III MÔ HÌNH NGHIÊN CỨU

3.1 PHƯƠNG PHÁP NGHIÊN CỨU

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.