Ghi chú: *** tương đương độ tin cậy 1%, ** tương đương độ tin cậy 5%, * tương đương
độ tin cậy 10% Nguồn: Tổng hợp và tính toán của tác giả
Dựa vào bảng 4.5, có thể thấy rằng phần lớn các biến trong mô hình hồi quy REM đều có ý nghĩa thống kê ngoại trừ 2 biến gồm CR và GR. Các biến có mức ý nghĩa thống kê 1% gồm LSIZE và CS. Bên cạnh đó, biến có mức ý nghĩa thống kê 10% gồm ROS, TANG và INF. Hệ số R2 của mô hình là 0.0716 cho thấy mô hình giải thích được 7.16% mức độ biến thiên của dữ liệu. Mô hình FEM được tóm tắt như sau:
ROA = -0.2463536 + 0.0142738 LSIZE - 0.0139588 CS - 0.0023147 ROS - 0.1198067 TANG - 0.2222302 INF
Tên biến Hệ số Độ lệch chuân Prob
LSIZE 0.0128668*** 0.0031976 0.000
4.4. Kiêm định lựa chọn mô hình nghiên cứu
4.4.1. Kiêm định F - Test
Để lựa chọn mô hình phù hợp giữa Pooled OLS và REM, tác giả sử dụng kiểm định F- Test, giả thuyết kiểm định được cụ thể như sau:
H0: mô hình Pooled OLS là phù hợp H1: mô hình REM là phù hợp
Kết quả kiểm định F-Test được minh họa ở bảng 4.1 (phụ lục 4) cho thấy hệ số Prob > chibar = 0.000, điều đó cho thấy giả thuyết H1 được chấp thuận. Do đó mô hình REM là mô hình phù hợp.
4.4.2. Kiêm định Hausman
Để lựa chọn mô hình phù hợp giữa FEM và REM, tác giả sử dụng kiểm định Hausman, giả thuyết kiểm định được cụ thể như sau:
H0: mô hình REM là phù hợp H1: mô hình FEM là phù hợp
Kết quả kiểm định Hausman được minh họa ở bảng 4.2 (phụ lục 4) cho thấy hệ số Prob > chi2 là 0.1684, điều đó cho thấy giả thuyết H0 được chấp thuận. Do đó mô hình REM là phù hợp nhất.
4.5. Kiêm định tính thừa biến trong mô hình nghiên cứu
Dựa vào kết quả ước lượng mô hình hồi quy Pooled OLS, FEM và REM, tác giả nhận thấy biến GR không có ý nghĩa thống kê ở cả 3 mô hình. Để xác định biến GR có thực sự cần thiết trong mô hình nghiên cứu, tác giả sử dụng kiểm định Wald, giả thuyết kiểm định như sau:
H0: biến GR không thực sự cần thiết trong mô hình. H1: biến GR là thực sự cần thiết trong mô hình.
Kết quả kiểm định Wald được mô tả ở bảng 5.1 (phụ lục 5) cho thấy hệ số Prob > F = 0.4141, điều đó cho thấy giả thuyết H0 được chấp nhận trong mô hình. Do đó biến GR là không thực sự cần thiết trong mô hình nghiên cứu.
