Kết quả thống kê mô tả của các biến trong mô hình nghiên cứu được trình bày qua bảng 3.2. Các giá trị của các biến được mô tả bao gồm: số quan sát, giá trị trung bình, trung vị, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất. Trong một số năm tài chính, dữ liệu của một số biến được thu thập bị thiếu thông tin nên kết quả cuối cùng là một bảng dữ liệu không cân đối có sự khác biệt về số quan sát giữa các biến. Ngoài ra, các giá trị ngoại lai bao gồm các giá trị quá nhỏ hoặc quá lớn so với các giá trị còn lại trong mẫu cũng được loại bỏ bớt nhằm đảm bảo tính vững cho các kết quả ước lượng.
Có thể thấy mức độ CNRR được đo lường bởi rủi ro tổng thể cao hơn so với rủi ro đặc thù. Điều này là phù hợp bởi vì rủi ro tổng thể bao gồm cả rủi ro đặc thù và rủi ro hệ thống. Mức CNRR trung bình của các công ty trong khoảng thời gian nghiên cứu là 0,1338 và 0,0542 khi đo lường lần lượt bởi rủi ro tổng thể và rủi ro đặc thù.
Về cơ cấu HĐQT, quy mô HĐQT có giá trị trung bình là 1,6847 tương ứng với số lượng thành viên HĐQT trung bình là 5 thành viên. Quy mô HĐQT thấp nhất là 3 thành viên, cao nhất là 11 thành viên. Tỷ lệ thành viên độc lập trong HĐQT trung bình ở mức thấp, chỉ gần 14%. Tỷ lệ cho thấy đa số các CTNY chưa đạt tỷ lệ 1/3 thành viên độc lập trong HĐQT còn ở mức cao, nguyên nhân là do tỷ lệ này được xem xét cho cả giai đoạn nghiên cứu nên bao gồm cả những năm quy định về sự có mặt của thành viên độc lập trong HĐQT chỉ dừng ở việc khuyến khích chứ không bắt buộc. Ngoài ra, độ lệch chuẩn lớn bởi vì một số công ty tại một mốc thời gian trong giai đoạn nghiên cứu không có thành viên độc lập trong khi một số công ty khác có tỷ lệ thành viên độc lập trong HĐQT chiếm tỷ lệ đến 80%. Trung bình 40% các chức danh trong ban giám đốc do thành viên HĐQT kiêm nhiệm. Tỷ lệ thành viên nữ trong HĐQT còn hạn chế, chỉ chiếm trung bình 13% trong HĐQT.
Đối với biến cấu trúc sở hữu, tỷ lệ sở hữu trung bình của nhà nước trong các công ty là gần 28%. Trong khi đó tỷ lệ sở hữu trung bình của nhà đầu tư nước ngoài là 8%. Điều này cho thấy xu hướng kiểm soát của nhà nước trong các hoạt động của CTNY đồng thời hạn chế tỷ lệ sở hữu của nhà đầu tư nước ngoài tại các CTNY Việt Nam.
Giá trị trung bình của thù lao của ban giám đốc là 19,5945 và độ lệch chuẩn là 0,8065. Độ lệch chuẩn của biến thù lao khá cao là điều dễ hiểu bởi vì giữa các công ty có sự khác biệt về quy mô, hiệu quả hoạt động,.. nên thù lao của ban giám đốc của các công ty cũng có khoảng biến thiên khá lớn. Biến thù lao là biến có số lượng quan sát ít
nhất bởi vì việc thu thập dữ liệu cho biến này khó khăn hơn các biến còn lại do nhiều công ty không công bố đầy đủ các thông tin về thù lao của ban giám đốc trong các báo cáo tài chính.
3.3.2.2. Phân tích tương quan giữa các biến
Tương quan giữa các biến giải thích được thể hiện qua ma trận hệ số tương quan giữa các biến trong mô hình nghiên cứu. Kết quả ở Bảng 3.3 thể hiện hệ số tương quan Pearson giữa các biến độc lập trong mô hình.
