CHƢƠNG 3 PHƢƠNG PH P NGH IN CỨU
3.2. Quy mô mẫu nghiên cứu
Những doanh nghiệp được lựa chọn phân tích trong nghiên cứu này dựa theo các tiêu chí như sau:
- Các doanh nghiệp có quy mơ lớn, đại diện cho các ngành khác nhau, niêm yết trên sàn chứng khốn TP.Hồ Chí Minh tính đến thời điểm tháng 12/2016.
- Do sự phức tạp trong bảng cân đối kế toán và sự khác biệt trong chuẩn mực báo cáo kết quả hoạt động kinh doanh, các doanh nghiệp hoạt động trong lĩnh vực tài chính như ngân hàng, bảo hiểm, các quỹ đầu tư sẽ bị loại trừ khỏi mẫu quan sát.
Dựa trên các tiêu chí trên, nghiên cứu này sử dụng số liệu của 40 doanh nghiệp đang niêm yết trên sở giao dịch chứng khốn TP.Hồ Chí Minh. Các doanh nghiệp được lấy ngẫu nhiên bao gồm tất cả các lĩnh vực, ngành nghề trừ lĩnh vực tài chính (Phụ lục). Tất cả số liệu tài chính của 40 cơng ty này được lấy từ báo cáo tài chính của các cơng ty từ website của sở giao dịch chứng khốn TP.Hồ Chí Minh.
Báo cáo tài chính của cơng ty này đã được kiểm tốn và cơng bố công khai trên các phương tiện thông tin đại chúng theo quy định của Ủy ban chứng khoán nhà nước nên độ tin cậy rất cao. Tổng số quan sát là 40x5 = 200.
3.3. Phƣơng pháp thu thập dữ liệu:
Dữ liệu thu thập trong bài nghiên cứu là dữ liệu thứ cấp và cụ thể từ báo cáo tài chính của những doanh nghiệp được chọn. Dữ liệu thứ cấp có nhiều ưu điểm như tiết kiệm được thời gian, chi phí nghiên cứu, có thể dùng để so sánh dữ liệu đưa ra giải pháp trong nhiều trường hợp nghiên cứu mà việc thu thập dữ liệu bằng việc quan sát, điều tra hay phỏng vấn có nhiều khó khăn. Tuy nhiên, việc sử dụng dữ liệu thứ cấp cũng có nhược điểm sau: một lượng lớn thông tin được thu thập, xử lý với những mục đích sử dụng khác nhau, thơng tin hồn tồn có thể bị sửa đổi để phù hợp mục tiêu của người thu thập thơng tin. Bên cạnh đó, một vài trường hợp người dùng phải trả phí cho các nhà cung cấp để nhận được thông tin, khoản chi trả này đơi khi rất lớn.
3.4. Phân tích dữ liệu:
Bài nghiên cứu này sử dụng phần mềm thống kê mô tả Stata là công cụ hỗ trợ xử lý dữ liệu. Về dữ liệu nghiên cứu, tất cả dữ liệu theo quý được thu thập từ 40 doanh nghiệp đang niêm yết trên sở giao dịch chứng khốn TP. Hồ Chí Minh trong khoảng thời gian từ năm 2012 - 2016. Dữ liệu được trình bày theo dạng bảng (panel data) để phục vụ cho các kỹ thuật hồi quy. Ưu điểm lớn nhất của của dữ liệu bảng là cho các kết quả ước lượng của các tham số trong mơ hình tin cậy hơn và cho phép xác định và đo lường các tác động không thể được xác định và đo lường khi sử dụng chéo hoặc dữ liệu thời gian. Tiếp theo, tác giả dùng mã hóa dữ liệu phù hợp với mục đích nghiên cứu và thống nhất với cách mô tả biến ở phần mơ hình nghiên cứu chương 2.
