Kế thừa mô hình nghiên cứu của Messod D.Beneish - mô hình M-SCORE dé dự đoán khả năng gian lận số liệu trong BCTC và dé kiêm chứng sự phù hợp với mẫu nghiên
cứu của tác giả.
4.1 Thống kê mô tả
Thống kê mô tả biến phụ thuộc M-SCORE
x BCTC không có | BCTC có khả h
Năm mm so TẠ ` saa Tong khả năng gian lận | nang gian lận
2019 400 2020 400
2021 259 141 400
Téng 811 389 1200
67.58% 32.42% 100%
Nguồn: Tác giả tự tính toán Bảng 4.1 Kết quả phân loại BCTC có khả năng gian lận và không có khả năng gian
lận
Chúng ta có thể thấy rằng trong 1200 BCTC được thu thập làm mẫu nghiên cứu thì có 389 BCTC có khả năng xảy ra gian lận chiếm 32.42% và có 811 BCTC không có
khả năng xảy ra gian lận, tỷ lệ là 67.58%. Việc phân loại này đã được tác giả trình bày và có ứng dụng trong thực tại mục 3.3.2.
Thống kê mô tả các biến độc lập
Tiếp theo, tác giả thực hiện thống kê mô tả các biến độc lập đề hiểu rõ hơn về đặc điểm của tập dữ liệu và các biến trong mô hình. Điều này giúp đo lường giá trị trung
bình, độ lệch chuân, giá trị nhỏ nhât và lớn nhât của các biên.
56
Variahle Obs Mean Std. Dev. Min Max
mscore 1,228 V5578176 „49868482 ũ 1
gmi 1,200 1.011464 1.719361 -13.00533 45.81789 aqi 1,200 1.016436 „554086 ũ 19.25659 sgi 1,200 1.221694 2.077639 0 49.81374 depi 1,200 -44.07143 1039.277 -32353.44 2990.526
sgai 1,200 1.113523 1.09137 -14.70745 24.2487 lvgi 1,200 1.172166 4.58898 ũ 158.341
tata 1,200 „01709698 .1296723 -.8114746 ô7323523
dsri 1,200 ằ 1666592 .0855684 „018 .318
Nguồn: Kết quả phân tích từ mau nghiên cứu Bảng 4.2 Bảng kết quả phân tích thống kê mô tả
Từ bảng thống kê các biến cho biết mẫu nghiên cứu là 1200 quan sát, đặc tính của
các biên như sau:
— Biến GMI: giá trị trung bình cho biến này đạt 1.01, doanh nghiệp có hệ số GMI nhỏ nhất là 45.82 và thấp nhất là -13.00. Các doanh nghiệp có chỉ số này > 1 là
những doanh nghiệp có lợi nhuận gộp so với doanh thu giảm so với năm trước đó.
— Biến AQI: giá trị bình quân của 400 doanh nghiệp cho chỉ số này là 1.01 với doanh nghiệp có AQI thấp nhất là 0 và doanh nghiệp có chỉ số này cao nhất là 19.26. Những công ty có chỉ số này lớn hơn 1 là những công ty có nhiều khả năng gia tăng vốn hóa chi phí và trì hoãn chi phí hoặc tăng tài sản hữu hình dẫn đến
nguy cơ cao thao túng thu nhập.
— Biến SGI: chỉ số này của 400 doanh nghiệp nhỏ nhất cũng là 0, lớn nhất là 49.81
và giá tri trung bình là 1.22
— Biến DEPI: đo lường dựa trên tỷ lệ khấu hao của năm trước so với năm sau. Chỉ số này đạt giá trị bình quân là -44.07. Doanh nghiệp có chỉ số DEPI nhỏ nhất là - 32353.44 và có giá trị lớn nhất là 2990.53. Doanh nghiệp có DEPI > 1 có thé do công ty giảm mức khấu hao hoặc sự tăng đột biến về TSCD mới.
