Tác giả sử dụng các biến:
- Quy mô công ty (Size): được tính bằng cách logarit của doanh thu. Sở dĩ tác giả lấy logarit vì để hạn chế sự biến động lớn trong biến này.
- Chỉ số thanh toán hiện hành (CR): là tỷ lệ tài sản ngắn hạn và nợ ngắn hạn
- Tỷ lệ nợ (DR): là tỷ lệ nợ trên tổng tài sản
Làm biến kiểm soát vì cho rằng các biến này có thể ảnh hưởng tới lợi nhuận của công ty (Deloof, 2003; Laziridis and Tryfonidis, 2006; Julius, M., J. 2014).
Bảng 3.1: Tổng hợp các biến
Biến Viết tắt Công thức tính
Tỷ lệ lợi nhuận hoạt động gộp GOI
(Doanh thu thuần - Giá vốn hàng bán)/(Tổng tài sản - Tài sản tài chính)
Kỳ thu tiền bình quân AR
(Khoản phải thu đầu kỳ + Khoản phải thu cuối kỳ)/Doanh thu bán hàng * 365
Kỳ lưu kho bình quân INV
(Tồn kho đầu kỳ + Tồn kho cuối kỳ)/Giá vốn hàng bán * 365
Kỳ phải trả bình quân AP
(Khoản phải trả đầu kỳ + Khoản phải trả cuối kỳ)/Giá vốn hàng bán * 365
Chu kỳ luân chuyển tiền mặt CCC AR + INV – AP
Quy mô công ty Size Logarit của doanh thu bán hàng
Tỷ lệ nợ DR Tổng nợ/Tổng tài sản
Tỷ số thanh toán hiện hành CR Tài sản ngắn hạn/Nợ ngắn hạn
Tỷ lệ sở hữu nhà nước STATE
= 1 nếu tỷ lệ sở hữu nhà nước trên 50%
= 0 cho những doanh nghiệp còn lại
(Nguồn: tác giả tổng hợp) 3.2.4 Mô hình nghiên cứu đề xuất:
Dựa trên mô hình nghiên cứu mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh lợi của các tác giả Deloof (2003); Laziridis and Tryfonidis (2006);
Julius, M., J. (2014), Hamdi Ben Nasr (2016), tác giả đã xây dựng các mô hình nghiên cứu sau:
GOIit = β0 + β1(ARit) + β2(Sizeit) + β3(CRit) + β4(DRit) + ɛ (1) GOIit = β0 + β1(INVit) + β2(Sizeit) + β3(CRit) + β4(DRit) + ɛ (2) GOIit = β0 + β1(APit) + β2(Sizeit) + β3(CRit) + β4(DRit) + ɛ (3) GOIit = β0 + β1(CCCit) + β2(Sizeit) + β3(CRit) + β4(DRit) + ɛ (4)
GOIit = β0 + β1(CCCit) + β2(Sizeit) + β3(CRit) + β4(DRit) + β5.STATE.(CCCit) + ɛ (5) Trong đó các mô hình từ 1 đến 3 tác giả lần lượt nghiên cứu ảnh hưởng của từng yếu tố trong chu kỳ luân chuyển tiền mặt lên lợi nhuận hoạt động ròng, sau đó xem xét tác động của chu kỳ luân chuyển tiền mặt đến lợi nhuận (mô hình 4).
Trong bài nghiên cứu của các tác giả Từ Thị Kim Thoa và Nguyễn Thị Uyên Uyên (2014), khi xem xét mối quan hệ trên khác nhau giữa các nhóm ngành như thế nào, các tác giả đã xây dựng các biến giả đại diện cho các nhóm ngành và thực hiện hồi quy với các biến giả này. Với tác giả Hamdi Ben Nasr (2016), khi cần xem xét mối quan hệ trên theo nhóm các công ty có tỷ lệ sở hữu khác nhau, tác giả cũng sử dụng biến giả làm đại diện cho các nhóm công ty, vì vậy trong bài nghiên cứu này tác giả đã sử dụng biến giả STATE để xây dựng mô hình 5.
