Biến độc lập Kỳ vọng dấu của hệ số
tương quan của các biến độc lập
Giả thiết về chiều tương quan với chi phí
đại diện
DTAR - -
LOS - -
Nguồn: He Zhang và Steven Li (2008)
3.1.2 Mơ hình thử nghiệm loại bỏ biến (mơ hình bỏ sót biến)
Mục đích chính của thử nghiệm này là đi sâu vào đánh giá mối quan hệ giữa biến phụ thuộc với từng biến độc lập, liệu mối quan hệ này có ý nghĩa thống kê hay khơng, có cùng khuynh hướng tác động lên chi phí đại diện như trong phân tích tổng hợp hay khơng, kết quả này có hỗ trợ cho phân tích tổng hợp hay khơng. Các biến giả ngành công nghiệp cũng được đưa vào phân tích từng biến. Như đã nêu ra trong phần 3.1.1, mục đích của việc đưa biến giả vào để làm hạn chế việc thay đổi đột ngột kết quả đầu ra. Tác giả phân tích 3 phương trình bỏ sót biến sau.
OETS = α + γ1DTAR + ∑ ( ) + εi (4) OETS = α + γ2LOS + ∑ ( ) + εi (5) OETS = α + γ3ROA + ∑ ( ) + εi (6)
Trong phân tích bỏ sót biến, tác giả vẫn sử dụng phương pháp hồi qui theo OLS như trong phân tích tổng hợp các biến.
3.1.3 Giả thuyết nghiên cứu
Giả thuyết 1: Cấu trúc vốn có ảnh hưởng đến chi phí đại diện, địn bẩy cao có khả
năng làm giảm chi phí đại diện.
Giả thuyết 2: Khi đòn bẩy đã ở mức rất cao, việc gia tăng thêm tỷ lệ đòn bẩy sử
dụng sẽ làm cho chi phí đại diện tăng, ngược lại với giả thuyết 1.
3.1.4 Mẫu nghiên cứu
Bài nghiên cứu được thực hiện trên 47 công ty đã niêm yết trên sàn giao dịch chứng khốn thành phố Hồ Chí Minh cho giai đoạn nghiên cứu là từ năm 2008 đến năm 2012 cho thử nghiệm đa biến. Các cơng ty tài chính sẽ được loại bỏ do sự khác biệt
trong môi trường và thể chế hoạt động. Dữ liệu thống kê được thu thập và tổng hợp từ các báo cáo tài chính đã kiểm tốn. Sau đó, từ các mẫu này tính ra giá trị trung bình của OETS, loại các mẫu có giá trị các tham số đột biến, vì vậy mẫu nghiên cứu còn lại sẽ cịn 47 cơng ty.
Từ 47 công ty này tác giả chọn ra 33 cơng ty có phân giai đoạn sử dụng địn bẩy cao và địn bẩy thấp, các cơng ty này phải đáp ứng tiêu chí sau:
Cơng ty có thay đổi DTAR đáng kể, giá trị trung bình của DTAR trong thời gian 5 năm được sử dụng như một thước đo.
Thời kỳ mẫu 5 năm có thể được chia thành 2 giai đoạn. DTAR ổn định trong mỗi giai đoạn. Giai đoạn nghiên cứu liên quan đến việc giảm/tăng đòn bẩy được gọi là giai đoạn đòn bẩy giảm (LLS)/ giai đoạn đòn bẩy tăng (HLS),
Mỗi giai đoạn phải kéo dài ít nhất 2 năm,
Sau khi khảo sát các mẫu trên, một mẫu gồm 33 công ty (từ năm 2008 đến năm 2012) được chọn để phân tích.
Việc phân loại các giai đoạn sử dụng đòn bẩy dựa vào xu hướng tăng hay giảm đòn bẩy cho giai đoạn từ 2 năm trở lên và có ý nghĩa tương đối, ví dụ điển hình về xu hướng các giai đoạn sử dụng đòn bẩy, tác giả sử dụng nguồn dữ liệu của công ty Cổ phần nhựa Tân Đại Hưng từ năm 2008 đến năm 2012.
