CHƯƠNG 3 : PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU
3.3 Mô tả biến
3.3.4 Kỳ vọng dấu
Mục tiêu của luận văn là củng cố kết quả của các nghiên cứu trước đây, nên căn cứ vào kết quả của các bài nghiên cứu tại Việt Nam, luận văn thống kê kỳ vọng dấu ở bảng 3.1 tuân theo kết quả của HuỳnhjĐôngjPhươngjvàjJyh-stayjSu, 2010; Từ ThịjKim Thoajvà NguyễnjThịjUyênjUyên, 2014, đồng thời dựa vào mục tiêu nghiên cứu, luận văn thêm vào biến CASH và biến giả để đại diện cho các chujkỳjkinhjtế, các biến này cho các kết quả khác nhau dựa trên từng đối tượng và phạm vi nghiên cứu khác nhau (Engvist và cộngjsự, 2014; Mielcarz và cộng sự, 2018; Tsuruta, 2019), nên luận văn chưa đủ cơ sở để đưa ra kỳ vọng dấu.
Bảng 3.1: Kỳjvọngjdấujvềjtácjđộngjcủajcácjbiếnjđộcjlâpjđốijvớijbiến phụ thuộc
Tên biến Công thức Kỳ vọng
dấu
Biến phụ thuộc
ROA - Tỷ suấtjsinh
lờijtrênjtổngjtàijsản ROA=(Lợi nhuận ròng)/(Tổngjtàijsản) GOI - Tỷ lệ tổng thu nhập hoạtjđộngjrịng GOI=(Doanhjthujthuần-Giájvốnjhàngjbán)/(Tổng tàijsản-tàijsảnjtàijchính) 116.8 116.7 113.9 108.5 115.3 107.3 104.7105.9 107.6 109.8 107.5 109.4110.2 2 0 0 6 2 0 0 7 2 0 0 8 2 0 0 9 2 0 1 0 2 0 1 1 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5 2 0 1 6 2 0 1 7 2 0 1 8 C H Ỉ S Ố S Ả N X U Ấ T C Ô N G N G H I Ệ P
Biến giải thích
CCC - Chujkỳjluân
chuyểnjtiềnjmặt (AR + INV) – AP -
AR - Số ngày khoản phải thu
Số ngày khoản phải thu=(Khoản phải thu)/(Doanh
thu thuần)x365 - INV - Số ngày hàng tồn kho Số ngày hàngjtồnjkho=(Hàngjtồnjkho)/(Giájvốn hàngjbán) x365 - AP - Số ngày khoản phải trả
Sốjngàyjkhoảnjphảijtrả=(Khoản phải trả)/(Doanh thu thuần)x365
+
CASH – Tỷjlệjnắm giữ tiền
Tỷ lệ nắm giữ tiền = (Tiền và tương đương tiền)/(Tổng tài sản)
+/-
Biến giải thích khác
CR - Tỷ số thanh
tốn hiện hành CR=Tài sản ngắn hạn/Nợ ngắn hạn
+
SALES - Quy mô
công ty SALES=Ln(Doanh thu thuần)
+
DEBT - Tỷ lệ nợ DEBT=(Nợjngắnjhạnj+jNợ dàijhạn)/Tổngjtàijsản -
Biến giả
D1 - Biến giả chỉ
trạng thái suy thoái D1=1 nếu nền kinh tế suy thoái, 0 nếu ngược lại
+/-
D2 - Biến giả chỉ
trạng thái bùng nổ D2=1 nếu nền kinh tế bùng nổ, 0 nếu ngược lại
+/-
3.4 Phương pháp nghiên cứu
Luận văn kiểm tra ảnh hưởng của quản trị vốn luânjchuyển đến khả năngjsinh lời của công ty bằng việc áp dụngjdữ liệu bảng (Paneljdata), dữ liệu bảng cho phép người nghiên cứu quan sát được tác động qua hai chiều, một là đến từ từng cá nhân mỗi công ty, hai là đến từ khoản thời gian mà các công ty đã trải qua. Yếu tố cá nhân công ty liên quan
đến hành vi và hoạt động của một công ty riêng lẻ mà không xét đến các thay đổi theo thời gian. Yếu tố thời gian xem xét các thay đổi hay biến động của công ty theo thời gian, do đó sẽ chịu tác động của những yếu tố vĩ mơ của từng năm.
