Bảng 4.3.4.3: Classification model
Bảng 4.3.4.4: Kiểm định đa cộng tuyến
Từ kết quả trên ta thấy mơ hình khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
Bảng 4.3.4.5: Phân tích đường cong ROC
Giá trị Nagelkerke R2 của mơ hình là 26.53%, mặc dù mơ hình dự đốn chính xác 93.7% và kết quả kiểm định mơ hình phù hợp (sig.H&L= 0.437) chấp nhận giả thiết H0: khơng có sai lệch giữa giá trị ước lượng và giá trị quan sát. Từ kết quả từ bảng hồi quy ta thấy ngoại trừ biến địn bẩy tài chính và chi phí phá sản thì các biến cịn lại thuế (p-value=0.000), dòng tiền (p-value=0.000), độ lệch chuẩn của dịng tiền (p-value=0.000) có tác động đáng kể lên xác suất lâm vào kiệt quệ tài chính của ngành xây dựng. Thuế suất tăng thì lợi ích từ tấm chắn thuế cũng tăng theo và do đó, doanh nghiệp sẽ sử dụng nợ nhiều hơn. Điều này tiềm ẩn rủi ro vỡ nợ trong tương lai, hay thuế suất tăng thì xác suất lâm vào kiệt quệ tài chính tăng, thật vậy hệ số hồi quy của xác suất lâm vào kiệt quệ tài chính theo thuế suất của mơ hình là: 5.52, có nghĩa là khi thuế suất tăng (giảm) 1 đơn vị thì xác suất lâm vào kiệt quệ tài chính của doanh nghiệp tăng (giảm) 5.52%. Tương tự như các ngành khác, dịng
tiền trong ngành xây dựng có ảnh hưởng cùng chiều lên xác suất lâm vào kiệt quệ tài chính của ngành. Khi giá trị mong đợi của dịng tiền trong tương lai cao, doanh nghiệp ngành xây dựng càng mạnh dạn sử dụng nợ nhiều hơn và do đó xác suất lâm vào kiệt quệ tài chính tăng lên. Ngược lại với giá trị kỳ vọng của dịng tiền, thì độ lệch chuẩn của dịng tiền càng cao càng làm cho doanh nghiệp e ngại khi cân nhắc tài trợ nợ và do đó xác suất lâm vào kiệt quệ tài chính giảm.
4.3.5 Ngành vận tải
Phân tích xác suất lâm vào tình trạng kiệt quệ tài chính ngành vận tải theo mơ hình 1 (biến phụ thuộc: lợi nhuận trước lợi ích cổ đơng thiểu số)
Bảng 4.3.5.1: Kết quả hồi quy
Phương trình hồi quy:
Bảng 4.3.5.2: Kiểm định Hosmer&Lemeshow
Bảng 4.3.5.3: Classification model
Bảng 4.3.5.4: Kiểm định đa cộng tuyến
Từ kết quả trên ta thấy mơ hình khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
Bảng 4.3.5.5: Phân tích đường cong ROC
Giá trị Nagelkerke R2 của mơ hình là 52.93% có nghĩa là các biến độc lập trong mơ hình giải thích 52.93% sự thay đổi xác suất lâm vào kiệt quệ tài chính của ngành vận tải. Mặc dù giá trị R2 của mơ hình khơng cao nhưng mơ hình ước lượng chính xác 93.97%. Mơ hình ước tính đúng 109 trường hợp trong tổng số 116 quan sát. Tại mức ý nghĩa 10% thì chỉ có duy nhất biến giá trị kỳ vọng của dịng tiền trong tương lai có mức ý nghĩa thống kê (p-value=0.096). Điều này có nghĩa khi giá trị kỳ vọng của dòng tiền trong tương lai cao, các doanh nghiệp ngành vận tải càng mạnh dạn sử dụng nguồn tài trợ nợ, chính điều này là rủi ro tiềm ẩn đẩy doanh nghiệp rơi vào kiệt quệ tài chính.
