Nhân tố Ký hiệu Dấu kỳ vọng Nguồn tham khảo Biến phụ thuộc Cấu trúc vốn của doanh nghiệp LEV / Biến độc lập Khả năng sinh
lời của DN ROA -
Washab vài Rnamli (2014), Obeid Gharaibeh (2015), Lê Đạt Chí (2013).
Tỷ lệ thanh
khoản LIQ -
Antoniou & ctg (2006), Cai & ctg (2008), Deesomsak & ctg (2009), Mateurs & Terra (2013)
Quy mô của
doanh nghiệp SIZE +
Lý thuyết đại diện; Vũ Thị Ngọc Lan và Nguyễn Tiến Dũng (2013), Lê Thị Mỹ Phương (2014), Yin Yuxuan và Gu Wenlin (2014)
Cấu trúc tài sản TANG +
Huang và Song (2006), Kraus và Litzenberger (1973), Harc (2014), Alghusin (2015)
Tốc độ tăng trưởng Doanh nghiệp
GROWTH -
Barc.lay và Sethm.ith (1996), Cochr.ancess (2002), Bevan và Danbolt (2002)
Số năm hoạt động của doanh nghiệp
lnAGE +
Diacmo.ond (1992), Taia.n and Esstrin (2003), Ch.en and S.trange (2005),
Đặc điểm riêng
của ngành UNI -
Lý thuyết đánh đỏi.
Lê Thị Kim Thư (2011), Đặ.ng Qu.ỳnh A.nh (2013)
Thuế TAX +
Baa.rrclay và Stamiith (1992), C.ochrane (2001), R.ajanman và Ziingales (1993), Bevan và Danbolt (2002)
Lạm phát CPI + Deesomsak & ctg (2009); Wang & ctg
(2010), Fan & ctg (2012) Tốc dộ tăng trưởng GDP GDP growth + Lemama và Negaashe (2011), Wangsthit & ctg (2011), Deesosmsakim & ctg (2012), Fangh & ctg (2010), Alvghees & Francitiosco (1998)
Tỷ lệ sở hữu
của nhà nước STATE +
Lê Thị Mỹ Phương (2013), Phan Thanh Hiệp (1998).
(*) log (x) được quy ước là logarit tự nhiên của x
3.4 Thu thập và phân tích dữ liệu
3.4.1 Nguồn dữ liệu
Mẫu nghiên cứu: Tác giả lựa chọn 436 doanh nghiệp đã được niêm yết trên thị trường chứng khoán tại Việt Nam (Gồm sàn HOSE và sàn HNX). Mẫu nghiên cứu loại trừ các doanh nghiệp hoạt động trong lĩnh vực tài chính như ngân hàng, bảo hiểm, quỹ đầu tư … do các doanh nghiệp này có sự khác biệt trong chuẩn mực báo cáo tài chính.
Dữ liệu nghiên cứu: Để thực hiện nghiên cứu, tác giả đã sử dụng các số liệu được thu thập thủ công từ các báo cáo tài chính đã được kiểm tốn của các doanh nghiệp niêm yết trên thị trường chứng khoán tại Việt Nam, các biến được thu thập
thông qua trung tâm dữ liệu của phần mềm FiinPro để chiết xuất số liệu trong báo cáo tài chính và tỉ lệ sở hữu đã đăng ký với trung tâm lưu ký chứng khoán của doanh nghiệp có niêm yết trên hai sàn giao dịch chứng khốn: Sàn giao dịch chứng khốn Hồ Chí Minh (HOSE) và Sàn giao dịch chứng khoán Hà Nội (HNX) trong giai đoạn từ năm 2008-2020…. Ngoài ra, các yếu tố vĩ mô tác động lên cấu trúc vốn tác giả lấy từ data của Wordbank. Việc sử dụng thông tin trên các báo cáo tài chính của doanh nghiệp đã được kiểm toán đồng thời với bộ dữ liệu được thu thập với tiêu chí số quan sát lớn nhất và đủ số liệu trong giai đoạn 2008-2020 giúp cho việc phân tích kết quả nghiên cứu được chính xác, có cơ sở áp dụng thực tế hơn.