Vì đâyjlà dạng dữjliệujbảngj(paneljdata) nên khi thực hiện hồi quy người nghiên cứu cần các phươngjphápjriêngjphùjhợp cho dạngjnày.
Cójhaijphươngjphápjướcjlượng để hồi quy dữ liệujbảngjthườngjđượcjcácjnhàjnghiên cứujsửjdụng bởi tính đơn giản và hiệu quả của nó, đó là:
- Mơ hình ảnh hưởng cố địnhj(FEM-FixedjEffectjModel) - Mơ hình ảnh hưởng ngẫu nhiênj(REM-RandomjEffectjModel)
Ngồi ra, luận văn cịn sửjdụngjmộtjsốjphươngjphápjkhácjtrong trường hợp mơ hình hồi quy bị các khuyết tật, cụ thể là mơ hình GLS để khắcjphụcjhiệnjtượngjphươngjsaijthay đổi, mơ hình GMM để khắc phục hiệnjtượngjnộijsinh.
3.4.1 Mơ hình FEM
Sửjdụngjmơjhình ảnhjhưởngjcố định (FEM) bất cứ khi nào bạn chỉ muốn phân tích tác động của các biến số thay đổi theo thời gian.
FEM khám phá mối quan hệ giữa yếu tố dự đoán và biến kết quả trong một đối tượng (quốc gia, người, cơng ty, v.v.). Mỗi đối tượng cójnhững đặcjđiểmjriêngjcó thể có hoặc khơng ảnhjhưởngjđếnjcác biến dự đốn (ví dụ, là nam hay nữ có thể ảnh hưởng đến ý kiến đối với vấn đề nhất định; hoặc hệ thống chính trị của một quốc gia cụ thể có thể có ảnhjhưởngjđến thương mại hoặc GDP; hoặc các hoạtjđộng kinhjdoanhjcủajmột cơng ty có thể ảnh hưởng đến giá cổ phiếu của nó). Khi sử dụng FEM, cần lưu ý rằng một yếu tố mang tính cá nhân có thể tác động hoặc thiên vị các yếu tố dự đoán hoặc biến kết quả và nhà nghiên cứu cần kiểm soát điều này. Đây là lý do đằng sau giả định về mối tương quan giữa sai số của đối tượng và các biến dự đoán. FEM loại bỏ ảnhjhưởngjcủajcác đặc điểm bất biếnjtheojthờijgian để kết quả có thể đánh giá tác động rịng của các yếu tố dự đoán đến biến kết quả.
này là duy nhất cho từng cá nhân và không nên tương quan với các đặc điểm riêng lẻ khác. Do đó, mỗi đối tượng là khác nhau, sai số của đối tượng không nên tương quan với các đối tượng khác. Nếu sai số của đối tượng tương quan, thì FEM khơng phù hợp vì suy luận có thể khơng chính xác và bạn cần mơ hình hóa mối quan hệ đó (có thể sử dụng ảnh hưởng ngẫu nhiên), đây là lý do chính cho kiểm định Hausman.
3.4.2 Mơ hình REM
Lý do phát triển mơ hình ảnh hưởng ngẫu nhiên (REM) là khơng giống nhưjmơjhình ảnh hưởngjcố định (FEM), biến thể giữa các đối tượng được giảjđịnhjlà ngẫujnhiênjvà khơng tương thích với yếu tố dự đốn hoặc biếnjđộc lập có trongjmơjhình.
