Đối tượng và phạm vi nghiên cứu Bài nghiên cứu này dùng để thực nghiệm để kiểm định mối quan hệ giữa hệthống quản lí rủi ro doanh nghiệp ERM và giá trị doanh nghiệp của các công ti niêmy
Thống kê mô tả biến
Ý nghĩa của các hệ số hồi quy trong mô hình
Khi các yếu tố như hệ thống quản trị rủi ro, quy mô doanh nghiệp, chỉ số đòn bẩy tài chính, tốc độ tăng trưởng doanh thu, dự trữ tiền mặt, tỷ số lợi nhuận trên tài sản và cổ tức đều bằng 0, giá trị Q sẽ đạt -0.5950473, trong khi các yếu tố khác vẫn không thay đổi.
- Khi chỉ số hệ thống quản trị rủi ro (ERM) tăng 1 đon vị thì giá trị của doanh nghiệp giảm 100x0.0195037 = 1.95037% trong điều kiện các yếu tố khác không đổi
Khi chỉ số SIZE tăng 1 đơn vị, giá trị doanh nghiệp sẽ tăng 30.25678% nếu các yếu tố khác không thay đổi.
- Khi chỉ số đòn bẩy tài chính (LEVERAGE) tăng 1 đon vị thì giá trị doanh nghiệp cũng tăng 100x0.0674006=6.74006% trong điều kiện các yếu tố khác không đổi.
- Khi chỉ số tốc độ tăng trưởng doanh thu (SALEGROWTH) tăng 1 đon vị thì giá trị doanh nghiệp cũng tăng 100x0.0001085 = 0.01085% trong điều kiện các yếu tố khác không đổi.
- Khi chỉ số dữ trữ tiền mặt (CASH) tăng 1 đon vị thì giá trị doanh nghiệp cũng tăng 100x0.2573168= 25.73168% trong điều kiện các yếu tố khác không đổi.
- Khi chỉ số lợi nhuận trên tổng tài sản (ROA) tăng 1 đon vị thì giá trị của doanh
4 nghiệp cũng giảm 100x0.0537532= 5.37532% trong điều kiện các yếu tố khác không đổi.
- Khi chỉ số cổ tức (DIVIDENS) tăng 1 đon vị thì giá trị của doanh nghiệp tăng
100x0.0510608= 5.10608% trong điều kiện các yếu tố khác không đổi.
Kiểm định giả thuyết và mức độ phù hợp của mô hình (độ tin cậy 5%)
- Ta có t-Statistic = - 0.18 với p-value = 0.860 > 0.05
Với các yếu tố khác không thay đổi, chỉ số hệ thống quản trị rủi ro (ERM) không ảnh hưởng đến giá trị doanh nghiệp, tức là ERM không có ý nghĩa thống kê.
- Ta có t-Statistic = 6.53 với p-value 0.000 < 0.05
- Vậy với các yếu tố khác không đổi thì chỉ số đo lường quy mô doanh nghiệp
(SIZE)có ảnh hưởng đến giá trị doanh nghiệp (hay SIZE có ý nghĩa thống kê).
- Ta có t-Statistic = -0.77 với p-value 0.442 > 0.05
Với các yếu tố khác không thay đổi, chỉ số đòn bẩy tài chính (LEVERAGE) không ảnh hưởng đến giá trị doanh nghiệp, cho thấy rằng LEVERAGE không có ý nghĩa thống kê.
- Ta có t-Statistic = -1.49 với p-value 0.135 > 0.05
Với các yếu tố khác không thay đổi, chỉ số tốc độ tăng trưởng doanh thu (SALEGROWTH) không ảnh hưởng đến giá trị doanh nghiệp, cho thấy SALEGROWTH không có ý nghĩa thống kê.
- Ta có t-Statistic = 1.06 với p-value 0.290 > 0.05
Với các yếu tố khác không thay đổi, chỉ số dữ trữ tiền mặt (CASH) không ảnh hưởng đến giá trị doanh nghiệp, cho thấy rằng CASH không có ý nghĩa thống kê trong việc định giá doanh nghiệp.