Trong nghiên cứu thực nghiệm, đối với dữ liệu bảng, có ba dạng mơ hình chính thường đươc sử dụng là mơ hình hồi quy gộp (Pooled OLS), mơ hình tác động ngẫu nhiên và mơ hình tác động cố định.
3.4.1. Hồi quy gộp (Pooled OLS)
Với phương pháp ước lượng dữ liệu bảng, mơ hình nghiên cứu có thể viết lại thành mơ hình hồi quy gộp (pooled model) như sau:
Yit = β0 + β’Xit + εit
Trong đó Yit là biến phụ thuộc và Xit là các biến giải thích trong mơ hình.
Mơ hình hồi quy gộp chỉ đơn giản là phương pháp ước lượng bình phương nhỏ nhất. Đây là trường hợp đơn giản nhất. Tuy nhiên, loại mơ hình này thường xuất hiện hiện tượng tự tương quan trong dữ liệu hay ràng buộc phần dư làm cho giá trị Durbin- Watson thấp (Baltagi, 2005) hoặc bị phương say thay đổi. Do đó, mơ hình hồi quy OLS ít được tin cậy trong nghiên cứu dữ liệu bảng. Để khắc phục các khuyết điểm này, mơ hình tác động cố định và mơ hình tác động ngẫu nhiên được dùng thay thế.
3.4.2. Hồi quy bằng phương pháp FEM
Mơ hình tác động cố định giả định rằng các đối tượng đang được dùng để đo lường sẽ được cố định, cho nên sự khác biệt giữa các đối tượng sẽ được bỏ qua, không cần chú ý tới. Vì vậy, có thể nhìn vào phương sai của tất cả những đối tượng được gộp chung - khi giả định rằng các đối tượng đó (và các phương sai của từng đối tượng) là giống hệt nhau.
Kết quả của một phân tích tác động cố định chỉ có thể hỗ trợ giải thích cho những nhóm được đo lường (đối tượng, v.v ...) mà ta thực sự có - đối tượng thực tế mà ta đã xem xét.
Mơ hình tác động cố định có ý nghĩa nếu hai điều kiện được đáp ứng: thứ nhất, tất cả các nghiên cứu được dùng trong phân tích đều có chức năng giống nhau; thứ hai,
mục tiêu của phân tích là tính tốn tác động chung cho những mẫu đã có dữ liệu được xác định sẵn, khơng phải dùng để tổng qt hóa cho tồn bộ cả một tổng thể lớn hơn.
3.4.3. Hồi quy bằng phương pháp REM
Mơ hình tác động ngẫu nhiên giả định rằng những đo lường được sử dụng là một mẫu ngẫu nhiên được lấy từ một tổng thể lớn hơn và do đó sự khác biệt giữa những đối tượng có thể cho biết kết quả tương đương đối với tổng thể.
Tuy nhiên, phân tích tác động ngẫu nhiên cho phép suy luận điều gì đó về một tổng thể đã được lấy mẫu. Nếu kích thước của mẫu trong mỗi đối tượng liên quan và sự khác nhau giữa các đối tượng đủ lớn, ta có thể dự đốn được những tác động đối với một tổng thể - điều này rất quan trọng đối với nhiều nghiên cứu.
Khi nhà nghiên cứu thu thập dữ liệu từ một loạt các nghiên cứu đã được thực hiện bởi những nhà nghiên cứu độc lập, sẽ không chắc chắn tất cả các nghiên cứu đều có những chức năng tương đương. Thông thường, các đối tượng nghiên cứu hoặc những can thiệp trong các nghiên cứu, bằng cách này hay cách khác sẽ ảnh hưởng đến kết quả, vì vậy khơng thể giả sử rằng có một ảnh hưởng chung. Do đó, trong những trường hợp này mơ hình tác động ngẫu nhiên sẽ tốt hơn so với mơ hình tác động cố định.