Đa cộng tuyến không phải là vấn đề nghiêm trọng nếu hệ số tương quan giữa hai biến độc lập trong mô hình nghiên cứu nhỏ hơn 0,8 (Gujarati, 2003). Có thể thấy mức độ tương quan giữa các biến độc lập khá thấp (tất cả hệ số tương quan đều nhỏ hơn 0,8), ngoại trừ cặp biến Cashflows và ROA (có hệ số tương quan là 0,849 với mức ý nghĩa 1%). Do vậy, để kiểm tra chắc chắn có hiện tượng đa cộng tuyến và các khuyết tật khác hay không, tác giả sẽ thực hiện các kiểm định nhằm kiểm tra tính vững của dữ liệu.
80
Bảng 3.3. Ma trận hệ số tương quan giữa các biến
Control | flows | Q | |||||||||||
BSize | 1,000 | ||||||||||||
Ned | 0,037** | 1,000 | |||||||||||
CEOpower | -0,114*** | -0,110*** | 1,000 | ||||||||||
Female State | 0,039*** -0,174*** | -0,056*** 0,019 | 0,031** 0,078*** | 1,000 -0,172*** | 1,000 | ||||||||
Foreign | 0,325*** | -0,005 | -0,106*** | 0,123*** | -0,178*** | 1,000 | |||||||
State Control | -0,157*** | 0,026* | 0,065*** | -0,162*** | 0,798*** | -0,157*** | 1,000 | ||||||
Comp | 0,251*** | -0,022* | -0,066*** | 0,049** | 0,009 | 0,410*** | 0,022 | 1,000 | |||||
Size | 0,289*** | -0,023 | -0,125*** | -0,048*** | 0,065*** | 0,301*** | 0,136*** | 0,454*** | 1,000 | ||||
Lev | -0,027* | -0,030** | 0,165*** | -0,146*** | 0,106*** | -0,223*** | 0,140*** | 0,023 | 0,326*** | 1,000 | |||
Capex | 0,086*** | -0,023 | 0,024 | 0,045*** | -0,117*** | 0,093*** | -0,083*** | 0,121*** | 0,074*** | 0,072*** | 1,000 | ||
Cashflows | 0,068*** | 0,063*** | -0,017*** | 0,058*** | 0,179*** | 0,176*** | 0,135*** | 0,194*** | -0,043*** | -0,387*** | 0,020 | 1,000 | |
Tobin’s Q | 0,134*** | 0,053*** | -0,091*** | 0,065*** | 0,137*** | 0,221*** | 0,071*** | 0,321*** | 0,113*** | -0,071*** | 0,032** | 0,459*** | 1,000 |
ROA | 0,068*** | 0,041*** | -0,046*** | 0,051*** | 0,101*** | 0,168*** | 0,035*** | 0,200*** | -0,045*** | -0,398*** | 0,064*** | 0,849*** | 0,394*** 1,000 |
Có thể bạn quan tâm!
-
Cấu Trúc Qtct Mở Rộng Từ Mô Hình Bảng Cân Đối Kế Toán -
Tác Động Của Cấu Trúc Sở Hữu Đến Mức Độ Chấp Nhận Rủi Ro -
Mô Tả Các Biến Trong Mô Hình Nghiên Cứu -
Thực Trạng Quản Trị Công Ty Tại Các Công Ty Niêm Yết Trên Thị Trường Chứng Khoán Việt Nam -
Số Lượng Ctny Tại Các Mức Sở Hữu Nhà Nước Trong Giai Đoạn 2007 – 2017 -
Kết Quả Ước Lượng Tác Động Của Cơ Cấu Hđqt Đến Mức Độ Cnrr
Xem toàn bộ 168 trang tài liệu này.