57
— Biến SGAI: chỉ số này trong 400 doanh nghiệp được ghi nhận ở mức bình quân là 1.11 với doanh nghiệp có chỉ số này cao nhất đạt 24.25 và doanh nghiệp thấp nhất
là -14.71.
— Biến LVGI: được đo lường bằng tỷ suất nợ phải trả trên tổng tài sản. Giá trị trung bình đo được tại 400 doanh nghiệp là 1.17 với giá trị nhỏ nhất là 0. Tỷ lệ này lớn hơn 1 nghĩa là doanh nghiệp đang sử dụng nợ nhiều hơn trong cấu trúc vốn của
mình ở năm sau so với năm trước.
— Biến TATA: chỉ số này có giá trị lớn nhất là 0.73 và nhỏ nhất là -0.81. Trong 400 doanh nghiệp niêm yết thì chỉ số TATA đạt giá trị trung bình là 0.17.
— Biến DSRI: được đo bang phải thu so với doanh thu thuần, giá trị trung bình của hệ số này là 0.17 và doanh nghiệp có hệ số này lớn nhất là 0.32 và giá trị nhỏ nhất đạt 0.18 tính đến cuối năm 2021.
4.2 Ma trận tương quan
Với mục đích xét xem các công ty niêm yết trên TTCK có sự bóp méo số liệu tài chính hay không. Tác giả đã thực hiện kiểm tra sự tự tương quan giữa các biến.
.- Corr gmi aqi sgi depi sgai lvgi tata (obs=1, 200)
gmi aqi sgi depi sgai lvgi tata
gmi 1.0000
aqi 0.0184 1.0000
sgi 0.0259 0.0274 1.0000
depi 0.0002 -0.0029 0.0155 1.0000
sgai -0.0914 0.0064 -0.0979 0.0003 1.0000
lvgi 0.1928 0.0024 0.1080 -0.0009 -0.0408 1.0000
tata 0.0267 0.0131 0.1132 -0.0025 -0.0296 0.0712 1.0000
Nguôn: Kết quả phân tích từ mau nghiên cứu
Bảng 4.3 Ma trận tương quan
58
Theo đó, tại bang ma trận tương quan nhận thấy, các biến độc lập có mối quan hệ
thấp được kỳ vọng. Theo Gujarati (2004), hệ số tương quan giữa hai biến độc lập trên 0.80 được coi là quá mức và do đó cần có một số biện pháp nhất định dé khắc phục sự bat thường đó trong dữ liệu. Từ bảng 4.2, có thể thấy rằng tất cả các hệ số tương quan giữa các biến độc lập đều dưới 0.80. Cụ thé, hệ số tương quan giữa AQI va GMI là 0.02 <
0.80, cặp hệ số tương quan cao nhất của biến LVGI và GMI là 0.20 tuy nhiên vẫn nhỏ hơn 0.80. Điều này chỉ ra rằng không có khả năng xảy ra đa cộng tuyến tuy nhiên để chắc chắn hơn nhóm tác giả vẫn tiến hành kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor) dé xác nhận giả định.
- Wit
Variable VIF 1/VIF
lvgi 1.05 0.948078 gmi 1.05 0.954866 sgi 1.03 0.967596 sgai 1.02 0.980885
tata 1.02 0.982747
dsri 1.01 0.991276 depi 1.00 0.996301 aqi 1.00 0.996686
Mean VIF 1.02
Nguồn: Kết quả phân tích từ mẫu nghiên cứu Bang 4.4 Hệ số VIF
Hệ số VIF là viết tắt của Variance Inflation Factor (Hệ số phông lên phương sai), được sử dụng dé kiểm tra đa cộng tuyến trong mô hình tuyến tính. Da cộng tuyến xảy ra khi có một mối quan hệ mạnh giữa các biến độc lập trong mô hình, gây ra sự tăng đáng kế của phương sai trong ước lượng hồi quy. Theo Freund, Wilson & Sa (2006), chỉ số VIF của các biến nhỏ hơn 10 thì mô hình không xuất hiện hiện tượng đa cộng tuyến.
