Các Biến Sử Dụng Xem Xét Tác Động Bđdt Đến Ctv‌ 69477

mục tiêu tăng trưởng, chủ sở hữu và người quản lý sẽ xảy ra xung đột lợi ích. Trong trường hợp đầu tư quá mức, DN tăng trưởng sẽ làm tăng chi phí kiệt quệ tài chính, giảm bớt vấn đề về dòng tiền tự do. Đồng thời, các điều khoản trong hợp đồng nợ gây ra rào cản cho các DN để theo đuổi các cơ hội đầu tư. Do đó, DN có mức độ tăng trưởng cao thường tránh sử dụng nợ nhiều. Các bằng chứng thực nghiệm của Kayhan and Titman (2007), Antoniou và cộng sự (2008) ủng hộ quan điểm này. Ngược lại, lý thuyết trật tự phân hạng hàm ý rằng các DN tăng trưởng thường sử dụng hết các vốn nội bộ, và cần thêm các nguồn vốn bên ngoài để tài trợ cho các hoạt động đầu tư của mình. Khi đó, vốn tài trợ từ nợ sẽ được ưu tiên sử dụng so với vốn từ phát hành cổ phiếu. Hay DN tăng trưởng sẽ có xu hướng gia tăng nợ theo thời gian (Frank and Goyal, 2009).Thực tế nghiên cứu tại các quốc gia đang phát triển nói chung và Việt Nam nói riêng cho thấy các DN tăng trưởng thường sử dụng nợ nhiều hơn (Huang, 2006, Delcoure, 2007, Nguyen and Ramachandran, 2006, Tran, 2015, Le and Tannous, 2016). Tỷ số giá trị thị trường so với giá trị sổ sách thường được sử dụng đại diện cho cơ hội tăng trưởng (Frank and Goyal, 2009, Rajan and Zingales, 1995).

Khả năng thanh khoản- liq cho biết khả năng thanh toán các nghĩa vụ nợ trong ngắn hạn của DN. Theo lý thuyết trật tự phân hạng, các DN ưu tiên sử dụng nguồn vốn nội bộ hơn so với nguồn vốn bên ngoài. Do đó, các DN thường có dự trữ thanh khoản từ lợi nhuận giữ lại. Nếu các tài sản thanh khoản đủ để tài trợ cho các hoạt động đầu tư, DN sẽ không cần huy động thêm nguồn vốn bên ngoài. Vì vậy, tính thanh khoản được kỳ vọng có mối quan hệ ngược chiều với ĐBTC. Kết quả nghiên cứu của Deesomsak và cộng sự (2004) ủng hộ lý thuyết này. Ở các quốc gia đang phát triển như Việt Nam, nợ phải trả ngắn hạn là một trong những thành phần chính trong CTV (Nguyen và cộng sự, 2014), nên tính thanh khoản là một yếu tố quan trọng để xác định được khả năng tài trợ vốn trong ngắn hạn của DN. Nguyen và cộng sự (2014), Tran (2015) và Le and Tannous (2016) nghiên cứu về CTV Việt Nam đều cho thấy tính thanh khoản và ĐBTC có mối quan hệ ngược chiều nhau. Khả năng thanh khoản của DN được đại diện bằng tỷ số giữa tài sản ngắn hạn so với nợ ngắn hạn (Deesomsak và cộng sự, 2004, Nguyen và cộng sự, 2014).

Khấu hao bao – ndst gồm các khoản mục khấu hao tài sản vô hình và khấu hao tài sản hữu hình. Theo lý thuyết đánh đổi, khấu hao cũng giúp DN tạo ra được lá chắn thuế ngoài việc sử dụng nợ. Khấu hao của DN càng lớn, các nhà quản lý sẽ bị giảm bớt động lực gia tăng nợ trong CTV (Kumar và cộng sự, 2017). Do đó, khấu hao và nợ có mối quan hệ ngược chiều nhau (Huang, 2006). Ở khu vực châu Á- Thái Bình Dương, khấu hao tác động dương đến nợ do các DN được hưởng lợi ích từ lá chắn thuế nhờ giảm chi phí lãi vay (Chakraborty, 2010). Khấu hao được đo lường bằng tỷ số chi phí khấu hao so với tổng tài sản.

