3.1. Dữ liệu nghiên cứu
Dữ liệu nghiên cứu bao gồm 297 cơng ty phi tài chính từ năm 2008 đến 2012. Khoảng thời gian từ 2000- 2005 quy mô thị trƣờng chứng khoán Việt Nam khá nhỏ với có 32 doanh nghiệp niêm yết và phần lớn là các doanh nghiệp vừa và nhỏ, khơng mang tính đại diện cho ngành, giá trị vốn hóa/GDP chƣa đến 1% (2003 là 0.39%, 2004 là 0.54% và năm 2005 là 0.8%). Đồng thời, cuối năm 2006, sự ra đời của luật chứng khoán với các ƣu đai về thuế thu nhập doanh nghiệp nhằm khuyến khích các doanh nghiệp niêm yết đa làm gia tăng đáng kể số lƣợng doanh nghiệp niêm yết cũng nhƣ quy mô thị trƣờng với giá trị vốn hóa/GDP đạt 14.9%. Năm 2007 cùng với sự phát triển mạnh mẽ của nền kinh tế sau khi Việt Nam gia nhập WTO, số lƣợng công ty niêm yết cũng gia tăng đáng kể với 79 công ty. Năm 2008 mặc dù kinh tế thế giới khủng hoảng nhƣng số lƣợng công ty niêm yết trên thị trƣờng chứng khoán Việt Nam vẫn tiếp tục gia tăng vớn 84 công ty. Do đó, trong bài nghiên cứu tôi chọn các công ty bắt đầu niêm yết từ năm 2008.
Dữ liệu chi trả cổ tức theo từng năm đƣợc thu thập từ website của Sở giao dịch chứng khoán TP Hồ Chí Minh www.hsx.vn.
Dữ liệu dòng tiền tự do, địn bẩy tài chính, tăng trƣởng và lợi nhuận công ty đƣợc tính phái sinh từ dữ liệu báo cáo tài chính của doanh nghiệp qua các năm đƣợc thu thập từ công ty chứng khoán FPTS.
Dữ liệu sở hữu của Hội đồng quản trị và Ban giám đốc đƣợc thu thập từ báo cáo thƣờng niêm của các công ty niêm yết theo năm.
Bảng 3.1. Tổng hợp các công ty niêm yết trên thị trƣờng chứng khốn Việt Nam 2008-2012 Ngành Tổng số cơng ty Số lƣợng công ty không trả cổ tức Số lƣợng công ty có trả cổ tức Số lƣợng cơng ty ln trả cổ tức Nguyên vật liệu 35 25 2 8 Hàng tiêu dùng 49 25 5 19 Dịch vụ tiêu dùng 22 10 1 11 Bất động sản 17 10 3 4 Chăm sóc sức khỏe 8 4 0 4 Cơng nghiệp 136 101 7 28 Dầu khí 4 3 1 0 Cơng nghệ 13 7 4 2 Tiện ích cơng cộng 13 9 0 4 Tổng cộng 297 194 22 81 % 100% 65.32% 7.41% 27.27% Nguồn: Stoxplus
3.2. Mô tả biến nghiên cứu
Dựa trên các nghiên cứu Higgins (1981); Rozeff (1982); Lloyd et al. (1985); Pruitt and Gitman (1991); Jensen et al. (1992); Alli et al. (1993); Collins et al. (1996); D’Souza (1999), Fodil Adjaoud, Walid Ben-Amar (2010), Roni Michaely (2012), Javad Moradi (2012), Adriano A. Rampini và S. Viswanathan (2013) các biến sau đây đƣợc đƣa vào mơ hình nghiên cứu:
Biến phụ thuộc sử dụng trong mơ hình
Tỷ lệ chi trả cổ tức: đƣợc đo lƣờng bằng tổng cổ tức chi trả/lợi nhuận của mỗi cổ
phiếu. Thực hiện tính toán tỷ lệ chi trả cổ tức mỗi năm để kiểm soát các vấn đề giá trị đột biến trong từng năm có thể dẫn đến lợi nhuận thấp hoặc âm. Trong đó, tỷ lệ chi trả cổ tức thƣờng đƣợc sử dụng hơn cổ tức/ thị giá và DPS do hai nguyên nhân. Thứ nhất, tỷ lệ chi trả cổ tức giúp phân biệt đƣợc cổ tức đa trả và cổ tức giữ lại. Thứ hai, DPS và cổ tức/ thị giá không tƣơng xứng giữa cổ tức đƣợc trả và lợi nhuận doanh nghiệp.
Các biến độc lập đƣợc sử dụng trong mơ hình
Cơ cấu sở hữu:. Theo Glen et al. (1995), Gul (1999a), Naser et al. (2004)
and Al-Malkawi (2007) đặc biệt nghiên cứu ở các thị trƣờng mới nổi và rút ra kết luận rằng tỷ lệ sở hữu của cổ đơng nhà nƣớc là nhân tố chính quyết định chính sách cổ tức của các cơng ty.
Dịng tiền tự do: Jensen, 1986; Holder et al., 1998; La Porta et al., 2000;
and Mollah et al., 2002, kết luận rằng cơng ty có dịng tiền tự do nhiều sẽ làm tăng tỷ lệ chi trả cổ tức nhiều hơn do giảm chi phí đại diện. Dựa trên các nghiên cứu trên, chúng tôi kỳ vọng rằng tỷ lệ chi trả cổ tức có mối tƣơng quan đồng biến với dòng tiền tự do. Dòng tiền tự do/ tổng tài sản đại diện cho biến dòng tiền tự do.
Quy mô công ty: Quy mô công ty đƣợc đo lƣờng bằng logarit tự nhiên của vốn hóa thị trƣờng tại thời điểm kết thúc năm tài chính. Eriotis (2005), Lloyd, Jahera, and Page (1985), and Vogt (1994), Eddy and Seifert (1988), Jensen et al. (1992), Redding (1997), and Fama and French (2000) kết luận các công ty lớn thƣờng chi trả cổ tức cao hơn so với các công ty quy mô nhỏ.
Cơ hội tăng trƣởng: Rozeff, 1982; Lloyd et al., 1985; Jensen et al., 1992;
Dempsey and Laber, 1992; Alli et al., 1993; Moh'd et al., 1995; Holder et al., 1998 cho rằng các cơng ty có cơ hội tăng trƣởng cao thì dịng tiền tự do thấp và chi trả cổ tức thấp. Một số nghiên cứu khác của Murrali and Welch, 1989; Titman and Wessels, 1988; Gavers and Gavers, 1993; Moh'd et al., 1995, so sánh giữa các công ty tăng trƣởng và các công ty không tăng trƣởng qua tỷ số cơ hội đầu tƣ và cho rằng các công ty khơng tăng trƣởng có tỷ lệ nợ vay thấp và giảm sự tài trợ bên ngoài nên tỷ lệ chi trả cổ tức cao.
Địn bẩy tài chính: Tỷ lệ địn bẩy tài chính càng cao thì tỷ lệ chi trả cổ tức
thấp (theo nghiên cứu của Jensen et al., 1992; Agrawal and Jayaraman, 1994; Crutchley and Hansen, 1989; Faccio et al., 2001; Gugler and Yurtoglu, 2003; Al-Malkawi, 2005).
Rủi ro kinh doanh: Theo Rozeff, 1982; Lloyd et al., 1985; Alli et al., 1993; Moh’d et al., 1995; Casey and Dickens, 2000 cho rằng beta đại diện cho rủi ro hệ thống với kết luận cho rằng cơng ty có rủi ro cao thì biến động dịng tiền tự do cao hơn so với những cơng ty có rủi ro thấp, đồng thời lợi nhuận khơng ổn định, do đó các cơng ty có xu hƣớng giảm tỷ lệ chi trả cổ tức.
Lợi nhuận hiện tại hoặc lợi nhuận dự báo: Baker et al. (1985) Adaoglu (2000), Eriotis (2005), Naceur et al. (2006) các cơng ty có lợi nhuận cao và
ổn định có thể kiểm soát dịng tiền của doanh nghiệp cao và thƣờng chi trả cổ tức cao. Trong bài nghiên cứu, biến lợi nhuận của doanh nghiệp đƣợc đại diện bởi tỷ lệ EBIT/Tổng tài sản.