Kết quả từ bảng kiểm định hiện tượng đa cộng tuyến ta thấy hệ số VIF lớn nhất bang 1.05 ( <10 ) nên mô hình không mắc khuyết tật đa cộng tuyến.
59
4.3 Hồi quy mô hình logit
4.3.1 Kết quả hồi quy mô hình Logit
Tác giả sử dụng phần mềm định lượng Stata 14 dé hồi quy bộ dữ liệu với biến phụ thuộc M-SCORE là biến nhị phân có giá trị “1” có khả năng gian lận BCTC; “0” không có khả năng gian lận BCTC, kết hợp phân tích với 8 biến độc lập tác giả đưa ra kết quả hồi quy:
Logistic regression Number of obs = 1,200 LR chi2(8) = 1603.84 Prob > chi2 = 0.0000 Log likelihood = -24.435929 Pseudo R2 = 0.9704
mscore Coef. Std. Err. z P>|z| [95% Conf. Interval]
gmi 2.209377 „433717822 5.05 0.000 1.35134 3.067414
agi 29.43635 7.633151 3.86 0.000 14.47565 44.39706 sgi 2.499162 1.192529 2.10 0.036 -1618475 4.836477 depi 2.671687 ằ4977355 5.37 0.000 1.696144 3.647231 sgai 2.076852 -9996071 2.08 0.038 .1176578 4.036046 lvgi 27.04572 5.205582 5.20 0.000 16.84297 37.24848 tata 261.158 47.8812 5.45 0.000 167.3126 355.0035 dsri 259.7798 47.88789 5.42 0.000 165.9213 353.6384 _cons -107.3759 20.60374 -5.21 0.000 -147.7585 -66.99332
Nguồn: Kết quả phân tích từ mẫu nghiên cứu Bảng 4.5 Kết quả hồi quy mô hình Logit
Từ bảng kết quả trên, có thé thay mức ý nghĩa thống kê của mô hình.
Hệ số hồi quy của biến chỉ số phải thu trên doanh thu là 259.78. Hệ số của biến DSRI mang dấu (+) nghĩa là chỉ số này có tác động cùng chiều với biến phụ thuộc M- SCORE. Mặt khác, nếu DSRI tăng lên 1% với điều kiện các yêu tô khác không đổi thì tỷ lệ xác suất có khả năng gian lận BCTC và không có khả năng gian lận BCTC tăng thêm
60
259.78 lần. Điều này phù hợp với giả thuyết HI của tác giả rằng chỉ số phải thu trên doanh thu càng lớn thì khả năng doanh nghiệp có điều chỉnh lợi nhuận càng lớn hơn doanh thu thực tế. Kết quả này tương đồng với nghiên cứu của Dechow và cộng sự
(2011) và Beneish (1999).
=> Giả thuyết HI: Chi số phải thu khách hang so doanh thu thuần (DSRI) có tác động cùng chiêu với khả năng gian lận BCTC được chấp nhận.
Về biến chỉ số tỷ lệ lãi gộp (GMI) có chỉ số P-value = 0.000 < 0.05 nên biến này có ý nghĩa thống kê và có quan hệ cùng chiếu với biến phụ thuộc M-SCORE. Do đó, phù hợp với giả thuyết H2 mà tác giả đưa ra. Đồng thời nó cũng phù hợp bởi ý kiến của Beneish (1999) và Hoàng Ngọc Khánh cùng Trần Thị Thu Hiền (2015). Trong bảng trên, hệ số hồi quy của chỉ số GMI = 2.21 > 1, cho thay được một tín hiệu xấu đến 400 doanh
nghiệp niêm yết đã được chọn về sự phát triển. Bởi vì, khi hệ số GMI cao thì càng gia
tăng khả năng gian lận báo cáo tài chính.
=> Giả thuyết H2: Chi số ty lệ lãi g6p (GMI) có tác động cùng chiêu với khả năng gian lận BCTC được chấp nhận.
