CHƯƠNG 3: HƯƠNG HÁ NGHIÊN CỨU

28



3.3. Các biến nghiên cứu và phương pháp đo lường

Trong phương pháp đo lường các biến nghiên cứu, phần lớn nghiên cứu này

tham khảo cách đo lường của Wenfeng Wu, Oliver M. Rui, Chongfeng Wu (2012).

Tuy nhiên, nghiên cứu cũng có một số điều chỉnh để phù hợp với nguồn dữ liệu ở Việt

Nam, cũng như thuận tiện trong công việc nghiên cứu của học viên. Với những sự điều

chỉnh, bài nghiên cứu này sẽ sử dụng cách đo lường các biến khác được các nhà

nghiên cứu trước thực hiện.

3.3.1. Biến phụ thuộc

Biến phụ thuộc CASH là tỷ lệ nắm giữ tiền mặt của công ty i trong năm t.

Trong các bài nghiên cứu trước đây, tác giả nhận thấy có hai cách tính tỷ lệ nắm giữ

tiền mặt của cơng ty.

Cách tính truyền thống theo Bates và các cộng sự (1999), Ozkan and Ozkan

(2004):

CASH =

Còn một cách tính khác được sử dụng trong bài nghiên cứu Trade credit, cash

holdings, and financial deepening_ Evidence from a transitional economy và một số

bài nghiên cứu của Opler và các cộng sự (1999), Pinkowitz & Williamson (2001),

Ferreira & Vilea (2004):

CASH =

Trong đó: Tổng tài sản ròng = Tổng tài sản – Tiền và tương đương tiền

Trong bài nghiên cứu này, sử dụng cách tính thứ hai để tính tỷ lệ nắm giữ tiền

mặt của cơng ty theo tinh thần mơ hình đã tham khảo.

3.3.2. Biến độc lập

 TRADECREDIT

Như đã tìm hiểu ở trên, về tín dụng thương mại, có hai phương diện là

cấp tín dụng thương mại và nhận tín dụng thương mại. Theo quan niệm của tác giả,

mục khoản phải thu trong bảng cân đối kế toán thể hiện cho việc cấp tín dụng thương



29



mại, và mục khoản phải trả trong bảng cân đối kế tốn thể hiện việc nhận tín dụng

thương mại của công ty. Trong bài nghiên cứu đo lường hai biến này như sau:

Cấp tín dụng thương mại:

CRDTREV =

Nhận tín dụng thương mại:

CRDTPAY =

 LIQUID

Tỷ lệ vốn lưu động ròng (LIQUID) là đại diện cho tài sản lưu động và được

tính như sau:

LIQUID =



=



Vốn lưu động ròng có thể được xem như một khoản thay thế cho nắm giữ tiền

mặt, vì các cơng ty có thể sử dụng tài sản lưu động của họ khi họ để trang trải cho sự

thiếu hụt tiền mặt. Có một mối tương quan âm giữa tài sản lưu động và nắm giữ tiền

mặt của cơng ty.

Ngồi ra, tín dụng thương mại ròng (các tài khoản thu trừ đi các tài khoản trả)

chỉ là một thành phần của vốn lưu động ròng. Để tránh trùng lặp trong việc đo lường

tín dụng thương mại, đề tài này sử dụng một biến tỷ lệ vốn lưu động thay thế là

LIQUID2. LIQUID2 được tính như sau:

LIQUID2 =



=

 SIZE

Qui mơ cơng ty (SIZE) được tính bằng cách lấy logarit tự nhiên của Tổng tài

sản.

SIZE = ln (Tổng tài sản)



30



Bằng cách sử dụng logarit tự nhiên của Tổng tài sản, chênh lệch giữa qui mô

công ty qua các năm sẽ nhỏ hơn, đồng thời có thể thấy sự tăng trưởng trong tổng tài

sản của công ty qua mỗi năm.

 LEV

Đòn bẩy tài chính (LEV) được tính tốn như sau:

LEV =

 DEBTM

DEBTM =

Tỷ lệ nợ dài hạn (DEBTM) liên quan đến rủi ro thanh khoản, bởi vì các cơng ty

có nợ với kỳ đáo hạn dài hơn sẽ nắm giữ vốn lưu động nhiều hơn để phòng trường hợp

họ khơng thể thanh toán các khoản nợ cố định đến hạn trong thời gian suy thoái kinh tế

(Morris, 1992).

 GROWTH

Trong các bài nghiên cứu trước đây, cơ hội đầu tư thường được đo bằng tỷ lệ

Giá trị thị trường/giá trị sổ sách của công ty. Tuy nhiên, trong giới hạn nguồn dữ liệu,

đề tài này quyết định đo lường cơ hội đầu tư bằng tốc độ tăng trưởng tổng tài sản hàng

năm (theo Shah (2011)).

