định trong bảng 4.9, Prob = 0,0000 < 0.01 (1%). Vì vậy bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1, có hiện tượng tự tương quan trong mô hình nghiên cứu.
4.3.4. Khắc phục các khuyết tật xuất hiện trong mô hình nghiên cứu
Qua kết quả kiểm định ở các phần trên, mặc dù mô hình được chọn là mô hình FEM, tuy nhiên mô hình có hiện tượng tự tương quan giữa các sai số và hiện tượng phương sai thay đổi. Hiện tượng này sẽ làm cho các ước lượng thu được bằng phương pháp hồi quy FEM trên dữ liệu bảng không hiệu quả. Do vậy, tác giả sử dụng phương pháp ước lượng bình phương tối thiểu tổng quát khả thi để khắc phục hiện tượng tự tương quan và phương sai sai số.
Nghiên cứu tiến hành hồi quy bình phương tối thiểu tổng quát khả thi (FGLS) với lệnh xtgls trên phần mềm Stata 13, thêm lựa chọn corr(independent) và panels(heteroskedastic) nhằm khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi trong mô hình.
Kết quả ước lượng bằng phương pháp FGLS được cho trong bảng sau:
Bảng 4.10. Khắc phục bằng phương pháp FGLS
Cross-sectional time-series FGLS regression
Nguồn: Tính toán của tác giả từ phần mềm thống kê Stata 13
Ghi chú: Với ***, **, * tương ứng là mức ý nghĩa 1%, 5%, 10%
Dựa vào kết quả trong bảng 4.10, ta thu được mô hình nghiên cứu các nhân tố ảnh hưởng đến cấu trúc vốn của các doanh nghiệp phi tài chính có dạng như sau: CSit =-0.5896616 -0.8420904*ROA1t + 0.0540313*SIZE1t + 0.522925 *TANGit - 0.191201*TAX1t +ε1t
4.4. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
Từ kết quả hồi quy theo phương pháp FGLS (dữ liệu được thể hiện ở bảng 4.9, chúng ta thấy:
❖ Biến tỷ suất sinh lời trên tổng tài sản (ROA)
Biến ROA tác động ngược chiều (-0.8420904) lên CS và có ý nghĩa thống kê ở mức 1%. Lý giải cho việc này thì, ảnh hưởng mang tính nghịch chiều là do khi công ty có tỷ suất sinh lời ngày càng cao, sẽ có xu hướng giảm việc vay nợ hơn, tránh việc chia sẽ phần lợi nhuận thu được với các chủ nợ. Điều này hoàn toàn phù hợp với quan điểm của lý thuyết trật tự phân hạng, nghiên cứu của Bevan và Danbolt (2002) và trùng khớp với giả thuyết H1 được đặt ra ở phần trước. Đồng thời, kết quả này phù hợp với kỳ vọng về dấu được tác giả đưa ra trong giả thuyết 1: Tỷ suất sinh lời (ROA) có tác động ngược chiều đến cấu trúc vốn của công ty.
❖ Biến quy mô doanh nghiệp (SIZE)
Biến SIZE tác động cùng chiều (0.0540313) lên biến CS và có ý nghĩa thống kê ở mức 1%. Nếu quy mô của doanh nghiệp tăng lên 1% thì tỷ lệ đòn bẩy của doanh nghiệp sẽ tăng lên 0.054%. Kết quả thu được này phù hợp với lý thuyết đánh đổi và phù hợp với các nghiên cứu trên thế giới và tại Việt Nam. Chứng tỏ các công ty BĐS có quy mô càng lớn nên có tính lợi thế về kinh tế, thông tin cũng minh bạch hơn do đó dễ dàng tiếp cận được vốn vay hơn các công ty nhỏ. Như vậy, kết quả này phù hợp với kỳ vọng về dấu được tác giả đưa ra trong giả thuyết 2: Quy mô công ty có tác động cùng chiều với cấu trúc vốn của công ty và cũng đồng thuận với kết quả nghiên cứu của Raijan và Zingales (1995).
