intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Luận văn Thạc sĩ Kinh tế: Phân tích khả năng kiệt quệ tài chính của công ty trong ngành bất động sản Việt Nam

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:58

50
lượt xem
12
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu của đề tài là giới thiệu mô hình nhân tố dự báo kiệt quệ tài chính cho các doanh nghiệp ngành bất động sản Việt Nam; kiểm định sự phù hợp của mô hình và chỉ ra những nhân tố có ý nghĩa trong dự báo kiệt quệ tài chính của các doanh nghiệp bất động sản Việt Nam.

Chủ đề:
Lưu

Nội dung Text: Luận văn Thạc sĩ Kinh tế: Phân tích khả năng kiệt quệ tài chính của công ty trong ngành bất động sản Việt Nam

  1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP. HCM ---------------------------- NGUYỄN PHƯỚC MỸ CHÂN PHÂN TÍCH KHẢ NĂNG KIỆT QUỆ TÀI CHÍNH CỦA CÔNG TY TRONG NGÀNH BẤT ĐỘNG SẢN VIỆT NAM LUẬN VĂN THẠC SĨ KINH TẾ TP. Hồ Chí Minh – Năm 2013
  2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP. HCM ---------------------------- NGUYỄN PHƯỚC MỸ CHÂN PHÂN TÍCH KHẢ NĂNG KIỆT QUỆ TÀI CHÍNH CỦA CÔNG TY TRONG NGÀNH BẤT ĐỘNG SẢN VIỆT NAM Chuyên ngành : Tài chính – Ngân hàng Mã số : 60340201 LUẬN VĂN THẠC SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: Tiến sĩ: BÙI HỮU PHƯỚC TP. Hồ Chí Minh – Năm 2013
  3. MỤC LỤC MỤC LỤC LỜI CAM ĐOAN DANH MỤC TỪ VIẾT TẮT DANH MỤC HÌNH VÀ BẢNG BIỂU 1. Giới thiệu: ...........................................................................................................1 1.1 Lý do chọn đề tài: .........................................................................................1 1.2 Vấn đề nghiên cứu: .......................................................................................3 1.3 Mục tiêu nghiên cứu: ....................................................................................3 1.4 Phương pháp nghiên cứu: .............................................................................3 1.5 Phạm vi và đối tượng nghiên cứu: ................................................................3 1.6 Nội dung nghiên cứu: ...................................................................................3 1.7 Ý nghĩa của công trình nghiên cứu: ..............................................................4 2. Tổng quan các kết quả nghiên cứu về mô hình dự báo kiệt quệ tài chính doanh nghiệp trên thế giới: ................................................................................................5 2.1. Trường phái mô hình MDA: .....................................................................5 2.2. Trường phái mô hình Logit: ......................................................................6 2.3. Trường phái mô hình cây phân lớp, mạng nơ ron:....................................8 2.4. Trường phái mô hình Z-score: ..................................................................9 3. Mô hình dự báo kiệt quệ đề xuất: .....................................................................11 3.1. Mô hình Binary Logistic: ........................................................................11 3.2. Diễn dịch các hệ số hồi quy của mô hình Binary Logistic: ....................13 3.3. Độ phù hợp của mô hình: ........................................................................14 3.4. Kiểm định ý nghĩa của các hệ số:............................................................14 3.5. Xác định biến phụ thuộc: ........................................................................14 3.6. Xác định biến độc lập:.............................................................................16 4. Kiểm định mô hình tác động của các chỉ số tài chính