Luận văn Thạc sĩ Kinh tế: Tác động của chính sách quản lý dòng tiền đến hiệu quả tài chính doanh nghiệp Việt Nam (Mô hình GEE

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH --------o0o---------

NGUYỄN VĂN ĐẠO

TÁC ĐỘNG CỦA CHÍNH SÁCH QUẢN LÝ DÒNG TIỀN ĐẾN

HIỆU QUẢ TÀI CHÍNH DOANH NGHIỆP VIỆT NAM (MÔ HÌNH

GEE - Generalized Estimating Equations).

LUẬN VĂN THẠC SĨ KINH TẾ

THÀNH PHỐ HỒ CHÍ MINH - NĂM 2015

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH --------o0o---------

NGUYỄN VĂN ĐẠO

TÁC ĐỘNG CỦA CHÍNH SÁCH QUẢN LÝ DÒNG TIỀN

ĐẾN HIỆU QUẢ TÀI CHÍNH DOANH NGHIỆP VIỆT NAM (MÔ

HÌNH GEE-Generalized Estimating Equations).

CHUYÊN NGÀNH : TÀI CHÍNH – NGÂN HÀNG MÃ SỐ: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC: TS.VŨ VIỆT QUẢNG

THÀNH PHỐ HỒ CHÍ MINH - NĂM 2015

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn “ Tác động của chính sách quản lý dòng tiền đến

hiệu quả tài chính doanh nghiệp Việt Nam (Mô hình GEE – Generalized

Estimating Equations)” là công trình nghiên cứu của tôi, được thực hiện trên cở sở

lý thuyết và thực tiễn dưới sự hướng dẫn khoa học của TS. Vũ Việt Quảng.

Các thông tin, số liệu được sử dụng trong luận văn này là trung thực. Kết quả

nghiên cứu được trình bày trong luận văn chưa từng được công bố trong các công

trình nghiên cứu nào khác.

TÁC GIẢ

NGUYỄN VĂN ĐẠO

DANH MỤC TỪ VIẾT TẮT

CCC : Cash Conversion Cycle - Chu kỳ luân chuyển tiền mặt

DIO : Days of Inventory Outstanding - Kỳ chuyển đổi hàng tồn kho

DPO : Days of Payables Outstanding - Kỳ chuyển đổi khoản phải trả

DSO : Days of Sales Outstanding - Kỳ chuyển đổi khoản phải thu

GEE : Generalized Estimating Equations – Mô hình ước lượng tổng quát

OCC : Operating Cash Cycle - Chu kỳ tiền mặt hoạt động

DANH MỤC SƠ ĐỒ VÀ BẢNG BIỂU

DANH MỤC SƠ ĐỒ

Sơ đồ 1 : Mối tương quan giữa các thước đo dòng tiền.

DANH MỤC BẢNG BIỂU

Bảng 1 : Mô tả các thước đo dòng tiền.

Bảng 3.1 : Thống kê mô tả dữ liệu các thước đo dòng tiền và Tobins_Q.

Bảng 3.2 : Thống kê mô tả các biến trong mô hình nghiên cứu.

Bảng 3.3 : Kết quả hồi quy GEE mô hình thành phần (1).

Bảng 3.4 : Kết quả hồi quy GEE mô hình tổng hợp (2) và (3).

Bảng 3.5 : So sánh kết quả hồi quy với nghiên cứu của Kroes và cộng sự (2014).

Bảng 3.6 : Kết quả kiểm định nhân quả Granger: ΔDSOit→ ΔTobins_Qit.

Bảng 3.7 : Kết quả kiểm định nhân quả Granger: ΔDIOit→ ΔTobins_Qit.

Bảng 3.8 : Kết quả kiểm định nhân quả Granger: ΔCCCit→ ΔTobins_Qit.

Bảng 3.9 : Kết quả kiểm định nhân quả Granger: ΔOCCit→ ΔTobins_Qit.

Bảng 3.10 : Kết quả kiểm định Robustness các biến có ý nghĩa thống kê.

Bảng 3.11 : Kết quả kiểm định Robustness các các hệ số hồi quy.

TÓM TẮT

Bài nghiên cứu xem xét mối quan hệ giữa chính sách quản lý dòng tiền và hiệu

quả tài chính bằng cách sử dụng mô hình GEE (Generalized Estimating Equations)

cho mẫu dọc của 12 quý gồm 175 công ty sản xuất ở Việt Nam giai đoạn từ Quý

2/2012 – Quý 1/2015. Kết quả đã cho thấy rằng sự sụt giảm các tài khoản Phải thu

khách hàng và sự gia tăng tài khoản Hàng tồn kho có tác động đến cải thiện hiệu

quả tài chính (Tobins_Q). Tác động của Chu kỳ luân chuyển khoản phải thu (DSO)

lên hiệu quả tài chính duy trì thêm 04 quý kế tiếp trong khi đó Chu kỳ luân chuyển

hàng tồn kho chỉ duy trì đúng một quý. Sự gia tăng các khoản Phải trả người bán

(DPO) không có tác động lên hiệu quả tài chính. Kết quả còn cho thấy những thay

đổi trong Chu kỳ luân chuyển tiền (CCC) và những thay đổi trong Chu kỳ tiền mặt

hoạt động (OCC) có tác động đáng kể đến thay đổi trong Tobin’s Q song tác động

không diễn ra ngay lập tức mà bắt đầu vào quý kế tiếp và duy trì trong vài quý.

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC TỪ VIẾT TẮT

DANH MỤC SƠ ĐỒ VÀ BẢNG BIỂU

TÓM TẮT

PHẦN I: GIỚI THIỆU TỔNG QUAN ĐỀ TÀI 1

1. Tính cấp thiết của việc nghiên cứu đề tài 1

2. Mục tiêu nghiên cứu 2

3. Đối tượng và phạm vi nghiên cứu 3

4. Phương pháp nghiên cứu 3

4.1. Nguồn dữ liệu sử dụng 3

4.2. Phương pháp thực hiện 4

5. Kết cấu bài nghiên cứu 5

PHẦN II : NỘI DUNG NGHIÊN CỨU 6

CHƯƠNG I : Tổng quan lý thuyết về mối quan hệ giữa chính sách

quản lý dòng tiền và hiệu quả tài chính 6

1.1. Các thước đo dòng tiền 7

1.2. Các nghiên cứu về quản lý dòng tiền 10

1.2.1. Tóm tắt các nghiên cứu điển hình và nền tảng lý thuyết 10

1.2.2. Các phương pháp nghiên cứu 16

1.2.3. Kết quả nghiên cứu được tìm thấy 17

1.3. Quan điểm động và hiệu ứng trễ 18

1.4. Vấn đề nội sinh 19

1.5. Giả thuyết nghiên cứu 20

1.5.1. Phân tích thay đổi các thước đo dòng tiền và thay đổi

hiệu quả tài chính công ty 20

1.5.2. Phân tích nhân quả Granger 22

CHƯƠNG 2 : Phương pháp nghiên cứu 24

2.1. Mẫu và dữ liệu 24

2.2. Biến của mô hình nghiên cứu 24

2.2.1. Biến phụ thuộc 24

2.2.2. Biến giải thích 25

2.2.3. Biến kiểm soát 26

2.2.4. Sự tương quan về thời gian giữa các biến quan sát 27

2.3. Mô hình và phương pháp nghiên cứu 28

2.3.1. Lựa chọn mô hình hồi quy 28

2.3.2. Tổng quan mô hình GEE 28

2.3.3. Sử dụng mô hình GEE vào mô hình quản lý dòng tiền

và hiệu ứng trễ 31

2.3.4. Phân tích nhân quả Granger 33

2.3.5. Kiểm định Robustness kết quả hồi quy GEE 34

CHƯƠNG 3 : Kết quả nghiên cứu 36

3.1. Thống kê mô tả 36

3.2. Phân tích hồi quy GEE 38

3.2.1. Phân tích kết quả hồi quy từ mô hình thành phần 38

3.2.2. Phân tích kết quả hồi quy từ mô hình tổng hợp 40

3.2.3. Phân tích kết quả kiểm định quan hệ nhân quả Granger 44

3.2.4. Phân tích kết quả kiểm định Robustness 49

PHẦN III : KẾT LUẬN 56

1. Kết luận cho bài nghiên cứu 56

2. Hàm ý cho nhà quản lý 57

3. Hạn chế bài nghiên cứu 58

4. Hướng phát triển của đề tài 59

TÀI LIỆU THAM KHẢO

PHỤ LỤC

PHẦN I : GIỚI THIỆU TỔNG QUAN ĐỀ TÀI

1. Tính cấp thiết của việc nghiên cứu đề tài

Nhận biết các nhân tố gây ra sự thay đổi trong luân chuyển dòng tiền và các

tác động của nó lên hiệu quả tài chính doanh nghiệp luôn nhận được sự quan tâm

của các nhà quản lý. Vì nó giúp các nhà quản lý lựa chọn và điều chỉnh chiến lược

quản lý dòng tiền tối ưu hướng tới việc giữ vững và gia tăng hiệu quả tài chính

doanh nghiệp trước những biến động của yếu tố thị trường.

Hiện nay, nghiên cứu chính sách quản lý dòng tiền thông qua ba nhân tố chính

của dòng tiền là các khoản mục: Phải thu khách hàng, Hàng Tồn kho, Phải trả

người bán có ý nghĩa và vai trò đặc biệt quan trọng với các doanh nghiệp vừa và

nhỏ tại Việt Nam. Những doanh nghiệp luôn phải phụ thuộc rất nhiều vào dòng

tiền từ tài trợ nội bộ và nợ ngắn hạn do khó tiếp cận được nguồn tài trợ dài hạn.

Đặc biệt trong bối cảnh những năm gần đây, một số doanh nghiệp có tiếng tăm

tại Việt Nam đã có sự sụt giảm đáng kể giá trị doanh nghiệp mà nguyên nhân bắt

nguồn được cho là từ sự thất bại trong việc quản trị dòng tiền. Vì thế, các nghiên

cứu về quản trị dòng tiền hiệu quả vẫn đang là chủ đề tiếp tục thu hút được sự

quan tâm và chú ý của nhiều nhà quản lý ở Việt Nam và trên thế giới.

Quản trị dòng tiền có mối quan hệ mật thiết đến hiệu quả tài chính doanh

nghiệp, vì thế được nghiên cứu rộng rãi ở nhiều quốc gia trên thế giới và ngay cả

ở Việt Nam. Tuy chủ đề nghiên cứu không quá mới, song bài nghiên cứu này sử

dụng một phương pháp ước lượng phù hợp trong việc phân tích hồi quy các mẫu

dữ liệu quan sát theo chiều dọc (longitudinal sample) và có mối tương quan cao

về thời gian. Nghiên cứu này đã có những đóng góp nhất định trong việc mở rộng,

bổ sung về mặt lý thuyết và thực nghiệm cho các nghiên cứu về quản trị dòng tiền

theo quan điểm động ở Việt Nam.

Bài nghiên cứu này tiến hành lặp lại nghiên cứu trước đó của Kroes và cộng

sự (2014) ứng dụng cho mẫu khảo sát là các công ty sản xuất tại Việt Nam giai

đoạn từ quý 2/2012 – quý 1/2015, nhằm tìm hiểu sự khác biệt về đặc thù doanh

nghiệp và đặc điểm kinh tế có ảnh hưởng đến các giả thuyết nghiên cứu mà Kroes

và cộng sự đã tìm thấy. Đồng thời cung cấp thêm các kiến thức phân tích định

lượng, khi nghiên cứu các dữ liệu khảo theo chiều dọc có tính tương quan cao về

mặt thời gian.

Các kết quả hồi quy nhận được từ nghiên cứu này tiếp tục hỗ trợ các giả thuyết

nghiên cứu của Kroes và cộng sự (2014) đó là các thước đo của dòng tiền là Chu

kỳ luân chuyển khoản phải thu (DSO), Chu kỳ luân chuyển hàng tồn kho (DIO),

Chu kỳ tiền mặt hoạt động (OCC) có mối tương quan với hiệu quả tài chính công

ty. Tuy nhiên kết quả nghiên cứu này cũng có chút khác biệt với nghiên cứu của

Kroes và cộng (2014) đó là thời điểm tác động, mức độ duy trì tác động cũng như

chiều của mối tương quan. Một điểm khác biệt nữa là nghiên cứu này còn tìm thấy

thước đo Chu kỳ luân chuyển tiền mặt (CCC) có mối tương quan và giải thích

được cho hiệu quả tài chính tốt hơn thước đo Chu kỳ tiền mặt hoạt động (OCC).

Kết quả tìm thấy từ nghiên cứu này đã góp phần mở rộng và bổ sung thêm những

vào lý thuyết về mối quan hệ giữa các thước đo của dòng tiền với hiệu quả tài

chính. Đồng thời, làm sáng tỏ thêm những luận điểm trái chiều về các mối quan

hệ này, để từ đó có thêm những căn cứ định lượng ứng dụng vào thực tiễn nghiên

cứu và quản lý tại Việt Nam.

2. Mục tiêu nghiên cứu

Bài nghiên cứu này tập trung tìm hiểu ba mục tiêu chính : Một là sự tác động

của chính sách quản lý dòng tiền đến hiệu quả tài chính doanh nghiệp sản xuất tại

Việt Nam theo quan điểm động; Hai là vấn đề nội sinh giữa các thước đo dòng

tiền và hiệu quả tài chính; Ba là lựa chọn phương pháp ước lượng phù hợp với

mô hình nghiên cứu và dữ liệu khảo sát có mối tương quan cao về thời gian.

Các kết quả được tìm thấy trong nghiên cứu này sẽ bổ sung thêm các bằng

chứng thực nghiệm về mối quan hệ giữa các thước đo dòng tiền và hiệu quả tài

chính. Giúp các nhà quản lý lựa chọn chính sách quản lý dòng tiền phù hợp, nâng

cao hiệu quả tài chính. Các mục tiêu chính của nghiên cứu này sẽ lần lượt trả lời

cho các câu hỏi nghiên cứu sau:

Một là sự sụt giảm (hay sự gia tăng) Kỳ luân chuyển khoản phải thu (DSO-

Days of Sales Outstanding) làm tăng (giảm) hiệu quả tài chính công ty ngay

lập tức và tiếp tục duy trì tác động đến các quý kế tiếp trong phạm vi một năm?

Hai là sự sụt giảm (hay sự gia tăng) Kỳ luân chuyển hàng tồn kho (DIO-

Days of Inventory Outstanding) làm tăng (giảm) hiệu quả tài chính công ty

ngay lập tức và tiếp tục duy trì tác động đến các quý kế tiếp trong phạm vi một

năm?

Ba là sự sụt giảm (hay sự gia tăng) Chu kỳ luân chuyển tiền mặt (CCC- Cash

Conversion Cycle) làm tăng (giảm) hiệu quả tài chính ngay lập tức và tiếp tục

duy trì tác động đến các quý kế tiếp trong phạm vi một năm?

Bốn là sự sụt giảm (hay sự gia tăng) Chu kỳ tiền mặt hoạt động (OCC-

Operating Cash Cycle) làm tăng (giảm) hiệu quả tài chính ngay lập tức và tiếp

tục duy trì tác động đến các quý kế tiếp trong phạm vi một năm?

Năm là những thay đổi trong các thước đo của dòng tiền có ý nghĩa thống kê

sẽ có quan hệ nhân quả Granger đến thay đổi trong hiệu quả tài chính công ty?

3. Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu : Mối quan hệ giữa các thước đo dòng tiền với hiệu quả

tài chính của doanh nghiệp sản xuất Việt Nam.

Phạm vi nghiên cứu : Các công ty sản xuất niêm yết ở Sở giao dịch chứng

khoán thành phố Hồ Chí Minh và Sở giao dịch chứng khoán Hà Nội.

4. Phương pháp nghiên cứu

4.1. Nguồn dữ liệu sử dụng : Dữ liệu sơ cấp và thứ cấp của đề tài này được

thu thập trên các giao dịch chứng khoán và báo cáo tài chính của 175

công ty sản xuất niêm yết ở Sở giao dịch chứng khoán thành phố Hồ

Chí Minh và Sở giao dịch chứng khoán Hà Nội liên tục 12 quý (từ Quý

2/2012 – Quý 1/2015).

4.2. Phương pháp thực hiện : Sử dụng mô hình hồi quy Generalized

Estimating Equations (GEE) được đề xuất bởi Zeger và Liang (1986).

Ưu điểm của mô hình hồi quy này đó chính là khả năng mạnh mẽ trong

việc ước lượng phương sai và các tham số hồi quy khi nghiên cứu và

phân tích dữ liệu chiều dọc (longitudinal data) có mối tương quan cao

về mặt thời gian. Gần đây, Kroes và cộng sự (2014) đã sử dụng mô hình

GEE để phân tích mối quan hệ chính sách quản lý dòng tiền và hiệu

quả tài chính các công ty thuộc lĩnh vực sản xuất công nghiệp Mỹ theo

quan điểm động cho mẫu dữ liệu theo chiều dọc (longitudinal sample)

có tương quan cao giữa các phép đo được lặp đi lặp lại theo thời gian.

Đây được xem là cách tiếp cận mới, phù hợp với đặc thù của dữ liệu

khảo sát và mô hình nghiên cứu. Trong nghiên cứu này, hồi quy GEE

còn được sử dụng để thực hiện kiểm định mối quan hệ nhân quả

Granger giữa biến độc lập và biến phụ thuộc để kiểm soát vấn đề nội

sinh có thể xảy ra cho dữ liệu chiều dọc, không những thế Kroes và

cộng sự (2014) còn dùng hồi quy GEE với ma trận tương quan chuyển

đổi Unstructured để thực hiện kiểm định Robustness của kết quả hồi

quy tìm thấy. Vì thế trong nghiên cứu này, mô hình hồi quy Generalized

Estimating Equations (GEE) sẽ được lần lượt áp dụng để phân tích tác

động của sự thay đổi các thước đo dòng tiền lên hiệu quả tài chính

doanh nghiệp Việt Nam, tiếp đó là kiểm định nhân quả Granger và sau

cùng là kiểm định Robustness.

5. Kết cấu bài nghiên cứu

Nội dung luận văn bao gồm 03 phần:

 Phần giới thiệu tổng quan đề tài

 Phần nội dung nghiên cứu, bao gồm 03 chương:

 Chương 1: Trình bày tổng quan lý thuyết : Về mối quan hệ giữa

chính sách quản lý dòng tiền và hiệu quả tài chính công ty. Thước

đo dòng tiền, phương pháp, kết quả của những nghiên cứu trước,

khe hổng nghiên cứu, quan điểm dòng tiền động và các giả thuyết

nghiên cứu.

 Chương 2: Phương pháp nghiên cứu bao gồm: Dữ liệu nghiên cứu

và đặc trưng của dữ liệu nghiên cứu, biến và mô hình, lựa chọn mô

hình hồi quy phù hợp cho dữ liệu nghiên cứu. Các kiểm định cho

kết quả tìm được.

 Chương 3: Trình bày kết quả thực nghiệm bao gồm: Phân tích, lý

giải, giải thích ý nghĩa và so sánh kết quả hồi quy với các nghiên

cứu trước, kết quả kiểm định mối quan hệ nhân quả Granger và kết

quả kiểm định robustness các kết quả hồi quy tìm thấy.