Biến BSize Ned CEOpower Female State Foreign State
Cash
Comp Size Lev Capex
Tobin’s
ROA
Nguồn: tác giả tổng hợp từ Stata
3.3.3. Kiểm định tính vững của dữ liệu nghiên cứu
Để lựa chọn phương pháp ước lượng phù hợp và mang lại kết quả đáng tin cậy, dữ liệu nghiên cứu cần được kiểm định tính vững, tức là mô hình ước lượng không vi phạm những khuyết tật của mô hình hồi quy như hiện tượng đa cộng tuyến, PSSS thay đổi, tự tương quan. Các mô hình ước lượng vi phạm những khuyết tật này có thể mang lại kết quả sai lệch và không đáng tin cậy nếu sử dụng phương pháp ước lượng không phù hợp.
Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity)
Khi hệ số tương quan của các cặp biến độc lập lớn hơn 0,8 thì các cặp biến này có hiện tượng đa cộng tuyến cao. Tuy nhiên, ngay cả khi hệ số tương quan của hai biến độc lập nhỏ hơn 0,8 thì vẫn có thể có tồn tại đa cộng tuyến. Do đó, bên cạnh việc dựa vào hệ số tương quan của các cặp biến độc lập, tác giả còn sử dụng hệ số phóng đại phương sai VIF (variance inflation factor) trung bình của mô hình để kiểm tra hiện tượng đa cộng tuyến.
!#
z{|} = !
~
(Rj: mô hình hồi quy phụ của biến độc lập j)
Nếu mô hình có hiện tượng đa cộng tuyến thì ước lượng OLS sẽ cho ra kết quả không đáng tin cậy như hệ số ước lượng không có ý nghĩa thống kê, các biến bị ngược dấu so với kỳ vọng, sự thay đổi nhỏ của mẫu nghiên cứu cũng có thể dẫn đến sự thay đổi lớn về kết quả ước lượng (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012).
Quy ước chung là nếu VIF > 10 thì mô hình có hiện tượng đa cộng tuyến cao. Tuy nhiên, theo một số nghiên cứu thực nghiệm thì VIF > 2,5 đã được xem là đa cộng tuyến cao (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012).
Kiểm tra hiện tượng phương sai sai số thay đổi (Heteroskedasticity)
Trong mô hình hồi quy tuyến tính, một trong những giả thiết quan trọng đó là các yếu tố phần dư phải có phương sai đồng nhất. Nếu không thỏa mãn giả thiết này, tức là mô hình có hiện tượng PSSS thay đổi, thì các kết quả ước lượng OLS sẽ không còn là ước lượng tốt nhất và có thể dẫn đến những kết luận sai lầm (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Để kiểm tra hiện tượng PSSS thay đổi, tác giả sử dụng kiểm định Breusch – Pagan với giả thiết:
H0 : mô hình có hiện tượng phương sai đồng nhất
Nếu giá trị p-value nhỏ hơn 0,05 thì mô hình có hiện tượng PSSS thay đổi.
Kiểm tra hiện tượng tự tương quan (Autocorrelation)
Tự tương quan là khuyết tật thường hay xảy ra đối với dữ liệu bảng. Đó là hiện tượng sai số tại thời điểm này có mối quan hệ với sai số tại các thời điểm khác trong quá khứ. Nếu có hiện tượng tự tương quan thì ước lượng OLS sẽ không còn là ước lượng tốt nhất và có thể mang lại những kết quả sai lệch. Đặc biệt đối với những mô hình xảy ra đồng thời cả hai hiện tượng là PSSS thay đổi và tự tương quan, kết quả ước lượng sẽ không đáng tin cậy dù cho mẫu nghiên cứu có quy mô lớn (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Để kiểm tra hiện tượng tự tương quan, tác giả sử dụng kiểm định Wooldridge với giả thiết:
H0 : mô hình không có hiện tượng tự tương quan
Nếu giá trị p-value nhỏ hơn 0,05 thì mô hình có hiện tượng tự tương quan.
