DIS 1 DIS 2 DIS 3
B Sig. B Sig. B Sig.
MB .003 .823 .005 .693 -.005 .706 RET -.001 .429 .000 .548 -.001 .334 VOL -.012 .734 -.016 .645 -.003 .933 OPRO -.399 .742 -1.851 .399 -6.133 .012 LEV 1.545 .047 1.042 .219 INV -.037 .810 .005 .975 -.094 .548 CUA .326 .652 .575 .427 -.888 .161 LOGSIZ -.004 .982 -.085 .660 -.070 .720 LOGRAT -5.068 .000 -4.979 .000 LOGAGE -.005 .977 -.029 .852 -.039 .796 Constant 9.092 .000 9.070 .001 .196 .888 - 2LL R2 - 2LL R2 - 2LL R2 281.634a .304 285.474a .288 299.159a .230 0 110/139 79.10% 106/139 76.30% 100/139 71.90% 1 66/113 58.40% 70/113 61.90% 70/113 61.90% Overall Percentage 176/252 69.80% 176/252 69.80% 170/252 67.50%
Bảng 3.3 ghi nhận kết quả hồi quy dựa trên phương pháp hồi quy Binary Logistic giữa các yếu tố tài chính và phi tài chính của cơng ty để dự đốn yếu tố kiệt quệ tài chính vào hai năm sau của công ty. Tác giả chạy lần lượt 3 mơ hình,
DIS1 đầy đủ tất cả các biến, DIS2 bỏ biến LEV và DIS3 bỏ biến Log(RAT).
Trong mơ hình DIS1, chúng ta thấy có sự tác động cùng chiều rất mạnh giữa địn bẩy tài chính LEV và xác suất kiệt quệ tài chính với Sig.=.047 Điều này cho thấy nhân tố địn bẩy tài chính có tác động rất lớn đến kiệt quệ tài chính, khi sử dụng địn cân nợ cao thì xác suất kiệt quệ tài chính tăng đáng kể. Điều đó cũng hợp lý với các nghiên cứu trước đây về việc sử dụng nợ và các chi phí liên quan
đến sử dụng nợ có ảnh hưởng như thế nào đến hoạt động của công ty. Tiếp theo là
sự tác động ngược chiều của biến xếp hạng tín nhiệm (Log(RAT)) rất cao đến xác suất kiệt quệ tài chính với Sig. = .000, chúng ta có thể khẳng định rằng xếp hạng tín dụng là yếu tố dự báo kiệt quệ tài chính rất nhạy bén. Mức xếp hạng tín dụng
càng cao thì xác suất kiệt quệ tài chính càng thấp và ngược lại. Xếp hạng tín dụng có thể nói là yếu tố tổng quan đa bao gồm nhiều yếu tố tài chính và phi tài chính của công ty, nên những thông tin của nó đáng để quan tâm. Các biến cịn lại có
dự kiến sẽ loại ra khỏi mơ hình. Khi chạy mơ hình với đầy đủ các biến DIS1 này, với mức giải thích của mơ hình là 30.4% và -2LL = 281.634a trong mức cho phép thì mơ hình dự đốn chính xác được 69.8%, trong đó dự đốn xác suất doanh
nghiệp rơi vào kiệt quệ là 58.40% (66/113) và xác suất doanh không rơi và kiệt
quệ là 79.1% (110/139).
Dựa trên kết quả của mơ hình DIS1, tác giả chạy mơ hình DIS2 loại biến LEV ra khỏi mơ hình xem các biến cịn lại tác động như thế nào đến kiệt quệ tài chính. Rõ ràng kết quả cho thấy biến xếp hạng tín nhiệm có tác động nghịch chiều rất mạnh đến xác suất kiệt quệ tài chính với Sig. = .000, một lần nữa cho thấy mức xếp hạng tín dụng càng cao thì xác suất kiệt quệ càng thấp. Các biến cịn lại tương tự như mơ hình DIS1, có tác động với mức ý nghĩa không cao nên tác giả không
quan tâm đến. Mơ hình DIS2 này có mức giải thích R2 = 0.288 (nhỏ hơn mơ hình DIS1) và -2LL = 285.474a (lớn hơn DIS1), khả năng dự đoán xác suất doanh
nghiệp rơi vào kiệt quệ là 69.80% (bằng với DIS1), trong đó dự đoán xác suất
doanh nghiệp rơi vào kiệt quệ là 61.90% (70/113) và xác suất doanh không rơi và kiệt quệ là 76.30% (106/139).
