Yaghoubi, 2016), cao hơn với trung bình BĐDT của các DN Trung Quốc (0,079) (Memon và cộng sự, 2018). Với cách đo lường BĐDT dựa trên lợi nhuận hoạt động của DN, cfv_oi có giá trị trung bình khoảng 0,058, giá trị giao động trong khoảng từ 0 đến 2,26. cfv_oi có sự chênh lệch và mức độ biến động thấp hơn so với cfv. Để chuẩn hóa phân phối của BĐDT, nghiên cứu lấy logarit tự nhiêu của tất cả các cách đo lường BĐDT. Để gần về hơn với phân phối chuẩn hóa7, nghiên cứu lấy logarit cơ số tự nhiên của tất cả các cách đo lường sự biến động. Cụ thể, độ lệch và độ nhọn của cfv là 72,852 và 5361,37. Sau khi lấy logarit cơ số tự nhiên của cfv, độ lệch và độ nhọn của lncfv lần lượt là -1,194 và 7,158.
Bảng 4.2: Ma trận hệ số tương quan cặp giữa các biến trong toàn bộ mẫu
(1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | (9) | (10) | (11) | (12) | |
(1) lata | 1,000 | |||||||||||
(2) fdc | 0,827* | 1,000 | ||||||||||
(3) ltdc | 0,487* | 0,637* | 1,000 | |||||||||
(4) lncfv | -0,059* | -0,066* | -0,125* | 1,000 | ||||||||
(5) lncfv_oi | -0,128* | -0,102* | -0,093* | 0,298* | 1,000 | |||||||
(6) size | 0,329* | 0,415* | 0,398* | -0,110* | -0,060* | 1,000 | ||||||
(7) tang | -0,012 | 0,169* | 0,499* | -0,121* | -0,027 | 0,106* | 1,000 | |||||
(8) liq | -0,397* | -0,290* | -0,149* | 0,040* | 0,087* | -0,144* | -0,102* | 1,000 | ||||
(9) profit | -0,227* | -0,172* | -0,019 | -0,061* | 0,002 | 0,013 | 0,251* | 0,020 | 1,000 | |||
(10) growth | -0,101* | -0,119* | -0,061* | 0,027 | 0,059* | 0,097* | -0,008 | 0,026 | 0,312* | 1,000 | ||
(11) nsdt | -0,030 | 0,042* | 0,246* | -0,067* | -0,001 | 0,019 | 0,553* | -0,047* | 0,465* | 0,030 | 1,000 | |
(12) gdp | -0,048* | -0,032 | -0,061* | 0,064* | 0,085* | 0,132* | -0,108* | 0,028 | -0,009 | 0,089* | -0,041* | 1,000 |
(13) induslev | 0,093* | -0,004 | 0,033 | -0,018 | -0,052* | -0,135* | -0,079* | -0,005 | -0,123* | -0,114* | -0,077* | -0,016 |
Có thể bạn quan tâm!
-
Các Biến Kiểm Soát Và Các Biến Điều Kiện Trong Mô Hình -
Các Biến Sử Dụng Xem Xét Tác Động Bđdt Đến Ctv -
Thống Kê Mô Tả Toàn Bộ Dữ Liệu Nghiên Cứu -
Kết Quả Hồi Quy Bằng Phương Pháp Sai Số Driscoll-Kraay -
Tác Động Của Sở Hữu Nhà Nước Đến Mối Quan Hệ Giữa Bđdt Và Ctv -
Tác Động Của Bđdt Đến Việc Sử Dụng Nợ Dựa Trên Phân Vị Dòng Tiền
Xem toàn bộ 167 trang tài liệu này.