GROWTH =



=



–1



 CAPEX

Chi tiêu vốn được tính như sau:

CAPEX =

 CASHFLOW

Theo Opler và các cộng sự. (1999); Harford và các cộng sự (2008), cơng ty có

dòng tiền lớn hơn có xu hướng nắm giữ tiền mặt nhiều hơn, trong khi Ozkan and

Ozkan (2004) lại cho rằng dòng tiền có tương quan âm với nắm giữ tiền mặt.

CASHFLOW =



31



 Biến giả DIVIDEND

Biến chi trả cổ tức (DIVIDEND) sẽ được tính bằng 1 khi cơng ty i có chi trả cổ

tức bằng tiền mặt vào năm t, các trường hợp còn lại bằng 0.

Bảng 3.1: Tổng hợp các biến tác động và kì vọng về dấu

Biến độc lập



ỳ vọng của nghiên cứu này



TRADECREDIT



-



LIQUID



-



SIZE



+



LEV



-



DEBTM



+



GROWTH



+



CAPEX



-



CASHFLOW



-



DIVIDEND



-



3.4. hương pháp hồi quy

Trong bài nghiên cứu này sẽ sử dụng phương pháp Bình phương nhỏ nhất OLS

(Pooled Regression) với dữ liệu bảng thu thập được như đã miêu tả trên đây. Sau đó,

sẽ xem xét tác động của đặc điểm riêng trên dữ liệu bảng bằng cách hồi qui Fixed

Effect Model (FEM) và Random Effect Model (REM). Từ kết quả hồi qui thu được,

lần lượt dùng các kiểm định Redundant Fixed Effect Tests và Hausman Test để chọn

mơ hình hồi qui phù hợp.

Mơ hình pool là mơ hình hồi quy dữ liệu bảng đơn giản nhất, nghĩa là khơng kể

đến các kích thước khơng gian và thời gian của dữ liệu bảng và chỉ ước lượng hồi quy

bình phương nhỏ nhất (OLS). Với giả thuyết: tất cả những đơn vị chéo có cùng điều

kiện và rủi ro tương tự nhau, ưa thích lợi nhuận. Nghĩa là, các hệ số độ dốc của các

biến đều giống hệt nhau đối với cả 100 công ty và giá trị tung độ gốc của 100 công ty

giống nhau. Đây là những giả định rất hạn chế. Vì thế, hồi quy kết hợp (pool) có thể

làm biến dạng mối quan hệ thực chất giữa biến độc lập và biến giải thích.



32



Mơ hình Fixed effects (FE) là mơ hình khắc phục được các ràng buộc hạn chế

của mơ hình pool. Mơ hình FE có thể kiểm sốt và tách ảnh hưởng của các đặc điểm

riêng biệt (không đổi theo thời gian) này ra khỏi các biến giải thích để chúng ta có thể

ước lượng những ảnh hưởng thực của biến giải thích lên biến phụ thuộc. Tuy nhiên,

mơ hình FE này lại thực hiện theo giả thuyết là có sự tương quan giữa phần dư của

mỗi thực thể (có chứa các đặc điểm riêng) với các biến giải thích.

Mơ hình Random effects (RE) với giả định, đặc điểm riêng giữa các thực thể

được cho là ngẫu nhiên và không tương quan đến các biến giải thích. Mơ hình RE xem

các phần dư của mỗi thực thể là một biến giải thích mới và được thay thế mơ hình FE

là do nó tiết kiệm được bậc tự do. Tuy nhiên, mơ hình RE có hạn chế là mắc phải tính

khơng đồng nhất của các hệ số tương quan từ các tác động riêng rẽ và ngẫu nhiên. Vì

vậy, Hausman Test được sử dụng để kiểm định lựa chọn giữa hai mơ hình FE và RE.

Sơ lược về các mơ hình hồi qui và mơ hình kiểm định:

3.4.1. Mơ hình hồi quy

Giới thiệu các mơ hình:

Trên dữ liệu bảng, xét mơ hình có dạng



Trong đó: Z là biến đại diện cho đặc điểm riêng (ở đây ta xét đặc điểm riêng

của công ty thứ i). Tùy vào việc xem xét tác động của đặt điểm riêng Zi lên mơ hình sẽ

hình thành các mơ hình khác nhau trên dữ liệu bảng.