 Phần kết luận và hàm ý giải pháp

PHẦN II. NỘI DUNG NGHIÊN CỨU

CHƯƠNG 1. TỔNG QUAN LÝ THUYẾT VỀ MỐI QUAN HỆ GIỮA

CHÍNH SÁCH QUẢN LÝ DÒNG TIỀN VÀ HIỆU QUẢ TÀI CHÍNH.

Quản lý dòng tiền đã trở thành một yếu tố quan trọng của chiến lược hoạt động

nhiều doanh nghiệp (Fisher, 1998; Quinn, 2011). Chính sách quản lý dòng tiền của

một doanh nghiệp, trong đó quản lý vốn luân chuyển dưới các khoản mục Phải thu

khách hàng, Hàng tồn kho, và phải trả người bán, có mối liên hệ để cải thiện hiệu

quả tài chính công ty (Richards và cộng sự, 1980; Stewart, 1995). Từ lâu, ngành sản

xuất công nghiệp đã thừa nhận việc quản lý dòng tiền hiệu quả là một kỹ thuật để cải

thiện hiệu quả tài chính. Các nghiên cứu khoa học về mối liên hệ giữa quản lý dòng

tiền và hiệu quả tài chính dựa trên khảo sát tĩnh của dòng tiền chiếm ưu thế và được

xem là chuẩn mực (Ebben và cộng sự, 2011; Farris và cộng sự, năm 2002, 2003;

Moss và cộng sự, 1993). Các nghiên cứu này cho rằng việc điều chỉnh lưu lượng tiền

mặt của công ty sẽ thay đổi hiệu quả tài chính và chúng được hỗ trợ thực nghiệm

bằng cách so sánh, đối chiếu và sử dụng các thước đo tĩnh các vị thế dòng tiền và

hiệu quả tài chính. Cách tiếp cận tĩnh về dòng tiền cũng đã cung cấp các kiến thức

phong phú về các giá trị của việc quản lý dòng tiền hiệu quả. Tuy nhiên các mối quan

hệ kinh tế thường có xu hướng động (Nerlove, 2005). Vì vậy, các phương pháp nghiên

cứu những mối quan hệ có xu hướng động từ bộ dữ liệu bảng theo chiều dọc

(longitudinal panel) sẽ cho kết quả chính xác hơn và tốt hơn về sự phức tạp của các

mối quan hệ kinh tế tiềm ẩn (Hsiao, 2007). Do đó, trong nghiên cứu này, các mối

quan hệ giữa những thay đổi ở các vị thế dòng tiền mặt của công ty và những thay

đổi trong hoạt động của công ty được nghiên cứu từ quan điểm động.

Lý thuyết quản lý vốn luân chuyển thường cho rằng các công ty có thể cải thiện

tính thanh khoản và vị thế cạnh tranh của họ bằng điều khiển dòng tiền của họ (Brewer

và cộng sự, 2000; Farris và cộng sự, 2002, 2003; Christopher và cộng sự, 1999;

Moss và cộng sự, 1993; Stewart , 1995). Hơn nữa, khả năng để một công ty luân

chuyển vật tư, hàng hóa thành tiền mặt từ hoạt động bán hàng sẽ phản ánh tốt nhất

khả năng tạo ra lợi nhuận từ các khoản đầu tư của mình (Gunasekaran và cộng sự.,

2004). Ba nhân tố trực tiếp tác động đến tiền mặt của công ty là: Khoản phải thu

khách hàng, tồn kho vật tư hàng hóa và khoản phải trả người bán (Richards và cộng

sự, 1980). Mặc dù các khoản phải trả người bán và khoản phải thu khách hàng thường

được giám sát bởi bộ phận tài chính của công ty, song các nhân tố này thường được

điều khiển chủ yếu bởi các quyết định kinh doanh (Özbayraka và Akgün, 2006).

1.1. CÁC THƯỚC ĐO DÒNG TIỀN

Trong một chu kỳ hoạt động sản xuất kinh doanh, dòng tiền mặt của doanh

nghiệp có thể liên tục vận động và chuyển hóa thành các khoản mục tài sản khác

trên bảng cân đối kế toán. Khi các tài sản này tham gia vào các hoạt động sản

xuất, cung cấp hàng hóa và dịch vụ các tài sản này liên tục chuyển hóa giá trị cho

nhau và chuyển hóa ngược lại thành tiền mặt, các hoạt động này tạo ra giá trị mới

cho doanh nghiệp và kết thúc một chu trình luân chuyển tiền mặt. Năm thước đo

tài chính được định nghĩa dưới đây dùng để đo lường vị thế dòng tiền và khoảng

thời gian cần thiết để 03 nhân tố chính (Phải thu khách hàng, Phải trả người bán

và Tồn kho) của dòng tiền chuyển hóa hết giá trị cho nhau và quay trở lại thành

tiền mặt. Ba thước đo thành phần và hai thước đo tổng hợp thường được sử dụng

trong các nghiên cứu là :

Kỳ luân chuyển khoản phải thu (DSO- Days of Sales Outstanding): Thước

đo khoảng thời gian trung bình một doanh nghiệp thu được hết tiền cho số

lượng hàng đã bán ra trong kỳ. Được xác định bằng cách lấy (Phải thu

khách hàng cuối kỳ chia Doanh số bán hàng phát sinh trong kỳ) nhân (Số

ngày trong kỳ).

Kỳ luân chuyển hàng tồn kho (DIO- Days of Inventory Outstanding):

Thước đo khoảng thời gian trung bình mà một doanh nghiệp sử dụng hết

số lượng hàng tồn kho cuối kỳ. Được xác định bằng cách lấy: (Giá trị cuối

kỳ của hàng tồn kho chia Giá vốn hàng bán phát sinh trong kỳ) nhân (Số

ngày trong kỳ)

Kỳ luân chuyển khoản phải trả (DPO- Days of Payables Outstanding):

Thước đo khoảng thời gian trung bình một doanh nghiệp trả hết tiền cho

người bán số lượng hàng đã mua trong kỳ. Được xác định bằng cách lấy:

(Phải trả người bán cuối kỳ chia Giá trị hàng đã mua trong kỳ) nhân (Số

ngày trong kỳ)

Chu kỳ luân chuyển tiền mặt (CCC- Cash Conversion Cycle): Thước đo

kết hợp ba thước đo trên, nó đại diện cho khoảng thời gian cần thiết để một

doanh nghiệp chuyển đổi hàng hóa đã mua cho hoạt động sản xuất kinh

doanh thành tiền mặt. Được xác định bằng cách lấy: (DSO cộng DIO trừ

DPO).

Chu kỳ tiền mặt hoạt động (OCC- Operating Cash Cycle) : Thước đo này

chỉ kết hợp hai thước đo thành phần ở trên và được xác định bằng cách lấy:

(DSO cộng DIO). OCC khác với CCC ở chỗ nó không xem xét khoản Phải

trả ngoài bán và nó đại diện cho khoảng thời gian cần thiết để một doanh

nghiệp chuyển đổi hàng tồn kho thành tiền mặt.

SƠ ĐỒ 1 : MỐI TƯƠNG QUAN GIỮA CÁC THƯỚC ĐO DÒNG TIỀN

Chu kỳ tiền mặt hoạt động (OCC)

Chu kỳ luân chuyển khoản phải thu (DSO)

Chu kỳ luân chuyển hàng tồn kho (DIO)

Chu kỳ luân chuyển tiền mặt (CCC) Chu kỳ luân chuyển khoản phải trả (DPO)

Thu tiền bán hàng Nhận hàng tồn kho Trả cho người bán Xuất bán hàng

Nguồn : Tổng hợp dựa trên nghiên cứu của Churchill và cộng sự (2001)

BẢNG 1 : MÔ TẢ CÁC THƯỚC ĐO DÒNG TIỀN

THƯỚC DO

MÔ TẢ

CÔNG THỨC

1. DSO – Chu kỳ

Số ngày trung bình cần thiết để thu

(Phải thu khách hàng cuối

luân

chuyển

được hết tiền cho số lượng hàng đã

kỳ / Doanh thu bán trong

khoản phải thu

bán ra trong kỳ

kỳ) x (Số ngày trong kỳ)

2. DIO – Chu kỳ

Số ngày trung bình để số hàng tồn kho

(Hàng tồn kho cuối kỳ /

luân

chuyển

cuối kỳ được sử dụng hết

Giá vốn hàng bán trong

hàng tồn kho

kỳ) x (Số ngày trong kỳ)

3. DPO – Chu kỳ

Số ngày trung bình để doanh nghiệp

(Phải trả người bán cuối

luân

chuyển

trả hết tiền cho người bán số lượng

kỳ / Số lượng hàng đã mua

khoản phải trả

hàng đã mua trong kỳ.

trong kỳ) x (Số ngày trong

kỳ). Trong đó:

Số lượng hàng mua trong

kỳ = (Giá vốn hàng bán

trong kỳ + thay đổi hàng

tồn kho cuối kỳ)

4. CCC – Chu kỳ

Số ngày cần thiết để một doanh nghiệp

DSO + DIOTB – DPO

luân chuyển tiền

chuyển đổi số lượng hàng đã mua cho

Trong đó, DIOTB được

mặt

hoạt động sản xuất kinh doanh thành

xác định như sau:

tiền mặt.

[(Hàng tồn kho đầu kỳ +

cuối kỳ) / (2 x Giá vốn

hàng bán trong kỳ)] x (Số

ngày trong kỳ)

5. OCC – Chu kỳ

Số ngày trung bình để một doanh

DSO + DIOTB

tiền mặt hoạt

nghiệp chuyển đổi lượng hàng tồn kho

động

thành tiền mặt từ hoạt động sản xuất

kinh doanh.

Nguồn: Tổng hợp dựa trên nghiên cứu của Kroes và cộng sự (2014)

1.2. CÁC NGHIÊN CỨU VỀ QUẢN LÝ DÒNG TIỀN

1.2.1. Tóm tắt các nghiên cứu điển hình và nền tảng lý thuyết.

Mặc dù có rất nhiều những nghiên cứu về dòng tiền trong nhiều bối

cảnh hoạt động khác nhau, song các nghiên cứu điển hình sau đây được chọn

lựa vì những nghiên cứu này cố gắng tìm hiểu mối liên hệ giữa dòng tiền và

hiệu quả tài chính:

Moss và cộng sự (1993) phân tích mối quan hệ giữa Chu kỳ luân

chuyển tiền mặt (CCC) và quy mô doanh nghiệp. Sử dụng hồi quy OLS nghiên

cứu Chu kỳ luân chuyển tiền mặt (CCC) theo từng nhóm công ty, doanh thu,

tổng tài sản và tỷ số thanh khoản với mẫu dữ liệu gồm 1.717 công ty thương

mại ở Mỹ giai đoạn từ năm 1971 – 1990. Kết quả cho thấy công ty có quy mô

lớn hơn sẽ có Chu kỳ luân chuyển tiền mặt (CCC) ngắn hơn.

Soenen (1993) phân tích mối quan hệ Chu kỳ luân chuyển tiền mặt

(CCC) và lợi nhuận. Sử dụng phân tích thực nghiệm các giá trị trung bình Chu

kỳ luân chuyển tiền mặt (CCC) và Chu kỳ thương mại (NTC) với mẫu quan

sát gồm 2.000 công ty của 20 ngành công nghiệp giai đoạn từ năm 1970-1989.

Kết quả cho thấy Chu kỳ luân chuyển tiền mặt (CCC) khác nhau giữa các

ngành, Chu kỳ thương mại không có mối quan hệ đáng kể với lợi nhuận công

ty.

Stewart (1995) sử dụng một số giả thuyết, ví dụ và tình huống cụ thể đề

xuất rằng Chu kỳ luân chuyển tiền mặt (CCC) là một công cụ phân tích hữu

ích và chuẩn mực cho chuỗi cung ứng.

Churchill và cộng sự (2001) phân tích một số ví dụ và tình huống cụ

thể được ghi nhận trên dữ liệu tài chính của doanh nghiệp. Nghiên cứu sử

dụng Chu kỳ tiền mặt hoạt động (OCC) như là thước đo xác định tiềm năng

tăng trưởng của doanh nghiệp.

Farris và cộng sự (2002) phân tích một số ví dụ và tình huống cụ thể

được ghi nhận trên dữ liệu tài chính của doanh nghiệp cho thấy tầm quan trọng

của thước đo Chu kỳ luân chuyển tiền mặt (CCC).

Farris và cộng sự (2003) phân tích sự tương phản các giá trị trung bình

của Chu kỳ luân chuyển tiền mặt (CCC) trên dữ liệu tài chính hàng năm của

mẫu dữ liệu gồm 5.884 công ty ngành sản xuất công nghiệp. Kết quả cho thấy

thời gian trung bình của Chu kỳ luân chuyển tiền mặt (CCC) sụt giảm từ năm

1986 đến năm 2001.

Deloof (2003) sử dụng hệ số tương quan Pearson và hồi quy OLS cho

mẫu dữ liệu gồm 1,009 công ty phi tài chính lớn ở Bỉ trong giai đoạn 1992-

1996 để kiểm tra mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh

lợi. Kết quả cho thấy Chu kỳ luân chuyển khoản phải thu (DSO), Chu kỳ luân

chuyển hàng tồn kho (DIO) và Chu kỳ luân chuyển khoản phải trả (DPO) ngắn

hơn có liên quan đến tổng lợi nhuận hoạt động cao hơn. Tuy nhiên, Chu kỳ

luân chuyển tiền mặt (CCC) không liên quan đáng kể tổng lợi nhuận hoạt động.

Garcia-Teruel và cộng sự (2007) phân tích dữ liệu bảng của mẫu dữ

liệu gồm 8,872 công ty vừa và nhỏ ở Tây Ban Nha giai đoạn 1996-2002 bằng

cách sử dụng mô hình hiệu ứng ngẫu nhiên, hiệu ứng cố định và phân tích đa

biến nhằm cung cấp bằng chứng thực nghiệm Chu kỳ luân chuyển khoản phải

thu (DSO), Chu kỳ luân chuyển khoản phải trả (DPO), Chu kỳ luân chuyển

hàng tồn kho (DIO) và Chu kỳ luân chuyển tiền mặt (CCC) có liên đến đến tỷ

suất sinh lợi trên tài sản.

Randall và cộng sự (2009) phân tích một số ví dụ và tình huống cụ thể

được ghi nhận trên dữ liệu tài chính của doanh nghiệp, cung cấp các ví dụ Chu

kỳ luân chuyển tiền mặt (CCC) sụt giảm có mối tương quan đến việc tăng

trưởng lợi nhuận.

Gill Biger và cộng sự (2010) phân tích mối quan hệ giữa vốn luân

chuyển và lợi nhuận sử dụng phương pháp hồi quy WLS (Weighted Least

Squares) cho mẫu dữ liệu gồm 88 công ty thương mại niêm yết ở Mỹ giai

đoạn 2005 – 2007. Kết quả Chu kỳ luân chuyển khoản phải thu (DSO) có mối

tương quan ngược chiều với sự tăng trưởng lợi nhuận và Chu kỳ luân chuyển

tiền mặt (CCC) có mối tương quan thuận chiều với sự tăng trưởng lợi nhuận.

Hofmann và cộng sự (2010) đề xuất một phương pháp tiếp cận quản lý

vốn luân chuyển của các công ty trong chuỗi cung ứng. Sử dụng mô hình tuyến

tính tối ưu cho các công ty trong chuỗi. Kết quả cho thấy sự sụt giảm Chu kỳ

luân chuyển tiền mặt (CCC) của một công ty trong chuỗi cung ứng không làm

tăng thêm giá trị của tất cả các thành viên trong chuỗi.

Ebben và cộng sự (2011) sử dụng hồi quy OLS cho một mẫu dữ liệu tài

chính hàng năm của 833 công ty thương mại và sản xuất ở Mỹ trong giai đoạn

2002-2004 để kiểm tra mối quan hệ giữa Chu kỳ luân chuyển tiền mặt (CCC)

với khả năng thanh khoản, với vốn đầu tư và hiệu quả tài chính. Kết quả cho

thấy Chu kỳ luân chuyển tiền mặt (CCC) có mối tương quan cùng chiều với

vốn đầu tư và tương quan nghịch chiều với vòng quay tổng tài sản, ROI và chỉ

số cân bằng ròng của dòng tiền.

Kroes và cộng sự (2014) phân tích mối quan hệ giữa chính sách quản

lý dòng và hiệu quả tài chính công ty. Sử dụng mô hình GEE với mẫu dữ liệu

chiều dọc gồm 1.233 công ty ngành sản xuất công nghiệp ở Mỹ trong 12 quý

quan sát giai đoạn từ Quý 3/2008 – Quý 2/2011. Kết quả cho thấy Chu kỳ luân

chuyển khoản phải thu (DSO), Chu kỳ luân chuyển tồn kho (DIO) và Chu kỳ

tiền mặt hoạt động (OCC) có mối quan hệ cải thiện hiệu quả tài chính công ty.

Ngược lại, Chu kỳ luân chuyển phải trả (DPO) và Chu kỳ luân chuyển tiền

mặt (CCC) lại không có mối quan hệ với cải thiện hiệu quả tài chính.

Những nghiên cứu này sử dụng nhiều phương pháp để nghiên cứu các

vấn đề khác nhau của các câu hỏi về quản lý dòng tiền. Tuy nhiên, tất cả chúng

đều chia sẻ một nền tảng lý thuyết chung: Đó là khẳng định rằng việc quản lý

dòng tiền hiệu quả cải thiện tính thanh khoản của doanh nghiệp, mà trong một

nghiên cứu trước đó tính khoản được xem là có mối liên hệ cải thiện hiệu quả

tài chính công ty (Gitman và cộng sự, 1979.). Những cải thiện hiệu quả tài

chính từ việc tăng khả năng thanh khoản thông qua các biểu hiện sau : Vị thế

dòng tiền mặt được cải thiện, khả năng trả nợ tốt hơn, giảm nguy cơ phá sản,

và khả năng tự chủ tài chính (Churchill và cộng sự, 2001; Moss và cộng sự,

1993; Richards và cộng sự, 1980; Stancill, 1987). Hơn nữa, các nghiên cứu

luôn dự đoán rằng những hoạt động mà rút ngắn Chu kỳ luân chuyển tiền mặt

và cải thiện tính thanh khoản (rút ngắn chu kỳ phải thu khách hàng, rút ngắn

thời gian nắm giữ hàng tồn kho và kéo dài chu kỳ thanh toán) sẽ cải thiện hiệu

quả tài chính công ty.

Trong 13 nghiên cứu điển hình vửa trình bày ở trên, có 12/13 nghiên

cứu sử dụng thước đo tổng hợp Chu kỳ luân chuyển tiền mặt (CCC) để nghiên

cứu các vị thế dòng tiền mặt của các doanh nghiệp. Trong đó, có 10/12 nghiên

cứu sử dụng các thước đo thành phần (DSO, DIO, DPO) cấu thành nên thước

đo tổng hợp CCC; Tuy nhiên, Moss và cộng sự (1993) và Ebben và cộng sự

(2011) chỉ sử dụng thước đo tổng hợp CCC. Một nghiên cứu của Churchill và

cộng sự (2001) sử dụng thước đo tổng hợp Chu kỳ tiền mặt hoạt động (OCC).