Sự biến động giữa các quan sát dẫn đến khác biệt giữa mơ hình tác động ngẫu nhiên và mơ hình tác động cố định. Trong mơ hình tác động cố định, sự biến động giữa các quan sát có tương quan đến biến độc lập; thì ngược lại, trong mơ hình tác động ngẫu nhiên, sự biến động giữa các quan sát được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích. Do đó, nếu biến độc lập chịu ảnh hưởng bởi sự khác biệt giữa các quan sát thì REM sẽ phù hợp hơn so với FEM.
Sau khi hồi quy bằng mơ hình FEM và REM, tác giả dùng kiểm định Hausman để so sánh hai kỹ thuật hồi quy này.
3.4.4. Lựa chọn giữa các mơ hình hồi quy Pooled OLS, FEM, REM
Thông qua kiểm định F test và Hausman test, để lựa chọn mơ hình phù hợp nhất. Sau khi lựa chọn mơ hình phù hợp sẽ tiến hành kiểm định phương sai của sai số không đổi, đánh giá độ phù hợp của mơ hình hồi quy và cuối cùng là dựa vào các giá trị thống kê để lựa chọn biến phù hợp.
Theo Gujarati & Porter (2009), Baltagi (2005) và Greene (2013), chúng ta có thể thực hiện một số kiểm định lựa chọn cách tiếp cận phù hợp cho phân tích dữ liệu bảng theo sơ đồ sau:
Sơ đồ 2.1 Kiểm định các mơ hình hồi quy Pools OLS, FEM, REM
(Nguồn: Tác giả tự tổng hợp) Pooled OLS FEM ( Fixed Effects Model) F Test ( Gujarati, 2009) Wald Test (Hill et
al.,2011) Redundant Fixed Breusch – Pagan LM Test (1980) REM ( Random Effects Model) Hausman Test (1978)
3.4.4.1. Kiểm định Hausman
Để lựa chọn giữa hai mơ hình FEM hay REM, ta sử dụng kiểm định Hausman. Thực chất kiểm định Hausman để xem xét tự tương quan có tồn tại giữa εi và các biến độc lập hay không.
Giả thiết:
H0: sai số ngẫu nhiên và biến độc lập không tương quan H1: sai số ngẫu nhiên và biến độc lập có tương quan
Khi giá trị P_value < 0.05 ta bác bỏ H0, khi đó sai số ngẫu nhiên và biến độc lập tương quan với nhau, ta sử dụng mơ hình tác động cố định.
Ngược lại, ta sử dụng mơ hình tác động ngẫu nhiên.
3.4.4.2. Kiểm định Breusch – Pagan
Kiểm định BP - test được phát triển bởi Breusch and Pagan (1980) cho hiện tượng phương sai sai số thay đổi, sử dụng kiểm định F và được xây dựng trên cơ sở của kiểm định Lagrange. Kiểm định BP - test được xây dựng trên cơ sở kiểm định Lagrange (chính xác là Lagrange Multiplier Test). Do vậy, trong trường hợp mà n là lớn, thay vì sử dụng thống kê F chúng ta có thể sử dụng thống kê Lagrange Multiplier hay thường gọi là kiểm định Lagrange Multiplier (LM Test). Theo đó, LM Test (hay LMqs) được tính theo cơng thức: LMqs = R2*n trong đó R2 là của mơ hình hồi quy phụ, n là số quan sát.
Sử dụng kiểm định F (hay LM Test) với cặp giả thuyết được kiểm định là: + H0: phương sai là không đổi;
+ H1: phương sai là thay đổi Giá trị p-value ≤ 5% bác bỏ H0.