Chỉ số AQI đo lường dựa trên tỷ lệ tài san dài hạn khác so với tổng tài sản của năm nay so với năm trước có hệ số hồi quy đạt giá trị 29.43. Tức là, khi AQI tăng lên 1
đơn vị thi log xác suất có khả năng gian lận BCTC sẽ tăng lên 29.43 đơn vị. Hệ số hồi quy của biến AQI mang dấu (+) nghĩa là AQI có tác động cùng chiều với biến phụ thuộc M-SCORE. Mặt khác, chỉ số này có P-value= 0.000 <0.05. Điều này có cùng ý nghĩa với
nghiên cứu của Beneish (1999), nghiên cứu cua Lev và Thiagarajan (1993), Ca Thi Ngoc
Tổ (2017).
=> Giả thuyết H3: Chi số chất lượng tài sản (AQI) tác động cùng chiêu với kha năng gian lận BCTC được chấp nhận.
SGI thể hiện sự so sánh giữa doanh thu năm nay và năm trước. Ở đây, kết quả hồi quy của chỉ số tăng trưởng doanh thu bán hàng là 2.50 và P-value =0.036 < 0.05. Do vậy, hệ số hồi quy này có ý nghĩa thống kê và giả thuyết H4 được chấp nhận. Như vậy, ta thấy
61
được rằng đối với các doanh nghiệp niêm yết thì việc tăng doanh thu nhiều hơn so với năm trước là có mối quan hệ với khả năng gian lận BCTC. Nghiên cứu có kết quả tương
đồng là Nguyễn Thị Thu Trang (2019).
=> Giả thuyết H4: Chi số tăng trưởng doanh thu có tác động cùng chiều với khả năng gian lận BCTC được chấp nhận.
Biến DEPI có hệ số hồi quy mang dấu (+), có giá trị là 2.67 > 1 cho thấy rằng tốc độ khẩu hao tài sản của các doanh nghiệp đã chậm lại, từ đó làm tăng khả năng doanh nghiệp đã điều chỉnh tăng ước tính về thời gian sử dụng hữu ích của tài sản hoặc áp dụng phương pháp mới làm tăng thu nhập. P-value = 0.000 <0.05. Chính vì thế giả thuyết H5
mà tác giả đưa ra là hoàn toàn phù hợp với bài. Tuy nhiên, theo kết quả nghiên cứu của Beneish (1999) thì biến DEPI bị bác bỏ nhưng ở khóa luận của tác giả đã cho thay duoc kết quả mang ý nghĩa thống kê và phù hợp với dau kỳ vọng của Beneish. Nghiên cứu của
tác giả Nguyễn Thị Thu Trang (2019) cũng có cùng quan điểm này.
=> Giả thuyết H5: Chỉ số khẩu hao TSCĐ có tác động cùng chiều với khả năng gian lận BCTC được chấp nhận.
Chỉ số SGAI là tỷ lệ giữa doanh thu, chi phí bán hang và chi phí quản lý trên
doanh thu trong năm t so với thước đo tương ứng trong năm t — 1. Theo Beneish (1999),
việc sử dụng biến này tuân theo khuyến nghị của Levand Thiagarajan rằng các nhà phân tích giải thích sự gia tăng không tương xứng về doanh số bán hàng là tiêu cực tín hiệu về triển vọng tương lai của một công ty. Nhìn bảng 4.1, ta thấy được hệ số hồi quy của SGAI là 2.07, P-value = 0.038 < 0.05 và hệ số hồi quy mang dấu (+) cho thấy biến SGAI có mỗi quan hệ tỷ lệ thuận với M-SCORE. Như vậy, giả thuyết H6 mà tác giả dự đoán là
phù hợp khi tỷ lệ chi phí bán hàng, quản lý trên doanh thu càng tăng thì độ “bóp méo”
BCTC là đáng kể. Đồng quan điểm với nghiên cứu của Nguyễn Thi Thu Trang (2019).
=> Giả thuyết H6: Chỉ số chỉ phí bán hàng và quản lý doanh nghiệp có tác động cùng chiêu với khả năng gian lận BCTC được chấp nhận.
