Mục tiêu nghiên cứu của bài là phân tích mối quan hệ của các thành phần vốn luân chuyển và lợi nhuận, giá trị thị trường của cơng ty do đó cần thiết phải xây dựng các mơ hình phân tích riêng rẽ tác động của từng nhân tố lên lợi nhuận và giá trị thị trường của công ty.
Tham khảo các nghiên cứu của các tác giả trước đây, tác giả xây dựng 3 mơ hình hồi quy để phân tích ảnh hưởng của lần lượt 5 biến đó là chu kỳ tiền mặt, hệ số thanh toán ngắn hạn, tỷ số tài sản ngắn hạn trên tổng tài sản, tỷ số nợ ngắn hạn trên tổng tài sản và tỷ số nợ lên cơ hôi tăng trưởng và khả năng sinh lời của công ty.
Giả thiết và mơ hình nghiên cứu
Với mục tiêu tìm hiểu mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh lợi từ hoạt động kinh doanh của công ty, tác giả đặt ra các giả thiết nghiên cứu sau:
Giả thuyết 1: Không có mối quan hệ giữa giá trị thị trường công ty (Tobin Q) và việc quản trị vốn luân chuyển.
Giả thuyết 2: Khơng có mối quan hệ giữa hiệu quả hoạt động của công ty (ROA) và việc quản trị vốn luân chuyển.
Giả thuyết 3: Khơng có mối quan hệ giữa hiệu quả hoạt động của công ty (ROIC) và việc quản trị vốn luân chuyển.
Các giả thiết trên được nghiên cứu qua các mơ hình hồi quy sau:
Mơ hình 1:
TQit = β0 + β1CCCit + β2CACLRit + β3 CATARit + β4 CLTARit + β5 DTARit + ε
Mơ hình 2:
ROAit = β0 + β1CCCit + β2CACLRit + β3 CATARit + β4 CLTARit + β5 DTARit + ε
Mơ hình 3:
ROICit = β0 + β1CCCit + β2CACLRit + β3 CATARit + β4 CLTARit + β5 DTARit + ε
Trong đó, i ký hiệu cho các công ty, t ký hiệu cho năm và ε là sai số. Các biến số được định nghĩa như Bảng 1 ở trên.
Tuy nhiên các bài nghiên cứu của Binti Mohammad and Binti mohd saad (2010); Abbasali Pouraghajan and Milad Emamgholipourarchi (2012) và Abiola
Idowu and Lawrencia (2012) có một hạn chế là khơng chỉ ra được việc thực hiện quản trị từng thành phần của vốn luân chuyển có tác động đến hiệu quả tài chính của doanh nghiệp như thế nào nên đề tài nghiên cứu của tác giả sẽ thực hiện nghiên cứu cụ thể hơn về tác động của từng nhân tố cấu thành vốn luân chuyển bao gồm (kỳ tồn kho DSI, kỳ phải thu DSO, kỳ phải trả DPO) lên các biến đại diện cho hiệu quả tài chính của doanh nghiệp (TQ, ROA, ROIC) để xem xét chiều và độ lớn tác động của các thành phần này ra sao, góp phần khắc phục hạn chế của các bài nghiên cứu trên.
Tóm lại, tác giả sẽ thực hiện phân tích 6 mơ hình hồi quy như sau:
TQit = β0 + β1CCCit + β2CACLRit + β3 CATARit + β4 CLTARit + β5 DTARit + ε (1)
TQit = β0 + β1DSIit + β2DSOit + β3DPOit + β4CACLRit + β5CATARit + β6CLTARit
+ β7DTARit + ε (2)
ROAit = β0 + β1CCCit + β2CACLRit + β3 CATARit + β4 CLTARit + β5 DTARit + ε (3)
ROAit = β0 + β1DSIit + β2DSOit + β3DPOit + β4CACLRit + β5CATARit + β6CLTARit
+ β7 DTARit + ε (4)
ROICit = β0 + β1CCCit + β2CACLRit + β3 CATARit + β4 CLTARit + β5 DTARit +ε
(5)
ROICit = β0 + β1DSIit + β2DSOit+ β3DPOit + β4CACLRit + β5CATARit + β6CLTARit
+ β7 DTARit + ε (6)
3.4.Phương pháp nghiên cứu
Thống kê mô tả và ma trận tương quan Pearson
Thống kê mô tả đưa ra thông tin chi tiết về các biến sử dụng trong mơ hình. Thơng tin đó bao gồm trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất. Qua những con số đó, ta có thể có cái nhìn ban đầu về tính chất của các biến trong mơ hình.
quan hệ chéo giữa các biến độc lập với nhau và giữa biến phụ thuộc với từng biến độc lập trong mơ hình. Bước này giúp chúng ta biết tổng quan về những mối quan hệ cần nghiên cứu về cả độ lớn, chiều và ý nghĩa thống kê, từ đó giúp việc xây dựng mơ hình hồi quy và sử dụng các phương pháp phân tích được chuẩn xác hơn. Một nhược điểm của tương quan Pearson là không xác định được chiều tác động giữa các biến, tức là không cho thể biết đâu là nguyên nhân và đâu là kết quả. Do đó cần phải sử dụng phân tích định lượng về hiểu rõ các mối quan hệ này.
