CHƢƠNG 4 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.2. Kết quả hồi quy với mơ hình hồi qui binary logistics
Ước lượng mơ hình (*) bằng phần mềm Stata 13, được kết quả trình bày tại bảng 4.2.
Bảng 4.2. Kết quả hồi quy logistics để dự báo khả năng phát hiện sai sót thơng tin trên BCTC theo các biến độc lập
Bảng 4.2 trình bày kết quả của hồi quy Logistic để dự báo khả năng doanh nghiệp có sai sót thơng tin trên BCTC theo các biến độc lập. Theo điều kiện của mơ hình hồi quy với biến phụ thuộc là biến nhị phân, các doanh nghiệp bị xếp vào nhóm có sai sót nhận giá trị là 1 và các doanh nghiệp được đánh giá là khơng có sai sót thơng tin trên BCTC nhận giá trị là 0. Bài nghiên cứu phát triển các mơ hình để
_cons -6.103348 1.124176 -5.43 0.000 -8.306691 -3.900004 TATA .0737147 .3779506 0.20 0.845 -.6670549 .8144843 LVGI 2.369063 .384273 6.17 0.000 1.615902 3.122225 SGAI .8470227 .4178938 2.03 0.043 .0279659 1.66608 DEPI .6421761 .3212681 2.00 0.046 .0125022 1.27185 SGI .8734815 .3597697 2.43 0.015 .1683459 1.578617 AQI .3829351 .3005014 1.27 0.203 -.2060367 .971907 GMI .1359015 .049238 2.76 0.006 .0393968 .2324061 DSRI -.0250128 .1439839 -0.17 0.862 -.3072161 .2571906 M Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -126.48865 Pseudo R2 = 0.4601 Prob > chi2 = 0.0000 LR chi2(8) = 215.61 Logistic regression Number of obs = 360
dự báo trước khả năng doanh nghiệp có sai sót thơng tin trên BCTC hay không thông qua các tỷ số tài chính của doanh nghiệp.
Theo kết quả hồi quy ở bảng 4.2, xác suất kiểm định lớn hơn Chi bình phương, với Prob > Chi2 = 0,000, các biến trong mơ hình đều có tác động đến khả năng phát hiện sai sót thơng tin trên BCTC. Từ phân tích về giá trị kiểm định, kết luận rằng mơ hình đáng tin cậy.
* Phân tích kết quả hồi quy:
Như vậy, có thể thấy phần lớn các biến trong mơ hình nghiên cứu đều có mối tương quan ý nghĩa với biến phụ thuộc ở mức ý nghĩa 5 . Biến DSRI (Tỷ số phải thu khách hàng/Doanh thu thuần) và biến AIQ (Tỷ số chất lượng tài sản) có chỉ số P-value lớn hơn mức ý nghĩa 5 , cho nên biến DSRI khơng có mối quan hệ ý nghĩa thống kê với khả năng BCTC sai sót. Như vậy, giả thuyết H1 cho rằng tỷ số phải thu khách hàng trên doanh thu thuần càng lớn thì xác suất lợi nhuận được cơng bố cao hơn lợi nhuận thực tế càng lớn bị bác bỏ. Tương tự, giả thuyết H8 về xác suất BCTC có sai sót sẽ lớn hơn khi biến AIQ lớn hơn 1 bị bác bỏ. Giống như biến DSRI và biến AIQ, biến TATA (Tỷ số biến dồn tích kế tốn so với tổng tài sản) có chỉ số P-value lớn mức ý nghĩa 5 , vì vậy giả thuyết H6 cho rằng khi giá trị TATA càng lớn thì khả năng BCTC có sai sót càng lớn bị bác bỏ.
Từ kết quả hồi quy được trình bày tại bảng 4.2, các biến GMI, SGI, SGAI, LVGI và DEPI đều có chỉ số P-value nhỏ hơn mức ý nghĩa 5%, vì vậy mơ hình nghiên cứu sẽ có 5 biến: GMI, SGI, SGAI, LVGI, DEPI. Điều này cho thấy các tỷ số này có khả năng phát hiện sai sót thơng tin trên BCTC hiệu quả.