ĐBTC ngành - indlev. Do đặc thù hoạt động từng ngành khác nhau, việc sử dụng nợ của các DN trong các ngành khác nhau (Ross và cộng sự, 2012). Có nhiều kiểm định đã sử dụng tiêu chí này làm biến kiểm soát (Lemmon và cộng sự, 2008) bởi sự khác biệt về ĐBTC giữa các ngành có ý nghĩa về mặt kinh tế và mặt thống kê. Các nhà quản lý có thể sử dụng ĐBTC trung bình ngành như một tiêu chuẩn để đối chiếu với ĐBTC của DN họ. Do đó, ĐBTC ngành thường được sử dụng như một biến đại diện cho CTV mục tiêu (Gilson, 1997, Hovakimian và cộng sự, 2001). Các DN chủ động điều chỉnh các tỷ lệ nợ của họ về mức trung bình ngành (Hovakimian và cộng sự, 2001). Kết quả nghiên cứu thực nghiệm của Frank and Goyal (2009), Keefe and Yaghoubi (2016) chỉ ra rằng ĐBTC của ngành tăng sẽ làm tăng ĐBTC của các DN trong ngành.

Tốc độ tăng trưởng kinh tế (gdp) thể hiện khả năng phát triển của một nền kinh tế. Khi nền kinh tế có tốc độ tăng trưởng kinh tế giảm hay bị rơi vào suy thoái do chính sách tiền tệ thắt chặt thì các DN lớn có xu hướng gia tăng nợ vay, trong khi đó các DN nhỏ vẫn duy trì mức nợ như cũ (Gertler and Gilchrist, 1993). Khi chính sách tiền tệ mở rộng, các DN mở rộng hoạt động kinh doanh, giá cổ phiếu tăng, chi phí phá sản giảm xuống và tiền mặt của các DN tăng lên. Do đó, các DN vay nợ nhiều hơn (Frank and Goyal, 2009). Tuy nhiên, lý thuyết trật tự phân hạng cho rằng các DN sẽ giảm sử dụng ĐBTC do nguồn vốn nội bộ tăng trong thời kỳ chính sách tiền tệ mở rộng nếu các yếu tố khác giữ nguyên không đổi. Đặc biệt, DN có lợi nhuận tăng liên tục trong những năm trước đó sẽ làm vấn đề xung đột lợi ích giữa cổ đông và người

quản lý giảm đi. Điều này sẽ khiến DN giảm phát hành nợ. Tuy nhiên, kết quả thực nghiệm Frank and Goyal (2009) chưa thấy sự tác động của tốc độ tăng trưởng kinh tế đến CTV. Bằng chứng thực nghiệm ở Việt Nam cho thấy trong giai đoạn suy thoái, tốc độ tăng trưởng kinh tế tác động tỷ lệ thuận đến CTV. Trong giai đoạn kinh tế phục hồi và tăng trưởng, tốc độ tăng trưởng kinh tế, tốc độ tăng trưởng kinh tế vẫn tác động tỷ lệ thuận đến CTV (Thach and Oanh, 2018).

3.3.3.2 Các biến tương tác trong mô hình nghiên cứu‌

Kinh nghiệm làm việc trong lĩnh vực tài chính của CEO được sử dụng làm biến điều tiết hay biến tương tác trong mô hình nghiên cứu sự tác động của BĐDT đến CTV. Các lý thuyết và bằng chứng thực nghiệm đã chứng minh tồn tại sự ảnh hưởng của CEO nói chung cũng như kinh nghiệm làm việc trong lĩnh vực tài chính của CEO nói riêng đến mối quan hệ chính luận án xem xét (Chi tiết xem mục 2.3.1). Thực tế tại Việt Nam chưa có bằng chứng thực nghiệm nghiên cứu về mối quan hệ tương tác này. Để xem xét sự tác động này, nghiên cứu sử dụng biến giả để đo lường kinh nghiệm làm việc trong lĩnh vực tài chính của CEO, với biến giả bằng 1 nếu CEO đã từng làm việc tại các vị trí liên quan đến lĩnh vực tài chính và bằng 0 trong các trường hợp còn lại.

Sở hữu của nhà nước và sở hữu nước ngoài đưa vào mô hình nghiên cứu để xem xét tác động đến mối quan hệ giữa BĐDT và CTV. Sở hữu của nhà nước được đại diện bằng biến giả so, trong đó so = 1 nếu DN có sở hữu vốn góp của các đơn vị thành viên thuộc nhà nước, so = 0 nếu DN không có sở hữu vốn góp của các đơn vị thành viên nhà nước. Tương tự, sở hữu nước ngoài là một biến giả với fo = 1 trong trường hợp DN có sở hữu vốn góp của các nhà đầu tư nước ngoài, fo = 0 trong trường hợp DN không có sở hữu vốn góp của nhà đầu tư nước ngoài.