Các thước đo tổng hợp và thành phần trong các nghiên cứu này được tính toán

với sự nhất quán tương đối. Các mối quan hệ đặc trưng giữa các thước đo dòng

tiền (thành phần và tổng hợp) và hiệu quả tài chính công ty sẽ được thảo luận

dưới đây:

 Kỳ luân chuyển khoản phải thu (DSO) và hiêu quả tài chính: Khả năng

của một công ty nhận được các khoản thanh toán từ khách hàng đối với

hàng hóa hoặc dịch vụ bán ra một cách kịp thời có thể cải thiện tính thanh

khoản của công ty (Gallinger, 1997). Số tiền nhận được từ khách hàng của

một công ty có thể được sử dụng để đầu tư vào các hoạt động nhằm thúc

đẩy thêm doanh số bán hàng. Vì vậy, thu được tiền của khách hàng một

cách nhanh chóng hơn (tức là, DSO của công ty ngắn lại), cơ hội nhiều hơn

và các công ty sẽ phải theo đuổi các hoạt động như vậy (Bauer, 2007). Hơn

nữa, nghiên cứu đã chỉ ra rằng khi một công ty kéo dài thời gian các khoản

phải thu thông qua việc sử dụng bán hàng trả chậm, hoặc cho nợ thì rủi ro

của các khoản phải thu tăng đáng kể (Tsai, 2011). Dựa trên những yếu tố

này, lý thuyết quản lý vốn luân chuyển thường dự đoán rằng một DSO

ngắn hơn có quan hệ đến việc cải thiện hiệu quả tài chính công ty (Kroes

và cộng sự, 2014; Churchill và cộng sự, 2001; Farris và cộng sự, 2002,

2003; Stewart, 1995). Mặc dù rút ngắn DSO có thể được xem như là việc

gây bất lợi cho khách hàng, nên các công ty thường sử dụng các ưu đãi như

giảm giá nếu khách hàng thanh toán sớm để không làm hỏng mối quan hệ

với khách hàng khi nỗ lực rút ngắn chu kỳ DSO (Moran, 2011). Nghiên

cứu ủng hộ quan điểm này; Wort và cộng sự (1985) thấy rằng các chương

trình khuyến khích thanh toán, nơi một công ty sẵn sàng chấp nhận một

khoản thu ít hơn trong kinh doanh để thu tiền mặt nhanh hơn, cải thiện khả

năng thanh toán và giảm thiểu rủi ro trong công ty.

 Kỳ luân chuyển hàng tồn kho (DIO) và hiệu quả tài chính : Tuy mối

quan hệ giữa hàng tồn kho và hiệu quả tài chính công ty được nghiên cứu

và phổ biến trong nhiều tài liệu, song mối quan hệ này là không đơn giản

(Shah và cộng sự, 2007). Hàng tồn kho là một tài sản, trong đó các công ty

thường phải cất trữ để cung cấp hàng hóa cho khách hàng của họ một cách

kịp thời, có nghĩa là giảm hàng tồn kho có thể dẫn đến giảm dịch vụ khách

hàng. Tuy nhiên, bằng cách giữ hàng tồn kho, tiền đầu tư vào hàng tồn kho

không có sẵn, và các công ty buộc phải gánh chịu chi phí cất trữ lưu kho;

Do đó, giảm hàng tồn kho có thể làm giảm chi phí cất trữ lưu kho và giải

phóng tiền mặt mà có thể được tái đầu tư để tăng doanh thu. Ngoài ra,

những thay đổi trong mức độ hàng tồn kho tại một công ty có liên quan

đến sự gia tăng cường độ của hiệu ứng bullwhip bởi các đối tác đầu nguồn

trong một chuỗi cung ứng (Tangsucheeva và cộng sự, 2013). Mặc dù mức

giảm hàng tồn kho có cả hai khả năng gây thiệt hại và cải thiện hiệu quả

tài chính công ty, song ưu thế bằng chứng trong các tài liệu thừa nhận thời

gian nắm giữ hàng tồn kho ngắn hơn (tức là DIO thấp hơn) thường kết hợp

với cải thiện thanh khoản và hiệu quả tài chính công ty tốt hơn (Capkun và

cộng sự, 2009 ; Chen và cộng sự, 2005;. Koumanakos, 2008; Swamidass,

2007). Hơn nữa, nó đã được chứng minh rằng mức độ hàng tồn kho quá

nhiều có liên quan đến hoạt động kinh doanh kém và hiệu quả tài chính

thấp (Singhal, 2005). Mặc dù giảm hàng tồn kho về mặt nhận thức sẽ khiến

doanh nghiệp có thể bị rủi ro lớn hơn từ việc thiếu hàng hóa, nên trong thực

tế các công ty thường có thể giảm hàng tồn kho mà không bị mất dịch vụ

thông qua các phương pháp bao gồm các chương trình quản lý Lean/Just-

In-Time, hệ thống tự động bổ sung, chương trình Tồn kho do nhà quản lý

(VMI-Vendor Managed Inventory) và chương trình ký gửi tồn kho

(Achabal và cộng sự, 2000;. Harrington, 1996;. Myers và cộng sự, 2000).

Đây là các chương trình thành công về mức độ tồn kho thấp hơn bằng cách

thay thế hàng tồn kho bổ sung với thông tin tốt hơn, các chương trình này

đã chứng minh hiệu quả để giảm mức độ hàng tồn kho nhưng không gây

tổn thất hiệu quả tài chính (Milgrom và cộng sự, 1988).

 Kỳ luân chuyển khoản phải trả (DPO) và hiệu quả tài chính : Giống như

hàng tồn kho, mối quan hệ giữa DPO và hiệu quả chính công ty là phức

tạp. Kéo dài chu kỳ phải trả người bán rõ ràng sẽ cho phép một công ty

nắm giữ cho tiền mặt lâu hơn, kết quả là cải thiện tính thanh khoản

(Stewart, 1995). Tuy nhiên, khi một công ty kéo dài chu kỳ phải trả người

bán, nó được ít được ưu đãi chiết khấu do thanh toán sớm và có thể làm

tổn hại đến mối quan hệ với các nhà cung cấp (Fawcett và cộng sự., 2010).

Ngoài ra, khi một nhà cung cấp bị thiếu tiền mặt do chu kỳ phải trả kéo

dài, chuỗi cung ứng tổng thể có thể bị ảnh hưởng tiêu cực trong dài hạn

(Raghavan và cộng sự, 2011). Chu kỳ phải trả dài hơn cũng có thể khiến

người bán cung cấp các mức dịch vụ thấp hơn (Timme và cộng sự, 2011).

Không giống như hàng tồn kho, trong các tài liệu nghiên cứu luôn thừa

nhận DIO ngắn hơn cải thiện hiệu quả tài chính. Ngược lại, mối quan hệ

giữa DPO và hiệu quả tài chính lại ít được phản ánh rõ ràng; Ví dụ, Farris

và cộng sự (2002) cho thấy rằng các công ty có hiệu quả tài chính cao hơn

có thời gian DPO dài hơn; Deloof (2003) và Garcia-Teruel và cộng sự

(2007), cả hai thực nghiệm cho thấy rằng DPO ngắn hơn có liên quan đến

hiệu quả tài chính công ty cao hơn.

 Chu kỳ luân chuyển tiền mặt (CCC) và Chu kỳ tiền mặt hoạt động

(OCC): Có 12/13 nghiên cứu sử dụng CCC đề xuất rằng cải thiện quản lý

dòng tiền (CCC ngắn hơn) theo lý thuyết có liên quan đến việc cải thiện

khả năng thanh khoản công ty và do đó có cải thiện hiệu quả tài chính công

ty. Tương tự, Kroes và cộng sự (2014); Churchill và cộng sự (2001) đề

xuất rằng một OCC ngắn hơn cũng có liên quan đến việc cải thiện khả năng

thanh khoản công ty tốt hơn và hiệu quả tài chính.

1.2.2. Các phương pháp nghiên cứu

Các phương pháp được sử dụng để nghiên cứu các chính sách quản lý

dòng tiền thay đổi đáng kể qua các tài liệu nghiên cứu: 04/13 nghiên cứu sử

dụng phương pháp nghiên cứu tình huống (Churchill và cộng sự, 2001; Farris

và cộng sự, 2002; Randall và cộng sự, 2009; Stewart, 1995), 08/13 sử dụng

tương quan và hồi quy để kiểm tra các mẫu thực nghiệm bao gồm các dữ liệu

cấp độ công ty hàng năm (Deloof, 2003; Ebben và cộng sự, 2011; Farris và

cộng sự, 2003; Garcia-Teruel và cộng sự, 2007; Gill và cộng sự, 2010, Moss

và cộng sự, 1993; Soenen, 1993), và một trình bày một mô hình tối ưu hóa giả

định (Hofmann và cộng sự, 2010).

Sáu trong số các nghiên cứu trước đây thực nghiệm kiểm tra mối liên

hệ giữa quản lý dòng tiền và hiệu quả tài chính công ty. Những nghiên cứu

này sử dụng một loạt các thước đo hiệu quả tài chính, bao gồm Vòng quay

tổng tài sản (Ebben và cộng sự, 2011), Tổng thu nhập hoạt động (Deloof,

2003), Tổng lợi nhuận hoạt động (Gill và cộng sự, 2010), Vốn đầu tư (Ebben

và cộng sự, 2011 ), Chì số cân bằng ròng của dòng tiền (Net Balance Position)

(Ebben và cộng sự, 2011), Lợi nhuận trên tổng tài sản (ROA) (Garcia-Teruel

và cộng sự, 2007; Soenen, 1993), và Lợi nhuận trên vốn đầu tư (ROI) (Ebben

và cộng sự, 2011). Chỉ số Tobins_Q (Kroes và cộng sự, 2013)

Mặc dù có sự khác biệt trong phương pháp nghiên cứu, song một vài

chủ đề chung xuất hiện giữa các nghiên cứu. 02/13 nghiên cứu, các vị thế dòng

tiền của các công ty được tính bằng giá trị tĩnh của các thước đo lợi tức; 10/13

nghiên cứu lại sử dụng các thước đo vi thế của dòng tiền để so sánh các công

ty. Mặc dù các nghiên cứu này chưa đưa ra cái nhìn rõ ràng về tác động của

những thay đổi ở vị thế dòng tiền lên hiệu quả tài chính của công ty, nhưng

đây là một cách tiếp cận hữu ích nếu mục tiêu là nhằm định chuẩn các công

ty.

1.2.3. Các kết quả nghiên cứu được tìm thấy.

Các kết quả nghiên cứu được tìm thấy hỗ trợ hoàn toàn cho các dự đoán

lý thuyết về mối quan hệ giữa quản lý dòng tiền và hiệu quả tài chính. Mặc dù

có sự tin tưởng rằng là DSO ngắn hơn, DIO ngắn hơn, và DPO dài hơn liên

quan đến hiệu quả tài chính công ty tốt hơn. Nhưng điều quan trọng là chúng

được tìm thấy trong các tài liệu mà bối cảnh nghiên cứu được khảo sát với

lượng mẫu nhỏ của các công ty (Churchill và cộng sự, 2001; Farris và cộng

sự, 2002; Randall và cộng sự, 2009).

Kroes và cộng sự (2014) chỉ ra rằng không một nghiên cứu nào trước

đó sử dụng bộ dữ liệu thực nghiệm lớn hơn để kiểm tra các quan hệ giữa các

hiệu quả tài chính công ty và các thành phần của thước đo tổng hợp CCC là

DSO, DIO, DPO đồng thời có ý nghĩa thống kê trong các hướng dự đoán.

Deloof (2003) đồng ý một phần với lý thuyết CCC truyền thống đó là DSO và

DIO ngắn hơn có quan hệ với tổng thu nhập hoạt động cao hơn. Tuy nhiên,

trái ngược với dự đoán, ông thấy rằng DPO ngắn là liên quan đáng kể với tổng

thu nhập hoạt động cao hơn và vì thế CCC không có mối quan hệ với tổng

thu nhập hoạt động. Tương tự như vậy, Garcia-Teruel và cộng sự (2007) phát

hiện thấy DIO và DSO chu kỳ ngắn hơn có liên quan đến ROA cao hơn , đồng

ý với dự đoán lý thuyết CCC; Tuy nhiên, họ cũng tìm thấy một liên kết quan

trọng giữa DPO ngắn hơn với ROA cao hơn. Gill và cộng sự. (2010) phát hiện

thấy một DSO ngắn hơn gắn liền với lợi nhuận công ty cao hơn, đồng ý với lý

thuyết dự đoán; Tuy nhiên, họ cũng thấy rằng một CCC dài hơn gắn liền với

lợi nhuận công ty cao hơn. Gần đây, Kroes và cộng sự (2014) khi thực nghiệm

khảo sát các công ty thuộc lĩnh vực sản xuất công nghiệp Mỹ đã phát hiện ra

rằng thước đo CCC thường được sử dụng trong nhiều nghiên cứu về dòng tiền

lại không có mối tương quan với hiệu quả tài chính công ty, trong khi đó thước

đo OCC ít được sử dụng trong các nghiên cứu lại có mối tương quan với hiệu

quả tài chính. Trong ba thước đó thành phần, chỉ có thước đo DSO và DIO

ngắn hơn có tác động đến cải thiện hiệu quả tài chính, còn thước đo DPO lại

không có mối tương quan với hiệu quả tài chính giống như thước đo CCC.

1.3. QUAN ĐIỂM ĐỘNG VÀ HIỆU ỨNG TRỄ

Các nghiên cứu được thảo luận ở trên đã cung cấp các bằng chứng thực

nghiệm về mối quan hệ giữa dòng tiền và hiệu quả tài chính, thông qua việc so

sánh hiệu quả tài chính của các công ty dựa trên so sánh các vị thế dòng tiền tương

đối giữa chúng. Ngoại trừ nghiên cứu mới đây của Kroes và cộng sự (2014), các

nghiên cứu còn lại vẫn chưa đi sâu tìm hiểu sự thay đổi các vị thế dòng tiền có thể

tác động đến sự thay đổi trong hiệu quả tài chính của công ty. Nghĩa là, những

nghiên cứu này vẫn còn sử dụng các thước đo tĩnh, chưa đề cập đến những vấn

đề: Sự thay đổi (chênh lệch giữa hai kỳ) trong các thước đo dòng tiền tác động

đến những thay đổi hiệu quả tài chính; Tương tác này xảy ra là tức thời; Hoặc

hiệu quả tài chính bị ảnh hưởng bởi các tương tác trước đó.

Hai trong số các nghiên cứu còn lại phần nào đó xem xét bản chất năng

động của quản lý dòng tiền đề cập mối quan hệ giữa những thay đổi ở các vị thế

dòng tiền và các thước đo tĩnh hiệu quả tài chính. Ebben và cộng sự (2011) nghiên

cứu mối liên hệ giữa những thay đổi hàng năm của CCC với những kết quả của

các thước đo tĩnh hiệu quả tài chính; và Garcia-Teruel và cộng sự (2007) kiểm tra

sự vững mạnh của những phát hiện của họ bằng cách cho các thành phần dòng

tiền trễ một kỳ duy nhất để kiểm tra tác động đến các thước đo tĩnh hiệu quả tài

chính. Mặc dù hai nghiên cứu này bắt đầu khám phá những tương tác động của

quản lý dòng tiền, song vẫn chưa có nghiên cứu đầy đủ nào trước đó xem xét các

mối quan hệ giữa những thay đổi trong các thước đo dòng tiền và những thay đổi

hiệu quả tài chính.

Mặc dù các nghiên cứu quản lý dòng tiền này chưa xem xét vấn đề từ góc

nhìn động, song một vài nghiên cứu liên quan xem xét các tác động hiệu quả từ

những thay đổi trong các vị thế hàng tồn kho trong một thời gian dài. Capkun và

cộng sự (2009) nghiên cứu những thay đổi hàng tồn kho bằng cách sử dụng dữ

liệu 26 năm và thấy rằng giảm tồn kho trong khoảng thời gian 1 năm dẫn đến một

thu nhập và lợi nhuận cao hơn vào cuối năm (đề cập đến hiệu ứng trễ). Lieberman

và cộng sự (1999) nghiên cứu mối quan hệ giữa hàng tồn kho và năng suất của

các doanh nghiệp ô tô Nhật Bản và thấy rằng cắt giảm 10% công việc trong quá

trình xử lý hàng tồn kho dẫn tới cải thiện 1% năng suất với độ trễ 1 năm (lưu ý

rằng dữ liệu của họ được đo hằng năm và trên 4 năm).

1.4. VẤN ĐỀ NỘI SINH

Một nghiên cứu trước đó đã đặt vấn đề nội sinh có thể xảy ra trong mối

quan hệ giữa quản lý dòng tiền và hiệu quả tài chính. Deloof (2003) đã thu hút sự

chú ý của nhiều nhà nghiên cứu về sự không chắc chắn của mối quan hệ giữa quản

lý dòng tiền và hiệu quả tài chính công ty, khi ông đề xuất rằng những thay đổi

trong hiệu quả tài chính của một công ty có thể dẫn đến thay đổi ở các vị thế dòng

tiền của công ty. Cụ thể [trên trang 584], ông cho rằng suy giảm khả năng sinh lời

có thể là kết quả của doanh số bán hàng thấp hơn, mà điều này có thể gây ra một

sự tích tụ của hàng tồn kho, và khách hàng có thể "... muốn có thêm thời gian để

đánh giá chất lượng của sản phẩm mà họ mua từ các công ty có lợi nhuận suy

giảm.". Deloof (2003) cũng thừa nhận rằng tại sao khoản phải trả dài hơn có liên

quan tiêu cực với khả năng sinh lời, có thể đây là các doanh nghiệp ít lợi nhuận

hơn, nên đơn giản là cần thêm thời gian để thanh toán các hóa đơn của họ.

Để kiểm tra hiện tượng nội sinh thông qua kiểm định mối quan hệ nhân

quả giữa chính sách quản lý dòng tiền và hiệu quả tài chính. Tuy không thể chứng

minh mối quan hệ nhân quả giữa các biến trễ trong một mẫu chuỗi dọc theo thời

gian bằng cách sử dụng phương pháp thống kê như các kiểm định quan hệ nhân

quả Granger, song có thể mượn sự hỗ trợ bổ sung từ những suy luận nhân quả của

Hult và cộng sự (2008). Đó là tiến hành việc kiểm định quan hệ nhân quả Granger,

giữa các giá trị trễ của một biến (X) có thể giải thích được cho giá trị hiện tại của

một biến thứ hai (Y) hay không và ngược lại nếu các giá trị trễ của biến thứ hai

(Y) có thể giải thích được cho biến hiện tại của biến đầu tiền (X) hay không. Nếu

một biến (X) được cho là "có mối quan hệ nhân quả Granger" với một biến khác

(Y) nếu giá trị trễ của X giải thích được cho Y, và các giá trị trễ của Y không giải

thích được cho X (Granger, 1969).

1.5. GIẢ THUYẾT NGHIÊN CỨU

Dựa trên các nghiên cứu trước đó, nghiên cứu này cố gắng tiếp tục mở rộng

và bổ sung các bằng chứng thực nghiệm để giải quyết 02 vấn đề sau :

 Sự tương quan theo thời gian giữa những thay đổi trong các thước đo

dòng tiền và những thay đổi trong hiệu quả tài chính công ty chi tiết

theo từng quý (so với từng năm) cấp độ mẫu dọc của dữ liệu công ty;

 Vấn đề nội sinh mối quan hệ giữa những thay đổi theo quý ở các thước

đo dòng tiền và hiệu quả tài chính công ty.

1.5.1. Phân tích thay đổi các thước đo dòng tiền và thay đổi hiệu quả tài

chính công ty.