(Nguồn: Tác giả tính toán)
Bảng 4.2 thể hiện ma trận hệ số tương quan giữa các biến sử dụng trong mô hình nghiên cứu. Các cách đo lường việc sử dụng nợ có tương quan khá chặt chẽ với nhau. Hệ số tương quan giữa tỷ số tổng nợ phải trả (lata) với tỷ số nợ vay (fdc), tỷ số nợ dài hạn (ltdc) và tỷ số nợ ngắn hạn lần lượt (std) là 0,827; 0,487; 0,574. Hệ số tương quan giữa fdc với ltdc, std là 0,637 và 0,757. Các cách đo lường BĐDT (lncfv, lncfv_oi) có tương quan với nhau (0,298). Lncfv và lncfv_oi tỷ lệ nghịch với lata, fdta và ltdc. lncfv tương quan dương với tỷ lệ nợ ngắn hạn (std), trong khi lncfv_oi tương
7 Một phân phối chuẩn hóa có độ lệch bằng 0 và độ nhọn bằng 3.
quan âm với std. Hệ số tương quan giữa lncfv với lata, fdc, ltdc và std lần lượt là 5,9%; 6,6%; 12,5%; 2,1%. Hệ số tương quan giữa BĐDT với các biến khác trong mẫu nghiên cứu các DNNY tại Việt Nam thấp hơn so với các mẫu nghiên cứu các DNNY tại Trung Quốc (Memon và cộng sự, 2018) và các DNNY tại Mỹ (Keefe and Yaghoubi, 2016). Cụ thể, BĐDT (lncfv) tương quan âm với quy mô DN (size), tài sản cố định (tang), khả năng sinh lời (profit), tỷ lệ khấu hao (nsdt) và ĐBTC trung bình ngành (induslev). Ngược lại, lncfv có tương quan dương với size, liq, growth và gdp. Hệ số tương quan giữa lncfv và size, tang, profit, nsdt, induslev lần lượt -11%; - 12,1%; -6,1%; -6,7%; -1,8%. Hệ số tương quan giữa lncfv và liq, growth và gdp lần lượt là 4%; 2,7%; 1,8%. Như vậy, các DN có BĐDT cao thường có quy mô nhỏ hơn, có ít lợi nhuận hơn, thuộc các ngành có mức sử dụng nợ thấp hơn (Keefe and Yaghoubi, 2016), sử dụng nhiều tài sản cố định hơn và trích lập nhiều khấu hao hơn.
Mối quan hệ giữa BĐDT và việc sử dụng nợ của DN được minh họa thông qua hình 1. Toàn bộ số liệu sử dụng vẽ biểu đồ minh họa là giá trị trung vị theo thời gian của các biến trong mô hình. Tỷ số tổng nợ phải trả chia tổng tài sản (lata) giảm từ từ theo sự biến động của dòng tiền(lncfv) theo thời gian, hàm ý mối quan hệ ngược chiều giữa BĐDT và việc sử dụng nợ của DN.
Mối quan hệ giữa các yếu tố nội tại và các cách đo lường việc sử dụng nợ tương đối khác nhau trong DN. Quy mô DN (size) tỷ lệ thuận với các cách đo lường việc sử dụng nợ (lata, fdc, ltdc, std). Ngược lại, khả năng tăng trưởng (growth) và khả năng thanh khoản (liq) tỷ lệ nghịch với các cách đo lường việc sử dụng nợ của DN. DN có quy mô lớn sẽ tăng sử dụng ĐBTC, trong khi đó tốc độ tăng trưởng cao và tính thanh khoản cao sẽ khiến DN giảm sử dụng ĐBTC. Bên cạnh đó, khả năng sinh lời, khấu hao và ĐBTC của ngành tỷ lệ nghịch với lata, fdc, và std nhưng tỷ lệ thuận với ltdc. Tốc độ tăng trưởng kinh tế(gdp) tương quan âm với lata, fdc, ltdc nhưng tương quan dương với std.