DTHĐ của DN cho biết mức độ tiền sử dụng trong hoạt động kinh doanh của DN. Để xem xét mức độ DTHĐ ảnh hưởng đến mối quan hệ giữa BĐDT, nghiên cứu sử dụng ba mức phân vị của tỷ lệ DTHĐ chia tổng tài sản, lần lượt mức phân vị DTHĐ cao, trung bình và thấp.

Bảng 3.1: Các biến sử dụng xem xét tác động BĐDT đến CTV‌

Nhân tố tác

động

Ký hiệu

Phương pháp đo lường

Cơ sở đo lường tính toán

Biến phụ thuộc

Tỷ lệ tổng nợ phải trả

lata

Tổng nợ phải trả/tổng tài sản tính theo giá trị sổ sách

Keefe and Yaghoubi (2016), Memon và cộng sự (2018), Rajan and Zingales (1995), Nguyen và cộng sự (2014);

Welch (2011)

Tỷ lệ nợ vay

fdc

Tổng nợ vay ngắn hạn và nợ vay dài hạn/tổng nợ vay ngắn hạn, nợ vay dài hạn và vốn chủ sở hữu

tính theo giá trị sổ sách

Keefe and Yaghoubi (2016), Memon và cộng sự (2018), Nguyen và cộng sự (2014), Welch (2011)

Tỷ lệ nợ dài hạn

ltdc

Nợ vay dài hạn/tổng nợ vay dài hạn và vốn chủ sở hữu tính theo giá trị sổ

sách

Keefe and Yaghoubi (2016)

Biến giải thích

BĐDT

cfv

Phần dư hồi quy của

DTHĐ theo thời gian.

De Veirman and Levin (2011),

Memon và cộng sự (2018)

Biến tương tác

Sở hữu của nhà nước

so = 1: có tỷ lệ sở hữu của nhà nước, so = 0:

trường hợp còn lại

Le and Tannous (2016), Nguyen và cộng sự (2014),

Memon và cộng sự (2018)

Sở hữu nước ngoài

fo = 1: có tỷ lệ sở hữu

nước ngoài, fo = 0: trường hợp còn lại

Le and Tannous (2016)

Có thể bạn quan tâm!

Xem toàn bộ 167 trang tài liệu này.

CEO có kinh nghiệm làm việc tài chính

ceo	ceo = 1: CEO có kinh nghiệm làm việc trong lình vực tài chính, ceo = 0 trường hợp còn lại	Custódio and Metzger (2014)
DTHĐ	OCF/TA	DTHĐ/ tổng tài sản	Harris and Roark (2019)
Biến kiểm soát
Quy mô DN	size	Logarit tự nhiên của tổng tài sản	Frank and Goyal (2009)
Khả năng sinh lời	profit	Lợi nhuận hoạt động/ tổng tài sản	Frank and Goyal (2009)
Tài sản hữu hình	tang	Tài sản cố định/ tổng tài sản	Frank and Goyal (2009)
Tốc độ tăng trưởng	growth	Giá trị thị trường/ giá trị sổ sách của vốn góp cổ phần thường	Frank and Goyal (2009)
Tính thanh khoản	liq	Tài sản ngắn hạn/ nợ ngắn hạn	Le and Tannous (2016), Nguyen và cộng sự (2014), Memon và cộng sự (2018)
Khấu hao	ndst	Chi phí khấu hao/tổng tài sản	Le and Tannous (2016)
ĐBTC ngành	indlev	Trung bình ngành của nợ vay/ tổng nguồn vốn	Frank and Goyal (2009)
Tốc độ tăng trưởng kinh tế	gdp	Chênh lệch tổng sản phẩm quốc nội	Frank and Goyal (2009), Thach and Oanh (2018)
Khủng hoảng kinh tế	crisis	crisis = 1 nếu là năm 2018, 2019, 2020. crisis = 0 trong trường hợp còn lại.

