Altman- Z | Chỉ số sức mạnh tài chính | Khả năng tiếp cận nợ ngân hàng phụ thuộc vào sức mạnh tài chính của đơn vị. | Boot và cộng sự (1991); Boot và Thakor (1994) | |
10 | CFOIND | Dòng tiền hoạt động tương đối so với trung bình ngành | Công ty tạo ra dòng tiền (CFOIND) cao hơn có nhiều khả năng tài trợ dự án của họ bằng nguồn vốn nội bộ. | Dựa vào lập luận về sự lựa chọn giữa các quỹ nội bộ và nợ tư nhân trong nghiên cứu "chất lượng báo cáo tài chính và kỳ hạn nợ ảnh hưởng tới hiểu quả đầu tư" của Fuensanta và cộng sự (2004). |
Có thể bạn quan tâm!
-
Chất lượng các khoản dồn tích và khả năng tiếp cận vốn vay ngân hàng - Phân tích thực nghiệm tại Việt Nam - 2 -
Lý Thuyết Trật Tự Phân Hạng (The Pecking-Order Theory) -
Ảnh Hưởng Của Chất Lượng Các Khoản Dồn Tích Và Khả Năng Tiếp Cận Nợ Vay Ngân Hàng -
Thống Kê Mô Tả Vay Nợ Ngân Hàng, Chất Lượng Các Khoản Dồn Tích Và Các Biến Độc Lập Khác -
Kết Quả Kiểm Định Lựa Chọn Mô Hình Trường Hợp 1: So Sánh Sánh Pooled Ols Và Fem -
Kết Quả Của Mô Hình (1) Sau Khi Chạy Lại Bằng Các Biến Predict_Aq
Xem toàn bộ 97 trang tài liệu này.
Nguồn: Tổng hợp của tác giả.
Các tài liệu nghiên cứu về nợ ngân hàng cho thấy các yếu tố như thời gian hoạt động hay tuổi của doanh nghiệp (LNAGE) là biến đại diện cho thông tin bất cân xứng và uy tín công ty, ảnh hưởng tới mức độ nợ ngân hàng vì những thông tin mà chúng tạo ra kỳ vọng tài chính của người đi vay (Diamond, 1991; Petersen và Rajan, 1994). Những công ty lớn hơn và lâu đời thể hiện thông tin bất cân xứng thấp hơn và có danh tiếng tốt hơn (Berger và Udell, 1995) vì vậy kỳ vọng rằng hướng sử dụng nhiều nợ từ công chúng hơn (nghiên cứu của Denis và Mihov, 2003:”Sự lựa chọn giữa nợ vay ngân hàng và nợ vay cá nhân, nợ vay từ công chúng”).Vì vậy, dự kiến một mối tương quan âm của thời gian hoạt động của doanh nghiệp với nợ vay ngân hàng. Tuy nhiên, như De Andrés Alonso và cộng sự (2005) chỉ ra rằng, các nước phụ thuộc gần như hoàn toàn vào nguồn vốn vay ngân hàng, trong trường hợp này việc tiếp cận vốn vân ngân hàng phụ thuộc vào sự lựa chọn nghịch và vấn đề rủi ro đạo đức do thông tin bất cân xứng mà người cho vay phải đối mặt. Vì vậy khả năng một mối tương dương của quy mô và tuổi với nợ vay ngân hàng vẫn có thể xảy ra.
Quy mô công ty (SIZE): Lý thuyết trật tự phân hạng cho rằng đòn bẩy tài chính có mối tương quan thuận với quy mô của doanh nghiệp. Quy mô của doanh nghiệp là một đại diện cho khả năng phá sản. Công ty lớn thường thường đa dạng hóa và có dòng tiền tự do ổn định. Do đó khả năng phá sản của công ty lớn thường thấp hơn so với công ty nhỏ.