- Ta có t-Statistic = 8.81 với p-value 0.000 < 0.05
Chỉ số lợi nhuận trên tổng tài sản (ROA) có ảnh hưởng đáng kể đến giá trị doanh nghiệp, khi các yếu tố khác không thay đổi Điều này cho thấy ROA không chỉ là một chỉ số quan trọng mà còn có ý nghĩa thống kê rõ ràng trong việc đánh giá hiệu quả hoạt động của doanh nghiệp.
- Ta có t-Statistic = 0.58 với p-value 0.563 > 0.05
Với các yếu tố không đổi, chỉ số cổ tức (DIVIDENDS) không ảnh hưởng đến giá trị doanh nghiệp, cho thấy rằng DIVIDENDS không mang ý nghĩa thống kê.
Ma trận hệ số tương quan
Nghiên cứu này áp dụng ma trận hệ số tương quan để đánh giá mối quan hệ giữa các biến độc lập và biến phụ thuộc Hệ số tương quan nằm trong khoảng từ -1 đến 1, với giá trị 0 cho thấy không có mối liên hệ giữa hai biến Nếu hệ số tương quan gần bằng 1 hoặc -1, điều này chỉ ra rằng hai biến có mối liên hệ tuyệt đối.
- pvcoĩĩ Õ~ ERM SĨẼE LEVERAGE SALESGROMTH CASH ROA DIVIDENS,sig
- Bảng 4.4: Kết quả ma trận hệ số tương quan
Các kiểm định mô hình
Kiểm định hiện tượng đa cộng tuyến
Hiện tượng đa cộng tuyến xuất hiện khi biến giải thích có mối liên hệ với các biến khác trong mô hình Nghiên cứu này áp dụng nhân tố phóng đại phương sai để phân tích vấn đề này.
- (VIF - Variance Inílation Factor) để kiểm định hiện tượng đa cộng tuyến, hệ số
VIF < 10 không xảy ra hiện tượng đa cộng tuyến.
- Bảng 4.5: Kết quả kiểm định hiện tượng đa cộng tuyến
Kết quả kiểm định cho thấy chỉ số VIF trung bình của mô hình hồi quy đều nhỏ hơn 10, điều này cho phép kết luận rằng mô hình không gặp phải hiện tượng đa cộng tuyến.
Kiểm định hiện tượng tự tương quan
Tự tương quan đề cập đến mối quan hệ giữa các thành phần trong chuỗi quan sát theo thời gian hoặc không gian Nghiên cứu này thực hiện kiểm định hiện tượng tự tương quan thông qua phương pháp kiểm định được đề xuất bởi Wooldridge (2010).
- H0: Không có tương quan chuỗi.
- xtserial Q ERM SIZE LEVERAGE SALESGROWTH CASH ROA DIVIDENS
- Uooldridge test for autocorrelation in panel data
HO: no Ễirst-order autocorrelation
- Bảng 4.6: Kết quả kiểm định hiện tượng tự tương quan
- Qua kết quả cho thấy mô hình có hiện tượng tự tương quan chuỗi.
Kiểm định hiện tượng phương sai thay đổi
Hiện tượng phương sai của sai số thay đổi xảy ra khi phương sai không phải là hằng số mà biến động theo biến độc lập Điều này dẫn đến việc phương trình ước lượng không còn chính xác Nghiên cứu này kiểm định hiện tượng phương sai của sai số thay đổi thông qua kiểm định Modified Wald Test.
- H1: Phương sai của sai số thay đổi.
- Câu lệnh: Sau khi chạy ước lượng Fem, dùng lệnh “xttest3” (đối với mô hình
- HodiỄied Wald test for groupĩíise heteroskedasticity in íixed effect rsgression Iiiodel
- HO: signia(i) 2 = Sigma 2 íor all ĩ
- Bảng 4.7: Kết quả kiểm tra hiện tượng phương sai thay đổi
- Qua kết quả ta có thể thấy được mô hình có hiện tượng phương sai thay đổi
Kết quả hồi quy OLS
- reg Q ERM SIZE LEVERAGE SALESGROWTH CASH ROA DIVIDENS
- reg Q ERM SIZE LEVERAGE SALESGROWTH CASH ROA DIVIDENS
Bảng 4.8: Kết quả hồi quy Pooled
Kết quả hồi quy FEM
- xtreg Q ERM SIZE LEVERAGE SALESGROWTH CASH ROA DIVIDENS,fe.
