Mô Hình Các Ảnh Hưởng Cố Định (Fixed Effects Model)

3.3. Mô hình nghiên cứu‌

Luận văn sẽ sử dụng mô hình dữ liệu bảng2 để phân tích các nhân tố tác động đến cấu trúc vốn của các công ty cổ phần Việt Nam. Mô hình này cũng đã được Ba-Abbad và Ahmad-Zaluki (2012) sử dụng trong bài nghiên cứu của họ.

So với mô hình dữ liệu chéo và mô hình dữ liệu theo thời gian thuần túy, mô hình dữ liệu bảng có nhiều ưu điểm vượt trội. Baltagi (1995) cho rằng dữ liệu bảng có những ưu điểm như sau:3

1. Dữ liệu bảng cho phép nhà nghiên cứu xem xét đến đặc điểm riêng của từng cá thể.

2. Thông qua việc kết hợp các quan sát theo không gian và thời gian, dữ liệu bảng cung cấp nhiều thông tin hơn, đa dạng hơn, ít cộng tuyến hơn giữa các biến số.

3. Thông qua việc nghiên cứu thành phần chéo của các quan sát được lặp lại, dữ liệu bảng phù hợp hơn trong việc nghiên cứu các động thái thay đổi.

4. Dữ liệu bảng có thể phát hiện và đo lường tốt hơn các tác động mà mô hình dữ liệu chéo và mô hình dữ liệu theo thời gian thuần túy không thể làm được.

5. Dữ liệu bảng cho phép chúng ta nghiên cứu những mô hình hành vi phức tạp hơn.

2 Mô hình dữ liệu bảng được trình bày chi tiết trong giáo trình Basic Econometrics (fourth edition) của tác giả Damodar N. Gujarati, và giáo trình Principles of Econometrics (fourth edition) của tác giả R.Carter Hill, William E. Grifﬁths, và Guay C. Lim.

3 Các ưu điểm của dữ liệu bảng được trình bày rất chi tiết trong giáo trình Basic Econometrics (fourth edition) của tác giả Damodar N. Gujarati.

6. Dữ liệu bảng làm gia tăng đáng kể các quan sát, vì vậy nó có thể giảm thiểu sai số cho mô hình nghiên cứu.

Luận văn sẽ sử dụng ba dạng mô hình dữ liệu bảng, đó là mô hình gộp (Pooled Model), mô hình các ảnh hưởng cố định (Fixed Effects Model) và mô hình các ảnh hưởng ngẫu nhiên (Random Effects Model).

3.3.1. Mô hình gộp (Pooled Model)

Cách đơn giản nhất trong phân tích hồi quy dữ liệu bảng là dùng mô hình gộp (PM). Trong mô hình này, người ta giả định hệ số chặn và hệ số góc không đổi theo không gian và thời gian. Điều này có nghĩa là yếu tố không gian và thời gian của dữ liệu bảng đã được bỏ qua. Dựa trên các biến số nghiên cứu, mô hình gộp được viết như sau:

Yit = α + β1SIZEit + β2PROit + β3TANGit + β4GROWit + β5LIQit + β6RISKit

+ uit Trong đó:

 Yit: Đòn bẩy tài chính của công ty thứ i ở thời điểm thứ t. Đòn bẩy này gồm có tỷ lệ tổng nợ (TDRit), tỷ lệ nợ ngắn hạn (STDRit), và tỷ lệ nợ dài hạn (LTDRit) của công ty thứ i ở thời điểm thứ t.

 SIZEit: Quy mô của công ty thứ i ở thời điểm thứ t.

 PROit: Lợi nhuận của công ty thứ i ở thời điểm thứ t.

 TANGit: Tài sản hữu hình của công ty thứ i ở thời điểm thứ t.

 GROWit: Cơ hội tăng trưởng của công ty thứ i ở thời điểm thứ t.

 LIQit: Khả năng thanh khoản của công ty thứ i ở thời điểm thứ t.

 RISKit: Rủi ro kinh doanh của công ty thứ i ở thời điểm thứ t.

 β1 - β6: hệ số góc của các biến giải thích.

 α: hệ số chặn trung bình của các công ty.

 uit: sai số của công ty thứ i ở thời điểm thứ t.

3.3.2. Mô hình các ảnh hưởng cố định (Fixed Effects Model)

Để xem xét đặc điểm riêng của từng công ty, người ta sử dụng mô hình các ảnh hưởng cố định (FEM). Trong mô hình này, hệ số góc vẫn được giả định là hằng số, nhưng hệ số chặn thay đổi theo các công ty. Mô hình FEM được thể hiện qua phương trình sau:

Yit = αi + β1SIZEit + β2PROit + β3TANGit + β4GROWit + β5LIQit + β6RISKit

+ uit

Trong đó, αi là hệ số chặn của công ty thứ i.