đến dự báo kiệt quệ của các công ty trong ngành bất động sản:..................................................................19 4.1. Phương pháp kiểm định và thu thập số liệu: ...........................................19 4.2. Vận dụng mô hình hồi quy Binary Logistic cho mục đích phân tích kiệt quệ tài chính: .....................................................................................................29 5. Kết luận: ............................................................................................................30 5.1. Kết luận: .....................................................................................................30 5.2. Giải pháp từ kết quả nghiên cứu thực nghiệm: ..........................................30 5.3. Hạn chế của đề tài: .....................................................................................31 TÀI LIỆU THAM KHẢO ....................................................................................33 PHỤ LỤC .............................................................................................................35
  4. LỜI CAM ĐOAN Tôi xin cam đoan rằng đây là công trình nghiên cứu của tôi, có sự hỗ trợ từ giáo viên hướng dẫn. Nhân dịp này tôi cũng xin bày tỏ lòng cảm ơn đối với giáo viên hướng dẫn và quý thầy cô đã hướng dẫn tôi trong suốt hai năm học. Các nội dung nghiên cứu và kết quả trong đề tài này là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào. TPHCM, ngày tháng năm 2013 Tác giả Nguyễn Phước Mỹ Chân
  5. DANH MỤC TỪ VIẾT TẮT HNX : Sở Giao dịch Chứng khoán Hà Nội HOSE : Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh MDA : Mô hình phân tích đa biến phân biệt (multiple-discriminate analysis model) TPHCM : Thành phố Hồ Chí Minh ROA : Tỷ suất sinh lợi trên tổng tài sản CHAID : Chi-square automatic interaction detection
  6. DANH MỤC HÌNH VÀ BẢNG BIỂU Bảng 3. 1: Các nhân tố tác động đến sự kiệt quệ tài chính của doanh nghiệp. ....16 Bảng 3.2: Các nhân tố đề xuất kiểm định dự báo kiệt quệ tài chính của doanh nghiệp ngành bất động sản. ..................................................................................17 Hình 4. 1: Mô hình logit với biến phụ thuộc C1, FE ............................................20 Hình 4. 2: Mô hình logit với biến phụ thuộc C1, RE ...........................................21 Hình 4. 3: Kiểm định Hausman để lựa chọn mô hình logit với biến phụ thuộc C1 ...............................................................................................................................22 Hình 4. 4: Mô hình probit với biến phụ thuộc C, RE ...........................................24 Hình 4. 5: Mô hình probit với biến phụ thuộc C1, RE .........................................26
  7. 1 1. Giới thiệu: 1.1 Lý do chọn đề tài: Dự báo kiệt quệ tài chính là một trong những đối tượng nghiên cứu trong lĩnh vực tài chính doanh nghiệp. Những nghiên cứu đầu tiên về vấn đề này cần kể đến đóng góp to lớn từ công trình của Beaver (1966) và Altman (1968). Nhiều nhà nghiên cứu sau đó đã tiếp tục cải tiến và nghiên cứu lặp lại về mặt thiết kế hoặc mô hình nghiên cứu v.v. tại nhiều thị trường khác nhau trên thế giới (xem Altman và cộng sự (1977), Apetiti (1984), Izan (1984), Micha (1984), Shirata (1998), Ganessalingam va Kumar (2001) - trường phái mô hình phân tích đa biến phân biệt (Multivariate Discriminant Analysis - MDA); Ohlson (1980), Shumway (2001), Hillegeist (2004) - trường phái mô hình logit; Bell và cộng sự (1990), Tam và Kiang (1992), Wilson và cộng sự (1992), Coat và Fant (1993), Udo (1993), Fletcher và Goss (1993), Altman và cộng sự (1994), Boritz và Kennedy (1995), Back và cộng