Để hiểu làm thế nào các quyết định quản lý dòng tiền có quan hệ đến

những thay đổi hiệu quả tài chính của một doanh nghiệp, nghiên cứu này sẽ

xem xét mối quan hệ giữa sự thay đổi các thước đo của dòng tiền và những

thay đổi trong hiệu quả tài chính doanh nghiệp theo thời gian. Các phân tích

này sẽ cung cấp cái nhìn sâu sắc vào các chiến lược hiệu quả nhất mà các công

ty có thể sử dụng để cải thiện hiệu quả tài chính thông qua việc điều khiển các

hoạt động luân chuyển dòng tiền. Đối với các nhân tố chính tác động đến dòng

tiền, lý thuyết trước đây dự đoán rằng một DSO và DIO ngắn hơn sẽ dẫn đến

đến hiệu quả tài chính công ty tốt hơn. Nghiên cứu này mở rộng luận điểm này

và dự đoán sự sụt giảm DSO hoặc DIO trong một quý sẽ dẫn đến những cải

thiện và duy trì sự cải thiện này thêm vài quý. Tương tự như vậy, nghiên cứu

này cũng dự đoán sự sụt giảm CCC hoặc OCC trong một quý cũng sẽ cải thiện

hiệu quả tài chính và duy trì thêm vài quý kế tiếp.

Do các luận điểm trái ngược nhau về mối quan hệ giữa DPO và hiệu

quả tài chính vừa trình bày ở trên và mới đây trong tài liệu nghiên cứu thực

nghiệm của Kroes và cộng sự (2014) cho thấy những thay đổi trong DPO hàng

quý không dẫn đến những thay đổi hiệu quả tài chính công ty sản xuất. Nên

trong nghiên cứu này, cũng không đưa ra giả thuyết dự đoán về mối tương

quan giữa DPO và hiệu quả tài chính. Song sẽ vẫn lưu ý đến kết quả hồi quy

của DPO nhằm tìm hiểu có bất kỳ mối tương quan nào không giữa DPO và

hiệu quả tài chính khi sử dụng bộ dữ liệu khảo sát là các công ty sản xuất tại

Việt Nam.

Các tài liệu nghiên cứu trước cung cấp rất ít các hướng dẫn cho việc dự

đoán khoảng thời gian của thay đổi hiệu quả tài chính từ những thay đổi trong

dòng tiền của công ty. Hai nghiên cứu có liên quan nhất, Lieberman và cộng

sự (1999) và Capkun và cộng sự. (2009) tìm thấy rằng những thay đổi trong

hàng tồn kho dẫn đến những cải thiện hiệu quả tài chính ngay lập tức cho các

công ty duy trì năm tiếp theo. Sử dụng các nghiên cứu này để xác định thời

gian chính xác của hiệu ứng trễ với độ chính xác cao sẽ gặp trở ngại, vì các

nghiên cứu này sử dụng dữ liệu hàng năm cho các phân tích của họ. Tuy nhiên,

dựa trên những phát hiện của họ, có thể được dự đoán việc giảm DIO sẽ tương

ứng với những cải thiện ngay lập tức hiệu quả tài chính công ty và sẽ duy trì

cho đến một năm. Tương tự như vậy, những thay đổi trong thước đo thành

phần DSO, DPO và thước đo tổng hợp CCC, OCC có tác động tương tự về

khả năng thanh khoản và hiệu quả tài chính giống như DIO. Điều này kỳ vọng

những thay đổi trong các biến này tương ứng với những cải thiện hiệu quả tài

chính ngay lập tức và sẽ duy trì cho đến một năm. Qua các thảo luận và phân

tích ở trên, các giả thuyết về mối quan hệ giữa các thước đo dòng tiền và hiệu

quả tài chính được dự đoán như sau :

 H1A. Sự sụt giảm (hay sự gia tăng) Kỳ luân chuyển khoản phải thu

(DSO- Days of Sales Outstanding) làm tăng (giảm) hiệu quả tài chính công

ty ngay lập tức và tiếp tục duy trì tác động đến các quý kế tiếp trong phạm

vi một năm?

 H1B. Sự sụt giảm (hay sự gia tăng) Kỳ luân chuyển hàng tồn kho (DIO-

Days of Inventory Outstanding) làm tăng (giảm) hiệu quả tài chính công ty

ngay lập tức và tiếp tục duy trì tác động đến các quý kế tiếp trong phạm vi

một năm?

 H1C. Sự sụt giảm (hay sự gia tăng) Chu kỳ luân chuyển tiền mặt (CCC-

Cash Conversion Cycle) làm tăng (giảm) hiệu quả tài chính ngay lập tức

và tiếp tục duy trì tác động đến các quý kế tiếp trong phạm vi một năm?

 H1D. Sự sụt giảm (hay sự gia tăng) Chu kỳ tiền mặt hoạt động (OCC-

Operating Cash Cycle) làm tăng (giảm) hiệu quả tài chính ngay lập tức và

tiếp tục duy trì tác động đến các quý kế tiếp trong phạm vi một năm?

1.5.2. Phân tích nhân quả Granger

Trong phân tích thứ hai, nghiên cứu này sẽ tiến hành kiểm định quan

hệ nhân quả Granger để xác định xem có sự hỗ trợ bổ sung nào cho các hướng

dự đoán hay không, nghĩa là hiệu quả tài chính công ty bị ảnh hưởng bởi những

thay đổi ở vị thế dòng tiền mặt của công ty, chứ không phải là sự thay đổi hiệu

quả tài chính công ty nguyên nhân dẫn đến sự thay đổi vị thế dòng tiền mặt

của công ty. Vì thế giả thuyết mối quan hệ nhân quả Granger giữa các thước

đo dòng tiền và hiệu quả tài chính được dự đoán như sau :

 H2A. Những thay đổi trong các thước đo thành phần của dòng tiền (DSO,

DIO) có ý nghĩa thống kê sẽ có quan hệ nhân quả Granger đến thay đổi

trong hiệu quả tài chính công ty.

 H2B. Những thay đổi trong các thước đo tổng hợp của dòng tiền (CCC,

OCC) có ý nghĩa thống kê sẽ có quan hệ nhân quả Granger đến thay đổi

hiệu quả tài chính công ty.

CHƯƠNG 2 : PHƯƠNG PHÁP NGHIÊN CỨU

2.1. MẪU VÀ DỮ LIỆU

Dữ liệu sử dụng trong bài nghiên cứu thu thập từ báo cáo tài chính của các

công ty phi tài chính chọn lọc từ 532 công ty được niêm yết ở Sở giao dịch chứng

khoán thành phố Hồ Chí Minh (HOSE) và Sở giao dịch chứng khoán Hà Nội

(HNX) trong giai đoạn từ Quý 2/2012 – Quý 1/2015. Sau đó, tiến hành loại bỏ

các phân ngành không phù hợp với mục tiêu nghiên cứu là: Chứng khoán, ngân

hàng - bảo hiểm, bất động sản, dịch vụ - du lịch, giáo dục, khoáng sản, thương

mại, vận tải – cảng – taxi, vật liệu xây dựng và xây dựng. Vì bài nghiên cứu sử

dụng dữ liệu cân bằng và cần giá cổ phiếu cuối mỗi quý để tính chỉ tiêu Tobins_Q

của công ty nên tiêu chuẩn chọn công ty trong mẫu nghiên cứu phải là các công

ty được niêm yết trước Quý 2/2012. Các công ty không đầy đủ dữ liệu của 12 quý

quan sát liên tục, dữ liệu chu kỳ các thước đo dòng tiền DSO, DIO và DPO bị âm

hay có giá trị dị biệt cũng bị loại bỏ để không làm ảnh hưởng đến kết quả nghiên

cứu. Kết quả bài nghiên cứu sẽ tiến hành phân tích dữ liệu cân bằng của 175 công

ty sản xuất giai đoạn từ Quý 2/2012- Quý 1/2015. Dữ liệu được thu thập từ các

báo cáo tài chính và giá cổ phiếu của các công ty niêm yết trên các trang chứng

khoán vietstock.vn, www.bsc.com.vn và www.cophieu68.vn

2.2. BIẾN CỦA MÔ HÌNH NGHIÊN CỨU

2.2.1. Biến phụ thuộc

Trong nghiên cứu này ΔTobins_Qit được sử dụng để đo lường sự thay

đổi trong hiệu quả tài chính. Chỉ tiêu Tobins_Q là tỷ số giữa giá trị thị trường

của tài sản thay thế và giá trị sổ sách của tổng tài sản công ty, đã được sử dụng

rộng rãi như là một chỉ số đo lường hiệu quả tài chính công ty (Lindenberg và

cộng sự, 1981; Dowell và cộng sự, 2000;. Hennessy, năm 2004; Kroes và cộng

sự., 2012). Một giá trị Tobins_Q cao hơn đại diện cho hiệu quả tài chính công

ty vượt trội. Một số yếu tố đã khiến việc quyết định chọn Tobins_Q hơn các

thước đo hiệu quả tài chính khác như ROA hoặc Lợi nhuận. Đầu tiên,

Klingenberg và cộng sự. (2013) đã chỉ ra rằng các thước đo kế toán truyền

thống như Vòng quay tổng tài sản, Lợi nhuận trên vốn chủ sở hữu và Tỷ lệ

hàng tồn kho có thể là các thước đo không phù hợp khi đánh giá mối quan hệ

giữa những thay đổi hàng tồn kho và hiệu quả tài chính. Ngoài ra, Tobins_Q

đã được chứng minh là tốt hơn các thước đo kế toán ROA và được xem là chỉ

số liên quan đến hiệu quả tài chính (Wernerfelt và cộng sự, 1988). Cuối cùng,

nghiên cứu này điều tra những tác động lâu dài của chiến lược quản lý dòng

tiền, thước đo Tobins_Q là đặc biệt thích hợp vì nó chứa giá trị thị trường của

công ty, phản ánh các giá trị kỳ vọng lợi nhuận công ty trong tương lai

(Lindenberg và cộng sự, 1981 ). Trong phân tích này, các hiệu quả tài chính

của các công ty trong mẫu được so sánh bằng cách sử dụng những thay đổi

thực tế trong các giá trị Tobins_Q của chúng. Các số liệu Tobins_Q của 12

quý được xác định cho mỗi công ty trong mẫu. Từ những giá trị này sau đó

được sử dụng để tính toán những thay đổi theo quý của ΔTobins_Qit theo công

thức:

 ΔTobins_Qit = Tobins_Qit – Tobins_Qit-1

2.2.2. Biến giải thích:.

Trong nghiên cứu này, sự thay đổi trong các thước đo dòng tiền là các

biến giải thích chính của các mô hình nghiên cứu. Trong đó, các biến trong

mô hình thành phần của dòng tiền là các biến ΔDSOit, ΔDIOit, ΔDPOit và các

biến trong mô hình tổng hợp là ΔCCCit, ΔOCCit. Các thước đo dòng tiền sử

dụng trong nghiên cứu này là phù hợp với những nghiên cứu trước đó, các số

liệu DIO, DPO, DSO, CCC, OCC của 12 quý được xác định cho mỗi công ty

trong mẫu. Từ những giá trị tĩnh này sau đó được sử dụng để tính toán những

thay đổi theo quý của các biến dòng tiền theo công thức:

 ΔDSOit = DSOit – DSOit-1

 ΔDIOit = DIOit – DIOit-1

 ΔDPOit = DPOit – DPOit-1

 ΔCCCit = CCCit – CCCit-1

 ΔOCCit = OCCit – OCCit-1

2.2.3. Biến kiểm soát :

Các mô hình trong bài nghiên cứu này được kiểm soát bởi 02 biến:

DEBTit và Ln(SALE)it , đây là 02 biến lần lượt đại diện cho mức độ nợ và quy

mô công ty. Từ quan điểm dòng tiền, các công ty có mức độ nợ cao có thể

không hoàn toàn hưởng lợi từ việc cải thiện chính sách quản lý vốn luân

chuyển bởi vì bất cứ khoản tiền mặt mà được giải phóng từ hoạt động kinh

doanh cần chuyển sang thanh toán các nghĩa vụ nợ của công ty (Capon và cộng

sự., 1990). Vì thế biến DEBTit được đưa vào để kiểm soát khả năng này, giá

trị của biến DEBTit được xác định bằng công thức:

 DEBTit = (Nợ dài hạn)it /(Tổng tài sản)it

Quy mô doanh nghiệp cũng đã được chứng minh là có tác động đến

việc định giá thị trường của một công ty (Dowell và cộng sự, 2000;. King và

cộng sự, 2002). Để kiểm soát quy mô doanh nghiệp, nghiên cứu này sử dụng

các phương pháp được sử dụng trong cả hai nghiên cứu Ehie và cộng sự (2010)

và Hendricks và cộng sự (2003) và sử dụng Doanh thu quý như là biến đại

diện (proxy) để kiểm soát cho quy mô công ty. Sự lựa chọn tỷ số Doanh thu

quý /Tổng tài sản làm biến đại diện cho quy mô doanh nghiệp nên tránh vì có

thể dẫn đến các vấn đề hiện tượng đa cộng tuyến tiềm năng, vì tổng tài sản là

mẫu số của biến phụ thuộc (Tobins_Q). Trong nghiên cứu này, giá trị của biến

Ln(SALE)it được xác định bằng công thức:

 Ln(SALE)it = Logarit tự nhiên (Doanh thu thuần )it

(Đơn vị tính của Doanh thu bán hàng : triệu đồng)

2.2.4. Sự tương quan về thời gian giữa các biến quan sát.

Có thể thấy trong mẫu dữ liệu, các biến của mô hình là kết quả phép đo

được lặp đi lặp lại của 12 kỳ quan sát theo quý bắt đầu từ Quý 2/2012 – Quý

1/2015. Bất kỳ một sự thay đổi nhỏ nào của một trong các thước đo dòng tiền

ở quý này (t) so với quý trước đó (t-1) có thể là do có sự thay đổi của một

thước đo khác trong quý này (t) (tương quan khác chuỗi) hoặc có thể là do sự

tác động của những thay đổi từ các quý trước đó (tương quan trễ của một

chuỗi). Nghĩa là sự thay đổi nhỏ của một thước đo dòng tiền kỳ này có thể là

kết quả từ việc thay đổi chính sách quản lý dòng tiền kỳ này, hay là do chịu

tác động của các chính sách quản lý của dòng tiền của các kỳ trước hoặc cả

hai. Nếu ta có một DSO ngắn hơn trong quý này so với quý trước (một sự cải

thiện), đây có thể là kết quả của chính sách siết chặt hoạt động bán hàng trả

chậm của doanh nghiệp, điều này khiến lượng hàng bán ra có thể giảm, có thể

sẽ khiến DIO dài hơn nếu như vẫn duy trì DPO như trong quý trước; Hay đây

là kết quả tác động của chính sách xiết chặt hoạt động bán hàng trả chậm từ

những quý trước còn ảnh hưởng đến quý này mang lại hoặc do cả hai yếu tố

trên. Tương tự, ta có một DIO ngắn hơn ở quý này so với quý trước (một sự

cải thiện), rõ ràng kết quả này có thể đến từ một chính sách quản lý dòng tiền

hướng đến cải thiện DIO từ quý này hay từ những quý trước; Hoặc đơn giản

là do DPO trong quý này ngắn lại, kết quả của việc giảm lượng hàng đặt mua

trong kỳ, hoặc là cả 02 tác động này. Vì thế, khi các dữ liệu quan sát có sự

tương quan về mặt thời gian (tương quan cùng chuỗi và khác chuỗi) giữa các

phép đo lặp lại cần có một mô hình phù hợp để có thể ước lượng chính xác hệ

số hồi quy và khả năng mạnh mẽ trong ước lượng phương sai cho các tham số

hồi quy của mô hình.

2.3. MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.3.1. Lựa chọn mô hình hồi quy.

Phân tích của các thước đo lặp đi lặp lại mẫu dữ liệu bảng thường sử

dụng một trong hai kỹ thuật ước lượng đặc thù là mô hình hồi quy hiệu ứng

ngẫu nhiên hoặc mô hình hồi quy hiệu ứng cố định , một kỹ thuật khác đó là

kỹ thuật ước lượng trung bình tổng thể bằng mô hình Generalized Estimating

Equations (Gardiner và cộng sự., 2009). Cả 03 phương pháp có những ưu điểm

và đặc thù riêng, việc sử dụng kỹ thuật ước lượng nào phụ thuộc vào tính chất

của các mẫu dữ liệu và hướng nghiên cứu mong muốn (Hu và cộng sự., 1998).

Một lợi thế đặc biệt của mô hình GEE là khả năng mạnh mẽ trong việc

ước lượng phương sai của các hệ số hồi quy, cho mẫu dữ liệu có mối tương

quan cao theo thời gian giữa các phép đo lặp đi lặp lại (Ballinger, 2004;

Ghisletta và cộng sự,2004; Hu và cộng sự, 1998). Lợi thế này đã dẫn đến việc

sử dụng các mô hình GEE để giải quyết vấn đề tương quan theo thời gian giữa

các biến trong mô hình nghiên cứu. Trong thực tế, các tham số ước lượng (có

ý nghĩa thống kê) nhận được từ việc sử dụng ba phương pháp này thường nhất

quán khi mẫu dữ liệu đủ lớn với số liệu bị thiếu hay bỏ xót ít ; Tuy nhiên,

những kết quả thu được từ việc sử dụng mô hình GEE có sự khác biệt một

cách tinh tế so với những kết quả thu được từ việc sử dụng mô hình ước lượng

đặc thù (Zeger và cộng sự, 1986). Cụ thể, phương pháp trung bình tổng thể

GEE sẽ ước lượng tác động trung bình của chính sách quản lý dòng tiền đến

hiệu quả tài chính cho tổng thể các công ty, còn các tham số nhận được từ việc

sử dụng mô hình hồi quy hiệu ứng cố định hay mô hình hồi quy ngẫu nhiên

dành cho một cá thể công ty (Hubbard và cộng sự., 2010).

2.3.2. Tổng quan mô hình GEE (Generalized Estimating Equations).

Mô hình ban đầu được đề xuất bởi Liang và Zeger (1986) để mở rộng mô

hình hồi tuyến tổng quát GLM (generalized linear model) cho phép có sự tương

quan giữa các biến quan sát. Đặc trưng của mô hình là khả năng ước lượng tác

động biên trung bình của tổng thể biến quan sát tương quan lên biến phụ thuộc và

khả năng mạnh mẽ trong việc ước lượng phương sai của các hệ số hồi quy.

Giả định mô hình hồi quy biên: g(μi)=(E[Yij | xij])= xij' β. Trong đó, β biểu

thị vector các hệ số hồi quy (β1, ..., βk); hàm g(.) là một chức năng liên kết (link

function), tùy thuộc quy luật phân phối của biến phụ thuộc mà chức năng liên kết

có thể khác nhau; i là đối tượng (i=1,...,n) và j là lần quan sát (j=1,…,j). Một số

chức năng liên kết thông dụng được hỗ trợ trong Stata như sau:

 Nếu g(y) = y , chọn link(identity)

 Nếu g(y) = log(y), chọn link(log)

 Nếu g(y) = logit[(y/(1-y)], chọn link(logit)

Kỹ thuật ước lượng các thông số (β) mô hình GEE thông qua một phương

pháp lặp đi lặp lại để tối ưu hóa sự phù hợp của các dữ liệu trong mô hình như

−1(𝑌𝑖 − 𝜇𝑖) = 0

′𝑉𝑖

𝑛 ∑ 𝐷𝑖 𝑖=1

Với Di’ = Δμi(β)/Δβ' và Vi biểu diễn ma trận hiệp phương sai chuyển đổi

1/2

của Yi và Vi được xác định như sau :

1/2 R(α) Ai

Vi = Ai

Trong đó Ai đại diện cho một vector đường chéo có chứa các giá trị của

var(yij) và R(α) là ma trận tương quan chuyển đổi thông dụng được hỗ trợ trong

Stata như sau :

] nghĩa là số tham số =0, thì ma trận tương quan  Nếu 𝑅(α) = [

1 ⋯ 0 ⋮ ⋮ ⋱ 0 ⋯ 1

chuyển đổi được xác định là Independence.