0.56
0.54
0.52
0.5
0.48
0.46
0.44
0.42
0.0926629 0.2309773 0.3133121 0.3944471 0.4333568 0.49011915 0.6899209
CFV
lata
Linear (lata)
LATA
Hình 4.1: Đồ thị mối quan hệ giữa BĐDT và tỷ lệ tổng nợ phải trả
(Nguồn: Tác giả tính toán)
Mức độ tương quan giữa các biến trong mô hình tương đối thấp. Mức tương quan cao nhất giữa việc sử dụng nợ lata, fdc, ltdc, std và quy mô DN size với hệ số tương quan lần lượt 0,398; 0,403; 0,373; 0,206. Thêm vào đó, để kiểm tra tồn tại vấn đề đa cộng tuyến giữa các biến sử dụng trong mô hình, nghiên cứu tiến hành kiểm định hệ số phóng đại phương sai (VIF). Kết quả kiểm định VIF cho thấy tất cả các giá trị nhân tử phóng đại phương sai VIF đều nhỏ hơn 10, hàm ý rằng mô hình nghiên cứu không có hiện tượng đa cộng tuyến.
4.2 Kết quả nghiên cứu
4.2.1 Mối quan hệ giữa BĐDT và CTV
Ước lượng theo phương pháp GMM hệ thống được sử dụng để kiểm định tác động của BĐDT và CTV. Kết quả ước lượng của mẫu nghiên cứu trong giai đoạn từ năm 2008 đến năm 2019 của các DNNY trên hai sở giao dịch chứng khoán Hà Nội và Hồ Chí Minh được thể hiện trong bảng 4.3.
Bảng 4.3: Tác động BĐDT đến cấu trúc vốn toàn mẫu nghiên cứu
(1) | (2) | (3) | |
lata | fdc | ltdc | |
lncfv | -0,013*** | -0,022* | -0,025*** |
(0,004) | (0,012) | (0,008) | |
size | 0,017*** | 0,023*** | 0,013*** |
(0,003) | (0,005) | (0,004) | |
tang | -0,023 | 0,062*** | 0,106*** |
(0,015) | (0,02) | (0,036) | |
liq | -0,004 | -0,002 | 0 |
(0,003) | (0,001) | (0) | |
profit | -0,026 | -0,214 | -0,238 |
(0,088) | (0,182) | (0,148) | |
growth | -0,011 | 0,005 | -0,001 |
(0,007) | (0,008) | (0,005) | |
nsdt | -0,256** | -0,183 | 0,111 |
(0,13) | (0,241) | (0,193) | |
gdp | 0 | -0,001 | 0,009** |
(0,003) | (0,005) | (0,004) | |
induslev | 0,044 | 0,005 | -0,001 |
(0,031) | (0,044) | (0,029) | |
L.lata | 0,74*** | ||
(0,06) | |||
L.fdc | 0,701*** | ||
(0,024) | |||
L.ltdc | 0,733*** | ||
(0,087) | |||
Hệ số chặn | -0,327*** | -0,545*** | -0,41*** |
(0,067) | (0,132) | (0,118) | |
Số quan sát | 4895 | 4895 | 4895 |
Kiểm định AR(1) | 0,000 | 0,000 | 0,000 |
Kiểm định AR(2) | 0,746 | 0,790 | 0,714 |
Kiểm định Hansen | 0,232 | 0,103 | 0,559 |
Mức ý nghĩa thống kê: *** p<0,01, ** p<0,05, * p<0,1. Bảng trình bày kết quả hồi quy sử dụng phương pháp GMM hệ thống. Các biến được định nghĩa trong Bảng 3.1 | |||
(Nguồn: Tác giả tính toán)
Kiểm định Arellano- Bond về tự tương quan thông qua AR(1) và AR(2). Kiểm định AR(1) có các giá trị P-values bằng 0, chấp nhận có sự tương quan chuỗi bậc 1, trong khi kiểm định AR(2) có các giá trị P-values>0,1 đồng nghĩa chấp nhận giả thuyết không có sự tương quan bậc 2. Kiểm định Hansen về tính hiệu lực của các
biến công cụ với các giá trị P-values>0,1, hàm ý rằng tất cả các biến cộng cụ được sử dụng có hiệu lực. Vì vậy, các kết quả của phương pháp GMM hệ thống trong bảng
4.3 đều có hiệu lực.