Bảng 3.4 OETS và DTAR của Công ty Cổ phần nhựa Tân Đại Hưng từ năm 2008 đến năm 2012 như sau:
Năm DTAR(%) OETS(%)
2012 47.36 3.07 2011 65.09 3.61 2010 10.46 6.02 2009 10.95 4.25 2008 20.15 21.16 Trung bình 30.80 7.62
Bảng 3.4, tỷ lệ đòn bẩy trung bình cho 5 năm là 30.8%, khoảng thời gian từ năm 2011 đến 2012 được xác định là giai đoạn sử dụng đòn bẩy cao (HLS) với tỷ lệ địn bẩy trung bình trong 2 năm đó là 56.22%, OETS trung bình tương ứng là 3.34%. Từ giai đoạn 2008 đến 2010 được xác định là giai đoạn sử dụng đòn bẩy thấp (LLS), tỷ lệ DTAR trung bình là 13.85%, tương ứng với OETS trung bình là 10.48%.
Như đã nêu lên trong phần thử nghiệm đa biến, giả định DTAR có quan hệ nghịch với chi phí đại diện OETS. Vì vậy, kiểm định này giả định DTAR trong giai đoạn địn bẩy thấp có OETS cao hơn so với DTAR trong giai đoạn sử dụng đòn bẩy cao khi nghiên cứu các giai đoạn sử dụng địn bẩy của một cơng ty.
Các nguồn dữ liệu được sử dụng trong bài nghiên cứu bao gồm các báo cáo tài chính, báo cáo thường niên, báo cáo quản trị hằng năm của các cơng ty. Bên cạnh đó, bài nghiên cứu còn sử dụng nguồn dữ liệu từ IMF, Bloomberg và từ một số website chuyên về chứng khoán như cổ phiếu 68.com, cafef.com, finance.vietstock.vn. Cách thức thu thập và xử lý cụ thể cho từng biến sẽ được trình bày trong phần tiếp theo khi bài nghiên cứu đề cập từng mơ hình cụ thể.
3.1.5 Kiểm định sự khác biệt chi phí đại diện giữa giai đoạn sử dụng địn bẩy cao và giai đoạn sử dụng đòn bẩy thấp. cao và giai đoạn sử dụng đòn bẩy thấp.
Tác giả thực hiện thống kê cho biến phụ thuộc OETS giữa 2 giai đoạn, giai đoạn sử dụng đòn bẩy cao HLS và giai đoạn sử dụng địn bẩy thấp LLS cho mơ hình hồi qui bỏ sót biến: chỉ xem xét mức tác động biến độc lập DTAR đến biến phụ thuộc như thế nào qua các năm nghiên cứu liên tục, từ năm 2008 đế năm 2012. Các kiểm tra hồi qui đơn biến (sử dụng biến DTAR) sẽ tập trung vào tầm quan trọng của sự khác biệt trong chi phí đại diện giữa giai đoạn địn bẩy cao và giai đoạn đòn bẩy thấp của các cơng ty được lựa chọn trong mẫu. Có hai câu hỏi cần phải được giải quyết trong nghiên cứu này:
Thứ nhất: Địn bẩy tài chính càng cao thì chi phí đại diện càng thấp?
Thứ hai: Nếu đòn bẩy đã được sử dụng ở mức độ rất cao rồi thì việc gia tăng
thêm tỷ lệ đòn bẩy sử dụng sẽ làm tăng chi phí đại diện?
Tác giả thực hiện hai kiểm định sau đây để kiểm tra sự khác biệt giữa hai nhóm HLS và LLS
Kiểm định 1: Địn bẩy tài chính càng cao thì chi phí đại diện càng thấp?