Kỳ nghiên cứu: Nghiên cứu sử dụng số liệu trên báo cáo tài chính của các doanh nghiệp niêm yết tại Việt Nam được thu thập trong mẫu dữ liệu trong khoảng thời gian 12 năm, từ năm 2008 đến năm 2020. Kỳ nghiên cứu bắt đầu từ giai đoạn khủng hoảng kinh tế năm 2008 đến hết năm 2020, khoảng thời gian đủ dài để phản ánh được toàn diện các nhân tố ảnh hưởng đến cấu trúc vốn của doanh nghiệp tại Việt Nam.
Dựa trên nguồn dữ liệu trên, tác giả thu thập mẫu dữ liệu 772 doanh nghiệp với 5.945 quan sát. Tuy nhiên, để hạn chế tối đa sự sai lệch trong kết quả hồi quy gây ra bởi các giá trị outliers, tác giả đã tiến hành kỹ thuật winsorize. Khi đó mẫu dữ liệu còn 436 DN với 1.196 quan sát.
3.4.2 Quá trình xử lý dữ liệu
Tác giả sử dụng báo cáo tài chính của các doanh nghiệp có niêm yết trên hai sàn giao dịch chứng khốn: Sàn giao dịch chứng khốn Hồ Chí Minh (HoSE) và Sàn giao dịch chứng khoán Hà Nội (HNX) từ nguồn dữ liệu phần mềm FiinPro, lựa chọn kỳ nghiên cứu là từ năm 2008 đến năm 2020. Quá trình xử lý, làm sạch dữ liệu, sắp xếp dữ liệu và lựa chọn phần mềm chuyên dụng như sau như sau:
Đầu tiên, tác giả thực hiện chọn mẫu từ 772 gồm 5.945 quan sát, của các doanh nghiệp Việt Nam hoạt động các lĩnh vực, ngành nghề khác nhau. được niêm yết trên hai sàn giao dịch chứng khoán lớn nhất là HOSE và HNX trong bộ dữ liệu tất cả các doanh nghiệp Việt Nam theo từ nguồn dữ liệu phần mềm FiinPro năm 2020. Sau đó, tác giả loại trừ 154 doanh nghiệp thuộc lĩnh vực ngân hàng, tài chính
do sự chênh lệch về quy mơ vốn hóa và khác nhau trong cách cơng bố các thơng tin trên BCTC. Bộ mẫu cịn 618 với 4.029 quan sát doanh nghiệp quan sát từ khoảng thời gian 2008 đến 2020. Giai đoạn nghiên cứu bị giới hạn đến 2020 do số liệu mới nhất của năm tài chính 2021 chưa được tổng hợp và một số doanh nghiệp chưa công bố công khai. Bộ mẫu dữ liệu bắt đầu từ năm 2008 để tổng quan hóa được giai đoạn khủng hoảng kinh tế ảnh hưởng đến nền kinh tế Việt Nam được phản ánh rõ rệt vào khoảng 2008-2009. Dữ liệu nghiên cứu được thu thập từ năm 2008 đến 2020 phản ánh được chu kỳ kinh tế Việt Nam từ suy thoái đến phục hồi, hưng thịnh, giúp kết quả nghiên cứu phản ánh đúng hơn về các nhân tố ảnh hưởng cơ cấu vốn doanh nghiệp.