4.6. Ước lượng mô hình REM sau khi loại bỏ biến không cần thiết
Sau khi thực hiện kiểm định loại bỏ biến không cần thiết, tác giả quyết định ước lượng lại mô hình REM thêm một lần nữa, kết quả ước lượng được minh họa ở bảng 4.6 như sau:
37
^CR -0.0000175 0.0000271 0.519 ^CS -0.0112343*** 0.0025054 0.000 ROS -0.0019703 0.0012037 0.102 TANG -0.1254996* 0.0644608 0.052 INF -0.2000507* 0.1184878 0.091 Hằng số -0.2167965*** 0.0703084 0.002 R2 0.0610 Prob > F 0.000
Tên biến Hệ sô Độ lệch chuân Prob LSIZE 0.0048363*** 0.0010343 0.000 ^CR -4.92e-06 0.000034 0.885 ^CS -0.0072442*** 0.0014263 0.000 ROS 0.0073168*** 0.0018673 0.000 TANG 0.0273379 0.0306216 0.372 INF -0.2641917*** 0.0656371 0.000
Ghi chú: *** tương đương độ tin cậy 1%, ** tương đương độ tin cậy 5%, * tương đương
độ tin cậy 10% Nguồn: Tổng hợp và tính toán của tác giả
Dựa vào bảng 4.6, có thể thấy rằng phần lớn các biến trong mô hình hồi quy REM đều có ý nghĩa thống kê ngoại trừ 2 biến gồm CR và ROS. Các biến có mức ý nghĩa thống kê 1% gồm LSIZE và CS. Bên cạnh đó, biến có mức ý nghĩa thống kê 10% gồm TANG và INF. Hệ số R2 của mô hình là 0.0610 cho thấy mô hình giải thích được 6.10% mức độ biến thiên của dữ liệu. Mô hình FEM được tóm tắt như sau:
ROA = -0.2167965 + 0.0128668 LSIZE - 0.0112343 CS - 0.1254996 TANG - 0.2000507 INF
4.7. Kiem định khuyết tật mô hình nghiên cứu
4.7.1. Kiểm định VIF
Để kiểm định các biến trong mô hình nghiên cứu được lựa chọn có hiện tượng đa cộng tuyến hay không, tác giả quyết định sử dụng hệ số kiểm định VIF, giả thuyết kiểm định như sau: (adsbygoogle = window.adsbygoogle || []).push({});
H0: hệ số VIF < 10, mô hình không có hiện tượng đa cộng tuyến H1: hệ số VIF ≥ 10, mô hình chắc chắn có hiện tượng đa cộng tuyến
Kết quả kiểm định VIF được thực hiện ở bảng 5.2 phụ lục 5 cho thấy hệ số VIF của các biến trong mô hình đều nhỏ hơn 10, điều đó cho thấy các biến trong mô hình nghiên
38
cứu không có hiện tượng đa cộng tuyến xảy ra. Do đó kết quả ước lượng trong mô hình nghiên cứu là phù hợp.
4.7.2. Kiêm định tự tương quan
Để kiểm định hiện tượng tự tương quan giữa các biến trong mô hình nghiên cứu, tác giả sử dụng kiểm định Wooldridge, giả thuyết kiểm định như sau:
H0: không có hiện tượng tự tương quan giữa các biến trong mô hình H1: có sự tương quan giữa các biến trong mô hình nghiên cứu
Kết quả kiểm định tự tương quan giữa các biến trong mô hình nghiên cứu cho thấy hệ số Prob > F = 1532, do đó giả thuyết H0 được chấp nhận. Kết quả là mô hình không có hiện tượng tự tương quan giữa các biến.
4.7.3. Kiêm định phương sai sai sô thay đôi
Để kiểm định hiện tượng phương sai sai số thay đổi giữa các biến trong mô hình nghiên cứu, tác giả sử dụng kiểm định Breusch and Pagan, giả thuyết kiểm định như sau: H0: không có hiện tượng phương sai sai số thay đổi
H1: có hiện tượng phương sai sai số thay đổi
Kết quả kiểm định hiện tượng phương sai sai số thay đổi được thực hiện ở bảng 5.4 cho thấy hệ số Prob > chibar2 = 0.000, do đó giả thuyết H1 được chấp nhận. Kết quả là mô hình có hiện tượng phương sai sai số thay đổi.