4.3.6 Ngành y tế và thiết yếu
Phân tích xác suất lâm vào tình trạng kiệt quệ tài chính ngành y tế và thiết yếu theo mơ hình 1 (biến phụ thuộc: lợi nhuận trước lợi ích cổ đơng thiểu số)
Bảng 4.3.6.1: Kết quả hồi quy
Phương trình hồi quy:
Logit P = 0.9DTA+16.5TxEBIT+21.8CF-1.2STDEV_CF-0.04Bx+0.99
Bảng 4.3.6.3: Classification model
Bảng 4.3.6.4: Kiểm định đa cộng tuyến
Từ kết quả trên ta thấy mơ hình khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
Bảng 4.3.6.5: Phân tích đường cong ROC
Mơ hình dự báo được 190 trường hợp đúng trong tổng số 197 quan sát chiếm tỷ lệ 96.45%. Từ kết quả hồi quy, biến giá trị kỳ vọng của dịng tiền (p-value=0.082) có ảnh hưởng đáng kể lên xác suất lâm vào kiệt quệ tài chính của các cơng ty ngành y tế và thiết yếu với mức ý nghĩa 10%. Kết quả này cho thấy đối với ngành y tế và thiết yếu, giá trị kỳ vọng của dịng tiền trong tương lai càng cao thì nhu cầu sử dụng nợ của doanh nghiệp càng lớn, và do đó làm gia tăng rủi ro lâm vào kiệt quệ tài chính của các cơng ty trong ngành. Biến thuế suất cũng có tác động đáng kể lên xác suất lâm vào kiệt quệ tài chính của các công ty trong ngành này với p-value = 0.006. Điều này cho thấy khi thuế suất thu nhập doanh nghiệp tăng làm cho lợi ích từ tấm chắn thuế trở nên hấp dẫn hơn đối với các công ty trong ngành và vì thế doanh nghiệp sẽ sử dụng nợ nhiều hơn và do đó xác suất lâm vào kiệt quệ tài chính của doanh nghiệp cũng tăng lên.
4.3.7 Ngành thủy sản
Phân tích xác suất lâm vào tình trạng kiệt quệ tài chính ngành thủy sản theo mơ hình 1 (biến phụ thuộc: lợi nhuận trước lợi ích cổ đơng thiểu số)
Bảng 4.3.7.1: Kết quả hồi quy
Bảng 4.3.7.3: Classification model
Bảng 4.3.7.4: Kiểm định đa cộng tuyến
Từ kết quả trên ta thấy mơ hình khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
Bảng 4.3.7.5: Phân tích đường cong ROC
Dựa trên kết quả từ bảng Classification, ta thấy, mơ hình dự báo chính xác 101 trường hợp trong tổng số 108 quan sát, chiếm tỷ lệ 93.52%. Giá trị Nagekerke R2 của mơ hình là 36.03% mặc dù độ chính xác của mơ hình cao. Điều này cho thấy việc sử dụng lợi nhuận trước lợi ích cổ đơng thiểu số là biến phân loại kiệt quệ tài chính khi phối hợp cùng với các biến giải thích cấu trúc vốn tối ưu chưa giải thích được xác suất lâm vào kiệt quệ tài chính của ngành thủy sản.
4.3.8 Ngành khác
Phân tích xác suất lâm vào tình trạng kiệt quệ tài chính ngành khác theo mơ hình 1 (biến phụ thuộc: lợi nhuận trước lợi ích cổ đơng thiểu số)
Bảng 4.3.8.1: Kết quả hồi quy
Phương trình hồi quy:
Logit P = -1.07DTA+0.24TxEBIT+34.5CF-13.33STDEV_CF+0.14Bx-0.5
Bảng 4.3.8.3: Classification model
Bảng 4.3.8.4: Kiểm định đa cộng tuyến
Từ kết quả trên ta thấy mơ hình khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
Bảng 4.3.8.5: Phân tích đường cong ROC
Giá trị Nagelkerke R2 của mơ hình với biến phụ thuộc là lợi nhuận trước lợi ích cổ đơng thiểu số là 26.87%, có nghĩa là sự thay đổi của các biến độc lập có thể giải thích 26.87% sự thay đổi của biến phụ thuộc. Khả năng dự báo chính xác (Classification model) của mơ hình tới 94.42%. Chúng ta có thể thấy trong bảng trên, ngành khác có tổng cộng 251 quan sát trong đó giá trị lợi nhuận trước lợi ích cổ đơng thiểu số nhận giá trị 1 là 236 trường hợp và 15 trường hợp nhận giá trị 0, trong khi đó mơ hình dự báo chính xác 236 trường hợp giá trị lợi nhuận trước lợi ích cổ đơng thiểu số nhận giá trị 1 và 1 trường hợp nhận giá trị 0. Tổng cộng mơ hình dự báo chính xác 237 trường hợp trong tổng số 251 quan sát. Ngoại trừ biến địn bẩy tài chính, thuế, chi phí phá sản thì biến dịng tiền (p-value=0.000), và độ
lệch chuẩn của dịng tiền (p-value=0.004) có tác động đáng kể lên xác suất lâm vào tình trạng kiệt quệ tài chính của ngành. Biến dịng tiền có tác động cùng chiều lên xác suất lâm vào kiệt quệ tài chính của doanh nghiệp, điều này có nghĩa là khi dịng tiền mong đợi trong tương lai của doanh nghiệp càng cao, doanh nghịêp càng chắc chắn về khả năng trả nợ của doanh nghiệp do đó doanh nghiệp càng sử dụng nhiều nợ, điều này tiềm ẩn rủi ro lâm vào kiệt quệ tài chính trong tương lại. Ngược lại, khi độ lệch chuẩn của dòng tiền doanh nghiệp cao, doanh nghiệp e ngại trong việc tài trợ nợ do đó xác suất lâm vào kiệt quệ tài chính giảm. Ta thấy, mặc dù mơ hình có độ chính xác cao, classificaiton 94.42% tuy nhiên các biến độc lập khơng có tác động lên xác suất lâm vào tình trạng kiệt quệ tài chính của ngành dầu khí. Do vậy, việc sử dụng lợi nhuận trước lợi ích cổ đơng thiểu số như là biến phân loại tình trạng kiệt quệ tài chính của ngành khác chưa đủ để giải tích xác suất lâm vào tình trạng kiệt quệ tài chính của ngành mặc dù mơ hình dự báo có độ chính xác cao 94.42%.