Phân tích định lượng
Để đo lường mối quan hệ giữa CCC với các khả năng sinh lợi như Tobin Q, ROA và ROIC tác giả sử dụng phương pháp phân tích dữ liệu bảng.
Kỹ thuật phân tích dữ liệu bảng (panel data) được sử dụng do những ưu điểm của chúng vượt trội hơn so với dữ liệu chuỗi thời gian và dữ liệu chéo bởi nó sử dụng tất cả thơng tin sẵn có, điều mà chuỗi dữ liệu thời gian truyền thống hay dữ liệu chéo truyền thống không làm được. Baltagi (2005) đã liệt kê các ưu điểm của dữ liệu bảng như kiểm sốt tính khơng đồng nhất của các đơn vị trong mẫu nghiên cứu; cung cấp dữ liệu có nhiều thơng tin hơn, đa dạng hơn, ít đa cộng tuyến giữa các biến, nhiều bậc tự do hơn và hiệu quả hơn; phát hiện và đo lường tốt hơn những ảnh hưởng không thể quan sát trong dữ liệu chuỗi thời gian thuần túy hay dữ liệu chéo theo không gian thuần túy; phù hợp trong việc nghiên cứu những mơ hình hành vi phức tạp; tối thiểu hóa khả năng kết quả nghiên cứu bị chệch.
Phương pháp dữ liệu bảng gồm ba phương pháp khác nhau:
Phương pháp random effects(REM): trong phương pháp này, hằng số trong
mơ hình hồi quy của mỗi đơn vị chéo giống như một tham số ngẫu nhiên hơn là cố định. Bởi hệ số chặn của mỗi đơn vị chéo là một hệ số chặn chung (giá trị này giống nhau cho tất cả các đơn vị chéo trong giai đoạn nghiên cứu), cộng thêm giá trị ngẫu nhiên của đơn vị chéo εi - giá trị này khác nhau đối với từng đơn vị chéo nhưng không đổi theo thời gian. Ta có thể viết mơ hình hồi quy tác động ngẫu nhiên như sau:
yit = α + βxit + ωit trong đó ωit = εi + νit
Với εi là thành phần sai số theo không gian, hay theo các đơn vị chéo, νit là thành phần sai số theo không gian và chuỗi thời gian kết hợp.
Xit vẫn là ma trận 1xk vecto của các biến giải thích, nhưng khơng giống phương pháp tác động cố định, biến giả để xác định sự khác biệt giữa các đơn vị chéo không được sử dụng ở đây mà được phản ánh trong sai số εi.
Phương pháp fixed effects (FEM): với giả định mỗi đơn vị chéo đều có
những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, FEM phân tích mối tương quan này giữa sai số của mỗi đơn vị chéo với các biến giải thích qua đó kiểm sốt và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng rịng của biến giải thích lên biến phụ thuộc, bằng cách cho tung độ gốc thay đổi theo từng đơn vị nhưng vẫn giả định rằng các hệ số độ dốc này là hằng số đối với các đơn vị. Ta có thể viết mơ hình cho phương pháp tác động cố định như sau:
yit = α + βxit + µi + νit
Trong đó, µi đại diện cho sự khác biệt của từng đơn vị chéo, νit đại diện cho phần sai số yit mà mơ hình chưa giải thích được.
Phương pháp mà tất cả các hệ số đều không đổi theo không gian và theo thời gian: cũng được gọi là phương pháp pooled OLS, phương pháp này thể hiện
kết quả theo giả định rằng khơng có sự khác biệt giữa ma trận dữ liệu của các đơn vị chéo.