(Nguồn: Tác giả tổng hợp)

3.4 Phương pháp ước lượng mô hình nghiên cứu‌

Để ước lượng mô hình nghiên cứu để xem xét tác động của BĐDT đến CTV, các nghiên cứu trước đây sử dụng nhiều phương pháp ước lượng khác nhau. Phương

pháp đầu tiên là phương pháp hồi quy bình phương nhỏ nhất (OLS), hồi quy tuyến tính với hiệu ứng cố định (FEM) (Harris and Roark, 2019, Karimli, 2018). Phương pháp này đơn giản, dễ tiếp cận. Tuy nhiên, dữ liệu bảng với số mẫu quan sát lớn trong khoảng thời gian nghiên cứu ngắn thường phát sinh hiện tượng phương sai sai số thay đổi, khó có thể khắc phục. Đồng thời, nếu mô hình nghi ngờ tồn tại vấn đề nội sinh tức là có sự tương quan hai chiều giữa các biến độc lập và biến phụ thuộc thì các ước lượng theo hồi quy bình phương nhỏ nhất, hồi quy tuyến tính cố định sẽ không còn ý nghĩa. Do đó, để khắc phục một phần vấn đề này, phương pháp thứ hai một số nghiên cứu sử dụng sử dụng mô hình tuyến tính tổng quát (GLM) kết hợp với logit do biến phụ thuộc ĐBTC là phân số nhận giá trị trong khoảng 0 đến 1 (Keefe and Yaghoubi, 2016, Memon và cộng sự, 2018, Santosuosso, 2015). GLM có thể giải quyết một số vấn đề phổ biến khi sử dụng hàm tuyến tính để ước lượng cho các biến tỷ lệ hoặc phân số. Tuy nhiên, GLM khá nhạy cảm với các biến ngoại lai. Do đó, khi ước lượng bằng GLM các nghiên cứu thường loại bỏ các giá trị ngoại lai bằng cách bỏ đi 1% các giá trị đầu và đuôi của mẫu nghiên cứu. Đồng thời, các biến nghiên cứu trong mô hình cần được lấy trễ và xác định độ trễ phù hợp. Dudley and James (2015) thực hiện theo phương pháp khác, sử dụng biến công cụ là sự thay đổi của thuế và sự cạnh tranh của thị trường sản phẩm để giải quyết vấn đề nội sinh giữa các biến nghiên cứu. Tuy nhiên vấn đề phát sinh khi sử dụng ước lượng biến công cụ là (i) thường không dễ để tìm được biến công cụ phù hợp, (ii) nếu sử dụng biến công cụ yếu, các ước lượng sẽ không đảm bảo tính vững (Mileva, 2007).

Mặc khác trên thực tế, các yếu tố của DN là ràng buộc và có thể tác động nhân quả và hai chiều lẫn nhau, nên trong mô hình nghiên cứu có thể phát sinh nhiều yếu tố khác. Thứ nhất, luận án cân nhắc về BĐDT và khả năng chịu sự tác động từ các yếu tố khác bởi việc BĐDT hay rủi ro kinh doanh của DN là một trong những vấn đề quan trọng mà người quản lý phải cân nhắc về tình hình hoạt động của công ty. Bloom (2014) khi nghiên cứu về rủi ro kinh doanh DN cũng cho thấy có tồn tại sự mối quan hệ nghịch hai chiều giữa sự biến động và khả năng sinh lời. Ủng hộ lập luận này, Dudley and James (2015) cho rằng BĐDT và khả năng sinh lời đều có khả năng bị

nội sinh, nên việc xác định những ảnh hưởng của sự thay đổi trong BĐDT và việc sử dụng nợ của DN đòi hỏi một phương pháp ước lượng để giải quyết vấn đề nội sinh. Bên cạnh đó, như đề cập ở chương 2, các lý thuyết hàm ý rằng BĐDT ảnh hưởng đến việc sử dụng nợ của DN. Ở một góc độ khác, khi DN sử dụng nợ cao làm gia tăng chi phí phá sản và kiệt quệ tài chính, đồng nghĩa với làm tăng nguy cơ rủi ro kinh doanh. Hay nói cách khác, có tồn tại mối quan hệ hai chiều giữa BĐDT và ĐBTC (Keefe and Yaghoubi, 2016, Memon và cộng sự, 2018, Santosuosso, 2015). Những điều này khiến tác giả nghi ngờ rằng biến BĐDT trong mô hình có thể là biến nội sinh, tức là nó còn có thể chịu tác động của nhiều biến khác trong mô hình như ĐBTC hay khả năng sinh lời của DN. Thứ hai, bên cạnh một số biến hồi quy có thể xác định trước nhưng không hoàn toàn ngoại sinh, cụ thể trong nghiên cứu này là BĐDT – nghi ngờ có nội sinh như vừa phân tích, một số hồi quy có thể bị ảnh hưởng bởi những biến động hoặc thay đổi trong quá khứ, mà biến trễ của biến phụ thuộc là một minh chứng (Roodman, 2009). Khi đó, công cụ ước tính thích hợp và khả dụng là dựa trên độ trễ của các biến công cụ. Kết hợp hai vấn đề trên, luận án đưa thêm biến trễ của biến phụ thuộc vào – cụ thể biến trễ một kỳ của việc sử dụng nợ, để giải quyết vấn đề nội sinh và khắc phục các khuyết tật của mô hình.