-



Nếu bỏ qua đặc điểm riêng của Zi hoặc xem như Zi không có tác động trong

mơ hình. Khi đó sử dụng hồi qui OLS trên dữ liệu bảng như một dữ liệu

chéo bình thường thì gọi là Pooled Regression. Nhược điểm lớn nhất của

phương pháp này là hệ số Durbin-Watson thường nhỏ hơn 1, có sự tự tương

quan. Đây là hiên tượng thường gặp của mơ hình và Fixed Effect Model,

Random Effect Model sẽ khắc phục hiện tượng này.



-



Nếu xem xét sự tác động của đặc điểm riêng Zi tác động lên mơ hình là có ý

nghĩa ta sử dụng phương pháp Fixed Effect Model và Random Effect

Model: tác động khơng tính tốn được và là ngẫu nhiên thì ta sử dụng



33



Random Effect Model. Ngược lại, tác động tính tốn được, xác định thì ta

sử dụng Fixed Effect Model.

Mơ hình Pooled có dạng:



Fixed Effect Model và Random Effect Model có dạng:



3.4.2. Kiểm định chọn mơ hình phù hợp

 So sánh Pooled Regression và Fixed Effect Model

Giả thiết H0: mơ hình ảnh hưởng cố định là không cần thiết

Sử dụng kiểm định Redundant Fixed Effects Tests:

+ Nếu p-value < α = 5% thì bác bỏ giả thuyết H0.

+ Nếu p-value > α = 5% thì chấp nhận giả thuyết H0.

 So sánh Random Effect Model và Fixed Effect Model

Giả thiết H0: mơ hình ảnh hưởng ngẫu nhiên là cần thiết

Sử dụng kiểm định Hausman Test:

+ Nếu p-value < α = 5% thì bác bỏ giả thuyết H0.

+ Nếu p-value > α = 5% thì chấp nhận giả thuyết H0.

Trên Eview khơng so sánh được Pooled Regression với Random Effect Model.

Trong trường hợp bất khả kháng, khơng lựa chọn được thì nên chọn Fixed Effect

Model.

3.4.3. Một số kiểm định khác

 Kiểm định hiện tượng đa cộng tuyến

Tác giả kiểm định đa cộng tuyến bằng việc xem xét ma trận hệ số tương

quan và xem xét nhân tử phóng đại phương sai VIF (Variance Inflation Factors).

VIF = 1/ (1-R2phụ i)

Trong đó:

R2phụ i hệ số xác định của mơ hình hồi qui phụ Xi theo các biến độc lập

khác.



34



Nếu VIF < 10 ta có thể kết luận mơ hình khơng có đa cộng tuyến.

 Kiểm định hiện tượng phương sai thay đổi

Trên Eview 6 ta dùng kiểm định White để kiểm định về phương sai thay

đổi.

-



Nếu p-value < α = 5%: có hiện tượng phương sai thay đổi.



-



Nếu p-value > α = 5%: khơng có hiện tượng phương sai thay đổi.

 Kiểm định hiện tượng tự tương quan (tương quan chuỗi)

Trên Eview 6 ta sử dụng kiểm định BG – Breusch & Godfrey để kiểm



định tương quan chuỗi bậc p, với p>=1 (thực chất đây là một thủ tục của phép

kiểm định Lagrange).

-



Nếu p-value < α = 5%: tồn tại tương quan chuỗi.



-



Nếu p-value > α = 5%: khơng có tương quan chuỗi.



35



CHƯƠNG 4:



T QUẢ NGHIÊN CỨU



4.1. Thống kê mô tả

Từ bảng 4.1 ta thấy, tỷ lệ nắm giữ tiền mặt trên tổng tài sản ròng trung bình của

các cơng ty ở Việt Nam là 14,8%. Từ số liệu nghiên cứu cũng tính tốn tỷ lệ nắm giữ

tiền mặt trên tổng tài sản trung bình của Việt Nam là 11,14%. Kết quả này cũng tương

tự một số nghiên cứu trước đây. Tỷ lệ nắm giữ tiền mặt của các công ở ty Ý khoảng

10%, trong khi tỷ lệ này ở các công ty ở Mỹ là 8-10,5% (Kim và các cộng sự, (1998);

Oplervà các cộng sự (1999); Foley và các cộng sự (2007); Mello và các cộng sự

(2008)). Drobetz và các cộng sự. (2010) tìm thấy tỷ lệ nắm giữ tiền mặt của các công

ty trên 45 quốc gia là 12,6%. Trong bài nghiên cứu của mình Wenfeng Wu, Oliver M.

Rui, Chongfeng Wu (2012) nhận thấy tỷ lệ này của các công ty Trung Quốc là khá

cao, 17,4%.