Bảng 3.4. Giá trị p-value của các kiểm định khuyết tật mô hình
Trung bình VIF | Breusch-Pagan | Wooldridge | |
(1) | 1,79 | 0,0000 | 0,0000 |
(2) | 1,79 | 0,0000 | 0,0000 |
(3) | 1,98 | 0,0000 | 0,0000 |
(4) | 1,98 | 0,0000 | 0,0000 |
(5) | 2,01 | 0,0000 | 0,0000 |
(6) | 2,01 | 0,0000 | 0,0000 |
(7) | 2,04 | 0,0000 | 0,0000 |
(8) | 2,04 | 0,0000 | 0,0000 |
(9) | 2,33 | 0,0000 | 0,0000 |
(10) | 2,33 | 0,0000 | 0,0000 |
(11) | 4,56 | 0,0000 | 0,0000 |
(12) | 4,56 | 0,0000 | 0,0000 |
Nguồn: tác giả tổng hợp từ Stata
Kết quả p-value của các kiểm định trong bảng trên cho thấy các mô hình có thể gặp phải hiện tượng đa cộng tuyến (mô hình (11) và (12)), PSSS thay đổi và tự tương quan (xảy ra ở tất cả các mô hình). Như vậy, phương pháp ước lượng OLS không phù hợp trong nghiên cứu này vì có thể dẫn đến kết quả ước lượng không đáng tin cậy.
3.4. Lựa chọn phương pháp ước lượng
Kết quả kiểm tra tính vững của các mô hình nghiên cứu cho thấy tồn tại các khuyết tật cơ bản trong mô hình nghiên cứu như hiện tượng đa cộng tuyến (mô hình (11) và (12)), PSSS thay đổi và hiện tượng tự tương quan chuỗi (mô hình (1) đến (12)).
Phương pháp bình phương nhỏ nhất (OLS) được sử dụng phổ biến để tìm ra chiều hướng tác động của biến độc lập đến biến phụ thuộc trong các nghiên cứu. Tuy nhiên, ước lượng OLS thường sẽ đưa ra các kết quả không vững khi trong mô hình tồn tại hiện tượng PSSS thay đổi (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Khi đó, mô hình hiệu ứng cố định (FEM) hay hiệu ứng ngẫu nhiên (REM) có thể được sử dụng. Mặc dù vậy, kết quả ước lượng bởi FEM và REM là không vững khi trong mô hình có hiện tượng tự tương quan chuỗi và độ dài thời gian nghiên cứu tương đối ngắn (T < 15 năm) (Nickell, 1981; Kiviet, 1995; Baltagi, 2001).
Để khắc phục hiện tượng PSSS thay đổi và hiện tượng tự tương quan chuỗi, có thể sử dụng phương pháp ước lượng khác như phương pháp bình phương nhỏ nhất tổng quát (GLS - FGLS) nhưng phương pháp này chỉ áp dụng được khi các biến độc lập trong mô hình đều là biến ngoại sinh chặt (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Có nghĩa là giữa các biến độc lập hoàn toàn không có hiện tượng nội sinh. Tuy nhiên, Wintoki & cộng sự (2012) kết luận rằng các nghiên cứu về QTCT thường tiềm ẩn ba vấn đề đó là các đặc tính công ty không đồng nhất không thể quan sát được (hiện tượng PSSS thay đổi không quan sát được), đặc tính tác động đồng thời giữa các biến (tự tương quan) và đặc tính động của mô hình (hiện tượng nội sinh). Khi nghiên cứu các nhân tố tác động đến mức độ CNRR, một số nhân tố đặc thù của công ty có tác động đến mức độ CNRR nhưng rất khó để đo lường hay tính toán được được. Đây là nguyên nhân của hiện tượng không đồng nhất không thể quan sát được. Ngoài ra, đối với nghiên cứu tác động của QTCT đến mức độ CNRR có thể tồn tại hiện tượng tự tương quan giữa các biến độc lập và vấn đề nội sinh do tác động nhân quả của các biến QTCT đến mức độ CNRR và ngược lại. Bỏ qua các nguồn gốc nội sinh dẫn đến những hậu quả nghiêm trọng cho việc suy luận (Wintoki & cộng sự, 2012). Do đó, các ước lượng OLS, FEM, REM hay GLS đều không phù hợp trong trường hợp này.