62
Hệ số hồi quy của biến LVGI đạt giá trị 27.04 > 1, P-value = 0.000 < 0.05 cho biết tỷ lệ đòn bảy tài chính tăng. Bởi vì biến số này được Beneish đưa vào mô hình M- SCORE để năm bắt động cơ trong các giao ước nợ đối với việc thao túng thu nhập. Hệ số hồi quy mang dấu (+) thì giả thuyết H7 mà tác giả đưa ra được chấp nhận. Biến số LVGI có mối quan hệ thuận chiều với biến phụ thuộc. Như vậy, tác giả đã đo lường được mức độ ý nghĩa của biến LVGI cũng như đo lường được sự thay đổi về đòn bay trong cấu trúc vốn của DNNY trên cơ sở bằng chứng trong Beneish và Press (1993) rằng những thay đổi đó có liên quan đến hiệu ứng “vỡ nợ kỹ thuật” trên thị trường chứng khoán.
=> Giả thuyêt H7: Chi số biển don tích so với tông tài sản có tác động cùng chiêu với
khả năng gian lận BCTC được chấp nhận.
Cuối cùng, biến TATA được đo lường dựa trên tổng các khoản d6n tích được tinh băng sự thay đổi trong các tài khoản vốn lưu động trừ tiền mặt và trừ đi khấu hao. Tổng các khoản dồn tích hoặc một phần của tổng các khoản dồn tích đã được sử dụng trong công việc trước đây dé đánh giá mức độ mà các nhà quan lý đưa ra các lựa chọn kế toán tùy ý dé thay đổi thu nhập (Healy (1985) hoặc Jones (1991)). Thu được kết qua từ bang 4.4 hệ số hồi quy của TATA là 261.158, hệ số này có giá trị cao nhất trong 8 biến độc lập cho thấy TATA có ảnh hưởng lớn nhất đến M-SCORE. Và biến ảnh hưởng nhỏ nhất đến M-SCORE là biến SGAI. Như vậy, biến số TATA có mối quan hệ thuận chiều với biến
phụ thuộc.
=> Giả thuyết H§: Chỉ số đòn bẩy tài chính có tác động cùng chiêu với khả năng gian lận BCTC được chấp nhận.
4.3.2 Kiểm tra sự phù hợp của mô hình
Đề kiểm tra sự phù hợp của mô hình, tác giả tiến hành chạy FITSTAT:
63
. Titstat
Measures of Fit for togit of mscore
Log-Lik Intercept Only: -826.353 Log-Lik Full Model: -24.436 D(1191): 48.872 LR(8): 1603.835
Prob > LR: 0.000 McFadden's R2: 0.970 McFadden's Adj R2: 0.8960 Maximum Likelihood R2: 0.737 Cragg & Uhter's R2: 8.986 McKelvey and Zavoina's R2: 1.000 Efron's R2: 0.989 Variance of y*: 7719729.646 Variance of error: 3.290
Count R2: 0.9998 Ad] Count R2: 0.998 AIC: 0.056 ATIC+n: 66.872 BIC: -8395.,410 BIC’: -1547.114
Nguồn: Kết quả phân tích từ mẫu nghiên cứu Bảng 4.6 Kiểm tra độ phù hợp của mô hình hồi quy (FITSTAT)
Thông thường các thông tin trong bang này được sử dụng dé so sánh giữa các mô hình với nhay dé tim ra mô hình phù hợp nhất. Chúng ta căn cứ vào R-quare, AIC hoặc
BIC dé lựa chọn.
Trong bang nay, chúng ta được cung cấp vô số các hệ số R-quare như McFadden’s R2 đạt giá trị 0.97 (97%) vượt ngưỡng 50%, như vậy có thé thay mô hình hồi quy mà tác giả đưa ra là phù hợp. Dé tăng thêm tính thuyệt phục cho mô hình, ta có thé nhìn vào hệ số Pro > LR có giá trị là 0.000, hệ số này chính là trị số P-value (<0.05). Mặt khác, hệ số
cua AIC (Akaike Information Criterion) và BIC (Bayesian Information Criterion) khá
nhỏ. Từ những phân tích trên, có thé thấy mô hình hồi quy Logit là phù hop với bài.