Ngoài ra, trong nghiên cứu của Michael và cộng sự (1999) về chính sách tài trợ và cấu trúc vốn của các công ty ở Vương quốc Anh đã chỉ ra rằng những công ty có cơ hội tăng trưởng (GROWP) cao hơn có nhiều khả năng cạn kiệt quỹ nội bộ và do đó điều này sẽ dẫn đến sử dụng nợ vay nhiều hơn. Các nghiên cứu khác của Scherr và Hullburt (2001) với nghiên cứu “cấu trúc kì hạn của nợ trong các doanh nghiệp nhỏ” cung cấp bằng chứng mạnh mẽ rằng kì hạn nợ của công ty có quan hệ ngược chiều với cơ hội tăng trưởng. Điều này cho thấy một mối quan hệ dương giữa các cơ hội tăng trưởng và nợ. Tuy nhiên, công ty có cơ hội phát triển có thể đối mặt với vấn đề đầu tư dưới mức do lợi nhuận của khoản đầu tư trả cho chủ nợ vì vậy bằng cách giảm nợ công ty có thể tránh được những chi phí đại diện giữa cổ đông và chủ nợ. Heyman và cộng sự (2008) đã chỉ ra rằng những công ty có cơ hội phát triển có chi phí kiệt quệ tài chính cao hơn, vì vậy họ sẽ sử dụng vốn chủ sở hữu để tài trợ các dự án thay vì dùng nợ vay. Những lập luận cho thấy một mối tương quan âm giữa các cơ hội tăng trưởng và đòn bẫy, phù hợp với các bằng chứng thực nghiệm trước đó cho doanh nghiệp ở Tây Ban Nha và các nước khác như Bỉ, với hệ thống tài chính dựa trên ngân hàng (Heyman và cộng sự, 2008; López-Gracia và Sogob-Mira, 2008; De Andrés Alonso và cộng sự, 2005).
Trong nhiều tình huống khác nhau, khi doanh nghiệp bị rơi vào tình trạng kiệt quệ tài chính (Financial Distress) có thể dẫn đến những sự kiện xấu đi trong khả năng thanh toán của doanh nghiệp. Đặc biệt với doanh nghiệp đang có quan hệ tín dụng với ngân hàng thương mại khả năng doanh nghiệp mất khả năng thanh toán các khoản nợ đến hạn là rất lớn. Kết quả xấu nhất là dẫn đến phá sản. Phá sản được xem như dấu chấm hết đối với một doanh nghiệp, khi doanh nghiệp phá sản không chỉ
ảnh hưởng trực tiếp đến chủ sở hữu của doanh nghiệp mà còn ảnh hưởng đến nhiều đối tượng khác như: người lao động, cơ quan thuế, cơ quan nhà nước, các công ty đối tác, thị trường…mà trong đó ngân hàng là đối tượng có thể bị tổn thương nhiều nhất.Chỉ số AtlmanZ-score (Chỉ số Z) của Altman (1968) là công cụ để phát hiện sớm rủi ro của doanh nghiệp và phát hiện sớm các dấu hiệu báo trước nguy cơ rủi ro tín dụng để ngân hàng có biện pháp quản lý rủi ro kịp thời. Rất nhiều nhà nghiên cứu đã sử dụng chỉ số Z trong nghiên cứu của mình đại diện cho sức mạnh tài chính hay khả năng thanh toán của doanh nghiệp. Chỉ số Z càng cao doanh nghiệp càng có tài chính lành mạnh. Trong nghiên cứu của Boot và Thakor (1994) về “rủi ro đạo đức và cho vay đảm bảo trong thị trường tín dụng” cho rằng tiếp cận nợ ngân hàng phụ thuộc vào khả năng thanh toán. Vì thế kỳ vọng tương quan dương giữa chỉ số Altman-Z và nợ vay ngân hàng.