3.5. Kiểm định sự vi phạm các giả định của mơ hình
3.5.1. Kiểm định đa cộng tuyến
Trước khi đưa vào ước lượng mơ hình kinh tế, dữ liệu được kiểm định đa cộng tuyến. Thật vậy, mơ hình lý tưởng là các biến độc lập khơng có tương quan với nhau, khi đó hệ số hồi quy riêng cho biết ảnh hưởng của từng biến độc lập đối với biến phụ thuộc khi giả định các biến độc lập cịn lại khơng đổi. Chính vì vậy, cần kiểm định hiện tượng đa cộng tuyến để kiểm tra tính chính xác của mơ hình, đưa ra những giải pháp khắc phục tốt nhất. Theo kinh nghiệm, nếu hệ số tương quan giữa các biến độc lập nhỏ hơn 0,8 thì mơ hình khơng có đa cộng tuyến.
3.5.2. Kiểm định tự tương quan.
Tự tương quan là sự tương quan giữa các thành phần của dãy quan sát theo thời gian hoặc khơng gian. Khi có hiện tượng tự tương quan, các ước lượng OLS (phương pháp bình phương bé nhất) là khơng hiệu quả. Vì vậy, một trong những giả thuyết quan trọng của mơ hình hồi quy tuyến tính cổ điển là các sai số ngẫu nhiên Ui trong hàm hồi quy tổng thể khơng xảy ra hiện tượng tự tương quan.
Có nhiều cách phát hiện hiện tượng tự tương quan như phương pháp đồ thị, kiểm định Durbin-Watson, kiểm định Berusch-Godfrey…
Kiểm định tương quan bậc nhất: Đặt giả thiết: H0: p = 0; H1: p ≠ 0
Nếu d < du hoặc (4-d) < du thì bác bỏ giả thiết H0 chấp nhận, H1 có tự tương quan dương hoặc âm.
Tuy nhiên kiểm định Durbin-Watson vẫn có khuyết điểm: cỡ mẫu n lớn thì các giá trị dL, dU khơng có trong bảng.
Vì vậy bài nghiên cứu này sử dụng kiểm định Berusch-Godfrey. Đặt các giả thiết sau:
Giả thiết H0: không tồn tại tự tương quan ở bất kỳ bậc nào
Giả thiết H1: có tồn tại tự tương quan ở bất kỳ bậc nào
Nếu hệ số Prob. > α nên ta chấp nhận giả thiết H0, trong mơ hình hồi quy đã điều chỉnh khơng tồn tại tự tương quan.
3.5.3. Kiểm định phương sai sai số thay đổi.
Kiểm định White dựa trên hồi quy bình phương phần dư (kí hiệu là RESID) theo bậc nhất và bậc hai của biến độc lập. Kiểm định White là mơ hình tổng qt về sự thuần nhất của phương sai.
3.6. Các bƣớc kiểm định mơ hình nghiên cứu
Bước 1: Khai báo dữ liệu bảng trong Stata.
Bước 2: Dữ liệu nghiên cứu được thống kê mô tả để biết được các thuộc tính của biến: giá trị nhỏ nhất, giá trị lớn nhất, giá trị trung bình và độ lệch chuẩn. Nhờ đó giúp người đọc có cái nhìn tổng quan về bộ dữ liệu của nghiên cứu.
Bước 3: Phân tích mối tương quan giữa các biến để phát hiện hiện tượng đa cộng tuyến.
Bước 4: Kiểm định phương sai của sai số thay đổi H0: Mơ hình khơng bị phương sai thay đổi
H1: Mơ hình bị phương sai thay đổi
Nếu p-value < α thì bác bỏ giả thuyết H0 và kết luận có sự phương sai sai số, nếu ngược lại thì khẳng định khơng có hiện tượng phương sai sai số trong mơ hình hồi quy.
Bước 5: Kiểm định hiện tượng tự tương quan hay tương quan chuỗi H0: Mơ hình khơng có tự tương quan
H1: Mơ hình có hiện tượng tự tương quan
Nếu p-value < α thì bác bỏ giả thuyết H0 và kết luận có hiện tượng tự tương quan, nếu ngược lại thì chấp nhận giả thuyết và khẳng định mơ hình hồi quy khơng bị tự tương quan.