3.3.3. Mô hình các ảnh hưởng ngẫu nhiên (Random Effects Model)

Mô hình các ảnh hưởng ngẫu nhiên (REM) được phát triển dựa trên mô hình các ảnh hưởng cố định (FEM). Hệ số chặn αi trong FEM được thay thế bằng α

+ εi. Trong đó, α là hệ số chặn trung bình của các công ty, εi là sai số ngẫu nhiên của công ty thứ i. Sai số này thể hiện sự sai lệch (ngẫu nhiên) trong hệ số chặn của công ty thứ i so với hệ số chặn trung bình α. Mô hình REM được thể hiện qua phương trình sau:

Yit = α + β1SIZEit + β2PROit + β3TANGit + β4GROWit + β5LIQit + β6RISKit

+ εi + uit

Mô hình REM được phát triển từ mô hình FEM. Do đó vấn đề được đặt ra là, trong hai mô hình này, mô hình nào sẽ phù hợp hơn cho việc nghiên cứu? Một

số tác giả cho rằng nếu thành phần sai số ngẫu nhiên εi và các biến giải thích không tương quan thì mô hình REM sẽ là mô hình phù hợp. Ngược lại, khi thành phần sai số ngẫu nhiên εi và các biến giải thích có tương quan thì mô hình FEM sẽ là mô hình phù hợp.

Trong thực tế, để có thể chọn được mô hình phù hợp trong hai mô hình trên, người ta sẽ thực hiện kiểm định Hausman. Tác giả Hausman đưa ra hai giả thuyết như sau:

 Giả thuyết Ho: Không có tương quan giữa thành phần sai số ngẫu nhiên εi và các biến giải thích.

 Giả thuyết H1: Có tương quan giữa thành phần sai số ngẫu nhiên εi và các biến giải thích.

Nếu giá trị P-value (Hausman) lớn hơn 0.05, ta chưa đủ cơ sở để bác bỏ giả thuyết H0, do đó mô hình REM là mô hình phù hợp. Trái lại, nếu giá trị P-value (Hausman) nhỏ hơn 0.05, ta đủ cơ sở để bác bỏ giả thuyết H0, và chấp nhận giả thuyết H1, do đó mô hình FEM là mô hình phù hợp.

3.4. Giả thuyết nghiên cứu‌

Căn cứ trên các lý thuyết và các chứng cứ thực nghiệm về cấu trúc vốn trong chương 2, tôi đưa ra sáu giả thuyết nghiên cứu như sau:

 Giả thuyết thứ nhất: Quy mô doanh nghiệp (SIZE) tương quan thuận (+) với đòn bẩy tài chính.

 Giả thuyết thứ hai: Lợi nhuận (PRO) tương quan nghịch () với đòn bẩy tài chính.

 Giả thuyết thứ ba: Tài sản hữu hình (TANG) tương quan thuận (+) với đòn bẩy tài chính.

 Giả thuyết thứ tư: Cơ hội tăng trưởng (GROW) tương quan thuận (+) với đòn bẩy tài chính.

 Giả thuyết thứ năm: Khả năng thanh khoản (LIQ) tương quan nghịch () với đòn bẩy tài chính.

 Giả thuyết thứ sáu: Rủi ro kinh doanh (RISK) tương quan nghịch () với đòn bẩy tài chính.

Các giả thuyết trên được tóm tắt và thể hiện ở bảng 3.2.

Bảng 3.2: Các giả thuyết nghiên cứu4

STT

Nhân tố	Kết quả kỳ vọng theo lý thuyết		Kết quả kỳ vọng theo giả thuyết
Nhân tố	TOT	POT	Kết quả kỳ vọng theo giả thuyết
1	SIZE	+		+
2	PRO	+		
3	TANG	+		+
4	GROW		+	+
5	LIQ	+		
6	RISK			

Có thể bạn quan tâm!

Xem toàn bộ 73 trang tài liệu này.

Nguồn: Các giả thuyết nghiên cứu của luận văn

4 Ghi chú: TOT (The Trade-off Theory) là lý thuyết đánh đổi, còn POT (The Pecking Order Theory) là lý thuyết trật tự phân hạng. Dấu (+) và () lần lượt thể hiện mối tương quan thuận và nghịch giữa các nhân tố và tỷ lệ nợ.

Tóm tắt chương 3

Chương ba đã trình bày rất chi tiết về dữ liệu, các biến số, mô hình và giả thuyết nghiên cứu. Theo đó, luận văn có ba biến phụ thuộc và sáu biến độc lập. Ba biến phụ thuộc gồm có biến tỷ lệ tổng nợ (TDR), tỷ lệ nợ ngắn hạn (STDR) và tỷ lệ nợ dài hạn (LTDR). Sáu biến độc lập gồm có biến quy mô doanh nghiệp (SIZE), lợi nhuận (PRO), tài sản hữu hình (TANG), cơ hội tăng trưởng (GROW), khả năng thanh khoản (LIQ) và rủi ro kinh doanh (RISK).