sự (1996), Etheridge và Sriam (1997), Yang và cộng sự (1999), Fan và Palaniswami (2000), Atiya (2001), Zheng và Yanhui (2007) - trường phái mô hình cây phân lớp (decision trees), mạng nơ ron (neural networks); Taffler (1984) - trường phái mô hình Z-score). Trong bối cảnh các nền kinh tế mới nổi (như trường hợp Việt Nam), đề tài này không được chú ý nhiều vì lịch sử ngắn ngủi của các thị trường tài chính của các nền kinh tế này. Trong phạm vi hiểu biết của tác giả, tại Việt Nam có một số nhà nghiên cứu đã tiến hành nghiên cứu lặp để kiểm định các mô hình trên trong điều kiện của nước ta nhưng chủ yếu đi sâu vào phân tích thống kê mô tả là chủ yếu, và chưa nhiều các nghiên cứu định lượng để kiểm
  8. 2 chứng các lý thuyết khoa học này (mô hình dự báo) với dữ liệu hiện có tại nước ta. Trên thế giới tồn tại nhiều quan điểm khi đề cập đến như vấn đề kiệt quệ tài chính (financial distress) sẽ xảy ra khi doanh nghiệp không đáp ứng được các hứa hẹn với chủ nợ hay đáp ứng một cách khó khăn. Đôi khi kiệt quệ tài chính sẽ đưa đến phá sản, đôi khi nó chỉ có nghĩa là công ty đang gặp khó khăn, rắc rối về tài chính. Theo số liệu từ Tạp chí Kinh tế và Dự báo, trong năm 2012 số lượng doanh nghiệp tạm dừng hoạt động và giải thể là 48.473 doanh nghiệp, trong đó 39.936 doanh nghiệp dừng hoạt động và 8.537 doanh nghiệp đã giải thể. Số doanh nghiệp giải thể tập trung vào các thành phố lớn như Hà Nội và TPHCM. Trong bối cảnh đó, theo CafeF thì hầu hết các doanh nghiệp bất động sản hiện nay đều bị thua lỗ, có nhiều doanh nghiệp đứng trước nguy cơ phá sản vì nợ xấu tăng, nợ vay lớn, không thể cơ cấu lại nợ đến hạn, hàng tồn kho lớn không bán được. Tuy nhiên có thể nhận thấy những số liệu và nhận định trên nếu cho rằng doanh nghiệp sản xuất kinh doanh nói chung và doanh nghiệp bất động sản nói riêng đang rơi vào tình trạng kiệt quệ tài chính thì sẽ mang tính chủ quan vì suy luận đưa ra không dựa trên một mô hình đánh giá với những nhân tố phù hợp với thị trường Việt Nam. Với những quan điểm trên, tác giả thấy rằng việc tìm kiếm mô hình dự báo kiệt quệ tài chính hợp lý cho các doanh nghiệp ngành bất động sản là một vấn đề thực tế đặt ra đòi hỏi phải nghiên cứu và có những giải pháp giải quyết hợp lý, mang lại hiệu quả đáp ứng yêu cầu ổn định và phát triển của doanh nghiệp bất động sản nói riêng, và của nền kinh tế nói chung.
  9. 3 1.2 Vấn đề nghiên cứu: Đề tài này tác giả tập trung vào các nội dung lý thuyết về các mô hình kiệt quệ tài chính đã được nghiên cứu trước đây. 1.3 Mục tiêu nghiên cứu: - Giới thiệu mô hình nhân tố dự báo kiệt quệ tài chính cho các doanh nghiệp ngành bất động sản Việt Nam. - Kiểm định sự phù hợp của mô hình và chỉ ra những nhân tố có ý nghĩa trong dự báo kiệt quệ tài chính của các doanh nghiệp bất động sản Việt Nam. 1.4 Phương pháp nghiên cứu: Tổng hợp và nghiên cứu các dữ liệu định tính kết hợp với các thống kê phân tích các dữ liệu định lượng nhằm làm rõ vấn đề cần nghiên cứu. Phương pháp định lượng đó là Excel, Stata. Nguồn dữ liệu từ thị trường chứng khoán Việt Nam. 1.5 Phạm vi và đối tượng nghiên cứu: Đối với bài nghiên cứu này, tác giả chỉ dừng lại ở việc kiểm định sự tác động của các nhân tố đến việc dự báo kiệt quệ tài chính của các doanh nghiệp bất động sản niêm yết trên sàn HOSE và HNX từ năm 2005 đến 2012. Sau khi tổng hợp số liệu và hồi quy theo mô hình kinh tế lượng, tác giả đưa ra nhận xét về các nhân tố ảnh hưởng đến dự báo kiệt quệ tài chính như thế nào. 1.6 Nội dung nghiên cứu: Chương 1: Giới thiệu. Chương 2: Tổng quan các kết quả nghiên cứu về mô hình dự báo kiệt quệ tài chính doanh nghiệp trên thế giới. Chương 3: Mô hình dự báo kiệt quệ tài chính đề xuất.
