Biến Viết tắt Cơng thức tính
Khả năng sinh lợi trên
tài sản ROA ROA =
Lãi sau thuế Tổng tài sản
Kỳ tồn kho INV Kỳ tồn kho =
Hàng tồn kho x 365 Giá vốn hàng bán
Kỳ phải thu AR Kỳ phải thu = Khoản phải thu x 365
Doanh thu
Kỳ phải trả AP Kỳ phải trả = Khoản phải trả x 365
Giá vốn hàng bán Kỳ luân chuyển tiền
mặt CCC INV + AR – AP
Tỷ lệ hàng tồn kho
trên tài sản ngắn hạn INV/CA
Hàng tồn kho Tài sản ngắn hạn
32
Tỷ lệ tài sản ngắn hạn
trên tổng tài sản CA/TA
Tài sản ngắn hạn Tổng tài sản Tỷ lệ tài sản cố định
trên tổng tài sản FA/TA
Tài sản cố định Tổng tài sản Tỷ lệ tài sản ngắn hạn
trên doanh thu CA_TURN
Tài sản ngắn hạn Doanh thu
Địn bẩy tài chính LEV Tổng nợ
Tổng tài sản
Quy mô doanh nghiệp TALOG Logarit của tổng tài sản
(Nguồn: Tác giả tổng hợp)
3.3 Phương pháp thực hiện nghiên cứu
3.3.1 Thống kê mơ tả và phân tích tương quan
Trong bài nghiên cứu này, tác giả thực hiện thống kê mô tả để đưa ra thông tin chi tiết về các biến sử dụng trong mơ hình. Thơng tin đó bao gồm giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất của các biến. Những giá trị này có thể cho thấy tính chất của các biến trong mơ hình.
Tiếp theo, tác giả sử dụng ma trận tương quan nhằm tìm hiểu mối quan hệ giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau trong mơ hình. Bước này sẽ cho thấy mối tương quan giữa các biến cần nghiên cứu về chiều, độ lớn và ý nghĩa thống kê.
3.3.2 Phân tích định lượng
Tác giả sử dụng phần mềm Stata 13 để hồi quy các mơ hình nhằm kiểm định tác động của quản trị vốn luân chuyển đến khả năng sinh lợi của các doanh nghiệp Việt Nam.Phương pháp hồi quy dữ liệu bảng lần lượt theo OLS, FE và RE được sử dụng để ước tính các hệ số trong các mơ hình từ (1) – (4) đã nêu ở mục 3.2.1.
Việc sử dụng mơ hình dữ liệu bảng là một cơng cụ nghiên cứu mạnh mẽ, bởi vì có sự kết hợp các dữ liệu chéo với dữ liệu chuỗi thời gian. Dữ liệu bảng cho kết quả ước lượng của các hệ số trong mơ hình hồi quy tin cậy hơn, cho phép xác định và đo
33
lường những tác động mà người ta không thể quan sát được khi sử dụng dữ liệu chéo hoặc dữ liệu chuỗi thời gian thuần túy.
Trong hồi quy dữ liệu bảng, thường sử dụng các mơ hình như OLS, FE, RE, GLS… Mơ hình OLS ước lượng trên tập dữ liệu thu được và xem tất cả các hệ số đều không thay đổi giữa các đối tượng khác nhau và không thay đổi theo thời gian (Gujarati, 2004). Mơ hình FE và RE sẽ khắc phục những ràng buộc quá chặt về các đơn vị chéo khó xảy ra trong thực tế của mơ hình OLS. Mơ hình RE giả định một hệ số chặn chung và các hệ số chặn cho mỗi doanh nghiệp từ hệ số chặn chung này là ngẫu nhiên, trong khi đó mơ hình FE giả định các hệ số chặn khác nhau cho từng doanh nghiệp riêng lẻ. Để lựa chọn mơ hình FE hay RE là tốt hơn cho nghiên cứu phụ thuộc vào giả định có hay khơng sự tương quan giữa sai số εi và các biến độc lập. Nếu giả định rằng không tương quan thì mơ hình RE phù hợp hơn và ngược lại.
Trong nghiên cứu này, tác giả sẽ tiếp cận hồi quy theo phương pháp hồi quy dữ liệu bảng được thực hiện theo 3 cách: Pooled model, hồi quy với Hiệu ứng cố định (Fixed Effect Model– FEM) và hồi quy với Hiệu ứng ngẫu nhiên (Random EfffectModel- REM). Theo Gujarati (2004), việc sử dụng phương pháp OLS bỏ qua bình diện khơng gian và thời gian của dữ liệu kết hợp, kết quả ước lượng có thể sẽ bị thiên lệch. Vì thế hồi quy theo phương pháp ước lượng Hiệu ứng cố định (FEM) và Hiệu ứng ngẫu nhiên (REM) sẽ phù hợp hơn vì khơng bỏ qua sự khác biệt trong các yếu tố thời gian và yếu tố doanh nghiệp.Các kiểm định để lựa chọn mơ hình hiệu quả nhất giữa Hồi quy gộp (Pooled Model), hồi quy Hiệu ứng cố định (FEM) và hồi quy Hiệu ứng cố định (FEM) được thực hiện như sau:
Tác giả sẽ thực hiện kiểm định Hausman để kiểm tra độ phù hợp giữa mơ hình Random Effect và Fixed Effect. Nội dung của kiểm định là kiểm định giả thuyết H0: Mơ hình hồi quy với Hiệu ứng ngẫu nhiên có hiệu quả hơn. Nếu nhận thấy Hausman > Chi2 critical value, thì thực hiện bác bỏ H0, tức lúc này hồi quy với Hiệu ứng cố định là hiệu quả hơn. Nếu kết quả kiểm định cho thấy P-value > 0.05 thì khơng bác bỏ giả thuyếtH0 và lựa chọn mơ hình RE là mơ hình phù hợp nhất. Nếu P-value < 0.05 thì tác giảsẽ lựa chọn mơ hình FE là mơ hình cuối cùng để hồi quy.