❖ Tỷ lệ tài sản cố định hữu hình (TANG)
Tỉ lệ tài sản cố định hữu hình trên tổng tài sản có tác động cùng chiều với cấu trúc vốn và có ý nghĩa thống kê ở mức 1%. Điểu này có ý nghĩa là các công ty có tỷ lệ tài sản cổ định cao sẽ có xu hướng ưa thích nguồn tài trợ từ bên ngoài hơn là tự tài trợ. Khi tiến hành vay nợ, các công ty phải có khoản thế chấp, thông thường các công ty sẽ sử dụng luôn tài sản hiện có của mình như nhà cửa, đất đa. Việc có tài sản đảm bảo này không chỉ giúp cho các công ty tăng vị thuế khi vay nợ, mà còn mang giá trị tài chính quan trọng trong trường hợp công ty gặp rủi ro. Ngoài ra kết quả này cũng phù hợp với nghiên cứu của Huang và Song (2006) và Jean J. Chen (2003) đều chỉ ra mối quan hệ thuận chiều giữa tài sản hữu hình và cấu trúc vốn khi đo lường tại các công ty niêm yết ở Trung Quốc. Như vậy, kết quả này phù hợp với kỳ vọng về dấu được tác giả đưa ra trong giả thuyết3: Cấu trúc tài sản hữu hình có tác động cùng chiều với cấu trúc vốn của công ty.
❖ Biến thuế suất thuế thu nhập doanh nghiệp (TAX)
Biến thuế tác động ngược chiều lên lên biến phụ thuộc CS và có ý nghĩa thống kê ở mức 5% điều này cho thấy thuế suất thuế thu nhập doanh nghiệp có ảnh hưởng đáng kể đến tỷ lệ nợ của các CTCP ngành BĐS. Theo như Modigliani và Miller (1958), thuế suất là công cụ quan trọng xác định cấu trúc vốn của một doanh nghiệp. Được chứng minh rõ ràng từ các lý thuyết rằng, khi đối mặt với mức thuế
suất doanh nghiệp cao, doanh nghiệp sẽ có xu huớng vay nợ nhiều hơn để tận dụng lợi thế của lá chắn thuế. Khác với một số nghiên cứu truớc đó ở Việt Nam nhu: Lê Chí Đạt, 2013; Duơng Thị Hồng Vân, 2014 chỉ ra thuế có ảnh huởng thuận chiều đến cấu trúc vốn. Tác động của thuế đến cấu trúc vốn trong nghiên cứu này lại có mối quan hệ nghịch chiều đuợc thể hiện qua Coef = -0.191201 với mức ý nghĩa 5%. Khi các yếu tố khác không đổi, thì thuế suất thuế thu nhập doanh nghiệp hiệu lực trong năm tăng lên 1% thì tỉ lệ nợ/tổng tài sản giảm 0.191201 % và nguợc lại. Điều này có thể giải thích là do thuế suất thuế TNDN hiệu lực bình quân của các công ty là 20,4%, thấp hơn so với thuế suất thuế TNDN danh nghĩa là 25%. Tuy nhiên kết quả nghiên cứu của tác giả cũng giống với nghiên cứu thực nghiệm của Trần Hùng Sơn (2012). Do vậy, kết quả này không phù hợp với kỳ vọng về dấu đuợc tác giả đua ra trong giả thuyết 4: Thuế suất thuế thu nhập công ty tác động cùng chiều với cấu trúc vốn.
❖ Biến tốc độ tăng trưởng (GROWTH)
Biến tốc độ tăng truởng tác động nguợc chiều(-0.0005863) lên CS và không có ý nghĩa thống kê . Nguyên nhân là do nếu doanh nghiệp đuợc dự báo là có tốc độ tăng truởng cao trong tuơng lai thì sẽ dễ dàng vay nợ vì các chủ nợ sẽ tin vào triển vọng phát triển của công ty. Tuy nhiên, trong giai đoạn đang phát triển, công ty cũng cần nhiều vốn để đầu tu mở rộng quy mô sản xuất kinh doanh và các cổ đông cũng không muốn chia sẻ phần lợi nhuận kỳ vọng của công ty nên khuynh huớng huy động vốn của cổ đông sẽ vẫn đuợc uu tiên. Chính vì vậy, doanh nghiệp sẽ đuợc tài trợ vốn hoàn toàn bằng nguồn vốn chủ sở hữu. Điều này cũng phù hợp với các nghiên cứu thực nghiệm khác ở nuớc ngoài và trong nuớc. Đồng thời, kết quả này phù hợp với kỳ vọng về dấu đuợc tác giả đua ra trong giả thuyết5: Tốc độ tăng truởng tác động nguợc chiều với cấu trúc vốn của công ty.
