3.1.1 Phương pháp thu thập số liệu Đề tài nghiên cứu sử dụng dữ liệu thứ cấp dựa trên bộ số liệu điều tra các doanh nghiệp thuộc các ngành kinh tế năm 2015-2017 của tổng cục Thống kê. 3.1.2 Phương pháp xử lý và phân tích số liệu - Phương pháp thống kê mô tả, phương pháp so sánh - Phương pháp phân tích hồi quy: như đã trình bày ở mục 1.2, nhóm tác giả sử dụng mô hình cấu trúc – hành vi – hiệu suất để đo lường hiệu quả kinh doanh theo cấu trúc và hành vi của các doanh nghiệp ngành sản xuất mô tơ, máy phát, biến thế điện, thiết bị phân phối và điều khiển điện. 3.1.3 Mô hình nghiên cứu. Để đo lường ảnh hưởng hiệu quả kinh doanh theo cấu trúc và hành vi theo mô hình cấu trúc – hành vi – hiệu suất, nhóm tác giả sử dụng các biến sau: - Biến phụ thuộc: Doanh thu bán hàng - Biến độc lập: Đòn bẩy tài chính Tỷ lệ vòng quay tài sản Chỉ số HHI Tỷ suất lợi nhuận trên tổng tài sản Năng suất lao động Mô hình tổng quát 𝒍𝒏𝒌𝒒𝒌𝒅𝟏 = β 0 + β 𝟏𝒍𝒏𝒅𝒐𝒏𝒃𝒂𝒚 + β 𝟐𝒍𝒏𝑨𝑻𝑹 + β 𝟑𝒍𝒏𝑯𝑯𝑰 + β 𝟒𝑹𝑶𝑨 + β 𝟓𝒏𝒔𝒍𝒅 + 𝒖(PRF)
Giải thích các biến
Bảng C.1 Giải thích các biến trong mô hình Kỳ STT Tên biến Kí hiệu Cách tính vọng Doanh thu bán 1 lnkqkd1 log (d𝑜𝑎𝑛ℎ 𝑡ℎ𝑢 𝑏á𝑛 ℎà𝑛𝑔) hàng 𝑁ợ 𝑝ℎả𝑖 𝑡𝑟ả 𝑑𝑜𝑛𝑏𝑎𝑦 = ; 2 Đòn bẩy tài chính lndonbay 𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛 𝑏ì𝑛ℎ 𝑞𝑢â𝑛 - log (𝑑𝑜𝑛𝑏𝑎𝑦) 𝐷𝑜𝑎𝑛ℎ 𝑡ℎ𝑢 𝑡ℎ𝑢ầ𝑛 Tỷ lệ vòng quay 𝐴𝑇𝑅 = ; 3 lnATR 𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛 𝑏ì𝑛ℎ 𝑞𝑢â𝑛 + tổng tài sản log (𝐴𝑇𝑅) 𝑛 Logarit cơ số e 𝐻𝐻𝐼 = ∑ 𝑤2 ; log(𝐻𝐻𝐼) 4 lnHHI 𝑖 - của Chỉ số HHI 𝑖=1 𝐿ợ𝑖 𝑛ℎ𝑢ậ𝑛 𝑠𝑎𝑢 𝑡ℎ𝑢ế Tỷ suất lợi nhuận 𝑅𝑂𝐴 = 5 ROA 𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛 𝑏ì𝑛ℎ 𝑞𝑢â𝑛 + trên tài sản (%) × 100 Năng suất lao 𝐺𝑖á 𝑡𝑟ị 𝑔𝑖𝑎 𝑡ă𝑛𝑔 6 động (triệu VNĐ/ nsld 𝑛𝑠𝑙𝑑 = + 𝑇ổ𝑛𝑔 𝑙𝑎𝑜 độ𝑛𝑔 𝑏ì𝑛ℎ 𝑞𝑢â𝑛 lao động) Nguồn: Nhóm tác giả tự tổng hợp
C.1 KẾT QUẢ NGHIÊN CỨU
C.1.1 Mô tả thống kê biến Bảng C.2 Mô tả các biến trong mô hình Số quan Giá trị Độ lệch Giá trị nhỏ Giá trị lớn Tên biến sát trung bình chuẩn nhất nhất lnkqkd1 135 11.69898 1.611344 6.783325 15.33358 lndonbay 135 -0.8130771 .7689578 -3.328498 .4054057 lnATR 135 -3.155838 3.75459 -11.95584 1.149598 lnHHI 135 -2.744796 .0731937 -2.821602 -2.675561 ROA 133 4.468556 10.10641 -59.39701 28.93785 nsld 120 243.3542 253.7994 -57.03614 1697.328 Nguồn: Nhóm tác giả tự tổng hợp
C.1.2 Ma trận tương quan giữa các biến
Để kiểm định sự tương qua giữa biến phụ thuộc với các biến độc lập và giữa các biến độc lập với nhau, nhóm tác giả sử dụng ma trận hệ số tương quan: Bảng C.3 Ma trận tương quan lnkqkd1 lndonbay lnATR lnHHI ROA nsld lnkqkd1 1.0000 lndonbay -0.0382 1.0000 lnATR 0.2382 0.1419 1.0000 lnHHI -0.2230 -0.0675 -0.2452 1.0000 ROA 0.3200 -0.1919 0.1644 0.1334 1.0000 nsld 0.4302 -0.1374 0.0733 -0.0803 0.3330 1.0000 Nguồn: Nhóm tác giả tự tổng hợp Có thể thấy rằng hệ số tương quan giữa các biến độc lập nhìn chung ở mức vừa phải, hầu hết dưới 0.5, có một số tương quan khá thấp như biến lndonbay với biến nsld (0. 0027), biến lnATR với biến lndonbay (-0. 