CHƯƠNG 2 TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
3.3 Mơ hình hồi quy
3.3.1 Mơ hình nghiên cứu tổng quát
Dựa vào cách tiếp cận của các nghiên cứu đã tiến hành thành công ở nhiều nước và các giả thuyết trên, ta có mơ hình áp dụng trong nghiên cứu như sau:
Yit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + uit
Trong đó:
Biến phụ thuộc Yit lần lượt là các biến phụ thuộc ROA, ROE, PROF, Tobin’s Q, MBVR, MBVE và P/E. Cụ thể cơng thức tính đối với từng biến phụ thuộc như sau:
ROA = Lợi nhuận sau thuế/ Tổng tài sản. ROE = Lợi nhuận sau thuế/ Vốn chủ sở hữu.
PROF = (Thu nhập trước thuế + chi phí lãi vay + khấu hao)/Tổng tài sản Tobin’s Q = (Vốn hóa thị trường + Nợ vay)/Tổng tài sản.
MBVR = Vốn hóa thị trường/Vốn chủ sở hữu
MBVE = (Vốn hóa thị trường + Nợ vay)/Vốn chủ sở hữu P/E = Giá thị trường/thu nhập trên mỗi cổ phần
Biến độc lập sử dụng trong mơ hình:
- Leverage: địn bẩy tài chính, tác giả sử dụng 3 biến đo lường địn bẩy tài chính bao gồm tổng nợ vay/tổng tài sản (TDTA), nợ vay trung dài hạn/tổng tài sản (LTDTA), nợ vay ngắn hạn/tổng tài sản (STDTA). Ba biến này sẽ lần lượt được thay thế vào mơ hình.
- Tốc độ tăng trưởng (Growth) được tính bằng tốc độ tăng trưởng doanh thu trong 2 năm gần nhất. Growth = (doanh thu t – doanh thut-1)/ doanh thut-1 - Quy mô tài sản Size: logarit cơ số 10 của tổng tài sản.
- Độ lệch chuẩn của dòng tiền (STDVCF) = độ lệch chuẩn của (Lợi nhuận sau thuế + khấu hao) trong 3 năm gần nhất của doanh nghiệp.
- Thuế (Tax)= thuế thu nhập doanh nghiệp/(lợi nhuận trước thuế + lãi vay) - Tangb = tài sản cốđịnh/ tổng tài sản.
- CF = (Lợi nhuận sau thuế + khấu hao)/tổng tài sản
- Tăng trưởng GDP được tính tốc độ tăng trưởng GDP của Việt Nam trong 2 năm gần nhất, GDP = (GDPt - GDPt-1)/GDPt-1
- Tỷ lệ lạm phát (INFL) được lấy từ tỷ lệ lạm phát được công bố hằng năm của Việt Nam.
Hình 3.3 Mơ hình các biến nghiên cứu
Mơ hình hồi quy được thiết lập để kiểm chứng mối quan hệ của cấu trúc vốn và hiệu quả hoạt động doanh nghiệp được viết thông qua 7 phương trình, được thiết lập như sau: Dòng Tiền (CF) ROA ROE PROF Tobin’s Q MBVR MBVE P/E Tốc độ tăng trưởng (Growth) Thuế (Tax) Địn bẩy tài chính
Quy mô tài sản (Size)
Độ lệch chuẩn của dòng tiền
(STDVCF)
Tỷ lệ cơ cấu tài sản (Tangb)
Tốc độ tăng trưởng GDP
- Phương trình (1) hiệu quả hoạt động được đo lường bằng ROA:
ROAit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + uit
- Phương trình (2) hiệu quả hoạt động được đo lường bằng ROE:
ROEit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + uit
- Phương trình (3) hiệu quả hoạt động được đo lường bằng PROF:
PROFit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + uit
- Phương trình (4) hiệu quả hoạt động được đo lường bằng Tobin’s Q: Tobin’s Qit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + uit
- Phương trình (5) hiệu quả hoạt động được đo lường bằng MBVR: MBVRit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + uit
- Phương trình (6) hiệu quả hoạt động được đo lường bằng MBVE: MBVEit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + uit
- Phương trình (7) hiệu quả hoạt động được đo lường bằng P/E:
P/Eit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + uit
3.3.2 Mơ hình nghiên cứu thực nghiệm
Tác giả sử dụng các mơ hình hồi quy tuyến tính đa biến để xem xét ảnh hưởng của các biến độc lập đến biến phụ thuộc. Có ba dạng mơ hình nghiên cứu thực nghiệm là:
Mơ hình hồi quy tuyến tính thơng thường (Pool OLS)
Đối với mơ hình Pool hay cịn gọi là mơ hình OLS (Ordinary Least Squares), là mơ hình hồi quy sử dụng dữ liệu bảng cơ bản nhất. Mơ hình này giảđịnh các hệ số chặn và độ dốc sử dụng trong phương trình hồi quy là khơng thay đổi theo thời gian và cho các mẫu quan sát. Phương trình hồi quy được viết như sau:
Yit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + u
Trong đó: β0 là hằng số của mơ hình, β1, β2 …. Β9 là hệ số hồi quy, u là phần dư của phương trình hồi quy (đại diện cho sai số và các biến không xuất hiện trong mơ hình) Cách tiếp cận này đơn giản nhất vì đã bỏ qua bình diện khơng gian và thời gian của dữ liệu kết hợp và chỉ hồi quy OLS thông thường.
