Chƣơng 2 : CƠ SỞ LÝ LUẬN VÀ PHƢƠNG PHÁP NGHIÊN CỨU
3.5 Thực trạng thu thậpsố liệu ngành xây dựng Việt nam năm 2013-2015
Bảng 3.1: Kết quả chọn mẫu
GIẢI THÍCH SỐ LƢỢNG 3 NĂM %
(+) Số lượng công ty niêm yết trên sàn
HOSE 39 27%
(+) Số lượng công ty niêm yết trên sàn HNX 93 65%
(-) Số lượng công ty không đủ dữ liệu bị
Loại khỏi mẫu 12 8%
Tổng số công ty được quan sát 120 92%
Tính đến thời điểm 30/3/2017, trên hai sàn giao dịch HOSE và HNX có 44 cơng ty xây dựng có cổ phiếu niêm yết. Nghiên cứu sử dụng số liệu trước kiểm toán năm 2013- 2015 và số liệu sau kiểm toán từ 2012 đến 2014. Tổng thể quan sát là 132 công ty, loại khỏi mẫu là 12 công ty khơng đủ điều kiện. Trong đó số lượng cơng ty trên sàn HNX chiếm 65% và trên sàn HOSE chỉ 27%. Bên cạnh đó số lượng cơng ty khơng đủ dữ liệu bị loại khỏi mẫu là 8%. Tổng số mẫu mơ hình là 120 trong 3 năm của 44 công ty ngành xây dựng.
27%
65% 8%
Mẫu Nghiên Cứu
GVHD: Nguyễn Minh Nhật 42 SVTH: Lê Diễm My
Chƣơng 4: KẾT QUẢ NGHIÊN CỨU VỀ NHẬN DIỆN GIAN LẬN TRONG BÁO CÁO TÀI CHÍNH CỦA CÁC CƠNG TY NIÊM YẾT TRÊN THỊ
TRƢỜNG CHỨNG KHOÁN VIỆT NAM.
4.1 Thống kê môtả
Mẫu bao gồm 120 quan sát của 40 công ty được niêm yết trên hai sàn chứng khốn Hồ Chí Minh và Hà Nội trong bốn năm 2012-2015, được chia làm 2 nhóm: nhóm (1) có báo cáo tài chính trước kiểm tốn từ 2013- 2015 nhóm (2) là nhóm có báo cáo tài chính sau kiểm tốn từ 2012- 2014.
Hình4.1: Thống kê mẫu theo sàn
(Nguồn: Số liệu điều tra của tác giả, năm 2016)
Hình 4.1 cho ta thấy số lượng công ty thuộc sàn HNX chiếmtỷ trọng lớn trong mẫu với 93 cơng ty (70%), bên cạnh đósàn HOSE chiếm tỷ trọng 39 cơng ty (30%).
Bảng 4.1 Thể hiện kết quả thống kê mô tả, bao gồm các giá trị nhỏ nhất, lớn nhất, trung bình, và độ lệch chuẩn của 6 biến quan sát.
Variable Trung bình Độ lệch chuẩn Nhỏ nhất Lớn nhất GMI 1,070833 1,126376 -2,64 9,76 SGI 1,067333 0,486826 0,19 3,38 SGAI 1,085083 0,8791497 -0,69 9,5 DSRI 0,84925 0,5947885 0 3,88 TATA 0,5805833 0,4518464 -0,05 1,8 DA 0,0485 0,5281674 -1,51 3,27 HOSE 30% HNX 70%
GVHD: Nguyễn Minh Nhật 43 SVTH: Lê Diễm My
(Nguồn: Tính tốn của tác giả từ phần mềm STATA 13)
4.1.1 GMI- Tỷ số lãi gộp (Gross Margin Index)
Hình4.2: Đồ thị GMI- Tỷ số lãi gộp
(Nguồn: Tính tốn của tác giả từ phần mềm STATA 13)
Biến GMI- Tỷ số lãi gộp có giá trị trung bình là 1,070833, giá trị nhỏ nhất là - 2,64 giá trị lớn nhất là 9,76, độ lệch chuẩn là 1,26376, đồ thịphân bổ cho thấy giá trị của biến phân bổ đều hai bên giá trị trungbình.
4.1.2 SGI- Tỷ số tăng trưởng doanh thu bán hàng (Sales Growth Index)
Hình4.3: Đồ thị SGI- Tỷ số tăng trƣởng doanh thu bán hàng
GVHD: Nguyễn Minh Nhật 44 SVTH: Lê Diễm My Biến SGI- Tỷ số tăng trưởng doanh thu bán hàng có giá trị trung bình là 1,067333, giá trị lớn nhất là 3,38, giá trị nhỏ nhất là 0,19, độ lệch chuẩn là 0,486826, giá trị của biến tập trung ở giá trị 1, giá trị lớn nhấtkhiến đồ thì lệch sangtrái.