] nghĩa là số tham số = 1 (tất cả đều bằng α), thì  Nếu 𝑅(α) = [

1 ⋯ 𝛼 ⋮ ⋮ ⋱ 𝛼 ⋯ 1

ma trận tương quan chuyển đổi được xác định là Exchangeable.

] nghĩa là số tham số = j(j-1)/2, thì ma trận  Nếu 𝑅(α) = [

1 ⋯ 𝛼1𝑗 ⋮ ⋮ ⋱ 𝛼1𝑗 ⋯ 1

tương quan chuyển đổi được xác định là Unstructured.

 Nếu j nhỏ và dữ liệu khảo sát cân bằng và đầy đủ thì ma trận chuyển đổi

Unstructured là một lựa chọn thích hợp. Nếu dữ liệu quan sát theo nhóm

không thứ tự thì ma trận chuyển đổi Exchangeable có thể được chọn lựa.

Nếu dữ liệu quan sát theo nhóm nhỏ độc lập thì ma trận tương quan chuyển

đổi Independence là tốt nhất. Trong việc chọn lựa ma trận tương quan

chuyển đổi, Horton và cộng sự (1999, trang 162) khi so sánh để chỉ ra sự

thay đổi nhỏ của hệ số hồi quy và độ lệch chuẩn với các cấu trúc tương

quan khác mà không nêu rõ cấu trúc phương sai thì ma trận tương quan

chuyển đổi Independence được sử dụng.

 Trong nghiên cứu này, giống như nghiên cứu của Kroes và cộng sự (2014)

ma trận tương quan Independence sẽ được lựa chọn để hồi quy GEE để

kiểm tra các câu hỏi nghiên cứu. Hồi quy GEE sử dụng ma trận tương quan

chuyển đổi Unstructured được dùng để kiểm định robustness kết quả hồi

quy. Có tham chiếu với chỉ tiêu QIC và QICu nhằm đảm bảo ma trận tương

quan chuyển đổi là phù hợp cho hồi quy GEE.

 Các chức năng liên kết và ma trận chuyển đổi khác có thể có của mô hình

Generalized Estimating Equations có thể tham khảo thêm trong Diggle,

Liang và Zeger (1994, Sách). Theo J.Cui (2007,trang 209-220) có thể dùng

tiêu chuẩn QIC hoặc QICu để chọn lựa ma trận tương quan chuyển đổi phù

hợp cho mô hình GEE. Ở đó, ma trận tương quan chuyển đổi phù hợp là

ma trận khiến mô hình GEE cho thấy QIC hoặc QICu nhỏ nhất.

2.3.3. Sử dụng GEE vào mô hình quản lý dòng tiền động và hiệu ứng trễ

Mẫu dữ liệu bao gồm các quan sát trên 08 quý từ các công ty sản xuất niêm

yết trên Sở giao dịch chứng khoán thành phố Hồ Chí Minh (HOSE) và Sở giao

dịch chứng khoán Hà Nội (HNX) giai đoạn Quý 2/2012 – Quý 1/2015 (Thực tế,

các quan sát trải dài 12 quý vì bao gồm cả 04 quý của các biến trễ). Đối với mỗi

công ty i, biến phụ thuộc, Yit = ΔTOBINS_Q là thước đo trên n quý (n = 8 quý)

với t đại diện quý. Các giá trị ΔTOBINS_Q đối với mỗi công ty i hình thành các

vector Yi = (Yi1,...,Yin)’, với mỗi Yit là một đại lượng vô hướng. Các biến dự đoán

(ΔDSO, ΔDIO, ΔDPO, ΔCCC, ΔOCC), giá trị trễ của mỗi biến từ bốn quý trước

đó, và các biến kiểm soát (DEBT và Ln[SALE]) cho mỗi công ty i được đo tương

tự nhau trên 8 quý, hình thành các vector Xi = (Xi1,...Xin) với Xit nó là một vector

của các biến độc lập bao gồm trong một mô hình đặc thù. Để mô hình và kiểm

định các mối quan hệ lợi ích giữa biến phụ thuộc và các biến độc lập, GEE sử

dụng một chức năng liên kết (link function). Tùy thuộc vào quy luật phân phối

của biến phụ thuộc, chức năng liên kết có thể được xác định từ dạng tuyến

(linearize) quan hệ giữa biến phụ thuộc và biến dự báo. Trong dữ liệu nghiên cứu

này, các biến độc lập và phụ thuộc có quy luật phân phối chuẩn; Do đó, các phân

tích sử dụng các dạng chức năng liên kết không chuyển đổi (non-transforming)

g(μi) = Xiβ, với μi = E(Yi|Xi), và β biểu thị vector các hệ số hồi quy (β1, ..., βk)

được ước lượng bằng cách sử dụng phương pháp GEE.

Kỹ thuật ước lượng các thông số (β) mô hình GEE thông qua một phương

pháp lặp đi lặp lại để tối ưu hóa sự phù hợp của các dữ liệu trong mô hình (Hardin

−1(𝑌𝑖 − 𝜇𝑖) = 0

′𝑉𝑖

𝑛 ∑ 𝐷𝑖 𝑖=1

và cộng sự, 2003) như sau:

Với Di’ = Δμi(β)/Δβ' và Vi biểu diễn ma trận hiệp phương sai chuyển đổi

1/2 R(α) Ai

1/2, trong đó Ai đại diện cho một vector đường chéo có

của Yi và Vi = Ai

chứa các giá trị của var(yij) và R(α) là ma trận tương quan chuyển đổi được xác

định cho việc phân tích (Pan, 2001). Các thước đo tài chính với chuỗi thời gian

lặp đi lặp lại, chẳng hạn như các thước đo thành phần (DSO, DIO, DPO) của dòng

tiền, biểu lộ một mối quan hệ tự tương quan bậc một giữa khoảng thời gian (Hui

và cộng sự., 1993). Vì vậy, ma trận tương quan chuyển đổi R(α) được xác định

bằng cách sử dụng kỹ thuật tự hồi quy bậc một AR(1) (Zeger và cộng sự, 1986).

Trong nghiên cứu này, ma trận tương quan chuyển đổi cho các mô hình hồi quy

được lựa chọn là Independence.

Mô hình đầu tiên nghiên cứu 03 thước đo thành phần của dòng tiền (DSO,

DIO, và DPO), và hai mô hình sau đó nghiên cứu các thước đo tổng hợp CCC và

OCC tương ứng. Sự thay đổi (Δ) của mỗi biến trong khoảng thời gian t được đo

bằng chênh lệch giữa giá trị cuối quý này và giá trị vào cuối quý trước của mỗi

biến. Với i là đại diện cho các công ty và t là đại diện cho các quý khảo sát trong

nghiên cứu này, 03 mô hình dòng tiền vừa trình bày ở trên được xác định như

 Mô hình sử dụng thước đo thành phần của dòng tiền:

ΔTOBINS_Qit = β0 + β1(lnSALEQit) + β2(DEBTit) + β3(ΔDSOit) + β4(ΔDSOit-1) +

β5(ΔDSOit-2) + β6(ΔDSOit-3) + β7(ΔDSOit-4) + β8(ΔDIOit) +

β9(ΔDIOit-1) + β10(ΔDIOit-2) + β11(ΔDIOit-3) + β12(ΔDIOit-4) +

β13(ΔDPOit) + β14(ΔDPOit-1) + β15(ΔDPOit-2) + β16(ΔDPOit-3) +

(1 ) β17(ΔDPOit-4) + eit

 Mô hình sử dụng thước đo tổng hợp CCC:

ΔTOBINS_Qit = β0 + β1(lnSALEQit)+ β2(DEBTit)+ β3(ΔCCCit)+ β4(ΔCCCit-1)+

(2) β5(ΔCCCit-2) + β6(ΔCCCit-3) + β7(ΔCCCit-4) + eit

 Mô hình sử dụng thước đo tổng hợp OCC:

ΔTOBINS_Qit = β0+ β1(lnSALEQit)+ β2(DEBTit)+ β3(ΔOCCit)+ β4(ΔOCCit-1)+

(3) β5(ΔOCCit-2)+ β6(ΔOCCit-3)+ β7(ΔOCCit-4) + eit

2.3.4. Phân tích quan hệ nhân quả Granger

Sau khi có được các kết quả hồi quy từ mô hình GEE, trong phần này sẽ

tiến hành kiểm định mối quan hệ nhân quả Granger giữa những thay đổi trong các

thước đo dòng tiền có ý nghĩa thống kê với biến phụ thuộc ΔTobins_Qit, nhằm

kiểm tra vấn đề nội sinh có thể có giữa các thước đo và biến phụ thuộc

ΔTobins_Qit làm ảnh hưởng đến kết quả nghiên cứu. Từ đó, hỗ trợ hay bác bỏ tính

hợp lý của các giả thuyết dự đoán về việc thay đổi các thước do dòng tiền dẫn đến

những thay đổi hiệu quả tài chính công ty.

Để tiến hành các kiểm định này, Kroes và cộng sự (2014) đã thực hiện

kiểm định mối quan hệ nhân quả Granger bằng cách tiếp tục sử dụng hồi quy GEE

một lần nữa theo hai mô hình (4) và (5) như sau:

 Mô hình ΔX→ ΔY :

ΔYit = β0+ β1(ΔYit-1)+ β2(ΔYit-2)+ β3(ΔY it-3)+ β4(ΔY it-4)+β5(ΔXit-1)+

(4) β6(ΔXit-2)+ β7(ΔXit-3) + β8(ΔXit-4) +eit.

 Mô hình ΔY→ ΔX :

ΔXit = β0+ β1(ΔXit-1)+ β2(ΔXit-2)+ β3(ΔX it-3)+ β4(ΔX it-4)+β5(ΔYit-1)+

(5) β6(ΔYit-2)+ β7(ΔYit-3) + β8(ΔYit-4) +eit.

Trong đó, ΔYit là biến phụ thuộc ΔTobins_Qit, ΔXit lần lượt có thể sẽ là 05

biến giải thích ΔDSOit, ΔDIOit, ΔDPOit, ΔCCCit, ΔOCCit. Nếu kết quả hồi quy từ

mô hình (1), (2) và (3) cho biết sự thay đổi của cả 05 thước đo DSO, DIO, DPO,

CCC, OCC đều có ý nghĩa thống kê và giải thích được cho biến phụ thuộc

ΔTobins_Qit, thì trong bước này ta sẽ có 05 phép đo kiểm định mối nhân quả

Granger.

Khi chạy mô hình (4), mục đích là xác định xem một trong các biến trễ

ΔXit-1, ΔXit-2, ΔXit-3, ΔXit-4, của biến ΔXit có ý nghĩa thống kê và giải

thích được cho ΔYit hay không.

Tương tự, khi chạy mô hình (5), mục đích là xác định xem một trong

các biến trễ ΔYit-1, ΔYit-2, ΔYit-3, ΔYit-4, của biến ΔYit có ý nghĩa thống

kê và giải thích được cho ΔXit hay không.

Nếu trong bước kiểm định (ΔX→ΔY) có ít nhất một biến trễ ΔXit có ý

nghĩa thống kê và giải thích được cho biến ΔYit và trong bước kiểm định

(ΔY→ΔX) không có bất kỳ biến trễ nào của ΔYit có ý nghĩa thống kê và giải thích

được cho ΔXit , thì có nghĩa ΔX giải thích và có quan hệ nhân quả Granger với

ΔY. Điều này cũng có nghĩa là không có vấn đề nội sinh xảy ra giữa biến giải

thích ΔXit và biến phụ thuộc ΔYit. Nghĩa là kết quả hồi quy sẽ ủng hộ hay bác bỏ

giả thuyết nghiên cứu một cách mạnh mẽ. Còn ngược lại, nếu cả trong 02 bước

kiểm định (ΔX→ΔY) và (ΔY→ΔX) lần lượt đều có ít nhất một biến trễ ΔXit hoặc

ΔYit có ý nghĩa thống kê và giải thích được cho biến còn lại thì có nghĩa là đã có

vấn đề nội sinh xảy ra giữa biến giải thích ΔXit và biến phụ thuộc ΔYit. Do vậy,

kết quả hồi quy sẽ ủng hộ hay bác bỏ giả thuyết nghiên cứu sẽ không còn vững

chắc.

2.3.5. Kiểm định Robustness của kết quả hồi quy GEE.

Mặc dù sử dụng phương pháp hồi quy GEE là rất phù hợp cho nghiên cứu

này, khi có sự tương quan về mặt thời gian trong dữ liệu quan sát, song để kiểm

định sự vững chắc của kết quả tìm được Kroes và cộng sự (2013, trang 46) đề xuất

thực hiện 02 bước kiểm định sau :

o Bước 1: Kiểm định Robustness các biến có ý nghĩa thống kê đã tìm thấy.

Các mô hình (1) (2) và (3) sẽ được hồi quy một lần nữa bằng mô hình GEE,

nhưng thay thế ma trận tương quan Independence bằng ma trận tương quan

Unstructured. Mục đích là để kiểm tra các biến giải thích có ý nghĩa thống

kê trong kết quả hồi GEE sử dụng ma trận tương quan Independence, có ý

nghĩa thống kê trong kết quả hồi quy sử dụng ma trận tương quan

Unstructured hay không. Nếu các biến này cũng có ý nghĩa thống kê trong

kết quả hồi quy GEE sử dụng ma trận tương quan chuyển đổi là Unstrucred

thì các giả thuyết nghiên cứu được các biến này ủng hộ là đáng tin cậy.

o Bước 2: Kiểm định Robustness hệ số hồi quy. Ở bước này các mô hình (1)

(2) và (3) sẽ lại được hồi quy một lần nữa bằng phương pháp hồi quy hiệu

ứng cố định hay phương pháp hiệu ứng ngẫu nhiên cho mẫu dữ liệu khảo

sát trong nghiên cứu này. Ở bước này, đầu tiên sử dụng Hausman Tets và

Breusch-Pagan Lagrange Multiplier Test để lựa chọn mô hình hồi quy có

hiệu ứng phù hợp (mô hình hiệu ứng cố định hay ngẫu nhiên). Sau khi thực

hiện hồi quy các mô hình (1), (2) và (3) bằng mô hình có hiệu ứng phù hợp,

thì các hệ số hồi quy tìm thấy, được dùng để so sánh và đối chiếu với các

hệ số hồi quy từ mô hình GEE sử dụng ma trận tương quan Independence.

Nếu các hệ số này trùng khớp với các hệ số hồi quy từ hồi quy GEE, nghĩa

là các mối tương quan trong các giả thuyết nghiên cứu được kết quả hồi

quy GEE ủng hộ là rất đáng tin cậy.

CHƯƠNG 3 : KẾT QUẢ NGHIÊN CỨU

Trong phần kết quả nghiên cứu sẽ lần lượt trình bày đầu tiên là thống kê mô tả,

phân tích tương quan, sau đó là phân tích hồi quy, kế tiếp kiểm soát vấn đề nội sinh

thông qua kiểm định nhân quả Granger và cuối cùng là kiểm định Robustness của kết

quả hồi quy được tìm thấy.

3.1. THỐNG KÊ MÔ TẢ

BẢNG 3.1. Thống kê mô tả dữ liệu các thước đo dòng tiền và Tobins_Q.

VARIABLE MEAN SD P10 P50 P90

80.939 108.4277 14.61595 52.7203 168.3089 DSO

124.6498 151.6042 30.35625 86.7439 237.6043 DIO

39.08668 48.17563 6.65965 29.295 72.2889 DPO

164.4957 191.1386 37.48285 117.9297 312.6755 CCC

203.5823 212.3295 60.1921 149.0323 375.6951 OCC

0.3379603 0.69515 0.92345 1.44805 TOBINS_Q 1.008812

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm Stata IC/13

Bảng 3.1 trình bày thống kê mô tả của các thước đo dòng tiền trong bài

nghiên cứu được thu thập từ 175 công ty sản xuất niêm yết giai đoạn từ Quý

2/2012 đến Quý 1/2015. Nhìn chung:

 Trong 03 thước đo thành phần của dòng tiền thì Chu kỳ luân chuyển hàng

tồn kho (DIO) có giá trị trung bình cao nhất là 124,65 ngày với độ lệch

chuẩn 151,60 ngày. Chu kỳ luân chuyển khoản phải thu (DSO) trung bình

xấp xỉ 80,94 ngày với độ lệch chuẩn xấp xỉ 108,43 ngày. Chu kỳ luân

chuyển khoản phải trả (DPO) trung bình là 39,09 ngày với độ lệch chuẩn

48,18 ngày.

 Thước đo tổng hợp Chu kỳ tiền mặt hoạt động (OCC) có giá trị trung bình

203,58 ngày với độ lệch chuẩn 212,33 cao hơn thước đo Chu kỳ luân

chuyển tiền mặt (CCC) có giá trị trung bình 164,50 ngày với độ lệch chuẩn

191,14 ngày.

 Chỉ số Tobins_Q có giá trị trung bình là 1,0088 với độ lệch chuẩn 0,338.

Tương tự, Bảng 3.2 trình bày các giá trị thay đổi trung bình của 05 thước

đo dòng tiền, cũng là các biến giải thích chính của mô hình. Trong các thước đo

dòng tiền của doanh nghiệp biến thì OCC có trung bình cao nhất xấp xỉ 2,44 ngày

với độ lệch chuẩn cũng cao nhất là 108,86 ngày. Biến phụ thuộc Tobins_Q nhận

giá trị trung bình là 1,6925% , đây cũng chính là giá trị biến động trung bình của

Tobins_Q trong một quý trong tổng thể mẫu khảo sát , với độ lệch chuẩn 14%.

BẢNG 3.2. Thống kê mô tả các biến trong mô hình nghiên cứu.

VARIABLE MEAN SD P10 P50 P90

ΔDSO 1.509589 80.30233 -26.3505 0.2566 32.6021

ΔDIO 2.406153 132.1323 -63.4754 0.6039 67.7806

ΔDPO 0.6393346 37.99345 -16.9525 0.2703 19.0242

ΔCCC 3.147015 168.1361 -76.2818 0.3275 78.5364

ΔOCC 3.786349 181.3282 -83.268 1.2458 88.0356

ΔTOBINS_Q 0.0162633 0.118141 -0.0856 0.0052 0.131

11.92547 1.505119 10.1918 11.89575 13.7251 LnSALE

0.060009 0.0920736 0 0.018 0.17905 DEBT

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm Stata IC/13

 Hai biến kiểm soát của mô hình là biến logarit tự nhiên của doanh thu quý

và biến tỷ số nợ dài hạn trên tổng tài sản lần lượt có các giá trị trung bình

là 12,93 và 6%; Với độ lệch chuẩn lần lượt xấp xỉ 1,51 và 9,2%. Kết quả

thống kê mô tả cho thấy các doanh nghiệp Việt Nam có tỷ lệ đòn bẩy nợ

rất khiêm tốn.

3.2. PHÂN TÍCH HỒI QUY GEE

Trong phân tích tương quan và kiểm định hiện tượng đa cộng tuyến giữa

các biến quan sát trong Phụ lục 1, cho thấy các biến quan sát không có hiện tượng

đa cộng tuyến, tất cả các biến đều có VIF<10 (Min VIF: 1,01; Max VIF: 4,01;

Mean VIF: 2,76). Song các biến ΔDSO, ΔDIO và ΔDPO có mối tương quan cao

đều ở mức ý nghĩa 1%. Kết quả kiểm định tương quan chuỗi các biến quan sát

ΔDSO, ΔDIO và ΔDPO cũng cho thấy Prob>F=0.0025 , bác bỏ Ho nghĩa là có

tương quan chuỗi giữa 03 biến quan sát này.

Do vậy, việc sử dụng mô hình Generalized Estimating Equation chạy trên

phần mềm STATA/IC 13 để ước lượng các tham số hồi quy các mô hình thành

phần và tổng hợp (1),(2) và (3) là rất phù hợp với dữ liệu khảo sát của nghiên cứu

này. Các tham số hồi quy GEE lần lượt được dùng để phân tích hồi quy, kiểm

định quan hệ nhân quả Granger và kiểm định Robustness. Tất cả các mô hình hồi

quy GEE trong nghiên cứu này đều hội tụ trong vòng 10 lần lặp lại.

3.2.1. Phân tích kết quả hồi quy GEE từ mô hình thành phần

Kết quả hồi quy GEE của mô hình các thước đo thành phần (1) trình

1, ΔDSOit-2, ΔDSOit-3, ΔDSOit-4 của nó đều có ý nghĩa thống kê và có tương

bày ở Bảng 3.3, cho thấy biến giải thích chính ΔDSOit và 04 biến trễ ΔDSOit-

quan ngược chiều với biến phụ thuộc ΔTobins_Q. Điều này có nghĩa là một

sự sụt giảm DSO của quý này so với quý trước sẽ dẫn đến sự cải thiện hiệu

quả tài chính công ty ngay lập tức và kéo dài tác động này thêm 04 quý kế

tiếp. Kết quả này hỗ trợ hoàn toàn giả thuyết H1A, đó là một sự thay đổi của

DSO sẽ khiến hiệu quả tài chính công ty thay đổi ngay lập tức theo chiều

ngược lại và tác động này sẽ tiếp tục duy trì thêm vài quý kế tiếp trong phạm

vi một năm.

BẢNG 3.3. Kết quả hồi quy GEE của mô hình thành phần (1).

BIẾN GIẢI THÍCH (Independent variables) HỆ SỐ HỒI QUY (Parameter estimates) ĐỘ LỆCH CHUẪN (Robust std.errors)

.0181937 Hằng số .0405066 **

.0000592 -.0001494 ** ΔDSOit

.0000384 -.0000985 *** ΔDSOit-1

.000051 -.0000931 * ΔDSOit-2

.0000345 -.0000714 ** ΔDSOit-3

.0000372 -.0000777 ** ΔDSOit-4

.000025 .0000511 ** ΔDIOit

-.0000133 .0000251 ΔDIOit-1

-.0000169 .0000251 ΔDIOit-2

-.00000540 .0000217 ΔDIOit-3

-.00000244 .0000201 ΔDIOit-4

.0001721 .0001422 ΔDPOit

-.0000291 .000091 ΔDPOit-1

.0001056 .0000869 ΔDPOit-2

.0000806 .0000682 ΔDPOit-3

.0001227 .0000808 ΔDPOit-4

.0014206 -.0016693 LnSALE

.0253408 DEBT -.0492973 *

32.936/ 52.779 QIC/QICu

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm Stata IC/13 Ghi chú : (*: p<0.10; **: p<0.05; ***: p<0.01)

Kết quả này còn cho thấy biến giải thích chính ΔDIOit cũng thể hiện

mối tương quan thuận chiều với biến hiệu quả tài chính ΔTobins_Q ở mức ý

nghĩa <5%. Nghĩa là một sự gia tăng hàng tồn kho dẫn đến gia tăng chỉ tiêu

Tobins_Q ngay lập tức và không kéo dài tác động này đến các quý kế tiếp.

Điều này trái ngược hoàn toàn với giả thuyết nghiên cứu H1B, đó là dự đoán

một sự thay đổi của DIO có mối tương quan ngược chiều với thay đổi hiệu quả

tài chính và sẽ duy trì sự tác động lên các quý kế tiếp. Ngoài ra, biến giải thích

chính ΔDPOi và các biến trễ của nó cũng không giải thích được cho sự thay

đổi của Tobins_Q. Như vậy, kết quả hồi quy cho thấy Chu kỳ luân chuyển

khoản phải trả (DPO) thay đổi thì nó không tác động lên hiệu quả tài chính

công ty. Tóm lại, trong ba thước đo thành phần của dòng tiền, thì nếu như có

một sự thay đổi DSO và DIO của quý này so với quý trước sẽ tác động lên

hiệu quả tài chính công ty ngay lập tức. Tuy nhiên, chỉ có thước đo DSO tiếp

tục duy trì sự tác động lên hiệu quả tài chính công ty thêm 12 tháng.

3.2.2. Phân tích kết quả hồi quy mô hình tổng hợp

Kết quả hồi quy GEE hai mô hình thước đo tổng hợp được trình bày ở

Bảng 3.4. Các tham số hồi quy của phương trình (2) cho thấy, 03 biến trễ

ΔCCCit-1, ΔCCCit-2 và ΔCCCit-3 đều có ý nghĩa thống kê và có tương quan

ngược chiều với biến phụ thuộc ΔTobins_Qit. Kết quả này không ủng hộ hoàn

toàn giả thuyết H1C vì sự thay đổi trong CCC trong quý này không ngay lập

tức tác động lên sự thay đổi hiệu quả tài chính mà tác động vào 03 quý tiếp

theo. Trong nghiên cứu của Kroes và cộng sự (2014) thì giả thuyết H1C bị bác

bỏ hoàn toàn, vì kết quả hồi quy đã không tìm thấy mối tương quan giữa Chu

kỳ luân chuyển tiền mặt và hiệu quả tài chính công ty.

BẢNG 3.4. Kết quả hồi quy GEE mô hình tổng hợp (2) và (3)

ΔCCC HỆ SỐ HỒI QUY (ĐỘ LỆCH CHUẪN) ΔOCC HỆ SỐ HỒI QUY (ĐỘ LỆCH CHUẪN) BIẾN GIẢI THÍCH (Independent variables)

** ** Hằng số .0425423 (.0181673) .041647 (.0181413)

ΔCCCit -.00000938 (.0000145)

*** ΔCCCit-1 -.0000458 (.0000151)

* ΔCCCit-2 -.0000322 (.0000175)

* ΔCCCit-3 -.0000242 (.0000135)

ΔCCCit-4

-.0000182 (.0000111) ΔOCCit -.00000660 (.0000144)

*** ΔOCCit-1 -.0000448 (.0000141)

* ΔOCCit-2 -.0000297 (.0000153)

ΔOCCit-3 -.0000204 (.0000125)

ΔOCCit-4 -.0000155 (.00000961)

LnSALE -.0017977 (.0014147) -.0017295 (.0014131)

** ** DEBT -.0556996 (.0273485) -.0553674 (.0274133)

23.747 / 32.883 23.642 / 32.879 QIC/QICu

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm Stata IC/13 Ghi chú : (*: p<0.10; **: p<0.05; ***: p<0.01)

Kết quả hồi quy GEE của phương trình (3) trên Bảng 3.4 cũng cho thấy

hai biến trễ ΔOCCit-1 và ΔOCCit-2 có mối tương quan ngược chiều ΔTobins_Qit

với mức ý thống kê lần lượt là <1% và <10%. Như vậy, một sự sụt giảm Chu

kỳ luân chuyển tiền mặt hoạt động ở quý này sẽ dẫn đến cải thiện hiệu quả tài

chính vào quý sau và tác động này kéo dài đến hết quý kế tiếp. Kết quả này

cũng không ủng hộ hoàn toàn giả thuyết H1D vì sự thạy đổi của OCC ở quý

này không ngay lập tức tác động lên hiệu quả tài chính.

So sánh với kết quả đã được tìm thấy trong nghiên cứu của Krose và

cộng sự (2014) có thể thấy cả hai kết quả định lượng đều ủng hộ giả thuyết sự

thay đổi các thước đo dòng tiền DSO, DIO và OCC có mối tương quan với sự

thay đổi hiệu quả tài chính công ty và thước đo DPO không có mối tương quan

với hiệu quả tài chính. Tuy nhiên thời điểm tác động, chiều tác động và duy

trì tác động của các thước đo DSO, DIO và OCC lên thay đổi hiệu quả tài

chính của cả hai kết quả hồi quy có chút khác biệt. Ngoài ra, kết quả hồi quy

trong nghiên cứu này cho thấy sự thay đổi thước đo CCC cũng tác động lên

hiệu quả tài chính công ty trái ngược hoàn toàn với kết quả hồi quy của Kroes

và cộng sự (2014). Đặc thù kinh tế và đặc điểm của các doanh nghiệp Việt

Nam có lẽ nguyên nhân của sự khác biệt này. Chiều tác động của DIO không

nằm trong dự đoán của giả thuyết nghiên cứu H1B, song điều này có thể lý

giải được. Như đã thảo luận ở trên trong Chương 1 về sự phức tạp của mối

quan hệ DIO và hiệu quả tài chính, việc rút ngắn DIO , giảm lượng hàng tồn

kho có thể dẫn tới giảm dịch vụ khách hàng và cần phải có các chương trình

quản lý hỗ trợ để đảm bảo việc sụt giảm hàng tồn kho tối ưu cải thiện được

hiệu quả tài chính và không gây rủi ro cho doanh nghiệp. Các doanh nghiệp

Việt Nam đa số là doanh nghiệp vừa và nhỏ, vẫn đang trong giai đoạn phát

triển về quy mô và tiếp cận trình độ năng lực quản lý tiên tiến của thế giới. Vì

thế việc gia tăng hàng tồn kho ngay lập tức sẽ là một tín hiệu cho thấy dịch vụ

khách hàng sẽ tốt hơn dẫn đến chỉ số Tobins_Q được cải thiện ngay lập tức.

Nhưng sau sự gia tăng DIO của quý này không tiếp tục cải thiện hiệu quả tài

chính. Chi tiết sự khác biệt giữa kết quả hồi quy trong nghiên cứu này và

nghiên cứu của Kroes và cộng sự (2014) thể hiện ở Bảng 3.5

BẢNG 3.5. So sánh kết quả hồi quy với nghiên cứu Kroes và cộng sự (2014)

GIẢ THUYẾT TƯƠNG ĐỒNG KHÁC BIỆT

H1A. Tương quan: ΔDSO ngược chiều ΔTobins_Q.

Thời gian duy trì tác động: Kroes và cộng sự (2014) cho thấy DSO duy trì tác động kéo dài 04 quý. Nghiên cứu này chỉ có 05 quý. Thời điểm tác động: ngay lập tức.

Có duy trì tác động kéo dài đến các quý kế tiếp.

Ủng hộ hoàn toàn giả thuyết H1A.

H1B. Thời điểm tác động: ngay lập tức.

Tương quan: nghiên cứu này là tương quan thuận chiều. Kroes và cộng sự (2014) tương quan nghịch chiều.

Thời gian duy trì tác động: Kroes và cộng sự (2014) cho thấy DIO duy trì tác động trong 02 quý. Nghiên cứu này 01 quý.

H1C.

Nghiên cứu này ủng hộ giả thuyết H1C. Về mối tương quan, chiều tương quan và kéo dài tác động. Còn Kroes và cộng sự (2014) bác bỏ hoàn toàn giả thuyết H1C.

H1D. Tương quan: ΔOCC ngược chiều ΔTobins_Q.

Có kéo dài tác động đến các kế tiếp.

Thời điểm tác động, thời gian duy trì tác động. Kroes và cộng sự (2014) cho thấy ΔOCC tác động ngay lập tức lên ΔTobins_Q. và kéo dài trong 04 quý. Nghiên cứu này thì ΔOCC tác động trễ sau một quý và chỉ kéo dài tác động trong 02 quý.

Nguồn : Tác giả tổng hợp từ các kết quả hồi quy của nghiên cứu này và kết quả

nghiên cứu của Kroes và cộng sự (2014)

3.2.3. Phân tích kết quả kiểm định quan hệ nhân quả Granger

Trong phần này, tiếp tục sử dụng hồi quy GEE để lần lượt kiểm định

mối quan hệ nhân quả Granger giữa các biến phụ thuộc và các biến giải thích

có ý nghĩa thống kê trong các mô hình thành phần (1) và mô hình tổng hợp (2)

và (3). Xem xét liệu có xảy ra hiện tượng nội sinh giữa biến phụ thuộc và các

biến trễ của mô hình hay không. Kết quả hồi quy đã tìm thấy 11 biến của 04

biến giải thích chính là ΔDSO, ΔDIO, ΔCCC và ΔOCC đều có ý nghĩa thống

kê, vậy trong nghiên cứu này sẽ tiến hành 04 phân tích kiểm định mối quan hệ

nhân quả Granger giữa các biến giải thích này biến phụ thuộc ΔTobins_Qit sử

dụng phương pháp ước lượng GEE theo 02 mô hình (4) và (5), kết quả như

 Phân tích kết quả kiểm định ΔDSOit→ ΔTobins_Qit. Sau khi tiến hành hồi

quy GEE với mô hình (4) và (5) với biến ΔXit là biến ΔDSOit . Kết quả hồi

quy ở Bảng 3.6 cho thấy biến trễ của ΔDSOit-1 có ý nghĩa thống kê ở mức

<1% và giải thích được cho ΔTobins_Qit; Đồng thời, không có một biến trễ

nào của ΔTobins_Qit có ý nghĩa thống kê và giải thích được cho ΔDSOit. Từ

đó, có thể kết luận rằng ΔDSOit có quan hệ nhân quả Granger với ΔTobins_Qit.

 Phân tích kết quả kiểm định ΔDIOit→ ΔTobins_Qit . Tương tự, sau khi tiến

hành hồi quy GEE với mô hình (4) và (5) với biến ΔXit là biến ΔDIOit . Kết

quả hồi quy ở Bảng 3.7 cho thấy ở mức ý nghĩa ở mức <5% và <10% , biến

trễ ΔDIOit-1 và ΔDIOit-2 giải thích được cho ΔTobins_Qit. Tuy nhiên, không có

một biến trễ nào của ΔTobins_Qit có ý nghĩa thống kê và giải thích được cho

ΔDIOit. Từ đó, có thể kết luận rằng ΔDIOit có quan hệ nhân quả Granger với

ΔTobins_Qit.

BẢNG 3.6. Kết quả kiểm định nhân quả Granger: ΔDSOit→ ΔTobins_Qit

BIẾN GIẢI THÍCH ΔDSOit→ ΔTobins_Qit HỆ SỐ HỒI QUY (ĐỘ LỆCH CHUẪN) ΔTobins_Qit→ ΔDSOit HỆ SỐ HỒI QUY (ĐỘ LỆCH CHUẪN)

LagΔY→ΔY

LagΔX→ΔX

(1)

LagΔY+ LagΔX →ΔY (2)

(3)

LagΔX+ LagΔY →ΔX (4)

Hằng số

.0222828*** (.0035528)

.022282 *** (.0035485)

-.6128129 (2.017652)

.0095231 (1.573445)

ΔTobins_Qit-1

-.1814245*** (.0364871)

-.1824367*** (.0365311)

13.46482 (9.282994)

ΔTobins_Qit-2

-.0101595 (.028492)

-.0098958 (.0283771)

.3365749 (14.60693)

ΔTobins_Qit-3

-.0344571 (.0351938)

-.0350005 (.0351696)

3.331988 (7.906078)

ΔTobins_Qit-4

.0292764 (.0373175)

9.971986 (7.180931)

.0292433 (.0374349)

ΔDSOit-1

-.0000686*** (.0000235)

-.57019*** (.0453246)

-.5699335*** (.0451785)

ΔDSOit-2

-.000048 (.0000335)

-.2109365*** (.068991)

-.2094479*** (.069238)

ΔDSOit-3

-.000032 (.0000267)

-.3739225*** (.0588853)

-.3733163*** (.05901)

ΔDSOit-4

-.0000456** (.0000189)

-.0617682 (.0422251)

-.0613404 (.0420689)

QIC QICu

30.058 26.291

32.582 34.257

5974322.193 5974297.755

5969673.321 5969654.066

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm

Ghi chú : (*: p<0.10; **: p<0.05; ***: p<0.01)

Stata IC/13

BẢNG 3.7. Kết quả kiểm định nhân quả Granger: ΔDIOit→ ΔTobins_Qit

BIẾN GIẢI THÍCH ΔDIOit→ ΔTobins_Qit HỆ SỐ HỒI QUY (ĐỘ LỆCH CHUẪN) ΔTobins_Qit→ ΔDIOit HỆ SỐ HỒI QUY (ĐỘ LỆCH CHUẪN)

LagΔY→ΔY

LagΔX→ΔX

(1)

LagΔY+ LagΔX →ΔY (5)

(6)

LagΔX+ LagΔY →ΔX (7)

Hằng số

.0222828*** (.0035528)

.0220829*** (.0035407)

-.7276615 (2.357589)

-.7338077 (1.932853)

ΔTobins_Qit-1

-.1814245*** (.0364871)

-.1811558*** (.0365649)

-4.159762 (10.35888)

ΔTobins_Qit-2

-2.983194 (12.3751)

-.0101595 (.028492)

-.0097313 ( .028641)

ΔTobins_Qit-3

3.083305 (11.48989)

-.0344571 (.0351938)

-.0342721 (.0351978)

ΔTobins_Qit-4

4.053559 (15.01035)

.0292433 (.0374349)

ΔDIOit-1

.0292334 (.0373689) -.0000498** (.0000208)

-.7162441*** (.0488493)

-.7162317*** (.0488885)

ΔDIOit-2

-.0000459* (.0000235)

-.4637053*** (.0488833)

-.4637795*** (.0488192)

ΔDIOit-3

-.0000278 (.0000197)

-.3663245*** (.067636)

-.3666881*** (.0680766)

ΔDIOit-4

-.0000145 (.0000158)

.0174194 (.0455142)

.0171012 (.0458786)

QIC QICu

30.058 26.291

32.681 34.259

12950026.653 12950017.322

12949209.911 12949206.520

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm Stata IC/13 Ghi chú : (*: p<0.10; **: p<0.05; ***: p<0.01)

 Phân tích kết quả kiểm định ΔCCCit→ ΔTobins_Qit. Tương tự, tiến hành

hồi quy GEE với mô hình (4) và (5) với biến ΔXit là biến ΔCCCit . Kết quả hồi

quy ở Bảng 3.8 cho thấy bốn biến trễ của ΔCCCit-1, ΔCCCit-2, ΔCCCit-3 và

ΔCCCit-4 đều có ý nghĩa thống kê và giải thích được cho ΔTobins_Qit . Tuy

nhiên, không có một biến trễ nào của ΔTobins_Qit có ý nghĩa thống kê và giải

thích được cho ΔCCCit. Từ đó, có thể kết luận rằng ΔCCCit có quan hệ nhân

quả Granger với ΔTobins_Qit..

