CHƯƠNG 3: ĐÁNH GIÁ TÁC ĐỘNG CỦA QUẢN TRỊ VỐN LƯU ĐỘNG TỚI KHẢ NĂNG SINH LỜI CỦA DOANH NGHIỆP NGÀNH THÉP VIỆT NAM
3.5. Kết quả nghiên cứu
3.5.1. Phân tích thống kê mô tả
Bảng 3.11: Thống kê mô tả các biến trong mô hình Tên biến Số quan sát Giá trị trung
bình
Độ lệch chuẩn
Giá trị nhỏ nhất
Giá trị lớn nhất
ROE 115 3,742783 51,6181 -370,48 63,44
ROA 115 3,823478 7,30131 -26,57 25,45
ICP 115 35,52174 25,51276 8 117
RCP 115 85,47826 94,092 3 667
APP 115 33,33043 33,25967 1 222
DAR 115 61,32843 17,63156 18,59 112
CR 115 1,365652 0,687958 0,24 4,87
SIZE 115 6,44675 0,7502628 4,31971 7,954814
Nguồn: kết quả từ phần mềm Stata 14 Qua bảng trên, chỉ tiêu ROE cho thấy giá trị trung bình là khoảng 3,74%, tương đối thấp so với các nhóm ngành khác. Với ROE thấp như vậy phần nào được phản ánh độ lệch chuẩn là 51,6181% với giá trị nhỏ nhất là -370,48% (của công ty thép DANA Ý (DNY) vào năm 2019) và giá trị lớn nhất là 63,44% (của Công ty đầu tư thương mại SMC (SMC) trong năm 2016). Bên cạnh đó, biến phụ thuộc ROA cũng cho thấy giá trị trung bình khá thấp trong khoảng 3,823%. ROA cao nhất trong bảng số liệu thu thập được là 25,45% thuộc về công ty Kim Khí (KKC) từ năm 2016 và công ty thép DANA Ý (DNY) với giá trị nhỏ nhất là -26,57% trong năm 2020 gần nhất. Nhìn tổng quát, với thực trạng của các DN ngành thép khi cạnh tranh khốc liệt tìm kiếm thị phần thì sẽ có những công ty lựa chọn mô hình HĐKD hiệu quả sẽ có KNSL tốt hơn so với những công ty khác trong cùng ngành.
Với biến độc lập ICP ghi nhận kỳ luân chuyển lớn nhất và nhỏ nhất lần lượt là 117 ngày và 8 ngày. Kỳ luân chuyển trung bình về HTK xấp xỉ khoảng 35 ngày, đây là con số chấp nhận được với ngành công nghiệp nặng như thép. Với lượng lớn tiêu thụ và sản xuất trong năm và theo thống kê từ mô hình thì trung bình 1 tháng các DN thép quay vòng được lượng HTK để mang tiêu thụ ra ngoài thị trường.
46
Biến tiếp theo được thống kê là RCP với giá trị trung bình là 85,47 ngày, giá trị lớn nhất và giá trị nhỏ nhất được ghi nhận lần lượt là 667 ngày và 3 ngày với thấy độ chênh lệch lớn. Điều này cho thấy, mỗi một DN trong ngành thép theo đuổi riêng cho mình những chính sách tín dụng khác nhau. Với những DN áp dụng chính sách TDTM nới lỏng cho phép khách hàng chiếm dụng vốn của DN nhằm thu hút thêm nhiều khách hàng, từ đó đẩy mạnh doanh thu. Tuy vậy, nếu như khả năng thu hồi nợ của DN không thực sự hiệu quả sẽ dẫn đến hậu quả DN bị thiếu vốn và ảnh hưởng tới khả năng mở rộng SXKD.
Biến độc lập tiếp theo trong mô hình là APP ghi nhận giá trị trung bình là 33,33 ngày, cùng với đó là kỳ thanh toán lớn nhất và nhỏ nhất lần lượt là 222 ngày và 1 ngày. Kỳ thanh toán bình quân phản ánh phần nào khả năng chiếm dụng vốn bên ngoài của DN. Nhìn chung tổng thể DN ngành thép, khả năng chiếm dụng của toàn ngành ở con số hợp lý. Một DN trong năm làm ăn tốt và tận dụng được khoản vốn ở bên ngoài trong thời gian dài thì sẽ có cho mình nguồn vốn dồi dào cũng như tiết kiệm được khoản khấu trừ thuế thu nhập DN từ chi phí lãi vay.
