Bảng 4.5: Thống kê mơ tả các biến trong mơ hình
Variable Obs Mean Std. Dev. Min Max
ROA 280 0.0700 0.0773 (0.0768) 0.4163 ROE 280 0.1287 0.1258 (0.5555) 0.5016 STD 280 0.2721 0.2254 0.0256 0.9449 LTD 280 0.2553 0.2242 0.0001 0.9493 TD 280 0.5271 0.2371 0.0298 1.1180 SIZE 280 13.8744 1.3300 11.0151 16.8803 SGROW 280 0.1698 0.6838 (0.7778) 8.8297 TANG 280 0.5313 0.3356 0.0040 0.9687 Nguồn: Tính tốn của tác giả từ phần mềm Stata 15.1
(xem phụ lục 7)
Bảng thống kê mô tả các biến trong giai đoạn 2012 đến 2018 của các công ty ngành năng lượng niêm yết trên TTCK Việt Nam, cho thấy ROA có giá trị trung bình là 7%, thấp nhất là lỗ 7,68% và cao nhất là lãi 41,63% với độ lệch chuẩn là 7,73% chứng tỏ có sự biến động khá cao qua các năm.
Cấu trúc vốn của DN ngành năng lượng cũng tương tự như vậy (Bảng 4.5), có trường hợp cấu trúc nợ quá cao (cao nhất là hơn 94%) sẽ gây rủi ro cho DN (số liệu này thuộc công ty SP2 (Công Ty Cổ Phần Thủy Điện SỬ PÁN 2 – Mã chứng khóan SP2) tuy nhiên do số lượng cơng ty ngành năng lượng cịn khá khiêm tốn vì vậy vẫn giữ cơng ty này để chạy mơ hình.
4.3 Ma trận tương quan giữa các biến trong mơ hình
Kết quả bảng 4.6 cho thấy các biến độc lập trong mơ hình đều có mối tương quan giữa biến phụ thuộc và các biến độc lập, các biến độc lập cũng có mối tương quan với nhau với hệ số nhỏ hơn 0,8, có thể chấp nhận được. Nhưng đó khơng phải là cách tốt khi chỉ dựa vào các hệ số tương quan cặp giản đơn, bởi vì chúng khơng giữ cố định các biến khác trong mơ hình trong khi tính các hệ số tương quan cặp nên cần thực hiện thêm các kiểm định khác để bảo đảm độ tin cậy trong mơ hình.
Bảng 4.6: Ma trận tương quan giữa các biến trong mơ hình
Variable ROA ROE STD LTD TD SIZE SGROWTH TANG
ROA 1 ROE 0.7944 1 STD -0.3181 -0.1570 1 LTD -0.3644 -0.1997 -0.4433 1 TD -0.6472 -0.3388 0.5300 0.5251 1 SIZE -0.2513 -0.1270 -0.0710 0.3695 0.2812 1 SGROWTH -0.0321 -0.0394 -0.1103 0.0464 -0.0610 0.0698 1 TANG 0.0130 0.0181 -0.5319 0.6221 0.0838 0.0433 0.0431 1
4.4 Tác động của địn bẩy đến hiệu quả cơng ty niêm yết ngành năng lượng 4.4.1 Ước lượng bằng các mơ hình: (1) Pool OLS, (2) FEM, (3) REM cho ROA
Sau khi ước lượng bằng các mơ hình định lượng và thực hiện các kiểm định lần lượt với 3 mơ hình là: (1) Pool OLS, (2) FEM, (3) REM cho ROA (kết quả chạy mơ hình đã trình bày ở phụ lục 6).
Do các mơ hình này đều bị các hiện tượng phương sai sai số thay đổi, vi phạm vấn đề tự tương quan nên việc kiểm định Hausman lựa chọn mơ hình khơng cần thiết nữa.