4.8. Ước lượng mô hình FGLS
Để khắc phục hiện tượng phương sai sai số thay đổi trong mô hình nghiên cứu, tác giả sử dụng mô hình ước lượng bình phương nhỏ nhất (Feasible Generalized Least Squares - FGLS). Kết quả ước lượng mô hình FGLS được minh họa như sau:
Hằng số -0.0546155** 0.0223308 0.014
Prob > F 0.000
Tên biến Kết quả nghiên cứu Giả thuyết
LSIZE + H1: + CR N/A H2: - CS - H3: +/- ROS + H4: + TANG N/A H5: - INF - H6: +/- 39
Ghi chú: *** tương đương độ tin cậy 1%, ** tương đương độ tin cậy 5%, * tương đương
độ tin cậy 10% Nguồn: Tổng hợp và tính toán của tác giả
Ket quả ước lượng mô hình FGLS nhằm khắc phục hiện tượng phương sai sai số thay đổi cho thấy tất cả các biến đều có ý nghĩa thống kê ở mức 1% ngoại trừ 2 biến gồm CR và TANG. Do đó mô hình FGLS được kết luận như sau:
ROA = -0.0546155 + 0.0048363 LSIZE - 0.0072442 CS + 0.0073168 ROS - 0.2641917 INF
4.9. Đánh giá kết quả nghiên cứu
Dựa vào kết quả ước lượng mô hình Pooled OLS, FEM, REM và FGLS, tác giả đưa ra bảng kết luận nhân tố tác động đến khả năng sinh lời của các công ty bất động sản được niêm yết trên sàn HOSE và đối chiếu kết quả so với giả thuyết được đề cập ở chương 3, chi tiết được minh họa qua bảng dưới đây:
Ghi chú: + là tác động cùng chiều, - là tác động ngược chiều, N/A là không có tác động Nguồn: Tổng hợp và tính toán của tác giả
• Quy mô công ty
Quy mô công ty có tác động cùng chiều với ROA với mức ý nghĩa 1% và kết quả này trùng với kỳ vọng dấu mà tác giả đề ra. Kết quả nghiên cứu này trùng với kết quả của các nghiên cứu như Pouraghajan và cộng sự (2012), Sudiyatno và cộng sự (2012), Kausar và cộng sự (2014), Tailab (2014), Phan Thanh Hiệp (2016). Khi quy mô công ty tăng 1% thì ROA của doanh nghiệp bất động sản tăng 0.0048363 đơn vị.
Do đặc thù của các doanh nghiệp là kinh doanh bất động sản nên quy mô doanh nghiệp là một trong những yếu tố quan trọng được quan tâm bởi nhà đầu tư và đối tác. Neu doanh nghiệp có quy mô càng lớn thì khả năng tiếp cận được nguồn vốn bên ngoài cao, do đó gia tăng thị phần của doanh nghiệp và sức mạnh tài chính. Ngoài ra, doanh nghiệp quy mô lớn còn nhận được nhiều ưu đãi từ các hoạt động tín dụng. Nhờ vậy mà tỷ lệ bán được mặt hàng của doanh nghiệp cao hơn nên giúp cho doanh thu và khả năng sinh lời của doanh nghiệp tăng.
• Cấu trúc vốn
Cấu trúc vốn có tác động ngược chiều đến khả năng sinh lời của các doanh nghiệp ngành bất động sản với mức ý nghĩa 1% và kết quả này trùng với kỳ vọng dấu mà tác giả đề ra. Kết quả nghiên cứu này phù hợp với nghiên cứu trước đây như nghiên cứu của R. Zeitun và G. G. Tian (2007), Ong Tze San (2009). Khi cấu trúc vốn của công ty tăng 1% thì ROA của công ty giảm 0.0072442 đơn vị. (adsbygoogle = window.adsbygoogle || []).push({});
Cấu trúc vốn được xem là đòn bẩy có ảnh hướng đến giá trị doanh nghiệp. Điều này có thể thấy rằng khi các nhà quản trị sử dụng đòn bẩy nếu hợp lý thì sẽ giúp cho lợi nhuận của doanh nghiệp tăng lên, tuy nhiên việc duy trì tỷ lệ nợ cao sẽ ảnh hưởng tiêu cực đến hiệu quả hoạt động và khả năng sinh lời của doanh nghiệp. Tại Việt Nam, các doanh nghiệp bất động sản thường sử dụng tỷ lệ nợ vay cao, điều này làm ảnh hưởng không nhỏ đến hiệu quả kinh doanh của doanh nghiệp và giảm khả năng sinh lời cho doanh nghiệp do áp lực trong việc trả chi phí lãi vay.
• Tỷ suất sinh lợi trên doanh thu thuần
Tỷ suất sinh lợi trên doanh thu thuần có tác động cùng chiều đến khả năng sinh lời của các doanh nghiệp ngành bất động sản về kết quả này trùng với kỳ vọng dấu mà tác giả đề ra. Kết quả nghiên cứu này phù hợp với nghiên cứu của Nguyễn Thúy Quỳnh (2021) và kết quả cho thấy rằng khi tỷ suất sinh lợi trên doanh thu thuần tăng 1% thì khả năng sinh lời của doanh nghiệp bất động sản tăng 0.0073168 đơn vị.
Hiện nay, các nhà đầu tư và các nhà quản lý doanh nghiệp đều nghiên cứu kỹ lương xu hướng tỷ lệ lợi nhuận sau thuế trên doanh thu thuần. Nếu tỷ lệ này tăng điều đó chứng tỏa khách hàng chấp nhận mua sản phẩm với mức giá cao hoặc là các cấp quản lý của công ty quản lý được chi phí tốt hoặc là cả hai. Ngược lại nếu tỷ lệ này giảm có thể báo hiệu cho các nhà quản lý biết rằng chi phí đang vượt tầm kiểm soát của các cấp quản lý
hoặc công ty đó phải chiết khấu để bán sản phẩm hay dịch vụ của công ty mình. Do đó, chỉ tiêu này càng cao cho thấy hiệu quả sinh lợi của doanh thu thuần càng cao, hiệu quả tài chính càng cao và điều này giúp cải thiện hệ số khả năng sinh lợi cho doanh nghiệp.
• Lạm phát
Lạm phát có tác động ngược chiều đến khả năng sinh lời của doanh nghiệp ngành bất động sản và kết quả này trùng với kỳ vọng dấu mà tác giả đề ra. Kết quả nghiên cứu này phù hợp với nghiên cứu của Ugwuanyu (2014), Odusanya et al (2018), Vătavu, (2014). Khi tỷ lệ lạm phát tăng 1% thì khả năng sinh lời của doanh nghiệp giảm 0.2641917 đơn vị.
Sự phát triển của doanh nghiệp ngành bất động sản phụ thuộc rất nhiều vào sự ổn định kinh tế vĩ mô của quốc gia. Vì nếu kinh tế vĩ mô tăng trưởng ổn định và bền vững thì hoạt động xây dựng cũng gia tăng và phát triển mạnh theo. Trong khi đó, lạm phát là một nhân tố thể hiện rõ tính ổn định trong phát triển kinh tế quốc gia. Nếu lạm phát tăng mạnh thì sẽ khiến cho giá bất động sản tăng nhanh hơn trong khi doanh thu và tỷ suất lợi nhuận sau thuế thấp sẽ khiến cho khả năng sinh lời của doanh nghiệp ngành bất động sản giảm.
KẾT LUẬN CHƯƠNG 4
Tóm lại, ở chương này, tác giả đã trình bày về phân tích kết quả nghiên cứu bao gồm thống kê mô tả, kiểm định tự tương quan giữa các biến trong mô hình. Tiếp theo đó, tác giả trình bày kết quả mô hình hồi quy Pooled OLS, FEM và REM.
Sau đó tác giả kiểm định sự lựa chọn mô hình bao gồm kiểm định nhân tử Lagrangian để lựa chọn mô hình Pooled OLS hay REM. Kết quả cho thấy giả thuyết H1 được chấp nhận và mô hình REM là phù hợp. Tiếp đến là kiểm định Hausman để kiểm định lựa chọn mô hình FEM hay REM, kết quả cho thấy là mô hình REM là phù hợp nhất trong tất cả mô hình ước lượng. Sau khi lựa chọn mô hình, tác giả sử dụng kiểm định Wald để loại biến GR ra khỏi mô hình nghiên cứu do hệ số Prob không có ý nghĩa thống kê và hồi quy lại mô hình REM sau khi loại bỏ biến không cần thiết. Tuy nhiên, sau khi ước lượng lại mô hình thì xảy ra hiện tượng phương sai sai số thay đổi. Để khắc phục khuyết tật này, tác giả sử dụng mô hình phương pháp bình phương nhỏ nhất (FGLS). Kết quả cho thấy có 4 biến có ý nghĩa thống kê ở mức 1% gồm LSIZE, CS, ROS và INF.
