STT Mã Biến Mơ tả Cách tính 1 Luồng tiền hoạt động CF Luồng tiền thuần từ hoạt động kinh doanh
Lấy từ mã số 20 (Lưu chuyển tiền thuần từ hoạt động kinh doanh) trên BCLCTT
2 Các
khoản dồn tích
DAR Thay đổi khoản
phải thu
Mã số 130 trên BCĐKT: lấy các khoản phải thu năm nay – các khoản phải thu năm trước
STT Mã Biến Mơ tả Cách tính
tồn kho tồn kho năm nay – hàng tồn kho
năm trước
4 DAP Thay đổi khoản
phải trả
Mã số 300 trên BCĐKT: lấy nợ phải trả năm nay – nợ phải trả năm trước
5 DEP Khấu hao
Tổng khấu hao TCSĐ hữu hình và TSCĐ vơ hình: Lấy từ thuyết minh BCTC
6 OTHAC Các khoản dồn
tích khác
OTHAC=Thu nhập thuần từ hoạt động kinh doanh sau thuế – CF – (DAR + DINV – DAP – DEP)
7 Các thành phần của luồng tiền hoạt động CSHRD Tiền mặt thu được từ khách hàng
Lấy từ mã số 01 (Tiền thu từ bán hàng, cung cấp dịch vụ và doanh thu khác) trên BCLCTT 8 CSHPD Tiền mặt thanh toán cho nhà cung cấp và người lao động
Mã số 02 (Tiền chi trả cho người cung cấp hàng hóa và dịch vụ) + Mã số 03 (Tiền chi trả cho người lao động) trên BCLCTT
9 INTPD Tiền chi trả lãi
vay
Lấy từ mã số 04 (Tiền chi trả lãi vay) trên BCLCTT
10 TXPD
Tiền chi nộp thuế thu nhập doanh nghiệp
Lấy từ mã số 05 (Tiền chi nộp thuế thu nhập doanh nghiệp) trên BCLCTT 11 OTHCSH Luồng tiền từ hoạt động kinh doanh khác OTHCSH = CF – (CSHRD – CSHPD – INTPD – TXPD) Nguồn: Tác giả tổng hợp
3.2. Lựa chọn mẫu và thu thập dữ liệu nghiên cứu:
Điều kiện chọn mẫu: Các công ty được chọn là các công ty hoạt động trong lĩnh vực sản xuất kinh doanh thương mại hoặc dịch vụ khơng bao gồm các loại hình cơng ty như ngân hàng, bảo hiểm, các quỹ do các hạng mục của BCTC và quy định kế tốn của các ngành này có tính đặc thù khơng phù hợp cho mục tiêu nghiên cứu. Điều kiện chung để chọn các công ty phi tài chính cho mẫu nghiên cứu là:
Được niêm yết trên Sàn giao dịch chứng khoán Thành phố Hồ Chí
Minh (HOSE) và Sàn giao dịch chứng khốn Hà Nội (HNX).
Có sẵn thơng tin về BCTC đã kiểm toán trong khoảng thời gian nghiên
cứu từ 2008-2014 nhằm đảm bảo tất cả các biến có cùng số quan sát.
Các cơng ty có BCLCTT được lập theo phương pháp trực tiếp liên tục
từ 2008-2014 nhằm đảm bảo cho mục tiêu nghiên cứu.
Với điều kiện chon mẫu trên tác giả tiến hành thu thập dữ liệu với các bước như sau:
Thông qua website: http://www.vietstock.vn chọn những công ty được niêm yết trên Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh (HOSE) và Sàn giao dịch chứng khốn Hà Nội (HNX).
Kiểm tra nhóm ngành của các công ty này để chọn ra các công ty phi tài
chính.
Kiểm tra và chọn các cơng ty có đầy đủ BCTC đã kiểm tốn đính kèm
liên tục từ năm 2008-2014.
Trong tất cả BCTC thu thập được liên tục từ năm 2008-2014 chỉ chọn
các cơng ty có BCLCTT được lập theo phương pháp trực tiếp. Mẫu cuối cùng của nghiên cứu là 112 công ty thỏa mãn các điều kiện trên (gồm 34 trên HOSE và 78 trên HNX).
Như vậy dữ liệu trong nghiên cứu thuộc loại dữ liệu bảng (panel data) bao gồm 112 cơng ty trong vịng 7 năm từ 2008 đến năm 2014 tạo thành bảng gồm 784 công ty – năm quan sát.