Mặt khác, vì các ngân hàng là nhà cung cấp nguồn tài trợ bên ngoài chính cho mẫu của tác giả, kỳ vọng rằng những công ty có đòn bẩy (LEV) cao hơn có một sự hiện diện lớn hơn của nợ ngân hàng. Dựa trên lập luận tương tự về sự lựa chọn giữa các quỹ nội bộ và nợ tư nhân trong nghiên cứu của Fuensata và cộng sự (2014), công ty có lợi nhuận cao hơn (ROA) và tạo ra dòng tiền (CFOIND) cao hơn nhiều khả năng tài trợ dự án của họ bằng nguồn vốn nội bộ. Theo đó, kỳ vọng một mối quan hệ âm của nợ ngân hàng với khả năng sinh lợi và tài trợ nội bộ.
Bảng 3.2 Kỳ vọng dấu các biến ở phương trình (1)
Tên biến | Cách tính | Kỳ vọng dấu | |
1 | AQ | Đo lường bằng âm trị tuyệt đối phần dư và âm của độ lệch chuẩn của phần dư trong phương trình hồi quy các vốn lưu động dồn tích theo dòng tiền của Dechow và Dichev (2002); McNichols (2002); Ball và Shivakumar (2006) | + |
GROWP | Doanh thu năm t/Doanh thu năm t-1 | +/- | |
3 | LEV | Tổng nợ/Tổng tài sản | + |
4 | SIZE | Logarit tự nhiên của tài sản | + |
5 | FA | Tài sản hữu hình/tồng tài sản | + |
6 | ROA | Lợi nhận trước thuế và lãi vay/tổng tài sản | - |
7 | 𝐴𝑙𝑡𝑚𝑎𝑛 − 𝑍 | Z = 0.012X1 + 0.014X2 + 0.033X3 + 0.066X4 + 0.999X5 Với X1 là vốn lưu động/tổng tài sản; X2 là lợi nhuận giữ lại/tổng tài sản; X3 là lợi nhuận trước lãi vay và thuế/tổng tài sản; X4 là giá trị thị trường nguồn vốn/thư giá của tổng nợ; X5 là doanh thu/tổng tài sản. | + |
8 | LAGE | Logarit tự nhiên của thời gian hoạt động công ty | +/- |
9 | CFOIND | Tỷ số dòng tiền hoạt động/dòng tiền hoạt động trung bình ngành | - |
Nguồn:Tổng hợp của tác giá
3.3 Ước lượng biến đại diện cho chất lượng dồn tích
Để ước lượng chất lượng các khoản dồn tích tác giả dùng nhiều biến đại diện khác nhau đã được sử dụng nhiều trong các nghiên cứu của Francis et al, 2005; Bharath et al, 2008; Lu et al, 2010; Chen et al, 2011; Lobo et al, 2012 để đo lường độ chính xác mà các khoản dồn tích phản ánh các thông tin về dòng tiền cho các bên liên quan, đặc biệt là các nhà đầu tư và chủ nợ. Tác giả sử dụng nhiều biến đại diện cho chất lượng các khoản dồn tích trong bài nghiên cứu do, thứ nhất chất lượng các khoản dồn tích là da diện vì vậy một biến đại diện duy nhất sẽ không bao
quát tất cả các khía cạnh của chất lượng các khoản dồn tích. Thứ hai, việc sử dụng nhiều biến đại diện khác nhau làm tăng khả năng khái quát kết quả. Thứ ba, sử dụng các thước đo thay thế làm giảm khả năng kết quả thu được là do một số yếu tố khác hơn là chất lượng dồn tích.
3.2.1 Mô hình tính AQ_DD, AQ_sdDD
Thước đo đầu tiên của chất lượng các khoản dồn tích được phát triển bởi Dechow và Dichev (2002), đại diện cho chất lượng các khoản dồn tích là vốn lưu động dồn tích hiện hành (Working capital accruals) được hồi quy với dòng tiền hoạt động của năm trước đó, năm nay và năm tiếp theo liền kề, tất cả chia cho tổng tài sản trung bình.