BẢNG 3.8. Kết quả kiểm định nhân quả Granger: ΔCCCit→ ΔTobins_Qit

BIẾN GIẢI THÍCH ΔCCCit→ ΔTobins_Qit HỆ SỐ HỒI QUY (ĐỘ LỆCH CHUẪN) ΔTobins_Qit→ ΔCCCit HỆ SỐ HỒI QUY (ĐỘ LỆCH CHUẪN)

LagΔY→ΔY

LagΔX→ΔX

(1)

LagΔY+ LagΔX →ΔY (8)

(9)

LagΔX+ LagΔY →ΔX (10)

Hằng số

.0222828*** (.0035528)

.0222192*** (.00354)

-.871726 (3.186797)

-.4472012 (2.550678)

ΔTobins_Qit-1

-.1814245*** (.0364871)

-.182547*** (.0365598)

2.514107 (14.60441)

ΔTobins_Qit-2

-.0101595 (.028492)

-.0105153 (.0285366)

-4.008631 (21.51265)

ΔTobins_Qit-3

-.0344571 (.0351938)

-.0347223 (.0351878)

6.012725 (12.87919)

ΔTobins_Qit-4

.029112 (.0372787)

14.29224 (15.96117)

.0292433 (.0374349)

ΔCCCit-1

-.0000417*** (.0000135)

-.6754828*** (.0434386)

-.6754886*** (.0434507)

ΔCCCit-2

-.0000375** (.000018)

-.4251332*** (.037234)

-.4246915*** (.0372581)

ΔCCCit-3

-.000027** (.0000132)

-.3788158*** (.056753)

-.3789076*** (.0569796)

ΔCCCit-4

-.0000231** (.0000104)

-.0146405 (.0309287)

-.0147956 (.0310888)

QIC QICu

30.058 26.291

32.754 34.248

23362999.792 23362992.512

23359004.080 23359002.767

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm Stata IC/13 Ghi chú : (*: p<0.10; **: p<0.05; ***: p<0.01)

 Phân tích kết quả kiểm định ΔOCCit→ ΔTobins_Qit. Tương tự, sau khi tiến

hành hồi quy GEE với mô hình (4) và (5) với biến ΔXit là biến ΔOCCit . Kết

quả hồi quy ở Bảng 3.9 cho thấy cả bốn biến trễ của ΔOCCit-1, ΔOCCit-2,

ΔOCCit-3 và ΔOCCit-4 đều có ý nghĩa thống kê và giải thích được cho

ΔTobins_Qit; Tuy nhiên, không có một biến trễ nào của ΔTobins_Qit có ý

nghĩa thống kê và giải thích được cho ΔOCCit. Từ đó, có thể kết luận rằng

ΔOCCit có quan hệ nhân quả Granger với ΔTobins_Qit.

BẢNG 3.9. Kết quả kiểm định nhân quả Granger: ΔOCCit→ ΔTobins_Qit

ΔOCCit→ ΔTobins_Qit ΔTobins_Qit→ ΔOCCit

HỆ SỐ HỒI QUY HỆ SỐ HỒI QUY BIẾN GIẢI THÍCH

(ĐỘ LỆCH CHUẪN) (ĐỘ LỆCH CHUẪN)

LagΔY→ΔY

LagΔX→ΔX

(1)

LagΔY+ LagΔX →ΔY (11)

(12)

LagΔX+ LagΔY →ΔX (13)

Hằng số

.0222828*** (.0035528)

.0221312*** (.0035403)

-1.338766 (3.572978)

-.7684038 (2.814878)

ΔTobins_Qit-1

-.1814245*** (.0364871)

-.1820847*** (.0366232)

9.542994 (15.37987)

ΔTobins_Qit-2

-.0101595 (.028492)

-.0100609 (.0285206)

-4.573713 (23.29003)

ΔTobins_Qit-3

-.0344571 (.0351938)

-.0345169 (.0352087)

4.545811 (14.41604)

ΔTobins_Qit-4

.0294225 (.0372846)

16.34819 (18.88396)

.0292433 (.0374349)

ΔOCCit-1

-.0000415*** (.0000126)

-.6742996*** (.0381732)

-.6743954*** (.0381586)

ΔOCCit-2

-.0000358** (.0000162)

-.3679253*** (.0671149)

-.367173*** (.0674464)

ΔOCCit-3

-.0000234* (.0000122)

-.380336*** (.0597189)

-.3802632*** (.059974)

ΔOCCit-4

-.0000194** (.00000908)

-.0175927 (.0290111)

-.0177634 (.0290535)

QIC QICu

30.058 26.291

32.556 34.244

26029814.358 26029800.923

26023345.629 26023337.948

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm Stata IC/13 Ghi chú : (*: p<0.10; **: p<0.05; ***: p<0.01)



Kết quả nhận được từ việc kiểm định nhân quả Granger cho các thước

đo thành phần và tổng hợp của dòng tiền với hiệu quả tài chính công ty vừa

thực hiện đã ủng hộ hoàn toàn cho các giả thuyết H2A và H2B đó là các thước

đo thành phần DSO, DIO và thước đo tổng hợp CCC , OCC có mối quan hệ

nhân quả Granger đến hiệu quả tài chính công ty (Tobins_Q). Điều này có

nghĩa là sự thay đổi các thước đo vị thế dòng tiền DSO, DIO, CCC và OCC

không phải là sản phẩm phụ của sự thay đổi hiệu quả tài chính công ty. Kết

quả này có chút khác biệt với kết quả kiểm định mối quan hệ nhận quả Granger

trong nghiên cứu của Kroes và cộng sự (2014), đó là thước đo dòng tiền DIO

và Tobins_Q có hiện tượng nội sinh, do các biến trễ của ΔTobins_Qit giải thích

được cho ΔDIOit . Kết quả kiểm định này tiếp tục ủng hộ kết quả nghiên cứu

của Kroes và cộng sự (2014) là hai thước đo DSO và OCC có mối quan hệ

nhân quả Granger với hiệu quả tài chính công ty.

3.2.4. Phân tích kết quả kiểm định Robustness.

 Kiểm định Robustness các biến có ý nghĩa thống kê: Trong phần trước, các kết

quả hồi quy GEE sử dụng ma trận tương quan chuyển đổi Indepence từ các

phương trình (1), (2) và (3) đã tìm thấy 11 biến của các thước đo dòng tiền có

ý nghĩa thống kê là : ΔDSOit, ΔDSOit-1, ΔDSOit-2, ΔDSOit-3, ΔDSOit-4, ΔDIOit,

ΔCCCit-1, ΔCCCit-2, ΔCCCit-3, ΔOCCit-1, ΔOCCit-2. Trong bước này, hồi quy

GEE sử dụng ma trận tương quan chuyển đổi Unstructured được dùng để hồi

quy các phương trình (1), (2) và (3) một lần nữa, nếu kết quả hồi quy này cũng

chỉ ra 11 biến trên có ý nghĩa thống kê thì các biến có ý nghĩa thống kê được

tìm thấy là vững mạnh và đáng tin cậy. Bảng 3.10 trình bày kết quả hồi quy

GEE từ các phương trình (1), (2) và (3) sử dụng ma trận tương quan

Unstructured. Nhìn vào kết quả này có thể nhận thấy rằng tất cả 11 biến đều

có ý nghĩa thống kê chi tiết như sau : ΔDSOit, ΔDSOit-1, ΔDSOit-2, ΔDSOit-3,

ΔDSOit-4 đều ở mức ý nghĩa <1%; ΔDIOit có mức ý nghĩa <10% và các biến

ΔCCCit-1, ΔCCCit-2, ΔCCCit-3, ΔOCCit-1, ΔOCCit-2 đều ở mức ý nghĩa <5%.

Đến đây, có thể kết luận rằng 11 biến có ý nghĩa thống kê được tìm thấy trong

nghiên cứu này là rất đáng tin cậy.

BẢNG 3.10. Kết quả kiểm định Robustness các biến có ý nghĩa thống kê

HỆ SỐ HỒI QUY - (ĐỘ LỆCH CHUẪN)

Mô hình thành phần (1)

Mô hình tồng hợp (2)

Mô hình tồng hợp (3)

BIẾN GIẢI THÍCH

GEE – Unstructured (14)

GEE – Unstructured (15)

GEE – Unstructured (16)

.0361865**

(.0179592)

.0363418**

(.0178274)

.0356762**

(.0178361)

Hằng số

-.0001284***

(.0000455)

ΔDSOit

-.0001234***

(.000037)

ΔDSOit-1

-.0001303***

(.0000453)

ΔDSOit-2

-.0000887*** -.0001083***

(.0000319) (.0000366)

ΔDSOit-3 ΔDSOit-4

.0000453*

(.0000236)

ΔDIOit

.0000219

(.000026)

ΔDIOit-1

-.00000886

(.0000257)

ΔDIOit-2

.00000685 .0000183

(.0000192) (.0000199)

ΔDIOit-3 ΔDIOit-4

.0001528

(.0001161)

ΔDPOit

-.0000289

(.0000944)

ΔDPOit-1

.0001443

(.0000756)

ΔDPOit-2

.0001503** .0001675**

(.0000636) (.0000798)

ΔDPOit-3 ΔDPOit-4

-.0000118

(.0000145)

ΔCCCit

-.0000369**

(.0000151)

ΔCCCit-1

-.0000435**

(.0000181)

ΔCCCit-2

-.0000262**

(.0000129)

ΔCCCit-3

-.0000185*

(.0000109)

ΔCCCit-4

-.00000718

(.0000139)

ΔOCCit

-.0000346**

(.0000137)

ΔOCCit-1

-.000038**

(.000016)

ΔOCCit-2

-.0000222*

(.000012)

ΔOCCit-3

-.0000154

(.00000949)

ΔOCCit-4

LnSALE

-.0012587

(.0014085)

-.0012217

(.0013986)

-.0011748

(.0013991)

DEBT

-.0394162*

(.0218904)

-.0456994**

(.0224003)

-.0452708**

(.0224449)

QIC

31.377

23.222

23.027 QICu

52.808

32.899

32.893

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm Stata IC/13 Ghi chú : (*: p<0.10; **: p<0.05; ***: p<0.01)

 Kiểm định Robust các hệ số hồi quy: Ở bước này, việc trước tiên là xác định

mô hình hiệu ứng phù hợp (chọn lựa giữa hiệu ứng cố định và hiệu ứng ngẫu

nhiên). Theo kết quả kiểm định Hausman Test chi tiết ở Phụ lục 1 có (Prob>

chibar2 =0,0871) <0,1 và Breusch-Pagan Lagrange Multiplier Test có (Prob>

chibar2 = 1) cho thấy sử dụng mô hình hiệu ứng ngẫu nhiên để hồi quy dữ liệu

khảo sát của các mô hình (1), (2) và (3) cho kết quả tốt hồi quy tốt hơn mô

hình hiệu ứng cố định. Vì vậy, các hệ số hồi quy từ mô hình hiệu ứng ngẫu

nhiên sẽ được dùng để kiểm định robustness hệ số hồi quy của kết quả tìm

được của nghiên cứu này. Trong nghiên cứu của Kroes và cộng sự (2014) thì

ngược lại, mô hình hiệu ứng cố định lại được lựa chọn vì phù hợp với dữ liệu

khảo sát.

Kết quả hồi quy mô hình hiệu ứng ngẫu nhiên các phương trình (1), (2)

và (3) trình bày ở Bảng 3.11 cho thấy các hệ số hồi quy và các biến có ý nghĩa

thống kê là hoàn toàn trùng với mô hình GEE đã trình bày ở Bảng 3.3 và Bảng

3.4. Sự khác biệt của 02 kết quả hồi quy GEE và mô hình hiệu ứng ngẫu nhiên

đó chính là có sự sai khác một chút về giá trị độ lệch chuẩn của các hệ số hồi

quy. Cụ thể kiểm tra lại 11 biến có ý nghĩa thống kê ta có kết quả sau ΔDSOit

cùng có hệ số hồi quy là : (-149,4x10-6) nhưng độ lệch chuẩn tử mô hình GEE

là : (59,2x10-6) và mô hình hiệu ứng ngẫu nhiên là : (59,7x10-6); ΔDSOit-1 cùng

có hệ số hồi quy là: (-98,5x10-6) nhưng độ lệch chuẩn tử mô hình GEE là :

(38,4x10-6) và mô hình hiệu ứng ngẫu nhiên là : (38,7x10-6); ΔDSOit-2 cùng có

hệ số hồi quy là: (93,1x10-6) nhưng độ lệch chuẩn tử mô hình GEE là :

(38,4x10-6) và mô hình hiệu ứng ngẫu nhiên là : (51,3x10-6); ΔDSOit-3 cùng có

hệ số hồi quy là: (71,4x10-6) nhưng độ lệch chuẩn tử mô hình GEE là :

(34,5x10-6) và mô hình hiệu ứng ngẫu nhiên là : (34,7x10-6); ΔDSOit-4 cùng có

hệ số hồi quy là: (77,7x10-6) nhưng độ lệch chuẩn tử mô hình GEE là :

(37,2x10-6) và mô hình hiệu ứng ngẫu nhiên là : (37,4x10-6); ΔDIOit cùng có

hệ số hồi quy là: (51,1x10-6) nhưng độ lệch chuẩn tử mô hình GEE là :

(25,0x10-6) và mô hình hiệu ứng ngẫu nhiên là : (25,2x10-6); ΔCCCit-1 cùng có

BẢNG 3.11. Kết quả kiểm định Robustness các các hệ số hồi quy.

HỆ SỐ HỒI QUY - (ĐỘ LỆCH CHUẪN)

Mô hình thành phần (1)

Mô hình tồng hợp (2)

Mô hình tồng hợp (3)

BIẾN GIẢI THÍCH

Hiệu ứng ngẫu nhiên (random) (17)

Hiệu ứng ngẫu nhiên (random) (18)

Hiệu ứng ngẫu nhiên (random) (19)

.0405066

(.0183214)

.0425423**

(.0182195)

.041647**

(.0181934)

Hằng số

-.0001494**

(.0000597)

ΔDSOit

-.0000985**

(.0000387)

ΔDSOit-1

-.0000931*

(.0000513)

ΔDSOit-2

-.0000714** -.0000777**

(.0000347) (.0000374)

ΔDSOit-3 ΔDSOit-4

.0000511**

(.0000252)

ΔDIOit

-.0000133

(.0000253)

ΔDIOit-1

-.0000169

(.0000253)

ΔDIOit-2

-.0000054 -.00000244

(.0000218) (.0000203)

ΔDIOit-3 ΔDIOit-4

.0001721

(.0001432)

ΔDPOit

-.0000291

(.0000916)

ΔDPOit-1

.0001056

(.0000876)

ΔDPOit-2

.0000806 .0001227

(.0000687) (.0000814)

ΔDPOit-3 ΔDPOit-4

-.00000938

(.0000146)

ΔCCCit

-.0000458***

(.0000151)

ΔCCCit-1

-.0000322*

(.0000176)

ΔCCCit-2

-.0000242*

(.0000136)

ΔCCCit-3

-.0000182

(.0000111)

ΔCCCit-4

-.0000066

(.0000145)

ΔOCCit

-.0000448

(.0000141)

ΔOCCit-1

-.0000297

(.0000154)

ΔOCCit-2

-.0000204

(.0000125)

ΔOCCit-3

-.0000155

(.00000964)

ΔOCCit-4

LnSALE

-.0016693

(.0014306)

-.0017977

(.0014187)

-.0017295

(.0014171)

DEBT

-.0492973*

(.0255186)

-.0556996**

(.027427)

-.0553674**

(.0274921)

AIC

-1743.544

-1755.967

-1756.289

Nguồn : Tác giả tổng hợp dựa trên kết quả xử lý dữ liệu khảo sát trên phần mềm

Ghi chú : (*: p<0.10; **: p<0.05; ***: p<0.01)

Stata IC/13

6) và mô hình hiệu ứng ngẫu nhiên cũng là : (15,1x10-6); ΔCCCit-2 cùng có hệ

hệ số hồi quy là (45,8x10-6) nhưng độ lệch chuẩn tử mô hình GEE là : (15,1x10-

6) và mô hình hiệu ứng ngẫu nhiên là : (17,6x10-6) ; ΔCCCit-3 cùng có hệ số

số hồi quy là: (32,2x10-6) nhưng độ lệch chuẩn tử mô hình GEE là : (17,5x10-

hồi quy là: (24,2x10-6) nhưng độ lệch chuẩn tử mô hình GEE là : (13,5x10-6)

và mô hình hiệu ứng ngẫu nhiên là : (13,6x10-6); ΔOCCit-1 cùng có hệ số hồi

quy là: (44,8x10-6) nhưng độ lệch chuẩn tử mô hình GEE là : (14,1x10-6) và

mô hình hiệu ứng ngẫu nhiên cũng là : (14,1x10-6); ΔOCCit-2 cùng có hệ số hồi

quy là: (29,7x10-6) nhưng độ lệch chuẩn tử mô hình GEE là : (15,3x10-6) và

mô hình hiệu ứng ngẫu nhiên cũng là : (15,4x10-6).

Tuy trong nghiên cứu này, đã sử dụng độ lệch chuẩn đã hiệu chỉnh

(robust) nhưng vẫn xuất hiện sự sai biệt độ lệch chuẩn dù hệ số hồi quy là hoàn

toàn trùng khớp. Ở trong mô hình (2) và (3) mỗi mô hình chỉ có một biến giải

thích chính là biến ΔCCC và ΔOCC nên độ lệch chuẩn sau khi được hiệu chỉnh

sai biệt không đáng kể trong cả 02 phương pháp hồi quy GEE hay mô hình

hiệu ứng phù hợp. Ở mô hình (1) có tới 3 biến giải thích chính là ΔDSO, ΔDIO

và ΔDPO, Cả 03 biến lại có sự tương quan cao với nhau theo thời gian nên dù

độ lệch chuẩn đã được hiệu chỉnh (robust). Song vẫn có sự sai biệt giữa 02

phương pháp hồi quy GEE và mô hình hiệu ứng phù hợp. Như đã trình này

trong phương pháp nghiên cứu là mô hình GEE có khả năng ước lượng phương

sai một cách mạnh mẽ và tinh tế so với các mô hình hiệu ứng phù hợp (ngẫu

nhiên/cố định). Kết quả từ việc kiểm định hệ số hồi quy cho phép kết luận các

hệ số hồi quy trong nghiên cứu này vững mạnh và đáng tin cậy. Điều này

khẳng định, các mối tương quan thuận/nghịch giữa các biến giải thích và biến

phụ thuộc trong các giả thuyết nghiên cứu được kết quả hồi quy ủng hộ là rất

đáng tin cậy. Kết quả kiểm định robustness cho thấy ma trận tương quan

Independence được đề xuất cho mô hình GEE là hoàn toàn phù hợp với mẫu

dữ liệu khảo sát cho nghiên cứu này. Kết quả kiểm tra tiêu chuẩn QIC và QICu

cũng cho thấy ma trận tương quan chuyển đổi Indepence cho phân tích hồi quy

và ma trận tương quan chuyển đổi Unstructured dùng cho kiểm định

robustness được Kroes và cộng sự (2014) đề xuất vẫn phù hợp với nghiên cứu

này.