Ngoài ra theo mô hình đã thống kê, các biến kiểm soát như DAR ghi nhận tỷ trọng trung bình của ngành ở mức 61,328%, đây là tỷ lệ phù hợp theo kết cấu của một DN (thường sẽ là 60%). Bên cạnh đó, biến CR được thống kê giá trị trung bình là khoảng 1,365. Điều này chứng tỏ tính lỏng của tài sản ngắn hạn DN ngành thép là tốt.
Giá trị lớn nhất của CR được quan sát là 4,87 mặc dù được cho là tình hình tài chính tốt nhưng lại mất cân đối khi VLĐ dành vào tà sản ngắn hạn quá nhiều làm gi hiệu quả sử dụng vốn của DN. Biến cuối cùng được áp dụng vào biến kiểm soát trong mô hình là SIZE. Quy mô DN có giá trị trung bình là 6,44675 lần, giá trị lớn nhất là 7,954814 lần, giá trị nhỏ nhất là 4,31971 lần và độ lệch chuẩn là 0,7502628 lần.
3.5.2. Ph n tích tương uan Correlation giữa các biến
Để kiểm định sự tương quan giữa các biến trong mô hình, tác giả đưa 1 biến ROE và 6 biến giải thích để chạy kiểm định Correlation and Covariances. Nếu sự tương quan của các biến trong mô hình nhỏ hơn 80% (0,8) thì mô hình không có sự tương quan chéo. Ngược lại, các dữ liệu trong bảng lớn hơn 80% (0,8) thì mô hình có sự tương quan lớn.
47
Bảng 3.12: Kết quả kiểm định sự tương quan Correlation giữa biến số
Nguồn: kết quả từ phần mềm Stata 14
Với biến ROE ta thấy có mối tương quan dương với các biến ROA, RCP, CR và SIZE lần lượt là 0,7396; 0,0079; 0,1858 và 0,4189. Trong khi đó, các biến còn lại trong mô hình thể hiện mối tương quan ngược chiều với ICP là -0,8030; APP là - 0,7466; DAR là -0,4024. Đối với ROA thể hiện mối tương quan âm với các biến RCP -0,2849; ICP -0,4954; APP -0,5563; DAR -0,5907. Còn lại các biến CR và SIZE thể hiện mối tương quan cùng chiều. Trong mối tương quan của RCP trong mô hình, ta thấy ICP, CR và SIZE thể hiện mối tương quan ngược chiều lần lượt với -0,0938; - 0,1312 và -0,1312. Còn lại các biến APP và DAR thể hiện mối tương quan cùng chiều.
Tiếp theo với biến ICP, với mối tương quan âm giữa CR là -0,1734 và SIZE là - 0,3283. APP và DAR thể hiện mối tương quan cùng chiều. Tuy nhiên APP và ICP thể hiện mối tương quan tương quan tương đối lớn là 0,8319 (>80%) và đây là hạn chế ở trong mô hình này. Nhìn chung, các biến còn lại trong mô hình đều thể hiện mối tương quan < 80% nên mô hình tiếp tục được sử dụng. Giải thích tương tự như trên giữa mối tương quan còn lại của APP, DAR, CR và SIZE đều chưa gây ra hiện tượng tương quan chéo trong mô hình.
3.5.3. Phân tích kết quả hồi quy
3.5.3.1. Phân tích kết quả hồi quy mô hình với biến phụ thuộc ROE
ROE ROA RCP ICP APP DAR CR SIZE
ROE 1,0000
ROA 0,7396 1,0000
RCP 0,0079 -0,2849 1,0000
ICP -0,8030 -0,4954 -0,0938 1,0000
APP -0,7466 -0,5563 0,0825 0,8319 1,0000
DAR -0,4024 -0,5907 0,2910 0,3058 0,5260 1,0000
CR 0,1858 0,4052 -0,1312 -0,1734 -0,3586 -0,7722 1,0000
SIZE 0,4189 0,2939 -0,1772 -0,3283 -0,2842 0,0859 -0,3441 1,0000
48
Để phân tích và đo lường kết quả hồi quy giữa quản trị VLĐ và KNSL, tác giả sử dụng phần mềm Stata 14 hồi quy lần lượt mô hình OLS, mô hình REM và FEM.