4.3.3 Phân tích hiệu ứng từng phần và tác động biên
Tiếp theo tác giả tiến hành phân tích hiệu ứng từng phan và tác động biên của các biến trong khóa luận. Trong đó:
64
Hiệu ứng từng phần (Partial Effect) là một khái niệm trong thống kê và phân tích dữ liệu. Nó được sử dụng dé mô tả sự thay đổi của một biến phụ thuộc (outcome) khi một biến độc lập (predictor) thay đổi một đơn vị và giữ các biến độc lập khác ở giá trị cố định
(constant). Hiệu ứng từng phần cho phép ta hiểu rõ hơn cách một biến độc lập ảnh hưởng đến biến phụ thuộc và có thể giúp ta dự đoán hoặc giải thích kết quả một mô hình thống
Average partial effects after logit
y = Pr(mscore)
Coef. Std. Err. z E> | z| [95% Conf. Interval]
„0130438 „0013056 9.99 0.000 -0104849 -0156026
ô1737873 ô0321189 5.41 0.000 ô1108354 ô2367391
„0147546 „0065785 2.24 0.025 001861 .0276483
„0157732 „0011564 13.64 0.000 -013506T „0180397 .0122614 „0053591 2.29 0.022 „0017576 .0227651
„1596734 „0150044 10.64 0.000 -1302654 -1890814 1.541833 „1051275 14.67 0.000 1.335787 1.747879 1.535235 „1085618 14.14 0.000 1.322458 1.748012
Nguồn: Kết quả phân tích từ mẫu nghiên cứu Bảng 4.7 Hiệu ứng từng phần
Từ bảng kết quả cho thấy rằng tất cả các biến đều có mức độ tương quan trung bình với biến phụ thuộc M-SCORE, cu thẻ:
Tại chỉ số GMI, khi mà tỷ lệ lãi gộp của DNNY tăng lên đồng thời cũng tác động cùng chiều đến khả năng gian lận BCTC.
Tại chỉ số AQI, khi mà chỉ số chất lượng tài sản của DNNY tăng lên đồng thời cũng tác động cùng chiều đến khả năng gian lận BCTC.
Tại chỉ số SGI, khi mà chỉ số tăng trưởng doanh thu bán hàng của DNNY tăng lên đồng thời cũng tác động cùng chiều đến khả năng gian lận BCTC.
65
Tại chỉ số DEPI, khi mà chỉ số tỷ lệ khấu hao của DNNY tăng lên đồng thời cũng tác động cùng chiều đến khả năng gian lận BCTC.
Tại chỉ số LVGI, khi mà chỉ số đòn bẩy tài chính của DNNY tăng lên đồng thời cũng tác động cùng chiều đến khả năng gian lận BCTC.
Tại chỉ số DSRI, khi mà chỉ số phải thu khách hàng so với doanh thu của DNNY tăng lên đồng thời cũng tác động cùng chiều đến khả năng gian lận BCTC.
Tại chỉ số TATA, khi mà chỉ số biến dồn tích so với tông tài sản của DNNY tăng lên đồng thời cũng tác động cùng chiều đến khả năng gian lận BCTC.
Predictive margins Number of obs = 1,200 Model VCE : OIM
Expression : Pr(mscore), predict()
Delta-method
Margin Std. Err. z P>| z| (95% Conf. Interval]
_cons „5475 .0022181 246.84 0.000 -5431527 -5518473
Nguồn: Kết quả phân tích từ mẫu nghiên cứu
Bảng 4.8 Tác động biên
Từ kết quả phân tích có thé chi ra rằng, xác suất của M-SCORE = I (tức là khả năng gian lận BCTC) là 5% khi tỷ lệ nắm giữ dòng tiền tự do trong doanh nghiệp cùng
với tât cả các yêu tô dự đoán là các biên độc lập còn lại tại giá trị trung bình của chúng.