CHƢƠNG 3 CÁC GIẢ THUYẾT VÀ PHÁT TRIỂN LÝ THUYẾT
4.1. Dữ liệu nghiên cứu
4.1.3. Sở hữu cổ phần nhà quản trị
Biến OWNC (ownership) được định nghĩa là phần trăm số cổ phần phổ
7
thông lớn nhất thuộc sở hữu của tất cả các nhà quản trị điều hành và không điều hành (Brailsford và các cộng sự (2002). Ở nghiên cứu này, tác giả thu thập dựa trên tỷ lệ cổ phần thường được sở hữu theo cá nhân của các thành viên Hội đồng quản trị, Ban giám đốc, Ban kiểm sốt. Những thơng tin này được thu thập trên Báo cáo thường niên.
Mặc dù Ban kiểm soát khơng tác động trực tiếp đến q trình hoạt động sản xuất của cơng ty nhưng có tác động gián tiếp đến các q trình ra quyết định của ban giám đốc, hội đồng quản trị thông qua cơ chế kiểm sốt, kiềm chế để cơng ty minh bạch vì lợi ích cổ đơng.
OWNC = OWN*OWNER Trong đó:
+ OWN là biến giả được phân làm 3 mức độ tương ứng là OWN1 nếu sở hữu cổ đông lớn sở hữu<25% sẽ nhận giá trị 1, OWN2 nếu sở hữu cổ đông lớn sở hữu >25% và <50% sẽ nhận giá trị 1, OWN3 nếu sở hữu cổ đông lớn sở hữu 50% sẽ nhận giá trị 1, ngược lại giá trị sẽ bằng 0
+ OWNER là số phần trăm cổ phiếu của các nhà quản trị sở hữu tính theo từng năm.
4.1.4. Thƣớc đo hiệu quả hoạt động doanh nghiệp (Efficiency).
Như đã nói, bài nghiên cứu sử dụng hàm khoảng cách theo mơ hình DEA. Mơ hình DEA được xây dựng bằng cách sử dụng một giá trị đầu ra (Y- Thu nhập sau thuế) và hai giá trị đầu vào (vốn (K) và lao động(L)). Đầu vào lao động được tính bằng tổng số nhân viên làm việc tồn thời gian, trong khi vốn được đo bằng tài sản hữu hình cố định của cơng ty. Các chỉ số này được thu thập dựa trên các báo cáo thường niên và trên các website của từng công ty. Sử dụng các tỷ số Y/K và Y/L là các thước đo hiệu quả kỹ thuật (TE) trong các lựa chọn (DMU) và sử dụng chương trình VDEA 4.0 để xử lý số liệu.
4.1.5. Các biến khác.
Ngoài việc sử dụng các biến như trên, bài nghiên cứu cịn đưa vào các biến kiểm sốt nhằm tăng tính thuyết phục.
Khả năng sinh lợi ( Profitability-PR) được tính bằng tỉ số của thu nhập hoạt động kinh doanh trước thuế và lãi vay (Net Operating Income) chia cho tổng tài sản. Bài nghiên cứu kì vọng ảnh hưởng của biến sinh lợi trong quá khứ sẽ tác động tích cực. Vì doanh nghiệp càng có khả năng sinh lợi càng cao càng có khả năng quản lí tốt hơn nên làm gia tăng hiệu quả hoạt động kinh doanh.
Quy mơ doanh nghiệp ( SIZE) được tính bằng logarit mức giá trị vốn hóa thị trường của doanh nghiệp tương ứng với số lượng cổ phần đang lưu hàng nhân với mức giá đóng cửa cuối ngày. Với mức vốn hóa càng cao, doanh nghiệp có cơng nghệ kỹ thuật tiên tiến cùng với chất lượng quản lý cao làm gia tăng mức hoạt động của doanh nghiệp.
Để khơng loại trừ khả năng cơ cấu vốn có ảnh hưởng đến tình hình doanh nghiệp, bài nghiên cứu còn đưa vào biến tỷ số tài sản cố định hữu hình ( Tangibility-TANG) và biến tỷ số tài sản cố định vơ hình ( Intangibility- INTANG). Tài sản vơ hình trên tổng tài sản đo lường tại thời điểm cuối năm tài chính. Balakrishnan và Fox (1993) đưa ra một vài ví dụ của tài sản vơ hình đặc trưng riêng của từng công ty như là thương hiệu và những khoản đầu tư nhằm xây dựng danh tiếng. Tác giả tranh luận rằng những tài sản vơ hình này tác động bất lợi đến khả năng vay mượn do có đặc tính khơng thể thu hồi được và chứng minh được chi phí nghiên cứu và phát triển có tương quan âm đến địn bẩy. Hay có thể nói theo cách khác, đặc trưng tài sản của một cơng ty có tỷ lệ tài sản vơ hình cao ảnh hưởng một cách bất lợi lên khả năng vay nợ của nó. Bên cạnh đó, Myers (1977) cũng lập luận rằng chi phí đại diện liên quan đến tài sản vơ hình thì cao hơn so với những chi phí có liên quan đến tài sản hữu hình.
Ngồi ra, biến tăng trưởng (GROWTH) cũng được xem như là 1 thước đo cho tiềm năng cũng như các cơ hội đầu tư trong tương lai. Do đó, bài nghiên cứu kì vọng biến này sẽ tác động tích cực lên tình hình hoạt động của doanh nghiệp.
Bảng 1: Giới thiệu các biến có trong mơ hình.
Tên biến Kí hiệu Cách tính
Tỉ số địn bảy
i,t
Giá trị của tỉ số địn bẩy được tính ở cơng ty i trong năm t. Trong đó
D: là giá trị sổ sách của nợ TA: tổng tài sản
Sở hữu nhà
quản trị OWNCi,t
Số phần trăm cổ phiếu được các cổ đông nắm giữ tương ứng OWNC1 <25%, OWNC2 <50% và >=25%, OWNC3>= 50% được tính ở cơng ty i trong năm t
Thu nhập sau thuế, vốn, lao động
Y, K, L
Dựa trên chỉ số Income after tax, tài sản cố định hữu hình được thu thập trong các báo cáo tài chính. Và tổng số các nhân viên làm toàn thời gian
Biến tăng trưởng
Được tính bằng % doanh số gia tăng mỗi năm
Khả năng sinh lời
Trong đó,
NOI là thu nhập hoạt động kinh doanh trước thuế và lãi vay( Net Opeating Income)
TA: tổng tài sản Mức vốn hóa
thị trường SIZE𝑖,t
Được tính bằng logarit tự nhiên dựa trên số cổ phần đang lưu hành hiện tại và mức giá đóng của vào ngày giao dịch cuối năm. Tỷ số tài sản
cố định hữu
hình Trong đó là tài sản cố định hữu hình
: tổng tài sản ở cơng ty i trong năm t Tỷ số tài sản
cố định vô hình
Trong đó là tài sản cố định vơ hình : tổng tài sản ở cơng ty i trong năm t
4.2. Phƣơng pháp nghiên cứu.
Đề tài về cấu trúc vốn hầu như khơng cịn q xa lạ đối với các nhà nghiên cứu, các học viên ngành tài chính. Tuy nhiên, những tranh cãi xung quanh đề tài này vẫn chưa có hồi kết. Bài nghiên cứu này đóng góp thêm tư liệu về mảng cấu trúc vốn, mặt khác tiếp cận với các mơ hình nghiên cứu mới hơn được sử dụng theo phương pháp phân tích bao dữ liệu (Data Envelopment Analysis – DEA) để đánh giá thành quả hoạt động của doanh nghiệp. Đồng thời sử dụng phương pháp OLS trong hồi quy dữ liệu bảng khi xem xét các nhân tố tác động đến hiệu quả và cuối cùng là dùng phương pháp hồi quy phân vị (quartile regression) để xem xét mối quan hệ giữa cấu trúc vốn và nhân tố khác. Vì bài nghiên cứu, sử dụng phương pháp DEA là phương pháp phi tham số, do đó giải quyết được vấn đề nội sinh, bên cạnh đó, phân tích hồi quy phân vị làm cho các kết quả của bài nghiên cứu bền vững hơn
4.2.1. Các phƣơng pháp định lƣợng.
4.2.1.1. Phƣơng pháp phân tích bao dữ liệu (Data Envelopment Analysis – DEA).
Để đo lường hiệu quả lợi nhuận, thật khó để lựa chọn định hướng (đầu vào, đầu ra, hoặc cả hai) trong việc đo lường hiệu quả kỹ thuật. Farrell (1957) đưa ra . tưởng sử dụng đường giới hạn khả năng sản xuất (production possibilities frontier – PPF) làm tiêu chí đánh giá hiệu quả (tương đối) giữa các cơng ty trong cùng một ngành; theo đó các cơng ty đạt đến mức giới hạn sẽ được coi là hiệu quả (hơn) và các công ty không đạt đến đường PPF sẽ bị coi là kém hiệu quả (so với các cơng ty kia). Cụ thể, trong hình, các DMU B, C và E có TEB = TEC = TEE = 1; cịn DMU A và D có TEA = 0A/0A‟ < 1 và TED = 0D/0D‟ < 1.
Một cách đơn giản, hiệu quả (mang tính kỹ thuật) của việc sử dụng yếu tố đầu vào x để thu được yếu tố đầu ra y có thể được đo lường theo công thức:
Tuy nhiên, việc xác định giá cả của từng yếu tố đầu vào/đầu ra thường rất phức tạp, nhất là trong những lĩnh vực như tài chính ngân hàng, giáo dục đào tạo,… Trong trường hợp này, có thể giả thiết là mỗi DMU sẽ sử dụng những trọng số nhất định um và vk sao cho điểm hiệu quả TE của nó là cao nhất, nói cách khác, um và vk là những trọng số giúp cho DMU đó tiến gần đến đường giới hạn khả năng sản xuất PPF nhất. Vì vậy, chúng cịn được gọi là “giá ẩn” (shadow prices). Mặc dù chúng không phải là giá cả thực (true prices) nhưng lại đóng vai trị như giá cả trong việc tính tốn hiệu quả kỹ thuật TE.
Một cách tổng quát, với bài tốn có n DMU, mỗi DMU sử dụng k yếu tố đầu vào xm để tạo ra m yếu tố đầu ra ym, việc xác định hiệu quả TE0 của một DMU0 bất kỳ sẽ được tính tốn như sau:
Maxu,v TE0
Trong điều kiện:
(Điểm hiệu quả DMU0)
(Điểm hiệu quả của tất cả các DMU khơng vượt q 1)
Bên cạnh việc tính tốn hiệu quả kỹ thuật tại một thời điểm nhất định, việc tính tốn hiệu quả theo thời gian cũng quan trọng không kém. Sự so sánh các mức hiệu quả giữa các giai đoạn khác nhau giúp các nhà nghiên cứu có cái nhìn rõ nét hơn về sự thay đổi của hiệu quả theo thời gian, từ đó có thể đánh giá về những thay đổi trong các giai đoạn đó có tác động thế nào tới hiệu quả, cũng như có thể phần nào dự báo được biến động của hiệu quả trong tương lai.
Trong phương pháp DEA, việc ước lượng hiệu quả kỹ thuật được thực hiện dựa trên một đường giới hạn (frontier) xác định, và do đó, so sánh hiệu quả giữa hai giai đoạn dựa trên hai đường giới hạn khác nhau là rất phức tạp. Tuy nhiên, nếu quy về cùng một gốc tọa độ thì vấn đề trở nên đơn giản hơn với sự giúp đỡ của các hàm khoảng cách (distance functions). Fare và đồng sự (1994) đưa ra mơ hình xác định mức thay đổi của năng suất tổng hợp theo thời gian trong đó một DMU bất kỳ sẽ được nghiên cứu tại hai thời điểm khác nhau t và t+1 (tương ứng với hai đường frontier khác nhau tại hai thời điểm t và t+1) rồi so sánh sự thay đổi về năng suất
tổng hợp của DMU đó. Tuy nhiên, vì dữ liệu bài nghiên cứu và các phần mềm hỗ trợ còn gặp nhiều hạn chế nên bài nghiên cứu sử dụng phương pháp DEA theo mơ hình khơng đổi theo quy mơ CRS trong từng năm.
Việc tối đa hóa hiệu quả, tùy thuộc vào việc tối thiểu hóa đầu vào hay tối đa hóa đầu ra. Theo nghiên cứu của Lovell và các cộng sự (1993) nếu biến đầu vào có thể rà sốt và dễ dàng thay đổi thì việc định hướng đầu vào sẽ thích hợp hơn. Do đó, bài nghiên cứu này, áp dụng phương pháp tối thiểu hóa đầu vào.
Từ các lý thuyết và công thức nêu trên, bài viết đưa ra giả thiết nếu biến đo hiệu quả hoạt động doanh nghiệp EFF =1 thì doanh nghiệp hoạt động hiệu quả, cịn nếu EFF<1 thì doanh nghiệp hoạt động kém hiệu quả.
Phương pháp phân tích bao số liệu (Data Envelopment Analysis – DEA) là một cơng cụ phân tích kinh tế khá mạnh, được sử dụng trong phân tích hiệu quả hoạt động sản xuất của các tổ chức, doanh nghiệp, nhóm hộ sản xuất. Trong phương pháp DEA, mơ hình tốn tuyến tính và kinh tế được lồng ghép và áp dụng khá linh hoạt. DEA là một kỹ thuật bao số liệu và do đó nó khơng phải là 1 mơ hình kinh tế lượng tiêu chuẩn. Khơng có các tham số hồi quy để ước lượng, khơng có chức năng, khơng có thuật ngữ lỗi và khơng có sự phân biệt giữa các biến phụ thuộc và độc lập. Do đó phương pháp này khơng có vấn đề nội sinh để xử lý.
4.2.1.2. Phƣơng pháp hồi quy bảng (Panel Data).
Dữ liệu bảng là sự kết hợp của dữ liệu chéo (cross-section) và dữ liệu thời gian ( time series). Dữ liệu bảng cho phép kiểm sốt các yếu tố khơng quan sát được. Các yếu tố này có thể khác nhau giữa các đối tượng nhưng khơng thay đổi theo thời gian hoặc thay đổi theo thời gian nhưng lại không khác nhau giữa các đối tượng. Điều này làm giảm độ lệch trong ước lượng. Ngoài ra, sử dụng dữ liệu bảng có ít sự đa cộng tuyến giữa các biến giải thích do đó làm cho kết quả chính xác hơn.
Phương pháp hồi quy phân vị được Koenker và Bassett giới thiệu lần đầu tiên năm 1978. Thay vì ước lượng các tham số của hàm hồi quy trung bình bằng phương pháp OLS, Koenker & Bassett (1978) đề xuất việc ước lượng tham số hồi quy trên từng phân vị của biến phụ thuộc để sao cho tổng chênh lệch tuyệt đối của hàm hồi quy tại phân vị τ của biến phụ thuộc là nhỏ nhất. Nói một cách khác, thay vì xác định tác động biên của biến độc lập đến giá trị trung bình của biến phụ thuộc, hồi quy phân vị sẽ giúp xác định tác động biên của biến độc lập đến biến phụ thuộc trên từng phân vị của biến phụ thuộc đó.
Theo Koenker (2005) và Hao & Naiman (2007), hồi quy phân vị có những ưu điểm như sau:
1. Hồi quy phân vị cho phép thể hiện một cách chi tiết về mối quan hệ giữa biến phụ thuộc và các biến độc lập trên từng phân vị của biến phụ thuộc, không phải chỉ xét mối quan hệ này trên giá trị trung bình như hồi quy OLS.
2. Trong hồi quy OLS, các quan sát bất thường (outliers) thường được loại bỏ để ước lượng OLS khơng bị chệch. Trong khi đó, hồi quy phân vị có tính ổn định (robustness), khơng bị ảnh hưởng bởi sự hiện diện của các quan sát bất thường đó.
3. Các kiểm định về tham số của hồi quy phân vị khơng dựa vào tính chuẩn của sai số. Hơn nữa, các kiểm định này không dựa trên bất kỳ một giả định nào về dạng phân phối của sai số hồi quy.
4. Hồi quy phân vị đặc biệt phù hợp khi phân tích trên mơ hình hồi quy có sự hiện diện của phương sai thay đổi hoặc trong mẫu số liệu mà hàm phân phối của biến phụ thuộc bất đối xứng quanh giá trị trung bình. Khi đó, hàm hồi quy phân vị trên các phân vị khác nhau sẽ có sự khác biệt rõ rệt, cho thấy tác động không giống nhau của biến độc lập đến biến phụ thuộc ở những phân vị khác nhau.
Đối với bài nghiên cứu này, tác giả thực hiện hồi quy phân vị ứng với trường hợp τ=0.5 và τ=0.75
4.2.2. Mơ hình nghiên cứu tác động của địn bẩy và sở hữu nhà quản trị đối với hiệu quả hoạt động doanh nghiệp.
Bài nghiên cứu “Capital structure, equity ownership and firm performance”
của Dimitris Margaritis, Maria Psillaki (2010) xem xét và phát hiện ra tỷ lệ địn
bẩy có mối tương quan dương đối với hiệu quả hoạt động kinh doanh doanh nghiệp. Từ đó, kết luận rằng các nhà quản trị sử dụng cấu trúc vốn với việc vay nợ nhiều hơn sẽ làm tăng hiệu quả hoạt động doanh nghiệp. Qua đó, bài nghiên cứu xem xét hiện tượng này ở Việt Nam nhằm trả lời câu hỏi nghiên cứu:
• Địn bẩy càng cao, sẽ làm giảm chi phí đại diện và qua đó làm cải thiện
tình hình hoạt động doanh nghiệp? Mơ hình cơ sở
EFFi,t=𝛽0+𝛽1∗LEV𝑖,𝑡−1+𝛽2∗LEV2
i,t−1+𝛽3∗GROWTH𝑖,𝑡−1+𝛽4∗INTANG𝑖,𝑡−1
+𝛽5∗TANG𝑖,𝑡−1+𝛽6∗PR𝑖,𝑡-1+ 𝛽7∗SIZE𝑖,𝑡−1+𝛽8∗OWNC𝑖,𝑡−1 + 𝜀𝑖,𝑡
Với i là doanh nghiệp, t là năm quan sát
Trong đó:
EFF là thước đo hiệu quả doanh nghiệp, LEV: đòn bẩy= nợ/ tổng tài sản, và các biến khác, u là các sai số và kèm theo đó là các độ trễ 1 giai đoạn.
Biến phụ thuộc EFF là thước đo tính hiệu quả hoạt động của doanh nghiệp , cách tính tốn đã được trình bày ở phần trên
Để xem xét ảnh hưởng của cấu trúc vốn đối với hiệu quả kinh doanh, bài viết sử dụng biến tỷ lệ đòn bẩy năm trước LEV𝑖,−1 để không loại trừ khả năng thành quả hoạt động của doanh nghiệp liệu có bị tác động bởi cơ cấu vốn đã được hoạch định trong năm trước hay không.
Tương tự như vậy, bài viết sử dụng 1 bậc trễ của LEV2
i,t−1 cũng như biến sở hữu nhà quản trị OWNC𝑖,𝑡−1 để kiểm soát tác động lên doanh nghiệp.
Các yếu tố liên quan đến tính hiệu quả khác, bao gồm: khả năng sinh lợi