3.3. Phương pháp nghiên cứu định lượng:
Sau khi thu thập đầy đủ dữ liệu và tính tốn các giá trị cho biến độc lập và biến phụ thuộc trong mơ hình nghiên cứu, tác giả sử dụng phần mềm Eview 8.1 làm công cụ phân tích thống kê mơ tả, phân tích tương quan, phân tích hồi quy và các kiểm định theo trình tự:
Bước 1 : Sử dụng thống kê mơ tả để phân tích sơ bộ thơng tin cơ bản từ mẫu. Bước 2 : Tính hệ số tương quan giữa tất cả các biến trong mơ hình để có cái
nhìn tổng quan về mối quan hệ giữa các biến, đồng thời để phát hiện mơ hình có hiện tượng đa cơng tuyến hay không.
Bước 3 : Lựa chọn mơ hình hồi quy thích hợp cho nghiên cứu giữa các mơ
hình hồi quy: Pooled OLS, mơ hình tác động cố định (FEM - Fixed Effects Model) và mơ hình tác động ngẫu nhiên (REM - Random Effects Model) (do dữ liệu nghiên cứu là dữ liệu bảng – panel data) dựa vào các kết quả:
Hệ số R2 hiệu chỉnh: dựa vào kết quả hồi quy theo Pooled OLS, FEM, REM của hai mơ hình ở độ trễ một năm và hai năm, mơ hình nào có hệ số R2 hiệu chỉnh 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: Lựa chọn giữa Pooled OLS và mơ hình tác
động cố định (FEM);
Kết quả kiểm định Hausman-Test: Lựa chọn giữa mơ hình tác động cố
định (FEM) và mơ hình tác động ngẫu nhiên (REM).
Bước 4 : Sau khi lựa chọn được mơ hình hồi quy phù hợp tiến hành hồi quy
mơ hình (1) và mơ hình (2) theo mơ hình hồi quy đã được lựa chọn.
Bước 5 : Phân tích kết quả hồi quy từ hai mơ hình (1) và (2). Kết quả này
được dùng để kiểm định giả thuyết H1 và H2.
Để
kiểm định giả thuyết H1 : Phân tích kết quả hồi quy mơ hình (1) với độ
trễ một năm và hai năm, xem xét ý nghĩa thông kê của các hệ số hồi quy (p-value), mức độ thích hợp của mơ hình (dựa vào R2 hoặc R2 hiệu chỉnh và giá trị thống kê F với giá trị Prob(F-Statistic) <0.1 được coi là mơ hình phù hợp).
Để
kiểm định giả thuyết H2 : Phân tích và so sánh kết quả hồi quy của mơ
hình (1) và mơ hình (2) với cả hai độ trễ một năm và hai năm và dựa vào hai tiêu chuẩn sau để lựa chọn mơ hình tốt nhất:
Tiêu chuẩn đánh giá mức độ phù hợp của mơ hình: Hệ số R2 hiệu chỉnh (Adjusted R-squared), tiêu chuẩn thông tin Akaike (AIC - Akaike Information Criterion), tiêu chuẩn thông tin Schwarz (SC - Schwarz criterion).
Tiêu chuẩn đánh giá mức độ chính xác của mơ hình dự báo: mơ hình
dự báo được đánh giá là tốt thì các sai số dự báo phải nhỏ và dao động của sai số dự báo không theo một mơ hình nào cả. Để đánh giá mơ hình dự báo, tác giả đã chọn hai chỉ tiêu đo lường sai số của dự báo như sau: căn bậc hai của trung bình sai số bình phương (RMSE - Root Mean Squared Error) và hệ số Theil’s U statistic.
Ý nghĩa của những tiêu chuẩn được giải thích như sau:
Tiêu chuẩn R2 hiệu chỉnh: để đánh giá mức độ thích hợp của mơ hình có thể dựa vào R2 hoặc R2 hiệu chỉnh. Tuy nhiên tác giả chọn R2 hiệu chỉnh là do R2 phụ thuộc vào số lượng biến giải thích trong mơ hình (R2 = 1- (ESS/TSS), khi thêm vào mơ hình bất kì một biến nào dù có ý nghĩa hay không R2 sẽ ln ln tăng. Trong khi đó mơ hình (2) trong nghiên cứu lại có số lướng biến giải thích lơn hơn mơ hình (1) nên việc dựa vào R2 để lựa chọn mơ hình là khơng chính xác. Do đó R2
hiệu chỉnh (hiệu chỉnh theo bậc tự do) được sử dụng để lựa chọn mơ hình với:
R2hiệu chỉnh = 1 − ESS/(n − k) TSS/(n − 1) = 1 − (n − 1) (n − k) (1 − R2)
Việc thêm vào một biến dẫn đến tăng R2 nhưng cũng làm giảm đi một bậc tự do, bởi vì chúng ta đang ước lượng thêm một tham số nữa. R2 hiệu chỉnh là một phép đo độ thích hợp tốt hơn bởi vì nó cho phép đánh đổi giữa việc tăng R2 và giảm bậc tự do (Cao Hào Thi, 2012).