- xtreg Q ERM SIZE LEVERAGE SALESGROWTH
- note: ERM omỉtted because of
- Fixed-effects (within) regression - Num ber of
- Bảng 4.9: Kết quả hồi quy FEM
Kết quả hồi quy REM
- Câu lệnh: xtreg Q ERM SIZE LEVERAGE SALESGROWTH CASH ROA DIVIDENS,re.
- Random-effects GLS regression - umber - N - o - bs o - 99 9
- betwe en - overa - 0.0741 - - - - vg = - a - 0 5 ll - 0.0482 - - - - ax = - m - 5
- - Bảng 4.10: Kết quả hồi quy REM
Lựa chọn phương pháp phù hợp
- Mặc dù các mô hình Fixed effects (FEM), Random effects (REM) và mô hình
Pooled OLS có khả năng khắc phục hiện tượng phương sai thay đổi và tự tương quan, tuy nhiên, nếu tồn tại hiện tượng nội sinh, các mô hình này vẫn có thể bị ước lượng chệch Đặc biệt, mô hình có biến trễ chắc chắn gặp phải hiện tượng nội sinh do mối quan hệ giữa biến phụ thuộc hiện tại và quá khứ Các mô hình FEM, REM, và Pooled OLS chỉ quan sát được phương sai sai số thay đổi trên các biến không quan sát được, bỏ qua hiện tượng nội sinh, dẫn đến phương sai sai số thay đổi Để giải quyết những vấn đề này, phương pháp GMM của Hansen (1982) được đề xuất, với ưu điểm chính là cung cấp một bộ biến công cụ đa dạng, giúp khắc phục các khuyết điểm của các phương pháp trước đó như FEM, REM và Pooled OLS.
Để đảm bảo tính chính xác của kết quả ước lượng GMM, cần thực hiện kiểm định Arellano-Bond và Hansen Ước lượng GMM giả định rằng không tồn tại sự tương quan bậc 2 trong phần dư, do đó, việc kiểm tra tự tương quan trong thành phần sai số là cần thiết thông qua kiểm định 5.
Arellano-Bond được đề xuất trong nghiên cứu Arellano-Bond (1991) Ước lượng 5
GMM yêu cầu có sự tự tương quan bậc 1 ở AR (1) và không có sự tự tương quan bậc 2 ở AR (2) Giả thuyết H0 cho rằng không có sự tự tương quan bậc 1 hoặc bậc 2 ở phần dư tương ứng với AR (1) và AR (2) Để đạt yêu cầu, cần bác bỏ giả thuyết H0 ở AR (1) với p-value < 5% và chấp nhận giả thuyết H0 ở AR (2) với p-value > 5% Kiểm định Sargan/Hansen được sử dụng để xác định sự phù hợp của các biến công cụ trong mô hình, với giả thuyết H0 cho rằng biến công cụ là ngoại sinh.
Việc áp dụng ước lượng GMM giúp khắc phục vi phạm tự tương quan, phương sai thay đổi và biến nội sinh, đảm bảo kết quả ước lượng không chệch, vững và hiệu quả, đặc biệt khi chuỗi thời gian nghiên cứu (T) nhỏ hơn nhiều lần so với số quan sát cho mỗi đơn vị thời gian (N) (Roodman, 2009) Phương pháp GMM bao gồm hai dạng ước lượng là D-GMM (Difference-Generalized Method of Moments) và S-GMM (System-Generalized Method of Moments) D-GMM của Arellano và Bond (1991) phù hợp cho mẫu nhỏ, trong khi S-GMM của Arellano và Bover (1995), Blundell và Bond (1998) được khuyến nghị cho mẫu lớn hơn Nghiên cứu này sẽ sử dụng lệnh “xtabond2” (Roodman, 2009) với tùy chọn “twostep” để cải thiện hiệu quả trong việc khắc phục phương sai thay đổi và tự tương quan.