Kết quả ước lượng một phần ủng hộ cho giả thuyết H1 đã đề cập trong phần tổng quan nghiên cứu. Các cột trong bảng 4.3 tương ứng với kết quả hồi quy với các cách đo lường ĐBTC khác nhau. Hệ số của lncfv có ý nghĩa thống kê ở mức 1% với lata và ltdc, và có ý nghĩa thống kê ở mức 10% với fdc. Hệ số của lncfv âm trong mô hình hồi quy với biến phụ thuộc lượt lata, fdc và ltdc. Điều này hàm ý các DN có sự BĐDT cao có xu hướng sử dụng ít nợ. Bên cạnh đó, độ lớn hệ số BĐDT với nợ dài hạn là cao nhất (-0,025). Độ lớn của các hệ số BĐDT tăng dần khi định nghĩa về nợ hẹp dần từ tổng nợ vay cho đến nợ dài hạn. Các hệ số của lncfv là -0,012 và -0,022 tương ứng với lần lượt fdc và ltdc. Điểm này có sự tương đồng với hệ số BĐDT với việc sử dụng nợ theo giá trị sổ sách ở các DN ở Mỹ và Trung Quốc. Cụ thể, độ lớn hệ số BĐDT của tổng nợ phải trả ở mức giảm thấp nhất (Keefe and Yaghoubi, 2016, Memon và cộng sự, 2018). Khi có BĐDT cao, các DNNY sẽ sử dụng nợ ngắn hạn và các khoản nợ hoạt động thay thế cho các khoản nợ vay dài hạn (Keefe and Yaghoubi, 2016). Tương tự, các DNNY tại Việt Nam có xu hướng giảm toàn bộ các hoạt động vay nợ bên ngoài, đồng thời sử dụng nợ hoạt động và nợ vay ngắn hạn quay vòng liên tục, thay vì các khoản vay nợ dài hạn khi có rủi ro về dòng tiền.
Về mặt lý thuyết, kết quả nghiên cứu không theo lý thuyết trật tự phân hạng cho rằng các DN có BĐDT cao gặp phải vấn đề thông tin bất cân xứng nhiều hơn, do đó họ sẽ gia tăng sử dụng nợ. Thay vào đó, kết quả này ủng hộ lý thuyết đánh đổi với lập luận rằng các DN có BĐDT cao hay có nguy cơ rủi ro kinh doanh khi họ phải đối mặt với chi phí kiệt quệ tài chính cao từ các điều khoản trong hợp đồng vay nợ và lợi ích từ lá chắn thuế giảm đi. Vì vậy, các DN sẽ giảm việc sử dụng nợ. Các DN Việt Nam đối mặt với mức độ rủi ro kinh doanh cao do môi trường kinh doanh ở Việt Nam có nhiều rủi ro và sự biến động – đặc biệt sau giai đoạn khủng hoảng tài chính 2010- 2011 (Tran, 2015). Để phản ứng với môi trường kinh doanh này, các DN phi tài chính
niêm yết tại Việt Nam có xu hướng giảm tài trợ bằng nợ vay, song gia tăng sử dụng nợ ngắn hạn.
