Ký hiệu Tên biến Cách tính
NTC Chu kỳ thương
mạirịng
NTC = (Khoản phải thu/doanh số)*365 + (Hàng tồn kho/doanh số)*365 – (Khoản phải trả/doanh số)*365
2
NTC2 Bình phương chu NTC
kỳ thương mại
rịng
SIZE Quy mơ Ln(doanh số)
LEV Địn bẩy
GROWTH Cơ hội tăng trưởng
= �0 + �1 + ���,,,,,,,,,,,,,,,1����,� ���,,,,,,,,,,,,,,, + �2 + �2���,,,,,,,,,,,,,,,)���2 + � ���� ���,� 3 �,,,,,,,,,,,,,,,
+ �4� �,� + �5�������,� + �6���� + �� + �� + ��,�
: biến giả thời gian, ghi nhận những ảnh hưởng của các nhân tố kinh tế có thể ảnh hưởng đến giá trị doanh nghiệp mà cơng ty khơng thể kiếm sốt.
:sự không đồng nhất không quan sát được hoặc những hiệu ứng riêng lẻ
không quan sát được của từng cơng ty. Biến này kiểm sốt những đặc thù của mỗi cơng ty.
, tham số nhiễu
3.1.2 Mơ hình mối quan hệ giữa quản trị vốn luân chuyển và giá trị cơng ty dưới những hạn chế tài chính khác nhau
Để kiểm tra mức vốn luân chuyển tối ưu của doanh nghiệp nhiều khả năng bị hạn chế tài chính có khác với doanh nghiệp ít khả năng hạn chế tài chính hay khơng, chúng ta đặt ra giả thuyết:
Ho: Vốn luân chuyển tối ưu là giống nhau của cơng ty bị hạn chế tài chính và cơng ty khơng bị hạn chế tài chính.
H1: Vốn luân chuyển tối ưu là khác nhau giữa công ty bị hạn chế tài chính và cơng ty khơng bị hạn chế tài chính.
Để kiếm định giả thiết trên chúng ta mở rộng phương trình (1) bằng cách kết hợp một biến giả để phân biệt mức độ bị hạn chế tài chính giữa các cơng ty.
. (2)
Trong đó:
Biến giả DFC: nhận giá trị bằng 1 nếu doanh nghiệp có nhiều khả năng bị hạn chế tài chính, ngược lại DFC nhận giá trị 0
Biểu thức - β1 /2 β2 đo lường vốn luân chuyển tối ưu của một doanh nghiệp ít khả năng bị hạn chế tài chính, -(β1+δ1)/2(β2+δ2) đo lường mức vốn luân chuyển tối ưu của doanh nghiệp bị nhiều khả năng bị hạn chế tài chính.
Nhiều nghiên cứu trước đây đã chỉ ra cách nhận dạng một doanh nghiệp có nhiều hay ít khả năng bị rơi vào tình trạng hạn chế tài chính.
Cổ tức: Theo Fazzari et al. (1988), các doanh nghiệp bị hạn chế tài chính có
xu hướng khơng chi trả cổ tức (hoặc chi trả ở mức thấp) để giảm khả năng phải gia tăng nguồn vốn bên ngoài trong tương lai. Do vậy, đầu tiên chúng ta chia mẫu dữ liệu thành nhóm chi trả cổ tức bằng 0 và chi trả cổ tức dương. Chúng tôi kỳ vọng rằng các doanh nghiệp chi trả cổ tức bằng 0 dường như phải đối mặt với khó khăn tài chính hơn, DFC nhận giá trị bằng 1 và ngược lại.
Theo Almeida, Campello, Weisbach (2004) và Faulkender - Wang (2006), chúng ta cũng có thể phân loại các doanh nghiệp theo tỷ lệ chi trả cổ tức (tính bằng tỷ số cổ tức/lợi nhuận rịng). Do đó, những cơng ty có tỷ lê chi trả cổ tức dưới mức trung bình của mẫu, được xếp vào nhóm nhiều khảng năng bị hạn chế tài chính, DFC nhận giá trị bằng 1 và ngược lại DFC nhận giá trị bằng 0.