Để giải quyết các khuyết tật và vấn đề nội sinh tiềm ẩn, Wintoki & cộng sự (2012) đề xuất sử dụng phương pháp ước lượng moment tổng quát (Generalized Method of Moments – GMM). Phương pháp GMM được sử dụng phổ biến trong các ước lượng dữ liệu bảng động tuyến tính (gây ra hiện tượng nội sinh) hoặc tồn tại các khuyết tật như PSSS thay đổi và tự tương quan.
Phương pháp GMM đầu tiên được Hansen (1982) đề xuất dựa trên ước lượng hợp lý cực đại MLE (Maximum Likelihood Estimation) của Fisher đảm bảo các ước lượng có đủ các tính chất của thống kê tốt như tính nhất quán, tính tiệm cận phân phối chuẩn và tính hiệu quá. Tuy nhiên, các ước lượng MLE sẽ gặp vấn đề biến đại diện yếu khi các hệ số tiến đến 1 (Blundell & Bond, 1998). Để giải quyết vấn đề này, các phương pháp ước lượng GMM tiếp tục được phát triển trong đó nổi bật nhất là phương pháp ước lượng GMM sai phân (Difference GMM) được đề xuất bởi Arellano & Bover (1995) và ước lượng GMM hệ thống (System-GMM) được Blundell & Bond (1998) hoàn thiện bằng cách bổ sung thêm một số ràng buộc vào GMM sai phân. GMM hệ thống thực hiện các ước lượng tốt hơn so với GMM sai phân với các mẫu có thời gian ngắn (T < 15 năm) và tính bền vững cao. Nó dùng sai phân có độ trễ của các biến tiên liệu như các biến công cụ và các sai phân của các biến ngoại sinh nghiêm ngặt (Blundell & Bond, 1998; Roodman, 2009). Như vậy, GMM hệ thống là phương pháp phù hợp hơn. Ước lượng GMM có các biến thể một bước và hai bước, nhưng biến thể thứ hai thường đáng tin cậy hơn biến thể thứ nhất khi trong mô hình tồn tại hiện tượng tự tương quan chuỗi và PSSS thay đổi ở các thành phần chuỗi, đặc biệt đối với GMM hệ thống (Windmeijer, 2005; Lee & Hsieh, 2013). Do đó, GMM hệ thống 2 bước (2-step System Generalized Method of Moments) sẽ được sử dụng trong nghiên cứu này.
- Phương pháp ước lượng đối với các mô hình nghiên cứu (1) đến (10)
Để xử lý các khuyết tật bao gồm hiện tượng đa cộng tuyến, PSSS thay đổi, hiện tượng tự tương quan và vấn đề nội sinh trong các mô hình nghiên cứu (1) đến (12). Tác giả sử dụng phương pháp ước lượng GMM hệ thống 2 bước.
Phương pháp GMM thay CRTi,t-1 (biến độ trễ của biến phụ thuộc) và các biến độc lập nội sinh bằng biến sai phân (tức là chuyển các biến độc lập bị nội sinh thành các biến có độ trễ) không tương quan với các tác động cố định. Độ trễ của biến đo lường mức độ CNRR (biến phụ thuộc) được đưa vào mô hình để nắm bắt tác động động của việc CNRR trong quá khứ đối với việc CNRR ở hiện tại. Các kiểm định Sargan (Arellano & Bond, 1991) và/hoặc Hansen (Blundell & Bond, 2000) được sử dụng để xác định sự phù hợp của các biến công cụ trong ước lượng GMM. Các kiểm định này kiểm định nội sinh trong mô hình với giả thuyết H0: biến công cụ ngoại sinh, tức là không tương quan với sai số của mô hình. Để kiểm tra hiện tượng tự tương quan, kiểm định Arellano-Bond (bao gồm hệ số AR (1) và AR (2)) được sử dụng để xem xét cho các số dư sai phân với giả thuyết H0: không có hiện tượng tự tương quan bậc 1/bậc 2. Giả thuyết H0 bị bác bỏ khi p-value của AR (1) < 0,05 và p- value của AR (2) > 0,05.