Về mặt thực nghiệm, kết quả của nghiên cứu tương đồng với các DNNY tại Mỹ và Trung Quốc trong các nghiên cứu trước đây (Memon và cộng sự, 2018, Keefe and Yaghoubi, 2016). Khi có BĐDT, chi phí nợ của DN gia tăng sẽ tạo áp lực khiến DN chịu áp lực duy trì CTV tối ưu giữa chi phí kiệt quệ tài chính, chi phí phá sản với lá chắn thuế và các điều kiện khác. Do đó, DN có xu hướng giảm sử dụng nợ trong CTV của mình. Trường hợp nợ ngắn hạn ngược lại. Khi BĐDT tăng lên, tỷ lệ nợ ngắn hạn có xu hướng tăng lên, nhưng kết quả này chưa có ý nghĩa thống kê. Điều này có thể do sự BĐDT làm DN tạm thời thiếu hụt tiền mặt. Vì vậy, các DN gia tăng nợ ngắn hạn để bù đắp cho sự thiếu hụt tạm thời này (Harris and Roark, 2019).
Kiểm tra tính vững của mô hình nghiên cứu
Để kiểm tra tính vững của các mô hình ở trên, nghiên cứu sử dụng các phương pháp đo lường khác nhau với biến độc lập và biến phụ thuộc, cụ thể BĐDT và CTV. Đồng thời, nghiên cứu sử dụng thêm phương pháp hồi quy khác để kiểm định lại kết quả mô hình. Mặc dù các cách đo lường khác nhau, phương pháp hồi quy khác được áp dụng, hầu hết kết quả tương đồng với kết quả mô hình chính.
Đầu tiên, nghiên cứu sử dụng ba cách đo lường việc sử dụng nợ của DN khác nhau bao gồm tỷ lệ tổng nợ phải trả chia tổng tài sản (lata), tỷ lệ tổng nợ vay (fdc) và tỷ lệ nợ vay dài hạn (ltdc). Các kết quả hồi quy giữa việc sử dụng nợ của DN và BĐDT trong bảng 4.3, bảng 4.4, bảng 4.5 và bảng 4.6 với lần lượt các cột 1, cột 2 và cột 3 đều cho kết quả giống nhau. Cụ thể, BĐDT tương quan âm với việc sử dụng nợ theo tất cả các cách đo lường đã đề cập ở trên.
Tiếp theo, nghiên cứu sử dụng cách đo lường khác của dòng tiền. Thay vì sử dụng dòng tiền thuần từ hoạt động kinh doanh hay dòng tiền cơ sở (Memon và cộng sự, 2018, Keefe and Yaghoubi, 2016), lợi nhuận hoạt động (oi) sẽ đại diện cho dòng tiền (Keefe and Yaghoubi, 2016). Cách đo lường BĐDT của (Levine and Wu, 2014, O'Connor Keefe and Tate, 2013) tiếp tục được dùng để tính toán BĐDT theo lợi
nhuận hoạt động (lncfv_oi). Phương pháp GMM hệ thống được áp dụng với cách đo lường BĐDT mới. Kết quả kiểm định mối quan hệ giữa BĐDT và CTV theo cách tính BĐDT mới (lncfv_oi) được thể hiện trong bảng 4.4.