KẾT LUẬN CHƯƠNG 4
Trong chương này, tác giả sử dụng thống kê mô tả thông qua việc lập bảng biểu về các giá trị trung bình, giá trị lớn nhất và nhỏ nhất của bộ dữ liệu nghiên cứu. Tác giả cũng tiến hành chạy hồi quy theo ba phương pháp phổ biến cho dữ liệu dạng bảng là Pooled OLS, REM và FEM đưa ra các kết quả hồi quy khác nhau. Tiếp tục, sử dụng đến một số kiểm định như kiểm định F-Test và kiểm định Hausman Test để chọn lựa phương pháp hồi quy phù hợp nhất. Sau khi chọn được mô hình phù hợp là ước lượng cố định FEM, tác giả tiến hành kiểm định các khuyết tật của mô hình là: phương sai thay đổi, đa cộng tuyến và tự tương quan. Kết quả cho thấy mô hình không bị hiện tượng đa cộng tuyến dựa trên kết quả kiểm định theo phương pháp VIF, tuy nhiên mô hình lại gặp phải các hiện tượng phương sai thay đổi và tự tương quan. Để khắc phục các hiện tượng này tác giả dùng phương pháp bình phương tối thiểu tổng quát khả thi (FGLS). Từ đây tác giả kiểm định các giả thiết đã đặt ra trong chương 3 và giải thích các kết quả hồi quy. Kết quả nghiên cứu này sẽ gợi mở một số giải pháp cho các doanh nghiệp phi tài chính có những quyết định về việc xác định cấu trúc vốn sao cho phù hợp với công ty của mình.
CHƯƠNG 5: KẾT LUẬN, GỢI Ý VÀ KHUYẾN NGHỊ
5.1. KẾT LUẬN
Bài nghiên cứu “Các yếu tố ảnh huởng đến cấu trúc vốn của các CTCP ngành BĐS đang niêm yết trên HOSE”, bao gồm 36 CTCP BĐS niêm yết trên HOSE, trong giai đoạn từ năm 2014 đến năm 2018, đuợc thực hiện với mục đích tìm ra các nhân tố ảnh huởng tới sự lựa chọn sử dụng vốn vay hay vốn chủ sở hữu của các công ty, ngoài ra đánh giá chiều huớng của sự tác động qua từng yếu tố đến cấu trúc vốn của các công ty BĐS. Kết quả nghiên cứu chỉ ra rằng nhân tố: tỷ suất sinh lời, thuế có mối tuơng quan âm đến tỷ lệ nợ, còn quy mô công ty và cấu trúc tài sản cố định hữu hình có mối tuơng quan duơng đến tỷ lệ nợ, kết quả này sẽ là cơ sở cho các nhà quản trị xây dựng cấu trúc vốn hợp lý cho CTCP ngành BĐS. Ngoài ra, đề tài dựa trên các lý thuyết cân bằng, lý thuyết trật tự phân hạng và lý thuyết Modigliani và Miller. Đề tài sử dụng phuơng pháp định luợng với các mô hình hồi quy phù hợp cho dữ liệu bảng. (adsbygoogle = window.adsbygoogle || []).push({});
Qua đó ta thấy, cấu trúc vốn không chỉ chịu tác động từ những yếu tố bên trong mà còn chịu tác động từ những yếu tố vĩ mô bên ngoài, vì vậy tác giả cho rằng các CTCP ngành BĐS niêm yết trên HOSE cần nắm rõ đặc thù riêng của mình và