CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
4.1 Kết quả nghiên cứu
4.1.4 Mức độ phù hợp và khả năng dự báo của mơ hình
Bước này sẽ giúp chúng ta đánh giá được mơ hình hồi quy có phù hợp với dữ liệu thực tiễn hay không. Về tổng thể, biến độc lập có tương quan tuyến tính với biến phụ thuộc. Để đánh giá mức độ phù hợp của mơ hình, tác giả sử dụng kiểm định Omnibus. Nếu ta có Model Sig. 0,05 hoặc độ tin cậy từ 95% trở lên thì mơ hình này có biến độc lập tương quan tuyến tính với biến phụ thuộc với khoảng tin cậy 95% trở lên và ngược lại.
Bảng 4.6 Kết quả kiểm định Omnibus
Chi-Square df Sig Step 1 Step 112,24 10 0,000 Block 112,24 10 0,000 Model 112,24 10 0,000 (Nguồn: Tính tốn từ phần mềm SPSS)
Trong bảng 4.6, ta thấy rằng Model Sig. = 0,000 (Model Sig. 0,05) nên về tổng thể, các biến độc lập tương quan tuyến tính với biến phụ thuộc với khoảng tin cậy 95%. Do đó, mơ hình hồi quy Binary Logistic phù hợp với dữ liệu thực tiễn. Xem thêm kết quả này trong Phụ lục 05.
Ngoài ra, để tăng thêm độ tin cậy cho mơ hình, chúng ta xem xét tiếp về khả năng dự báo.
Bảng 4.7 Khả năng dự báo của mơ hình
So sánh kết quả Mơ hình dự báo Khơng có khả năng gian lận Có khả năng gian lận Tỷ lệ dự báo đúng (%) Bước 1 Khả năng gian lận Khơng có khả năng gian lận 288 16 94,7 Có khả năng gian lận 87 59 40,4 Tỷ lệ dự báo đúng bình quân 77,1 (Nguồn: Tính tốn từ phần mềm SPSS) Bảng 4.7 thể hiện khả năng dự báo của mơ hình, trong bảng 4.7 cho chúng ta thấy rằng trong 304 BCTC khơng có khả năng gian lận theo phân loại ban đầu (xem hàng ngang) thì mơ hình đã dự đốn đúng 288 BCTC. Vậy tỷ lệ dự đốn đúng là 94,7%. Cịn với 146 BCTC có khả năng gian lận (xem hàng ngang) thì có 59 trường hợp được dự đoán đúng, tỷ lệ dự đoán đúng là 40,4%. Từ đó, chúng ta tính được khả năng dự báo đúng của mơ hình là 77,1%. Tỷ lệ dự đoán này khá cao. Xem thêm kết quả trong Phụ lục 06.
4.1.5 Mơ hình dự báo
Sau khi loại bỏ các biến khơng có ý nghĩa thống kê, ta có hàm hồi quy như sau: Log(Odds) = βo + DSRI + GMI+ AQI+ SGI+ 5DEPI+ 6SGAI + 7TAT
A + 8LVGI - 9Z-SCORE + ISSUE + Ɛi
Log(Odds) = -3,370 + 0,147DSRI + 0,208GMI+ 2,240AQI + 1,083LVGI – 0,109Z-SCORE + 0,479ISSUE
Hay FRAUD = -3,370 + 0,147DSRI + 0,208GMI+ 2,240AQI + 1,083LVGI – 0,109Z-SCORE + 0,479ISSUE
Kết luận: Qua ba kiểm định nêu trên, đề tài đã xác định được sáu biến đọc
lập có ảnh hưởng đến khả năng gian lận BCTC đó là biến Chỉ số phải thu khách hàng trên DT thuần (DSRI), Chỉ số lợi nhuận gộp biên (GMI), Chỉ số chất lượng tài sản (AQI), Chỉ số đòn bẩy tài chính (LVGI), biến Phát hành cổ phiếu trong năm (ISSUE) có tác động cùng chiều và Hệ số nguy cơ phá sản (Z-SCORE) có tác động ngược chiều. Các biến còn lại là Chỉ số tăng trưởng doanh thu (SGI), Chỉ số khấu hao TSCĐ (DEPI), Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), Chỉ số biến dồn tích kế tốn so với tổng tài sản (TATA) tác giả chưa tìm thấy có mối quan hệ với biến phụ thuộc. Và cũng thông qua các kiểm định, chúng ta thấy rằng mơ hình này có mức độ giải thích là 30,8%, đồng thời phù hợp với dữ liệu thực tiễn. Tỷ lệ dự báo đúng cũng khá cao, đạt 77,1%.
