sẽ mở rộng thêm các biến để giải thích cho sự biến động của Chi phí vốn cổ phần DNNY.
4.2 Phân tích k ế t qu ả hồi quy
4.2.1 Kết quả hồi quy trên SGDCK Hồ Chí Minh
Coefficient Std. Error t-ratio p-value const 0,748755 0,154262 4,8538 <0,00001 *** DSCORE -0,00116493 0,000312419 -3,7287 0,00039 *** Beta 0,0597711 0,0175388 3,4079 0,00110 *** P_B 0,00724973 0,00931801 0,7780 0,43921 l_SIZE -0,0175048 0,00600268 -2,9162 0,00478 ***
Bảng 4.12: Kết quả hồi quy mô hình Kinh tế lượng (HOSE)
Dependent variable: Cost_of_Equity Capital
Nguồn: Nhóm nghiên cứu tự tính toán
Mô hình đã được kiểm tra và không mắc các lỗi đa cộng tuyến, phương sai sai số thay đổi và sai số không phân phối chuẩn.
Theo kết quả phân tích hồi quy, có ba biến có hệ số hồi quy có ý nghĩa thống kê ở mức 1% là DSCORE, Beta và l_SIZE. Hệ số hồi quy âm của l_SIZE và hệ số dương (+) của Beta giúp chứng minh cho các giả định về lí thuyết ban đầu là đúng: các DNNY lớn và có hệ số Beta thấp (tức rủi ro hệ thống thấp) thường có xu hướng có chi phí vốn cổ phần thấp hơn các DNNY nhỏ và có hệ số Beta cao.
Mối tương quan ngược chiều (-) có ý nghĩa thống kê giữa biến DSCORE và biến Cost_of_Equity Capital cũng cho thấy rằng: việc CBTT rõ ràng giúp DNNY giảm chi phí vốn cổ phần một cách hiệu quả.
Hệ số hồi quy của P_B lại mang dấu dương (+), tức là ngược với giả thuyết ban đầu rằng P_B càng cao, chi phí vốn cổ phần càng thấp. Tuy nhiên, hệ số của P_B không có ý nghĩa thống kê, cho thấy mối tương quan dương giữa P_B và chi phí vốn là không rõ ràng. Bởi vậy, kiểm định mô hình bằng F-test để xác định xem có nên bỏ biến P_B trong mô hình đi hay không là cần thiết. Để làm được điều này, nhóm nghiên cứu tiến hành chạy mô hình giới hạn (restricted model), trong đó biến P_B được bỏ đi, mô hình chỉ còn các biến độc lập DSCORE, Beta, l_SIZE. Mô hình mới này có R2 = 36,5697 % (so với R2 = 37,1213% của mô hình ban đầu).
Coefficient Std. Error t-ratio p-value
const 0,673364 0,119692 5,6258 <0,00001 ***
DSCORE -0,00111244 0,00030418 -3,6571 0,00049 ***
Beta 0,0571378 0,0171605 3,3296 0,00139 ***
l_SIZE -0,014613 0,00470023 -3,1090 0,00271 ***
Với kiểm định F-test, có các giả thuyết sau:
H0:� = 0
H1: α ≠ 0
(Trong đó, α là hệ số hồi quy của biến P_B trong mô hình hồi quy ban đầu)
Fob = ( (1− � 2(1)− �2(1))/( �2 (2))/�−�� ) = (37,1213%−36,5697 %)/1(1−37,1213%)/(74−5) = 0,605
So sánh kết quả tính được với F(m,n-k) = F5%(1,69) = 4,00, ta thấy Fob < F(1,69). Do vậy, không thể bác bỏ giả thuyết cho rằng hệ số hồi quy của P_B bằng 0. Kết quả kiểm định dẫn đến kết luận là: xây dựng một mô hình mới chỉ có các biến độc lập là DSCORE, Beta và l_SIZE, với kết quả hồi quy như sau:
Bảng 4.13: Kết quả hồi quy mô hình Kinh tế lượng sau khi sửa (HOSE)
Dependent variable: Cost_of_Capital
Nguồn: Nhóm nghiên cứu tự tính toán
Trong mô hình mới này, dấu và ý nghĩa của các hệ số thống kê đều không có khác biệt nhiều so với mô hình ban đầu. Sau khi bỏ bớt biến P_B, các biến độc lập trong mô hình mới đều có hệ số hồi quy có ý nghĩa thống kê ở mức 1%, cho thấy mô hình mới này hiệu quả hơn so với mô hình ban đầu.