Do thực tế các giai đoạn quan sát mẫu sẽ khác nhau và các công ty trong mẫu có những đặc thù riêng, vì vậy mà có các hệ số chặn khác nhau. Do đó, mơ hình hồi quy Pool có thể sẽ bóp méo mối quan hệ giữa biến độc lập và biến phụ thuộc và làm sai lệch đi mối quan hệ thực tế giữa biến độc lập và biến phụ thuộc của các quan sát mẫu.
Mơ hình hồi quy tác động cốđịnh (Fixed effects model_ FEM)
Mơ hình FEM hay cịn gọi là mơ hình bình phương tối thiểu các biến giả (Least Squares Dummy Variable - LSDV). Mơ hình tác động cố định khơng bỏ qua các ảnh hưởng theo chuỗi thời gian và các đơn vị chéo, hay nói cách khác, mơ hình hồi quy với
tác động chéo cố định xây dựng dựa trên giả định về tung độ gốc khác nhau giữa các đơn vị chéo nhưng hệ số góc khơng đổi. Mơ hình có dạng như sau:
Yit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit + β7CFit + β8GDPt + β9INFLt + u
Trong đó: β0 là hằng số của mơ hình, β1, β2 …. Β9 là hệ số hồi quy, u là phần dư của phương trình hồi quy (đại diện cho sai số và các biến khơng xuất hiện trong mơ hình), i là công ty nghiên cứu, t là năm nghiên cứu
Mơ hình hồi quy tác động ngẫu nhiên (Random effects model _REM)
Ở mơ hình tác động cốđịnh, tung độ gốc giữa các đơn vị chéo khác nhau, trong khi đó, ở mơ hình tác động ngẫu nhiên, những tác động làm cho tung độ gốc của các đơn vị chéo khác nhau được tách ra khỏi tung độ gốc của mơ hình. Khi đó, tung độ gốc ở mơ hình tác động cốđịnh được biểu diễn như sau:
β0= β1i + i
Mơ hình hồi quy tác động ngẫu nhiên có dạng:
Yit = β0 + β1Leverageit + β2Growthit + β3Sizeit + β4STDVCFit + β5Taxit + β6Tangbit +
β7CFit + β8GDPt + β9INFLt + uit
Trong đó, β0 là hằng số của mơ hình, β1, β2 …. Β9 là hệ số hồi quy, u là phần dư của phương trình hồi quy (đại diện cho sai số và các biến khơng xuất hiện trong mơ hình), i là công ty nghiên cứu, t là năm nghiên cứu.
Dữ liệu phân tích trong bài nghiên cứu là dữ liệu dạng bảng. Chúng ta có 3 cách ước lượng như đã trình bày ở trên. Trong đó, phương pháp hồi quy OLS đơn giản nhất nhưng lại hạn chế do bỏ qua các đặt tính khơng gian và thời gian của dữ liệu nên làm bóp méo đi mối quan hệ giữa biến phụ thuộc và biến độc lập, hơn nữa hồi quy OLS có
sự tự tương quan trong dữ liệu (kết quả của mơ hình này thường cho thấy trong hệ số
Durbin Watson). Do đó, mơ hình FEM và REM thường được sử dụng đề giải quyết vấn đề này trong dữ liệu bảng.
Tuy nhiên mơ hình FEM và REM cũng có những hạn chế nhất định. Do đó dùng mơ hình nào để kiểm định cho kết quả phù hợp, tác giả sử dụng kiểm định Hausman để lựa chọn giữa hai mơ hình FEM và REM.
Sau khi chọn được mơ hình phù hợp sẽ kiểm định tự tương quan và phương sai thay
đổi đối với mơ hình đó. Trong trường hợp có hiện tượng phương sai thay đổi sẽ khắc phục bằng phương pháp GLS (Generalized least squares) trong STATA.
3.4 Phương pháp nghiên cứu 3.4.1 Phân tích thống kê mơ tả 3.4.1 Phân tích thống kê mơ tả
Phương pháp này được sử dụng để mơ tả những đặc tính cơ bản của dữ liệu thu thập nhằm có cái nhìn tổng qt nhất về mẫu nghiên cứu. Thơng qua mơ tả, tóm tắt thống kê các biến độc lập và biến phụ thuộc của các công ty niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn năm 2008 đến 2013 cho thấy được giá trị trung bình,
độ lệch chuẩn, giá trị lớn nhất và bé nhất của từng biến nghiên cứu.