Kết quả 3 mô hình được tóm tắt ở bảng 3.13 dưới đây. Mô hình OLS với số quan sát 115 ra R-squared = 0,822 cho thấy các biến trong mô hình giải thích 82,2% sự thay đổi của ROE, có thể cho thấy hiện tại đang là ước lượng phù hợp. Kết quả kiểm đinh lại cho thấy Prob>chi2 = 0,000 và nhỏ hơn 5% (0,005) và mô hình phù hợp với đề tài.
Bảng 3.13: Kết quả hồi quy về mối quan hệ giữa quản trị VLĐ và KNSL theo biến phụ thuộc ROE
Biến số (1)
Giá trị (2)
OLS (3) REM (4) FEM (5) ROBUST
FEM (6) RCP Coef
0,114 0,114 0,353 0,353
P-
value 0,47 0,47 0,152 0,252
ICP Coef -0,430*** -0,430*** -0,439*** -0,439***
P-
value 0,000 0,000 0,000 0,011
APP Coef -0,181 -0,181 -0,541** -0,541*
P-
value 0,341 0,341 0,033 0,066
DAR Coef -0,721** -0,721** -0,649* -0,649
P-
value 0,020 0,020 0,091 0,177
CR Coef -6,471 -6,471 -5,867 -5,867
P-
value 0,381 0,381 0,460 0,419
SIZE Coef 16,95*** 16,95*** 22,74 22,74
P-
value 0,007 0,007 0,173 0,382
49 Hệ số
chặn
Coef -13,81 -13,81 -52,07 -52,07
P-
value 0,797 0,797 0,640 0,736
Số quan sát 115 115 115 115
R-Squared 0,822 0,817 0,822 0,822
Prob >chi2 0,0000 0,0000 0,0000 0,0000
Nguồn: kết quả từ phần mềm Stata 14
*: có ý nghĩa thống kê ở mức 10%
**: có ý nghĩa thống kê ở mức 5%
***: có ý nghĩa thống kê ở mức 1%
Đối với dữ liệu bảng, những đề tài trước đây hầu hết sử dụng mô hinh FEM và REM để hồi quy giải thích các biến giải thích tới biến phụ thuộc. Để thực hiện lựa chọn 1 trong 2 mô hình có giải thích được mối tương quan giữa ROE và biến giải thích, tác giả sử dụng kiểm định Hausman với 2 giả thuyết được trình bày ở bảng 3.14.
Sau khi chạy kiểm định Hausman, phần mềm cho ra kết quả Prob > chi2 = 0,0000 và <
5% nên mô hình FEM được cho là phù hợp hơn so với mô hình REM.
Bảng 3.14: Giả thuyết và kết quả kiểm định Hausman
Giả thuyết Kết quả Kết luận
Chọn mô hình REM: Nếu Prob > chi2 >5%
Prob > chi2 = 0,0000 Lựa chọn mô hình FEM
Chọn mô hình FEM: Nếu Prob > chi2 <5%
Nguồn: kết quả từ phần mềm Stata 14 Với mô hình FEM được lựa chọn, tác giả tiếp tục sử dụng kiểm định F-test nhằm lựa chọn 1 trong 2 mô hình là OLS hay FEM. Sau khi chạy kiểm định với 2 giả thuyết được trình bày ở bảng 3.15, kết quả cho thấy giá trị p của F-test với Prob>F = 0,0000 và <5% nên mô hình FEM tiếp tục được cho là phù hợp hơn so với OLS.