  10. 4 Chương 4: Nghiên cứu thực nghiệm các công ty ngành bất động sản tại Việt Nam. - Kiểm định mô hình tác động của các nhân tố ảnh hưởng đến dự báo kiệt quệ tài chính của các công ty bất động sản Việt Nam. - Trình bày kết luận kiểm định từ mô hình nghiên cứu. Chương 5. Kết luận - Kết luận, kiến nghị một số giải pháp. - Hạn chế của đề tài và hướng nghiên cứu tiếp theo. 1.7 Ý nghĩa của công trình nghiên cứu: Về mặt lý luận: hệ thống lại các lý thuyết về mô hình dự báo kiệt quệ tài chính trên thế giới. Về mặt thực tiễn: đề tài cũng đã trình bày tác động của một số nhân tố đến việc dự báo kiệt quệ tài chính của các doanh nghiệp bất động sản Việt Nam và cung cấp được thêm một bằng chứng thực nghiệm chứng minh cho việc áp dụng mô hình dự báo kiệt quệ tài chính tại Việt Nam.
  11. 5 2. Tổng quan các kết quả nghiên cứu về mô hình dự báo kiệt quệ tài chính doanh nghiệp trên thế giới: Beaver (1966) đã đặt những nền tảng đầu tiên cho việc phát triển mô hình định lượng dự báo sự phá sản của các công ty thông qua việc xây dựng thang kiểm tra phân loại dựa trên kiểm định t trong điều kiện đơn biến. Trong nghiên cứu thực nghiệm, Beaver đã sử dụng các chỉ tiêu tài chính thu thập từ 79 công ty (“phá sản” và “không phá sản”) trong giai đoạn 1954 - 1964 và khám phá ra chỉ một chỉ số tài chính (tiền mặt/tổng nợ) là nhân tố dự báo tốt nhất về việc phá sản doanh nghiệp. Tiếp theo đó, các nhà nghiên cứu đã tiến hành những nghiên cứu lặp tại nhiều thị trường khác nhau và nghiên cứu phát triển mô hình, cũng như đề xuất mô hình nghiên cứu khác, tựu chung tác giả thống kê được 4 trường phái được nghiên cứu phổ biến và công nhận rộng rãi, được tóm tắt như sau: 2.1. Trường phái mô hình MDA: Altman (1968) đưa ra mô hình nghiên cứu MDA: Pi = α+β1X1it+ β2X2it+ β3X3it+β4X4it+ β5X5it Pi: Xác suất công ty phá sản, bằng 0 nếu công ty phá sản và bằng 1 trong trường hợp còn lại. X1: Vốn luân chuyển/ Tổng tài sản X2: Thu nhập giữ lại/ Tổng tài sản X3: Lợi nhuận trước thuế/ Tổng tài sản X4: Giá trị thị trường/ Giá trị sổ sách của các khoản nợ X5: Doanh thu/ Tổng tài sản Qua kiểm định 33 công ty phá sản và 33 công ty bình thường trong giai đoạn 1946 – 1964, tác giả khám phá ra 5 nhân tố có ý nghĩa dự báo việc phá
