3.3.1. Phương pháp ước lượng
Để xác định ảnh hưởng của dòng tiền đến nguồn tài trợ bên ngoài của các công ty niêm yết trên thị trường chứng khoán Việt Nam trong điều kiện bị hạn chế tài chính, luận văn sử dụng mô hình hồi quy dữ liệu bảng cân xứng (balanced panel data regression), được ước lượng bằng ba phương pháp là phương pháp ước lượng bình phương tối thiểu dạng gộp (Pooled OLS), phương pháp ước lượng các tác động cố định (Fixed Effect Method – FEM) và phương pháp ước lượng các tác động ngẫu nhiên (Radom Effect Method – REM) cho cả ba mô hình (3.1), (3.2), (3.3); đồng thời sử dụng kiểm định F để lựa chọn mô hình Pooled OLS hay FEM; kiểm định Breuch – Pargan Lagrange Multiplier để lựa chọn mô hình Pooled OLS hay REM và sử dụng kiểm định Hausman để kiểm định xem REM hay FEM là phù hợp hơn trong luận văn. Tuy nhiên, trong mô hình Pooled OLS, FEM và REM ước lượng có thể bị chệch và mắc phải các khuyết tật như: đa cộng tuyến, tự tương quan, phương sai sai số thay đổi hoặc không chính xác nếu xảy ra hiện tượng nội sinh - nghĩa là biến độc lập có thể có tương quan với phần dư (Nickell; 1981) hay mô hình có sử dụng biến trễ của biến phụ thuộc làm biến kiểm soát (Peter Hansen, 1982). Để khắc phục các khuyết tật của mô hình Pooled OLS, REM, FEM và loại bỏ hiện tượng nội sinh có thể có của mô hình, nhằm đảm bảo tính vững của mô hình ước lượng luận văn sử dụng thêm phương pháp ước lượng moment tổng quát hệ thống (System Generalised Method of Moments – SGMM) để ước lượng cho cả ba mô hình (3.1), (3.2), (3.3). Việc sử dụng phương pháp ước lượng SGMM sẽ có được các ưu điểm sau: ước lượng GMM sẽ cho ra các kết quả
ước lượng theo phân phối chuẩn, đây là cơ sở quan trọng để xây dựng giá trị dự đoán ở độ tin cậy cao và thực hiện các kiểm định khác. Phương pháp ước lượng SGMM cũng cho ra các giá trị ước lượng trong mô hình là hiệu quả, tức phương sai trong mô hình là nhỏ nhất. Ước lượng SGMM còn giúp loại bỏ hiện tượng nội sinh khi nó sử dụng các mức độ trễ của biến phụ thuộc và biến độc lập làm biến công cụ (Peter Hansen, 1982). Tuy nhiên, hạn chế của mô hình này là khi kiểm định với mẫu có thời gian ngắn và tính bền vững cao thì tính chính xác của ước lượng sẽ thấp (Blundell & bond, 1998; Roodman, 2009).
3.3.2. Các kiểm định của mô hình hồi quy
Tác giả dùng các kiểm định F, kiểm định Hausman và kiểm định Breuch – Pagan Lagrange Multiplier để tìm ra mô hình thích hợp nhất cho dữ liệu nghiên cứu trong luận văn. Ngoài ra, tác giả còn thực hiện các kiểm định nhằm kiểm tra về hiện tượng đa cộng tuyến, tự tương quan và phương sai sai số thay đổi của mô hình nghiên cứu. Sau đó tiến hành khắc phục các khuyết tật cho dữ liệu trong mô hình nghiên cứu (nếu có) bằng phương pháp ước lượng moment tổng quát hệ thống (System Generalised Method of Moments – SGMM ) nhằm xử lý đồng thời cả vấn đề nội sinh do có sử dụng biến độ trễ trong mô hình nghiên cứu.
Cụ thể, trong luận văn, tác giả thực hiện chạy các mô hình kiểm định như sau : Đầu tiên, tác giả thực hiện kiểm định để lựa chọn giữa mô hình bình phương tối thiểu dạng gộp (Pooled OLS) và mô hình các tác động cố định (Fixed Effects Model) bằng kiểm định F – test với giả thuyết đặt ra là :
H0: Mô hình phù hợp là Pooled OLS. H1: Mô hình Fixed Effects phù hợp.
Nếu kết quả của mô hình cho ra giá trị thống kê Prob < 0.05 thì bác bỏ giả thuyết H0và chấp nhận giả thuyết H1, khi đó mô hình Fixed Effects sẽ phù hợp. Ngược lại, khi kết quả cho ra giá trị của Prob > 0.05, thì ta chấp nhận giả thuyết H0 kết luận mô hình Pooled OLS là phù hợp hơn mô hình Fixed Effects.