Dòng tiền: Chúng tôi cũng đã phân loại các cơng ty theo dịng tiền, tương tự
như cách tiếp cận của Moyen (2004). Biến này được định nghĩa là tỷ lệ thu nhập trước thuế và lãi vay cộng với khấu hao trên tổng tài sản. Các cơng ty với dịng tiền dưới mức trung bình mẫu được giả định là nhiều khả năng phải đối mặt với khó khăn tài chinh, DFC nhận giá trị bằng 1 và ngược lại DFC nhận giá trị bằng 0.
Quy mô: Nhiều nghiên cứu sử dụng biến này là một đại diện nghịch đảo của
các hạn chế tài chính (Almeida et al, 2004;. Carpenter, Fazzari, & Petersen, 1994; Faulkender & Wang, 2006). Quan niệm rằng các doanh nghiệp quy mô nhỏ lại phải đối mặt với thông tin bất đối xứng và chi phí đại diện cao hơn, do đó, sẽ nhiều khả năng bị hạn chế tài chính. Cũng quan điểm này, Whited (1992) chỉ ra rằng các doanh nghiệp lớn có thể tiếp cận với thị trường vốn tốt hơn, do đó, họ phải đối mặt với những hạn chế vay vốn thấp hơn và chi phí tài chính bên ngồi thấp hơn. Do đó,
chúng ta phân nhóm cơng ty theoquy mơ, tính bằng logarit tự nhiên của doanh thu. Những doanh nghiệp có quy mơ dưới mức trung bình mẫu được xếp vào nhóm nhiều khả năng bị hạn chế về tài chính, DFC nhận giá trị bằng 1 và ngược lại DFC nhận giá trị bằng 0.
Chi phí tài trợ bên ngồi: Fazzari et al. (1988) cho rằng các cơng ty bị hạn
chế tài chính khi chi phí nguồn tài trợ bên ngồi trở nên q đắt. Chi phí tài trợ bên ngồi, được tính theo tỷ lệ chi phí tài chính / tổng nợ. Vì vậy, các doanh nghiệp nhiều khả năng phải đối mặt với khó khăn tài chính khi chi phí tài trợ bên ngồi cao hơn trung bình mẫu, DFC nhận giá trị bằng 1 và ngược lại DFC nhận giá trị bằng 0.
Cuối cùng, chúng tôi cũng phân loại các công ty theo hai phương pháp đo lường cho nguy cơ phá sản (khả năng trả lãi vay và Z-score).
Khả năng trả lãi vay: Biến này là một phương pháp phổ biến đo lường nguy cơ phá sản của một cơng ty và hạn chế tài chính (xem, ví dụ, Whited, 1992). Các doanh nghiệp chia làm hai nhóm trên khả năng trả lãi vay,tỷ lệ này bằng thu nhập trước thuế và lãi vay trên chi phí tài chính. Chỉ số này càng nhỏ thì cơng ty dường như đăng gặp khó khăn khi trả các khoản nợ, và thu nhập trước thuế và lãi vay không thể bù đắp cho các khoản lãi vay. Do đó, các cơng ty có chỉ số trả lãi vay ở dưới trung bình mẫu phân vào nhóm khả năng cao bị hạn chế tài chính, DFC nhận giá trị bằng 1 và ngược lại DFC nhận giá trị bằng 0.
Z-SCORE: Chúng ta cũng xem xét Z-score để xem xét xác suất xảy ra các
khó khăn tài chính của các cơng ty, mà cũng có thể ảnh hưởng đến sự tiếp cận các nguồn vốn của công ty. Bài nghiên cứu sử dụng ước lượng (1968) mơ hình của Altman bởi Begley, Mings, và Watts (1996).