4.2 Bàn luận về kết quả nghiên cứu
Bảng 4.4 Hệ số hồi quy
Biến độc lập S.E. Wald df Sig. Exp ( ) 95% C.I.For EXP( ) Lower Upper Chỉ số phải thu khách hàng trên DT thuần (DSRI) 0,147 0,071 4,223 1,000 0,040 1,158 1,007 1,332 Chỉ số lợi nhuận gộp biên (GMI) 0,208 0,118 3,134 1,000 0,077 1,232 0,978 1,552 Chỉ số chất lượng tài sản (AQI) 2,240 0,469 22,832 1,000 0,000 9,394 3,748 23,546 Chỉ số tăng
trưởng doanh thu (SGI) -0,150 0,141 1,121 1,000 0,290 0,861 0,653 1,136 Chỉ số khấu hao TSCĐ (DEPI) 0.003 0,007 0,235 1,000 0,628 1,004 0,989 1,018 Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI) -0,020 0,078 0,068 1,000 0,794 0,980 0,841 1,142
Chỉ số biến dồn tích kế tốn so với tổng tài sản (TATA) 0.601 1,056 0,324 1,000 0,569 1,823 0,230 14,445 Chỉ số đòn bẩy tài chính (LVGI) 1,083 0,355 9,311 1,000 0,002 2,955 1,473 5,925 Hệ số nguy cơ phá sản (Z-Score) -0,190 0,042 20,157 1,000 0,000 0,827 0,761 0,898 Phát hành cổ
phiếu trong năm (ISSUE)
0,479 0,240 3,972 1,000 0,046 1,615 1,008 2,586
Hệ số chặn
(Constant) -3,370 0,694 23,618 1,000 0,000 0,034
Trong cột hệ số hồi quy ở bảng 4.4 nêu trên:
Hệ số hồi quy của biến Chỉ số phải thu khách hàng trên DT thuần (DSRI) là 0,147 ( = 0,147). Hệ số hồi quy của DSRI có dấu dương (+) nghĩa là DSRI có tác động cùng chiều với biến phụ thuộc FRAUD. Hệ số này có nghĩa là nếu Chỉ số phải thu khách hàng trên Doanh thu thuần tăng thêm 1% với điều kiện các yếu tố khác khơng đổi thì Log của tỷ lệ xác suất có khả năng gian lận BCTC và khơng có khả năng gian lận BCTC tăng thêm 0,147 lần. Điều này phù hợp với giả thuyết ban đầu của tác giả rằng chỉ số DSRI càng lớn thì khả năng doanh nghiệp điều chỉnh lợi nhuận lớn hơn mức thực tế càng lớn. Giả thuyết H1 được chấp nhận. Kết quả này cũng tương đồng với nghiên cứu của Beneish (1999), nghiên cứu của Dechow và cộng sự (2011).
Để hiểu rõ hơn về sự tác động của DSRI lên biến FRAUD, chúng ta giả định rằng xác suất có khả năng gian lận BCTC là 10% ( = 10%). Giả sử các yếu tố khác không đổi, do DSRI tác động nên xác suất BCTC có khả năng gian lận là .
=
( )
Trong đó: là hệ số tác động của biến DSRI. Trong Bảng 4.4 ( )
= 1,158.
= 11,40% có nghĩa là nếu xác suất có khả năng gian lận BCTC ban đầu là
10%, khi các yếu tố khác không đổi, nếu biến DSRI được tăng thêm 1% thì xác suất có khả năng gian lận BCTC sẽ là 11,40% (nghĩa là sẽ tăng thêm 1,4% so với xác suất ban đầu).
Tương tự, ta tính được xác suất cho các biến cịn lại như trong Bảng 4.8:
Bảng 4.8 Tổng hợp xác suất xuất hiện của mơ hình = 10%
Biến Thay đổi xác suất
Chỉ số chất lượng tài
sản (AQI) 2,240 9,394 51,07 41,07
Chỉ số địn bẩy tài
chính (LVGI) 1,083 2,955 24,72 14,72
Phát hành cổ phiếu
trong năm (ISSUE) 0,479 1,615 15,21 5,21
Chỉ số lợi nhuận gộp biên (GMI) 0,208 1,232 12,04 2,04 Chỉ số phải thu khách hàng trên DT thuần (DSRI) 0,147 1,158 11,4 1,4 Hệ số nguy cơ phá sản (Z-Score) -0,190 0,827 8,42 -1,58 (Nguồn: Tác giả tự tính tốn) Hệ số hồi quy của biến Chỉ số chất lượng tài sản (AQI) là 2,240 ( = 2,240). Hệ số hồi quy của AQI có dấu dương (+) nghĩa là AQI có tác động cùng chiều với biến phụ thuộc FRAUD;
Nếu xác suất có khả năng gian lận BCTC ban đầu là 10%, khi các yếu tố khác khơng đổi, nếu biến AQI được tăng thêm 1% thì xác suất có khả năng gian lận BCTC sẽ là 51,07% (nghĩa là sẽ tăng thêm 41,07% so với xác suất ban đầu, ảnh hưởng lớn nhiểu nhất so với các biến còn lại). Giả thuyết H2 ban đầu được chấp nhận. Kết quả này cũng phù hợp với nghiên cứu của Beneish (1999), Hoàng Khánh và Trần Thị Thu Hiền (2015).
Hệ số hồi quy của biến Chỉ số địn bẩy tài chính (LVGI) là 1,083 ( = 0,1083). Hệ số hồi quy của LVGI có dấu dương (+) nghĩa là LVGI có tác động cùng chiều với biến phụ thuộc FRAUD;
Nếu xác suất có khả năng gian lận BCTC ban đầu là 10%, khi các yếu tố khác không đổi, nếu biến LVGI được tăng thêm 1% thì xác suất có khả năng gian lận BCTC sẽ là 24,72% (nghĩa là sẽ tăng thêm 14,72% so với xác suất ban đầu). Giả thuyết H8 được chấp nhận. Kết quả này cũng tương đồng với nghiên cứu của Beneish (1999), Charalambos T. Spathis (2002), Ca Thị Ngọc Tố (2017).
Hệ số hồi quy của biến Phát hành cổ phiếu trong năm (ISSUE) là 0,479
( = 0,479). Hệ số hồi quy của ISSUE có dấu dương (+) nghĩa là ISSUE có tác
động cùng chiều với biến phụ thuộc FRAUD;
Nếu xác suất có khả năng gian lận BCTC ban đầu là 10%, khi các yếu tố khác khơng đổi, nếu doanh nghiệp có phát hành cổ phiếu trong năm thì xác suất có khả năng gian lận BCTC sẽ là 15,21% (nghĩa là sẽ tăng thêm 5,21% so với xác suất ban đầu). Giả thuyết H10 ban đầu mà tác giả đưa ra được chấp nhận, doanh nghiệp có phát hành thêm cổ phiếu trong năm thì có khả năng gian lận nhiều hơn. Kết quả này phù hợp với nghiên cứu của Dechow và các cộng sự (2011).
Hệ số hồi quy của biến Chỉ số lợi nhuận gộp biên (GMI) là 0,208 ( = 0,208). Hệ số hồi quy của GMI có dấu dương (+) nghĩa là GMI có tác động cùng chiều với biến phụ thuộc FRAUD;
Nếu xác suất có khả năng gian lận BCTC ban đầu là 10%, khi các yếu tố khác không đổi, nếu biến GMI được tăng thêm 1% thì xác suất có khả năng gian lận BCTC sẽ là 12,04% (nghĩa là sẽ tăng thêm 2,04% so với xác suất ban đầu). Kết quả này phù hợp với giả thuyết ban đầu của tác giả, các cơng ty có GMI càng cao thì càng có khả năng gian lận BCTC. Giả thuyết H5 được chấp nhận và kết quả này cũng phù hợp với nghiên cứu của Beneish (1999), nghiên cứu của Lev và Thiagarajan (1993), Tarjo và Nural (2015), Ca Thị Ngọc Tố (2017).