4.1.3 SGAI- Tỷ số chi phí bán hàng và quản lý doanh nghiệp (Sales, general and administrative expense Index) administrative expense Index)
Hình4.4: Đồ thị SGAI- Tỷ số chi phí bán hàng và quản lý doanh nghiệp
(Nguồn: Tính tốn của tác giả từ phần mềm STATA 13)
Biến SGAI- Tỷ số chi phí bán hàng và quản lý doanh nghiệp có giá trị trung bình là 1,085083, độ lệch chuẩn là 0,8791497, giá trị nhỏ nhất là -0,69,giá trị lớn nhất là 9,5, các giá trị của biến phân bố tương đối quanh giá trị trung bình.
4.1.4 DSRI-Tỷ số phải thu khách hàng trên doanh thu thuần (Days Sales in
Receivables Index)
Hình4.5: Đồ thị DSRI-Tỷ số phải thu khách hàng trên doanh thu thuần
GVHD: Nguyễn Minh Nhật 45 SVTH: Lê Diễm My Biến DSRI- Tỷ số phải thu khách hàng trên doanh thu thuần có giá trị trungbình là 0,84925, giá trị nhỏ nhất là 0, giá trị lớn nhất là 3,88, độ lệch chuẩn là 0,5947885, đồ thị phân bố cho thấy giá trị của biến này giao động trong mức 1 ±0,5, giá trị của biến tập trung ở giá trị 1,giá trị lớn nhấtkhiến đồ thì lệch sangtrái.
4.1.5 TATA- Tỷ số biến dồn tích kế tốn so với tổng tài sản (Total Accruals to Total
Assets)
Hình4.6: Đồ thị TATA- Tỷ số biến dồn tích kế tốn so với tổng tài sản
(Nguồn: Tính tốn của tác giả từ phần mềm STATA 13)
Biến TATA- Tỷ số biến dồn tích kế tốn so với tổng tài sản có biến trung bình là 0,5805833, độ lệch chuẩn là 0,4518464, giá trị nhỏ nhất là -0,05, giá trị lớn nhất là 1,8 các giá trị của biến phân phối giảm về phía phải của đồthị.
GVHD: Nguyễn Minh Nhật 46 SVTH: Lê Diễm My
Hình4.7: Đồ thị DA- Tỷ số biến kế tốn dồn tích có thể điều chỉnh
(Nguồn: Tính tốn của tác giả từ phần mềm STATA 13)
Biến DA- Tỷ số biến kế tốn dồn tích có thể điều chỉnh, biến DA có giá trịtrung bình là 0,0485, độ lệch chuẩn là 0,5281464, giá trị nhỏ nhất là -1,51 giá trị lớn nhất là 3,27. Các giá trị của biến DA phân bố đều hai bên của trung bình biếnsố.
Để xây dựng mơ hình phù hợp và có ý nghĩa ta xem xét mối quan hệ tuyến tính giữa các biến đầu vào tỏng mơ hình.
4.2 Phân tích tương quan
Phân tích tương quan là thước đo độ lớn của các mối liên hệ giữa các biến định lượng trong nghiên cứu. Thông qua thước đo này người nghiên cứu có thể xác định mối liên hệ tuyến tính giữa các biến độc lập, biến phụ thuộc với nhau trong nghiên cứu. Nếu hệ số tương quan khác 0 chứng tỏ các khái niệm nghiên cứu có mối liên hệ thực sự, hệ số tương quan dương phản ánh mối quan hệ cùng chiều và tương quan âm phản ánh mối quan hệ ngược chiều.
Phân tích tương quan giúp sớm nhận diện được các biến có mối quan hệ, có ý nghĩa thống kê với M-core, cũng như nhận biết dấu hiệu của hiện tượng đa cộng tuyến giữa các biến độc lập.
Kết quả phân tích cho thấy M-core mối tương quan có ý nghĩa thống kê với : mối quan hệ tương quan ngược chiều với biến độc lập SGI- biến tỷ số tăng trưởng doanh thu bán hàng và mối quan hệ tương quan cùng chiều với biến độc lậpDA- tỷ số biến kế tốn dồn tích có thể điều chỉnh,với hệ số tương quan lần lượt là -0,1164 và 0,1799 tại mức ý nghĩa 5%.