Tiếp theo, tác giả thực hiện kiểm định để lựa chọn giữa mô hình bình phương tối thiểu dạng gộp (Pooled OLS) với mô hình tác động ngẫu nhiên (Random Effects Model) bằng kiểm định Breuch – Pargan Lagrange Multiplier với giả thuyết đặt ra là:
H1: Mô hình Random Effects phù hợp.
Nếu kết quả của mô hình cho ra giá trị Prob < 0.05 thì bác bỏ H0 và chấp nhận giả thuyết H1, nghĩa là mô hình Random Effects phù hợp. Ngược lại, khi giá trị Prob > 0.05, thì ta chấp nhận H0và kết luận mô hình Pooled OLS phù hợp.
Ngoài ra, để kiểm định việc lựa chọn giữa mô hình Fixed Effects (FEM) hay Random Effects (REM), tác giả thực hiện kiểm định Hausman- test, với giả định rằng:
H0: Mô hình Random Effects là phù hợp. H1: Mô hình Fixed Effects là phù hợp.
Nếu kết quả cho ra giá trị Prob < 0.05, giả thuyết H0 bị bác bỏ, mô hình Fixed Effects là phù hợp nhất cho mô hình nghiên cứu. Ngược lại, nếu giá trị Prob > 0.05, chấp nhận giả thuyết H0 và mô hình Random Effects là phù hợp với mẫu dữ liệu nghiên cứu.
Sau khi lựa chọn được mô hình phù hợp nhất cho dữ liệu nghiên cứu, tác giả tiến hành kiểm tra các khuyết tật của mô hình hồi quy như: kiểm tra hiện tượng đa cộng tuyến, hiện tượng tự tương quan, hiện tượng phương sai sai số thay đổi và hiện tượng nội sinh.
- Kiểm tra hiện tượng đa cộng tuyến: Tác giả dùng hệ số phóng đại phương sai VIF để kiểm tra xem mô hình có bị hiện tượng đa cộng tuyến hay không.
Nếu hệ số VIF < 10, ta kết luận mô hình không bị hiện tượng đa cộng tuyến. Nếu hệ số VIF > 10, ta kết luận mô hình bị hiện tượng đa cộng tuyến.
- Kiểm định tự tương quan: Tác giả dùng kiểm định Wooldrigre để kiểm tra xem mô hình có bị hiện tượng tự tương quan không với việc đưa ra các giả thuyết:
H0: Mô hình không bị hiện tượng tự tương quan H1: Mô hình bị hiện tượng tự tương quan
Nếu kết quả cho ra Prob < 0.05, ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1, nghĩa là mô hình có hiện tượng tự tương quan. Ngược lại, nếu Prob > 0.05, ta chấp nhận giả thuyết H0và kết luận mô hình không bị hiện tượng tự tương quan.
- Kiểm định hiện tượng phương sai thay đổi: Tác giả dùng kiểm định Breusch- Pagan để kiểm tra xem mô hình có hiện tượng phương sai thay đổi hay không với việc đưa ra giả thuyết:
H1: Mô hình có hiện tượng phương sai sai số thay đổi
Nếu kết quả cho ra Prob < 0.05, ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1, kết luận mô hình có hiện tượng phương sai sai số thay đổi. Ngược lại, nếu kết quả cho ra Prob > 0.05, giả thuyết H0 được chấp nhận và kết luận mô hình không có hiện tượng phương sai sai số thay đổi.
- Kiểm tra hiện tượng nội sinh: Hiện tượng nội sinh trong mô hình xảy ra khi các biến độc lập có tương quan với sai số ngẫu nhiên. Nếu trong mô hình bị vấn đề về nội sinh thì sẽ làm cho các ước lượng không còn tính vững.
Cuối cùng, tác giả sẽ thực hiện khắc phục tính nội sinh trong mô hình nghiên cứu (nếu có) bằng mô hình hồi quy GMM hệ thống (được phát triển bởi Arrellano và Bover, 1995; Blundell và Bond, 1998).
Để kiểm tra sự phù hợp của phương pháp hồi quy GMM hệ thống (SGMM) đối với mẫu dữ liệu nghiên cứu trong bài, tác giả thực hiện thông qua hai kiểm định sau:
- Thứ nhất: kiểm tra về sự tương quan chuỗi trong phần dư của chuỗi sai phân bậc 1 (AR1) và chuỗi sai phân bậc 2 (AR2) thông qua kiểm định Arrellano – Bond với giả thuyết đặt ra là:
H0: Không có sự tương quan chuỗi giữa sai phân bậc 1 (hoặc bậc 2…) trong mô hình GMM.