Hình 4.1: Tình hình nắm giữ tiền mặt của các cơng ty Việt Nam giai đoạn 20072013



Quan sát hình 4.1, ta thấy tỷ lệ các khoản tiền và tương đương tiền trên tổng tài sản

của các doanh nghiệp Việt Nam chủ yếu xoay quanh mức từ 9% đến 13% giai đoạn

2007-2013. Nhìn chung, tỷ lệ nắm giữ tiền mặt có giảm, tuy nhiên có thể thấy, tỷ lệ

này năm 2013 rất gần với tỷ lệ nắm giữ tiền mặt trung bình trong cả giai đoạn.



36



Cần lưu ý ở giai đoạn từ năm 2007 đến đến năm 2009, từ giá trị 11,13% năm

2007, CASH đã giảm mạnh xuống 8,67% trong năm 2008 rồi sau đó tăng lên lại

13,09% vào năm 2009. Từ năm 2010 đến 2011, tỷ lệ này tăng dần từ 10,64% đến

12,13%. Đến năm 2012, tỷ lệ này giảm còn 11,04%. Để lý giải điều này, ta xem xét

các yếu tố vĩ mô ở Việt Nam trong các giai đoạn trên. Trước các cơ hội đầu tư hấp dẫn

vào giai đoạn 2006-2007, nhiều doanh nghiệp tại Việt Nam đã gia tăng tích lũy tiền

mặt để thực hiện đầu tư. Vào năm 2007, cung tiền ở Việt Nam đã tăng rất mạnh

khoảng 49%. Điều này đã kéo sản lượng sản xuất sản phẩm tăng theo, nhưng mức độ

còn thấp và chưa đạt hiệu quả cao. Năm 2008 dưới tác động của lạm phát, tình hình

sản lượng giảm mạnh, chính phủ đã thắt chặt cung tiền và vì thế các doanh nghiệp đã

tăng cường nắm giữ các tài sản khác thay vì tiền mặt.

Các biện pháp thắt chặt tiền tệ của Chính phủ đã mang lại nhiều kết quả tích

cực đến nền kinh tế. Với các gói kích cầu của Chính phủ, cung tiền đã tăng mạnh trở

lại vào năm 2009. Bước sang giai đoạn 2011 – 2013, hầu hết các doanh nghiệp Việt

Nam đều gia tăng tích lũy tiền mặt ở mức 11-12%. Tuy nhiên, tổng tài sản của các

doanh nghiệp lại tăng nhanh hơn do đó làm CASH diễn biến như trên hình 4.1.

Bảng 4.1: Thống kê mơ tả các biến chính

Date: 10/22/14

Time: 09:50

Sample: 2007 2013

CASH



CRDTPAY CRDTREV LIQUID LIQUID2



SIZE



LEV



DEBTM GROWTH CAPEX CASHFLOW DIVIDEND



Mean

Median

Maximum

Minimum

Std. Dev.

Skewness

Kurtosis



0.148044

0.081993

1.909874

0.000246

0.191930

3.177719

18.57376



0.097873

0.068775

0.668834

0.000000

0.098919

2.078230

8.928528



0.178720 0.151171 0.070323

0.146139 0.146097 0.063591

0.672908 0.819559 0.812330

0.000000 -0.891550 -0.859753

0.130601 0.231747 0.227718

0.932447 -0.082460 0.090973

3.484164 3.884668 3.475594



26.92728 0.441988 0.158905 0.219997 0.310895

26.88399 0.464862 0.060187 0.125497 0.116665

30.76108 0.901480 0.925627 4.765733 4.706194

23.96309 0.012132 0.000000 -0.438777 0.000000

1.199175 0.212360 0.214459 0.420950 0.609985

0.185296 -0.129103 1.626284 3.927570 4.257198

3.134958 1.872859 4.677976 30.56563 23.42525



0.091426

0.061588

2.021178

-0.583336

0.224301

2.630749

19.45000



0.771429

1.000000

1.000000

0.000000

0.420213

-1.292786

2.671296



Jarque-Bera

Probability



8252.228

0.000000



1529.022

0.000000



108.2737

0.000000



23.62021 7.562729

0.000007 0.022792



4.536919

0.103471



38.99924 390.6818

0.000000 0.000000



23962.38

0.000000



14282.50

0.000000



8700.003

0.000000



198.1359

0.000000



Sum

Sum Sq. Dev.



103.6306

25.74905



68.51103

6.839670



125.1043

11.92264



105.8195 49.22632

37.54107 36.24697



18849.10

1005.177



309.3919 111.2332

31.52256 32.14900



153.9981

123.8623



217.6267

260.0851



63.99836

35.16730



540.0000

123.4286



Observations



700



700



700



700



700



700



700



700



700



700



700



700