Chương ba cũng đã giới thiệu về ba dạng mô hình dữ liệu bảng, đó là mô hình gộp (Pooled model), mô hình các ảnh hưởng cố định (Fixed Effects Model) và mô hình các ảnh hưởng ngẫu nhiên (Random Effects Model). Luận văn sẽ sử dụng ba mô hình này để kiểm định các nhân tố tác động đến cấu trúc vốn của các công ty cổ phần Việt Nam.

CHƯƠNG 4: CÁC KẾT QUẢ NGHIÊN CỨU‌

Chương bốn trình bày về thống kê mô tả, phân tích tương quan, các kết quả nghiên cứu và thảo luận về các kết quả nghiên cứu.

4.1. Thống kê mô tả‌

Bảng 4.1: Thống kê mô tả

TDR	STDR	LTDR	SIZE	PRO	TANG	GROW	LIQ	RISK
Mean	0.484547	0.369518	0.115029	13.28450	0.081616	0.285943	0.231834	2.245965	0.067448
Median	0.516871	0.338728	0.049787	13.27479	0.065113	0.244188	0.132430	1.552840	0.035635
Maximum	0.926141	0.906713	0.666538	17.46603	0.548376	0.969750	5.582878	42.78976	3.376361
Minimum	0.002089	0.002089	0.000000	7.450080	-0.648223	0.000830	-0.674767	0.143446	0.003050
Observations	856	856	856	856	856	856	856	856	856

Nguồn: Số liệu được tính toán bằng phần mềm Eviews.

Bảng 4.1 cho thấy tỷ lệ tổng nợ trên tổng tài sản BQ của các công ty cổ phần Việt Nam trong giai đoạn 2009 – 2012 là 48.45%. Trong đó, tỷ lệ nợ ngắn hạn trên tổng tài sản BQ là 36.95% và tỷ lệ nợ dài hạn trên tổng tài sản BQ là 11.50%. Số liệu thống kê cho thấy các công ty cổ phần Việt Nam trong giai đoạn này sử dụng khá nhiều nợ. Các khoản nợ mà các công ty vay mượn chủ yếu là nợ ngắn hạn.

4.2. Phân tích tương quan‌

Bảng 4.2 cho thấy mối tương quan giữa các biến độc lập rất thấp. Giá trị tuyệt đối của hệ số tương quan giữa biến SIZE và LIQ cao nhất cũng chỉ đạt giá trị 0.2523. Điều này chứng tỏ không có hiện tượng đa cộng tuyến trong mô hình nghiên cứu. Như vậy, các biến độc lập trong mô hình nghiên cứu được xem là phù hợp.

Bảng 4.2: Phân tích tương quan

TDR	STDR	LTDR	SIZE	PRO	TANG	GROW	LIQ	RISK
TDR	1.000000
STDR	0.749415	1.000000
LTDR	0.434074	-0.271169	1.000000
SIZE	0.284754	0.311271	-0.009564	1.000000
PRO	-0.519288	-0.349205	-0.279778	0.086329	1.000000
TANG	-0.063866	-0.343030	0.373894	-0.080346	-0.044594	1.000000
GROW	0.019106	0.037954	-0.023865	0.013159	0.198988	-0.072000	1.000000
LIQ	-0.453744	-0.428444	-0.076677	-0.252380	0.197062	-0.136624	0.122130	1.000000
RISK	-0.013470	0.059490	-0.100527	-0.048293	0.041770	-0.028124	0.151145	0.074585	1.000000

Nguồn: Số liệu được tính toán bằng phần mềm Eviews.

4.3. Các kết quả nghiên cứu‌

Các kết quả nghiên cứu từ ba dạng mô hình dữ liệu bảng, mô hình gộp (PM), mô hình các ảnh hưởng cố định (FEM) và mô hình các ảnh hưởng ngẫu nhiên (REM), được trình bày trong bảng 4.3. Các số liệu trong bảng này được trích từ phụ lục 1, 2 và 3.

Xét mô hình gộp (PM), ta thấy giá trị thống kê Durbin-Watson của TDR (0.374280), STDR (0.494466) và LTDR (0.314151) đều nhỏ hơn 1. Giá trị

thống kê Durbin-Watson trong mô hình PM rất thấp, nguyên nhân có thể là do có tự tương quan trong dữ liệu, hoặc do các sai số đặc trưng của mô hình (Gujarati, 2003). Do đó, mô hình PM sẽ bị loại trước tiên.

Xét mô hình các ảnh hưởng cố định (FEM) và mô hình các ảnh hưởng ngẫu nhiên (REM), ta thấy giá trị thống kê Durbin-Watson của TDR, STDR và LTDR đều nằm trong khoảng [1,3]. Điều này cho thấy cả hai mô hình này đều không có tự tương quan trong dữ liệu. Về cơ bản, ta có thể sử dụng được cả hai mô hình này.

Xem toàn bộ nội dung bài viết ᛨ