Z-Score cho thị trường mới nổi: Z = 6.56X1 + 3.26X2 + 6.72X3 + 1.05X4
Trong đó:
X1 = Vốn luân chuyển / Tổng tài sản X2 = Lợi nhuận giữ lại / Tổng tài sản
Cổ tứcCổ tức DIVNếu DIV = 0, cơng ty bị hạn chế tài chính (DFC = 1). Nếu DIV > 0, cơng ty không bị hạn chế tài chính (DFC = 0)
TỷlệchiCổ tức/Lợi nhuận ròng Tỷ lệ chi trả cổ tức dưới mức trả cổ tức
trung bình mẫu, cơng ty bị hạn
chế tài chính (DFC = 1), ngược lại DFC = 0.
X3 = Lợi nhuận trước thuế và lãi vay / Tổng tài sản (chỉ số hiệu suất sử dụng tài
sản)
X4 = Giá trị sổ sách của vốn chủ sở hữu / Giá
Vì vậy, các doanh nghiệp với số điểm dưới trung bình-(Z-score thấp) phân vào nhóm bị hạn chế về tài chính, DFC nhận giá trị bằng 1 và ngược lại DFC nhận giá trị bằng 0.
Bảng 3.2: Tổng hợp cách thức xác định cơng ty bị hạn chế tài chính hay khơng
Tên phƣơng thức đo lƣờng Cách tính Cách xác định hạn chế tài chính Dịng tiền +
Nếu dòng tiền dưới mức trung bình mẫu, cơng ty bị hạn chế tài chính (DFC = 1), ngược lại thì
Khả năng Chỉ số khả năng trả lãi vay ở dưới mức trung bình mẫu, cơng ty bị hạn chế tài chính DFC = 1, ngược lại DFC = 0.
trả lãi vay
DFC = 0.
Quy mô Ln(Doanh số) Quy mơ dưới mức trung bình mẫu, cơng ty bị hạn chế tài chính (DFC = 1), ngược lại DFC = 0. Chi phí tài
trợ bên
ngồi
Chi phí tài trợ bên ngồi cao hơn trung bình mẫu, công ty bị hạn chế tài chính (DFC = 1), ngược lại DFC = 0.
Z-Score
= + +
+
Z-score thấp dưới mức điểm trung bình mẫu, cơng ty bị hạn chế tài chính (DFC =1). Và ngược lại DFC = 0.
Nguồn: tổng hợp của tác giả
3.2 Dữ liệu
Dữ liệu được sử dụng là các báo cáo tài chính từ các cơng ty niêm yết trên Sở giao dịch chứng khoán Hà Nội và sở giao dịch chứng khốn Thành phố Hồ Chí Minh trong khoảng thời gian từ năm 2007-2014.
Các công ty được lựa chọn thuộc các ngành kinh tế khác nhau.Những công ty thuộc lĩnh vực tài chính, chứng khốn, bảo hiểm được loại trừ khỏi mẫu, bởi vì tính năng tài chính và đầu tư vốn ln chuyển của những cơng ty này khác biệt đáng
kể so với các cơng ty phi tài chính. Những cơng ty có dữ liệu tài chính khơng đầy đủ trong 8 năm quan sát cũng sẽ không được chọn lựa đưa vào mẫu.
Sau đó, các biến kế tốn khác nhau cần thiết cho bài nghiên cứu được trích xuất theo năm và theo công ty. Các dữ liệu bao gồm các dữ liệu về doanh số bán hàng, lợi nhuận trước thuế và lãi vay, các khoản phải thu, các khoản phải trả, hàng tồn kho, tài sản ngắn hạn, tổng tài sản, nợ ngắn hạn, và tổng nợ… Những dữ liệu này được dùng để tính tốn các biến trong các mơ hình.
Nhưng vì có biến tăng trưởng nên những công ty không ghi nhận tài sản vơ hình cũng khơng được lựa chọn đưa vào mẫu nghiên cứu. Bên cạnh đó loại bỏ những cơng ty có chu kỳ thương mại biến động quá mức có thể ảnh hưởng đến kết quả nghiên cứu. Kết quả là phân tích của chúng ta sẽ được thực hiện trên mẫu gồm 259 công ty niêm yết trên sàn HOSE và HNX trong thời gian 2008-2014.