4.2.1.2 Kiểm định đặc điểm kĩ thuật của mô hình
Để đánh giá được độ nhạy của các kết quả kiểm định ở trên đối với mô hình hồi quy, nhóm nghiên cứu xây dựng thêm hai mô hình khác:
Coefficient Std. Error t-ratio p-value const 52,3585 5,90402 8,8683 <0,00001 *** Rank(DSCORE) -0,375156 0,100277 -3,7412 0,00037 *** Rank(Beta) 0,288846 0,0977195 2,9559 0,00425 *** Rank(SIZE) -0,310052 0,101009 -3,0696 0,00305 *** a. Mô hình xế p h ạng các bi ế n
Trước tiên, nhóm nghiên cứu xây dựng các biến với giá trị là số thứ tự xếp hạng từ bé đến lớn (ứng với các giá trị từ 1 đến 74), sau đó xây dựng mô hình hồi quy với các biến xếp hạng mới xây dựng này: Rank(Cost_of_Equity Capital),
Rank(DSCORE), Rank(Beta), Rank(SIZE), Rank(P_B). Việc sử dụng mô hình xếp hạng biến có hai mục đích. Thứ nhất, mô hình xếp hạng biến sẽ giúp loại bỏ hoàn toàn khả năng mắc lỗi sai số phân phối không chuẩn. Thứ hai, việc sử dụng các biến xếp hạng thay cho các biến giá trị đại số sẽ giúp nhóm nghiên cứu kiểm tra độ nhạy của mô hình ban đầu. Nếu kết quả kiểm định mô hình xếp hạng không thay đổi nhiều so với mô hình ban đầu thì mô hình ban đầu được coi là ổn định. (adsbygoogle = window.adsbygoogle || []).push({});
Bảng 4.14: Mô hình xếp hạng các biến (HOSE)
Dependent variable: Rank(Cost_of_Equity Capital)
Nguồn: Nhóm nghiên cứu tự tính toán
Theo kết quả phân tích hồi quy, các biến DSCORE, Beta và SIZE vẫn có ý nghĩa ở mức thống kê 1%, đồng thời dấu của các hệ số vẫn không đổi, cho thấy tính ổn định của mô hình đã xây dựng. R2 = 34,4%, xấp xỉ với mức R2 của mô hình ban đầu, giúp khẳng định sự phù hợp của mô hình ban đầu.
b. Mô hình vớ i các bi ế n gi ả
Mô hình thứ hai nhóm nghiên cứu sử dụng để kiểm tra độ nhạy của mô hình ban đầu là mô hình hồi quy với các biến giả. Việc kiểm định mô hình trước bằng mô hình mới với biến giả đã được một số nhà nghiên cứu sử dụng và chứng minh tính hiệu quả của mô hình ban đầu, trong đó điển hình là Botosan (1997).
Coefficient Std. Error t-ratio p-value const 0,628259 0,124368 5,0516 <0,00001 *** DHI -0,0645072 0,0216625 -2,9778 0,00400 *** DMED -0,0330048 0,021183 -1,5581 0,12379 Beta 0,0599027 0,0177457 3,3756 0,00121 *** l_SIZE -0,0169213 0,00470517 -3,5963 0,00060 ***
Việc kiểm định mô hình ban đầu của nhóm nghiên cứu được tiến hành trước tiên bằng việc chia mẫu các DNNY thành ba phần dựa trên đánh giá về việc CBTT của chúng. Với điểm DSCORE của các DNNY dao động từ 64,4 đến 174,3, nhóm nghiên cứu chia mẫu như sau: Các DNNY có điểm DSCORE dưới 100 được coi là thấp, từ 100 đến 140 là trung bình và trên 140 được coi là cao. Sau khi đã phân loại DNNY theo điểm DSCORE, nhóm nghiên cứu thay thế DSCORE bằng hai biến giả DHI và DMED: DHI bằng 1 nếu điểm DSCORE được đánh giá là cao và bằng 0 trong trường hợp DSCORE thấp hoặc trung bình. DMED bằng 1 nếu DSCORE trung bình và bằng 0 nếu DSCORE cao hoặc thấp. Vậy hai biến giả DHI và DMED lần lượt đại diện cho DSCORE cao và trung bình. Mô hình này sẽ giúp phân chia sự biến động của chi phí vốn đối với các DNNY công bố ít, trung bình và nhiều thông tin.