  12. 6 sản doanh nghiệp (Vốn luân chuyển/Tổng tài sản, Thu nhập giữ lại/Tổng tài sản, Lợi nhuận trước thuế/Tổng tài sản, Giá trị thị trường/Giá trị sổ sách của các khoản nợ, Doanh thu/Tổng tài sản) với độ phù hợp đến 95%. Vì lý do này, mô hình MDA được sử dụng rộng rãi bởi các nhà nghiên cứu sau này về phá sản doanh nghiệp như Altman và cộng sự (1977), Apetiti (1984), Izan (1984), Micha (1984), Shirata (1998), Ganessalingam và Kumar (2001). 2.2. Trường phái mô hình Logit: Tuy nhiên, Eisenbeis (1977), Ohlson (1980) và Jones (1987) phát hiện ra một số điều chưa thỏa đáng trong mô hình MDA khi đưa ra những giả định dựa vào tính tiêu chuẩn và độ phân tán nhóm. Điều này có lẽ dẫn đến chệch trong kiểm định ý nghĩa và dự báo tỷ lệ sai số. Ohlson (1980) đã giới thiệu mô hình Logit: Pi=1/[1+exp{-(α+β1X1it+ β2X2it+ β3X3it+β4X4it+ β5X5it+ β6X6it+ β7X7it+ β8X8it+ β9X9it)}] X1: log(Tổng tài sản/ Chỉ số giá theo GNP). X2: Tổng nợ/ Tổng tài sản. X3: Vốn luân chuyển/ Tổng tài sản. X4: Nợ ngắn hạn/ Tổng tài sản. X5: 1 nếu nợ>tài sản, ngược lại bằng 0. X6: Lãi ròng/ Tổng tài sản. X7: Dòng tiền chi hoạt động/ Tổng nợ. X8: 1 nếu thu nhập
  13. 7 cấu trúc tài chính (Tổng nợ/Tổng tài sản), biểu hiện và thanh khoản hiện hành là những nhân tố quyết định việc phá sản doanh nghiệp. Ngoài ra, mô hình Logit này chỉ sử dụng dữ liệu trung bình tại một giai đoạn. Do đó, chỉ thực hiện quan sát một năm cho các công ty. Các biến phụ thuộc này được phân loại thành 2 trạng thái là “kiệt quệ” và “không kiệt quệ”. Đến năm 2004, hai vấn đề kinh tế lượng của mô hình Logit tại một thời điểm được đem ra thảo luận (Hillegiesit, 2004). Vấn đề đầu tiên là việc chọn mẫu chéo, điều này phát sinh từ việc sử dụng quan sát về các công ty phá sản một cách không ngẫu nhiên, và vấn đề thứ hai là việc mô hình thất bại khi tính toán những thay đổi theo thời gian để phản ánh những rủi ro cơ bản của việc phá sản. Điều này dẫn tới sự phụ thuộc việc thu thập dữ liệu tại một thời điểm nào đó. Shumway (2001) chỉ ra rằng những vấn đề này dẫn tới ước lượng bị chệch, không hiệu quả và mâu thuẫn nhau. Nhằm giải quyết các vấn đề này, Shumway (2001) đã dự báo sự phá sản thông qua mô hình Hazard và khám phá ra rằng mô hình này ưu việt hơn mô hình Logit được giới thiệu trước đây và mô hình MDA. Mô hình này thật sự là mô hình Logit đa thời điểm bởi vì chức năng thật sự của 2 mô hình là giống nhau. Vì lý do đó, mô hình Hazard có thời gian rời rạc với hiệp phương sai thời gian, có thể được ước lượng thông qua các máy tính hiện tại bằng phân tích hồi quy binary logistic. Đặc tính chính của mô hình Hazard bao gồm hiệp phương sai cụ thể của công ty cần được cho phép biến thiên theo thời gian để ước lượng hiệu quả hơn và chức năng cơ bản của Hazard cũng cần, nhưng hiệp phương sai này có thể được ước lượng trực tiếp với các nhân tố vĩ mô để phản ánh những thay đổi quan trọng trong môi trường.