Các bước phân tích định lượng:
Bước 1: Thống kê mô tả dữ liệu
Thống kê mô tả là việc mô tả dữ liệu bằng các chỉ số thống kê thông thường cho các biến số mà chúng ta sử dụng. Việc sử dụng thống kê để tóm tắt và lập bảng,
hình cho một tập dữ liệu để làm cho các đặc điểm chính của các biến biểu lộ gọn và rõ hơn. Mục tiêu là giúp cho người sử dụng dữ liệu có thể hệ thống hóa lại các con số nhằm có những hình dung ban đầu về bộ dữ liệu của mình. Cụ thể phần này, tác giả cho thấy giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và nhỏ nhất của các biến độc lập, biến phụ thuộc và cả biến kiểm soát.
Bước 2: Phân tích tương quan giữa các biến trong mô hình
Việc phân tích tương quan giữa các biến trong mô hình nhằm phát hiện dấu hiệu của hiện tượng đa cộng tuyến. Một trong số các giả định của hồi quy tuyến tính là không có tương quan giữa các biến độc lập, khi giả thuyết này bị vi phạm thì hệ số hồi quy có thể bị sai dấu hoặc không có ý nghĩa thống kê. Do đó, việc phân tích tương quan giữa các biến trong mô hình là cần thiết, phân tích tương quan được thực hiện thông qua ma trận tương quan.
Bước 3: Phân tích hồi quy đa biến bằng phương pháp Pooled OLS
Đề tài sử dụng phương pháp hồi quy đa biến để phân tích các yếu tố tác động của các biến độc lập đến biến phụ thuộc. Tác giả sử dụng phần mềm Stata 12 để xử lý các mô hình định lượng trong bài nghiên cứu này. Để chọn ra mô hình phù hợp, đầu tiên luận văn sử dụng phương pháp bình phương nhỏ nhất bằng dữ liệu bảng (Pooled OLS)
Các mô hình hồi quy được biểu diễn như sau:
GOI = β1 + β2ARit + β3Sizeit + β4CRit + βkDRit + µit
GOI = β1 + β2INVit + β3Sizeit + β4CRit + βkDRit + µit
GOI = β1 + β2APit + β3Sizeit + β4CRit + βkDRit + µit
GOI = β1 + β2CCCit + β3Sizeit + β4CRit + βkDRit + µit
Trong đó: i đại diện cho số thứ tự công ty, t đại diện cho số năm quan sát Tuy nhiên, đối với loại mô hình này, khả năng xảy ra hiện tượng tự tương quan trong số liệu khá cao. Ngoài ra, việc giả định hệ số chặn trong mô hình là giống nhau cho các đối tượng quan sát và giả định về hệ số ước lượng của các biến quan sát là giống nhau cho các đối tượng quan sát là các giả định hết sức nghiêm khắc mà các dữ liệu khó đáp ứng được. Vì vậy, dù đây là trường hợp đơn giản,
nhưng mô hình hồi quy này có thể sẽ làm mất đi hình ảnh thật về mối quan hệ giữa các biến của các đối tượng quan sát nên tác giả tiến hành tiếp bước 4.
Bước 4: Kiểm định sự phù hợp của phương pháp Pooled OLS
Kiểm định F-test thể hiện mức ý nghĩa của hiệu ứng cố định các đặc điểm của những công ty. Với giả thuyết H0 là tác động của sự khác biệt về đặc điểm riêng giữa những công ty bằng 0. Nếu giả thuyết bị từ chối, chúng ta nên sử dụng phương pháp cố định các tác động này. F-test được tính ngay trong kết quả hồi quy, chính là chỉ số F-statistic. Giá trị tới hạn F(α;k-1;n-k)
Nếu F < F-statistic: Chấp nhận giả thuyết H0 hay nói cách khác nên sử dụng mô hình Pooled OLS.