Sự khác biệt quan trọng giữa ảnh hưởng cố định và ngẫu nhiên là các ảnh hưởng riêng lẻ không quan sát của đối tượng được sẽ bao gồm các yếu tố tương quan với các biến hồi quy trong mơ hình, khơng phải là các hiệu ứng này có ngẫu nhiên hay khơng (Green, 2008)
Nếu sự khácjbiệt giữajcác đối tượng có một số ảnhjhưởng đến biếnjphụ thuộc thì nên sử dụng mơjhìnhjảnh hưởng ngẫujnhiên. Một ưu điểm của ảnh hưởng ngẫu nhiên là có thể bao gồm các biến bất biến thời gian (nghĩa là giới tính). Trong mơjhìnhjảnh hưởng cố định, các biến này được hấp thụ bởi hệ số chặn.
Mơ hình REM cho rằngjsai sốjcủajđối tượng khơng tương quan với các yếu tố dự đoán cho phép các biến bất biến theo thời gian đóng vai trị là biến giải thích.
Trong mơ hìnhjREM, ta cần chỉ định các đặc điểm riêng lẻ đó có thể hoặc khơng ảnh hưởng đếnjcácjbiến dự đốn. Vấn đề này dẫn đến một số biến có thể khơng có sẵn do đó dẫn đến sai lệch biến bị bỏ qua trong mơ hình.
REM cho phép khái qt hóa các suy luận ngồi mẫu được sửjdụng trongjmơjhình. Qua đó việc lựa chọn mơ hình FEMjhay REMjsẽ phù hợp hơn phụ thuộcjvào giảjđịnhjcó hay khôngjsự tươngjquanjgiữa sai số của đối tượng và các biến giải thích. Nếu giả định rằng khơngjtương quan thìjREMjphù hợpjhơn và ngượcjlại. Vì vậy kiểm địnhjHausman làjmột trong những kiểm định quan trọng để lựajchọnjgiữa FEM vàjREM
3.4.3 Mơ hình Bình phương tối thiểu GLS
Mơ hình này được các nhà nghiên cứujphát triềnjđể khắcjphục hiện được hiện tường phương saijthay đổijtrongjmơ hình OLS.
Trong mơ hình GLS, khi xuất hiện phương sai thay đổi, các nhà nghiên cứu đã khắc phục như sau:
Cho Var(U)=ơ2
Tiếp đến biến đổi PRF: Y=β1 +β2 X2+...+ βk Xk+U thành phương trình: Y σ = β 1 σ+ β X σ + ⋯ + β X σ + U σ Y*=β1* +β2*x X2+...+ βk*xXk+U*
Áp dụng OLS đối với mơ hình đã biến đổi ta có các β1*, β2*, ..., βk* có tính chất BLUE chứ không phải β1, β2, ..., βk.
Phương pháp biến đổi các biến ban đầu để được các biến thỏajmãn tất cả các giả thiết của mơjhình hồi quy tuyến tính cổjđiển rồi áp dụng OLS đối với chúng được gọi là phương pháp ước lượng bình phương tối thiểu tổng qt (GLS). Qua đó ta thấy rằng phương pháp GLS là tổng quát hóa của phương pháp ước lượng bình phương nhỏ nhất (OLS). Nó được sử dụng để giải quyết các tình huống trong đó phương pháp ước tính OLS khơng có tính BLUE, bởi vì một trong những giả định chính của định lý Gauss- Markov, cụ thể là về tính chấtjphươngjsaijkhơngjđổi và khơng cójtươngjquan nối tiếp đã bị vi phạm. Trong các tình huống như vậy, với điều kiện là các giả định khác của định lý Gauss-Markov được thỏa mãn, cơng cụ ước tính GLS là BLUE.