50
Bảng 3.15: Giả thuyết và kết quả kiểm định F-test
Giả thuyết Kết quả Kết luận
Chọn mô hình OLS: Nếu Prob > F >5%
Prob > F = 0,0000 Lựa chọn mô hình FEM
Chọn mô hình FEM: Nếu Prob > F <5%
Nguồn: kết quả từ phần mềm Stata 14 Sau khi quyết định lựa chọn mô hình FEM làm ước lượng cho các biến của đề tài, tác giả kiểm tra sự tự tương quan và phương sai sai số thay đổi giữa các biến với nhau. Và với kết quả cùng giả thuyết dưới bảng 3.16 ta có thể kết luận mô hình có sự tự tương quan giữa các biến số. Bên cạnh đó, kết quả kiểm định phương sai sai số thay đổi giữa ROE và các biến còn lại trong mô hình với giả thuyết Prob >chi2 < 5%. Điều này nào thấy mô hình có phương sai sai số thay đổi.
Bảng 3.16: Giả thuyết và kiểm định sự khuyết tật của mô hình FEM Kiểm định sự tự tương
quan
Kiểm định phương sai sai số thay đổi
Giả thuyết Mô hình có sự tự tương quan: Prob > F < 5%
Mô hình có phương sai sai số thay đổi: Prob > chi2 <
5%
Mô hình không có sự tự tương quan: Prob > F > 5%
Mô hình không có phương sai sai số thay đổi: Prob
>chi2 > 5%
Kết quả Prob > F = 0,000 Prob > F = 0,000 Kết luận Mô hình có sự tự tương
quan
Mô hình có phương sai sai số thay đổi
Nguồn: kết quả từ phần mềm Stata 14
Để mô hình FEM tin cậy và thuyết phục hơn, tác giả sử dụng k thuật sai số chuẩn mạnh Robust Standard Errors. Sau khi khắc phục được những khuyết tật, kết quả được hiển thị ở cột (6) bảng 3.13 với 2 biến ICP và APP có tác động tới biến phụ thuộc. Với biến ICP ra kết quả p-value là 0,011 và coef -0,439***, điều này cho thấy
51
ICP có tác động ngược chiều và giải thích cho sự thay đổi 43,9% tới ROE và có ý nghĩa thống kê 5%. Bên cạnh đó, biến APP cũng thể hiện tác động ngược chiều với ROE khi giá trị p-value 0,066 và coef -0,0541*, thể hiện ý nghĩa thống kê 10% và giải thích cho sự thay đổi 5,41% với biến phụ thuộc. Còn lại các biến còn lại không giải thích được cho mô hình.
3.5.3.2. Phân tích kết quả hồi quy mô hình với biến phụ thuộc ROA
Để củng cố đề tài, nhằm đánh giá tối ưu nhất việc quản trị VLĐ tới KNSL của DN thép trên TTCK Việt Nam, tác giả lựa chọn hồi quy mô hình với biến phụ thuộc ROA. Vẫn trên phần mềm Stata 14, mô hình OLS, mô hình REM và FEM tiếp tục được sử dụng hồi quy theo biến phụ thuộc khác mô hình trên. Với mô hình OLS, phần mềm cho ra kết quả ở cột (3) bảng 3.17 R-squared là 0,3514 cho thấy các biến trong mô hình giải thích 35,14% sự thay đổi của ROA. Trong khi đó, Prob>chi2 = 0,000 và nhỏ hơn 5% (0,005) dẫn đến ước lượng OLS là phù hợp với mô hình.
Bảng 3.17: Kết quả hồi quy về mối quan hệ giữa quản trị VLĐ và KNSL theo biến phụ thuộc ROA
Biến số (1)
Giá trị (2)
OLS (3) FEM (4) REM (5) GLS (6)
RCP Coef
-0,0438* -0,0785 -0,0438* -0,0460*
P-
value 0,061 0,225 0,061 0,072
ICP Coef -0,0262** -0,0497* -0,0262** -0,0226*
P-
value 0,000 0,072 0,014 0,052
APP Coef
0,014 -0,00596 0,0106 0,0000721
P-
value 0,745 0,928 0,745 0,998
DAR Coef -0,167*** -0,178* -0,167*** -0,165***
52
Nguồn: kết quả từ phần mềm Stata 14 Chú thích:
*: có ý nghĩa thống kê ở mức 10%
**: có ý nghĩa thống kê ở mức 5%
***: có ý nghĩa thống kê ở mức 1%
Tương tự với trường hợp biến ROA, tác giả tiếp tục một lần nữa sử dụng kiểm định Hausman nhằm lựa chọn giữa 2 mô hình FEM và REM nhằm đưa ra mô hình phù hợp. Kết quả kiểm định được tổng kết ở bảng 3.18 với những giả thuyết được đặt ra, tác giả đưa ra mô hình REM sẽ là mô hình được lựa chọn. Kết quả chi tiết kiểm định Hausman sẽ được trình bày ở phần phụ lục.
