Chƣơng 2 : CƠ SỞ LÝ LUẬN VÀ PHƢƠNG PHÁP NGHIÊN CỨU
2.7 Phương pháp nghiên cứu saiphạm BCTC ngành Xây dựng
2.7.5 Phương pháp nghiên cứu
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.
Bước 1: Sử dụng mơ hình logistic để tìm ra những biến độc lập thực sự ảnh hưởng đến biến phụ thuộc trong mơ hình.
Xét mơ hình:
Yi = β0 + β1X1i + Ui Trong đó:
X1 – biến độc lập
Y – biến ngẫu nhiên rời rạc có thể nhận giá trị 0 hoặc 1
Gọi pi = P (Y=1|X1i) là xác suất để Y=1 với điều kiện X = X1i; 1-pi = P (Y=0|X1i). Suy ra, Yi phân bố A(pi)
Giả thiết E(ui) = 0, khi đó E(Yi) = pi = β0 + β1X1itức mơ hình trở thành mơ hình xác suất tuyến tính.
Vì các xác suất chỉ được giới hạn từ 0 đến 1: 0 ≤ pi ≤ 1 nên 0 ≤ E(Y|X1i) ≤ 1 Đối với mơ hình hồi quy, các yếu tố ngẫu nhiên trong mơ hình cần thỏa mãn đồng thời các giả thiết:
GVHD: Nguyễn Minh Nhật 29 SVTH: Lê Diễm My
E(ui) = 0 ∀i
Cov(ui,uj) = 0 ∀i ≠j
Var(ui)=σ2 ∀i
Tuy nhiên mơ hình đang xét, xuất hiện những nhược điểm như sau: (1) phương sai không đồng đều, (2) u không phân bố chuẩn, (3) Yi thể nằm ngoài (0;1), và (4) R2 thấp. Bởi vậy, phương pháp OLS là khơng phù hợp, ta chọn mơ hình Logit thích hợp hơn để khắc phục những nhược điểm này.
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) Sau khi thành lập mơ hình (1), ta tiến hành ước lượng mơ hình bằng phần mềm STATA 13 để xác định những biến có ý nghĩa trong mơ hình với mức ý nghĩa 10%.
Theo tác giả Igor Pustylnick (2009) mơ hình M-score là một cơng cụ rất tốt để bước đầu phát hiện gian lận trong báo cáo tài chính. Tuy nhiên, cũng phải thừa nhận rằng tính chính xác của phát hiện gian lận bằng cách sử dụng M-Score là khoảng50%.
Bước 2: Xây dựng mơ hình M-score phù hợp.
Kết thúc bước 1, ta có những biến ảnh hưởng đến xác suất sai phạm ngành xây dựng Việt Nam, đưa các biến này với mơ hình mới, mơ hình (2). Sau đó ước lượng mơ hình (2) để kiểm tra về độ giải thích của các biến trong mơ hình.
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 độ chính xác của mơ hình thơng qua số liệu 2016
Sau bước 2, Cơng ty có M nằm trong ngưỡng được nhận diện là sai phạm. Đồng thời trong bước này ta kiểm tra về tính chính xác của mơ hình với số liệu năm 2016. Các kết quả có thể có khi so sánh kết quả từ mơ hình với kết quả kiểm tốn là:
- Mơ hình xác định có sai phạm, kiểm tốn xác định có sai phạm dựbáo đúng.
- Mơ hình xác định khơng sai phạm, kiểm tốn xác định khơng sai phạm dự báo
đúng.
- Mơ hình xác định có sai phạm, kiểm tốn xác định khơng sai phạm dự báo
sai: nhận diện nhầm saiphạm.
GVHD: Nguyễn Minh Nhật 30 SVTH: Lê Diễm My sai: nhận diện thiếu saiphạm.
Theo 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.
Bảng 2.3: Phân loại sai lầm loại 1 và sai lầm loại 2
Kết quả kiểm tốn
Có sai phạm Khơng sai phạm
Dự báo
Có sai phạm Dự báo đúng có sai phạm
(1)
Dự báo sai có sai phạm (Sai lầm loại 1)
(2)
Không sai phạm Dự báo sai khơng có sai
phạm (Sai lầm loại 2) (3) Dự báo đúng không sai phạm (4) Độ chính xác của dự báo 1/(1+3) 4/(2+4) Tổng độ chính xác (1+4)/tổng số quan sát
Nguồn: Dựa trên Giáo trình Lý thuyết Xác suất Thống kê- ĐH Kinh tế Quốc dân
Tính giá trị các giá trị phân loại M-score tương ứng tại các xác suất dự báo 1%, 5%, 10%, 15%, 20%. miền phân phối bên trái bằng hàm Normsinv trong phần mềm excel tađược:
Xác suất dự báo Giá trị phân loạiM-score
1% -2.32635
5% -1.64485
10% -1.28155
15% -1.03643
20% -0.84162
Nguồn: Tính tốn của tác giả bằng phần mềm Excel
Sau khi kiểm tra độ chính xác của mơ hình tại tất ngưỡng 1% - 20%. Đây là kết quả cuối cùng của mơ hình. Đồng thời với cách kiểm tra này, ta cũng xác định được tính chính xác của mơ hình với dữ liệu 2016.
GVHD: Nguyễn Minh Nhật 31 SVTH: Lê Diễm My
Hình 2.2: Sơ đồ mơ hình nghiên cứu 1
GMI SGI SGAI DSRI TATA DA M-score H1(+) = H4(+) H3(-) H2(+) = H5(+) = H6(+) =
GVHD: Nguyễn Minh Nhật 32 SVTH: Lê Diễm My
Chƣơng 3: THỰC TRẠNG GIAN LẬN TRONG BÁO CÁO TÀI CHÍNH CỦA CÁC CƠNG TYXÂY DỰNG NIÊM YẾT TRÊN THỊ TRƢỜNG CHỨNG
KHOÁN VIỆT NAM