Tương tự, tác giả chạy mơ hình DIS3 loại biến Log(RAT) ra khỏi mơ
hình. Kết quả khơng như mong đợi, biến LEV cùng với các biến khác đều khơng có ý nghĩa thống kê, chỉ duy nhất xuất hiện biến Lợi nhuận hoạt động (OPRO) có
tác động ngược chiều mạnh với xác suất kiệt quệ tài chính với Sig.=0.12, cho thấy
lợi nhuận hoạt động càng cao thì xác suất kiệt quệ càng giảm. Tuy nhiên, mơ hình DIS3 này có mức giải thích R2 = 0.230 (nhỏ hơn mơ hình DIS1 và DIS2) và -2LL = 299.159a (lớn hơn DIS1 và DIS2), khả năng dự đoán xác suất doanh nghiệp rơi vào kiệt quệ là 67.50% (nhỏ hơn với DIS1 và DIS2), trong đó dự đốn xác suất
doanh nghiệp rơi vào kiệt quệ là 61.90% (70/113) và xác suất doanh không rơi và kiệt quệ là 71.90% (100/139).
Như vậy trong 3 mơ hình, mơ hình DIS1 với R2 cao nhất, -2LL thấp nhất và có khả năng dự đoán xác suất doanh nghiệp rơi vào kiệt quệ tốt nhất sẽ được chọn. Tuy nhiên để tăng tính bền vững của mơ hình, tác giả tiếp tục chạy mơ hình
theo phương pháp hồi quy Binary Logistic, nhưng chúng ta sẽ không lấy logarit
cho các biến SIZ, RAT và AGE. Kết quả cho thấy trong Bảng 3.4 như sau:
Bảng 3.4 Kết quả mơ hình theo cơng cụ Binary Logistic bỏ Log
DIS 1 DIS 2 DIS 3
B Sig. B Sig. B Sig.
MB .003 .790 .005 .704 -.006 .662 RET -.001 .513 .000 .757 -.001 .326 VOL -.015 .683 -.020 .578 -.005 .889 OPRO -.439 .727 -2.054 .370 -6.064 .014 SIZ -5.379 .901 -27.170 .518 -5.096 .910 LEV 1.561 .046 1.082 .211 RAT -.702 .000 -.688 .000 INV -.045 .767 .005 .972 -.091 .562 CUA .255 .721 .495 .488 -.869 .169 AGE -.009 .441 -.010 .403 -.007 .558 Constant 4.393 .000 5.025 .000 .684 .282 - 2LL R2 - 2LL R2 - 2LL R2
282.931a .299 286.755a .283 298.986a .231
0 110/139 79.10% 107/139 77.00% 100/139 71.90% 1 67/113 59.30% 68/113 60.20% 72/113 63.70%
Overall
Percentage 177/252 70.20% 175/252 69.40% 172/252 68.30%
Bảng 3.4 khi chạy mơ hình bỏ Logarit của biến AGE, SIZ và RAT cho thấy 3 mô hình cũng khơng thay đổi nhiều về kết quả và ý nghĩa. Mơ hình DIS1 vẫn cho thấy tác động tích cực cùng chiều của địn bẩy tài chính đến xác suất kiệt quệ tài chính với Sig. = 0.46 và mối tương quan âm mạnh mẽ của biến xếp hạng tín nhiệm đến xác suất kiệt quệ tài chính với Sig.=0.000. DIS1 cũng có R2 cao nhất là .299 và -2LL thấp nhất là 282.931a , và khả năng dự đoán xác suất kiệt quệ cao nhất là 70.20%, trong đó dự đoán xác suất doanh nghiệp rơi vào kiệt quệ là 59.30% (67/113) và xác suất doanh không rơi vào kiệt quệ là 79.10% (110/139).