Ý nghĩa kiểm định: Kiểm định sự khác biệt của chi phí đại diện giữa hai giai đoạn
sử dụng đòn bẩy cao HLS và giai đoạn sử dụng đòn bẩy thấp LLS, mức độ khác biệt này có ý nghĩa thống kê hay khơng khi cơng ty sử dụng mức địn bẩy cao, liệu rằng đòn bẩy tài chính càng cao thì chi phí đại diện càng thấp? Tác giả thực hiện các bước sau:
Phân nhóm: Dựa trên mức độ tỷ lệ nợ/tài sản DTAR cao nhất của từng công ty trong giai đoạn HLS, tác giả chia làm 6 nhóm: từ 75% đến 100%, từ 50% đến 75%, từ 40% đến 50%, từ 30% đến 40%, từ 20% đến 30%, từ 10% đến 20%.
Dựa trên phân nhóm trên, tính giá trị trung bình của OETS của từng công ty theo giai đoạn HLS và LLS.
Tác giả kiểm tra sự khác biệt của OETS giữa hai giai đoạn HLS và LLS có ý nghĩa thống kê hay không qua kiểm định t-test. Tác giả gán giá trị bằng 1 cho giai đoạn HLS và bằng 0 cho giai đoạn LLS.
Kiểm định 2: Nếu đòn bẩy đã được sử dụng ở mức độ rất cao rồi thì việc gia tăng thêm tỷ lệ đòn bẩy sử dụng sẽ làm tăng chi phí đại diện?
Ý nghĩa của kiểm định: kiểm định rằng khi chênh lệch của đòn bẩy sử dụng giữa hai giai đoạn HLS và LLS có dẫn đến sự khác biệt OETS tương ứng trong hai giai đoạn HLS và LLS hay không. Liệu rằng chênh lệch này ở mức độ rất cao rồi thì OETS có đảo chiều so với giả định ban đầu, nghĩa là khi đòn bẩy đã ở mức độ cao rồi thì gia tăng địn bẩy nữa có làm giảm chi phí đại diện nữa hay khơng. Tác giả thực hiện các bước sau:
Phân nhóm: tác giả thay đổi tiêu chuẩn phân nhóm nghiên cứu như sau. Dựa trên chênh lệch DTAR giữa 2 giai đoạn HLS và LLS: nhóm có chênh lệch DTAR từ > 25%, 20%-25%, 15% - 20%, 10% - 15%, 5% - 10%, 1% -5%.
Dựa trên phân nhóm trên, tính giá trị trung bình của OETS của từng công ty theo giai đoạn HLS và LLS.
Tác giả kiểm tra sự khác biệt của OETS giữa hai giai đoạn HLS và LLS có ý nghĩa thống kê hay khơng qua kiểm định t-test. Tác giả gán giá trị bằng 1 cho giai đoạn HLS và bằng 0 cho giai đoạn LLS.
3.2 Lựa chọn mơ hình cho nghiên cứu đa biến
Chọn lựa mơ hình qua kiểm định Hausman; Likelihook Ratio
Tác giả sử dụng kiểm định Hausman (1978) và Likelihook Ratio để quyết định lựa chọn mơ hình FEM (Fixed Effect Modal) hay REM (Random Effect Modal) hay OLS thông thường?
+ Kiểm định Likelihook Ratio:
Việc ước lượng phương trình phụ thuộc vào những giả định mà ta nêu lên về tung độ gốc, các hệ số độ dốc và số hạng sai số, trước hết tác giả xác định xem tấc cả các hệ số có thay đổi hay khơng, nếu khơng có sự thay đổi theo thời gian và theo các cá nhân sẽ sử dụng mơ hình hồi quy OLS thơng thường.
Giả thuyết H0: Tất cả các hệ số đều không đổi theo thời gian và theo các cá nhân. H1: Các hệ số thay đổi theo thời gian hoặc theo cá nhân.
Nếu Prob ≥ 0.05 chấp nhận giả thuyết Ho, chúng ta ước lượng hồi quy theo phương pháp Pooled OLS.
Prob ≤ 0.05 bác bỏ giả thuyết Ho những tác động được coi là có ảnh hưởng bởi yếu tố không gian và thời gian lúc này sữ dụng mơ hình hồi quy dữ liệu bảng sẽ cho kết quả ước lượng tốt hơn. Và tác giả tiếp tục kiểm định Hausman.