Với biến GMI, kết quả hồi quy cho thấy mối quan hệ cùng chiều với xác suất doanh nghiệp rơi vào khả năng có sai sót thơng tin trên BCTC với hệ số gốc là 0,1359015 với chỉ số P-value là 0.006, có mối tương quan cùng chiều với biến phụ thuộc, theo đúng như kỳ vọng của giả thuyết đặt ra. Như vậy giả thuyết H2 được chấp nhận, điều này cho thấy một doanh nghiệp xuất hiện viễn cảnh phát triển trong tương lai xấu, tỷ suất lợi nhuận gộp biên suy giảm qua các năm thì xác suất doanh nghiệp có sai sót thơng tin trên BCTC càng lớn. Kết quả này cũng phù hợp với
nghiên cứu của Lev và Thiagarajan (1993) . Tuy nhiên độ lớn của biến GMI thấp nhất trong các biến, có thể thấy rằng biến GMI tác động không lớn đến khả năng phát hiện sai sót thơng tin trên BCTC.
Kết quả hồi quy cho thấy một dấu hiệu (+) của biến SGI chỉ ra rằng một mối quan hệ cùng chiều giữa tỷ số tăng trưởng doanh thu thuần và xác suất doanh nghiệp rơi vào khả năng có sai sót thơng tin trên BCTC với giá trị thống kê 0.015<0.05, phù hợp với kỳ vọng giả thuyết ban đầu vì vậy giả thuyết H3 không bị bác bỏ. Điều này cảnh báo rằng một doanh nghiệp có tốc độ tăng trưởng nhanh đột
biến thì có thể dẫn đến khả năng lớn doanh nghiệp có hành vi gây sai sót thơng tin trên BCTC.
Đối với biến số DEPI, có mối quan hệ đồng biến với xác suất doanh nghiệp rơi vào khả năng có sai sót thơng tin trên BCTC với hệ số gốc là 0,6421761 và giá trị thống kê là 0.046, phù hợp với kỳ vọng giả thuyết ban đầu vì vậy giả thuyết H7
khơng bị bác bỏ. Mối quan hệ này thể hiện rằng khi tỷ số giữa mức khấu hao năm t-
1 và mức khấu hao năm t tăng cho thấy khả năng doanh nghiệp đang điều chỉnh thời gian khấu hao của tài sản, điều này gây ra sai sót thơng tin trên BCTC.
Hệ số gốc của biến SGAI là 0,8470227 và giá trị thống kê là 0.043, dấu hiệu dương thể hiện mối quan hệ đồng biến, cho thấy rằng tỷ số chi phí bán hàng và quản lý doanh nghiệp của doanh nghiệp cao khơng tương ứng với doanh thu thì xác suất doanh nghiệp có sai sót thông tin trên BCTC cao. Điều này phù hợp với giả thuyết ban đầu đặt ra, cho nên giả thuyết H4 được chấp nhận. Kết quả này cũng tương đồng với kết quả nghiên cứu của Lev và Thiagarajan (1993).
Biến cuối cùng là biến LVGI, kết quả hồi quy cho thấy hệ số gốc biến này nhận giá trị là 2,369063 và giá trị thống kê là 0.000, thể hiện rằng, đó là một mối quan hệ đồng biến giữa biến này và xác suất xảy ra sai sót thơng tin trên BCTC, phù
hợp với giả thuyết ban đầu do đó giả thuyết H5 được chấp nhận. Doanh nghiệp có
LVGI lớn, có thể dự báo rằng doanh nghiệp đang phải chịu một sức ép lớn về tài chính, điều này làm tăng khả năng doanh nghiệp thực hiện hành vi điều chỉnh lợi nhuận gây ra sai sót thơng tin trên BCTC. Hệ số ước lượng cho biến LVGI có giá trị
tuyệt đối cao nhất so với biến SGI, SGAI, DEPI, GMI. Biến này tác động lớn đến khả năng phát hiện phát hiện sai sót thơng tin trên BCTC của mơ hình định lượng.