Tiếp theo, tác giả làm sạch dữ liệu bằng cách loại bỏ các quan sát bị thiếu dữ liệu và các phần tử ngoại lai. Dữ liệu liên quan đến số liệu BCTC và cấu trúc sở hữu của các doanh nghiệp niêm yết ở Việt Nam vẫn cịn thiếu sót. Vì vậy, tác giả buộc phải lọc để loại bỏ các quan sát vắng dữ liệu để đảm bảo tính hợp lý cho bộ mẫu dữ liệu. Ngồi ra, các biến độc lập trong mơ hình nghiên cứu của tác giả được thu thập và đo lường dựa vào BCTC các năm và từ báo cáo cáo của ngân hàng thế giới được công bố trên các phương tiện truyền thơng đại chúng, dẫn đến khả năng có sự biến động mạnh của các biến độc lập qua từng năm và phát sinh vấn đề từ các biến có giá trị bất thường, hay còn gọi là phần tử ngoại lai (outlier). Các phần tử ngoại lai này có thể gây ra tác động đến độ chính xác của mơ hình nghiên cứu, từ đó dẫn đến sự thiếu chính xác và hợp lý của kết quả nghiên cứu. Để hạn chế ảnh hưởng của các quan sát mang giá trị khác thường và tăng độ chính xác cho kết quả nghiên cứu, tác giả tiến hành lọc dữ liệu, xử lý các phần tử ngoại lai bằng thủ thuật biến đổi winsor trên phần mềm kinh tế lượng Stata 16.0 cho các biến độc lập trong mơ hình nghiên cứu bằng cách loại bỏ outliers bằng winsorization trên Stata, tức các quan sát có giá trị bé hơn 5 % sẽ được thay thế bằng giá trị 5%, các quan sát có giá trị lớn hơn 95% sẽ được thay thế bằng giá trị tại 95%..
Tác phần mềm hỗ trợ trong việc tính tốn, thống kê được sử dụng rất phổ biến như là: Stata, Eviews, SPSS, Limdep... Trong nghiên cứu này, tác giả sử dụng phần mềm Stata 16 kết hợp với Microsoft Excel để xử lý số liệu. Sau quá trình xử
lý, đề tài thu được dữ liệu bảng không cân (unbalancedpanel data) với 1.196 quan sát của 436 doanh nghiệp phi tài chính niêm yết trong khoảng thời gian 2008-2020.
3.4.3 Phương pháp phân tích dữ liệu 3.4.3.1 Thống kê mô tả 3.4.3.1 Thống kê mô tả
Nhằm bước đầu có cái nhìn tổng quan và nhận định sơ bộ về những đặc tính của dữ liệu nghiên cứu, tác giả trình bày kết quả thống kê mô tả tất cả các biến trong mô hình để đưa ra những nhận định ban đầu về chuỗi dữ liệu nghiên cứu. Phương pháp thống kê mơ tả được sử dụng tóm tắt bộ mẫu dữ liệu, mơ tả những đặc tính cơ bản của dữ liệu thu thập thông qua các cách thức khác nhau cũng như để nghiên cứu thực trạng cấu trúc vốn của các DN.
Thống kê mô tả tập trung vào xu hướng và độ biến động của các biến mà tác giả lựa chọn nghiên cứu. Công cụ số dùng để mơ tả thường dùng nhất là trung bình cộng và độ lệch chuẩn cịn cơng cụ trực quan thường dùng nhất là các biểu đồ. Trong công cụ mơ tả trung bình cộng gồm có 3 thước đo được sử dụng rộng rãi nhằm biểu diễn một giá trị thể hiện vị trí/xu thế “trung tâm” của tập dữ liệu nghiên cứu: trung bình (mean – trung tâm về mặt giá trị), trung vị (median – trung tâm về mặt vị trí) và yếu vị (mode – trung tâm về mức độ tập trung dữ liệu), trong đó: Trung vị và trung bình là hai đơn vị đo lường mật độ tập trung trong phân phối.
Độ lệch chuẩn là đơn vị thể hiện mức độ biến động của chỉ số. Độ lệch chuẩn được đo lường bằng căn bậc hai của phương sai theo công thức như sau:
𝜎 = √𝜎2 = √∑(𝑋𝑖 − 𝜇
𝑁 )
𝑁
𝑖=1
Trong đó σ là độ lệch chuẩn của của tổng thể/quần thể, μ là trung bình của
tổng thể/ quần thể. 𝑿𝒊 là phần tử thứ i của tổng thể/quần thể, và N là số thành phần của tổng thể/quần thể.
Thống kê mô tả sẽ thể hiện các chỉ số cấu trúc vốn doanh nghiệp, Khả năng sinh lời của doanh nghiệp, khả năng thanh khoản, cấu trúc tài sản, quy mô, tốc độ tăng trưởng doanh nghiệp, thuế, số năm hoạt động, tỷ lệ sở hữu nhà nước, đặc điểm riêng của ngành. Biến phụ thuộc và các biến độc lập sẽ được thống kê mô tả dưới dạng bảng về giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất độ lệch chuẩn, số quan sát, cung cấp cái nhìn tổng quát nhất về bộ dữ liệu nghiên cứu.