𝑊𝐶𝐴𝑖𝑡
𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠𝑖𝑡
𝐶𝐹𝑂𝑖,𝑡−1
𝑖𝑡
= 𝛽0 + 𝛽1 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
𝐶𝐹𝑂𝑖,𝑡
𝑖𝑡
+ 𝛽2 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
𝐶𝐹𝑂𝑖,𝑡+1
𝑖𝑡
+ 𝛽3 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
+ 𝜀𝑖𝑡 (2)
Trong đó, 𝑊𝐶𝐴𝑖𝑡 là vốn lưu động dồn tích của công ty i trong năm t, được tính toán bằng sự thay đổi trong tài sản ngắn hạn (∆𝐶𝐴) trừ đi sự thay đổi của tiền và tương đương tiền (∆𝐶𝑎𝑠ℎ), trừ sự thay đổi nợ ngắn hạn (∆𝐶𝐿) và cộng sự thay đổi trong nợ vay ngắn hạn ngân hàng (∆𝑠𝐷𝑒𝑏𝑡).
𝐶𝐹𝑂𝑖,𝑡−1, 𝐶𝐹𝑂𝑖,𝑡, 𝐶𝐹𝑂𝑖,𝑡+1 lần lượt là dòng tiền hoạt động trong năm t-1, năm t và năm t+1. Tất cả biến được chia cho tổng tài sản trung bình (AvgAssets). Tổng tài sản trung bình của công ty i trong năm t là giá trị trung bình của tổng tài sản công ty trong năm t-1 và năm t.
Phần dư của phương trình (2) phản ánh sự biến đổi trong vốn lưu động dồn tích không được giải thích bởi dòng tiền năm trước, năm hiện tại và năm tiếp theo liền kề. Do đó, giá trị tuyệt đối của phần dư cho mỗi quan sát ngược chiều với chất lượng các khoản dồn tích. Vậy giá trị phần dư cao hơn thể hiện chất lượng các khoản dồn tích thấp hơn (𝐼𝐴𝑄_𝐷𝐷𝑖𝑡 = |𝜀𝑖̂ 𝑡|). Để dễ dàng cho việc giải thích biến này, chất lượng các khoản dồn tích 𝐴𝑄_𝐷𝐷𝑖𝑡 được xác định là giá trị âm của
𝐼𝐴𝑄_𝐷𝐷𝑖𝑡. Như vậy ta có 𝐴𝑄_𝐷𝐷𝑖𝑡= -|𝜀𝑖̂ 𝑡| hay 𝐴𝑄_𝐷𝐷𝑖𝑡 = |𝜀𝑖̂ 𝑡| x (-1)
Thước đo AQ_sdDD được tính trên độ lệch chuẩn của các số dư từ mô hình
𝑖
ước lượng chất lượng các khoản dồn tích 𝜎(𝜀̂)𝑡
nhân với -1 vì độ lệch chuẩn càng
𝑖
lớn thì chất lượng các khoản dồn tích càng kém. Độ lệch chuẩn của phần dư được tính toán trong phần mềm Stata trong quãng thời gian nghiên cứu 6 năm (tsegen 𝜎 = rowsd(𝐿(0/6). 𝜀̂))
3.3.2 Mô hình tính AQ_McN, AQ_sdMcN
Thước do thứ hai của chất lượng dồn tích xuất hiện trong nghiên cứu về “Định giá thị trường các khoản dồn tích”của Francis et al (2005). Mô hình này được phát triển bởi McNichols (2002), dựa trên mô hình của Dechow và Dichev’s (2002). Mô hình bổ sung sự thay đổi của doanh thu (∆REV), bất động sản, nhà xưởng và máy móc thiết bị (PPE).