Ước lượng GLS có các đặc điểm sau: - Khắc phục vấn đề phương sai thay đổi
- Ước lượng GLS sẽ khác OLS trong mơ hình gốc ban đầu, tuy nhiên, việc giải thích các hệ số sẽ dựa trên các hệ số của các biến ban đầu. Kết quả ước lượng thỏa mãn tính chất BLUE.
3.4.4 Mơ hình GMM xử lý nội sinh
Khi các biếnjgiảijthích (biến độc lập) có sự tương quan với phần dư của mơ hình sẽ xảy ra hiện tượng nội sinh. Để giải khắc phục vấn đề nội sinh này, các nhà nghiên cứu đã phát triển mơ hình hồijquyjbiếnjcơngjcụjIV (Instrumental Variables). Mơ hình này cần tìm ra một tổ hợp biếnjđượcjgọijlàjbiếnjcơngjcụ (Instrumental Variables) đáp ứng hai điều kiện, một là tươngjquanjvớijbiếnjgiảijthíchjtrongjphươngjtrình và haijlàjkhơng tươngjquanjvớijphầnjdư.
Việc tìm được biếnjcơngjcụ phù hợp trở thành vấn đề khi hồi quy bởi vì biến cơng cụ thường khó kiếm được bởi nếu chọn biến cơng cụ yếu, ước lượng IV có thể bị chệch. Vì vậy, các nhà nghiên cứu đã phát triển mơ hình dữ liệu bảng động (sys-GMM), mơ hình này được Arellano và Bond (1991) phát triển và đưa vào sử dụng, mơ hình GMM cũng dựa trên nền tảng hồi quy IV nhưng thay đổi cách chọn biếnjcơng cụ. MơjhìnhjGMM có những ưu điểm so với mơ hình hồi quy biến cơng cụ IV đó chính là mơ hình GMM thuận tiện hơn trong việc chọn các biến công cụ hơn bằng cách sử dụng các biến ngoại sinh ở các mốc thời gian khác nhau, đồng thời có thể lấy độ trễ của biến độc lập đểjsử dụng nhưjbiếnjcôngjcụ cho các biến nội sinh.
Phương pháp ước lượng GMM có hai dạng ước lượng thay thế lẫn nhau là ước lượng D- GMM (Difference GMM) và S-GMM (System GMM). Kết quả cho thấy ước lượng theo phương pháp D-GMM có sự thiên lệch ít nhất và phương sai của các tham số nhỏ nhất. Tuy nhiên, theo BlundelljvàjBond (1998) kết quả ướcjlượngjcủa phương pháp D-GMM sẽ kém hiệu quả vì các dữ liệu q khứ chứa ít thơng tin để dự báo thay đổi trong tương lai, vì thế các biến trễ khơng biến đổi đại diện không tốt cho các biến biến đổi trong mơ hình.
Ước lượng GMM phùjhợpjvớijdữjliệu bảng (Panel data) vớijchuỗijthờijgian và đối tượng quan sát nhiều, vì vập việc lựa chọn GMM là phù hợp với dữ liệu nghiên cứu của luận văn.
3.5 Quy trình xử lý và phân tích dữ liệu định lượng
Vớijdữ liệu gồmjsố liệujcủaj125 cơng ty được niêm yết trên sàn chứngjkhốn HOSE và HNX, giai đoạnjtừ 2006-2018, luận văn tiến hành nghiên cứujtheo các bước sau : Bước 1 : Thống kê mơ tảjcác biến vớijtồn bộ mẫu quan sát (Giá trị trung bình, độ lệch chuẩn, tứ phân vị, …)
Bước 2 : Lập ma trận hệjsố tương quan của toàn bộ mẫu và từng thời kỳ.
Bước 3 : Kiểm định Hausman-test để lựajchọn mơ hình ảnh hưởngjngẫu nhiên REM hay mơ hình ảnh hưởng cố định FEM.
