CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU
2.3.3. Sử dụng GEE vào mơ hình quản lý dịng tiền động và hiệu ứng trễ
Mẫu dữ liệu bao gồm các quan sát trên 08 quý từ các công ty sản xuất niêm yết trên Sở giao dịch chứng khốn thành phố Hồ Chí Minh (HOSE) và Sở giao dịch chứng khoán Hà Nội (HNX) giai đoạn Quý 2/2012 – Quý 1/2015 (Thực tế, các quan sát trải dài 12 quý vì bao gồm cả 04 quý của các biến trễ). Đối với mỗi công ty i, biến phụ thuộc, Yit = ΔTOBINS_Q là thước đo trên n quý (n = 8 quý) với t đại diện quý. Các giá trị ΔTOBINS_Q đối với mỗi cơng ty i hình thành các vector Yi = (Yi1,...,Yin)’, với mỗi Yit là một đại lượng vô hướng. Các biến dự đoán (ΔDSO, ΔDIO, ΔDPO, ΔCCC, ΔOCC), giá trị trễ của mỗi biến từ bốn quý trước đó, và các biến kiểm sốt (DEBT và Ln[SALE]) cho mỗi cơng ty i được đo tương tự nhau trên 8 quý, hình thành các vector Xi = (Xi1,...Xin) với Xit nó là một vector của các biến độc lập bao gồm trong một mơ hình đặc thù. Để mơ hình và kiểm định các mối quan hệ lợi ích giữa biến phụ thuộc và các biến độc lập, GEE sử dụng một chức năng liên kết (link function). Tùy thuộc vào quy luật phân phối
của biến phụ thuộc, chức năng liên kết có thể được xác định từ dạng tuyến (linearize) quan hệ giữa biến phụ thuộc và biến dự báo. Trong dữ liệu nghiên cứu này, các biến độc lập và phụ thuộc có quy luật phân phối chuẩn; Do đó, các phân tích sử dụng các dạng chức năng liên kết không chuyển đổi (non-transforming) g(μi) = Xiβ, với μi = E(Yi|Xi), và β biểu thị vector các hệ số hồi quy (β1, ..., βk) được ước lượng bằng cách sử dụng phương pháp GEE.
Kỹ thuật ước lượng các thông số (β) mô hình GEE thơng qua một phương pháp lặp đi lặp lại để tối ưu hóa sự phù hợp của các dữ liệu trong mơ hình (Hardin và cộng sự, 2003) như sau:
∑ 𝐷𝑖′𝑉𝑖−1(𝑌𝑖− 𝜇𝑖) = 0
𝑛
𝑖=1
Với Di’ = Δμi(β)/Δβ' và Vi biểu diễn ma trận hiệp phương sai chuyển đổi của Yi và Vi = Ai1/2 R(α) Ai1/2, trong đó Ai đại diện cho một vector đường chéo có
chứa các giá trị của var(yij) và R(α) là ma trận tương quan chuyển đổi được xác định cho việc phân tích (Pan, 2001). Các thước đo tài chính với chuỗi thời gian lặp đi lặp lại, chẳng hạn như các thước đo thành phần (DSO, DIO, DPO) của dòng tiền, biểu lộ một mối quan hệ tự tương quan bậc một giữa khoảng thời gian (Hui và cộng sự., 1993). Vì vậy, ma trận tương quan chuyển đổi R(α) được xác định
bằng cách sử dụng kỹ thuật tự hồi quy bậc một AR(1) (Zeger và cộng sự, 1986). Trong nghiên cứu này, ma trận tương quan chuyển đổi cho các mơ hình hồi quy được lựa chọn là Independence.
Mơ hình đầu tiên nghiên cứu 03 thước đo thành phần của dòng tiền (DSO, DIO, và DPO), và hai mơ hình sau đó nghiên cứu các thước đo tổng hợp CCC và OCC tương ứng. Sự thay đổi (Δ) của mỗi biến trong khoảng thời gian t được đo bằng chênh lệch giữa giá trị cuối quý này và giá trị vào cuối quý trước của mỗi biến. Với i là đại diện cho các công ty và t là đại diện cho các quý khảo sát trong nghiên cứu này, 03 mơ hình dịng tiền vừa trình bày ở trên được xác định như sau:
Mơ hình sử dụng thước đo thành phần của dịng tiền:
ΔTOBINS_Qit = β0 + β1(lnSALEQit) + β2(DEBTit) + β3(ΔDSOit) + β4(ΔDSOit-1) + β5(ΔDSOit-2) + β6(ΔDSOit-3) + β7(ΔDSOit-4) + β8(ΔDIOit) + β9(ΔDIOit-1) + β10(ΔDIOit-2) + β11(ΔDIOit-3) + β12(ΔDIOit-4) + β13(ΔDPOit) + β14(ΔDPOit-1) + β15(ΔDPOit-2) + β16(ΔDPOit-3) +
β17(ΔDPOit-4) + eit (1 )
Mơ hình sử dụng thước đo tổng hợp CCC:
ΔTOBINS_Qit = β0 + β1(lnSALEQit)+ β2(DEBTit)+ β3(ΔCCCit)+ β4(ΔCCCit-1)+ β5(ΔCCCit-2) + β6(ΔCCCit-3) + β7(ΔCCCit-4) + eit (2)
Mơ hình sử dụng thước đo tổng hợp OCC:
ΔTOBINS_Qit = β0+ β1(lnSALEQit)+ β2(DEBTit)+ β3(ΔOCCit)+ β4(ΔOCCit-1)+ β5(ΔOCCit-2)+ β6(ΔOCCit-3)+ β7(ΔOCCit-4) + eit (3)