Nếu F > F-statistic: Bác bỏ giả thuyết H0 hay nói cách khác nên sử dụng mô hình FEM/REM
Bước 5: Phân tích hồi quy đa biến bằng mô hình FEM/REM
Mô hình hồi quy với tác động cố định (Fixed Effects Model - FEM):
Mô hình tác động cố định được biểu diễn như sau:
GOIit = βit + β2CCCit + β3Sizeit + β4CRit + β5DRit + µit (*)
Tương tự với các biến độc lập AR, INV, AP, ta có các mô hình:
GOIit = βit + β2ARit + β3Sizeit + β4CRit + β5DRit + µit
GOIit = βit + β2INVit + β3Sizeit + β4CRit + β5DRit + µit
GOIit = βit + β2APit + β3Sizeit + β4CRit + β5DRit + µit
Mô hình (*) có thể tách thành hai mô hình:
GOIit = β1t + β2CCCit + β3Sizeit + β4CRit + β5DRit + µit (*.1) GOIit = β1i + β2CCCit + β3Sizeit + β4CRit + β5DRit + µit (*.2)
Mô hình (*.1) giả định tung độ góc thay đổi theo thời gian nhưng giống nhau giữa các đơn vị chéo trong cùng năm quan sát. Khi đó, các tác động mang tính đặc trưng của các đơn vị chéo trong cùng một kỳ tính toán bị cố định và mô hình chỉ đánh giá sự thay đổi theo thời gian của các đặc trưng đó. Phương pháp này giúp đánh giá tác động của các nhân tố tới biến phụ thuộc nhưng bỏ qua sự khác nhau
của các đặc trưng của biến phụ thuộc như đặc điểm của công ty, quốc gia hay các hộ gia đình.
Mô hình (*.2) giả định tung độ gốc chung của mô hình thay đổi nhưng độ dốc của các đơn vị chéo không đổi. Ý nghĩa của tác động chéo cố định là dù tung độ gốc khác nhau giữa các đơn vị chéo nhưng nó lại không thay đổi theo thời gian.
Những ảnh hưởng làm thay đổi tung độ gốc có thể là do sự khác biệt về đặc thù, hay phong cách quản lý của mỗi công ty. Phương pháp này loại bỏ sự thay đổi của các tác động theo thời gian và chỉ đánh giá sự khác biệt của tác động giữa các biến phụ thuộc.
Mô hình hồi quy với tác động ngẫu nhiên (Random Effects Model –REM) Từ mô hình (*.2), ta có thể viết lại:
GOIit = β1i + β2CCCit + β3Sizeit + β4CRit + β5DRit + µit
Thay vì cố định β1i, ta giả định nó như biến ngẫu nhiên có giá trị β1 và giá trị tung độ gốc của đơn vị chéo được biểu diễn như sau:
β1i = β1 + εi; Với i = 1, 2, …N và εi là sai số ngẫu nhiên.
Mô hình này kèm theo những giả định của tác động cố định cộng thêm yêu cầu bổ sung là các tác động không quan sát được không tương quan với tất cả các biến giải thích. Giả thiết này được kiểm định bằng kiểm định Hausman. Ngoài ra, mô hình này giúp cho việc kiểm soát những tác động không quan sát được của các đơn vị chéo khác nhau nhưng không thay đổi theo thời gian. Tuy nhiên, nếu không giữ giả định tác động cố định không tương quan với các biến giải thích thì mô hình hồi quy tác động cố định lại thích hợp hơn.
Bước 6: Kiểm định sự phù hợp của phương pháp FEM/REM
+ Kiểm định Hausman: Ước lượng từ các mô hình dữ liệu bảng đòi hỏi chúng ta xác định xem có sự tương quan giữa tính không đồng nhất không quan sát được của mỗi công ty và giải thích các biến của mô hình hay không? Nếu có sự tương quan sẽ ước lượng bằng hiệu ứng cố định (Fixed effects), nếu không sẽ ước lượng bằng hiệu ứng ngẫu nhiên (Random effects).
Giả thuyết H0: Không có mối tương quan khả dĩ giữa các thành phần sai số theo cá nhân εi và các biến hồi quy độc lập AR, INV, AP và CCC.
Giả thuyết H1: Có mối tương quan khả dĩ giữa các thành phần sai số theo cá nhân εi và các biến hồi quy độc lập AR, INV, AP và CCC.
Nếu Prob ≥ 0,05 chấp nhận giả thuyết H0, chọn mô hình hiệu ứng ngẫu nhiên (REM) sẽ cho kết quả ước lượng tốt hơn mô hình hiệu ứng cố định (FEM).
Nếu Prob ≤ 0,05 bác bỏ giả thuyết H0, những tác động được xem là cố định và mô hình FEM sẽ cho kết quả ước lượng tốt hơn REM.
Cần lưu ý là khi số liệu theo chuỗi thời gian lớn và số mẫu lớn thì hai phương pháp FEM và REM không khác biệt nhiều; khi mẫu lớn và thời gian ngắn thì mô hình FEM phù hợp hơn.