Phương pháp FGLS: Khi sử dụng dữ liệu bảng, chúng ta cần kiểm định hiện
tượng phương sai thay đổi và hiện tượng tự tương quan của các sai số trong mơ hình, bởi sự hiện diện của chúng sẽ khiến cho ước lượng OLS thông thường khơng đưa ra được mơ hình có phương sai bé nhất trong các ước lượng khơng chệch, do đó mơ hình đạt được khơng có hiệu quả. Do đó, phương pháp FGLS (feasible generalized least square) được sử dụng trong bài viết này bởi nó có thể kiểm sốt
được hiện tượng tự tương quan và phương sai thay đổi. Phương pháp FGLS sẽ ước tính mơ hình theo phương pháp pooled OLS (ngay cả trong trường hợp có sự tồn tại của hiện tượng tự tương quan và phương sai thay đổi). Các sai số được rút ra từ mơ hình sẽ được dùng để ước tính ma trận phương sai - hiệp phương sai của sai số. Cuối cùng, sử dụng ma trận này để chuyển đổi các biến ban đầu và ước tính giá trị các tham số cần tìm trong trong mơ hình.
Các kiểm định được thực hiện trong bài:
Kiểm định F-test: phương pháp này cho phép lựa chọn giữa mơ hình tác
động cố định và mơ hình pooled OLS với giả thuyết H0 - Mơ hình pooled OLS là phù hợp
Kiểm định Hausman: phương pháp này cho phép ta lựa chọn giữa mơ hình
theo FEM và REM. Giả thuyết H0 làm nền tảng cho kiểm định Hausman là tác động cá biệt của mỗi đơn vị chéo khơng gian khơng có tương quan với các biến hồi quy khác trong mơ hình. Nếu có tương quan (giả thuyết H0 bị từ chối), mơ hình hồi quy theo REM sẽ cho kết quả bị thiên lệch, vì vậy mơ hình theo FEM được ưa thích hơn.
Kiểm định đa cộng tuyến: (VIF – Variance inflation factor) là một chỉ số được sử dụng phát hiện có hay khơng việc biến độc lập này tương quan với biến độc lập khác. VIF đo lường phương sai của các hệ số hồi quy tăng như nào nếu các biến độc lập tương quan với nhau. Theo một quy tắc, nếu giá trị của thừa số tăng phương sai vượt quá giá trị hạn mức là 4 thì đã có hiện tượng đa cộng tuyến trong mơ hình và nếu chỉ số này vượt q 10 thì mơ hình tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
Kiểm định Wooldridge: được dùng để kiểm định hiện tượng tự tương quan
của sai số trong mơ hình với giả thuyết H0 - Mơ hình khơng có hiện tượng tự tương quan.
Kiểm định Wald: được dùng để kiểm định hiện tượng phương sai thay đổi
trong mơ hình với giả thuyết H0 - Mơ hình khơng có hiện tượng phương sai thay đổi.
PHẦN 4. NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
4.1.Thống kê mô tả
Bảng 4.1: Thống kê mô tả các biến trong bài:
Variable Obs Mean Std. Dev. Min Max
TQ 678 1.113062 0.4485938 0.4713556 5.150732 ROA 678 0.1316277 0.083585 0.0118511 0.6090047 ROIC 678 0.1437036 0.1030738 0.0004595 0.879734 DSI 678 164.9439 164.9439 0 .0051897 2871.35 DSO 678 95.36106 111.6448 2.215931 835.116 DPO 678 43.80001 56.307 0.1711653 690.7956 CCC 678 216.505 319.5619 -31.83073 3257.025 CACLR 678 2.041724 1.692971 0.1133593 16.75125 CATAR 678 0.6111778 0.2100701 0.0252495 0.9753542 CLTAR 678 0.3973019 0.1992375 0.0268115 0.8538234 DTAR 678 0.5051373 0.2217057 0.0319569 0.886676 Bảng trên đưa ra thống kê mô tả cho các biến trong mơ hình bao gồm số quan sát của các biến, giá trị trung bình và độ lệch chuẩn của chúng. Nó cũng chỉ ra giá trị lớn nhất và giá trị nhỏ nhất của các biến này.
Thống kê mô tả chỉ ra tất cả các biến trong mơ hình có 678 quan sát. Biến phụ thuộc giá trị thị trường TQ có giá trị trung bình là 1.11 > 1, giá trị lớn nhất là 5.15, giá trị nhỏ nhất là 0.47. Điều này cho thấy các công ty nghiên cứu trong mẫu có giá trị thị trường cao hấp dẫn được nhà đầu tư và năng lực cạnh tranh tốt. Tỷ suất sinh lợi từ tài sản cơng ty ROA trung bình của các cơng ty là 13.1%. Đặc biệt có những cơng ty hoạt động rất tốt giá trị lớn nhất khá cao đạt 60,9 %, khơng có cơng ty bị thua lỗ mặc dù giá trị ROA nhỏ nhất là 1.18%. Tuy có sự chênh lệch khá rõ giữa giá trị lớn nhất và giá trị nhỏ nhất nhưng độ lệch chuẩn của ROA không cao, chỉ là 0.083, cho thấy hầu hết lợi nhuận của các cơng ty dao động nhỏ quanh giá trị trung bình. Thống kê mô tả cũng cho thấy sự khá giống nhau giữa tỷ
suất sinh lợi trên tài sản ROA và tỷ suất sinh lợi trên vốn đầu tư ROIC cho thấy các công ty trong mẫu chọn có tình hình hoạt động sản xuất kinh doanh khá ổn định.