Bảng 4.15: Kết quả hồi quy mô hình với các biến giả (HOSE)
Dependent variable: Cost_of_Equity Capital
Nguồn: Nhóm nghiên cứu tự tính toán
Mô hình đã được kiểm định và không mắc phải lỗi đa cộng tuyến cũng như phương sai sai số thay đổi. Trong mô hình hồi quy, các biến l_SIZE, Beta và DHI có ý nghĩa ở mức 1% và R2 = 34,19%, không khác biệt nhiều so với ở mô hình ban đầu. Việc DHI và DMED đều có hệ số hồi quy âm (-) phản ánh đúng mối quan hệ ngược chiều giữa CBTT và chi phí vốn cổ phần. Bên cạnh đó, hệ số hồi quy của DHI có giá trị tuyệt đối lớn hơn của DMED, một lần nữa khẳng định công bố nhiều thông tin giúp giảm chi phí vốn cổ phần nhiều hơn là chỉ công bố ít hoặc vừa phải thông tin.
Coefficient Std. Error t-ratio p-value const -0,167033 0,162258 -1,0294 0,30518 DSCORE -0,000698595 0,000319641 -2,1856 0,03063 ** Beta 0,0713466 0,0180692 3,9485 0,00013 *** P_B -0,0435934 0,0165364 -2,6362 0,00940 *** l_SIZE 0,0181863 0,00673372 2,7008 0,00783 ***
Tuy nhiên, việc hệ số hồi quy của DHI có ý nghĩa ở mức 1% trong khi hệ số của DMED không có ý nghĩa thống kê cho thấy: CBTT chỉ có tác dụng rõ rệt khi DNNY công bố rất nhiều thông tin, thay vì chỉ công bố một cách vừa phải.
4.2.2 Kết quả hồi quy trên SGDCK Hà Nội (HNX)
4.2.2.1 Kết quả hồi quy
Bảng 4.16: Kết quả hồi quy mô hình Kinh tế lượng (HNX)
Dependent variable: Cost_of_Equity Capital
Nguồn: Nhóm nghiên cứu tự tính toán
Mô hình đã được kiểm tra và không mắc các lỗi đa cộng tuyến, phương sai sai số thay đổi và sai số không phân phối chuẩn.
Theo kết quả phân tích hồi quy, có ba biến có kết quả phù hợp với những lập luận ban đầu là: DSCORE, Beta và P_B. Hệ số hồi quy có ý nghĩa thống kê ở mức 1% của Beta và P_B cho thấy: các DNNY được thị trường đánh giá cao thường có chi phí vốn cổ phần thấp hơn, trong khi các DNNY có rủi ro hệ thống cao lại phải chịu chi phí vốn cổ phần cao hơn để bù đắp cho rủi ro đó. DSCORE, với hệ số hồi quy âm (-) có ý nghĩa thống kê ở mức 5% cũng cho thấy rằng: các DNNY càng công bố nhiều thông tin thì chi phí vốn cổ phần càng thấp.
Bên cạnh đó, hệ số hồi quy của biến l_SIZE lại mang dấu dương (+), tức là ngược lại so với những lập luận ban đầu, cho thấy rằng: các DNNY lớn, thay vì có chi phí vốn cổ phần thấp, lại phải chịu một mức chi phí vốn cổ phần cao hơn các DNNY nhỏ.
Coefficient Std. Error t-ratio p-value Const 56,9879 9,50578 5,9951 <0,00001 *** Rank(DSCORE) -0,207948 0,0791759 -2,6264 0,00966 *** Rank(Beta) 0,402773 0,0933241 4,3158 0,00003 *** Rank(P_B) -0,236667 0,0862727 -2,7432 0,00694 *** Rank(SIZE) 0,2099 0,0929794 2,2575 0,02563 **
R2 của mô hình còn khá thấp, ở mức 27,32%, cho thấy rằng: ngoài các biến đã nêu ở trên, vẫn còn các biến quan trọng khác chưa được đề cập đến trong mô hình. Điều này phù hợp với đặc trưng của TTCK ở Việt Nam, khi mà tỉ suất lợi nhuận yêu cầu (chi phí vốn cổ phần) còn phụ thuộc vào rất nhiều yếu tố khác như: tin đồn, sự tương quan mạnh giữa giá của các ngày giao dịch.