34
Tác giả sẽ thực hiện kiểm định hiện tượng đa cộng tuyến trong mơ hình. Đa cộng tuyến là một hiện tượng trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mơ hình những thơng tin giống nhau và rất khó tách ảnh hưởng của từng biến một. Đối với hiện tượng đa cộng tuyếnkhi VIF nhỏ hơn hoặc bằng 5 nghĩa là các biến độc lập khơng có tương quan tuyến tính với nhau.
Tác giả cũng sẽ thực hiện kiểm định hiện tượng phương sai sai số thay đổi. Phương sai thay đổi là hiện tượng phương sai của các số hạng này không giống nhau. Khi phương sai của các sai số thay đổi thì các ước lượng của các hệ số hồi quy không hiệu quả, các kiểm định t và F khơng cịn đáng tin cậy. Nếu độ lớn của phần dư chuẩn hóa tăng hoặc giảm theo giá trị dự đốn thì có khả năng giả thuyết phương sai không đổi bị vi phạm.
Tác giả sẽ sử dụng mơ hình GLS (General Least Square) để khắc phục các khuyết tật. Phương pháp OLS cho mỗi quan sát các trọng số hay tầm quan trọng như nhau. Nhưng một phương pháp ước lượng này đưa các thơng tin này vào mơ hình và do vậy có khả năng đưa ra các ước lượng tuyến tính khơng thiên lệch tốt nhất (BLUE). Phép biến đổi các biến gốc để các biến đã biến đổi thỏa mãn các giả thuyết của mơ hình cổ điển và sau đó áp dụng phương pháp OLS đối với chúng được gọi là phương pháp bình phương tối thiểu tổng quát.
Trong nghiên cứu dữ liệu mảng (panel data), với cách truyền thống các nhà khoa học hay dùng fixed effect hoặc random effect trong việc ước lượng mơ hình nghiên cứu. Trong trường hợp phát hiện các hiện tượng không tốt dẫn tới việc ước lượng khơng cịn chính xác (khuyết tật của mơ hình), nguyên nhân của các khuyết tật thường là: Sai dạng hàm hay do bỏ sót các biến quan trọng. Trong trường hợp sai dạng hàm thì tất nhiên chúng ta phải thay đổi dạng hàm để cho phù hợp. Trường hợp cịn lại nếu rơi vào tình trạng bỏ xót biến quan trọng (thiếu biến ngoại sinh hoặc biến nội sinh), trong trường hợp biến độc lập trong mơ hình cũ là biến nội sinh (được miêu tả qua biến khác) mà biến chưa đưa vào này có quan hệ với phần dư dẫn tới khuyết tật. Do vậy, để giải quyết các vấn đề gặp phải khi gặp khuyết tật này, Lars Peter Hansen
35
vào năm 1982 đã phát triển đưa thêm biến công cụ (có quan hệ chặt với biến độc lập, phụ thuộc trong mơ hình cũ nhưng khơng có quan hệ với phần dư.
Các giả thuyết nghiên cứu sẽ được tác giả tiến hành kiểm định thông qua dữ liệu nghiên cứu của phương trình hồi quy được xây dựng. Tiêu chuẩn kiểm định mà tác giả sử dụng là thống kê t và giá trị p-value (Sig.) tương ứng, độ tin cậy lấy theo chuẩn 90%, 95% và 99%, giá trị p-value sẽ được so sánh để kết luận chấp thuận hay bác bỏ giả thuyết nghiên cứu.Để xem xét sự phù hợp dữ liệu và sự phù hợp của mơ hình tác giả sử dụng hệ số R-square, thống kê t và thống kê F để kiểm định. Để đánh giásự quan trọng của các nhân tố tác giả xem xét hệ số Beta tương ứng trong phương trình hồi quy bội được xây dựng từ dữ liệu nghiên cứu.
36
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Ở chương này, đầu tiên tác giả sẽ tiến hành thống kê mơ tả biến, phân tích mối tương quan giữa các biến và thực hiện các phương pháp hồi quy để kiểm định mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh lợi giữa các doanh nghiệp trong tồn mẫu, sau đó tác giả sẽ thêm biến giả đại diện cho hình thức sở hữu vào mơ hình và tiến hành hồi quy với phương pháp phù hợp nhất.
4.1 Thống kê mô tả
Bảng 4.1 trình bày thống kê mơ tả của tất cả các biến trong mơ hình bao gồm số lượng quan sát, giá trị trung bình, độ lệch chuẩn của các biến trong giai đoạn nghiên cứu từ 2012– 2018: