Ký hiệu Nội dung Cách tính
EXTFIN_Di,t Nguồn tài trợ từ nợ
GTSS Nợ CTLi,t – GTSS Nợ CTLi,t-1 Tổng tài sảni,t EXTFIN_DEi,t Nguồn tài trợ từ nợ và vốn cổ phần GTSS (Nợ CTL+VĐTCSH)i,t – GTSS (Nợ CTL+VĐTCSH)i,t-1 Tổng tài sảni,t EXTFIN_Ei,t Nguồn tài trợ từ vốn cổ phần GTSS VĐTCSHi,t – GTSS VĐTCSHi,t-1 Tổng tài sảni,t
SIZEi,t Quy mô công ty Ln(tổng tài sảni,t)
GROWTHi,t Cơ hội tăng trưởng Doanh thui,t – Doanh thui,t-1 Doanh thui,t-1
CASH_FLOWi,t Dòng tiền
(TN hoạt động + Khấu hao TSCĐ)i,t Tổng tài sảni,t
CASHi,t-1
Tiền và tương đương tiền năm trước
(Tiền và tương đương tiền)i,t-1 Tổng tài sảni,t-1
COLLATERALi,t-1
Tài sản có thể chuyển đổi thành tiền năm trước
(HTK + Khoản phải thu + TSCĐ)i,t-1 Tổng tài sảni,t-1
LEVERAGEi,t-1 Tỷ lệ địn bẩy tài chính năm trước
Tổng nợ phải trải,t-1 Tổng tài sảni,t-1
TANGi,t
Biến giả tài sản hữu hình
Bằng 1 nếu tỷ lệ tài sản cố định hữu hình + hàng tồn kho trên tổng tài sản
lớn hơn trung bình mẫu
MACRO2008-2010
Biến giả khủng hoảng
Bằng 1 nếu năm nghiên cứu là một trong ba năm 2008, 2009, 2010
3.2.2. Phƣơng pháp kiểm định và cách thức thực hiện 3.2.2.1. Phƣơng pháp kiểm định
Dựa theo bài nghiên cứu của Gracia và Francisco (2014), với việc sử dụng phân tích dữ liệu bảng, tác giả bài nghiên cứu đã sử dụng phương pháp ước lượng cố định (FEM), phương pháp ước lượng ngẫu nhiên (REM) và phương pháp mô men tổng qt (GMM) để kiểm định các mơ hình nguồn tài trợ đã được trình bày ở chương 3. Đầu tiên, tác giả sử dụng phương pháp FEM/REM để ước lượng các phương trình (1), (3) và (4).
EXTFINi,t = β0 + β1.SIZEi,t + β2.GROWTHi,t + β3.CASH_FLOWi,t + ηi + ηt + ϵi,t (1)
EXTFINi,t = β0 + β1.SIZEi,t + β2.GROWTHi,t + β3.CASH_FLOWi,t + β4.TANGi,t + β5.(TANGi,t x CASH_FLOWi,t) + ηi + ηt + ϵi,t (3)
EXTFINi,t =β0 + β1.SIZEi,t + β2.GROWTHi,t + β3.CASH_FLOWi,t + β4.MACRO2008-2010 + β5.(MACRO2008-2010 x CASH_FLOWi,t) + ηi + ηt + ϵi,t (4)
Sau đó, khi ước lượng mơ hình mở rộng (2), tác giả nhận thấy tồn tại hiện tượng nội sinh trong mơ hình nghiên cứu làm cho các ước lượng thu được bằng phương pháp hồi quy tuyến tính cổ điển khơng cịn là ước lượng vững, vì vậy để giải quyết vấn đề này, tác giả đã sử dụng phương pháp mô men tổng quát (GMM) thay cho hai phương pháp FEM và REM để ước lượng mơ hình mở rộng (2). Các biến tiền và tương đương tiền (CASH), tài sản có thể chuyển đổi thành tiền (COLLATERAL)
và tỷ lệ địn bẩy tài chính (LEVERAGE) được tác giả lấy độ trễ là 1 và được công cụ với năm độ trễ từ 2 đến 6.
