CF DAR DINV DAP DEP OTHAC CSHRD CSHPD INTPD TXPD OTHCSH
CF 1 DAR -0.2081 1 DINV 0.0543 -0.0896 1 DAP -0.3404 0.3589 0.2380 1 DEP 0.2194 0.0164 0.0677 0.1697 1 OTHAC -0.5554 0.0423 -0.3237 0.6727 0.1752 1 CSHRD 0.3374 0.0742 0.0810 0.2035 0.4926 0.1265 1 CSHPD 0.1288 0.0971 0.0790 0.2423 0.3922 0.2087 0.9502 1 INTPD 0.1515 0.0513 0.1373 0.2212 0.5520 0.0743 0.5509 0.4596 1 TXPD 0.2545 0.0708 0.0517 0.1430 0.3100 0.2120 0.5387 0.4714 0.1290 1 OTHCSH 0.1939 -0.1967 0.0369 -0.3446 -0.3383 -0.3975 -0.3657 -0.2176 -0.3461 -0.1956 1
53
Bảng 4.2 mô tả hệ số tương quan Pearson giữa các biến trong mơ hình nghiên cứu. Trong đó mối tương quan giữa 2 biến CSHRD và CSHPD là khá cao (0.9502). Mối tương quan cao giữa hai thành phần chính của luồng tiền hoạt động đều giống với các nghiên cứu trước. Cụ thể trong nghiên cứu của Cheng & Hollie (2008) tương quan Pearson giữa C_SALES và C_COGS cũng khá cao (-0.935), nghiên cứu của Arthur & cộng sự (2010) tương quan giữa CORE_ RECEIPTS và CORE_PAYMENTS là -0.9, nghiên cứu của Farshadfar & Monem (2013) tương quan giữa CSHRD và CSHPD là 0.99, nghiên cứu của Nguyễn Thị Uyên Uyên và Từ Thị Kim Thoa (2015) tương quan giữa CSHRD và CSHPD là 0.9733. Điều này là phù hợp với thực tế kinh tế vì “doanh thu cao hơn (tiền mặt thu được từ khách hàng) gắn với giá vốn hàng bán hoặc chi phí cung cấp dịch vụ (tiền mặt chi trả cho nhà cung cấp) cao hơn” (Arthur & cộng sự, 2010). Theo Nguyễn Thị Uyên Uyên & Từ Thị Kim Thoa (2015) thì tương quan cao giữa tiền mặt thu được từ khách hàng và tiền mặt chi trả cho nhà cung cấp và người lao động cho thấy “các cơng ty sẽ có khả năng thanh toán cho nhà cung cấp và nhân viên khi các công ty thu được tiền từ khách hàng”.
Như vậy đa cơng tuyến có thể tồn tại trong mơ hình (2). Tuy nhiên theo Gujarati (2003, trang 369) “khi mục tiêu duy nhất của phân tích hồi quy là dự đốn hoặc dự báo thì đa cộng tuyến khơng phải là một vấn đề nghiêm trọng vì R2 càng cao thì dự báo càng tốt”. Vì vậy trong luận văn của mình tác giả vẫn giữ hai biến này riêng biệt khi phân tích hồi quy và kiểm định các giả thuyết nghiên cứu.
Mặc dù đa cộng tuyến không phải là vấn đề nghiêm trọng khi mục tiêu nghiên cứu là dự báo, nhưng ở cuối chương tác giả có tiến hành một hồi quy bổ sung nhằm kiểm định lại vấn đề đa cộng tuyến trong mơ hình bằng cách kết hợp biến CSHRD và CSHPD thành một biến duy nhất (dựa theo nghiên cứu của Krishnan & Largay, 2000; Cheng & Hollie, 2008; Arthur & cộng sự, 2010) hoặc hồi quy CSHRD và CSHPD ở hai mơ hình riêng biệt (theo nghiên cứu của Farshadfar & Monem (2013)).
54
Tương quan cao tiếp theo là giữa DAP và OTHAC (0.6727), CF và OTHAC (0.5554), DEP và INTPD (0.5520), CSHRD và INTPD (0.5509), CSHRD và TXPD (0.5387). Mối tương quan giữa các cặp biến trên chỉ nằm ở mức trung bình (0.4 - 0.8), do vậy có thể chấp nhận được. Mặt khác như giải thích ở trên do mục tiêu của phân tích hồi quy là dự báo nên đa cộng tuyến không phải là vấn đề nghiêm trọng cho mô hình nghiên cứu.
4.2. Kiểm định lựa chọn mơ hình hồi quy thích hợp:
Trước khi tiến hành phân tích hồi quy và kiểm định các giả thuyết nghiên cứu đầu tiên tác giả thực hiện các phân tích và kiểm định để lựa chọn mơ mơ hình hồi quy phù hợp cho nghiên cứu trong các mơ hình hồi quy: bình phương tối thiểu (Pooled OLS), mơ hình tác động cố định (FEM) và mơ hình tác động ngẫu nhiên (REM) dựa vào hai kết quả:
- Hệ số R2: Đầu tiên, tác giả đã tiến hành hồi quy hai mơ hình nghiên cứu đã được xây dựng ở chương 3 theo ba mơ hình: Pooled OLS, FEM, REM. Sau khi có kết quả hồi quy căn cứ vào hệ số R2 để chọn mơ hình phù hợp nhất (Kaddumi & Ramandan, 2012). Mơ hình nào có hệ số R2 lớn hơn sẽ có khả năng giải thích cho biến phụ thuộc tốt hơn (khả năng dự báo tốt hơn) sẽ được chọn.
- Kết quả kiểm định F-test và Hauman test: Sử dụng các kiểm định F-test
(lựa chọn giữa Pooled OLS và FEM), Hauman test (lựa chọn giữa FEM và REM) để đưa ra mơ hình hồi quy thích hợp nhất cho việc phân tích hồi quy và kiểm định các giả thuyết nghiên cứu trong luận văn.
55