GVHD: Nguyễn Minh Nhật 47 SVTH: Lê Diễm My
Bảng 4.2 Ma trận hệ số tƣơng quan giữa các biến trong mơ hình Mcore GMI SGI SGAI DSRI TATA DA Mcore 1,0000 GMI 0,1183 1,0000 SGI -0,1164 -0,1313 1,0000 SGAI -0,0385 -0,2335 -0,3028 1,0000 DSRI 0,0045 -0,0250 -0,5324 0,0885 1,0000 TATA -0,1718 0,0154 0,1912 -0,1182 -0,1510 1,0000 DA 0,1799 -0,0512 0,2479 -0,1688 -0,0821 0,0112 1,0000
Nguồn: Kết quả từ phần mềm STATA 13
Bên cạnh mối tương quan giữa biến phụ thuộc và các biến độc lập cịn có sự tương quan giữa các biến độc lập với nhau.
Tại mức ý nghĩa 1%: DA và TATA có tương quan cùng chiều; DA và GMI, DSRI có tương quan ngược chiều. DSRI có tương quan ngược chiều với GMI có tương quan cùng chiều với SGAI, T ATA.
Tại mức ý nghĩa 5%: SGI có quan hệ ngược chiều với SGAI và GMI; SGAI có quan hệ ngược chiều GMI; DSRI có tương quan ngược chiều với SGI, TATA; TATA, DA có tương quan cùng chiều SGI và có tương quan ngược chiều SGAI.
Ma trận hệ số tương quan cho thấy các biến độc lập đưa vào mơ hình khơng có
mối quan hệ tương quan chặt chẽ với nhau.
4.3 Kết quả phân tích hồi quy
Trong phần này, kết quả nghiên cứu được trình bày theo 3 bước tương ứng với phương pháp nghiên cứu đã nêu ở trên:
Bước 1: Lựa chọn những biến có ý nghĩa trong mơ hình.
Bước 2: Xây dựng mơ hình M-score phù hợp dựa trên dữ liệu ngành xây dựng 2013 – 2015.
Bước 3: Ước lượng ngưỡng giá trị phù hợp để phân loại các công ty sai phạm báo cáo tài chính đồng thời xác định tính chính xác của mơ hình qua dữ liệu ngành xây dựng 2016.
GVHD: Nguyễn Minh Nhật 48 SVTH: Lê Diễm My Mơ hình nhận diện sai pham báo cáo tài chính đã được xây dựng như trên gồm có:
- Biến phụ thuộc là biến ngẫu nhiên rời rạc có thể nhận giá trị 1 hoặc 0 tương ứng với có sai phạm và khơng sai phạm báo cáo tài chính.
- 5 biến độc lập dựa trên nghiên cứu M-score của Beneish về nhận diện sai phạm báo cáo tài chính và thêm biến DA để phù hợp với tính hình Việt Nam các chế độ kế tốn cịn lỏng lẻo và các cơng ty ngành xây dựng là các công ty nhỏ hơn so với khu vực.
Mơ hình logistic để nhận diện sai phạm báo cáo tài chính ngành xây dựng Việt Nam - với các biến đã trình bày ở trên, có dạng như sau:
M = β0 +β1(GMI) +β2(SGI) +β3(SGAI) +β4(DSRI) +β5 (TATA) +β6 (DA) (1)
GVHD: Nguyễn Minh Nhật 49 SVTH: Lê Diễm My
Bảng 4.3 Kết quả mơ hình hồi quy logistic (1) Mơ hình
Hệ số Bêta
(Coef) Sai số chuẩn(Std.Err)
Giá trị tstat (z) Mức ý nghĩa (p>IzI) Hằng số 1,168979 1,255699 0,93 0.352 GMI 0,178881 0,2209307 0,81 0,418 SGI -1,108232 0,6775471 -1,64 0,102 SGAI -0,2828698 0,4471667 -0,63 0,527 DSRI -0,4509398 0,4136313 -1,09 0,276 T ATA -0,8145813 0,529683 -1,54 0,124 DA 0,9638427 0,441783 2,18 0,029 Frob >chi2 0.0495 Log likelihood = - 66,993078 Pseudo R2 0.0861
Nguồn: Kết quả từ phần mềm STATA 13
Kết quả chạy hồi quy logistic nhị phân mơ hình (1) trên phần mềm Stata được trình bày ở Bảng 4.3. Theo thơng tin ở Bảng 4.3, kiểm định Chi – bình phương cho thấy độ phù hợp tổng qt của mơ hình, Chi – bình phương = 12,62 với Frob > Chi2 = 0,0495 các yếu tố trong mơ hình có tác động đến khả năng gian lận BCTC . Hệ số Pseudo R2 = 0,0861 có nghĩa là 8,61% biến phụ thuộc được giải thích bởi các biến độc lập trong mơ hình. Mặt khác với Log likehood = -66,993078 không cao lắm và khả năng dự đoán khá cao của mơ hình cho thấy sự phù hợp khá tốt của mơ hình phân tích. Hơn nữa, nhiều yếu tố trong mơ hình ảnh hưởng ở mức có ý nghĩa thống kê.