Bước 6: Hồi quy mơ hình mơ hình Pooled OLS. Bước 7: Hồi quy mơ hình FEM.
Bước 8: Hồi quy mơ hình REM.
Bước 9: Lựa chọn FEM và mơ hình Pooled OLS với giả thuyết như sau: H0: Mơ hình OLS phù hợp.
H1: Mơ hình FEM phù hợp.
Nếu p-value < α ta bác bỏ giả thuyết H0 hay mơ hình FEM sẽ phù hợp với nghiên cứu, ngược lại thì mơ hình OLS sẽ được lựa chọn.
Bước 10: Thực hiện kiểm định Hausman để lựa chọn giữa FEM và REM, với giả thuyết sau:
H0: Mơ hình REM phù hợp. H1: Mơ hình FEM phù hợp.
Nếu p-value < α thì giả thuyết H0 bị bác bỏ, hay nói cách khác FEM sẽ phù hợp với nghiên cứu, ngược lại thì REM sẽ được lựa chọn.
Bước 11: Kiểm định tính phù hợp của mơ hình.
Việc xác định các yếu tố ảnh hưởng đến cấu trúc vốn của doanh nghiệp theo mơ hình đã đề xuất được và trình bày kết quả kết quả nghiên cứu được thực hiện tiếp theo trong chương 4.
CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU 4.1 Thống kê mô tả dữ liệu 4.1 Thống kê mô tả dữ liệu
Bảng 4.1. Thống kê dữ liệu nghiên cứu
Nguồn: Kết quả phân tích N = 200
Tỷ lệ nợ trên tổng tài sản (LEV) trong nghiên cứu tương đối lớn khoảng 138% điều này có thể cho thấy các doanh nghiệp đã khai thác được địn bẩy tài chính, tức là huy động vốn bằng hình thức đi vay với độ lệch chuẩn tương đối khoảng 31.79%.
Theo kết quả thống kê chỉ số ROE của 200 mẫu, cho thấy khả năng sinh lời từ toàn bộ vốn cổ đơng đóng góp trung bình đạt 11.22%, đây là chỉ số chưa cao so với lãi suất ngân hàng khoảng 10% và có sự chênh lệch giữa các công ty khác nhau với độ lệch chuẩn tương đối lớn là 12.04%. Điều này cho thấy các doanh nghiệp nhìn chung có khả năng sinh lời khác nhau vì khác lĩnh vực kinh doanh và có sự tăng trưởng cổ phiếu không ổn định với độ lệch chuẩn tương đối lớn.
Variable Obs Mean Std. Dev. Min Max Lev 200 1.3776 .3179018 .86 3.37 roe 200 11.22195 12.0454 .01 44.48 ts 200 .02184 0.0023818 .016 0.028 Rg 200 .5089683 .6017044 -.82 2.49504 Liq 200 8.947228 22.5153 .6355615 178.6314 uni 200 .6799595 .1933814 .1193957 1.33 size 200 13.51092 1.36954 9.586582 16.89602 Tang 200 .55225 .2091558 .12 .91
Chi phí tiết kiệm thuế đạt giá trị trung bình khoảng 2.18% và thấp nhất là 1.6% cho thấy hầu hết doanh nghiệp đều thực hiện vay vốn, giá trị này phù hợp với chỉ số LEV tỷ lệ nợ trên tổng tài sản trong nghiên cứu.
Tỷ lệ tăng trưởng doanh thu trung bình đạt 50.89%, giá trị này tương đối cao chứng tỏ các cơng ty có năng lực tài chính tốt nên sẽ dễ dàng tiếp cận được các nguồn vốn vay thể hiện ở chi số LEV đạt 138%. Bên cạnh đó, với hiệu quả hoạt động kinh doanh tốt, các doanh nghiệp này có thể đi vay thêm để mở rộng sản xuất kinh doanh,