  14. 8 2.3. Trường phái mô hình cây phân lớp, mạng nơ ron: Trong những năm gần đây, trong dự báo kiệt quệ tài chính thì các loại thuật toán khám phá được chú ý như mạng nơ ron (neural networks) và cây phân nhánh (decision tree) và được áp dụng cho các vấn đề dự báo phá sản và một số cải tiến đáng lưu ý. Những nghiên cứu về dự báo phá sản khởi đầu từ năm 1990 với Bell và cộng sự (1990), Tam và Kiang (1992), Wilson và cộng sự (1992), Coat và Fant (1993), Udo (1993), Fletcher và Goss (1993), Altman và cộng sự (1994), Boritz và Kennedy (1995), Back và cộng sự (1996), Etheridge và Sriam (1997), Yang và cộng sự (1999), Fan và Palaniswami (2000), Atiya (2001) sử dụng để dự báo kiệt quệ tài chính cho ngành ngân hàng và một số ngành nghề kinh doanh khác vẫn tiếp tục còn giá trị thực tiễn. Mạng nơ ron là một cấu trúc phi tuyến tính do đó chúng có thể phân biệt những mẫu không thể phân tách một cách tuyến tính và không cần dữ liệu để theo dõi bất kỳ sự phân phối xác suất cụ thể nào. Mạng nơ ron được khám phá là một cách phân loại tốt hơn là các phương pháp phân tích biệt số trong một số công trình dựa trên số liệu thống kê từ các công ty Mỹ (Odom và Shada, 1990; Tan và Kiang, 1990, 1992; Coats và Fant, 1993; Wilson và Sharda, 1994). Tuy nhiên, khuyết điểm chính của các mô hình mạng nơ ron là sự khó khăn khi xây dựng mô hình, thời gian cần để hoàn tất quá trình lặp đi lặp lại và sự khó khăn trong việc diễn dịch mô hình. So với mô hình mạng nơ ron, mô hình cây phân nhánh không chỉ là cấu trúc phi tuyến tính (những mẫu không thể phân tách một cách tuyến tính và cho phép dữ liệu để theo dõi bất kỳ sự phân phối xác suất cụ thể nào), mà còn dễ dàng để diễn dịch kết quả mà
  15. 9 không cần có sự chuẩn bị nhiều ở dữ liệu ban đầu và xử lý tốt với lượng dữ liệu lớn trong thời gian ngắn. Zheng và Yanhui (2007) đã dùng phương pháp cây phân nhánh để dự báo kiệt quệ tài chính trong nghiên cứu của mình. Các tác giả đã giới thiệu những ưu điểm của việc sử dụng cây phân nhánh CHAID (Chi-square automatic interaction detection) khi so sánh với mô hình mạng nơ ron là phức tạp trong xây dựng và diễn dịch hoặc mô hình thống kê như là hồi quy bội và hồi quy logistic khi những mẫu cơ sở dữ liệu cần phân tách một cách tuyến tính và mẫu phải theo phân phối chuẩn đa biến. Nghiên cứu của hai ông trên 48 công ty niêm yết trên sàn chứng khoán Trung Quốc trong giai đoạn 2003 - 2005 và khám phá ra những nhân tố ảnh hưởng đến dự báo kiệt quệ tài chính là Dòng tiền mặt từ hoạt động/Nợ hiện hành, ROA, Tăng trưởng tổng tài sản và Tỷ lệ phải thu khách hàng. Hai ông cũng lưu ý rằng thật không phù hợp khi sử dụng thông tin tài chính để dự báo kiệt quệ tài chính chỉ trước 4 năm. Tuy nhiên, kết quả này được chứng minh bởi kết quả của nghiên cứu kiểm định trong đó chỉ ra mô hình phân nhánh cây là mô hình có giá trị trong dự báo kiệt quệ tài chính ở Trung Quốc với mức độ giải thích lên tới 80%. 