Kết quả hồi quy của mơ hình cho thấy trong số 6 biến giải thích có biến SGI- tỷ số tăng trưởng doanh số bán hàng, có ý nghĩa thống kê với mức 10% hệ số của biến này lần lượt là -1,108232 và biến DA- tỷ số biến kế tốn dồn tích có thể điều chỉnh có mức ý nghĩa thống kê 5% với hệ số góc 0,9638427. Biến TATA có ý nghĩa thống kê ở mức 15%. Các biến còn lại trong mơ hình của Beneish khơng có ý nghĩa thống kê ở mức 15%.
Tỷ số tăng trưởng doanh số bán hàng, với mức ý nghĩa thống kê 10%, với 2= -1,108232 cũng cho thấy mối tương quan nghịch giữa biến Tỷ số tăng trưởng doanh số bán hàng và khả năng gian lận BCTC. Cho thấy nếu các yếu tố khác không đổi, khitỷ số tăng trưởng doanh số bán hàng sẽ làm giảmkhả năng gian lận BCTC.
GVHD: Nguyễn Minh Nhật 50 SVTH: Lê Diễm My hệ số góc 0,9638427, cho thấy mối tương quan thuận giữa biến tỷ số biến kế tốn dồn tích có thể điều chỉnh và khả năng gian lận BCTC. Khi tỷ số biến kế tốn dồn tích có thể điều chỉnh tăng đồng thời làm khả năng gian lận BCTC củng tăng.
Theo kết quả tính tốn phần trước, các biến trong mơ hình khơng tương quan lẫn nhau. Như vậy ta có thể chấp nhận kết quả những biến có thể giải thích cho M gồm có; SGI, DA; Với các biến này thực hiện hồi quy để xác định mơ hình mới gồm tất cả các biến đều có ý nghĩa giải thích cho mơ hình.
Kết quả của bước 1: các biến được lựa chọn là SGI, DA.
Bước 2: Xây dựng mơ hình M-score phù hợp dựa trên dữ liệu ngành xây dựng 2013 – 2015.
Từ hai biến SGI, DA được xác định có ý nghĩa ở trên, xây dựng mơ hình logistic gồm:
- Biến phụ thuộc là biến giả M nhận giá trị 1 khi có sai phạm và 0 khi khơng có sai phạm.
- Biến độc lập là 2 biến: SGI – tỷ số tăng trưởng doanh số bán hàng, DA – tỷ số biến kế tốn dồn tích có thể điều chỉnh (Discretionary Accruals).
Mơ hình có dạng:
M = β0 +β1(SGI) +β2(DA) (2)
Ước lượng mơ hình (2) bằng phần mềm STATA 13 ta được:
Bảng 4.4 Kết quả mơ hình hồi quy logistic (2)
Mơ hình
Hệ số Bêta
(Coef) Sai số chuẩn(Std.Err)
Giá trị tstat (z) Mức ý nghĩa (p>IzI) Hằng số 1,168979 1,255699 0,93 0.352 SGI -0,9011911 0,5079251 -1,77 0,076 DA 0,9532511 0,4278473 2,23 0,026 Prob >chi2 0.0260 Log likelihood = - 69,654967
Pseudo R2 0.0498
GVHD: Nguyễn Minh Nhật 51 SVTH: Lê Diễm My Kết quả chạy hồi quy logistic nhị phân mơ hình (2) trên phần mềm Stata được trình bày ở Bảng 4.4. Theo thơng tin ở Bảng 4.4, kiểm định Chi – bình phương cho thấy độ phù hợp tổng qt của mơ hình, Chi – bình phương = 7,30 với Prob > Chi2 = 0,0260 các yếu tố trong mơ hình có tác động đến khả năng gian lận BCTC . Hệ số Pseudo R2 = 0,0498 có nghĩa là 4,98% biến phụ thuộc được giải thích bởi các biến độc lập trong mơ hình.Hơn nữa, nhiều yếu tố trong mơ hình ảnh hưởng ở mức có ý nghĩa thống kê.