Kết quả hồi quy GMM
Vấn đề nội sinh trong mô hình nghiên cứu
- Vấn đề nội sinh luôn xảy ra khi xử lý một lượng lớn dữ liệu với chuỗi thời gian
Khi kích thước mẫu T nhỏ hơn nhiều so với số mẫu quan sát N, hiện tượng nội sinh có thể xảy ra do mối quan hệ giữa biến độc lập và biến phụ thuộc, thiếu biến giải thích trong mô hình, hoặc sai lệch trong đo lường Những yếu tố này dẫn đến sự chênh lệch kết quả, làm cho các ước lượng từ FEM, REM và Pooled OLS trở nên thiên lệch và không hiệu quả.
Để phù hợp với mô hình GMM dự kiến, cần xác định sự xuất hiện của vấn đề nội sinh Qua ba mô hình FEM, REM và Pooled OLS, kết quả ước lượng cho thấy có những sai lệch, dẫn đến kết quả không như mong đợi Trong mô hình Pooled OLS, chỉ có biến SIZE và ROA thể hiện ý nghĩa thống kê rõ ràng (p-value = 0.00 < 0.05).
FEM và REM cho thấy SIZE, ROA và DIVIDENDS đều có ý nghĩa thống kê ảnh hưởng đến mô hình Hầu hết các biến độc lập trong mô hình liên quan đến dữ liệu sơ cấp ban đầu là Tổng Tài Sản (TA), do đó biến công
- cụ đầu tiên ta có thể xác định được là TA và ta kỳ vọng một biến nữa là Total Debt -
Khi tổng nợ (TD) tăng cao, đặc biệt là nợ vay, giá trị ghi sổ của cổ phiếu sẽ giảm, dẫn đến chỉ số P/B cao Điều này có thể tạo ra áp lực lên đòn bẩy tài chính của doanh nghiệp.
Dựa trên kết quả từ ba mô hình, chúng ta có thể kỳ vọng rằng biến SIZE và ROA sẽ đóng vai trò là biến nội sinh, trong khi các biến công cụ được xác định là TA và TD.
- Để kiểm chứng điều trên thì ta sử dụng câu lệnh “ivregress” và câu lệnh
“estat endogenous” kiểm tra vấn đề nội sinh.
- Câu lệnh ivregress 2sls Q ERM LEVERAGE SALESGROWTH CASH
- DIVIDENS (SIZE ROA = TA TD) và câu lệnh estat endogenous.
- ivregress 2sls Q ERM LEVERAGE SALESGROVĨTH CASH DIVIDENS ( SIZE ROA = TA TD)
- Instrumental variables (2SLS) regression - N mber ư of obs =
- Bảng 4.10: Kết quả kiểm tra biến nội sinh
- Theo như kết quả kiểm tra cho thấy p-value = 0 7 = 0.045
- Arellano-Bond test for AR(2) in first differences: 7 = -1.58 Pr > 7 = 0.115
- Sargan test of overid restrictions: chi2
- (Not robust, but not weakened by many Instruments.)
- Hansen test of overid restrictions: chi2 (12)
- (Robust, but weakened by manỵ Instruments.)
Bảng 4.11: Kết quả hồi quy
- Difference-in-Hansen tests of exogeneity of instrument subsets:
Từ kết quả trên ta có thể thấy được việc hồi quy GMM là phù hợp khi nó thỏa mãn với những kỳ vọng đặt ra lúc đầu:
- P-value ở AR (1) là 0.045 < 0.05 => Bác bỏ H0 => Có sự tự tươngquan bậc1
- P-value ở AR (2) là 0.115 > 0.05 => Chấp nhận H0 => Khôngcó sự tựtương quan bậc 2
- Kiểm định Sargan cho ra p-value là 0.066 > 0.05
- Kiểm định Hansen cho ra p-value là 0.692 > 0.05
=> Chấp nhận H0 : Biến công cụ là biến ngoại sinh