2.4. Trường phái mô hình Z-score: Altman (1968) nghiên cứu các công ty khác nhau tại Mỹ và phát minh ra chỉ số Z (Z-score). Chỉ số này được công nhận và sử dụng rộng rãi tại nhiều nước trên thế giới. Chỉ số này bao gồm 5 chỉ số X1 (Vốn luân chuyển/Tổng tài sản), X2 (Lợi nhuận giữ lại/Tổng tài sản), X3 (Lợi nhuận trước lãi vay và thuế/Tổng tài sản), X4 (Giá trị thị trường của vốn chủ sở hữu/Giá trị sổ sách của tổng nợ), X5 (Doanh thu/Tổng tài sản), cụ thể như trường hợp doanh nghiệp đã cổ phần hóa ngành sản xuất Altman đề xuất mô hình:
  16. 10 Z = 1.2X1 +1.4X2 + 3.3X3 + 0.64X4 + 0.999X5 Mô hình này được diễn giải như sau: Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ kiệt quệ. Nếu 1.8 < Z < 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ kiệt quệ. Nếu Z
  17. 11 3. Mô hình dự báo kiệt quệ đề xuất: Để dự báo khả năng xảy ra sự kiệt quệ tài chính của doanh nghiệp ngành bất động sản mà ta quan quan tâm (chính là xác suất xảy ra), cụ thể trong trường hợp này là doanh nghiệp nghiên cứu có ở trong tình trạng kiệt quệ tài chính hay không. Biến nghiên cứu có hai biểu hiện như vậy gọi là biến thay phiên, hai biểu hiện này sẽ được mã hóa thành hai giá trị là 0 và 1 và ở dưới dạng này gọi là biến nhị phân. Khi biến phụ thuộc ở dạng nhị phân thì không thể phân tích với dạng hồi quy thông thường vì làm như vậy sẽ xâm phạm các giả định, rất dễ thấy là khi biến phụ thuộc chỉ có hai biểu hiện thì thật không phù hợp khi giả định rằng phần dư có phân phối chuẩn, mà thay vào đó sẽ có phân phối nhị thức, điều này sẽ làm mất hiệu lực của các kiểm định thống kê trong phép hồi quy thông thường. Một khó khăn khác khi dùng hồi quy tuyến tính thông thường là giá trị dự đoán được của biến phụ thuộc không thể được diễn dịch như xác xuất (giá trị ước lượng của biến phụ thuộc trong hồi quy Binary Logistic phải rơi vào khoảng (0,1)). Do đó, tác giả ứng dụng hồi quy Binary Logistic để xây dựng mô hình kiểm định dự đoán khả năng xảy ra sự kiệt quệ tài chính của doanh nghiệp bất động sản tại Việt Nam với những thông tin của biến độc lập (biến tài chính) mà tác giả có được. 3.1. Mô hình Binary Logistic: Với hồi quy Binary Logistic, thông tin chúng ta cần thu thập về biến phụ thuộc là một sự kiện nào đó có xảy ra hay không, biến phụ thuộc Y lúc này có hai giá trị 0 và 1, với 0 là không xảy ra hiện tượng ta quan tâm và 1 là có xảy ra, và tất nhiên là cả thông tin về các biến độc lập X. Từ biến phụ thuộc nhị phân này, một thủ tục sẽ được dùng để dự đoán xác suất sự kiện xảy ra theo quy tắc nếu xác suất được dự đoán lớn hơn 0,5 thì kết quả dự đoán sẽ cho là
  18. 12 “có” xảy ra sự kiện, ngược lại thì kết quả dự đoán sẽ là “không”. Chúng ta sẽ nghiên cứu mô hình hàm Binary Logistic trong trường hợp đơn giản nhất là khi chỉ có một biến độc lập X. Ta có mô hình hàm Binary Logistic như sau: 1 Pi=E(Y= )= Trong công thức này Pi=E(Y= )=P(Y=1) gọi là xác suất để sự kiện xảy ra (Y=1) khi biến độc lập X có giá trị cụ thể là Xi. Ký hiệu biểu thức là z, ta viết lại mô hình Binary Logistic như sau: Pi=E(Y= )= Vậy thì xác suất không xảy ra sự kiện là: P(Y=0)=1- P(Y=1)= 1 - Thực hiện phép so sánh giữa xác suất một sự kiện xảy ra với xác suất sự kiện đó không xảy ra, tỷ lệ chênh lệch này có thể được thể hiện trong công thức: = Lấy log cơ số e hai vế của phương trình trên rồi thực hiện biến đổi vế phải ta được kết quả là ]= Vì =z nên kết quả cuối cùng là 1 Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS, Tập 2, trang3