Kết quả thể hiện ở bảng sau đây:
Bảng 4.7: Tổng hợp ảnh hưởng của CTV đến ROA theo các mô hình ước lượng
Nguồn: Tính tốn của tác giả từ phần mềm Stata 15.1 (xem phụ lục 7)
4.4.2 Ước lượng bằng các mơ hình Pool OLS, FEM, REM cho ROE
Tương tự như trên, ta cũng ước lượng bằng các mơ hình định lượng và thực hiện các kiểm định lần lượt với 3 mơ hình là: (1) Pool OLS, (2) FEM, (3) REM cho ROE (phụ lục 7) và các mơ hình này cũng đều bị các hiện tượng phương sai sai số thay đổi, vi phạm vấn đề tự tương quan như trên. Kết quả thể hiện ở bảng 4.8
* p<0.1, ** p<0.05, *** p<0.01 t statistics in parentheses N 280 280 280 (4.78) (-0.91) (2.64) _cons 0.198*** -0.205 0.208*** (2.36) (-2.31) (-1.37) TANG 0.0346** -0.0428** -0.0215 (-1.42) (1.62) (1.18) SGROWTH -0.00735 0.00542 0.00400 (-0.82) (1.92) (-0.07) SIZE -0.00240 0.0319* -0.000431 (-0.78) (-1.03) (-0.84) TD -0.634 -0.536 -0.443 (0.49) (0.51) (0.41) LTD 0.398 0.265 0.219 (0.55) (0.49) (0.39) STD 0.444 0.253 0.205 ROA ROA ROA (1) (2) (3)
Bảng 4.8: Ước lượng bằng các mơ hình Pool OLS, FEM, REM cho ROE
Nguồn: Tính tốn của tác giả từ phần mềm Stata 15.1 (xem phụ lục 7)
4.5 Kiểm định các khuyết tật của mơ hình 4.5.1 Kiểm định hiện tượng tự đa cộng tuyến
Có hai cách để kiểm định hiện tượng tự đa cộng tuyến là dựa vào hệ số phóng đại phương sai VIF, hoặc dựa vào ma trận hệ số tương quan. Tuy nhiên cách dùng ma trận hệ số tương quan ít được sử dụng (như đã nói trên), nên chủ yếu người ta thường sử dụng chỉ số VIF để xem xét.
Theo lý thuyết nếu hệ số phóng đại phương sai VIF (variance inflation factor) > 2 thì có dấu hiệu đa cộng tuyến, đây là điều khơng mong muốn, mơ hình bị vi phạm. Nếu VIF > 10 thì chắc chắn có đa cộng tuyến. Nếu VIF <2: không bị đa cộng tuyến.
* p<0.1, ** p<0.05, *** p<0.01 t statistics in parentheses N 280 280 280 (2.52) (-0.59) (1.68) _cons 0.212** -0.364 0.238* (1.49) (-0.64) (0.10) TANG 0.0445 -0.0326 0.00382 (-0.99) (0.56) (0.11) SGROWTH -0.0104 0.00514 0.000958 (-0.10) (1.05) (-0.04) SIZE -0.000572 0.0478 -0.000441 (-0.86) (-0.70) (-0.66) TD -1.426 -1.005 -0.932 (0.73) (0.51) (0.52) LTD 1.208 0.726 0.728 (0.77) (0.49) (0.52) STD 1.271 0.696 0.736 ROE ROE ROE (1) (2) (3)
Kết quả cho thấy có hiện tượng cộng tuyến giữa các biến: VIF trung bình rất lớn hơn 2 và các hệ số VIF của các biến cấu trúc vốn đều lớn hơn 10.
Bảng 4.9: Kiểm định hiện tượng đa cộng tuyến
Variable VIF 1/VIF
TD 3039.9 0.0003 STD 2741.5 0.0004 LTD 2723.5 0.0004 TANG 1.99 0.5024 SIZE 1.25 0.8008 SGROWTH 1.02 0.9831 Mean VIF 1418.2
Nguồn: Tính tốn của tác giả (xem phụ lục 7)
4.5.2 Kiểm định hiện tượng tự tương quan
Mơ hình khơng bị hiện tượng tự tương quan do Prob>F (0,0121 <0,05)
Bảng 4.10: Kiểm định hiện tượng tự tương quan
Nguồn: Tính tốn của tác giả từ phần mềm Stata 15.1(xem phụ lục 7)
4.5.3 Kiểm định phương sai sai số thay đổi (White test)
Mơ hình đã bị vi phạm vấn đề phương sai sai số thay đổi qua kết quả kiểm định White và Breusch and Pagan Lagrangian.
Prob > F = 0.0121 F( 1, 39) = 6.924 H0: no first-order autocorrelation
Wooldridge test for autocorrelation in panel data . xtserial ROA STD LTD TD SIZE SGROW TANG
Bảng 4.11: Kiểm định phương sai sai số thay đổi
Nguồn: Tính tốn của tác giả từ phần mềm Stata 15.1 (xem phụ lục 7)
Đồng thời, khi thực hiện kiểm định phương sai sai số thay đổi bằng Breusch & Pagan thì cũng cho kết quả tương tự, mơ hình đã bị vi phạm vấn đề phương sai sai số thay đổi.
Nhằm khắc phục hiện tượng đa cộng tuyến, phương sai sai số thay đổi và mẫu dữ liệu nhỏ, luận văn sử dụng mơ hình GMM 2 bước (Two-step difference GMM) như đã trình bày trong chương 3.