CHƯƠNG 5: KẾT LUẬN
5.1 Kết luận:
Đề tài nghiên cứu xem xét mối quan hệ giữa các thành phần trong cấu trúc vốn tối ưu và xác suất lâm vào kiệt quệ tài chính của doanh nghiệp. Dựa trên chín biến phụ thuộc được xem là chín chỉ tiêu phân loại doanh nghiệp kiệt quệ tài chính, thì chỉ tiêu lợi nhuận trước lợi ích cổ đơng thiểu số là chỉ tiêu phân loại xác suất lâm vào kiệt quệ tài chính tốt nhất khi phối hợp cùng với các thành phần trong cấu trúc vốn tối ưu. Từ kết quả thực nghiệm, ta thấy các biến của dòng tiền tự do bao gồm giá trị kỳ vọng của dòng tiền và độ lệch chuẩn của dịng tiền có tác động cùng chiều và ngược chiều lên xác suất lâm vào kiệt quệ tài chính của doanh nghiệp. Bên cạnh đó, chỉ tiêu thuế suất thuế thu nhập doanh nghiệp cũng có tác động lên xác suất lâm vào kiệt quệ tài chính của doanh nghiệp. Các thành phần khác trong cấu trúc vốn như tỷ lệ địn bẩy và chi phí phá sản khơng tác động đáng kể lên xác suất lâm vào kiệt quệ tài chính ở các doanh nghiệp trên thị trường Việt Nam. Kết quả này phù hợp với kết quả nghiên cứu của Rowland Bismark và Fernado Pasaribu 2012 ở thị trường Indonesia.
5.2 Hạn chế của mơ hình và hướng mở rộng đề tài:
Mặc dù, kết quả nghiên cứu chưa thật sự thỏa đáng so với kinh nghiệm về lý thuyết của cấu trúc vốn tối ưu, ví dụ tỷ lệ địn bẩy tài chính có tác động đáng kể lên xác suất lâm vào kiệt quệ tài chính, hay chi phí kiệt quệ tài chính có tác động đáng kể lên xác suất lâm vào kiệt quệ tài chính, tuy nhiên khơng có nghĩa là lý thuyết về mối quan hệ giữa xác suất lâm vào kiệt quệ tài chính và cấu trúc vốn tối ưu không áp dụng ở Việt Nam. Nguyên nhân không phù hợp một phần do số liệu thống kê chưa phù hợp. Một phần do biến phụ thuộc chưa thật sự phù hợp khi phối hợp với các thành phần trong cấu trúc vốn tối ưu để giải thích xác suất lâm vào kiệt quệ tài chính cho các doanh nghiệp trên thị trường Việt Nam, ví dụ như dòng tiền hoạt động âm một kỳ hoặc thay đổi trong khả năng thanh toán một kỳ,...chưa thể đại diện
cho khả năng lâm vào kiệt quệ tài chính của doanh nghiệp. Do đó, những nghiên cứu sau này có thể phát triển lý thuyết về cấu trúc vốn tối ưu và mối quan hệ giữa cấu trúc vốn tối ưu và xác suất lâm vào kiệt quệ tài chính với việc sử dụng biến phụ thuộc khác để mơ hình phản ánh đầy đủ các thành phần cấu trúc vốn tác động lên xác suất lâm vào kiệt quệ tài chính của doanh nghiệp phù hợp tại thị trường Việt Nam.
TÀI LIỆU THAM KHẢO A. Tài liệu tiếng Việt:
1. Đào Thị Trang (2013). “Đánh giá khả năng lâm vào tình trạng phá sản của các doanh nghiệp niêm yết trên HOSE”, Luận văn thạc sỹ.