Tiếp theo là mơ hình DIS2, khi bỏ biến LEV ra khỏi mơ hình thì chỉ duy nhất cịn biến xếp hạng tín nhiệm RAT có ý nghĩa với Sig.=.000 và có tương quan âm rất mạnh với xác suất kiệt quệ tài chính. Các biến cịn lại gần như khơng có ý nghĩa nên tác giả khơng quan tâm tới. Mơ hình DIS2 này có mức giải thích R2 = .283 (thấp hơn DIS1) và -2LL = 286.755a (cao hơn DIS1), và khả năng dự đoán
nghiệp rơi vào kiệt quệ là 60.20% (68/113) và xác suất doanh không rơi vào kiệt quệ là 77.00% (107/139).
Cuối cùng là mơ hình DIS3, tương tự như mơ hình DIS3 khi sử dụng Log của các biến RAT, SIZ và AGE, kết quả cho thấy biến đòn bẩy tài chính (LEV) và các biến cịn lại gần như khơng có ý nghĩa, chỉ duy nhất xuất hiện biến Lợi nhuận hoạt động (OPRO) có tác động ngược chiều với xác suất kiệt quệ tài chính với Sig. =.014. Mơ hình DIS 3 này cũng có R2 thấp nhất là .231 và -2LL cao nhất là 298.986a , và khả năng dự đoán xác suất kiệt quệ thấp nhất là 68.30%, trong đó dự đốn xác suất doanh nghiệp rơi vào kiệt quệ là 63.70% (72/113) và xác suất doanh không rơi vào kiệt quệ là 71.90% (100/139).
Như vậy, cho dù có sử dụng Logarit hay không cho các biến RAT, AGE
và SIZ thì mơ hình DIS1 vẫn là lựa chọn tối ưu với R2 cao nhất, -2LL thấp nhất và khả năng dự đoán xác suất kiệt quệ cao nhất. Đến đây chúng ta khơng cịn nghi ngờ gì về tính bền vững của mơ hình nữa.
3.3 Mơ hình dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam
Như kết quả trong phần 3.1, tác giả đã kiểm định tác động của các yếu tố đến kiệt quệ tài chính của các doanh nghiệp như giá trị thị trường trên giá trị sổ
sách, quy mô doanh nghiệp, tỷ lệ đòn bẩy …. Trong phần này, tác giả sẽ tiến hành xây dựng mơ hình dự báo kiệt quệ tài chính của doanh nghiệp dựa vào các yếu tố
đã được trình bày trong phần 3. Tác giả cũng sử dụng mơ hình được trình bày
trong các phần trên để dự báo kiệt quệ tài chính doanh nghiệp.
1−Pi=β1 + β2 + β3 + β4 + β5 +β6 log( ) + β7 +β8 log( ) + β9 i + β10 +β11 log( ) Trong đó :
- Pi : là xác suất công ty bị kiệt quệ tài chính
Và :
- M/B : Giá trị thị trường trên giá trị sổ sách - RET : Lợi nhuận sau thuế
- VOL : sự biến động giá - OPRO : Lợi nhuận hoạt động - SIZ : quy mô doanh nghiệp - LEV : tỷ số đòn bẩy
- RAT : mức xếp hạng tín nhiệm doanh nghiệp - INV : Đầu tư
- CUA : tính thanh khoản - AGE : tuổi của doanh nghiệp
Khi đó xác suất kiệt quệ tài chính của doanh nghiệp được tính như sau:
Pi = ( / ( ) ( ) ( ))
Doanh nghiệp rơi vào kiệt quệ tài chính nếu P>0.5, và doanh nghiệp khơng bị kiệt quệ tài chính khi P<0.5.