Bảng 3.2. Mô tả các biến nghiên cứu
Tên biến Ký hiệu Mô tả Nguồn dữ liệu
Tỷ lệ chi trả cổ tức DIV Cổ tức/ lợi nhuận ròng HSX, FPTS
Tỷ lệ nắm giữ cổ đông nhà nƣớc
GOV % nắm giữ cổ đông nhà nƣớc Báo cáo thƣờng niên công ty
FCF FCF (lợi nhuận ròng- thay đổi tài sản cố định- thay đổi tài sản lƣu động)/ tổng tài sản
FPTS
Quy mô công ty SIZE Ln (vốn hóa thị trƣơng) Stoxplus
Địn bẩy tài chính LEV Tổng nợ/ vốn chủ sở hữu FPTS
BETA BETA Tƣơng quan giữa tỷ suất sinh lợi cổ phiếu và tỷ suất sinh lợi thị trƣờng
Stoxplus
Tăng trƣởng GROW Tăng trƣởng doanh thu năm nay so với cùng kỳ năm trƣớc
FPTS
3.3. Giả thuyết nghiên cứu
H1: Tỷ lệ chi trả cổ tức tƣơng quan cùng chiều với tỷ lệ sở hữu của nhà nƣớc.
H2: Tỷ lệ chi trả cổ tức tƣơng quan cung chiều với dòng tiền tự do.
H3: Tỷ lệ chi trả cổ tức tƣơng quan cùng chiều với quy mô công ty.
H4: Tỷ lệ chi trả cổ tức tƣơng quan cùng chiều/ ngƣợc chiều với tỷ lệ tăng
trƣởng. H5: Tỷ lệ chi trả cổ tức tƣơng quan nghịch biến với tỷ lệ địn bẩy tài chính.
H6: Tỷ lệ chi trả cổ tức tƣơng quan nghịch biến với rủi ro kinh doanh
H7: Tỷ lệ chi trả cổ tức tƣơng quan cùng chiều với lợi nhuận hiện tại/ lợi nhuận dự báo của doanh nghiệp.
3.4. Mơ hình nghiên cứu các nhân tố ảnh hƣởng tỷ lệ chi trả cổ tức
Phần lớn các bài nghiên cứu trƣớc sử dụng các mơ hình hồi quy tuyến tính nhƣ hồi quy đa biến, mơ hình tuyến tính các ảnh hƣởng ngẫu nhiên và mơ hình tuyến tính các ảnh hƣởng cố định, để phân tích các nhân tố ảnh hƣởng của tỷ lệ chi trả cổ tức. Trong đó giả định là các mơ hình này tất cả các biến phụ thuộc và độc lập đều phải có đầy đủ các giá trị trong mẫu nghiên cứu. Tuy nhiên, trong thực tế một vài trƣờng hợp mẫu nghiên cứu bị giới hạn (truncation) hoặc bị thiếu dữ liệu (censoring). Dữ liệu giới hạn (truncation) xuất hiện khi một số quan sát ở cả biến độc lập và phụ thuộc bị mất. Dữ liệu bị thiếu (censoring) xuất hiện khi dữ liệu của biến phụ thuộc bị mất hoặc thiếu dẫn đến khơng có dữ liệu trong giá trị hồi quy (Long, 1997). Do ảnh hƣởng của dữ liệu giới hạn và thiếu nên mơ hình hồi quy tuyến tính OLS dẫn đến sự không phù hợp trong dự báo bởi vì mẫu không đại diện cho tổng thể. Ngƣợc lại, mơ hình Tobit có thể giải quyết đƣợc vấn đề trên.
3.4. 1. Mơ hình Tobit các ảnh hƣởng ngẫu nhiên (Random effects Tobit model)
Tobin (1958) cho rằng các công ty trong mẫu đƣợc chia ra làm 2 loại: (1) Các cơng ty có đầy đủ dữ liệu biến độc lập nhƣ các đặc điểm công ty (sở hữu nhà nƣớc, dòng tiền tự do) và dữ liệu biến phụ thuộc, cổ tức chi trả; (2) Các cơng ty chỉ có dữ liệu biến độc lập nhƣng thiếu dữ liệu biến phụ thuộc, cổ tức chi trả.