Bảng 4.4: Kết quả hồi quy với cách đo lường BĐDT khác
(1) | (2) | (3) | |
lata | fdc | ltdc | |
lncfv_oi | -0,0307*** | -0,031*** | -0,0251*** |
(0,011) | (0,011) | (0,008) | |
size | 0,0156*** | 0,014*** | 0,009*** |
(0,003) | (0,033) | (0,002) | |
tang | 0,0211 | 0,0427** | 0,1054*** |
(0,0149) | (0,0167) | (0,026) | |
liq | -0,004 | -0,0011 | 0,0003 |
(0,003) | (0,0008) | (0,0003) | |
profit | -0,005 | -0,2018*** | -0,0923*** |
(0,09) | (0,041) | (0,0249) | |
growth | -0,0102 | 0,0053 | -0,0003 |
(0,0063) | (0,0079) | (0,003) | |
nsdt | -0,2949** | -0,222*** | -0,1848 |
(0,1288) | (0,0818) | (0,1233) | |
gdp | -0,0002 | -0,0007 | 0,003 |
(0,0036) | (0,0036) | (0,0026) | |
induslev | 0,0126 | -0,054* | -0,1051 |
(0,0343) | (0,031) | (0,0236) | |
L.lata | 0,7556*** | ||
(0,059) | |||
L.fdtc | 0,8438*** | ||
(0,1406) | |||
L.ltdc | 0,8111*** | ||
(0,0476) | |||
Hệ số chặn | -0,2821*** | -0,3897*** | -0,341*** |
(0,0604) | (0,0905) | (0,073) | |
Số quan sát | 4895 | 4895 | 4895 |
AR(1) | 0,000 | 0,000 | 0,000 |
AR(2) | 0,779 | 0,761 | 0,442 |
Hansen | 0,226 | 0,796 | 0,334 |
Mức ý nghĩa thống kê: *** p<0,01, ** p<0,05, * p<0,1. Bảng trình bày kết quả hồi quy sử dụng phương pháp SGMM. Các biến được định nghĩa trong Bảng 3.1. | |||
(Nguồn: Tác giả tính toán)
Với trường hợp ĐBTC được đại diện bởi lata, fdta, ltda, các hệ số của BĐDT âm và có ý nghĩa thống kê lần lượt 1% và 5%. Ngược lại, hệ số của BĐDT dương và có ý nghĩa thống kê ở mức 5% trong trường hợp tỷ lệ nợ ngắn hạn. Các kết quả hồi quy này không có sự khác biệt với các kết quả hồi quy chính ở bảng 4.3.
Nghiên cứu bổ sung thêm biến khủng hoảng (crisis) như một biến kiểm soát vào mô hình ban đầu để kiểm tra tính vững của mô hình nghiên cứu. Biến khủng khoảng được đo lường thông qua biến giả nhận giá trị bằng 1 khi quan sát ở năm có khủng hoảng diễn ra (2008, 2009, 2010), và nhận giá trị bằng 0 với các trường hợp còn lại.
Kết quả ước lượng theo phương pháp GMM hệ thống được trình bày ở bảng
4.5. Hệ số của BĐDT đối với việc sử dụng nợ của DN âm và có ý nghĩa thống kê ở mức 1% trong bối cảnh có khủng hoảng tài chính tác động. Kết quả này tương đồng với kết quả hồi quy của mô hình gốc ban đầu. Do đó, vấn đề sai lệch do thiếu biến ít có khả năng xuất hiện trong mô hình nghiên cứu này.
Cuối cùng, nghiên cứu lựa chọn phương pháp hồi quy mô hình khác để kiểm định lại kết quả của mô hình ban đầu. Cụ thể, nghiên cứu sử dụng phương pháp hồi quy tuyến tính theo Frank and Goyal (2009) ước lượng lại mối quan hệ giữa BĐDT với việc sử dụng nợ do mô hình Frank and Goyal (2009) đảm bảo tính vững và được sử dụng rộng rãi trong các học thuyết về CTV ngày nay (Harris and Roark, 2019).
Tuy nhiên, qua kiểm định xác định khuyết tật mô hình, mô hình có sự tương quan giữa các sai số và hiện tượng phương sai sai số thay đổi. Với các khuyết tật này trong mô hình sẽ làm ước lượng hồi quy với hiệu ứng cố định (fixed effects) không hiệu quả. Vì vậy, nghiên cứu áp dụng ước lượng hồi quy với sai số chuẩn của (Driscoll and Kraay, 1998) khắc phục những khuyết tật này. Khi sử dụng phương pháp ước lượng này, mô hình có ý nghĩa ở mức 1% (Prob = 0) nên kết quả mô hình phù hợp. Kết quả hồi quy được minh họa trong bảng 4.6.
Cột 1, cột 2, và cột 3 trong bảng 4.6 cho thấy BĐDT có mối tương quan âm có ý nghĩa thống kê với lần lượt tỷ lệ tổng nợ phải trả, tỷ lệ tổng nợ vay và tỷ lệ nợ dài