Tác giả sử dụng cơ sở dữ liệu đã thu thập của 252 công ty để xác định các hệ số hồi quy của mơ hình dự báo. Các dữ liệu được tính tốn trên phần mềm Excel và đưa vào hồi quy Binary Logistic trên phần mềm SPSS theo phương pháp đưa tất cả các biến vào mơ hình, kết qua hồi quy như sau:
Bảng 3.5 Kết quả hồi quy kiệt quệ tài chính với tất cả các biến độc lập
Block 1: Method = Enter
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1
Step 65.025 10 .000
Block 65.025 10 .000
Model Summary
Step -2 Log
likelihood
Cox & Snell R Square
Nagelkerke R Square
1 281.634a
.227 .304
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Classification Tablea Observed Predicted DIS1 Percentage Correct 0 1 Step 1 DIS1 0 110 29 79.1 1 47 66 58.4 Overall Percentage 69.8
a. The cut value is ,500
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a MB .003 .012 .050 1 .823 1.003 RET -.001 .001 .626 1 .429 .999 VOL -.012 .036 .115 1 .734 .988 OPRO -.399 1.210 .109 1 .742 .671 LEV 1.545 .777 3.956 1 .047 4.688 INV -.037 .152 .058 1 .810 .964 CUA .326 .724 .203 1 .652 1.386 LOGSIZ -.004 .197 .001 1 .982 .996 LOGRAT -5.068 1.260 16.174 1 .000 .006 LOGAGE -.005 .160 .001 1 .977 .995 Constant 9.092 2.598 12.244 1 .000 8883.122
a. Variable(s) entered on step 1: MB, RET, VOL, OPRO, LEV, INV, CUA, LOGSIZ, LOGRAT, LOGAGE.
Dựa vào Bảng 3.5, ta thấy các biến địn bẩy tài chính (LEV) có tác động cùng chiều rất mạnh đến kiệt quệ tài chính với Sig. = .047 và biến Log(RAT) có
tương quan âm mạnh mẽ đến kiệt quệ tài chính với Sig. = .000. Như vậy, hai biến
LEV và Log(RAT) này có ý nghĩa mạnh trong việc dự báo kiệt quệ tài chính. Các biến cịn lại : giá trị thị trường trên giá trị sổ sách (M/B), Thu nhập sau thuế
(RET), biến động giá (VOL), lợi nhuận hoạt động (OPRO), đầu tư (INV), tính thanh khoản (CUA), quy mơ cơng ty (Log(SIZ)) và tuổi của cơng ty (Log(AGE)) có Sig. rất cao, khơng có ý nghĩa thống kê trong mơ hình.
Tuy nhiên, trong Bảng 3.3 và 3.4, khi tác giả loại biến RAT ra khỏi mơ hình, trong cả hai trường hợp có và khơng sử dụng Logarit của các biến AGE,
kết quả có mức giải thích R2 thấp nhất, -2LL cao nhất và khả năng dự đốn là kém chính xác nhất. Vì vậy, sau khi loại các biến không cần thiết ra khỏi mơ hình, tác giả muốn giữ lại biến OPRO cùng với hai biến có ý nghĩa là địn bẩy tài chính và xếp hạng tín nhiệm để kiểm tra, kết quả cho thấy như sau :
Bảng 3.6 Kết quả hồi quy kiệt quệ tài chính với các biến LEV, OPRO và Log(RAT)
Block 1: Method = Enter
Omnibus Tests of Model Coefficients
Chi-square df Sig. Step 1 Step 62.922 3 .000 Block 62.922 3 .000 Model 62.922 3 .000 Model Summary Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 283.736a
.221 .296
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.
Classification Tablea Observed Predicted DIS1 Percentage Correct 0 1 Step 1 DIS1 0 110 29 79.1 1 48 65 57.5 Overall Percentage 69.4
a. The cut value is .500
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a
OPRO -.460 1.326 .120 1 .728 .631
LEV 1.639 .739 4.911 1 .027 5.149
LOGRAT -5.187 1.099 22.277 1 .000 .006
Constant 9.421 2.155 19.105 1 .000 12339.904
a. Variable(s) entered on step 1: OPRO, LEV, LOGRAT.