Hệ số hồi quy của biến Hệ số nguy cơ phá sản (Z-Score) là -0,190
( = -0,190). Hệ số hồi quy của Z-Score có dấu âm (-) nghĩa là Z-Score có
tác động ngược chiều với biến phụ thuộc FRAUD;
Nếu xác suất có khả năng gian lận BCTC ban đầu là 10%, khi các yếu tố khác không đổi, nếu Z-Score được tăng thêm 1 đơn vị thì xác suất có khả năng gian lận BCTC sẽ là 8,42% (nghĩa là sẽ giảm 1,58% so với xác suất ban đầu, ảnh hưởng ngược chiều với biến phụ thuộc). Như vậy, giả thuyết ban đầu H9 của tác giả được chấp nhận, hệ số nguy cơ phá sản càng cao thì tình hình tài chính của cơng ty càng tốt vì vậy mà khả năng gian lận BCTC càng thấp. Kết quả này phù hợp với nghiên cứu của EdWard I.Altman (1968), Charalambos T. Spathis (2002), Altman và Hotchkiss (2006), Muntari Mahama (2015), Võ Văn Nhị và Hoàng Cẩm Trang (2013), Trần Việt Hải (2017).
Với kết quả trong Bảng 4.4 thì tác giả chưa tìm thấy mối quan hệ giữa biến phụ thuộc với các biến Chỉ số khấu hao TSCĐ (DEPI), Chỉ số biến dồn tích kế tốn so với tổng tài sản (TATA), Chỉ số tăng trưởng doanh thu (SGI) và Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI). Vì vậy mà giả thuyết H3, H4, H6, H7 bị bác bỏ.
Theo kỳ vọng thì nếu chỉ số khấu hao TSCĐ càng cao thì khả năng xảy ra gian lận BCTC càng lớn. Vì nếu DEPI > 1 thì chứng tỏ tỷ lệ khấu hao của năm t giảm so với năm t-1. Việc giảm tỷ lệ này rất có thể là do doanh nghiệp cố tình thay đổi thời gian sử dụng hữu ích của tài sản hoặc thay đổi phương pháp khấu hao nhằm tăng lợi nhuận trong kỳ. Tuy nhiên, theo kết quả nghiên cứu thì biến này khơng có mối quan hệ thống kê với khả năng gian lận BCTC. Tức là tỷ lệ khấu hao của năm t giảm hơn so với năm t-1 là bình thường, khơng phải do doanh nghiệp muốn điều chỉnh lợi nhuận. Điều này có thể là do doanh nghiệp thay đổi phương pháp khấu hao để phù hợp hơn với đặc điểm của mình. Tại VN, tác giả chưa tìm thấy có nghiên cứu tương đồng, vì vậy mà kết quả nghiên cứu về biến DEPI của đề tài này nên được các nghiên cứu tiếp theo lưu ý và xem xét kỹ hơn.
Giả thuyết H4 cho rằng chỉ số TATA càng lớn thì lượng tiền mặt tồn quỹ trong doanh nghiệp càng ít, khả năng doanh nghiệp gian lận BCTC càng cao. Tuy nhiên, kết quả nghiên cứu cho thấy chỉ số TATA khơng có mối quan hệ thống kê với khả năng gian lận BCTC. Điều này có nghĩa là lượng tiền mặt tồn quỹ trong doanh nghiệp cịn ít khơng chứng tỏ được rằng doanh nghiệp gặp khó khăn về mặt tài chính, mà đây có thể chỉ là sự thiếu hụt tạm thời nên doanh nghiệp khơng vì yếu tố này mà thực hiện hành vi gian lận BCTC. Nghiên cứu có cùng kết quả là Ca Thị Ngọc Tố (2017), Hoàng Khánh và Trần Thị Thu Hiền (2015).
Giả thuyết H6 tác giả kỳ vọng rằng doanh nghiệp có Chỉ số tăng trưởng doanh thu (SGI) càng cao thì khả năng gian lận BCTC càng lớn. Tuy nhiên, từ kết quả nghiên cứu ta thấy được rằng đối với các doanh nghiệp trên sàn HOSE thì việc tăng trưởng doanh thu nhiều hơn so với năm trước khơng có mối quan hệ với khả năng gian lận BCTC. Nghiên cứu có kết quả tương đồng là Tarjo và Nural (2015),
Cuối cùng, giả thuyết H7 đã bị bác bỏ khi cho rằng chỉ số chi phí bán hàng và quản lý doanh nghiệp mà lớn hơn 1 thì triển vọng phát triển trong tương lai không tốt nên SGAI càng cao thì khả năng gian lận BCTC càng lớn. Tức là tỷ số chi phí bán hàng và quản lý doanh nghiệp trên doanh thu thuần mà lớn hơn 1 rất có thể là do doanh nghiệp đẩy mạnh quảng cáo bán hàng, hoặc thay đổi chính sách bán hàng hiệu quả hơn, hoặc có thể là do thay thế được nhân sự quản lý tốt hơn, cũng có thể là do doanh thu thuần bị sụt giảm. Nghiên cứu có cùng kết quả là nghiên cứu của Hoàng Khánh và Trần Thị Thu Hiền (2015).