Mơ hình Tobit cơ bản:
*
= xiβ +εI
Trong đó, y* là giá trị kỳ vọng biến phụ thuộc, có giá trị quan sát lớn hơn 0 hoặc có giá trị =0 trong trƣờng hợp thiếu dữ liệu (censoring); xi là các biến độc lập, có giá trị quan sát trong tất cả các trƣờng hợp; β là vector hệ số hồi quy; ε là sai số mơ hình, giả định là phân phối chuẩn εI ∼ N(0,δ2
). Biến thiếu quan sát đƣợc xác định bởi công thức sau:
Việc dự báo bằng OLS sẽ không phù hợp trong trƣờng hợp dữ liệu bị thiếu y = 0 hoặc y bị chặn (chỉ có giá trị >0) dẫn đến dự báo thấp do hệ số góc trong mơ hình hồi quy bị ƣớc tính cao hoặc ngƣợc lại (Long, 1997; Gujarati, 2003; Woolbridge, 2002; Hsiao, 2002). Do đó, đối với những trƣờng hợp này mơ hình Tobit trở nên hiệu quả. Kết hợp phƣơng trình (1) và (2), ta có:
Chú ý rằng, giá trị quan sát y = 0 có thể là do cơng ty thực sự không trả cổ tức trong năm hoặc dữ liệu quan sát bị thiếu (khơng có giá trị quan sát). Để đánh giá
mức độ phù hợp của dự báo, sử dụng công cụ Maximum Likelihood (Greene, 2003, Long 1997). Trong trƣờng hợp này, quan sát sẽ đƣợc chia ra làm 2 nhóm: (1) quan sát khơng bị thiếu sẽ có ML giống nhau, do đó có thể sử dụng mơ hình hồi
quy tuyến tính; (2) quan sát bị thiếu và giá trị y* không xác định nhƣng xác suất quan sát thiếu vẫn đƣợc sử dụng. Trong nghiên cứu của Long (1997), phƣơng trình log-likelihood có thể giải quyết cho cả quan sát không bị thiếu và bị thiếu:
Trong đó, φ(.) và Φ(.) đại diện cho hàm mật độ xác suất và hàm phân bố tích lũy của phân phối chuẩn.
Phân tích dữ liệu bảng (panel data) đƣợc sử dụng trong bài nghiên cứu. Dữ liệu bảng bao gồm cả dữ liệu quan sát đƣợc lẫn dữ liệu không quan sát đƣợc, là sự kết hợp giữa dữ liệu chuỗi thời gian và dữ liệu chéo. Do đó, mơ hình hồi quy dữ liệu bảng thƣờng phức tạp hơn dữ liệu chéo đơn giản hoặc dữ liệu chuỗi thời gian. Có 3 phƣơng pháp dự báo khác nhau đối với dữ liệu bảng là mơ hình OLS, mơ hình ảnh hƣởng cố định (Fix effects model), mơ hình ảnh hƣởng ngẫu nhiên (Random effects model).
Mơ hình ảnh hƣởng cố định (FEM)
Mơ hình ƣớc lƣợng tổng quát
i= 1, 2, 3, 4 và t = 1, 2, .., 20
(1) Tung độ gốc và hệ số góc giống nhau giữa các cơng ty và qua thời gian (phần dƣ thể hiện sự khác biệt giữa các công ty và qua thời gian).
(2) Tung độ gốc khác nhau giữa các cty, hệ số góc là hằng số. Mơ hình những các ảnh hƣởng cố định (fixed effects) hay mơ hình bình phƣơng tối thiểu các biến giả (LSDV). Mỗi thực thể đều có những đặc điểm riêng biệt, có thể ảnh hƣởng đến các biến giải thích. Giả thiết rằng có sự tƣơng quan giữa phần dƣ của mỗi thực thể (có chứa các đặc điểm riêng) với các biến giải thích.
FE có thể kiểm soát và tách ảnh hƣởng của các đặc điểm riêng biệt (không đổi theo thời gian) này ra khỏi các biến giải thích để chúng ta có thể ƣớc lƣợng những ảnh hƣởng thực (net effects) của biến giải thích lên biến phụ thuộc. Các đặc điểm riêng biệt (khơng đổi theo thời gian) này là đơn nhất đối với 1 thực thể và không tƣơng quan với đặc điểm của các thực thể khác.
(3) Tung độ gốc khác nhau giữa các công ty và qua thời gian, hệ số góc là hằng số.
(4) Tung độ gốc và hệ số góc thay đổi giữa các cơng ty.
Tuy nhiên, mơ hình FEM có các điểm hạn chế, bao gồm: (1) Có quá nhiều biến đƣợc tạo ra trong mơ hình, do đó có khả năng làm giảm bậc tự do và làm tăng khả năng sự đa cộng tuyến của mơ hình; (2) FEM khơng đo lƣờng đƣợc tác nhân không thay đổi theo thời gian nhƣ giới tính, màu da, hay chủng tộc.