Bước 7: Kiểm tra hiện tượng phương sai thay đổi Giả thuyết H0: Phương sai không thay đổi
Giả thuyết H1: Mô hình có hiện tượng phương sai thay đổi
Nếu Prob ≥ 0,05 chấp nhận giả thuyết H0. Ngược lại, bác bỏ giả thuyết H0
cho thấy tồn tại hiện tượng phương sai thay đổi trong mô hình. Nếu tồn tại hiện tượng phương sai thay đổi, dùng mô hình bình phương bé nhất tổng quát để khắc phục.
Bước 8: Kiểm tra hiện tượng tự tương quan
Kiểm định hiện tượng tự tương quan nhằm kiểm chứng giả định:
H0: Mô hình không có hiện tượng tự tương quan bậc nhất H1: Mô hình có hiện tượng tự tương quan bậc nhất
Giả thuyết H0 bị bác bỏ khi khi Prob > F nhỏ hơn 0.05.
Nếu mô hình tồn tại hiện tượng phương sai thay đổi và tự tương quan thì tác giả sẽ khắc phục bằng cách sử dụng mô hình GLS (mô hình này có thể khắc phục cả phương sai thay đổi và tự tương quan). Kết quả ước lượng của các hệ số thỏa mãn tính chất BLUE (Best Linear Unbiased Estimator – Ước lượng không chệch tuyến tính tốt nhất).
Sau cùng tác giả sử dụng mô hình được xem là phù hợp nhất để đánh giá mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh lợi khác nhau như thế nào ở nhóm các công ty có sở hữu nhà nước và không có sở hữu nhà nước bằng cách xây dựng biến giả STATE – quy định về mức độ nắm giữ cổ phiếu của nhà nước trong một doanh nghiệp.
KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM
Ở chương này, đầu tiên tác giả sẽ tiến hành thống kê mô tả biến, phân tích mối tương quan giữa các biến và thực hiện các phương pháp hồi quy để kiểm định mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh lợi giữa các doanh nghiệp trong toàn mẫu, sau đó tác giả sẽ thêm biến giả đại diện cho hình thức sở hữu vào mô hình và tiến hành hồi quy với phương pháp phù hợp nhất.
Thống kê mô tả
Bảng 4.1 trình bày thống kê mô tả của tất cả các biến trong mô hình bao gồm số lượng quan sát, giá trị trung bình, độ lệch chuẩn của các biến trong giai đoạn nghiên cứu từ 2010 – 2015:
Bảng 4.1: Thống kê mô tả các biến
Variable Obs Mean Std. Dev. Min Max
GOI 984 0.237232 0.155029 -0.18638 0.863809
AR 984 60.27106 54.24994 0 390.4202
INV 984 91.55566 81.50533 0 873.5085
AP 984 39.71101 33.43782 0 367.5705
CCC 984 111.9328 96.77872 -95.1651 703.03
Size 984 11.76064 0.662909 10.18417 13.85642
DR 984 0.456477 0.223989 0.008116 0.970515
CR 984 2.485647 3.08691 0.2151 56.35599
(Nguồn: tính toán từ bộ dữ liệu) Giá trị GOI trung bình của mẫu nghiên cứu là 23,72%, với độ lệch chuẩn là 15,50%, trong đó công ty có tỷ lệ thấp nhất là -18,64%, tỷ lệ cao nhất là 86,38%.
Trung bình các công ty mất 92 ngày tồn kho với độ lệch chuẩn là 81,50; trong đó công ty có số ngày tồn kho thấp nhất là 0 ngày, dài nhất là 873 ngày.
Giá trị trung bình của kỳ thu tiền là 60 ngày với độ lệch chuẩn là 54 ngày, giá trị nhỏ nhất là 0, giá trị lớn nhất là 390 ngày.
Giá trị trung bình của kỳ trả tiền là 40 ngày với độ biến động cao nhất là 33 ngày, giá trị lớn nhất là 367 ngày, nhỏ nhất là 0.
Giá trị trung bình của chu kỳ luân chuyển tiền mặt 112 ngày, tức là mất 112 ngày để các công ty trong mẫu hoàn thành một kỳ luân chuyển tiền mặt từ lúc bắt đầu chi tiền để mua nguyên vật liệu, hàng hóa đến lúc sản xuất tồn kho, xuất bán và thu tiền của khách hàng.