Bước 4 : Tiếnjhành hồi quy mơjhình chính :
Khả năng sinh lời = β0 + β1CCC + β2CR + β3DEBT + β4SALES + β5D1 + β6D2 + β7(D1*CCC) + β8(D2*CCC) + µ
Saujđó thựcjhiện các kiểm định sau : - Tựjtương quan
- Phươngjsai sai sốjthay đổi - Đa cộngjtuyến (Hệ số VIF) - Tính dừng của chuỗi thời gian
Trường hợp bị phươngjsaijthay đổi hay tự tươngjquan sẽ sử dụngjsai sốjchuẩn mạnh robust để khắc phục đồng thời sửjdụng thêm phương phápjhồi quy GLS, còn nếujmắc các bệnh khácjsẽ kiểm trajlạijdữ liệu và tiếp tục loại bỏ một sốjcôngjty biếnjđộng quá mức.
Bước 5 : Lựa chọn phương pháp phù hợp và thực hiện hồi quy Bước 6 : Lần lượt thay thế các thước đo khác nhau và nhận xét
Bước 7: Thực hiện hồijquy bằng mơ hình GMM để khắc phục nội sinh, so sánh với các kết quả trước đó và nhận xét.
4 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 4.1 Thống kê mô tả dữ liệu 4.1 Thống kê mô tả dữ liệu
Bảng 4.1: Thống kê mô tả dữ liệu
ROA GOI CCC AR INV AP CR Debt Rev Cash
Mean 0.07 0.27 156.92 103.01 92.37 36.5 2.3 0.47 1612.8 0.1 Std. D 0.07 0.2 168.9 146.67 97.14 49.46 2.46 0.22 4081.8 0.1 Min -0.42 -0.14 -51.68 0.00 0.00 0.00 0.05 0.02 1.21 0.0002 P50 0.06 0.21 117.35 65.77 68.93 25.52 1.54 0.49 542.5 0.07 Max 0.78 1.87 3098.37 3081.8 1029.14 832.5 33.15 1.07 52562 0.695 N 1625 1625 1625 1625 1625 1625 1625 1625 1625 1625 Skew 1.18 1.86 5.35 8.17 2.84 6.27 4.92 -0.13 7.34 2.03 Kurto 12.62 9.23 67.69 127.41 16.64 74.51 38.09 2.00 69.76 8.65
Nguồn: Dữ liệu tính tốn và xử lý của tác giả
Bảngj4.1jtrìnhjbàyjthốngjkêjmơ tả giúp ta thấyjnhữngjđặcjtínhjcơjbản của dữ liệu đã thu thập được và đưa ra những nhận định ban đầu về chuỗi dữ liệu nghiên cứu, cụ thể bảng mô tả sẽ mô tả lại dữ liệu bao gồm: giá trị trung bình, trung vị, sai số chuẩn, giá trị nhỏ nhất và giá trị lớn nhất, độ lệch chuẩn và các chỉ số khác.
Qua mẫu gồm 1625 quan sát, ta thấy được bao quát tính chất cũng như đặc điểm của từng yếu tố củajcácjdoanh nghiệpjtrênjsànjchứng khoánjViệt Nam, cụ thể như sau: Giá trị trung bình của tỷ suấtjsinhjlời trênjtổngjtàijsản (ROA)jlàj7%jvới độ lệch chuẩn là 7%. Có nghĩa rằng có sự chênh lệch giá trị ROA bị chệch khỏi giá trị trung bình về cả hai phía với mức 7%, đây là một mức không đáng kể. Giá trị lớn nhất của tỷ suất sinh
lợi trên tổng tài sản của công ty là 78% và giájtrịjnhỏjnhất là -42%, cho thấy mật độ phân tán dữ liệu khá rộng, khảjnăngjsinhjlời giữa từng côngjty là khác nhau.