EXTFINi,t = β0 + β1.SIZEi,t + β2.GROWTHi,t + β3.CASH_FLOWi,t +
β4.CASHi,t-1 + β5.COLLATERALi,t-1 + β6.LEVERAGEi,t-1 + ηi + ηt + ϵi,t (2)
3.2.2.2. Cách thức thực hiện
Kiểm định hiện tƣợng đa cộng tuyến
Dữ liệu của bài nghiên cứu được tổ chức với cấu trúc dữ liệu bảng, do đó tác giả có thể sử dụng nhiều mơ hình hồi quy khác nhau để kiểm định các mơ hình nguồn tài trợ bên ngồi như mơ hình tác động cố định (FEM), mơ hình tác động ngẫu nhiên (REM), mơ hình moment tổng qt (GMM). Và để xác định mơ hình hồi quy phù hợp nhất, đầu tiên tác giả tiến hành kiểm định có hay khơng sự tồn tại hiện tượng đa cộng tuyến trong mơ hình nghiên cứu.
Để kiểm định hiện tượng đa cộng tuyến, tác giả căn cứ vào giá trị nhân tử phương sai phóng đại (VIF: Variance Inflation Factor) và so sánh giá trị VIF với 10. Nếu giá trị nhân tử phương sai phóng đại trung bình lớn hơn 10 thì mơ hình xảy ra hiện tượng đa cộng tuyến và tác giả phải lựa chọn phương pháp moment tổng quát (GMM) để ước lượng mơ hình nghiên cứu nhằm giải quyết vấn đề này, ngược lại nếu VIF nhỏ hơn 10, nghĩa là mơ hình khơng tồn tại hiện tượng đa cộng tuyến, tác giả sẽ sử dụng mơ hình tác động cố định (FEM) hoặc mơ hình tác động ngẫu nhiên (REM) để kiểm định. Giá trị VIF được tính theo cơng thức sau:
2 1 1 j j R VIF , với 2 j R là hệ số xác định đã điều chỉnh.
Kiểm định tính chất cố định hoặc ngẫu nhiên của các hiệu ứng riêng lẻ
không quan sát đƣợc
Theo cách tiếp cận truyền thống thì dữ liệu bảng có thể được ước lượng thơng qua hai mơ hình: mơ hình tác động cố định (FEM) và mơ hình tác động ngẫu nhiên
tuyến trong mơ hình, tác giả tiếp tục sử dụng kiểm định Hausman để lựa chọn mơ hình FEM hay mơ hình REM là phù hợp hơn với kiểm định của tác giả. Thực chất kiểm định Hausman để xem xét có tồn tại tự tương quan giữa ηi và các biến độc lập hay không.
Giả thuyết:
H0: ηi và biến độc lập không tương quan H1: ηi và biến độc lập có tương quan
Khi giá trị P-value <0.05 tác giả bác bỏ giả thuyết Ho, khi đó ηi và biến độc lập có tương quan với nhau, dẫn đến lựa chọn sử dụng mơ hình tác động cố định. Ngược lại, thì sử dụng mơ hình tác động ngẫu nhiên.
Kiểm định hiện tƣợng nội sinh
Khi thêm vào các biến tiền và tương đương tiền năm trước (CASHt-1), tài sản có thể chuyển đổi thành tiền năm trước (COLLATERALt-1), mức độ đòn bẩy tài chính năm trước (LEVERAGEt-1) vào mơ hình mở rộng, tác giả nghi ngờ có tồn tại hiện tượng nội sinh trong mơ hình nghiên cứu, do đó để kiểm định các biến độc lập này có phải là biến nội sinh hay không, tác giả đã sử dụng kiểm định của Hausman (1978).
Giả thuyết:
H0 : Biến không bị nội sinh H1 : Biến bị nội sinh
Nếu giá trị P-value < 0.05, tác giả bác bỏ giả thuyết H0, tức là biến độc lập bị nội sinh và lựa chọn phương pháp mô men tổng qt (GMM) để ước lượng mơ hình (2) nhằm giải quyết vấn đề này.
Kiểm định các giới hạn vƣợt quá của phƣơng pháp GMM
Để kiểm định các giới hạn xác định vượt quá, tác giả dùng kiểm định J (J – Test) để đánh giá những biến cơng cụ có tương quan với phần dư hay khơng hay nói một cách dễ hiểu đó là kiểm định các điều kiện moment của mơ hình có phù hợp với dữ liệu khơng.
Giả thuyết:
H0 : Dữ liệu phù hợp đáp ứng điều kiện của mơ hình
H1 : Dữ liệu khơng phù hợp đáp ứng ứng điều kiện của mơ hình
Căn cứ vào chỉ số p-value của J-Test trong kết quả mơ hình, tác giả so sánh với mức ý nghĩa 5%. Nếu p-value < 0.05 thì bác bỏ giả thuyết H0 chấp nhận giả thuyết H1, tức dữ liệu khơng phù hợp với điều kiện của mơ hình và ngược lại.
Kiểm định ý nghĩa các hệ số hồi quy
Để kiểm định xem các hệ số trong mơ hình hồi quy có ý nghĩa hay khơng, tác giả sử dụng hai giả thuyết.
Giả thuyết: H0:βi = 0,i = 1,6 H1: βi ≠ 0,i = 1,6
Dựa vào kết quả hồi quy, tác giả so sánh giá trị p-value của các hệ số hồi quy với mức ý nghĩa 10%, 5% và 1%. Nếu giá trị p-value của các hệ số nhỏ hơn một trong ba mức ý nghĩa trên thì bác bỏ giả thuyết H0,tức biến độc lập có tác động đến biến phụ thuộc.
Kiểm định sự thay đổi cấu trúc trong chuỗi dữ liệu
Để thực hiện mục tiêu nghiên cứu là kiểm định ảnh hưởng của dòng tiền đến việc gia tăng nguồn tài trợ bên ngồi của các cơng ty Việt Nam trong điều kiện hạn chế tài chính, tác giả đã tiếp cận theo hướng thực hiện hồi quy riêng lẻ với mẫu dữ liệu của các công ty đã niêm yết và mẫu dữ liệu của các cơng ty chưa niêm yết, qua đó so sánh kết quả hồi quy giữa hai mẫu xem có sự khác biệt hay không? Và để kiểm định liệu các biến độc lập có tác động khác nhau lên từng nhóm khác nhau của tổng thể mẫu, từ đó nên tách riêng hay gộp chung hai mẫu dữ liệu để hồi quy, tác giả đã sử dụng kiểm định Chow.
Giả thuyết:
H0 : Khơng có thay đổi cấu trúc H1 : Có thay đổi cấu trúc
Căn cứ vào chỉ số p-value của Chow Test, tác giả so sánh với mức ý nghĩa 5%. Nếu giá trị p-value < 0.05 thì bác bỏ giả thuyết H0 chấp nhận giả thuyết H1, tức là có sự thay đổi cấu trúc, nên tách riêng hai mẫu dữ liệu để hồi quy và ngược lại.
HƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương này trình bày kết quả ước lượng của bốn mơ hình đã được tác giả đề cập ở chương 3, nhằm mục tiêu kiểm định ảnh hưởng của dòng tiền đến việc gia tăng nguồn tài trợ bên ngồi của các cơng ty đã niêm yết và các công ty chưa niêm yết ở Việt Nam.
4.1. Thống kê mô tả
Với dữ liệu được thu thập từ 793 cơng ty phi tài chính trong giai đoạn từ năm 2005 đến năm 2015, tác giả chia thành hai mẫu dữ liệu: một là, nhóm các cơng ty đã niêm yết trên Sở giao dịch chứng khốn thành phố Hồ Chí Minh (HSX) và Sở giao dịch chứng khoán Hà Nội (HNX); hai là, nhóm các cơng ty chưa niêm yết giao dịch trên thị trường giao dịch phi tập trung (OTC) và thị trường giao dịch của các công ty đại chúng chưa niêm yết (UPCOM). Bảng 4.1 trình bày kết quả thống kê mô tả về số quan sát, giá trị trung bình, giá trị trung vị, độ lệch chuẩn, giá trị nhỏ nhất và giá trị lớn nhất của các biến độc lập và biến phụ thuộc trong mơ hình mở rộng nhằm cung cấp một cái nhìn tổng quan về các đặc tính của dữ liệu.