𝑊𝐶𝐴𝑖𝑡
𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠𝑖𝑡
𝐶𝐹𝑂𝑖,𝑡−1
𝑖𝑡
= 𝛽0 + 𝛽1 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
∆𝑅𝐸𝑉𝑖,𝑡
𝐶𝐹𝑂𝑖,𝑡
𝑖𝑡
+ 𝛽2 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
𝑖𝑡
𝑃𝑃𝐸𝑖,𝑡
𝐶𝐹𝑂𝑖,𝑡+1
𝑖𝑡
+ 𝛽3 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
𝑖𝑡
+ 𝛽4 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
+ 𝛽5 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
+ 𝜀𝑖𝑡 (3)
Trong đó, ∆𝑅𝐸𝑉𝑖,𝑡 là thay đổi trong doanh thu. 𝑃𝑃𝐸𝑖,𝑡 là bất động sản, nhà xưởng và máy móc thiết bị. Theo chuẩn mực kế toán quốc tế IAS-16 thì PPE chính là tài sản cố định hữu hình. McNichols cho rằng Dechow và Dichev’s (2002) chỉ mới tính một phần của các khoản dồn tích. Việc bổ sung sự thay đổi trong doanh thu và PPE sẽ giảm thiểu sai số trong việc ước tính các khoản dồn tích và dòng tiền hoạt động vì sự thay đổi của các thành phần trong các khoản dồn tích như các khoản phải thu, khoản phải trả, hàng tồn kho phụ thuộc vào sự thay đổi trong doanh thu; mà doanh thu cũng là khoản mục thưởng xuyên được dùng để điều chỉnh thu nhập do đó cũng được đưa vào mô hình làm biến kiểm soát.
Phần dư của phương trình (3) phản ánh sự biến đổi trong vốn lưu động dồn tích không được giải thích bởi dòng tiền năm trước, năm hiện tại, năm liền kề, sự thay đổi của doanh thu và tài sản cố định hữu hình. Do đó, giá trị tuyệt đối của phần dư cho mỗi quan sát là nghịch đảo của chất lượng các khoản dồn tích.
(𝐼𝐴𝑄_𝑀𝑐𝑁𝑖𝑡 = |𝜀𝑖̂ 𝑡|). Tác giả sử dụng giá trị âm của 𝐼𝐴𝑄_𝑀𝑐𝑁𝑖𝑡,để xác định giá trị
𝐴𝑄_𝑀𝑐𝑁𝑖𝑡. Như vậy 𝐴𝑄_𝑀𝑐𝑁𝑖𝑡= -|𝜀𝑖̂ 𝑡| hay 𝐴𝑄_𝑀𝑐𝑁𝑖𝑡 = |𝜀𝑖̂ 𝑡| x (-1)
Thước đo AQ_sdMcN được tính trên độ lệch chuẩn của các số dư từ mô hình
𝑖
ước lượng chất lượng các khoản dồn tích 𝜎(𝜀̂)𝑡
nhân với -1 vì Độ lệch chuẩn càng
𝑖
lớn thì chất lượng các khoản dồn tích càng kém. Độ lệch chuẩn của phần dư được tính toán trong phần mềm Stata trong quãng thời gian nghiên cứu 6 năm (tsegen 𝜎 = rowsd(𝐿(0/6). 𝜀̂))
3.3.3 Mô hình tính AQ_BS, AQ_sdBS
Dựa trên nền tản của mô hình Dechow và Dichev’s (2002), Ball và Shivakumar (2006) đã thêm 3 nhân tố mới để đo lường chất lượng các khoản dồn tích.