Bảng 3.18: Giả thuyết và kết quả kiểm định Hausman
Giả thuyết Kết quả Kết luận
Chọn mô hình REM: Nếu Prob > chi2 >5%
Prob > chi2 = 0,5226 Lựa chọn mô hình REM
Chọn mô hình FEM: Nếu Prob > chi2 <5%
Nguồn: kết quả từ phần mềm Stata 14 P-
value 0,002 0,077 0,002 0,002
CR Coef 1,227 0,802 1,227 0,846
P-
value 0,349 0,700 0,349 0,505
SIZE Coef 2,386*** -2,536 2,386*** 2,294**
P-
value 0,007 0,561 0,007 0,022
Hệ số chặn
Coef 0,474 37,25 0,474 1,883
P-
value 0,995 0,204 0,995 0,832
Số quan sát 115 115 115 115
R-Squared 0,3154 0,3382 0,3154
Prob >chi2 0,0000 0,0000 0,0000 0,0000
53
Sau đó, tác giả sẽ kiểm định những khuyết tật trong mô hình nhằm phát hiện xem liệu mô hình có sự tự tương quan hay có phương sai sai số thay đổi hay không.
Và với kết quả cùng giả thuyết dưới bảng 3.20 Với Prob > F = 0,0000 và nhỏ hơn 5%, ta có thể kết luận mô hình có sự tự tương quan giữa các biến số. Bên cạnh đó, kết quả cho thấy mô hình không có phương sai sai số thay đổi với giả thuyết Prob >chi2 > 5%.
Bảng 3.20: Giả thuyết và kiểm định sự khuyết tật của mô hình REM Kiểm định sự tự tương
quan
Kiểm định phương sai sai số thay đổi
Giả thuyết Mô hình có sự tự tương quan: Prob >F < 5%
Mô hình có phương sai sai số thay đổi: Prob > chi2 <
5%
Mô hình không có sự tự tương quan: Prob > F > 5%
Mô hình không có phương sai sai số thay đổi: Prob
>chi2 > 5%
Kết quả Prob > F = 0,000 Prob > F = 0,4808 Kết luận Mô hình có sự tự tương
quan
Mô hình không có phương sai sai số thay đổi Nguồn: kết quả từ phần mềm Stata 14 Sau khi kiểm định sự khuyết tật trong mô hình REM, tác giả nhận thấy mô hình có sự tự tương quan. Do vậy, tác giả sử dụng mô hình GLS để đảm bảo ước lượng đáng tin cậy. Sau khi khắc phục được sự tự tương quan, kết quả mô hình được hiển thị ở cột (6) bảng 3.17 với tất cả 3 biến có tác động tới ROA gồm ICP, RCP, DAR. Trong khi ICP ra kết quả p-value là 0,052 và coef -0,026* điều này cho thấy ICP giải thích cho sự thay đổi 2,6% tới ROA và có ý nghĩa thống kê 10% trong mô hình. Bên cạnh đó, biến RCP cũng thể hiện quan hệ nghịch với ROA khi giá trị p-value 0,072 và coef -0,0460* thể hiện ý nghĩa thống kê 10% và giải thích cho sự thay đổi 4,6% đối với biến phụ thộc. Biến DAR cũng có mối quan hệ nghịch với ROA khi coef -0,165*** và p-value 0,002, giải thích cho sự thay đổi 16,5% tới biến phụ thuộc và thể hiện ý nghĩa thống kê 1%. Biến SIZE tỷ lệ thuận với KNSL với coef 2,294*** và p-value 0,002 cho ý nghĩa thống kê 1%. Còn lại các biến còn lại không giải thích được cho mô hình.