3.4.3.2 Ma trận hệ số tương quan
Phân tích tương quan được sử dụng nhằm để xem xét mối quan hệ giữa biến độc lập và biến phụ thuộc, xác định mức độ tương quan mạnh hay yếu, chiều hướng tác động giữa các biến với nhau. Ngoài ra, việc đánh giá sự tương quan giữa các biến độc lập và các biến kiểm soát nhằm phát hiện vấn đề đa cộng tuyến để làm cơ sở cho tác giả thực hiện các phép kiểm định cần thiết cho mơ hình nghiên cứu.
Tác giả thực hiện phân tích mối tương quan để đánh giá mức độ và hướng tương quan giữa các biến đã được lựa chọn để kiểm định tương quan với cấu trúc vốn DN. Tác giả lựa chọn phương pháp tương quan Pearson r vì tính phổ biến rộng rãi của phương pháp này và trích xuất ma trận tương quan để chứng minh trong nghiên cứu. Kiểm định hệ số tương quan Pearson dùng để đo lường mức độ chặt chẽ của mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến độc lập với nhau có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy. Cho hai biến số x và y từ n mẫu, hệ số tương quan Pearson được ước tính bằng cơng thức sau đây:
𝑟 = ∑ (𝑥𝑖− 𝑥̅)(𝑦𝑖 − 𝑦̅) 𝑛 𝑖=1 √∑𝑛 (𝑥𝑖 − 𝑥̅)2 𝑖=1 ∑𝑛 (𝑦𝑖− 𝑦̅)2 𝑖=1
Mối tương quan giữa các biến trong mơ hình nghiên cứu là thước đo đánh giá mối quan hệ giữa các biến trong mơ hình qua quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc.
3.4.3.3 Mơ hình hồi quy tuyến tính bội
Dựa trên cơ sở dữ liệu thu thập được, người viết tiến hành hồi quy cơ cấu vốn của doanh nghiệp theo 3 mơ hình: Mơ hình hồi quy gộp kết hợp tất cả quan sát (Pooled OLS), Mơ hình hiệu ứng cố định (Fixed Effect Model – FEM) và Mơ hình hiệu ứng ngẫu nhiên (Random Effect Model – REM). Nhằm phục vụ việc trình bày cơ sở lý thuyết của các phương pháp hồi quy, giả sử quan sát mẫu gồm N doanh nghiệp, trong T năm, như vậy dữ liệu bảng gồm N.T quan sát. Mơ hình hồi quy nghiên cứu tổng quát được viết như sau:
Yit= αi +∑t βt*Xt
i=1 +uit. (Mơ hình tổng thể)
Trong đó: Yit: Biến phụ thuộc; Xt là các biến độc lập; α, βt là các hệ số hồi quy, uit là sai số.
i: Chỉ số thể diện doanh nghiệp i. (i=1,N) t: Chỉ sổ thể hiện năm quan sát. (t=1,T)
Mơ hình kết hợp tất cả quan sát (Pooled OLS)
Phương pháp hồi quy bình phương bé nhất hay cịn gọi hồi quy gộp –Pooled OLS (Pooled Ordinary LeastSquares): giả định các hệ số chặn α và độ dốc β sử
dụng trong mơ hình hồi quy là khơng thay đổi theo thời gian cho các mẫu quan sát. Phương trình hồi quy có dạng: Yit=Xit′β+uit
Cách tiếp cận này sẽ không xét đến yếu tố không gian (yếu tố riêng biệt của đối tượng nghiên cứu là các doanh nghiệp) và yếu tố thời gian của các quan sát. Theo đó, các hệ số hồi quy αi và βt được xem là đồng nhất đối với tất cả các quan sát. Hạn chế lớn nhất của phương pháp này là sự ràng buộc quá chặt về không gian và thời gian thông qua việc cố định hệ số hồi quy cho tất cả quan sát có thể làm mất
đi ảnh hưởng thật của biến độc lập lên biến phụ thuộc dẫn đến kết quả mơ hình khơng phù hợp trong điều kiện thực tế (Gujarati 2003, pp. 641). Loại mơ hình này thường xuất hiện hiện tượng tự tương quan trong dữ liệu hay ràng buộc phần dư làm cho giá trị Durbin – Watson thấp (Baltagi, 2005) hay bị phương sai thay đổi. Điều này dẫn đến kết quả ước lượng mơ hình bằng phương pháp hồi quy Pooled OLS sẽ bị chệch, kém hiệu quả. Để khắc phục các khuyết điểm này, mơ hình hiệu ứng cố định và mơ hình hiệu ứng ngẫu nhiên được xem xét thay thế.