3.4.2 Phân tích tương quan
Phân tích tương quan được sử dụng để xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc. Kết quả phân tích tương quan có thể bước đầu đánh giá được các dự
báo của mơ hình. Ngồi ra, trong trường hợp các biến độc lập có mối tương quan cao thì đây là dấu hiệu của đa cộng tuyến, do đó đây là một cơ sởđể tác giả thực hiện kiểm
3.4.3 Phân tích hồi quy
Trong khi phân tích tương quan kiểm tra có tồn tại mối tương quan giữa các biến hay khơng thì phân tích hồi quy được dùng để đo lường mức độ ảnh hưởng của các biến
độc lập với các biến phụ thuộc, qua đó cho biết chiều tác động của từng biến độc lập
đến biến phụ thuộc. Phương pháp này sẽ cho phép tác giả đưa ra những bằng chứng xác thực để trả lời các câu hỏi nghiên cứu của luận văn. Thông qua phương pháp tổng bình phương bé nhất (OLS), hằng số và các tham số của mơ hình sẽ được ước lượng. Hệ số Prob (P-value) của kết quả phân tích hồi quy cho biết mức độ tác động của các biến độc lập lên từng biến phụ thuộc. Các mức thống kê có ý nghĩa thường được sử
dụng là 1%, 5% hoặc 10% (hay nói cách khác là độ tin cậy 99%, 95% hoặc 90%). Trong nghiên cứu này, tác giả chọn mức thống kê có ý nghĩa là 10%, tức là biến độc lập chỉ được xem là có ảnh hưởng mạnh đến biến phụ thuộc khi giá trị Prob của từng biến độc lập trong mơ hình hồi quy nhỏ hơn 10% (P-value<0,1), và ngược lại. Tuy nhiên, một số trường hợp hệ số Prob. lớn hơn 0,1 nhưng nhỏ hơn 0,15 vẫn được tác giả
lưu ý, điều này có nghĩa là biến độc lập có ảnh hưởng đến biến phụ thuộc với độ tin cậy là 85%.
3.4.4 Kiểm định đa cộng tuyến
Khi phân tích tương quan, hệ số tương quan giữa các biến cao là dấu hiệu của đa cộng tuyến. Để phát hiện trường hợp một biến có tương quan tuyến tính mạnh với các biến cịn lại của mơ hình, ta khảo sát các cặp tương quan giữa các biến độc lập được thực hiện bằng cách thiết lập ma trận hệ số tương quan để tìm ra những cặp biến có hệ số
tương quan cao (Nguyễn Trọng Hoài, 2006). Gujarati K. (1995) cho rằng, để loại trừ vấn đề đa cộng tuyến, cần nghiên cứu kỹ hệ số tương quan giữa các biến, nếu chúng vượt q 0.8, mơ hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng. Do đó, để giảm thiểu đa cộng tuyến, tác giả sẽ loại bỏ biến ra khỏi mơ hình hồi quy đối với cặp
Ngồi ra, để đảm bảo tính chính xác, tác giả sẽ sử dụng thêm hệ số phóng đại phương sai (VIF - Variance Inflation Factor) để kiểm định hiện tượng đa cộng tuyến. Theo quy tắc kinh nghiệm khi VIFj>10 thì mức độ cộng tuyến được xem là cao và khi đó, các hệ
số hồi quy được ước lượng với độ chính xác khơng cao. Dựa vào kết quả kiểm định hồi quy tuyến tính và hệ số VIF, các biến có hệ số VIF lớn hơn 10 sẽ bị loại ra khỏi mơ hình1 và tiếp tục phân tích hồi quy cho đến khi khơng cịn biến nào có giá trị VIF lớn hơn 10, tức là khơng cịn hiện tượng đa cộng tuyến.
3.4.5 Kiểm định Wald có sửa đổi về phương sai thay đổi
Một trong các giả thuyết chủ yếu cho hồi quy bình phương bé nhất thơng thường OLS là phương sai không thay đổi. Nếu phương sai khơng phải là một hằng số thì được coi là phương sai thay đổi; lúc này ước lượng hệ số hồi quy tính được bằng phương pháp OLS là không hiệu quả. Để kiểm định sự vi phạm giả thiết này của mơ hình, tác giả sử dụng kiểm định dạng Wald có sửa đổi với các giả thiết H0: khơng có hiện tượng phương sai thay đổi, H1: có hiện tượng phương sai thay đổi. Nếu kết quả kiểm định cho giá trị P-value là nhỏ (nhỏ hơn 0.05 ngầm định), giả thiết H0 bị bác bỏ và chấp nhận giả thiết H1.