4.2.2.2 Kiểm định đặc điểm kỹ thuật của mô hình
Để đánh giá được độ nhạy của các kết quả kiểm định ở trên đối với mô hình hồi quy, nhóm nghiên cứu xây dựng thêm hai mô hình khác, như đã làm với sàn HOSE.
a. Mô hình xế p h ạng các bi ế n
Xây dựng mô hình hồi quy với các biến lấy giá trị xếp hạng tương tự như đã làm với HOSE.
Bảng 4.17: Mô hình xếp hạng các biến (HNX)
Dependent variable: Cost_of_Equity Capital (adsbygoogle = window.adsbygoogle || []).push({});
Nguồn: Nhóm nghiên cứu tự tính toán
Khi sử dụng mô hình gồm các biến xếp hạng, các hệ số của các biến đều không thay đổi về dấu, cho thấy tính ổn định của mô hình ban đầu. Tuy rằng mô hình mới này có một vài thay đổi nhỏ so với mô hình ban đầu: DSCORE trở nên có ý nghĩa ở mức 1% trong khi biến SIZE lại bớt ý nghĩa thống kê. R2 của mô hình tăng từ 27,32% lên 29,97%, sự thay đổi ít, một lần nữa cho thấy tính ổn định của mô hình ban đầu.
Coefficient Std. Error t-ratio p-value Const -0,215708 0,161383 -1,3366 0,18368 DHI -0,037745 0,0199242 -1,8944 0,06039 * DMED -0,0297377 0,0191153 -1,5557 0,12221 Beta 0,0648218 0,0184114 3,5208 0,00059 *** P_B -0,0449227 0,016825 -2,6700 0,00855 *** l_SIZE 0,0179292 0,00679448 2,6388 0,00934 *** b. Mô hình vớ i các bi ế n gi ả
Như đã giải thích ở trên, trong phần này, nhóm nghiên cứu sử dụng hai biến giả DHI và DMED thay cho biến DSCORE, lần lượt đại diện cho DSCORE cao và trung bình. Tuy nhiên, vì mức độ DSCORE ở hai sàn HOSE và HNX là khác nhau nên việc chia mẫu để tạo hai biến DHI và DMED cũng có một số khác biệt. Đối với sàn HNX, điểm DSCORE của các DNNY dao động từ 61,3 đến 159,7, với trung bình là 124,4 (thấp hơn so với HOSE). Do vậy, nhóm nghiên cứu chia các DNNY sàn HNX thành ba loại: Các DNNY có điểm DSCORE dưới 98 được coi là thấp, từ 98 đến 135 được coi là trung bình và trên 135 được coi là cao (đối với sàn HNX). Cách xây dựng DHI và DMED giống như với sàn HOSE.
Kết quả phân tích hồi quy như sau:
Bảng 4.18: Kết quả hồi quy mô hình với các biến giả (HNX)
Dependent variable: Cost_of_Equity Capital
Nguồn: Nhóm nghiên cứu tự tính toán
Mô hình đã được kiểm định và không mắc phải lỗi đa cộng tuyến cũng như phương sai sai số thay đổi. Trong mô hình hồi quy, các biến l_SIZE, Beta và P_B có ý nghĩa mức 1% và R2 = 26,78%, không khác biệt nhiều so với mô hình ban đầu. DHI và DMED đều có hệ số hồi quy âm (-) phản ánh đúng mối quan hệ ngược chiều giữa CBTT và chi phí vốn cổ phần. Bên cạnh đó, hệ số hồi quy của DHI có giá trị tuyệt
đối lớn hơn của DMED, một lần nữa khẳng định công bố nhiều thông tin giúp giảm chi phí vốn cổ phần nhiều hơn là chỉ CBTT ít hoặc vừa phải.
Tuy nhiên, hệ số hồi quy của DHI có ý nghĩa ở mức 10% trong khi hệ số của DMED không có ý nghĩa thống kê cho thấy: CBTT chỉ có tác dụng rõ rệt khi DNNY công bố rất nhiều thông tin, thay vì chỉ công bố ít hoặc vừa phải. Sử dụng biến giả làm giảm đi mức ý nghĩa thống kê của DHI và DMED một cách rõ rệt (so với hệ số của biến DSCORE ban đầu), cho thấy mối quan hệ giữa CBTT và chi phí vốn cổ phần rõ nét hơn khi xem xét DNNY trong từng nhóm (nhóm DSCORE thấp, trung bình và cao), thay vì giữa các nhóm với nhau.
