DebtMaturity CashHolding IndustrySigma PB Size Capex Leverage Dividend Volatility DebtMaturity 1.000 CashHolding -0.169*** 1.000 IndustrySigma -0.171*** -0.054*** 1.000 PB 0.004 0.210*** -0.072*** 1.000 Size 0.334*** -0.089*** -0.074*** 0.139*** 1.000 Capex 0.324*** -0.078*** -0.054*** 0.133*** 0.076*** 1.000 Leverage 0.084*** -0.225*** 0.016 -0.161*** 0.255*** -0.007 1.000 Dividend -0.132*** 0.253*** -0.081*** 0.399*** -0.107*** 0.024** -0.302*** 1.000 Volatility -0.191*** 0.060*** 0.229*** -0.043** -0.184*** -0.046** -0.232 0.016 1.000 Ghi chú: *, **, *** tương ứng với các mức ý nghĩa thống kê 10%, 5% và 1%. Nguồn: Tác giả tính tốn trên phần mềm Stata 15.0
Bảng 3.5 mô tả ma trận hệ số tương quan giữa các biến trong mơ hình. Kết quả trình bày ở Bảng 3.5 cho thấy các hệ số tương quan khá nhỏ và khơng có hệ số tương quan giữa hai biến lớn hơn 0,8 nên không xảy ra hiện tượng đa cộng tuyến. Do vậy khi sử dụng mơ hình hồi quy sẽ ít có khả năng gặp hiện tượng tự tương quan giữa các biến Mối tương quan giữa hai biến CashHolding và Debtmaturity là tương quan âm và mức ý nghĩa thống kê là 1%. Điều này có nghĩa là các cơng ty sẽ gia tăng phát hành nợ dài hạn để tài trợ cho các hoạt động đầu tư khi dự trữ tiền mặt tại doanh nghiệp đang ở mức thấp và ngược lại, khi doanh nghiệp nắm giữ nhiều tiền mặt thì sẽ giảm huy động nguồn tài trợ nợ dài hạn từ bên ngoài. Biến Industry sigma cũng có mối tương quan âm với DebtMaturity và CashHolding đều ở mức ý nghĩa thống kê 1%. Các cơng ty có biến động dịng tiền trung bình ngành càng ít thì sẽ được đánh giá là cơng ty ổn định, tăng trưởng từ đó có thể huy động nợ dài hạn nhiều để đầu tư vào các dự án.
Ngược lại, hệ số của PB tương quan dương so với DebMaturity tuy nhiên khơng có ý nghĩa thống kê mà chỉ có ý nghĩa thống kê 1% so với Cashholding, kết quả này tương tự như nghiên cứu của (Brick and Liao 2017). Hệ số tương quan của các biến kiểm soát như Size, Capex và Leverage có tương quan dương so với DebMaturity với mức ý nghĩa 1%. Điều này thể hiện những cơng ty có quy mơ lớn, chi tiêu vốn nhiều và tỷ lệ địn bẩy cao thì sẽ vay nợ dài hạn càng nhiều. Ngược lại, hệ số tương quan giữa biến CashHolding và biến kiểm soát Size là -0.089 với mức ý nghĩa thống kê 1%. Các cơng ty có quy mơ càng lớn thì càng ít dự trữ tiền mặt. Tương tự hệ số giữa hai biến CashHolding và Capex là -0.078 với mức ý nghĩa thống kê 1% cho thấy khi cơng ty có mức chi tiêu vốn cao thì cơng ty sẽ giảm lượng tiền mặt được nắm giữ và ngược lại. Hệ số giữa Leverage với CashHolding là tương quan âm với mức ý nghĩa thống kê 1% chứng tỏ rằng những doanh nghiệp vay nợ càng nhiều thì ít nắm giữ tiền mặt hơn. Bên cạnh đó, hệ số của biến kỳ hạn tài sản (Asset maturity) và Kỳ hạn nợ (DebtMaturity) là tương quan dương 0.042 với mức ý nghĩa 1%. Điều này có nghĩa là kỳ hạn tài sản và kỳ hạn nợ phải phù hợp với nhau như kết quả của các nghiên cứu trước đây Stohs và Mauer (1996), Costa và cộng sự (2014). Cuối cùng là hệ số của độ biến động dòng tiền trung bình 5 năm (Volatility) là 0.060 với mức ý nghĩa 1%. Điều
này cho thấy các cơng ty có mức độ biến động dịng tiền càng cao thì xác xuất thiếu tiền mặt nắm giữ càng cao khi dòng tiền trong doanh nghiệp giảm xuống bất ngờ.
3.3 Phương pháp ước lượng
Đầu tiên phải nói đến nghiên cứu của Antoniou et al. (2002) xem xét vấn đề nội sinh trong mơ hình hồi quy kỳ hạn nợ bằng cách sử dụng Phương pháp Tổng quát về Moment (GMM) . Trước đó Ozkan (2000) có sử dụng phương pháp ước lượng GMM tuy nhiên không phải giải quyết vấn đề nội sinh mà giải quyết sự không đồng nhất của mẫu dữ liệu. Phương pháp ước lượng GMM system được phát triển bởi Arellano và Bond (1991), Arellano and Bover (1995), mở rộng bởi Blundell and Bond (1998) and Blundell và Bond (1998) có thể giảm thiểu ước lượng chệch cho mơ hình hiệu ứng cố định (FE model) và khắc phục được lỗi của OLS như hiện tượng tự tương quan, phương sai thay đổi, hiện tượng nội sinh. Bên cạnh đó, các nghiên cứu cũng chỉ ra rằng phương pháp ước lượng GMM System 2 bước (two-step system GMM) tối ưu hơn trong việc xử lý hiện tượng nội sinh so với GMM system một bước (sử dụng ma trận trọng số chưa tối ưu – sub optimal weighting matrix). Có thể thấy được mối quan hệ giữa kỳ hạn nợ và các yếu tố quyết định kỳ hạn nợ tác động qua lại. Dựa trên bài nghiên cứu của Stohs và Mauer (1996) cho rằng có khả năng sai lệch và khơng nhất quán vì các hồi quy bao gồm các biến độc lập trong hồi quy đáo hạn nợ là thước đo đòn bẩy (biến nội sinh. Tương tự (Brick and Liao 2017) cũng cho rằng có hiện tượng nội sinh của các biến nắm giữ tiền mặt, kỳ hạn nợ và địn bẩy. Do đó, mơ hình GMM system được đề xuất sử dụng trong trường hợp biến độc lập có dấu hiệu nội sinh. Các kĩ thuật được sử dụng trong nghiên cứu bao gồm Pooled OLS, Fixed effects (FE), Random effects (RE), System generalized methods of moments (System GMM). Dựa trên nghiên cứu của Roodman (2006), tính phù hợp của các biến công cụ được sử dụng trong ước lượng GMM được kiểm định thông qua Hansen test và Arellano- Bond’s AR(2) test. Tất cả các kết quả ước lượng GMM system trong nghiên cứu đều thỏa điều kiện không chệch khi Hansen test và AR (2) test đều khơng có ý nghĩa ở mức 10%.
CHƯƠNG 4.CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU Ở VIỆT NAM
4.1 Kết quả kiểm định mơ hình 1
Đầu tiên, tác giả ước lượng mơ hình (1) dựa trên nghiên cứu của (Brick and Liao 2017). Kiểm định để kiểm tra ảnh hưởng của các yếu tố ảnh hưởng lên quyết định