CHƯƠNG 5. KẾT LUẬN VÀ KHUYẾN NGHỊ
Ở chương này, tác giả sẽ tóm tắt lại kết quả nghiên cứu đã thực hiện ở chương trước và đưa ra khuyến nghị đối với các công ty BĐS và ủy ban chứng khoán nhà nước dựa trên kết quả thực hiện. Đồng thời, tác giả còn nêu lên mặt hạn chế và hướng nghiên cứu mở rộng cho các đề tài tiếp theo trong tương lai.
5.1. Thảo luận kết quả hồi quy
Với đề tài “Nhân tố tác động đến khả năng sinh lời của các công ty bất động sản trên sàn HOSE”, tác giả đã tập trung nghiên cứu và phân tích về các nhân tố vi mô và vĩ mô có tác động đến khả năng sinh lời của các doanh nghiệp bất động sản. Thông qua việc phân tích dữ liệu bảng dựa trên dữ liệu thu thập được từ 48 doanh nghiệp ngành bất động sản được niêm yết trên sàn HOSE trong giai đoạn 2012 - 2020. Sau khi ước lượng và kiểm định lựa chọn mô hình Pooled OLS, FEM và REM, nghiên cứu kết luận mô hình REM là mô hình phù hợp nhất. Sau khi lựa chọn mô hình REM, tác giả loại bỏ biến GR do không cần thiết khi kiểm định Wald và ước lượng lại mô hình. Sau khi ước lượng lại mô hình REM thì mô hình xảy ra hiện tượng phương sai sai số thay đổi. Để khắc phục hiện tượng này, tác giả sử dụng mô hình phương pháp bình phương nhỏ nhất (FGLS). Kết quả nghiên cứu cho thấy có 4 biến có ý nghĩa thống kê ở mức 1% gồm LSIZE, CS, ROS và INF.
Kết quả nghiên cứu cho thấy nhân tố quy mô công ty và lợi nhuận sau thuế trên doanh thu thuần có tác động cùng chiều đến khả năng sinh lời trong khi biến cấu trúc vốn có tác động ngược chiều. Từ kết quả trên, có thể thấy rằng phần lớn lợi nhuận sau thuế của các doanh nghiệp bất động sản tăng là do phát triển quy mô hoạt động kinh doanh và tăng trưởng doanh thu bán hàng. Tuy nhiên, việc vay nợ ngắn hạn và nợ dài hạn nhiều để tài trợ cho tài sản ngắn hạn và dài hạn khiến công ty gặp nhiều áp lực trong việc quản trị và duy trì dòng tiền trong hoạt động kinh doanh nhằm trả nợ khoản vay khiến lợi nhuận của doanh nghiệp ngành bất động sản giảm. Theo đó, mô hình hồi quy được kết luận như sau:
ROA = -0.0546155 + 0.0048363 LSIZE - 0.0072442 CS + 0.0073168 ROS - 0.2641917 INF
Khi các nhân tố khác không đổi thì:
Quy mô công ty (LSIZE) tăng 1% thì lợi nhuận sau thuế trên tổng tài sản (ROA) tăng 0.0048363 đơn vị.
Cấu trúc vốn (CS) tăng 1% thì lợi nhuận sau thuế trên tổng tài sản (ROA) giảm 0.0072442 đơn vị.
Lợi nhuận sau thuế trên doanh thu thuần (ROS) tăng 1% thì lợi nhuận sau thuế trên tổng