H1: Có sự tương quan chuỗi giữa sai phân bậc 1 (hoặc bậc 2…) trong mô hình GMM.
Nếu kết quả hồi quy GMM cho ra giá trị p-value của kiểm định AR2 >10%, tức là giả thuyết H0được chấp nhận, thì ta kết luận rằng hồi quy GMM là phù hợp.
- Thứ hai, tác giả thực hiện kiểm tra vấn đề tương quan giữa các biến công cụ (vấn đề nội sinh) thông qua kiểm định Sargan và kiểm định Hansen với giả thuyết sau:
H0: Không có tương quan giữa biến công cụ và phần dư của mô hình GMM. H1: Có tương quan giữa biến công cụ và phần dư của mô hình GMM.
Tác giả tập trung vào kiểm định Sargan/Hansen để kiểm định tính phù hợp của các biến công cụ trong S-GMM, vì lo ngại việc đưa quá nhiều biến trễ vào mô hình có thể dẫn tới hiện tượng xác định quá mức. Giả định của Sargan được sử dụng khi sai số là đồng nhất, ngược lại kiểm định Hansen chỉ được sử dụng khi có hiện tượng phương sai sai số thay đổi trong mô hình. Do tính chất dữ liệu tại Việt Nam thường xảy ra hiện
tượng phương sai sai số thay đổi nên tác giả sẽ chỉ tập trung vào kết quả kiểm định của Hansen đảm bảo lớn hơn 0.1.
Cụ thể nếu kết quả hồi quy GMM cho ra giá trị p-value của Hansen test lớn hơn 10%, ta chấp nhận giả thuyết H0và không có tự tương quan chuỗi bậc 2 (AR (2)) trong phần dư của chuỗi sai phân bậc 1 (AR(1)) nên ước lượng GMM là phù hợp. Ngược lại, nếu p-value của Hansen test nhỏ hơn 10%, giả thuyết H0 bị bác bỏ và kết luận có tương quan giữa biến công cụ và phần dư của mô hình GMM, và do đó ước lượng GMM sẽ không còn phù hợp với mô hình nghiên cứu.
TÓM TẮT CHƯƠNG 3
Chương 3 đã giới thiệu tổng quan về dữ liệu nghiên cứu gồm 3620 quan sát, các tiêu chuẩn để phân loại hạn chế tài chính là hệ số thanh toán lãi vay và tỷ lệ tổng nợ trên tổng tài sản. Bên cạnh đó, chương này còn trình bày phương pháp nghiên cứu bao gồm: các giả thuyết kỳ vọng của nghiên cứu, ba mô hình nghiên cứu gồm mô hình cơ sở, mô hình mở rộng và mô hình thứ ba để nghiên cứu sự ảnh hưởng của dòng tiền đến nguồn tài trợ bên ngoài của các công ty niêm yết trên thị trường chứng khoán Việt Nam trong điều kiện bị hạn chế tài chính. Trong đó, biến phụ thuộc đại diện cho nguồn tài trợ bên ngoài được xác định là sự gia tăng trong tỷ lệ nợ dài hạn cộng với sự gia tăng trong vốn chủ sở hữu của cổ đông trên tổng tài sản. Biến độc lập chính là dòng tiền. Các biến kiểm soát bao gồm: cơ hội tăng trưởng; quy mô; tiền và tương đương tiền; các tài sản có khả năng chuyển đổi thành tiền như hàng tồn kho, khoản phải thu, tài sản cố định hữu hình; tỷ lệ nợ trên vốn chủ sở hữu; tài sản hữu hình và sự tương tác giữa tài sản hữu hình – dòng tiền. Từ đó, đưa ra các kết quả kỳ vọng về dấu của các biến giải thích đến biến nguồn tài trợ bên ngoài cho cả hai nhóm các công ty không bị hạn chế tài chính và nhóm các công ty bị hạn chế tài chính.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Kết quả nghiên cứu thực nghiệm ảnh hưởng của dòng tiền đến nguồn tài trợ bên ngoài dưới điều kiện hạn chế tài chính cho các công ty niêm yết trên thị trường chứng khoán Việt Nam sẽ được trình bày chi tiết trong chương này, bao gồm các phần thống kê mô tả và trình bày kết quả từ các mô hình hồi quy.
4.1. PHÂN TÍCH THỐNG KÊ MÔ TẢ
Vì trọng tâm chính của luận văn là nhằm kiểm tra mối quan hệ giữa nguồn tài trợ bên ngoài và dòng tiền đối với các công ty bị hạn chế về tài chính và các công ty không bị hạn chế tài chính, tác giả phân loại các quan sát trong năm của các công ty thành hai nhóm gồm nhóm các công ty bị hạn chế tài chính và nhóm các công ty không bị hạn chế tài chính. Với mục tiêu này, luận văn sử dụng hai thước đo khác nhau đó là hệ số thanh toán lãi vay (1) và tỷ lệ tổng nợ trên tổng tài sản (2).