2. http://finance.vietstock.vn/ 3. http://www.cophieu68.vn/ 4. http://www.gso.gov.vn
5. http://www.hsx.vn
6. Trần Ngọc Thơ và cộng sự, 2007. Tài chính doanh nghiệp hiện đại. Đại học Kinh tế Thành phố Hồ Chí Minh
B. Tài liệu tiếng Anh:
1. Altman, Edward I. 1968. "Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy". Journal of Finance 23 (4): 589-609. 2. Altman, Edward I. 1968. "Financial Ratios, Discriminant Analysis and the
Prediction of Corporate Bankruptcy". Journal of Finance 23 (4): 589-609. 3. Altman, Edward I. 1984b. "The Success of Business Failure Prediction
Models". Journal of Banking and Finance 8: 171-198
4. Altman, Edward I. 1984b. "The Success of Business Failure Prediction Models". Journal of Banking 8: 171-198.
5. Altman, Edward I., R. Haldeman dan P. Narayaman. 1977. "ZETA analysis: A New Model to Identify Bankruptcy Risk of Corporations". Journal of Banking
and Finance June: 29-54.
6. Baxter, N. D. 1967. "Leverage, the Risk of Ruin and the Cost of Capital".
Journal of Finance 22 (3): 395-403.
7. Beaver, W. 1966. "Financial Ratios as Predictors of Failure". Journal of Accounting Research 5: 71-111
8. Beaver, W. 1968. "Market Prices, Financial Ratios and Prediction of Failure". Journal of Accounting Research 6 (2): 179-192.
9. Deakin, Edward B. 1972. "A Discriminant Analysis of Predictors of Business Failure". Journal of Accounting Research 10 (1): 167-179.
10. Dimitras, A.I., S.H Zanakis and C. Zopounidis. 1996. "A Survey of business Failures with an Emphasis on Prediction Methods and Industrial Applications". European Journal of Operational Research 90: 487-513.
11. Dimitras,A.I., Slowinski,R., Susmaga,R., Zopounidis, C., 1999. “Business failure prediction using rough sets”. European Journal of Operational Research , 114, pp.263-280.
12. Eisenbeis,R.A, 1977. “Pitfalls in the application of discriminant analysis in business, finance and economics”. Journal of Finance , Vol. 22 no. 3,
875-900.
13. Frydman, Halina, Edward I.Altman and Duen-Li Kao.1985. “Introducing
Recursive Partitioning for Financial Classification: The Case of Financial Distress”. Journal of Finance 40 (1): 269-291.
14. Gordon, M.J., 1971. “Towards a Theory of Financial Distress”. The Journal of Finance, Vol. 26 issue 2, 347-356.
15. Johnsen, Thomajean and Ronald W.Melicher. 1994. “Predicting Corporate Bankruptcy and Financial Distress: Information Value Added by Multinomial Logit Models”. Journal of Economics & Business 46: 269-286.
16. Jones, Frederick L. 1987. “Current Techniques in Bankruptcy Prediction”. Journal of Accounting Literature 6: 131-164.
17. Karels, G.V and A.J.Prakash. 1987. “Multivariate Normality and Forecasting of Corporate Bankruptcy”. Journal of Business Finance and
Accounting, Vol. 14 no. 4, 573-592.
18. Kim, E.H., 1978. “A mean-variance theory of optimal capital structure and corporate debt capacity”. Journal of Finance , Vol. 23 no. 1, 45-63. 19. Kraus, Alan and Robert H. Litzenberger. 1973. "State Preference Model
20. Lennox, C., 1999. “Identifying failing companies: A re-evaluation of the logit, probit and DA approaches”. Journal of Economics and Business, Vol. 51 issue 4, 347 364.
21. Lennox, C., 1999. “Identifying failing companies: A re-evaluation of the logit, probit and DA approaches”. Journal of Economics and Business, Vol. 51 issue 4, 347-364.
22. Mar Molinero, M. and M. Ezzamel. 1991. “Multidimensional Scaling Applied to Corporate Failure”. Omega International Journal of Management Science 19 (4): 259-274.
23. Martin, D., 1977. “Early warnings of bank failure: A logit regression approach”. Journal of Banking and Finance 1: 249-276.
24. Modigliani, Franco and Merton H. Miller. 1958. "The Cost of Capital, Corporation Finance and the Theory of Investment". The American Economic Review 48 (3): 261-297.
25. Modigliani, Franco dan Merton H. Miller. 1963. "Corporate Income Taxes and the Cost of Capital: A Correction". The American Economic Review 53 (3): 433-443.
26. Ohlson, James A. 1980. "Financial ratios and Probabilistic Prediction of Bankruptcy". Journal of Accounting Research 18 (1): 109-131.
27. Rowland Bismark&Fernado Pasaribu. 2012.“Capital structure an d corporate failure prediction”. Journal of Economics and Business