KẾT LUẬN CHƯƠNG 4
Với bộ dữ liệu tác giả thu thập được đó là 450 BCTC của các công ty niêm yết trên sàn giao dịch HOSE, sau khi thực hiện qua các bước xử lý và phân tích dữ liệu thì ta thấy rằng có sáu biến độc lập có mối quan hệ có ý nghĩa thống kê với khả năng gian lận BCTC đó là Chỉ số phải thu khách hàng trên DT thuần (DSRI), Chỉ số lợi nhuận gộp biên (GMI), Chỉ số chất lượng tài sản (AQI), Chỉ số địn bẩy tài chính (LVGI), Hệ số nguy cơ phá sản (Z-Score) và biến Phát hành cổ phiếu trong năm (ISSUE). Trong số các biến độc lập này, Z-Score có tác động ngược chiều với khả năng gian lận, năm biến cịn lại đều có tác động cùng chiều. Kết quả này hoàn toàn phù hợp với các giả thuyết liên quan mà tác giả đã đưa ra. Và đây là sáu biến độc lập có khả năng phát hiện gian lận trên BCTC mà tác giả đã tìm ra, giải quyết được mục tiêu nghiên cứu đầu tiên đã đưa ra ở mục 2 phần mở đầu.
Bốn biến tác giả chưa tìm thấy mối quan hệ có ý nghĩa thống kê với biến phụ thuộc đó là biến Chỉ số khấu hao TSCĐ (DEPI), Chỉ số biến dồn tích kế tốn so với tổng tài sản (TATA), Chỉ số tăng trưởng doanh thu (SGI) và Chỉ số chi phí bán hàng, quản lý doanh nghiệp (SGAI). Vì vậy mà các giả thuyết H3, H4, H6, H7 tác giả đã đưa ra bị bác bỏ.
Sau khi xác định được các biến có ý nghĩa thống kê tác giả tiến hành kiểm định thêm mức độ giải thích của mơ hình, chỉ số Nagelkerke = 30,8%. Điều này có nghĩa là 30,8% sự thay đổi của khả năng gian lận BCTC được giải thích bởi các biến độc lập của mơ hình. Cuối cùng, kết quả kiểm định Omnibus cho thấy rằng mơ hình hồi quy binary Logistic của tác giả là phù hợp với dữ liệu thực tiễn với một tỷ lệ dự báo đúng khá cao là 77,1%. Kết quả này đã giải quyết được mục tiêu nghiên cứu thứ hai mà đề tài đã đưa ra.
Kết quả trong chương 4 đã được tác giả trình bày sẽ là cơ sở giúp tác giả đưa ra một số kiến nghị cũng như giải pháp cho các công ty phát hành báo cáo và các bên liên quan trong việc lập, trình bày, sử dụng cũng như quản lý chất lượng BCTC của các cơng ty niêm yết trên sàn giao dịch HOSE nói riêng và các cơng ty niêm yết trên TTCK nói chung.
CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
5.1 Kết luận chung
Trong đề tài nghiên cứu, tác giả đã tiến hành thu thập dữ liệu về BCTC của các công ty đang niêm yết tại sàn HOSE để tiến hành phân tích đưa ra các kết luận mang tính khoa học nhằm giúp các bên liên quan như kiểm tốn viên, các nhà đầu tư, …có thể áp dụng để phát hiện gian lận BCTC. Thông qua phương pháp thống kê mô tả, hồi quy logistic với các kiểm định liên quan, đề tài đã đưa ra được mơ hình dự báo gian lận BCTC cho các công ty niêm yết trên sàn HOSE (mục 4.5.2). Mơ hình dự báo này có độ tin cậy khá cao là 77,1%, giải quyết được mục tiêu thứ hai