4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.2. Tác động của cơ hội tăng trưởng lên địn bẩy: phân tích hồi quy tĩnh bằng
4.2.2. Phân tích hồi quy động bằng phương pháp GMM
4.2.2.1. Phân tích mơ hình điều chỉnh cấu trúc vốn từng phần
Theo lý thuyết đánh đổi động (dynamic trade-off theory) và theo các nghiên cứu của Dangl và Zechner (2004), Cook và Tang (2010) thì cấu trúc vốn tối ưu của doanh nghiệp sẽ thay đổi theo thời gian phụ thuộc đặc điểm của từng doanh nghiệp và từng ngành nghề khác nhau. Trong khi đó, mơ hình tĩnh khơng thể nắm bắt được điều chỉnh động của cấu trúc vốn. Vì vậy, theo các nghiên cứu của Flannery và Ragan (2006), Faulkender và cộng sự (2012) và Chang và cộng sự (2014), tác giả có mơ hình điều chỉnh từng phần cho cấu trúc vốn của doanh nghiệp để đo lường đòn bẩy động:
Levi,t – Levi,t-1 = γ(Lev*i,t - Levi,t-1) + ei (2)
Trong đó: Levi,t và Levi,t-1 lần lượt là đòn bẩy thực tế của doanh nghiệp i trong năm t và năm t-1
Lev*i,t là tỷ lệ đòn bẩy mục tiêu
γ là hệ số điều chỉnh được đo lường bằng tỷ lệ mà đòn bẩy thực sự
hội tụ về địn bẩy mục tiêu của nó. γ có giá trị từ 0 đến 1, càng gần về 1 thị trường vốn càng hiệu quả có nghĩa là địn bẩy thực sự có thể điều chỉnh nhanh chóng về địn bẩy tối ưu của nó sau khi nó bị phân kỳ
Thay phương trình địn bẩy mục tiêu đã được diễn giải (phương trình 3) vào phương trình (2) và sắp xếp lại tác giả có phương trình cấu trúc vốn động như sau:
Levi,t = ξ0 + λLevi,t-1 + ξ1GO + Σs Xi,t-1 ξs + ei,t
ξ0 + λLevi,t-1+ ξ1GOi,t-1+ ξ2ROAi,t-1 + ξ3TANGi,t-1 + ξ4NDTSi,t-1 (4) + ξ5SIZEi,t-1 + ξ6MI_Levi,t-1 + 𝜀 i,t
Trong đó : λ thường được gọi là tốc độ điều chỉnh về cấu trúc vốn mục tiêu
ξ1 = γ β1 ξs = γ βs ei,t là phần dư
Xét phương trình hồi quy bao gồm biến Levi,t-1 như biến độc lập thì ước lượng
theo phương pháp tác động cố định (FEM) sẽ bị chệch và khơng cịn phù hợp khi mơ hình có chuỗi thời gian T của dữ liệu bảng nhỏ (Judson và cộng sự, 1996). Nickell (1981) và Kiviet (1995) giải thích rằng các hệ số hồi quy sẽ không bị chệch khi T tiến đến vô cùng. Nghĩa là ước lượng theo phương pháp tác động cố định chỉ cho kết quả tốt khi chuỗi thời gian của dữ liệu bảng lớn. Nói cách khác có một số vấn đề xảy ra khi ước lượng phương trình (4), đó là :
(1) Các biến có thể xem là nội sinh bởi vì quan hệ nhân quả xảy ra theo hai chiều
hướng từ các biến giải thích đến các biến được giải thích và ngược lại. Việc hồi quy các biến này có thể dẫn đến sự tương quan với sai số, tức xảy ra hiện tượng nội sinh làm chệch kết quả.
(2) Tác động cố định hàm chứa sai số trong phương trình (4) bao gồm tính đặc
thù của biến khơng quan sát được và sai số đặc thù quan sát được.
(3) Sự hiện diện của biến trễ Levi,t-1 trong phương trình (4) sẽ dẫn đến hiện tượng tự
Để giải quyết các vấn đề trên tác giả ước lượng mơ hình dữ liệu bảng động bằng phương pháp GMM và dùng biến trể của Lev làm biến công cụ
Bảng 4.4 - Kết quả ước lượng GMM xử lý hiện tượng nội sinh các yếu tố tác động đến địn bẫy tài chính các doanh nghiệp đang niêm yết trên thị trường
Việt Nam.
Levi,t = ξ0 + λLevi,t-1+ ξ1GOi,t-1+ ξ2ROAi,t-1 + ξ3TANGi,t-1 + ξ4NDTSi,t-1 + ξ5SIZEi,t-1 + ξ6MI_Levi,t-1 + 𝜀 i,t
GMM xử lý nội sinh
MB INVEXP_MB L1. L2. L1. L2. , 1 i t Lev 0.2143*** 0.2749*** 0.2309*** 0.3104*** , 2 i t Lev -0.0757*** -0.0730*** , 1 i t GO -0.0227*** -0.0298*** 0.0892*** 0.1190*** , 1 i t ROA 0.1118*** 0.1180** 0.1169*** 0.1303*** , 1 i t TANG -0.0043 0.0194 -0.0067 0.0145 , 1 NDTSi t -0.0375 0.0207 -0.0405 0.0179 SIZEi,t-1 -0.0842*** -0.1013*** -0.0900*** -0.1154*** , 1 MI_Levi t -0.1365*** -0.1308** -0.1432*** -0.1462** Constant 1.4643*** 1.6703*** 1.4692*** 1.7468*** Chi2 kiểm định Wald 35.9 28.07 36.02 28.55 P-value kiểm định Wald 0.000*** 0.001*** 0.000*** 0.000*** Số quan sát 1305 1044 1305 1044
*, **, *** tương ứng với mức ý nghĩa thống kê 10%, 5%, 1%
Bảng 4.4 trình bày kết quả hồi quy mơ hình động bằng phương pháp GMM đồng thời kiểm tra tính vững của mơ hình bằng cách lấy trễ một kỳ và lấy trễ 2 kỳ xem tác động của các yếu tố lên địn bẩy tài chính có thay đổi hay khơng. Hai cột đầu tiên lần lượt là kết quả ước lượng tuyến tính lấy MB làm biến độc lập với độ trễ của biến công cụ là 1 kỳ và 2 kỳ. Hai cột còn lại lần lượt là kết quả ước lượng phi
tuyến lấy e-MB làm biến độc lập với độ trễ của biến công cụ 1 kỳ và 2 kỳ.
Bảng 4.5 trình bày kết quả hồi quy bằng phương pháp Pooled OLS và Fama- Macbeth (1973). Cột thứ nhất và cột thứ ba lần lượt là ước lượng tuyến tính với MB
là biến độc lập, hai cột con lại là kết quả ước lượng phi tuyến với e-MB là biến độc
lập.
Trong bảng 4.4 tác giả thấy rằng dấu các hệ số của GO đều hoàn toàn ngược lại với các phương pháp ước lượng trước đó. Hệ số của MB là -0.0227 và -0.0298
lần lượt cho cách lấy trễ 1 kỳ, 2 kỳ và đều có ý nghĩa ở mức 1%, hệ số của e-MB là
0.0892 và 0.1190 lần lượt cho cách lấy trễ 1 kỳ, 2 kỳ và cũng đều có ý nghĩa ở mức 1%. Cho thấy mối quan hệ nghịch biến và lồi giữa cơ hội tăng trưởng và đòn bẩy, điều này phù hợp với các lý thuyết nghiên cứu trước đó về tác động của cơ hội tăng trưởng lên đòn bẩy. Trong kết quả ước lượng bằng Pooled OLS và Fama-Macbeth mặc dù các hệ số của cơ hội tăng trưởng khơng có ý nghĩa về mặt thống kê nhưng dấu của các hệ số đều ủng hộ cho quan điểm tác động của cơ hội tăng trưởng lên
đòn bẩy tài chính là nghịch biến và lồi. Các hệ số e-MB trong cả 2 trường hợp lấy trễ
1 kỳ và 2 kỳ đều lớn hơn hệ số của MB và hệ số R2 hiệu chỉnh trong hồi quy OLS
và Fama-Macbeth cũng cho thấy rằng e-MB có sức mạnh giải thích cho địn bẩy tài
chính hơn là MB, phù hợp với ý kiến cho rằng mối quan hệ giữa đòn bẩy mục tiêu và cơ hội tăng trưởng là phi tuyến, cụ thể là lồi. Hơn nữa, rõ ràng rằng thống kê F trong cả hai phương pháp hồi quy OLS và Fama-Macbeth đều cho thấy rằng sử
Bảng 4.5 - Kết quả ước lượng Pooled OLS và hồi quy Fama-Macbeth (1973) các doanh nghiệp đang niêm yết trên thị trường Việt Nam.
Levi,t = ξ0 + λLevi,t-1+ ξ1GOi,t-1+ ξ2ROAi,t-1 + ξ3TANGi,t-1 + ξ4NDTSi,t-1 + ξ5SIZEi,t-1 + ξ6MI_Levi,t-1 + 𝜀 i,t
POOLED OLS FAMA-MACBETH
MB INVEXP_MB MB INVEXP_MB , 1 i t Lev 0.9085*** 0.9118*** 0.9106*** 0.9123*** , 1 i t GO -0.0081 0.0355* -0.0068 0.0540 , 1 i t ROA 0.0383 0.0435 0.0355 0.0491 , 1 i t TANG -0.0329** -0.0334** -0.0322** -0.0330** , 1 NDTSi t 0.0920** 0.0919 0.0858** 0.0858** SIZEi,t-1 0.0063* 0.0063* 0.0076 0.0085 , 1 MI_Levi t 0.0649*** 0.0642*** 0.0606*** 0.0599*** Constant -0.0533 -0.0774* -0.0665 -0.1043 R2 0.8669 0.8670 0.8717 0.8722 R2 hiệu chỉnh 0.8663 0.8664 Thống kê F 1449.77 1450.30 15640.78 11414.72 P-value thống kê F 0.0000*** 0.0000*** 0.0000*** 0.0000*** Số quan sát 1566 1566 1566 1566
*, **, *** tương ứng với mức ý nghĩa thống kê 10%, 5%, 1%
Nguồn: Tính tốn của tác giả
Bảng 4.4 và 4.5 cũng chỉ ra rằng ước lượng tốc độ điều chỉnh (Levi,t-1) đều có ý nghĩa thống kê cao ở mức 1% trong tất cả các hồi quy cho thấy rằng đối với các doanh nghiệp Việt Nam hành vi điều chỉnh và mơ hình điều chỉnh từng phần là một
Khi xem xét mơ hình động thì tác giả thấy được hệ số ước lượng của MB và e-MB lần lượt là nghịch biến và đồng biến và có ý nghĩa như kỳ vọng.
Có một kết quả đáng chú ý là hệ số của ROA của ước lượng GMM trong bảng 4.4 là đồng biến với đòn bẩy, và các hệ số của ROA trong hồi quy OLS và Fam- Macbeth tuy khơng có ý nghĩa thống kê nhưng cũng có dấu dương, điều này ủng hộ cho bằng chứng về lý thuyết trật tự phân hạng. Lý thuyết trật tự phân hạng về cấu trúc vốn cho rằng doanh nghiệp có lợi nhuận cao thì sẽ có lợi ích nhiều hơn từ tấm chắn thuế và giảm rủi ro vỡ nợ vì vậy họ có thể dể dàng tiếp cận các nguồn vốn bên ngồi (ví dụ như vay nợ) để đầu tư (Graham, 2000), ngụ ý rằng giữa ROA và tỷ lệ địn bẩy có quan hệ đồng biến.
Tóm lại, kết quả hồi quy động cho thấy mối quan hệ giữa đòn bẩy mục tiêu và cơ hội tăng trưởng là nghịch biến khi tác giả sử dụng mơ hình điều chỉnh từng phần của cấu trúc vốn.
4.2.2.2. Kiểm tra tính vững
Bởi vì biến độc lập lấy trễ để làm dịu vấn đề nội sinh, để kiểm tra tính vững của kết quả ước lượng, tác giả chia mẫu thành hai giai đoạn, từ năm 2008 đến năm 2011 và từ năm 2012 đến 2014. Sau đó ước lượng lại mơ hình động của phương trình (4) để kiểm tra tính vững của kết quả ước lượng.
Bảng 4.6 - Kiểm định tính bền vững mơ hình theo thời gian
GMM 2008 - 2011 2012 - 2014 MB INVEXP_MB MB INVEXP_MB , 1 i t Lev 0.0771*** 0.0833** 0.8228*** 0.7425*** , 1 i t GO -0.0323*** 0.1346*** -0.0429* 0.0444*** , 1 i t ROA 0.1373* 0.1308* 0.3097*** 0.2803*** , 1 i t TANG -0.0015 -0.0010 -0.0995 -0.0791
, 1 NDTSi t 0.0870 0.0805 -0.0362 -0.0396 SIZEi,t-1 -0.0266 -0.0237 -0.4762*** -0.4154*** , 1 MI_Levi t -0.1116 -0.1102 -0.2886*** -0.2800*** Constant 0.8516*** 0.7317** 5.7845*** 5.1627*** Chi2 kiểm định Wald 11.88 12.14 16.95 16.87 P-value kiểm định Wald 0.105 0.096* 0.018** 0.018** Số quan sát 522 522 522 522
*, **, *** tương ứng với mức ý nghĩa thống kê 10%, 5%, 1%
Nguồn: Tính tốn của tác giả
Bảng 4.6 trình bày kết quả ước lượng hồi quy động với giai đoạn từ năm 2008 đến năm 2011 được trình bày trong hai cột đầu tiên và hai cột còn lại là từ giai đoạn 2012 đến 2014. Kết quả trong bảng 4.6 phù hợp với kết quả nghiên cứu chính từ mẫu gốc trong bảng 4.4. Đó là mối quan hệ giữa địn bẩy mục tiêu và cơ hội tăng trưởng là nghịch biến và lồi.
Đặc biệt, tốc độ điều chỉnh được ước lượng tất cả đều có ý nghĩa trong cả hai giai đoạn cho thấy hành vi điều chỉnh từng phần đóng vai trị quan trọng trong quyết định cấu trúc vốn của doanh nghiệp Việt Nam. Hơn nữa, hệ số ước lượng cho MB
và e-MB lần lượt đều nghịch biến và đồng biến và có ý nghĩa thống kê. Giá trị t-value
của e-MB là 2.75 và 3.14 lần lượt cho hai giai đoạn đều lớn hơn t-value của MB là
-2.73 và -1.78. Thêm vào đó là hệ số của e-MB lớn hơn hệ số của MB trong cả hai
giai đoạn. Tóm lại, nghiên cứu thực nghiệm của tác giả thấy rằng sử dụng hình thức phi tuyến của cơ hội tăng trưởng khi hồi quy làm tăng khả năng giải thích hơn là tỷ lệ MB. Nói cách khác, kết quả trong bảng 4.6 chỉ ra rằng mối quan hệ giữa đòn bẩy mục tiêu và cơ hội tăng trưởng là phi tuyến và lồi. Và hiệu quả của việc hồi quy địn
Nói tóm lại, phù hợp với kết quả nghiên cứu trong bảng 4.4, hai giai đoạn mẫu trong bảng 4.6 chỉ ra mối quan hệ giữa đòn bẩy mục tiêu và cơ hội tăng trưởng không những nghịch biến mà còn là lồi, và kết quả nghiên cứu của tác giả vẫn vững cho các khoảng thời gian mẫu khác nhau.
4.3. Phân tích thêm tác động của cơ hội tăng trưởng lên đòn bẩy
Các lý thuyết về tài chính doanh nghiệp cho rằng hạn chế tài chính và tập trung sở hữu là hai đặc điểm có ý nghĩa trong những nền kinh tế mới nổi. Nếu các yếu tố khác khơng đổi thì so với các cơng ty niêm yết mà ít có sự hạn chế tài chính và tập trung vốn cao thì những cơng ty đối mặt với hạn chế tài chính nghiêm trọng hơn và có mức độ tập trung vốn thấp thường bị mất giá trị lớn hơn trong cơ hội tăng trưởng. Do đó, mối quan hệ giữa địn bẩy tài chính và cơ hội tăng trưởng cũng nghịch biến nhiều hơn.
Trong phần này, tác giả kiểm tra ảnh hưởng của cơ hội tăng trưởng lên địn bẩy dưới sự kiểm sốt của điều kiện mức độ tập trung sở hữu và hạn chế tài chính. Đồng thời cũng kiểm tra tác động của mức độ tập trung sở hữu và hạn chế tài chính lên địn bẩy.
Để xem xét tác động của cấu trúc sở hữu và hạn chế tài chính lên địn bẩy tác giả xây dựng mơ hình bằng cách thêm biến đại diện cho cấu trúc sở hữu và hạn chế tài chính, ký hiệu là Fi,t-1
Levi,t = 𝛿0 + λLevi,t-1 + ξ1GO + ξ2Fi,t-1 + Σs Xi,t-1 ξs + ui,t (5)
Trong đó: Fi,t-1 đại diện cho yếu tố quan trọng đang xem xét bao gồm cấu trúc sở hữu và hạn chế tài chính.
Và để xem xét ảnh hưởng của cơ hội tăng trưởng lên địn bẩy dưới sự kiểm sốt của cấu trúc sở hữu và hạn chế tài chính tác giả tiến hành phân nhóm theo các biến giả về cấu trúc sở hữu và hạn chế tài chính và hồi quy theo phương trình (4). Sau đó xem xét tác động của cơ hội tăng trưởng lên địn bẩy tài chính của từng nhóm khác nhau.
Các phương trình được tác giả ước lượng theo phương pháp GMM. Khi hồi quy tác giả tập trung vào sự khác biệt về mức độ tác động của cơ hội tăng trưởng
lên đòn bẩy tài chính ở từng nhóm có sự khác nhau về mức độ tập trung sở hữu và mức độ hạn chế tài chính.
Như đã thảo luận ở trên, kiểm tra cơ hội tăng trưởng lên đòn bẩy mà dùng tỷ lệ
MB có thể dẫn đến mơ hình có những thơng số sai lệch, bởi vì hình thức tuyến tính
khơng thể nắm bắt tốt được mối quan hệ phi tuyến giữa đòn bẩy mục tiêu và cơ hội
tăng trưởng. Trong khi hiệu quả của hồi quy khi dùng e-MB thì tốt hơn đáng kể, cung
cấp sự ủng hộ cho lý thuyết đánh đổi. Vì vậy trong phần này tác giả chỉ sử dụng
e-MB làm đại diện cho cơ hội tăng trưởng.