Tỷjsuất tổng thujnhậpjhoạtjđộngjròng (GOI) của các công ty Việt Nam trung bình khoảng 27% với độ lệch chuẩn 20%, chojthấyjmứcjđộ biến độngjcủa GOI lớn hơn đáng kể so với ROA, một phần là do tác động của mức độ biến động của giá vốn hàng bán. Trong đó giá trị lớn nhất của GOI là 187% trong khi giá trị nhỏ nhất là -14%, mật độ phân tán rộng.
Chujkỳjln chuyểnjtiềnjmặtj(CCC) có giá trị trung bình là 157 ngày, trung vị 117 ngày với độ lệch chuẩn 169 ngày, qua đó thấy được các cơng ty Việt Nam mất đi trung bình khoảng 169 ngày (hơn 5 tháng) từ khi trả tiền mua nguyênjvật liệu, sảnjxuất bán thành phẩm đến khi thujtiền. Giá trị thấp nhất là -52 ngày và giá trị cao nhất là 3098 ngày, cho thấy mẫu quan sát tồn tại những công ty chiếmjdụngjkhá lớn vốn của nhà cung cấp cũng như vẫn có nhiều cơng ty phát sinh những khoản phải thu khó địi.
Xét từng yếu tố của CCC, đầu tiên là khoảngjthời gianjthu tiềnjkháchjhàng (AR) có giá trị trungjbìnhj103 ngày, độjlệch chuẩn gần 146 ngày, nghĩa là các công tyjchojkhách hàng của họ thời gian trả nợ trung bình là khoảng gần 4 tháng.
Thời gian công ty trả tiền chojnhà cungjcấp (AP) trung bình là 37 ngày, độjlệchjchuẩn 49 ngày, nghĩa là các côngjtyjthường được cácjnhà cungjcấp chojphép trả tiền chậm trung bình sau hơn một tháng rưỡi.
Qua các thống kê của hai biến AR và AP, ta thấy các công ty tại Việt Nam đang chịu một rủi ro thanh khoản khá lớn, vì cạnh tranh nên các cơng ty đã áp dụng chính sách bán chịu để thu hút khách hàng, dẫn đến dễ mất cân đối nguồn vốn.
Hàng tồn kho (INV) mất đi trung bình 92 ngày để được xuất kho, trung vị 69 ngày với độ lệch chuẩn 97 ngày và có giá trị lớn nhất là 1029 ngày. Điều này cho thấy thời gian tồn kho tại Việt Nam là khá dài, cần có các chính sách quản lý hợp lý để tối thiểu chi phí tồn trữ và vừa đảm bảo được nhu cầu bán hàng đột xuất.
cho thấy phần lớn các công ty dự trữ tiền ở mức 10% tổng tài sản, tuy vậy vẫn có cơng ty dự trữ tiền mặt rất thấp (0.02%) và có cơng ty dự trữ tiền mặt rất cao lên đến 69.5%. Tỷjsố thanh tốnjhiệnjhànhj(CR) có giá trịjtrungjbình 2.3 với độjlệch chuẩn 2.46. Giá trịjlớnjnhất 33, giá trịjnhỏ nhất là 0.05 và trung vị là 1.54, cho thấy vẫn có nhiều cơng ty đang mất khả năng thanh toán trong ngắn hạn với tỷ số CR bé hơn 1.
Tỷ lệ nợ (DEBT) củajcácjcơngjtyjtrungjbình là 47% với độ lệch chuẩn 22%. Tỷ lệ nợ vay tối đa được sử dụng bởi một công ty là 107% là quá cao, tỷ lệ nợ tối thiểu là 0 có nghĩa là cơng ty khơng sử dụngjđịnjbẫyjtàijchính.
Doanh thu thuần (REV) cójgiájtrịjtrungjbình là 1,612.8 tỷ với độ lệch chuẩn 4,081.8 tỷ, giá trị cao nhất đạt 52,562 tỷ và giá trị nhỏ nhất đạt 1.2 tỷ cho ta hình dung được mẫu