Phương pháp này cũng được tìm thấy trong nghiên cứu của Chaiporn Vithessonthi Jittima Tongurai (2014); Ngơ Văn Tồn và Vũ Bá Thành (2014)
Total 140.82 28 0.0000 Kurtosis 6.14 1 0.0132 Skewness 7.98 6 0.2394 Heteroskedasticity 126.70 21 0.0000 Source chi2 df p Cameron & Trivedi's decomposition of IM-test
Prob > chi2 = 0.0000 chi2(21) = 126.70
against Ha: unrestricted heteroskedasticity White's test for Ho: homoskedasticity
Bảng 4.12: Kiểm định phương sai sai số thay đổi bằng Breusch & Pagan
Nguồn: Tính tốn của tác giả từ phần mềm Stata 15.1 (xem phụ lục 7)
4.6 Tác động của CTV đến hiệu quả DN ngành năng lượng bằng GMM
Cả 3 mơ hình ước lượng cho biến ROA đều khơng có ý nghĩa thống kê, vi phạm kiểm định đa cộng tuyến và phương sai sai số thay đổi. Nhằm khắc phục các vi phạm nói trên, như lập luận đã trình bày ở chương 3, ta dùng mơ hình GMM 2 bước (Two-step difference GMM), kết quả thể hiện ở bảng sau:
Kết quả ước lượng của mơ hình GMM cho thấy các biến đều có ý nghĩa thống kê (p value < 0,05), tổng nợ tác động ngược chiều (-) với ROA giống như kỳ vọng của mơ hình nghiên cứu. Tuy nhiên, nợ ngắn hạn và nợ dài hạn đều có tác động cùng chiều (+) với ROA, kết quả này giống như nghiên cứu của một số tác giả trước đây như: Dimitris Margaritis, Maria Psillaki (2010); Kwangmin Park, SooCheong (Shawn) Jang (2013) nhưng khác với kỳ vọng của tác giả.
Biến SIZE, SGROWTH tác động tích cực đến ROA, đúng với kỳ vọng và giống với các nghiên cứu trước.
Riêng biến TANG tác động tiêu cực đến hiệu quả DN, cụ thể là biến ROA, đúng với kỳ vọng tác động theo giả thuyết nghiên cứu trong chương 3. Điều này có thể là do đặc thù trong ngành năng lượng. Từ đó, cho thấy các DN ngành năng lượng
Prob > chibar2 = 0.0000 chibar2(01) = 293.10 Test: Var(u) = 0 u .0020438 .0452085 e .0011908 .0345084 ROA .005969 .0772594 Var sd = sqrt(Var) Estimated results:
ROA[MACK1,t] = Xb + u[MACK1] + e[MACK1,t]
cần lưu ý khi gia tăng tài sản cố định. Khi quy mơ tài sản tăng lên thì tỉ lệ tài sản cố định chỉ tăng tương ứng cùng tỉ lệ hoặc tăng chậm hơn để không ảnh hưởng tiêu cực lên hiệu quả DN
Bảng 4.13: Ước lượng tác động của CTV đến ROA
Nguồn: Tính tốn của tác giả từ phần mềm Stata 15.1
Difference (null H = exogenous): chi2(3) = 9.03 Prob > chi2 = 0.029 Hansen test excluding group: chi2(25) = 24.09 Prob > chi2 = 0.514 iv(SIZE SGROWTH TANG)
Difference-in-Hansen tests of exogeneity of instrument subsets: (Robust, but weakened by many instruments.)
Hansen test of overid. restrictions: chi2(28) = 33.12 Prob > chi2 = 0.231 (Not robust, but not weakened by many instruments.)
Sargan test of overid. restrictions: chi2(28) = 35.64 Prob > chi2 = 0.152 Arellano-Bond test for AR(2) in first differences: z = -0.85 Pr > z = 0.395 Arellano-Bond test for AR(1) in first differences: z = -1.44 Pr > z = 0.149 L(2/5).(STD LTD TD)
GMM-type (missing=0, separate instruments for each period unless collapsed) D.(SIZE SGROWTH TANG)
Standard
Instruments for first differences equation
Warning: Uncorrected two-step standard errors are unreliable.