Kết quả hồi quy của mơ hình cho thấy cả 2 biến đều có ý nghĩa thống kê, SGI có ý nghĩa thống kê với mức 10% với hệ số góc là -0,9011911 và và DA với mứcý nghĩa 5% hệ số góc là 0,9532511. Vì cả mơ hình chứa cả 2 biến đều có ý nghĩa thống kê nên có thể kết luận đây là mơ hình phù hợp để nhận diện sai phạm báo cáo ngành xây dựng niêm yết tại Việt Nam.
Kết quả bước 2: Mơ hình nhận diện sai phạm báo cáo tài chính ngành xây dựng :
M = 0,0229031 – 0,9011911 (SGI) + 0,9532511 (DA) (2)
Hệ số góc của biến SGI bằng – 0,9011911 và có ý nghĩa thống kê ở mức 10%, Đây là biến có hệ số góc trái với kỳ vọng ban đầu. Có nghĩa là tăng trưởng doanh thu tăng thì khả năng sai phạm giảm. Điều này có thể được giải thíchbằng nghiên cứu “Are
Financing Needs a Constraint to Earnings Management? Evidence for Private Portuguese Firms”của José A. C. Moreira (2006). Trong nghiên cứu, Moreira nhận
định rằng có mối qua hệ chặt chẽ giữa
hệthốngkếtoánvàthuế:cácưuđãithuếlàđộngcơkhiếndoanhnghiệpcốý làm giảm doanh thu.
Tuy nhiên động cơ này chỉ xuất hiện trong trường hợp doanh nghiệp khơng có nhu cầu tài chính cao, bởi giảm doanh thu đồng nghĩa cổ phiếu doanh nghiệp giảm sức hấp dẫn trong mắt các nhà đầu tư hay ngân hàng sẽ cân nhắc việc cho vay. Như vậy, lý do khiến tăng trưởng doanh thu nghịch chiều với khả năng gian lận báo cáo tài chính có thể là các doanh nghiệp ngành xây dựng Việt Nam khơng có nhu cầu vốnlớn.
Hệ số góc của biến DA bằng 0,9532511 và có ý nghĩa thống kê ở mức 5%. Điều này phù hợp với kỳ vọng về dấu của hệ số trong mơ hình đã trình bày ở chương trước. Cho thấy hai giả định (1) sự thay đổi do tăng trưởng và (2) sự thay đổi do lựa chọn kế toán của tổ chức phát triển được thỏa mãn thì phần biến kế tốn có thể điều chỉnh (DA) chính là lợi nhuận được điều chỉnh. Như vậy, DA có mối quan hệ thuận chiều với xác suất xảy ra sai phạm báo cáo tài chính.
GVHD: Nguyễn Minh Nhật 52 SVTH: Lê Diễm My Vậy các nhân tố ảnh hưởng đến khả năng sai phạm báo cáo tài chính của cơng ty là:, tỷ lệ tăng trưởng doanh thu – SGI và biến kế tốn có thể điều chỉnh DA. Trong hainhân tố ảnh hưởng, chỉ có biến kế tốn có thể điều chỉnh DA có chiều ảnh hưởng giống như kỳ vọng ban đầu. Còn lại là SGI ảnh hưởng nghịch chiều đến khả năng sai phạm báo cáo tài chính của các cơng ty ngành xây dựng.
Bước 3: Ước lượng ngưỡng giá trị phù hợp để phân loại các công ty sai phạm báo cáo tài chính đồng thời xác định tính chính xác của mơ hình qua dữ liệu ngành xây dựng 2016.
Nghiên cứu gốc, Beneish đã xác định từ 1 - 2,5% miền phân phối bên trái của phân phối chuẩn Mt tương ứng với khả năng sai phạm báo cáo tài chính cao. Tương ứng với tỷ lệ này là giá trị phân loại -1,96 cho tới -2,32. Cơng ty có M nằm trong khoảng này thì được đánh dấu là có dấu hiệu sai phạm và ngược lại.
Bởi vì có sự khác biệt giữa Việt Nam và Mỹ - nơi mơ hình M-score của Beneish (1999) được ra đời nên cần xác định một giá trị ngưỡng mới để phù hợp với thực trạng ngành xây dựng ở Việt Nam.
Vận dụng mơ hình M-score của nghiên cứu “ Nhận diện sai phạm báo cáo tài chính ngành nguyên vật liệu 2015” ở Việt Nam. Ngưỡng xác suất được lựa chọn là 1% đến 20% miền phân phối, ứng với giá trị phân loại(-2.32 ; -0,84). Tại giá trị này độ chính xác của mơ hình là cao nhất cho phép nhận diện chính xác 79,68% báo cáo