0186),… và không có hệ số tương quan nào lớn hơn 0.8. Vậy nên ta kỳ vọng mô hình sẽ không xảy ra khuyết tật đa cộng tuyến, tuy nhiên ta vẫn sẽ chú tâm đến hệ số phóng đại phương sai VIF khi kiểm định khuyết tật của mô hình. C.1.3 Kết quả ước lượng Chạy ước lượng OLS trên STATA, ta thu được kết quả sau: Bảng C.4 Kết quả hồi quy Số quan sát 118 Hệ số xác định (R-squared) 0.2705 Hệ số xác định hiệu chỉnh (Adj R-squared) 0.2379 P-value 0,0000 F quan sát F(5, 112) 8.31 Tổng bình phương sai số tổng cộng (SST) 272.5933 Tổng bình phương sai số được giải thích (SSE) 73.7302975 Tổng bình phương sai số không giải thích được (SSR) 198.863002 Sai số chuẩn của phần dư (Root MSE) 1.3325 Hệ số hồi quy Sai số chuẩn T quan sát P-value lndonbay 0.0215379 .163311 0.13 0.895 lnATR 0.0620369 .0350334 1.77 0.079 lnHHI -2.821325 1.745961 -1.62 0.109 ROA 0.0238203 .0130859 1.82 0.071 nsld 0.0021378 .000516 4.14 0.000 Hệ số chặn Sai số chuẩn T quan sát P-value Hệ số chặn 3.742572 4.822739 0.78 0.439 Nguồn: Nhóm tác giả tự tổng hợp Từ kết quả trên ta có mô hình hồi quy mẫu như sau: lnkqkd1 = 3.743 + 0.02. lndonbay + 0.062. lnATR -2.82. lnHHI + 0.023. ROA + 0.002. nsld Ý nghĩa mô hình Dựa trên kết quả hồi quy của mô hình ta có 𝑅2 = 0.2705 tức mô hình hồi quy tuyến tính này phù hợp với tập dữ liệu ở mức 27.05%. Nói cách khác, 27.05% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập. P − value = 0,000 < α = 1% : Bác bỏ giả thiết H 0, nghĩa là kiểm định F-test phù hợp với mô hình thống kê. Các biến lnATR, ROA và nsld đều có P − value = 0,000 < α = 1%: Bác bỏ giả thiết H0, nghĩa là các biến có ý nghĩa thống kê ở mức 1%. Tuy nhiên, các biến lnHHI và lndonbay lại có chỉ số P − value α = 10% và 80%: điều này có nghĩa hai biến này không có ý nghĩa thống kê với biến phụ thuộc lnkqkd1. 3.1.4 Kiểm định mô hình 3.1.4.1Kiểm định khuyết tật mô hình Dựa vào các lý thuyết kiểm tra khuyết tật mô hình cho dữ liệu chéo, em sẽ sử dụng phần mềm Stata để kiểm định. Kiểm định đa cộng tuyến Để kiểm định đa cộng tuyến trong mô hình nhóm sử dụng hệ số phóng đại VIF. Kết quả thu được từ Stata như sau: Bảng C.5 Kiểm định đa cộng tuyến Tên biến VIF 1/VIF ROA 1.20 0.833577 nsld 1.14 0.880976 lnHHI 1.11 0.897199 lnATR 1.08 0.922287 lndonbay 1.08 0.926822 Mean VIF 1.12 Nguồn: Nhóm tác giả tự tổng hợp Khi thực hiện hồi quy OLS, hệ số phóng đại phương sai VIF (variance inflation factor) lớn hơn 2 thì mô hình có dấu hiệu đa cộng tuyến, Nếu VIF lớn hơn 10 thì chắc chắn có đa cộng tuyến. Ở đây, ta có các hệ số phóng đại VIF đều nhỏ hơn 2. Vậy ta có thể kết luận mô hình không mắc đa cộng tuyến. Kiểm định phương sai sai số thay đổi Bảng C.6 Kiểm định phương sai sai số thay đổi Kiểm định Breusch - Pagan Prob > chi2 = 0.1512 PSSS thuần nhất Kiểm định White Prob > chi2 = 0.0323 PSSS thuần nhất Nguồn: Nhóm tác giả tự tổng hợp Phương sai sai số thay đổi vốn là một khuyết tật thường thấy trong dữ liệu chéo. Tuy nhiên, sau khi kiểm định Breusch – Pagan và kiểm định White, ta đều thấy P − value = 0,00 > α = 1%, dó đó, chấp nhận giả thuyết H0. Vậy mô hình nghiên cứu có phương sai sai số không đổi. Ta kết luận có thể dùng kết quả ước lượng OLS thu được để kiểm định giả thuyết thống kê. 3.1.5 Ước lượng mô hình hiệu chỉnh Mô hình được kiểm định là tồn tại hai biến không có ý nghĩa đối với biến phụ thuộc