Việc phân loại các quan sát theo năm - công ty được trình bày trong bảng 4.1. Với tiêu chí hệ số thanh toán lãi vay xác định số lượng quan sát trong năm – công ty của nhóm các công ty bị hạn chế tài chính cao hơn so với nhóm các công ty không bị hạn chế tài chính, trong khi tiêu chí tỷ lệ nợ trên tổng tài sản mang lại sự phân loại gần như tương tự về số lượng các quan sát theo năm – công ty đối với hai nhóm công ty.
Bảng 4.1: Bảng kết quả thống kế số lượng quan sát theo các tiêu chí phân loại hạn chế tài chính
Tiêu chí phân loại
hạn chế tài chính Các công ty bị hạnchế tài chính (FC)
Các công ty không bị hạn chế tài chính (UFC) Số lượng quan sát Hệ số thanh toán lãi vay (1) 3200 420 3620 Tỷ lệ tổng nợ trên tổng tài sản (2) 1830 1790 3620 Nguồn: Trích từ phụ lục 1
Để có cái nhìn tổng quát về dữ liệu nghiên cứu, tác giả tiến hành thống kê mô tả cho các thước đo biến. Mẫu dữ liệu được sử dụng bao gồm 362 công ty, tương đương 3620 quan sát theo năm.
Bảng 4.2 dưới đây trình bày kết quả thống kê mô tả cho các biến được sử dụng trong luận văn. Dòng tiền CASH_FLOW trung bình của các công ty không bị hạn chế
tài chính (0.1875; 0.1426) đều cao hơn các công ty bị hạn chế tài chính (0.0998; 0.0780) khi sử dụng hai tiêu chí phân loại, điều này hàm ý các công ty không bị hạn chế tài chính tại Việt Nam có lợi nhuận cao hơn các công ty bị hạn chế tài chính giống với nghiên cứu Rashid & Jabeen (2018). Đối với quy mô tài sản SIZE, các công ty bị hạn chế tài chính có quy mô tài sản lớn hơn so với các công ty không bị hạn chế tài chính, tuy nhiên chênh lệch giữa hai giá trị của SIZE là không quá lớn, tương ứng với giá trị trung bình (26.9989; 27.3808) và (26.3487; 26.4559). Giá trị trung bình của biến cơ hội tăng trưởng GROWTH ở nhóm các công ty không bị hạn chế tài chính cao hơn so với nhóm các công ty bị hạn chế tài chính cho thấy các công ty không bị hạn chế tài chính thường có tốc độ tăng trưởng doanh thu cao hơn các công ty bị hạn chế tài chính, điều này hàm ý rằng các công ty bị hạn chế tài chính thường gặp phải nhiều khó khăn trong việc tiếp cận thị trường vốn, không đáp ứng kịp thời nguồn vốn cho các quyết định đầu tư, dẫn đến đánh mất nhiều cơ hội để tăng trưởng doanh thu hơn so với các công ty không bị hạn chế tài chính. Giá trị trung bình của biến tiền và tương đương tiền CASH ở các công ty không bị hạn chế tài chính và các công ty bị hạn chế tài chính theo hai tiêu chí phân loại lần lượt là (0.2002; 0.1339) và (0.0936; 0.0786), cho thấy xu hướng nắm giữ tiền mặt cao hơn ở các công ty không bị hạn chế tài chính, hàm ý các công ty không bị hạn chế tài chính ở Việt Nam thường thích nắm giữ nhiều tiền mặt thay vì đem đầu tư vào các tài sản khác. Điều này có thể được hiểu là do các công ty niêm yết trên thị trường chứng khoán Việt Nam muốn cải thiện tỷ số thanh thoán nhanh của mình để gia tăng khả năng vay mượn thêm. Các giá trị trung bình của biến tài sản có khả năng chuyển đổi thành tiền COLLATERAL phản ánh những công ty bị hạn chế tài chính tại Việt Nam có xu hướng đầu tư vào các tài sản có thể chuyển đổi thành tiền như hàng tồn kho và tài sản cố định hữu hình nhiều hơn các công ty không bị hạn chế tài chính Việt Nam, thể hiện qua giá trị trung bình COLLATERAL của công ty bị hạn chế tài chính là (0.7481; 0.7891) và công ty không bị hạn chế tài chính là (0.5481; 0.6592); điều này lại được khẳng định một lần nữa thông qua giá trị trung bình của biến đại diện cho tài sản hữu hình TANG, cụ thể là (0.5466; 0.5984) ở