3.3 Phƣơng pháp nghiên cứu
Bài nghiên cứu sử dụng kỹ thuật phân tích dữ liệu bảng để kiểm tra giả thuyết về mối quan hệ giữa quản trị vốn luân chuyển với giá trị cơng ty bởi vì những lý do sau. Thứ nhất, so với dữ liệu chuỗi thời gian hoặc dữ liệu chéo, dữ liệu bảng cho phép chúng ta kiểm sốt cho những khơng đồng nhất khơng quan sát được và, do đó, loại bỏ các nguy cơ kết quả sai lệch phát sinh từ tính khơng đồng nhất này (Hsiao, 1985). Những công ty là những cá thể khác biệt và ln tồn tại những đặc điểm có thể ảnh hưởng đến giá trị của chung mà mô hinh đề xuất khó có thể đo lượng hoặc khó nắm bắt được (Himmelberg et al., 1999). Thứ hai, dữ liệu bảng cũng cho phép chúng ta tránh được những vấn đề nội sinh. Vấn đề nội sinh phát sinh bởi vì mối quan hệ giữa giá trị cơng ty và các biến đặc điểm cơng ty có thể khơng chỉ phản ánh tác động của các biên độc lập đến giá trị cơng ty và cịn phản ánh sự tác động ngược lại của giá trị công ty đến các biến này. Những cú sốc ảnh hưởng đến giá trị cơng ty cũng có thể ảnh hưởng đến các biến đặc điểm cơng ty khác.
Bên cạnh đó, bài nghiên cứu này ước tính mơ hình bằng cách sử dụng ước lượng (GMM) -Arellano và Bond (1991). Tại sao không sử dụng phương pháp OLS, mà lại sử dụng ước lượng GMM ? Phương pháp ước lượng bình phương bé
nhất (OLS) là phương pháp được dùng rất phổ biến trong lĩnh vực kinh tế lượng. Ưu điểm của phương pháp này không quá phức tạp nhưng hiệu quả. Với một số giả thiết ban đầu, phương pháp này sẽ dễ dàng xác định các giá trị ước lượng hiệu quả, không chệch và vững. Tuy nhiên, khi nghiên cứu về chuỗi dữ liệu thời gian, có nhiều chuỗi vi phạm một hoặc một số giả định của OLS. Khi đó, các ước lượng thu được sẽ bị bóp méo, mất tính vững và sẽ là sai lầm nếu sử dụng chúng để phân tích. Một trong những dạng vi phạm giả định phổ biến là hiện tượng nội sinh, một trường hợp khi hệ số ước lượng (hoặc biến) tương quan với phần dư. Như vậy, ước lượng GMM là phù hợp nhất để giải quyết vấn đề nội sinh có thể có.
Sau khi chắc chắn kết quả về mối quan hệ phi tuyến giữa giá trị công ty và quản trị vốn luân chuyển, chúng ta sẽ xem xét liệu mức vốn luân chuyển tối ưu đó có nhạy cảm với các biện pháp đo lường hạn chế tài chính khác nhau hay khơng? Nghĩa là có sự khác biệt nào giữa mức vốn ln chuyển tối ưu giữa nhóm cơng ty có nhiều khả năng bị hạn chế tài chính so với nhóm cơng ty ít khả năng bị hạn chế tài chính.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương 3 đã trình bày phương pháp nghiên cứu được sử dung để xây dựng, đánh giá các khái niệm nghiên cứu và kiểm nghiệm mơ hình lý thuyết. Ở chương 3 cũng đưa ra cách đo lường các biến trong mơ hình. Trong chương 4 này sẽ trình bày kết quả nghiên cứu thu được từ q trình phân tích số liệu của 259 cơng ty niêm yết trên hai sàn HOSE và HNX trong thời gian từ năm 2008-2014
4.1 Phân tích thống kê mơ tả
Thống kê mơ tả giúp tác giả có các nhìn tổng quan về dữ liệu, phát hiện những quan sát sai biệt trong cỡ mẫu, kết quả trình bày trong bảng 4.1 dưới đây. Kết quả chỉ ra phạm vi, giá trị trung bình và độ lệch chuẩn của các biến sử dụng trong nghiên cứu này.