Sau khi phân tích hồi quy logistic để tìm các biến độc lập thực sự tác động lên biến phụ thuộc, tác giả tiến hành thực hiện đánh giá tính phù hợp của mơ hình, kết quả được trình bày tại bảng 4.3.
Theo quan sát thực tế, có 190+42 = 232 doanh nghiệp có sai sót thơng tin trên BCTC và có 27+101 = 128 doanh nghiệp khơng sai sót thơng tin trên BCTC. Tuy nhiên theo dự đốn có 190+27 = 217 doanh nghiệp có sai sót thơng tin trên BCTC và 42+101 = 143 doanh nghiệp có sai sót thơng tin trên BCTC.
Như vậy trong 232 doanh nghiệp có sai sót thơng tin trên BCTC, có 190 trường hợp dự đốn đúng, như vậy tỷ lệ dự đoán đúng là 190/232 = 81,90% . Trong 128 doanh nghiệp khơng sai sót thơng tin trên BCTC, dự đốn đúng 42 trường hợp, như vậy tỉ lệ dự đốn đúng là 101/128 = 78,91% . Vậy trung bình tỉ lệ dự đốn đúng là (190+101)/(190+101+42+27) = 80,83% . Dựa vào đây có thể kết luận mơ hình có khả năng phân loại chính xác là 80,83% hai giá trị 0 và 1 của biến phụ thuộc. Với kết quả phân loại này, có thể nhận định mơ hình là đáng tin cậy.
Bảng 4.3. Kết quả đánh giá tính phù hợp của mơ hình
more
Correctly classified 80.83% False - rate for classified - Pr( D| -) 29.37% False + rate for classified + Pr(~D| +) 12.44% False - rate for true D Pr( -| D) 18.10% False + rate for true ~D Pr( +|~D) 21.09% Negative predictive value Pr(~D| -) 70.63% Positive predictive value Pr( D| +) 87.56% Specificity Pr( -|~D) 78.91% Sensitivity Pr( +| D) 81.90% True D defined as M != 0 Classified + if predicted Pr(D) >= .5 Total 232 128 360 - 42 101 143 + 190 27 217 Classified D ~D Total True
Logistic model for M
Bảng 4.4. Bảng tổng hợp mức độ tác độ tác động của biến độc lập lên biến phụ thuộc
Biến Mức tác động Tác động lên biến
phụ thuộc
LVGI – Tỷ số địn bẩy tài chính 2,369063 +
SGAI - tỷ số chi phí bán hàng và quản lý doanh nghiệp trên doanh thu
0,847022 +
DEPI –tỷ số khấu hao TCSĐ hữu hình
0,6421761 +
GMI – Tỷ số tỷ suất lợi nhuận gộp biên
0,1359015 +
SGI - tỷ số tăng trưởng doanh thu thuần
0,8734815 +
Kết luận: Mơ hình định lượng dùng để phát hiện sai sót thơng tin trên BCTC của các doanh nghiệp niêm yết được trình bày như sau:
M = -6,103348 + 0,1359015GMI + 0,8734815SGI + 0,6421761DEPI 0,8470227SGAI + 2.369063LVGI (*)
4.3. Đo lƣờng tác động biên của các biến hồi quy lên biến phụ thuộc
Sau khi thực hiện tính tốn chỉ số Odds-ratio bằng phần mềm Stata, được kết quả như sau (xem bảng 4.5):
Bảng 4.5. Tác động biên của các biến hồi quy lên biến phụ thuộc
_cons .0022354 .002513 -5.43 0.000 .0002469 .0202418 TATA 1.0765 .4068637 0.20 0.845 .5132178 2.258011 LVGI 10.68738 4.106871 6.17 0.000 5.032426 22.69682 SGAI 2.332691 .9748173 2.03 0.043 1.028361 5.291382 DEPI 1.900612 .6106061 2.00 0.046 1.012581 3.567446 SGI 2.395235 .8617331 2.43 0.015 1.183346 4.848247 AQI 1.466583 .4407101 1.27 0.203 .8138032 2.64298 GMI 1.145569 .0564055 2.76 0.006 1.040183 1.261632 DSRI .9752975 .1404272 -0.17 0.862 .7354916 1.293292 M Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -126.48865 Pseudo R2 = 0.4601 Prob > chi2 = 0.0000 LR chi2(8) = 215.61 Logistic regression Number of obs = 360
Bảng 4.5 trình bày tác động biên của từng biến độc lập đối với xác suất để doanh nghiệp có sai sót thơng tin trên BCTC. Các biến dự báo với ảnh hưởng lớn nhất, về mặt giá trị tuyệt đối trong mơ hình là biến: LVGI, SGI và SGAI, theo thứ tự của tầm quan trọng, biến DEPI và GMI có ảnh hưởng nhỏ lên biến phụ thuộc khi mà giữ cho tất cả những biến độc lập khác không đổi.