Đối với số ngày phải thu DSO, giá trị trung bình là 95.36106, tức là các công ty trong mẫu trung bình thu hồi các khoản nợ trong khoảng 95 ngày, giá trị lớn nhất và nhỏ nhất của DSO lần lượt là 835.116 và 2.2159, nghĩa là có cơng ty cần đến khoảng 835 ngày mới thu hồi được các khoản nợ trong khi có cơng ty bán hàng và thu tiền trong 2 ngày. Thời gian này tùy thuộc vào chính sách bán chịu của cơng ty cũng như giá trị khoản nợ, mức độ uy tín của khách hàng và nhóm ngành cơng ty đang hoạt động. Tương tự như thế, kỳ tồn kho DSI có giá trị trung bình là 164.9439, vậy là thời gian từ lúc hàng tồn kho được mua về đến lúc bán ra là khoảng 16 5 ngày, thời gian này khá dài do phần lớn các công ty trong mẫu là công ty sản xuất nên trước khi được bán ra thị trường thì hàng tồn kho phải qua giai đoạn sản xuất để ra được thành phẩm. Số ngày tồn kho cao nhất và nhỏ nhất lần lượt 2871.35 và 0. Nếu kỳ tồn kho quá cao thì cơng ty nên xem xét lại khâu sản xuất và bán hàng của mình vì có thể hàng tồn kho đã lỗi thời và không bán được nên tồn kho trong thời gian dài, do đó khơng thể thu hồi được tiền mặt để tái sản xuất kinh doanh. Độ lệch chuẩn của DSO và DSI lần lượt là 111.6448 và 274.3184 ngày.
Số ngày phải trả DPO trung bình của các công ty trong mẫu là 43.80001, tức là cơng ty có trung bình 43 ngày để thanh toán các khoản nợ cho người cung cấp. So với thời hạn thường được đưa ra bởi người bán là 30 ngày thì kì phải trả của các công ty được nghiên cứu khá tương ứng. Kỳ phải trả dài nhất và kỳ phải trả ngắn nhất cũng có sự chênh lệch khá lớn với giá trị lần lượt là 690.7956 và 0.1711653, kỳ phải trả ngắn hay dài phụ thuộc vào chính sách bán chịu của nhà cung cấp, giá trị khoản nợ cũng như quan hệ của 2 cơng ty có tốt hay khơng.
Một biến phụ thuộc quan trọng nhất đó là chu kỳ luân chuyển tiền mặt CCC, giá trị trung bình của biến này là 216.5, có nghĩa là 216.5 ngày là thời gian
trung bình cần thiết để các công ty trong mẫu mua hàng tồn kho, sản xuất, bán hàng tồn kho và thu lại tiền mặt. Vòng quay tiền mặt ngắn tức là các công ty đang hoạt động tốt, ln có sẵn tiền để tái sản xuất kinh doanh và thanh tốn các khoản nợ của mình. Chu kỳ ln chuyển tiền dài nhất trong mẫu là 3257 ngày, như ta đã biết chu kỳ luân chuyển tiền thì bằng kỳ phải thu cộng kỳ tồn kho trừ đi kỳ phải trả, do đó kỳ luân chuyển tiền kéo dài có thể là do có một khoản nợ mà thời gian thu hồi dài hoặc hàng hóa tồn kho lâu ngày chưa bán được, hoặc đơn giản là do kỳ phải trả ngắn do yêu cầu trả sớm từ nhà cung cấp. Vòng quay tiền mặt dài có thể làm gián đoạn quá trình hoạt động sản xuất của công ty, việc thiếu tiền mặt để sản xuất cũng như thanh tốn các khoản nợ có thể làm giảm uy tín của công ty với các đối tác kinh doanh, lâu dài có thể đưa cơng ty tới tình trạng kiệt quệ tài chính. Chu kỳ luân chuyển tiền ngắn nhất là -31.83 ngày do kỳ phải trả khá lớn có thể là do các cơng ty có uy tín trên thị trường được nhà cung cấp nới lỏng chính sách bán chịu, kéo dài ngày thanh toán tiền hàng.
Tỷ số thanh tốn hiện hành (CACLR) có giá trị trung bình là 2.04, sự chênh lệch giữa cơng ty có khả năng thanh tốn tốt nhất và xấu nhất khá lớn. Trong khi