Tiêu chuẩn thông tin Akaike (AIC): do AIC được tính dựa vào tổng của bình phương sai số (ESS) nên giá trị của AIC càng nhỏ chứng tỏ mơ hình càng
phù hợp. Tiêu chuẩn AIC được dùng khi xét số liệu theo thời gian. AIC được tính như sau: AIC = ES S n e(2k/n)
Tiêu chuẩn thơng tin Schwarz (SC): tương tự như tiêu chuẩn AIC, SC
cũng được tính dựa vào tổng của bình phương sai số nên giá trị của SC càng nhỏ chứng tỏ mơ hình càng phù hợp. Tuy nhiên tiêu chuẩn SC coi trọng về tính phức tạp của mơ hình hơn là yếu tố khác (Cao Hào Thi, 2012). Tiêu chuẩn SC được tính như sau:
SC = ES
S
n n(k/n)
Chỉ tiêu RMSE: là một trong số các tiêu chuẩn để đo lường sai số dự
báo. RMSE là căn bậc hai của trung bình sai số bình phương (MSE). Với một mơ hình tổng qt có k hệ số hồi quy RMSE được tính như sau:
���� = √MSE
= √
∑( − ) 2 −
Trong đó: n là số các quan sát; Yt là giá trị thực tế của biến phụ thuộc; Ytf là giá trị được dự báo từ mơ hình. Với cách tính trên mơ hình nào có các giá trị thống kê của RMSE thấp hơn thì được xem là tốt hơn xét về năng lực dự báo.
Hệ số Theil’U-Statistic: cũng là một chỉ tiêu để đo lường sai số của dự báo nó cho
thấy sự chính xác của giá trị dự báo có có phù hợp với giá trị tương lai thật sự của nó hay khơng. Giá trị của Theil’s U-Statistic được tính dựa vào RMSE:
Theil′U
=
RMSE (mơ hình dự báo) RMSE (mơ hình dự báo thơ "naive")
√∑(Yt − Ft)2 =
√∑(Yt − Yt−1)2
Trong đó: Yt giá trị thực tế của biến phụ thuộc; Ft giá trị được dự báo từ mơ hình được tính dựa vào các hệ số hồi quy từ các mơ hình liên quan. Theil’U- Statistic có giá trị từ 0 đến 1. Theil’U-Statistic = 0 có nghĩa là mơ hình dự báo một
cách hồn hảo. Ngồi ra Theil’U-Statistic cịn được phân thành các tỷ lệ: tỷ lệ độ chênh lệch (Bias proportion): là sự chênh lêch giữa trung bình của giá trị dự báo với
trung bình giá trị thực tế , tỷ lệ phương sai (Covariance proportion): cho biết mức độ biến thiên của giá trị dự báo khác với mức độ biến thiên của giá trị thực tế, và tỷ lệ hiệp phương sai (Covariance proportion): cho biết tỷ lệ phần sai số của dự báo khơng mang tính hệ thống. Tổng của tỷ lệ độ chênh lệch, tỷ lệ phương sai và tỷ lệ hiệp phương sai bằng 1, và mơ hình dự báo tốt là mơ hình có tỷ lệ độ chênh lệch và tỷ lệ phương sai nhỏ. Do Theil’U-Statistic được tính dựa vào RMSE do đó mơ hình nào có hệ số Theil’U-Statistic thấp hơn là mơ hình có năng lực dự báo tốt hơn.
KẾT LUẬN CHƯƠNG 3
Từ cơ sở xây dựng mơ hình nghiên cứu được đề cập ở chương 2, tác giả đã đưa ra các giả thuyết cho hai mơ hình dự báo luồng tiền tương lai cho các doanh nghiệp niêm yết Việt Nam dựa đã được lựa chọn ở chương 2. Đồng thời thu thập dữ liệu cho nghiên cứu với số lượng mẫu 112 công ty (bao gồm 34 niêm yết trên Sàn giao dịch chứng khốn Thành phố Hồ Chí Minh và 78 công ty niêm yết trên sàn giao dịch chứng khoán Hà Nội) trong khoảng thời gian 7 năm 2008-2014. Do đó dữ liệu trong nghiên cứu thuộc dạng dữ liệu bảng bao gồm 784 công ty – năm quan sát. Với dạng dữ liệu trên thì cơng cụ được sử dụng để xử lý dữ liệu trong nghiên cứu là phần mềm Eview phiên bản 8.1
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN 4.1. Thống kê mô tả và ma trận hệ số tương quan: