Biến Nội dung Tính tốn
CashHoldings Thay đổi lượng
tiền mặt nắm giữ
Tiền năm t Tiền năm t 1 Tổng tài sản
CashFlow Dòng tiền Lãi sau thuế% Khấu hao TSCĐ
Tổng tài sản
Neg Biến giả dòng
tiền âm
Neg = 1 nếu cơng ty có dịng tiền âm Neg = 0 nếu cơng ty có dịng tiền dương Constraint
Biến giả ràng buộc tài chính
Constraint = 1 nếu cơng ty bị hạn chế tài chính Constraint = 0 nếu công ty không bị hạn chế tài chính
Q Chỉ số Tobin’s Q GTTT của VCP % GTSS của nợ
Tổng tài sản
Size Quy mô tài sản Ln (Tổng tài sản)
Expenditure Chi tiêu vốn Chi tiêu mua sắm TSCĐ
Tổng tài sản
Acquisition
Biến giả mua lại Acquisition = 1 nếu trong năm cơng ty có thực hiện hoạt động mua lại
Acquisition = 0 nếu trong năm công ty khơng có thực hiện hoạt động mua lại
NCWC Vốn luân chuyển phi tiền mặt Tài sản ngắn hạn Nợ ngắn hạn Tiền mặt Tổng tài sản NCWC Thay đổi vốn luân chuyển phi tiền mặt NCWC năm (t) – NCWC năm (t-1) ShortDebtt-1 Nợ ngắn hạn đầu kỳ Nợ ngắn hạn đầu kỳ Tổng tài sản
3.2.4. Cách thức thực hiện
Để thực hiện ba giai đoạn trên, tác giả tiến hành thực hiện các bước sau:
Buớc 1. Thống kê mô tả
Tác giả tiến hành thống kê mô tả nhằm mơ tả những đặc tính của dữ liệu nghiên cứu và đưa ra những nhận định ban đầu về chuỗi dữ liệu nghiên cứu. Cụ thể, tác giả sẽ mô tả lại dữ liệu dựa trên các chỉ tiêu: giá trị trung bình, giá trị trung vị, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất.
Bước 2. Phân tích sự tương quan giữa các biến trong mơ hình
Tác giả tiến hành phân tích tương quan nhằm xác định mối quan hệ giữa các biến trong mơ hình nghiên cứu. Việc phân tích này giúp tác giả nhận định mơ hình có hiện tượng đa cộng tuyến hay khơng hay nói cách khác, giữa các biến có tồn tại mối tương quan cao hay không. Nếu giá trị tuyệt đối của hệ số tương quan giữa các cặp biến lớn hơn 0.8 thì mơ hình có dấu hiệu của hiện tượng đa cộng tuyến. Tác giả sẽ tiến hành kiểm định nhân tố phóng đại phương sai (VIF) và nếu giá trị của hệ số VIF lớn hơn 10 thì có thể kết luận rằng các biến trong mơ hình có hiện tượng đa cộng tuyến.
Bước 3. Kiểm định các khuyết tật của mơ hình
Trong bài nghiên cứu này, tác giả sử dụng dữ liệu bảng là loại dữ liệu tập hợp nhiều đối tượng nên dễ xảy ra hiện tượng phương sai sai số thay đổi, hiện tượng phương sai sai số thay đổi làm chệch kết quả ước lượng. Do đó, tác giả sẽ sử dụng kiểm định Whited để kiểm định mơ hình có hiện tượng phương sai sai số thay đổi hay khơng. Khi mơ hình có hiện tượng phương sai sai số thay đổi thì các kết quả của phương pháp ước lượng bình phương nhỏ nhất khơng cịn hiệu quả.
Bên cạnh đó, dữ liệu bảng có chứa dữ liệu chuỗi thời gian nên thường xảy ra hiện tượng tự tương quan. Tương tự như hiện tượng phương sai sai số thay đổi, hiện tượng tự tương quan cũng làm chệch kết quả ước lượng. Trong trường hợp này, tác giả sử dụng kiểm định BG (Breusch-Godfrey) để kiểm định trong mơ hình có hiện tượng tự tương quan hay khơng. Nếu như kết quả cho thấy mơ hình có hiện tượng
tự tương quan thì kết quả của phương pháp ước lượng bình phương nhỏ nhất cũng khơng cịn hiệu quả.
Bước 4. Cách khắc phục các khuyết tật của mơ hình
Trong trường hợp mơ hình có các hiện tượng phương sai sai số thay đổi và hiện tượng tự tương quan thì có hai phương pháp khắc phục phổ biến nhất là phương pháp hồi quy bình phương bé nhất hai giai đoạn (Two State Least Square - 2SLS) và phương pháp Mo-ment tổng quát (Generalized method of Moment – GMM). Cả hai phương pháp này đều sử dụng biến công cụ thay thế cho biến nội sinh, có thể khắc phục các hiện tượng phương sai sai số thay đổi và hiện tượng tự tương quan. Tuy nhiên điểm khác biệt ở hai phương pháp này là đối với phương pháp bình phương bé nhất hai giai đoạn thì sau khi xác định được biến nội sinh phải tìm biến cơng cụ thay thế cho biến nội sinh, việc tìm biến công cụ chủ yếu phụ thuộc vào kinh nghiệm của người làm nghiên cứu và mất khá nhiều thời gian, trong khi đó với phương pháp Mo-ment tổng quát được nghiên cứu khởi đầu bởi Hansen (1982), Arrellano và Bond (1991) và được phát triển sau đó bởi Arrellano và Bover (1995), Blundell và Bond (1998) thì cho phép sử dụng ngay biến nội sinh với độ trễ làm biến công cụ thay thế cho biến nội sinh. Chính vì lý do này, trong bài nghiên cứu, tác giả sẽ sử dụng phương pháp ước lượng Mo-ment tổng quát cụ thể hơn là phương pháp Moment tổng quát bậc cao (GMM4) để giải quyết các khuyết tật của mơ hình.
Bước 5. Kiểm định sự phù hợp của GMM
Sau khi các giả thuyết OLS bị vi phạm, tác giả sử dụng ước lượng GMM để hồi quy mơ hình cho bài nghiên cứu. Trước khi sử dụng phương pháp GMM để hồi quy, tác giả tiến hành kiểm định sự phù hợp của phương pháp GMM cho mơ hình. Để kiểm định dữ liệu nghiên cứu có phù hợp với mơ hình nghiên cứu hay khơng, tác giả sử dụng kiểm định J (J-Test) trong kết quả mơ hình hồi quy để kiểm định các điều kiện của mơ hình có tương quan với dữ liệu hay khơng. Bên cạnh, để xem xét ý nghĩa các hệ số hồi quy, tác giả so sánh giá trị p-value của các hệ số hồi quy với các mức ý nghĩa 10%, 5%, 1%, nếu giá trị p-value của các hệ số hồi quy nhỏ hơn một trong ba mức ý nghĩa trên thì kết luận hệ số hồi quy có ý nghĩa tức biến độc lập tác động
đến biến phụ thuộc. Ngồi ra, khi sử dụng phương pháp GMM cịn phải xét đến tính dừng của chuỗi dữ liệu vì phương pháp GMM có yếu tố thời gian dễ thay đổi. Do vậy, tác giả sử dụng kiểm định Dickey và Fuller mở rộng(ADF) để kiểm định tính dừng của các biến quan sát. Nếu giá trị tuyệt đối của giá trị thống kê t trong kết quả kiểm định lớn hơn giá trị tuyệt đối của các giá trị tới hạn 10%, 5%, 1% thì kết luận chuỗi dữ liệu đang sử dụng là chuỗi dữ liệu dừng.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU
4.1. Thống kê mô tả
Tác giả sử dụng mẫu dữ liệu bảng gồm 320 công ty phi tài chính được niêm yết trên hai Sở giao dịch chứng khoán Thành phố Hồ Chí Minh (HSX) và Sở giao dịch chứng khoán Hà Nội (HNX) trong giai đoạn từ năm 2008 đến năm 2014.