4.2.3 So sánh kết quả chạy mô hình hồi quy các DNNY ở SGDCK Hà Nội và SGDCK Hồ Chí Minh
DSCORE: Kết quả hồi quy của hai sàn HOSE và HNX trên mẫu nghiên cứu cho thấy hệ số hồi quy của biến DSCORE ở cả hai sàn đều âm (lần lượt là -0,00116 và -0,0007) và có ý nghĩa thống kê. Nhóm nghiên cứu tiến hành kiểm định thống kê để xác định xem hai hệ số trên tổng thể của hai sàn có thực sự khác nhau hay không.
Giả thiết:
H0: αHOSE = αHNX
H1: αHOSE ≠ αHNX
Trong đó αHOSE, αHNX lần lượt là hệ số hồi quy của biến DSCORE ở tổng thể hai sàn HOSE và HNX.
Nhóm tập hợp các dữ liệu từ hai mẫu của sàn HOSE và HNX thành một mẫu dữ liệu duy nhất gồm 210 DNNY đại diện cho cả thị trường. Sau đó, nhóm lập biến giả thứ nhất HOSE có giá trị bằng 1 với những công ty niêm yết trên sàn HOSE và có giá trị bằng 0 với những công ty niêm yết trên sàn HNX. Biến giả thứ hai HOSE_DSCORE được xác định theo công thức:
Coefficient Std. Error t-ratio p-value const 0,13711 0,119334 1,1490 0,25192 DSCORE -0,000534176 0,000299076 -1,7861 0,07558 * Beta 0,0752606 0,0135066 5,5721 <0,00001 *** P_B -0,0189093 0,009105 -2,0768 0,03908 ** l_Size 0,00445873 0,00488954 0,9119 0,36291 HOSE 0,0416217 0,0641855 0,6485 0,51742 HOSE_DSCORE -0,000672418 0,000490962 -1,3696 0,17233
Nhóm đã chạy mô hình hồi quy với biến phụ thuộc là Cost_of_Equity Capital và biến độc lập là DSCORE, Beta, P_B, l_SIZE, HOSE và HOSE_DSCORE. Kết quả hồi quy như sau:
Bảng 4.19: Mô hình kiểm định thống kê so sánh hệ số hồi quy của DSCORE ở hai sàn HOSE và HNX
Dependent variable: Cost_of_Capital
Nguồn: Nhóm nghiên cứu tự tính toán
Từ kết quả chạy mô hình hồi quy, hệ số của HOSE_DSCORE là -1,3696 < t(0,025; 200) = 1,66. Do vậy, không thể bác bỏ giả thiết H0. Vì thế, có thể kết luận rằng hệ số hồi quy của biến DSCORE ở hai sàn HOSE và HNX là giống nhau, hay nói cách khác mức độ công bố thông tin của DNNY trên hai sàn HOSE và HNX có mức độ ảnh hưởng như nhau tới chi phí vốn cổ phần.
Do mức độ ảnh hưởng của CBTT tới chi phí vốn cổ phần của hai sàn là tương đương nhau, ta có thể gộp chung hai mẫu nghiên cứu trên HOSE và HNX trước đó thành một mẫu mới đại diện cho TTCK Việt Nam với 210 quan sát. Kết quả hồi quy thu được như sau:
Coefficient Std. Error t-ratio p-value const 0.358393 0.10564 3.3926 0.00083 *** DSCORE -0.000778014 0.000243802 -3.1912 0.00164 *** Beta 0.0790447 0.0137384 5.7536 <0.00001 *** P_B -0.0191312 0.00909995 -2.1023 0.03674 ** l_Size -0.00368762 0.00437897 -0.8421 0.40070
Bảng 4.20: Kết quả hồi quy mô hình kinh tế lượng (TTCK Việt Nam)
Dependent variable: Cost_of_Capital
Nguồn: Nhóm nghiên cứu tự tính toán
Beta: hệ số hồi quy của Beta ở cả hai sàn HOSE và HNX đều có ý nghĩa thống kê ở mức 1%, cho thấy mối tương quan cùng chiều (+) giữa rủi ro hệ thống và chi phí (adsbygoogle = window.adsbygoogle || []).push({});