TANG -.066136 .0200711 -3.30 0.002 -.1067012 -.0255707 SGROWTH .003956 .0023537 1.68 0.101 -.000801 .0087131 SIZE .1333127 .0156305 8.53 0.000 .1017222 .1649032 TD -6.794791 2.040201 -3.33 0.002 -10.91819 -2.671392 LTD 6.238376 2.032158 3.07 0.004 2.131232 10.34552 STD 6.271695 2.045132 3.07 0.004 2.13833 10.40506 L1. -.1119908 .0320204 -3.50 0.001 -.1767065 -.0472752 ROA ROA Coef. Std. Err. t P>|t| [95% Conf. Interval] Prob > F = 0.000 max = 5 F(7, 40) = 90.35 avg = 5.00 Number of instruments = 35 Obs per group: min = 5 Time variable : NĂM Number of groups = 40 Group variable: MACK1 Number of obs = 200 Dynamic panel-data estimation, two-step difference GMM
Bảng 4.14: Ước lượng tác động của CTV đến ROE
Nguồn: Tính tốn của tác giả từ phần mềm Stata 15.1
Difference (null H = exogenous): chi2(3) = 5.22 Prob > chi2 = 0.157 Hansen test excluding group: chi2(25) = 28.41 Prob > chi2 = 0.289 iv(SIZE SGROWTH TANG)
Difference-in-Hansen tests of exogeneity of instrument subsets: (Robust, but weakened by many instruments.)
Hansen test of overid. restrictions: chi2(28) = 33.62 Prob > chi2 = 0.214 (Not robust, but not weakened by many instruments.)
Sargan test of overid. restrictions: chi2(28) = 25.39 Prob > chi2 = 0.606 Arellano-Bond test for AR(2) in first differences: z = -2.13 Pr > z = 0.033 Arellano-Bond test for AR(1) in first differences: z = -0.70 Pr > z = 0.486 L(2/5).(STD LTD TD)
GMM-type (missing=0, separate instruments for each period unless collapsed) D.(SIZE SGROWTH TANG)
Standard
Instruments for first differences equation
Warning: Uncorrected two-step standard errors are unreliable.
TANG -.1218704 .0469057 -2.60 0.013 -.2166703 -.0270705 SGROWTH .0046609 .0022343 2.09 0.043 .0001452 .0091767 SIZE .3300227 .0452916 7.29 0.000 .238485 .4215603 TD -16.27993 5.222394 -3.12 0.003 -26.83478 -5.725074 LTD 15.09048 5.176681 2.92 0.006 4.62802 25.55295 STD 15.52553 5.189777 2.99 0.005 5.036598 26.01446 L1. -.3657673 .0254303 -14.38 0.000 -.4171639 -.3143707 ROE ROE Coef. Std. Err. t P>|t| [95% Conf. Interval] Prob > F = 0.000 max = 5 F(7, 40) = 66.12 avg = 5.00 Number of instruments = 35 Obs per group: min = 5 Time variable : NĂM Number of groups = 40 Group variable: MACK1 Number of obs = 200 Dynamic panel-data estimation, two-step difference GMM
Kết quả ước lượng của mơ hình cho thấy các biến đều có ý nghĩa thống kê (p value < 0,05), nợ ngắn và nợ dài đều tác động cùng chiều (+) với ROE giống như kỳ vọng của mơ hình nghiên cứu. Tuy nhiên, tổng nợ (TD) có tác động ngược chiều (-), kết quả này giống như nghiên cứu của một số tác giả trước đây như: Oyakhilome W. Ibhagui, Felicia O. Olokoyo (2018); Thi Phuong Vy Le và Thi Bich Nguyet Phan (2017) nhưng khác với kỳ vọng của tác giả.
Kết luận chương 4
Luận văn đã phân tích tác động của các biến trong mơ hình nghiên cứu đến hiệu quả DN, trong đó cấu trúc vốn, với sự có mặt của các biến kiểm sốt khi ước lượng bằng các mơ hình Pool OLS, REM, FEM đề khơng có ý nghĩa thống kê và vi phạm một số kiểm định. Sau đó, khi ước lượng bằng mơ hình GMM 2 bước thì thấy có ý nghĩa thống kê và hầu hết đã mang lại các kết quả giống như kỳ vọng tác động của luận văn.
CHƯƠNG 5 KẾT LUẬN VÀ HÀM Ý NGHIÊN CỨU
5.1 Kết luận
Kết quả nghiên cứu của luận văn đã đáp ứng được mục tiêu nghiên cứu: là xem xét ảnh hưởng của các nhân tố cấu trúc vốn lên hiệu quả của các công ty ngành năng lượng/ điện khí niêm yết trên thị trường chứng khoán Việt Nam.
Cấu trúc vốn được đo bằng 3 biến: nợ ngắn hạn (STD), nợ dài hạn (LTD), Tổng nợ (TD) và hiệu quả DN đo bằng 2 biến: Tỉ suất sinh lợi trên tài sản (ROA) và Tỉ suất sinh lợi trên VCP (ROE).
Bằng phương pháp ước lượng GMM 2 bước khắc phục các khuyết tật phương sai sai số thay đổi và hiện tượng đa cơng tuyến của các mơ hình Pool OLS, FEM, REM đã cho thấy bằng chứng thực nghiệm khi nghiên cứu các công ty ngành năng lượng/ điện khí niêm yết trên TCCK Việt Nam: Luận văn muốn nêu lên kết luận từ kết quả thực nghiệm của mình rằng khi DN cấu trúc vốn có nợ thì nó sẽ là địn bẩy để gia tăng TSSL cho chủ sở hữu nhưng nó cũng đầy rủi ro. Dưới tác động của 3 biến kiểm sốt: quy mơ DN (SIZE), Tăng trưởng doanh thu (SGROWTH) và Tỉ lệ tài sản cố định trên tổng tài sản (TANG). Kết quả từ GMM 2 bước cho thấy biến SIZE và SGROWTH tác động tích cực đến hiệu quả DN, riêng biến TANG thì ảnh hưởng tiêu cực.
5.2 Hàm ý nghiên cứu
Nghiên cứu cho thấy hàm ý việc lựa chọn cấu trúc vốn tác động lên hiệu quả hoạt động công ty niêm yết ở thị trường chứng khóan Việt Nam. Khi doanh nghiệp sử dụng cấu trúc vốn theo hướng tăng đòn cân nợ sẽ gây ra một số rủi ro như: Giới hạn các cơ hội đầu tư, có nguy cơ làm ăn thua lỗ do gánh nặng thêm chi phí lãi vay, mất khả năng thanh toán nợ… cũng như khả năng doanh nghiệp bị phá sản sẽ cao hơn. Vấn đề này càng nghiêm trọng hơn khi có những bất ổn của kinh tế vĩ mô xảy ra. Nhưng ngược lại, doanh nghiệp cũng có một số lợi ích khi tăng địn cân nợ: Doanh nghiệp mở rộng thị trường, đầu tư các dự án sinh lời…; doanh nghiệp đổi mới cơng nghệ, từ đó nâng cao năng lực cạnh tranh và hiệu quả hoạt động sản xuất kinh doanh;
gia tăng suât sinh lời trên vốn chủ sở hữu do sử dụng hiệu quả địn cân nợ; tìm kiếm nguồn vốn linh hoạt để tài trợ cho hoạt động của doanh nghiệp.
5.2.1. Điều chỉnh cấu trúc vốn theo hướng gia tăng nợ nhằm nâng cao hiệu quả hoạt động doanh nghiệp
- Đối với nợ ngắn hạn: Kết quả nghiên cứu cho thấy các doanh nghiệp ngành năng lượng chú trọng sử dụng nợ ngắn hạn hơn nợ dài hạn để tài trợ cho các hoạt động sản xuất kinh doanh của mình. Đây có thể xuất phát từ một số nguyên nhân sau: Dễ dàng tiếp cận nguồn vốn ngắn hạn hơn dài hạn của các tổ chức tín dụng cũng như nợ phi lãi suất từ các đối tượng khác, hay doanh nghiệp tự tin vào khả năng thanh tốn của mình, hay sử dụng nợ ngắn hạn để đầu tư vào tài sản ngắn hạn để nhanh chóng thu hồi vốn và trả nợ: Chính nó làm giảm chi phí vốn nhằm cải thiện hiệu quả hoạt động và góp phần nâng cao hiệu quả hoạt động của doanh nghiệp, Tuy nhiên, nếu xét trong dài hạn, vân đề này sẽ tạo rủi ro trong thanh tốn của doanh nghiệp khi doanh nghiệp gặp khó khăn hay nền kinh tế có bất ổn, nên doanh nghiệp cần cân đối lại cấu trúc vốn theo kỳ hạn.
- Đối với nợ dài hạn: Nguồn vốn này được các doanh nghiệp trả nợ với kỳ hạn tương đối dài nên nó thường được tài trợ để đầu tư cho tài sản cố định như: máy móc, kho bãi, nhà xưởng…nhằm đáp ứng những chuẩn mực cao hơn, thõa mãn yêu cầu ngày càng khắc khe của khách hàng để tăng sự cạnh tranh của doanh nghiệp khi mà các doanh nghiệp ngành năng lượng trong tương lai hướng đến một thị trường cạnh tranh. Tuy nhiên kết quả nghiên cứu trong luâận văn chỉ ra rằng: nếu doanh nghiệp