Trong các biến số tỷ số tài chính, biến số LVGI có mức độ tác động biên lớn nhất. Cụ thể là khi giá trị biến LVGI tăng 1 đơn vị thì Odds của việc doanh nghiệp có sai sót thơng tin trên BCTC (so với khơng sai sót thơng tin trên BCTC) tăng một lượng 10,68738, trong điều kiện các biến độc lập khác khơng thay đổi giá trị.
Biến số có mức tác động biên lớn thứ hai là biến SGI. Cụ thể, khi giá trị biến SGI tăng 1 đơn vị thì Odds của việc doanh nghiệp có sai sót thơng tin trên BCTC (so với khơng sai sót thơng tin trên BCTC) tăng một lượng 2,395235.
Biến số có mức tác động biên lớn thứ ba là biến SGAI. Cụ thể, khi giá trị biến SGAI tăng 1 đơn vị thì Odds của việc doanh nghiệp có sai sót thơng tin trên BCTC (so với khơng sai sót thơng tin trên BCTC) tăng một lượng 2,332691.
Hai biến số có mức tác động biên lên biến phụ thuộc tương đối nhỏ là biến: DEPI và GMI. Cụ thể, khi giá trị biến từng SGAI, GMI tăng 1 đơn vị thì Odds của việc doanh nghiệp có sai sót thơng tin trên BCTC (so với không sai sót thơng tin trên BCTC) tăng một lượng tương ứng là: 1,900612 và 1,145569.
4.4. Ƣớc lƣợng ngƣỡng giá trị để phân loại các doanh nghiệp có sai sót thơng tin trên BCTC và đo lƣờng khả năng dự báo của mơ hình
Dựa vào mơ hình định lượng (*) đã được trình bày ở mục 4.2, tác giả sử dụng dữ liệu BCTC năm 2016 để ước lượng ngưỡng giá trị phân loại.
Sau khi dùng phần mềm Microsoft Excel để tính chỉ số M-score của các doanh nghiệp trong mẫu nghiên cứu theo mơ hình (*), với dữ liệu BCTC đã kiểm tốn năm 2016, kết quả được trình bày tại 4.6.
Bảng 4.6. Kết quả so sánh độ dự báo chính xác của mơ hình Ngƣỡng xác
suất dự báo Đúng loại + Sai loại + Sai loại - Đúng loại -
1% 6 26 0 58 5% 19 13 1 57 10% 24 8 4 54 15% 27 5 5 53 20% 28 4 6 52 25% 28 4 6 52 30% 28 4 7 51 35% 28 4 8 50 40% 28 4 8 50 45% 28 4 8 50
Dựa vào bảng 4.6, ta có thể so sánh kết quả dự báo của mơ hình (**) tại các ngưỡng xác suất dự báo, từ ngưỡng 1 đến 30 miền phân phối tương ứng với giá trị phân loại từ -2,32635 đến -0,52440, tỷ lệ dự báo chính xác của mơ hình khơng đồng đều tuy nhiên tỷ lệ dự báo chính xác khá cao và có chiều hướng tăng dần, sau ngưỡng 30 tỷ lệ dự báo chính xác của mơ hình gần như bão hịa, tỷ lệ dự báo chính xác cao nhất tại ngưỡng xác suất 15 miền phân phối.