Biến quy mô công ty đã được xử lý bằng cách lấy logarit của tổng tài sản, nhằm để dữ liệu không quá chênh lệch với giá trị các biến còn lại làm giảm hiệu quả mô hình, giá trị trung bình của biến này là 11,76, độ lệch chuẩn là 66,29%. Tỷ lệ nợ trung bình là 45,65% cho thấy các công ty vay nợ khá nhiều, trong đó công ty vay nợ lớn nhất lên tới 97,05% tổng tài sản. Tỷ số thanh toán hiện hành là 2,49 với độ lệch chuẩn là 3,09 chứng tỏ các công ty trong mẫu luôn chú trọng đến tính thanh khoản, luôn duy trì tài sản ngắn hạn ở mức cao hơn nợ ngắn hạn, sẵn sàng đáp ứng các nhu cầu trả nợ, trong đó công ty có chỉ số thanh toán hiện hành cao nhất là 56,36.
Phân tích tương quan giữa các biến:
Bảng 4.2: Phân tích tương quan giữa các biến
GOI AR INV AP CCC Size DR CR
GOI 1
AR -0.3156***
(0.0000) 1
INV -0.0791**
(0.0131)
0.2158***
(0.0000) 1
AP -0.1536****
(0.0000)
0.373***
(0.0000)
0.2882***
(0.0000) 1
CCC -0.1881*** 0.6019*** 0.8454*** 0.0983*** 1
(0.0000) (0.0000) (0.0000) (0.0020)
Size -0.2803***
(0.0000)
-0.0435 (0.1723)
0.0828***
(0.0094)
0.0636**
(0.0460)
0.0226
(0.4793) 1
DR -0.4195***
(0.0000)
0.1784***
(0.0000)
0.2499***
(0.0000)
0.2891***
(0.0000)
0.2081***
(0.0000)
0.305***
(0.0000) 1
CR 0.0866***
(0.0066)
0.0174 (0.5860)
-0.1237***
(0.0001)
-0.1851***
(0.0000)
-0.0302 (0.3445)
-0.1895***
(0.0000)
-0.4889***
(0.0000) 1 Ghi chú: *, **, *** tương ứng với mức ý nghĩa 10%, 5% và 1%. Các số trong ngoặc là chỉ số t- statistic
(Nguồn: tính toán từ bộ dữ liệu) Bảng 4.2 thể hiện sự tương quan giữa các biến nghiên cứu. Dựa vào đây có thể thấy tất cả các biến độc lập AR - kỳ thu tiền bình quân, INV - kỳ tồn trữ hàng tồn kho bình quân, AP - kỳ phải trả bình quân và CCC - chu kỳ luân chuyển tiền mặt đều có tương quan âm với chỉ tiêu GOI - lợi nhuận hoạt động gộp, mối tương quan này đúng với kỳ vọng lúc đầu của tác giả. Điều này có thể hiểu một khi thời gian thu tiền giảm đi, thì vòng quay tiền nhanh hơn, doanh nghiệp sẽ có lượng vốn sẵn sàng đầu tư vào sản xuất hay các dự án có lợi nhuận cao. Còn khi thời gian tồn kho được rút ngắn thì giảm bớt chi phí lưu kho, giảm lượng hàng tồn góp phần tăng lợi nhuận. Thời gian thanh toán cho nhà cung cấp giảm giúp doanh nghiệp được hưởng các khoản chiết khấu thương mại, ngoài ra cũng tăng uy tín với nhà cung cấp nên có thể mua được nguyên vật liệu hay hàng hóa chất lượng, cũng góp phần tăng lợi nhuận cho công ty. Còn với chu kỳ luân chuyển tiền mặt được rút ngắn lại, tức một đồng vốn được sử dụng hiệu quả hơn, luân chuyển nhanh hơn sẽ làm tăng khả năng sinh lợi cho doanh nghiệp. Tất cả các hệ số đều có mức ý nghĩa cao, tuy nhiên đây chỉ là phân tích sơ bộ, cho thấy mối tương quan thuận chiều hay ngược chiều giữa các cặp biến, để thấy rõ hơn mối tương tác giữa các biến độc lập và biến phụ thuộc, tác giả tiến hành các bước hồi quy.
Kết quả hồi quy