Như vậy, để phù hợp với phương pháp ước lượng GMM hệ thống 2 bước, phương trình tổng quát (*) sẽ chuyển thành mô hình có dạng như sau:
CRTit = α + β1CRTi,t-1 + β2Xit + β3Controlit + β4Yeart + β5Industryi + ԑit
Trong đó:
+ CRTi,t-1 là biến độ trễ 1 kỳ của biến phụ thuộc (mức độ CNRR).
+ Year và Industry là hiệu ứng năm và hiệu ứng ngành được kiểm soát trong các phân tích nhằm kiểm soát tác động chi phối của thời gian và ngành đến mức độ CNRR.
Theo đó, biến độ trễ 1 kỳ của biến phụ thuộc (CRTi,t-1) cũng sẽ được thêm vào tương ứng trong các mô hình (1) đến (10).
Biến CRTi,t-1 được kỳ vọng mang dấu dương thể hiện mức độ CNRR trong năm hiện tại (t) bị ảnh hưởng bởi mức độ CNRR trong năm trước đó (t-1). Ước lượng GMM cũng chỉ phù hợp khi đảm bảo được yêu cầu này.
- Phương pháp ước lượng đối với các mô hình nghiên cứu (11) và (12)
Tương tự, phương pháp ước lượng GMM hệ thống được sử dụng để tìm hiểu tác động phi tuyến tính của sở hữu nhà nước đến mức độ CNRR tại các CTNY Việt Nam qua mô hình nghiên cứu sau:
CRTit = α + β1CRTi,t-1 + β2Stateit + β3Stateit2 + β4Controlsit + β5Yeart + β6Industryi + ԑit
- Phương pháp ước lượng đối với mô hình nghiên cứu (13) và (14)
Để tìm hiểu tác động của quy định tỷ lệ thành viên HĐQT độc lập trong Thông tư 121/2012/TT-BTC đến mức độ CNRR, tác giả sử dụng cách tiếp cận khác biệt trong khác biệt (Difference In Difference - DID). DID là một phương pháp thông dụng trong thí nghiệm tự nhiên, dùng để ước lượng tác động của các chính sách hay chương trình đầu tư (Nguyễn Xuân Thành, 2013).
Thông tư 121/2012/TT-BTC tại Việt Nam yêu cầu các CTNY phải đảm bảo số lượng thành viên độc lập đạt tỷ lệ tối thiểu 1/3 trong HĐQT. Các công ty chưa đạt tỷ lệ này trước năm 2012 được yêu cầu phải tăng số lượng thành viên độc lập để đạt tỷ lệ tối thiểu theo quy định. Bởi vì các công ty không thể tác động đến việc Thông tư 121 được thông qua và các CTNY (nhóm chưa đạt tỷ lệ 1/3) bắt buộc phải tuân thủ nó nên tác động của Thông tư 121 được xem như một cú sốc ngoại sinh (nguyên nhân) dẫn đến sự gia tăng tỷ lệ thành viên độc lập trong HĐQT (kết quả) chứ không phải do các nhân tố bên trong công ty gây ra. Do đó, tác động của Thông tư 121 đến mức độ CNRR trong trường hợp này không bị ảnh hưởng bởi vấn đề nội sinh. Ngoài ra, tác động của sự gia