Bảng 3.6 cho thấy, khi chạy mơ hình với biến Lợi nhuận hoạt động (OPRO) cùng với 2 biến có ý nghĩa là LEV và Log(RAT), kết quả cho thấy biến OPRO với Sig.=.728, q cao nên khơng có ý nghĩa thống kê trong mơ hình. Mặc
tương đương với kết quả mơ hình khi chạy đầy đủ các biến độc lập. Kết quả dự đoán xác suất kiệt quệ của doanh nghiệp cũng khá cao 69.40%, trong đó dự đốn
xác suất doanh nghiệp rơi vào kiệt quệ là 57.50% (65/113) và xác suất doanh
không rơi vào kiệt quệ là 79.10% (110/139).
Như vậy, sau khi kiểm tra, biến Lợi nhuận thu nhập (OPRO) cũng khơng
có ý nghĩa thông kê trong mô hình. Mơ hình hiện tại, sau khi loại bỏ các biến không cần thiết, chỉ còn biến đòn bẩy tài chính (LEV) và xếp hạn tín nhiệm (Log(RAT)), sẽ cho kết quả như sau :
Bảng 3.7 Kết quả hồi quy kiệt quệ tài chính sau khi loại các biến không cần thiết không cần thiết
Block 1: Method = Enter
Omnibus Tests of Model Coefficients
Chi-square df Sig. Step 1 Step 62.767 2 .000 Block 62.767 2 .000 Model 62.767 2 .000 Model Summary Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 283.892a
.220 .295
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Classification Tablea Observed Predicted DIS1 Percentage Correct 0 1 Step 1 DIS1 0 111 28 79.9 1 49 64 56.6 Overall Percentage 69.4
a. The cut value is ,500
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a
LEV 1.731 .695 6.207 1 .013 5.646
LOGRAT -5.375 .974 30.438 1 .000 .005
Constant 9.716 2.007 23.436 1 .000 16576.472
Tỷ số đòn bẩy (LEV) có tác động cùng chiều đến khả năng kiệt quệ tài
chính. Tỷ số đòn bẩy càng cao, tức là doanh nghiệp sử dụng nợ càng nhiều thì khả
năng xảy ra kiệt quệ tài chính của doanh nghiệp càng cao. Điều này phù hợp với
nghiên cứu của Ulrich Kaiser (2001), doanh nghiệp sẽ dễ dàng tiếp cận với các nguồn vốn vay bên ngoài hơn, tức là doanh nghiệp dễ dàng vay nợ nhiều hơn, do
đó doanh nghiệp có nhiều khả năng bị kiệt quệ hơn. Đồng thời, xếp hạng tín
nhiệm có tác động ngược chiều mạnh mẽ đến khả năng kiệt quệ tài chính, nghĩa là doanh nghiệp được đánh giá tín nhiệm càng cao thì khả năng xảy ra kiệt quệ càng thấp.
Như vậy xác suất kiệt quệ của doanh nghiệp được tính như sau :
Pi = ( . . . ( ))
Mơ hình có R2 khá cao, đạt mức .295 và -2LL khá thấp đạt 283.892a cho thấy mơ hình là phù hợp. Kết quả trong Bảng 3.7 cho thấy, đối với cơng ty được cho là có xảy ra kiệt quệ tài chính, mơ hình dự báo được 64/113 trường hợp, đạt mức dự báo 56.60%. Đối với công ty khơng xảy ra kiệt quệ tài chính, mơ hình dự
báo đúng được 111/139 trường hợp, đạt mức dự báo 79.90%. Từ đó ta tính được
tỷ lệ dự đốn đúng của mơ hình là 69.40%, một mức khá cao và có thể chấp nhận.
Bảng 3.8 Mơ phỏng xác suất kiệt quệ theo tác động biên của từng yếu tố