𝑊𝐶𝐴𝑖𝑡
𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠𝑖𝑡
𝐶𝐹𝑂𝑖,𝑡−1
𝑖𝑡
= 𝛽0 + 𝛽1 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
𝐶𝐹𝑂𝑖,𝑡
𝑖𝑡
+ 𝛽2 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
𝐶𝐹𝑂𝑖,𝑡+1
𝑖𝑡
+ 𝛽3 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
∆𝐶𝐹𝑂𝑖,𝑡
𝑖𝑡
+ 𝛽4 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
∆𝐶𝐹𝑂𝑖,𝑡
𝑖𝑡
+ 𝛽5𝐷 + 𝛽6𝐷 𝐴𝑣𝑔𝐴𝑠𝑠𝑒𝑡𝑠
+ 𝜀𝑖𝑡 (4)
Trong đó, ∆𝐶𝐹𝑂𝑖,𝑡 là sự thay đổi dòng tiền hoạt động, D là biến giả nhận giá trị bằng 1 nếu ∆𝐶𝐹𝑂𝑖,𝑡 âm, nhận giá trị 0 nếu ∆𝐶𝐹𝑂𝑖,𝑡 dương. D∆𝐶𝐹𝑂𝑖,𝑡 thể hiện sự tượng tác giữa hai biến. Mô hình này cố gắng kết hợp sự bất cân xứng được ghi nhận trong các khoản lời và lỗ vào mô hình tuyến tính các khoản dồn tích. Như các mô hình trước, giá trị tuyệt đối của phần dư cho mỗi quan sát ngược chiều với chất lượng các khoản dồn tích. (𝐼𝐴𝑄_𝐵𝑆𝑖𝑡 = |𝜀𝑖̂ 𝑡|). Tác giả cũng sử dụng giá trị âm của
𝐼𝐴𝑄_𝐵𝑆𝑖𝑡 ,để xác định giá trị 𝐴𝑄_𝐵𝑆𝑖𝑡 . Như vậy 𝐴𝑄_𝐵𝑆𝑖𝑡 = -|𝜀𝑖̂ 𝑡| hay 𝐴𝑄_𝐵𝑆𝑖𝑡 =
|𝜀𝑖̂ 𝑡| x (-1)
Thước đo AQ_sdBS được tính trên độ lệch chuẩn của các số dư từ mô hình
𝑖
ước lượng chất lượng các khoản dồn tích 𝜎(𝜀̂)𝑡
nhân với -1 vì Độ lệch chuẩn càng
lớn thì chất lượng các khoản dồn tích càng kém. Độ lệch chuẩn của phần dư được
𝑖
tính toán trong phần mềm Stata trong quãng thời gian nghiên cứu 6 năm (tsegen 𝜎 = rowsd(𝐿(0/6). 𝜀̂))
3.4 Các phương pháp hồi quy
Bộ dữ liệu mà tác giả nghiên cứu sử dụng để kiểm định mối quan hệ giữa vay nợ ngân hàng và chất lượng các khoản dồn tích ở dạng bảng (pannel data) sẽ có rất nhiều cách tiếp cận; tuy nhiên trong nghiên cứu này sử dụng phương pháp hồi quy OLS cho dữ liệu bảng ở cả 3 mô hình ước tính chất lượng dồn tích gồm (1) AQ_DD, AQ_sdDD theo mô hình của Dechow và Dichev (2002), (2) AQ_McN, AQ_sdMcN của Mô hình của McNichols (2002), (3) AQ_BS, AQ_sdBS theo Mô hình của Ball and Shivakumar (2006). Để ước lượng các hệ số hồi quy trong mô hình phân tích mối quan hệ giữa vay nợ ngân hàng (BANKDEBT) và chất lượng các khoản dồn tích, bài nghiên cứu sử dụng mô hình hồi quy theo dữ liệu bảng kết hợp với với phân tích tác động cố định của từng công ty bằng phương pháp Fixed effect (FEM) sau đó sử dụng phương pháp bình phương tối thiểu 2 giai đoạn (2SLS) để khắc phục hiện tượng nội sinh và phương pháp GLS để khắc phục hiện tượng phương sai thay đổi và tự tương quan sẽ đạt được kết quả chính xác và đáng tin cậy hơn.
3.5 Kiểm định cho mô hình nghiên cứu
3.5.1 Kiểm định chọn lựa mô hình
Trong nghiên cứu này để chọn lựa được mô hình phù hợp gồm Pooled OLS, FEM và REM tác giả sử dụng các kiểm định sau:
Kiểm định Likelihood Ratio Test: so sánh sự hiệu quả giữ mô hình Pooled OLS và Mô hình tác động cố định (FEM) với giả thiết:
H0: Mô hình Pooled OLS hiệu quả hơn mô hình FEM H1: Mô hình FEM hiệu quả hơn Pooled OLS
Nếu p_value của giá trị F-test nhỏ hơn mức ý nghĩa, ta bác bỏ H0. Mô hình FEM hiệu quả hơn mô hình Pooled OLS