Tỷ lệ chính xác của mơ hình dự báo tại ngưỡng xác suất 15% miền phân phối của giá trị M được trình bày tại bảng 4.7.
Bảng 4.7. Tỷ lệ chính xác của mơ hình dự báo
Có sai sót thơng tin trên BCTC
Khơng có sai sót thơng tin trên
BCTC
Có sai sót thơng tin trên BCTC
53 5
Khơng có sai sót thơng tin trên BCTC
5 27
Tỷ lệ chính xác 53/58 = 91,38% 27/32 = 84,38%
Tổng độ chính xác 80/90 = 88,89%
Tại ngưỡng xác suất 15 miền phân phối giá trị M tương ứng với giá trị phân loại M-score là -1,03643, mơ hình phân loại đúng 91,38 doanh nghiệp có sai sót thơng tin trên BCTC và 84,38 doanh nghiệp khơng có sai sót thơng tin trên BCTC. Mơ hình dự báo có độ chính cao, so với kết quả kiểm tốn độc lập, mơ hình có khả năng phát hiện các doanh nghiệp có sai sót thơng tin trên BCTC ở mức 88,89%. Kết quả kiểm toán Kết quả dự báo Nguồn: tác giả tính tốn
Kết luận chƣơng 4
Trong chương này tác giả đã thực hiện các phân tích và tìm ra các biến độc lập thực sự tác động lên biến phụ thuộc khả năng doanh nghiệp có sai sót thơng tin trên BCTC.
Tác giả đã dùng hồi quy binary logistics để xây dựng mơ hình nghiên cứu với dữ liệu BCTC thu thập trong 5 năm 2011 – 2015 dựa trên các biến độc lập thực sự tác động lên biến phụ thuộc ở trên.
Sau đó, tác giả dựa vào các giá trị: Chi – bình phương, xác suất giá trị kiểm định và Correctly classified để xác định độ tin cậy của mơ hình.
Kết quả sau khi chạy phân tích hồi quy binary logistics, có 3 biến độc lập bị loại trừ do khơng có ý nghĩa thống kê ở mức 5 , mơ hình cịn lại 5 biến độc lập là: LVGI, SGI, GMI, SGAI, DEPI, ít hơn so với mơ hình gốc của Beneish (1999) 3 biến, tuy nhiên khả năng phân loại khơng vì thế mà thấp, mơ hình có khả năng phân loại chính xác là 80,83 hai giá trị 0 và 1 của biến phụ thuộc.
Tiếp theo đó, tác giả đã dùng dữ liệu BCTC năm 2016 kiểm định từng ngưỡng xác suất dự báo khả năng phát hiện sai sót thơng tin trên BCTC để tìm ra ngưỡng xác suất mà tại đó mơ hình có khả năng phát hiện sai sót thơng tin trên BCTC cao nhất, sau khi xác định được ngưỡng xác suất dự báo, tác giả xác định giá trị phân loại M-score. Kết quả cho thấy mức tỷ lệ dự báo chính xác của mơ hình là 88,89 với ngưỡng xác suất dự báo là 15 miền phân phối giá trị M tương ứng giá trị phân loại M-score là -1,03643.
Với kết quả phân tích nêu trên, tác giả kiến nghị rằng khi xem xét để đánh giá sai sót thơng tin trên BCTC thì kiểm tốn viên, nhà đầu tư hay cơ quan quản lý thị trường chứng khoán cần chú ý tới các khoản mục như: địn bẩy tài chính, tỷ suất lợi nhuận biên, mức khấu hao, tốc độ tăng trưởng doanh thu, sự tương ứng giữa chi phí bán hàng và quản lý doanh nghiệp so với doanh thu, chi tiết sẽ được trình bày ở chương tiếp theo.
CHƢƠNG 5. KẾT LUẬN VÀ GỢI Ý CHÍNH SÁCH 5.1. Kết luận