3.4.6 Kiểm định Wooldridge về tự tương quan
Sau khi kiểm định sự phù hợp của mơ hình, bước kế tiếp là kiểm định hiện tượng tự
tương quan của các biến trong mơ hình. Khi có tồn tại hiện tượng tự tương quan, tuy các ước lượng OLS vẫn là các ước lượng không chệnh nhưng chúng khơng phải là ước lượng hiệu quả. Nói cách khác, ước lượng OLS không phải là ước lượng khơng chệch tốt nhất. Phương pháp kiểm định có ý nghĩa nhất để phát hiện tình trạng tự tương quan xảy ra trong mơ hình phương pháp kiểm định Wooldridge, trong đó giả thiết H0 được
1
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) nếu biến có giá trị VIF lớn hơn 10 thì biến đó gây ra hiện tượng cộng tuyến.
đề cập là khơng có hiện tượng tự tương quan, H1 là có hiện tượng tựtương quan. Nếu kết quả kiểm định cho giá trị P-value là nhỏ (nhỏ hơn 0.05 ngầm định), giả thiết H0 bị bác bỏ và chấp nhận giả thiết H1.
3.5 Tóm tắt chương 3
Trong chương 3, tác giả đã trình bày dữ liệu nghiên cứu, xác định các biến nghiên cứu, phương pháp nghiên cứu cùng các mơ hình nghiên cứu thực nghiệm. Tác giả sẽ trình bày kết quả nghiên cứu và thảo luận kết quả trong chương 4.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN KẾT QUẢ 4.1 Phân tích thống kê mơ tả 4.1 Phân tích thống kê mơ tả
Phân tích thống kê mơ tảđược thực hiện nhằm mục đích tóm tắt đặc điểm của dữ liệu. Thống kê mô tả phân tích các chỉ tiêu phổ biến như giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất… Kết quả thống kê mơ tảđược trình bày như sau:
Bảng 4.1: Thống kê mô tả các biến được sử dụng trong bài nghiên cứu.
Mean Median Max Min Std.Dev Skewness Obs
ROA 0.0607 0.0490 0.5009 -0.6455 0.0818 -0.1286 1164 ROE 0.0757 0.1218 3.3024 -54.6727 1.6770 -33.3241 1164 Tobin’s Q 1.0154 0.0909 11.3888 0.1367 0.5277 8.2635 1164 MBVR 1.0633 0.8040 31.5151 0 1.4022 13.577 1164 MBVE 2.9389 2.1902 360.1515 -11.569 10.6560 32.4192 1164 PROF 0.1190 0.1095 0.8914 -0.7305 0.1006 -0.0007 1164 P/E 18.5438 6.5223 3927.206 -1401 151.658 16.8542 1164 TDTA 0.5019 0.5311 1.0956 0.0309 0.2190 -0.2345 1164 STDTA 0.3959 0.3840 0.9193 0.0069 0.2009 0.2122 1164 LTDTA 0.1060 0.0368 0.7180 0 0.1466 1.8056 1164
Growth 0.1576 0.1136 11.4832 -1.4172 0.5788 8.7886 1164 Size 11.674 11.604 13.294 10.358 0.545 0.533 1164 STDVCF 47.709 11.745 1208.926 0.171 110.206 5.446 1164 Tax 0.1104 0.1042 2.78 -0.3551 0.1225 8.9188 1164 Tangb 0.300 0.2526 0.9764 0 0.2107 0.9881 1164 CF 0.087 0.0762 0.8435 -0.7359 0.1025 -0.1764 1164 GDP 0.057 0.0555 0.064 0.052 0.0044 0.4471 1164 INFL 0.1225 0.09 0.231 0.066 0.0631 0.7693 1164
(Nguồn: tính tốn các số liệu trong báo cáo tài chính từ Exel và Stata 12.0)
Kết quả thống kê mô tả cho thấy rằng tỷ suất sinh lợi trên tài sản ROA trung bình là 6,07% với độ lệch chuẩn là 8,18%. ROA cao nhất là 50,09%, thấp nhất là -64,55%. Tỷ
suất sinh lợi trên vốn chủ sở hữu ROE trung bình trong mẫu dữ liệu là 7,57%. Kết quả
này cho thấy các công ty trong mẫu có mức sinh lời trên báo cáo tài chính tương đối thấp (trong giai đoạn 2008-2013) khi so với mức lạm phát hằng năm có giá trị trung bình là 12,25%.
Khác ROA và ROE chỉ tiêu đo lường hiệu quả theo sổ sách, chỉ tiêu đo lường hiệu quả
thị trường có tỷ lệ cao. Chỉ tiêu đo lường hiệu quả thị trường là Tobin’s Q đạt mức trung bình là 1,01, chỉ số này lớn hơn 1, cho thấy các doanh nghiệp cần tăng cường đầu