Để ước lượng các phương trình hồi quy để kiểm định mối quan hệ giữa các biến đã được đề cập, tác giả sử dụng phương pháp ước lượng mô men tổng quát (Generalized Method of Moments – GMM) của Hansen (1982) – phương pháp hồi quy tổng quát bao gồm cả ước lượng OLS, FEM, REM, GLS, MLE,… là những trường hợp đặc biệt của nó. Ưu điểm của phương pháp GMM là cho ra các hệ số ước lượng vững, đáng tin cậy, phân phối chuẩn và hiệu quả thậm chí khi điều kiện giả thiết nội sinh bị vi phạm. Đồng thời, GMM dễ dàng trong việc lựa chọn các biến công cụ hơn do sử dụng các biến ngoại sinh ở các thời điểm khác nhau hoặc lấy trễ của biến phụ thuộc để làm biến công cụ cho các biến nội sinh tại thời điểm nghiên cứu.

Sau khi phương pháp GMM ra đời, các nghiên cứu sau này phát triển thành các dạng ước lượng GMM khác nhau. Hai dạng ước lượng GMM phổ biến là GMM sai phân (Difference GMM – DGMM) và GMM hệ thống (System GMM – SGMM).

Phương pháp GMM sai phân của Arellano and Bond (1991) thực hiện chuyển mô hình gốc ban đầu đang có chứa khuyết tật bằng cách thêm cộng cụ, cũng như đưa thêm biến trễ của biến phụ thuộc vào mô hình như một biến giải thích để giải quyết vấn đề tương quan và nội sinh. Arellano and Bover (1995) và Blundell and Bond (1998) nhận thấy nếu biến phụ thuộc có tương quan cao với biến trễ của nó hoặc khoảng thời gian nghiên cứu không quá đủ lớn, GMM sai phân sẽ vẫn có thể có các sai lệch trong kết quả mô hình nghiên cứu. Do đó, Arellano and Bover (1995) và Blundell and Bond (1998) phát triển GMM hệ thống bằng cách cho phép bổ sung nhiều công cụ hơn để cải thiện vấn đề này. Mô hình ước lượng theo phương pháp GMM hệ thống với dữ liệu bảng động theo Blundell and Bond (1998), để giải quyết vấn đề nội sinh có thể phát sinh từ: (i) những hiệu ứng cố định trong từng DN không quan sát được tác động đến tỷ lệ nợ và BĐDT (Roodman, 2009), (ii) mối quan hệ nhân quả đồng thời xảy ra giữa BĐDT và tỷ lệ nợ; (iii) sự thiên lệch của mô hình bảng động (Arellano and Bond, 1991, Bond, 2002); (iv) vấn đề nội sinh xuất hiện giữa các biến khác trong mô hình. Phương pháp GMM hệ thống có xem xét tính vững của BĐDT và CTV. Đồng thời, phương pháp GMM hệ thống phù hợp với dữ liệu thu thập của nhóm nghiên cứu với thời gian ngắn và số lượng DN nhiều (Roodman, 2009). Cụ thể, bộ dữ liệu nghiên cứu được sử dụng theo dạng bảng động không cân bằng với chuỗi thời gian ngắn (T = 11 năm) và số lượng đối tượng quan sát lớn (N = 789 DN) cho mỗi đơn vị thời gian, với tổng số quan sát 5495. Bộ dữ liệu này phù hợp với việc sử dụng phương pháp hồi quy GMM. Đồng thời để linh hoạt hơn trong việc điều chỉnh các biến công cụ, luận án sử dụng phương pháp ước lượng SGMM.

Dựa trên những lập luận ở trên, các phương trình hồi quy tại mục 3.2 được viết lại dưới dạng mô hình GMM sẽ bao gồm hệ hai phương trình như sau:

LEVi,t = α + βLEVi,t−1 + δlncfvi,t + γXi,t + ηi + εi,t

i,t i,t−1 i,t i,t i,t

{∆LEV = α + β∆LEV + δ∆lncfv + γ∆X + ∆ε

(3.7)

{LEVi,t = α + βLEVi,t−1 + δlncfvi,t + δ1lncfvi,tx ceo + γXi,t + ηi + εi,t (3.8)

∆LEVi,t = α + β∆LEVi,t−1 + δ∆lncfvi,t + δ1∆lncfvi,tx ceo + γ∆Xi,t + ∆εi,t