Mơ hình các nhân tố ảnh hƣởng ngẫu nhiên (Random effects model)
Trong đó, wit = εi + uit
Số hạng sai số kết hợp bao gồm hai thành phần: εi là thành phần sai số theo không gian, hay theo các cá nhân, và uit là thành phần sai số theo không gian và chuỗi thời gian kết hợp. Số hạng sai số kết hợp wit gồm hai (hay nhiều) thành phần sai số.
Giả định thơng thƣờng mà mơ hình các thành phần sai số đƣa ra là:
Nghĩa là, các thành phần sai số cá nhân không tƣơng quan với nhau và không tự tƣơng quan giữa các đơn vị theo không gian và theo chuỗi thời gian.
Tuy nhiên, mơ hình Tobit cơ bản khơng thích hợp cho mơ hình dữ liệu bảng bị thiếu, do tính khơng đồng nhất trong dữ liệu. Do đó, mơ hình các ảnh hƣởng
(ngẫu nhiên hoặc cố định) thích hợp cho các dữ liệu khơng đƣợc quan sát. Đồng thời, các nghiên cứu trƣớc cho kết quả mơ hình Tobit các ảnh hƣởng cố định thì rất phức tạp và tại thời điểm hiện tại thì mơ hình này khơng khả thi trong việc dự báo bằng phần mềm STATA. Do đó kết hợp mơ hình Tobit và mơ hình ảnh hƣởng ngẫu nhiên, bài nghiên cứu sử dụng mơ hình Tobit các nhân tố ảnh hƣởng ngẫu nhiên Random effects Tobit model (Long, 1997) nhƣ sau:
Với αi là ảnh hƣởng các công ty đặc biệt không đƣợc quan sát, đƣợc giả định khơng có tƣơng quan với xit, tuân theo phân phối chuẩn αi ∼ N(0, δ 2
).
3.4. 2. Mơ hình các nhân tố ảnh hƣởng đến tỷ lệ chi trả cổ tức
Mơ hình hồi quy các ảnh hƣởng ngẫu nhiên Tobit đƣợc sắp xếp để kiểm định ảnh hƣởng của 7 nhân tố đến tỷ lệ chi trả cổ tức của các công ty:
DIVit = β0 +β1GOVit + β2FCFit + β3 SIZEit + β4LEVit + β5 GROWit + β6 BETA it+
β7 PROFit + eit
DIV: Tỷ lệ chi trả cổ tức
GOV: Tỷ lệ nắm giữ của cổ đông nhà nƣớc FCF: Tỷ lệ dòng tiền tự do/ Tổng tài sản SIZE: Quy mô công ty
LEV: Tỷ lệ nợ/Vốn chủ sở hữu GROW: Tốc độ tăng trƣởng doanh thu BETA: Rủi ro kinh doanh
PROF: Lợi nhuận hiện tại/ dự báo của cơng ty e it: sai số mơ hình
3.5. Phƣơng pháp kiểm định
Các phƣơng pháp kiểm định nhằm kiểm định một trong các giả định của mơ hình các nhân tố ảnh hƣởng ngẫu nhiên, phù hợp với dữ liệu bảng (panel data) bao gồm các kiểm định hiện tƣợng tự tƣơng quan, kiểm định hiện tƣợng phƣơng sai không đổi và hiện tƣợng tƣơng quan chuỗi.
3.5. 1. Ma trận tƣơng quan
Mục đích kiểm định hiện tƣợng đa cộng tuyến. Trƣờng hợp các biến X có tƣơng quan với nhau nhƣng khơng hồn hảo nhƣ dƣới đây:
trong đó λ1 = λ2 =…= λk là các hằng số và không đồng thời bằng 0.
Một qui tắc kinh nghiệm khác đƣợc nêu ra là nếu hệ số tƣơng quan từng đôi hoặc bậc 0 giữa hai biến hồi qui độc lập cao, trên 0.8, thì đa cộng tuyến trở thành một vấn đề nghiêm trọng. Vấn đề đối với tiêu chuẩn này là, mặc dù hệ số tƣơng quan bậc 0 cao có thể cho là có cộng tuyến, nhƣng khơng nhất thiết là các hệ số này