3.4.3.4 Mơ hình hiệu ứng cố định (Fixed Effect Model – FEM)
Mơ hình hồi quy hiệu ứng cố định hay ảnh hưởng cố định – FEM được ước lượng trên giả định hệ số độ dốc β là hằng số nhưng tung độ gốc α thay đổi theo
từng doanh nghiệp nghiên cứu. Khi đó, tung độ gốc α sẽ chịu tác động bởi hiệu ứng thời gian, hiệu ứng không gian hoặc cả 2 hiệu ứng.
Đối với tác động không gian, hệ số độ dốc βt sẽ được giữ cố định cho tất cả
doanh nghiệp nhưng tung độ gốc α sẽ thay đổi cho từng doanh nghiệp. Ở đây, mặc dù tung độ gốc α là khác nhau cho từng doanh nghiệp nhưng tung độ gốc α của từng doanh nghiệp sẽ khơng đổi theo thời gian. Mơ hình tổng thể được viết lại như sau:
Y= (α0 + α1*DN1+ α2*DN2+…+ αN-1*DNN-1) + ∑ti=1βt*Xt + uit
Trong đó: α0, α1, α2,…, αN-1, βt là hệ số hồi quy của mơ hình, uit là sai số. DN1, DN2,…, DNN-1 là các biến giả của các doanh nghiệp N là tổng số doanh nghiệp quan sát
Ở đây, người viết viết chỉ sử dụng N-1 biến giả nhằm tránh làm giảm bậc tự do của dữ liệu. Ngồi ra, việc có q nhiều biến trong mơ hình sẽ gây ra hiện tượng đa cộng tuyến khiến các ước lượng thu được khơng cịn chính xác
Tương tự, đối với tác động thời gian, các hệ số độ dốc βt được giữ cố
định cho tất cả các năm nhưng tung độ gốc α sẽ thay đổi theo từng năm. Như vậy, mặc dù tung độ gốc α có thể khác nhau cho từng năm nhưng tung độ gốc α của mỗi năm sẽ là như nhau cho tất cả các doanh nghiệp. Mơ hình tổng thể được viết lại như sau:
Yit= (α0 + α1*YY1+ α2*YY2+…+ α12*YY12) + ∑ki=1βk*Xk + uit
Trong đó: α0, α1, α2,…, α5, βt là hệ số hồi quy của mơ hình, uit là sai số. YY1, YY2,…, YY12 là các biến giả năm
Trong khóa luận này, dữ liệu được thu thập trong giai đoạn 2008 – 2020. Trong đó, cơ sở tính tốn dữ liệu u cầu người viết sử dụng năm đầu tiên làm năm gốc khiến cho các quan sát bắt đầu từ năm 2009. Như vậy, số năm quan sát sẽ là 12 năm từ 2009 đến 2020 và do đó người viết sẽ dụng 12 biến giả năm.
Đối với tác động không gian và thời gian, Mơ hình tổng thể được viết lại như sau:
Yit = (α0 + α1*DN1+ α2*DN2+…+ αN-1*DNN-1) + (µ0 + µ1*YY1+ µ2*YY2+…+ µ5*YY11) + ∑ti=1βt*Xt + uit.
Trong đó: α0, α1, α2,…, αN-1, µ0, µ1, µ2,…, µ5, βt là hệ số hồi quy, uit là sai số. DN1, DN2,…, DNN-1 là các biến giả của các doanh nghiệp
YY1, YY2,…, YY12 là các biến giả năm