là lnHHI và ROA. Điều này vi phạm một trong những giả thiết quan trọng của mô hình hồi quy tuyến tính cổ điển. Do vậy, ta sẽ bỏ đi hai biến này và tiến hành ước lượng lại mô hình hồi quy. Sau khi chạy mô hình hiệu chỉnh qua Stata, ta có kết quả sau: Bảng C.7 Kết quả hồi quy hiệu chỉnh Số quan sát 93 Hệ số xác định (R-squared) 0.2531 Hệ số xác định hiệu chỉnh (Adj R-squared) 0.2335 P-value 0,0000 F quan sát F(4, 111) 12.88 Tổng bình phương sai số tổng cộng (SST) 272.5933 Tổng bình phương sai số được giải thích (SSE) 69.0007179 Tổng bình phương sai số không giải thích được (SSR) 203.592582 Sai số chuẩn của phần dư (Root MSE) 1.3364 Hệ số hồi quy Sai số chuẩn T quan sát P-value lnATR 0.0756198 0.0337459 2.24 0.027 ROA 0.0251409 0.0128505 1.96 0.053 nsld 0.0021616 0.0005153 4.20 0.000 Hệ số chặn Sai số chuẩn T quan sát P-value Hệ số chặn 11.50347 0.2113436 54.43 0,000 Nguồn: Nhóm tác giả tự tổng hợp Từ kết quả trên ta có mô hình hồi quy mẫu như sau: lnkqkd1 = 11.50347+ 0.0756. lnATR + 0.025. lnROA + 0.002. nsld Ý nghĩa mô hình Dựa trên kết quả hồi quy của mô hình ta có 𝑅2 = 23.35% tức mô hình hồi quy tuyến tính này phù hợp với tập dữ liệu ở mức 23.35% Nói cách khác, 23.35%% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập. P − value = 0,000 < α = 1% : Bác bỏ giả thiết H 0, nghĩa là kiểm định F-test phù hợp với mô hình thống kê. Các biến ROA, lnATR và nsld đều có P − value = 0,000 < α = 1%: Bác bỏ giả thiết H0, nghĩa là các biến có ý nghĩa thống kê ở mức ý nghĩa 1%. Diễn giải kết quả Khi các biến lndonbay, lnATR và nsld bằng 0 thì lnkqkd1 có giá trị trung bình là 10,283 đơn vị, đó chính là trung bình ảnh hưởng các nhân tố khác không nằm trong mô hình ảnh hưởng tới kỳ vọng logarit của doanh thu bán hàng. Trong điều kiện các yếu tố khác không đổi và logarit của đòn bẩy tài chính (lndonbay) tăng 1 đơn vị thì logarit của doanh thu bán hàng (lnkqkd1) tăng trung bình 0,566 đơn vị và ngược lại. Mối quan hệ giữa doanh thu bán hàng và đòn bẩy tài chính là mối quan hệ cùng chiều, kết quả này ngược với kỳ vọng ban đầu. Trong điều kiện các yếu tố khác không đổi và logarit của tỷ lệ vòng quay tổng tài sản (lnATR) tăng 1 đơn vị thì logarit của doanh thu bán hàng (lnkqkd1) tăng lên trung bình 0,645 đơn vị và ngược lại. Mối quan hệ giữa doanh thu bán hàng và tỷ lệ vòng quay tổng tài sản là mối quan hệ cùng chiều, kết quả này đúng với kỳ vọng ban đầu. Trong điều kiện các yếu tố khác không đổi và năng suất lao động (nsld) tăng 1 triệu VNĐ/ lao động thì logarit của doanh thu bán hàng (lnkqkd1) tăng lên trung bình 0,009 đơn vị và ngược lại. Mối quan hệ giữa doanh thu bán hàng và năng suất lao động là mối quan hệ cùng chiều, kết quả này đúng với kỳ vọng ban đầu. Với kết quả thu được, ta thấy các yếu tố đòn bẩy tài chính, tỷ lệ vòng quay tổng tài sản và năng suất lao động đều có tác động đáng kể và tích cực tới doanh thu bán hàng. Tuy nhiên, không như mong đợi, đòn bẩy tài chính càng cao thì doanh thu bán hàng của doanh nghiệp càng tăng. Điều này có thể giải thích do bộ số liệu sử dụng còn ít quan sát, dữ liệu không cân bằng, nhiều đối tượng bị bỏ sót dẫn đến kết quả bị sai lệch.