Bảng 4.1: Thống kê mơ tả giữa các biến trong mơ hình
Variable Obs Mean Std. Dev. Min Max
Q 1813 1.10736 1.906414 0.0686 73.1578 Ntc 1776 4.763245 1.143397 -0.06667 12.09651 ntc2 1776 23.99512 11.71704 0.004445 146.3255 Size 1813 13.00274 1.523896 6.8405 17.3702 Lev 1813 0.523155 0.2350136 0.0056 1.3822 Growth 1812 0.019999 0.0381096 0 0.491 Roa 1813 0.085991 0.0896732 -0.798 0.6113
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 1)
Biến Q có trung bình là 1.10736, biến động trong khoảng từ giá trị nhỏ nhất 0.0686 đến giá trị lớn nhất 73.1578 với độ lệch chuẩn là 1.10736.
Biến NTC có trung bình là 4.763245, với giá trị nhỏ nhất là -0.06667 và giá trị lớn nhất là 12.09651, độ lệch chuẩn là 1.143397
Biến NTC2 có trung bình 23.99512, biến thiên trong khoảng từ giá trị nhỏ nhất 0.004445 đến giá trị lớn nhất 146.3255 với độ lệch chuẩn là 11.71704.
Thống kê mô tả giữa các biến trong mơ hình theo bảng 4.1 cho thấy các biến trong mơ hình hồi quy có độ lệch chuẩn khơng q lớn so với trung bình. Dữ liệu tương đối đồng đều ở các biến. Kích thước cỡ mẫu nghiên cứu gồm 1813 quan sát, là cỡ mẫu lớn trong thống kê. Dữ liệu mẫu phù hợp thực hiện nghiên cứu định lượng.
4.2 Kiểm định sự tƣơng quan và đa cộng tuyến
4.2.1 Ma trận tương quan đơn tuyến tính giữa các cặp biến
Hệ số tương quan dùng thể hiện quan hệ giữa các biến trong mô hình. Hệ số tương quan biến động từ -1 tới 1 với chiều tác động âm và dương tương ứng, bằng 0 tương ứng khơng có quan hệ giữa 2 biến. Dựa vào kết quả ma trận tương quan, tác giả sẽ phân tích mối tương quan giữa các biến độc lập trong mơ hình.
Bảng 4.2: Kết quả ma trận tự tương quan
Biến Q Ntc ntc2 size lev growth roa
Q 1 - Ntc 0.0029 1 - ntc2 0.0054 0.9643 1 - Size 0.0045 0.2488 -0.2592 1 - Lev 0.0409 0.1064 0.1222 0.2737 1 - - - growth 0.029 0.1237 -0.108 0.0195 0.1847 1 - - Roa 0.0584 0.2125 -0.2304 0.1797 0.3072 0.0498 1
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục2
Phân tích ma trận tự tương quan giữa các biến trong mơ hình được trình bày trong bảng 4.2 cho thấy, tồn tại các hệ số tự tương quan cặp giữa các biến độc lập lớn hơn 0.8, có nghĩa là cỡ mẫu tồn tại hiện tượng đa cộng tuyến nghiêm trọng giữa các cặp biến độc lập trong mơ hình.
4.2.2 Kiểm định đa cộng tuyến
Bảng 4.3: Kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai
Biến VIF 1/VIF
ntc2 14.59 0.068548 Ntc 14.4 0.069452 Lev 1.33 0.753044 Size 1.27 0.788744 Roa 1.23 0.81605 Growth 1.05 0.951131 Trung bình VIF 5.64
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 3)
Kết quả kiểm định nhân tử phóng đại phương sai, cho thấy trung bình VIF của các biến trong mơ hình là 5.64 nhỏ hơn 10.Tuy nhiên tồn tại VIF của biến NTC và NTC2 là vượt quá 10, tuy nhiên giá trị không quá lớn.