+ Kiểm định Hausman:
Ước lượng từ các mơ hình dữ liệu bảng địi hỏi chúng ta xác định xem có sự tương quan giữa tính khơng đồng nhất khơng quan sát được của mỗi cơng ty và giải thích các biến của mơ hình hay khơng? Nếu có sự tương quan sẽ ước lượng bằng hiệu ứng cố định (Fixed effects), nếu không sẽ ước lượng bằng hiệu ứng ngẫu nhiên (Random effects).
Giả thuyết Ho: Khơng có mối tương quan khả dĩ giữa các thành phần sai số theo cá nhân và các biến hồi quy độc lập X.
H1: Có mối tương quan khả dĩ giữa các thành phần sai số theo cá nhân và các biến hồi quy độc lập X.
Nếu: Prob ≥ 0.05 chấp nhận giả thuyết Ho, chọn mơ hình hiệu ứng ngẫu nhiên (REM) sẽ cho kết quả ước lượng tốt hơn mơ hình hiệu ứng cố định (FEM). Prob ≤ 0.05 bác bỏ giả thuyết Ho, những tác động được xem là cố định và mơ hình FEM sẽ cho kết quả ước lượng tốt hơn REM.
Một số đặc điểm của các mơ hình hồi quy dữ liệu bảng: mơ hình các ảnh hưởng cố định (Fixed Effect Model, FEM) và mơ hình ảnh hưởng ngẫu nhiên (Random Effects Model, REM). Khi số liệu theo chuỗi thời gian lớn và số mẫu lớn thì hai phương pháp FEM và REM không khác biệt nhiều; khi mẫu lớn và thời gian ngắn thì mơ hình FEM phù hợp hơn.
3.3 Một số đặc điểm của các mơ hình hồi quy dữ liệu chéo OLS
Theo định lý Gauss-Markov, để mơ hình đảm bảo tính tuyến tính, khơng chệch và có phương sai nhỏ nhất trong lớp các ước lượng tuyến tính, khơng chệch của hệ số thì mơ hình phải đảm bảo 5 giả thiết.
Bước 1: Kiểm định đa cộng tuyến (Correlations)
Khi giả thiết về sự không tương quan giữa các biến độc lập bị vi phạm: Có hiện tượng đa cộng tuyến.
Mục đích của kiểm định: xem xét các biến độc lập (X) có ảnh hưởng lẫn nhau, hay cịn gọi là có sự tương quan với nhau hay không. Điều này được thực hiện bằng cách tạo ma trận tương quan giữa các biến giải thích với nhau (Brooks, 2002). Cách nhận biết hiện tượng đa cộng tuyến:
Hệ số R2 cao, nhưng tỷ số t-statistic thấp,
Hệ số tương quan giữa các biến độc lập cao: khi r > 0.8 thì có nhiều khả năng đa cộng tuyến,
Dấu của hệ số hồi quy khác với dấu kỳ vọng cũng là dấu hiệu dễ nhận ra có hiện tượng đa cộng tuyến,
Kiểm tra đa cộng tuyến với VIF, nếu VIF nhỏ hơn 10, khơng có hiện tượng đa cộng tuyến nghiêm trọng. Hơn nữa, theo nghiên cứu gốc của nhóm tác giả He Zhang and Steven Li, hệ số tương quan giữa các biến đều nhỏ hơn 0.5, khơng có bằng chứng đáng kể cho thấy hiện tượng đa cộng tuyến giữa các biến với nhau. Vì vậy tác giả sử dụng hồi qui tuyến tính để phân tích cho mơ hình tổng hợp.
Bước 2: Kiểm định phương sai thay đổi
Sau khi lựa chọn mơ hình phù hợp tại phần 3.2, dùng phương pháp Kiểm định Breusch & Pagan kiểm định phương sai thay đổi.
Giả thuyết: H0: có phương sai thay đổi;
H1: khơng có phương sai thay đổi.
Dựa theo kết quả ước lượng mơ hình, tác giả xem mức ý nghĩa (Prob) của từng biến.
Nếu: (Prob) ≤ 0.05 → bác bỏ H0 → có phương sai thay đổi.
(Prob) ≥ 0.05 → chấp nhận H0 → khơng có phương sai thay đổi.
Bước 3: Kiểm tra hiện tượng nội sinh
Xảy ra khi biến độc lập trong mơ hình và sai số tương quan lẫn nhau. Khi mơ hình bị nội sinh, ước lượng OLS không là ước lượng vững. Theo bài nghiên cứu gốc của He Zhang and Steven và Li, trong nghiên cứu lưu ý về hiện tượng nội sinh và theo lý thuyết cũng chưa tìm thấy bằng chứng cho rằng có hiện tượng nội sinh, do đó tác giả khơng xây dựng mơ hình mà tiến hành kiểm định theo giả thiết đã đưa ra ban đầu.
Bước 4: Kiểm định hiện tượng tự tương quan của nhiễu (Wooldridge)
Mục đích của kiểm định: sử dụng kiểm định tự tương quan của nhiễu qua kiểm định Wooldridge,
Giả thuyết: H0: hiện tượng tự tương quan;
Dựa theo kết quả ước lượng mơ hình, tác giả xem mức ý nghĩa (Prob) của từng biến.
Nếu: (Prob) ≤ 0.05 → bác bỏ H0 → có hiện tượng tự tương quan.
(Prob) ≥ 0.05 → chấp nhận H0 → khơng có hiện tượng tự tương quan.
Sau khi thực hiện việc kiểm tra 5 giả thiết OLS trên, nếu tại bước kiểm định nào không thỏa điều kiện của OLS thì ta sẽ tiến hành khắc phục để đưa về mơ hình phù hợp.
Bước 5: Khắc phục hiện tượng phương sai thay đổi và tự tương quan
Sau khi xem xét hiện tượng đa cộng tuyến giữa các biến, hiện tượng tự tương quan giữa các biến và hiện tượng phương sai thay đổi giữa các phần dư với nhau đã trình bày ở phần trên. Mơ hình có hiện tượng tự tương quan giữa các biến và hiện tượng phương sai thay đổi giữa các phần dư với nhau. Vì vậy mơ hình hồi quy sẽ được thực thi để kiểm định các giả thuyết nghiên cứu và giải thích kết quả hồi quy. Theo nghiên cứu của Wooldrigge (2002), cho rằng phương pháp hồi quy bình phương bé nhất tổng quát GLS (Generalized Least Squares) sẽ là một giải pháp hữu hiệu để ước lượng hồi quy trong mơ hình, vì phương pháp này sẽ kiểm soát được hiện tượng tự tương quan giữa các biến và hiện tượng phương sai thay đổi giữa các phần dư với nhau.
3.4 Kiểm định T-test
Theo giả thiết OETS trung bình trong giai đoạn sử dụng đòn bẩy thấp sẽ lớn hơn OETS trung bình trong giai đoạn sử dụng địn bẩy cao của một cơng ty. Sử dụng phép thử t-test để xác định xem sự chênh lệch giữa giá trị OETS trung bình của hai nhóm, nhóm có giai đoạn sử dụng địn bẩy cao HLS và giai đoạn địn bẩy thấp LLS có sự khác biệt hay khơng. Các biến được sử dụng:
- Biến định lượng: giá trị OETS trung bình của một cơng ty trong giai đoạn sử dụng đòn bẩy cao HLS và giai đoạn sử dụng đòn bẩy thấp LLS
- Biến định tính: nhóm HLS sẽ nhận giá trị là 1, nhóm LLS cịn lại sẽ nhận giá trị là 0.
Giả thiết:
H0: Có sự khác biệt OETS giữa nhóm HLS và LLS; H1: Khơng có sự khác biệt OETS giữa nhóm HLS và LLS
Dựa theo kết quả ước lượng mơ hình chấp nhận hay bác bỏ tương ứng với mỗi mức