  19. 13 = Hay viết cách khác: = (*) là dạng hàm hồi quy Binary Logistic. Và ta có thể mở rộng mô hình Binary Logistic cho 2 hay nhiều biến độc lập Xk. Như vậy, việc ứng dụng mô hình Binary Logistic cho nhiều biến độc lập (biến tài chính) theo mô hình của tác giả là phù hợp. 3.2. Diễn dịch các hệ số hồi quy của mô hình Binary Logistic: Tên gọi hồi quy Binary Logistic xuất phát từ quá trình biến đổi lấy logarit của thủ tục này. Sự chuyển hóa này làm cho các hệ số của hồi quy Binary Logistic có nghĩa khác với hệ số hồi quy trong trường hợp thông thường với các biến phụ thuộc dạng thập phân và trở nên khó diễn dịch ý nghĩa. Từ công thức (*) ta hiểu hệ số ước lượng cho biết khi X1 tăng một đơn vị thì tăng đơn vị. Tuy nhiên nếu ta chỉ quan tâm đến chiều hướng của tác động thì thấy rằng phương trình bên trái của (*) đồng biến với Pi (tức xác suất Y=1) nên nếu hệ số mang dấu dương thì tăng Xi sẽ làm tăng khả năng Y nhận giá trị 1 trong khi hệ số mang dấu âm sẽ làm giảm khả năng này. Ta có
  20. 14 Điều này được diễn dịch là tác động biên của X1 lên xác suất Y nhận giá trị bằng 1 phụ thuộc vào giá trị của X. Tác động biên của X1 lên khả năng Y=1 xác định với xác suất ban đầu = 0,5. 3.3. Độ phù hợp của mô hình: Hồi quy Binary Logistic cũng đòi hỏi ta phải đánh giá độ phù hợp của mô hình. Đo lường độ phù hợp tổng quát của mô hình Binary Logistic được dựa trên chỉ tiêu -2LL (viết tắt của – 2 log likelihood), thước đo này có ý nghĩa giống như SSE (Sum of squares of error) nghĩa là càng nhỏ càng tốt, giá trị -2LL càng nhỏ càng thể hiện độ phù hợp cao. Vấn đề này được các phần mềm xử lý nên hỗ trợ nhiều cho việc diễn dịch độ phù hợp của mô hình. 3.4. Kiểm định ý nghĩa của các hệ số: Đối với hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể. Cách sử dụng mức ý nghĩa Sig. cho kiểm định Wald cũng theo quy tắc thông thường. Wald Chi Square được tính bằng cách lấy ước lượng hệ số hồi quy của biến độc lập trong mô hình Binary Logistic chia cho sai số chuẩn của ước lượng hệ số hồi quy này, sau đó bình phương lên theo công thức sau: Wald Chi –Square = 3.5. Xác định biến phụ thuộc: Về phương diện pháp lý, theo Luật Doanh nghiệp quy định các trường hợp giải thể doanh nghiệp như: (i) kết thúc thời hạn hoạt động đã ghi trong Điều lệ công ty mà không có quyết định gia hạn; (ii) theo quyết định của chủ doanh nghiệp đối với doanh nghiệp tư nhân; của tất cả thành viên hợp danh đối với công ty hợp danh; của Hội đồng thành viên, chủ sở hữu công ty đối
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2