Kết thúc việc kiểm định nhân quả Granger và kiểm định Robustness,

có thể khẳng định các kết quả hồi quy GEE được tìm thấy trong nghiên cứu

này là rất đáng tin cậy. Mười một biến giải thích có ý nghĩa thống kê của 04

thước đo dòng tiền là DSO, DIO, CCC, OCC thể hiện mối quan hệ nhân quả

Granger với biến phụ thuộc Tobins_Q. Kết quả tìm thấy ủng hộ mạnh mẽ giả

thuyết nghiên cứu là sự thay đổi các thước đo dòng tiền tác động đến sự thay

đổi của hiệu quả tài chính doanh nghiệp. Đồng thời, khẳng định sự thay đổi

trong các thước đo của dòng tiền không phải là sản phẩm phụ từ sự thay đổi

hiệu quả tài chính. Kết quả của nghiên cứu này và 11/13 nghiên cứu trước tiếp

tục ủng hộ sự cải thiện Chu kỳ luân chuyển tiền mặt (CCC) tác động đến việc

cải thiện hiệu quả tài chính. Song cũng ủng hộ phát hiện của Kroes và cộng sự

(2014) là sự cải thiện Chu kỳ luân chuyển tiền mặt hoạt động (OCC) tác động

đến hiệu quả tài chính công ty. Các thước đo thành phần DSO và DIO đều tác

động đến hiệu quả tài chính song DSO duy trì được tác động lâu nhất, DIO thì

duy trì tác động ngắn nhất và chỉ đúng một quý. Kết quả hồi quy còn cho thấy,

thước đo tổng hợp CCC đại diện cho thước đo dòng tiền phù hợp hơn thước

đo OCC trong việc giải thích cho hiệu quả công ty và thước đo DIO có mối

tương quan thuận chiều với hiệu quả tài chính công ty. Điều này trái ngược

với phát hiện của Kroes và cộng sự (2014) là CCC không có mối tương quan

với hiệu quả tài chính công ty và DIO có mối tương quan nghịch chiều. Đặc

thù của doanh nghiệp và đặc điểm nền kinh tế Việt Nam có lẽ là nguyên nhân

chính dẫn đến kết quả trái ngược này, các doanh nghiệp Việt với tầm vóc quy

mô đa phần là vừa và nhỏ, công nghệ sản xuất và hệ thống phân phối còn đang

tiếp cận học hỏi từ các nước đang phát triển năng suất lao động thấp. Do vậy,

một sự sụt giảm DIO hay sụt giảm hàng tồn kho trong khi lượng hàng bán vẫn

không tăng có thể bị xem là năng lực sản xuất giảm sút, gây rủi ro chi phí thiếu

hàng điều này sẽ làm làm sụt giảm hiệu quả tài chính doanh nghiệp. Tương tự,

nếu một sự gia tăng hàng tồn kho khi lượng hàng bán vẫn không thay đổi có

thể xem là năng suất lao động tăng, chi phí khấu hao trên một sản phẩm giảm,

giảm thiểu rủi ro thiếu hụt hàng gia tăng hiệu quả tài chính doanh nghiệp.

Với một nền kinh tế mà thị trường vốn chưa phát triển, các doanh

nghiệp sản xuất lại có tỷ lệ nợ dài hạn/ tổng tài sản chỉ ở mức thấp việc gia

tăng hàng tồn kho sẽ gây sức ép lên việc cân đối vốn luân chuyển, gia tăng rủi

ro về thanh khoản, vì thế trong ngắn hạn doanh nghiệp có thể vận dụng các

khoản phải trả người bán như là một công cụ tín dụng ngắn hạn, nhằm giải

quyết các vấn đề thanh khoản của doanh nghiệp. Do vậy, việc gia tăng hàng

tồn kho phải được cân đối trong tổng thể vốn luân chuyển, cân đối trong lượng

tiêu thụ hàng hóa và khả năng cung cấp nguyên vật liệu của người bán. Vì vậy,

thước đo CCC gồm các thành phần DSO, DIO và DPO sẽ phù hợp hơn thước

đo OCC chỉ gồm DSO và DIO trong việc giải thích tính thanh khoản, hiệu quả

tài chính doanh nghiệp trong ngắn hạn.

PHẦN III. KẾT LUẬN

1. KẾT LUẬN CHO BÀI NGHIÊN CỨU

Đề tài này nghiên cứu các thước đo đặc trưng dùng quản lý dòng tiền của công

ty và mối quan hệ thực nghiệm giữa các thước đo dòng tiền với hiệu quả tài chính

cho các công ty sản xuất niêm yết ở Việt Nam giai đoạn từ Quý 2/2012 – Quý

1/2015. Việc sử dụng mô hình GEE trong phân tích hồi quy có mẫu dữ liệu tương

quan cao về thời gian là phương pháp tiếp cận phù hợp trong việc nghiên cứu mối

quan hệ giữa các thước đo dòng tiền và hiệu quả tài chính theo quan điểm động

mà các nghiên cứu trước đây ở Việt Nam chưa từng đề cập tới. Trong nghiên cứu

này, mô hình GEE còn được sử dụng để thực hiện các kiểm định nhân quả Granger

nhằm kiểm soát vấn đề nội sinh và kiểm định Robustness cho kết quả hồi quy

được tìm thấy.

Kết quả nghiên cứu định lượng đã lần lượt trả lời các câu hỏi đặt ra : Đó là sự

thay đổi trong Chu kỳ luân chuyển khoản phải thu (DSO) , Chu kỳ luân chuyển

tiền mặt (CCC) và Chu kỳ luân chuyển tiền mặt hoạt động (OCC) có tương quan

nghịch chiều với sự thay đổi hiệu quả tài chính doanh nghiệp, còn Chu kỳ luân

chuyển tồn kho (DIO) lại có thuận chiều với hiệu quả tài chính. Thời điểm và khả

năng duy trì tác động của các thước đo dòng tiền lên hiệu quả tài chính là không

giống nhau, DSO có tác động duy trì dài nhất 05 quý liên tiếp; DIO có tác động

duy trì ngắn nhất chỉ đúng 01 quý. DSO và DIO có tác động ngay lập tức lên hiệu

quả tài chính. CCC, OCC có tác động ngay sau đó một quý, CCC duy trì trong 03

quý liên tiếp còn OCC duy trì trong 02 quý liên tiếp.

Kết quả kiểm định quan hệ nhân quả Granger cho thấy không có hiện tương

nội sinh xảy ra giữa các thước đo của dòng tiền với hiệu quả tài chính, nói cách

khác là các thước đo dòng tiền không phải là sản phẩm phụ từ sự thay đổi hiệu

quả tài chính công ty. Kết quả kiểm định Robustness cho thấy các kết quả hồi quy

GEE là vững chắc và đáng tin cậy.

Nghiên cứu này tìm thấy Chu kỳ luân chuyển tiền mặt (CCC) có mối tương

quan với hiệu quả tài chính (Tobins_Q); Chu kỳ luân chuyển tiền mặt (CCC) giải

thích cho sự thay đổi hiệu quả tài chính (Tobins_Q) tốt hơn là Chu kỳ luân chuyển

tiền hoạt động (OCC) và Chu kỳ luân chuyển hàng tồn kho (DIO) có mối tương

quan thuận chiều với hiệu quả tài chính. Đây là các kết quả hoàn toàn không giống

với kết quả nghiên cứu trước đó của Kroes và cộng sự (2014). Sự khác biệt điều

kiện kinh tế, đặc thù doanh nghiệp của mẫu nghiên cứu khảo sát có lẽ là nguyên

nhân khiến hai kết quả nghiên cứu có chút khác biệt.

2. HÀM Ý CHO NHÀ QUẢN LÝ

Bài nghiên cứu mang nhiều hàm ý cho các nhà quản lý, đứng trước bối cảnh

nền kinh tế trong nước và thế giới chưa có dấu hiệu hồi phục và còn tiềm ẩn nhiều

biến động. Sự cạnh tranh ngày một tăng từ sự hội nhập kinh tế, buộc các doanh

nghiệp luôn phải vận động không ngừng để tồn tại, trụ vững và phát triển nhằm

gia tăng giá trị doanh nghiệp. Cải thiện hiệu quả tài chính từ việc điều chỉnh sách

quản lý dòng tiền cũng không ngoài mục đích này. Kết quả nghiên cứu đã cho

thấy tác động của Chu kỳ luân chuyển khoản phải thu (DSO) nhằm cải thiện hiệu

quả tài chính là thước đo duy trì được sự tác động dài nhất lên sự cải thiện chỉ tiêu

Tobins_Q. Vì thế, nếu được chọn lựa giữa rất nhiều các quyết định quản lý dòng

tiền, thì chắc chắn các quyết định giúp rút ngắn DSO mà không ảnh hưởng đến

các hoạt động kinh doanh khác chắc chắn sẽ được ưu tiên thực hiện. Tuy nhiên,

việc lựa chọn thực hiện chính sách tác động vào thước đo nào tùy thuộc còn vào

đặc trưng của lĩnh vực doanh nghiệp hoạt động, khả năng tài chính và kỹ năng

của từng nhà quản lý. Việc kết hợp hài hòa giữa các chính sách quản lý dòng tiền

với các hoạt động quản trị khác nhằm cải thiện tối ưu hiệu quả tài chính, nâng cao

giá trị doanh nghiệp luôn được sự quan tâm của các nhà quản lý. Nghiên cứu này

đã bổ sung thêm một bằng chứng thực nghiệm đặc thù và quan trọng về quản lý

dòng tiền theo quan điểm động tại Việt Nam và nhấn mạnh tầm quan trọng của

chính sách quản lý dòng tiền đối với sự tồn vong, hiệu quả tài chính và giá trị

doanh nghiệp. Đồng thời cũng hàm ý rằng khi thực hiện các chính sách, hoạt động

quản trị khác các nhà quản lý cần xét đến khả năng các chính sách này có tác động

thế nào đến các thước đo dòng tiền? Tiêu cực hay tích cực? để tránh các tác động

tiêu cực lên hiệu quả tài chính có thể có từ sự thay đổi các thước đo dòng tiền

khiến hiệu quả tài chính thay đổi không như mong muốn. Nếu như thực hiện một

chính sách nhằm hỗ trợ bán hàng nhằm hướng tới việc gia tăng doanh thu, cải

thiện các chỉ tiêu tài chính, gia tăng lợi nhuận, cải thiện Tobins_Q. Nhưng phải

xét đến khả năng khi gia tăng doanh thu chắc chắn khoản phải thu sẽ gia tăng,

nhưng nếu xảy ra tình huống tốc độ gia tăng các khoản phải thu nhanh hơn tốc độ

gia tăng doanh thu điều này sẽ dẫn đến DSO dài hơn nghĩa là ta sẽ có Tobins_Q

tụt giảm. Bên cạnh đó, nếu gia tăng doanh thu nhưng năng lực sản xuất không đáp

ứng dẫn đến sụt giảm hàng tồn kho, sụt giảm DIO cũng khiến Tobins_Q tụt giảm.

Do vậy, khi thực hiện chính sách gia tăng doanh thu phải xét đến chính sách này

sẽ tác động thế nào lên sự thay đổi các thước đo dòng tiền của doanh nghiệp (trong

trường hợp này có thể tác động lên cả DSO và DIO) để xây dựng một chính sách

quản trị bán hàng phù hợp với năng lực sản xuất, gia tăng được hiệu quả tài chính

doanh nghiệp.

3. HẠN CHẾ BÀI NGHIÊN CỨU

Tuy bài nghiên cứu đã có những phát hiện mới bổ sung cho các nghiên cứu

tìm hiểu về mối quan hệ giữa chính sách quản lý dòng tiền và hiệu quả tài chính

trước đây, song nghiên cứu này cũng có những hạn chế nhất định đó là chỉ mới

nghiên cứu các công ty trong lĩnh vực sản xuất, số công ty trong mẫu khảo sát

chưa đủ lớn so với nghiên cứu trước đây của Krose và cộng sự (2014). Các dữ

liệu tuy được lấy chi tiết trên báo cáo tài chính doanh nghiệp theo quý vì thế vẫn

mang tính thời điểm. Có thể dữ liệu ngay tại thời điểm ghi nhận cuối mỗi quý

không đại diện cho dữ liệu của các tháng trong quý.

4. HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI

Nghiên cứu chủ đề dòng tiền trong tương lai có thể khắc phục các hạn chế

trên. Mở rộng mẫu nghiên cứu với số công ty nhiều hơn và số kỳ quan sát nhiều

hơn bằng cách thu thập dữ liệu theo tháng. Mở rộng nghiên cứu cho nhiều doanh

nghiệp hoạt động trong các lĩnh vực khác vì mô hình GEE có khả năng mạnh mẽ

trong việc ước lượng các tham số hồi quy của trung bình tổng thể./.

DANH MỤC TÀI LIỆU THAM KHẢO

Tài liệu tiếng Việt

1. Từ Thị Kim Thoa và Nguyễn Thị Uyên Uyên, 2014. Mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh lợi: Bằng chứng thực nghiệm ở Việt Nam. Phát triển & Hội nhập. Số 14 (24), 62-70.

2. Ballinger, G.A., 2004. Using generalized estimating equations for longitudinal

Tài liệu tiếng Anh

3. Bauer, D., 2007. Working capital management: driving additional value within

data analysis. Organizational Research Methods 7 (2), 127–150.

4. Brewer, P.C., Speh, T.W., 2000. Using the balanced scorecard to measure supply chain performance. Journal of Business Logistics 21 (1), 75–93.

AP. Financial Executive 23 (8), 60–63.

5. Capkun, V., Hameri, A.P., Weiss, L.A., 2009. On the relationship between inventory and in manufacturing companies. International Journal of Operations & Production Management 29 (8), 789– 806.

6. Capon, N., Farley, J.U., Hoenig, S., 1990. Determinants of financial performance: a meta-analysis. Management Science 36 (10), 1143–1159.

7. Chen, H., Frank, M.Z., Wu, O.Q., 2005. What actually happened to inventories of American companies between 1981 and 2000? Management Science 51 (7), 1015–1031.

8. Christopher, M., Ryals, L., 1999. Supply chain strategy: its impact on shareholder value. International Journal of Logistics Management 10 (1), 1– 10.

9. Churchill, N.C., Mullins, J.W., 2001. How fast can your company afford to

financial performance

10. Cui. J., 2007. QIC program and model selection in GEE analyses. The Stata

grow? Harvard Business Review 79 (5), 135–142.

11. Deloof, M., 2003. Does working capital management affect profitability of Belgian firms? Journal of Business Finance & Accounting 30 (3–4), 573–587.

12. Dowell, G., Hart, S., Yeung, B., 2000. Do corporate global environmental standards create or destroy market value? Management Science 46 (8), 1059– 1074.

13. Ebben, J.J., Johnson, A.C., 2011. Cash conversion cycle management in small firms:relationships with liquidity, invested capital, and firm performance. Journal of Small Business & Entrepreneurship 24 (3), 381–396.

Journal 7 (2), 209-220.

14. Ehie, I.C., Olibe, K., 2010. The effect of R&D investment on firm value: an examination of US manufacturing and service industries. Int. J. Production Economics 128 (1), 127–135.

15. Farris II, M.T., Hutchison, P.D., 2002. Cash-to-cash: the new supply chain management metric. International Journal of Physical Distribution & Logistics Management 32 (3–4), 288–298.

16. Farris II, M.T., Hutchison, P.D., 2003. Measuring cash-to-cash performance.

17. Fawcett, S.E., Waller, M.A., Fawcett, A.M., 2010. Elaborating a dynamic systems theory to understand collaborative inventory successes and failures. The International Journal of Logistics Management 21 (3), 510–537.

18. Fisher, L.M., 1998. Inside Dell Computer Corporation: Managing Working Capital. Strategy + Business. Available at: 〈http://www.strategy- business.com/article/9571?gko=d8c29〉 (accessed 7.06.12).

19. Gallinger, G., 1997. The current and quick ratios: do they stand up to scrutiny?

The International Journal of Logistics Management 14 (2), 83–91 .

20. Garcia-Teruel, P.J., Martinez-Solano, P., 2007. Effects of working capital management on SME profitability. International Journal of Managerial Finance 3 (2), 164–177.

21. Gardiner, J.C., Luo, Z., Roman, L.A., 2009. Fixed effects, random effects and

Business Credit 99 (5), 24–25.

22. Ghisletta, P., Spini, D., 2004. An introduction to generalized estimating equations and an application to assess selectivity effects in a longitudinal study on very old individuals. Journal of Educational and Behavioral Statistics 29 (4), 421–437.

GEE: What are the differences? Statist Med. 28 (2), 221–239.

23. Gill, A., Biger, N., Mathur, N., 2010. The relationship between working capital management and profitability: evidence from the United States. Business 1–9, http://astonjournals.com/bejvols.html.

24. Gitman, L.J., Moses, E.A., White, I.T., 1979. An assessment of corporate cash

Economics (BEJ-10), Journal and

25. Granger, C.W.J., 1969. Investigating causal relations by econometric models

management. Financial Management 8 (1), 32–41 .

26. Gunasekaran, A., Patel, C., McGaughey, R.E., 2004. A framework for supply chain performance measurement. Int. J. Production Economics 87 (3), 333– 347.

27. Hardin, J.W., Hilbe, J.M., 2003. Generalized Estimating Equations. Chapman

and cross-spectral methods. Econometrica 37 (3), 424–438.

and Hall/CRC Press, Boca Raton, FL.

28. Harrington, L., 1996. Consignment selling: trend or another wild idea? Logistics Frontiers Series: Part III. Transportation & Distribution 37 (6), 45– 48.

29. Hendricks, K.B., Singhal, V.R., 2003. The effect of supply chain glitches on shareholder wealth. Journal of Operations Management 21 (5), 501–522.

30. Hennessy, C.A., 2004. Tobin's Q, debt overhang, and investment. The Journal

31. Hofmann, E., Kotzab, H., 2010. A supply-chain oriented approach of working

of Finance 59 (4),1717–1742.

32. Horton, N., Lipsitz, S., 1999. Review of Software to Fit Generalized Estimating Equation Regression Models. The American Statistician, Vol. 53, 160-169.

33. Hsiao, C., 2007. Panel data analysis – advantages and challenges. Test 16 (1),

capital management. Journal of Business Logistics 31 (2), 305–330.

34. Hu, F.B., Goldberg, J., Hedeker, D., Flay, B.R., Pentz, M.A., 1998. Comparison of population-averaged and subject-specific approaches for analyzing repeated binary outcomes. American Journal of Epidemiology 147 (7), 694–703.

35. Hubbard, A.E., Ahern, J., Fleischer, N.L., Van der Lann, M., Lippman, S.A., Jewell, N., Bruckner, T., Satariano, W.A., 2010. To GEE or not to GEE: comparing population average and mixed models for estimating the associations between risk factors and health. Epidemiology 21 (4), 467–474.

36. Hui, Y.V., Leung, L.C., Huang, J.S., 1993. Analysis of correlated risky cash

1–22.

37. Hult, G.T.M., Ketchen Jr., D.J., Griffith, D.A., Chabowski, B.R., Hamman, M.K., Dykes, B.J., Pollitte, W.A., Cavusgil, S.T., 2008. An assessment of the measurement of performance in international business research. Journal of International Business Studies 39 (6),1064–1080.

38. King, A.A., Lenox, M.J., 2002. Exploring the locus of profitable pollution

flow. International Journal of Production Economics 32 (3), 269–277.

39. Klingenberg, B., Timberlake, R., Geurts, T.G., Brown, R.J., 2013. The relationship of operational innovation and financial performance – a critical perspective. Int. J. Production Economics 142 (2), 317–323.

40. Kroes, J., Manikas, A., 2014. Cash flow management and manufacturing firm financial performance: A longitudinal perspective. Int. J. Production Economics 14 8 (2014) 37 – 50

41. Kroes, J., Subramanian, R., Subramanyam, R., 2012. Operational compliance levers, environmental performance, and firm performance under cap and trade

reduction. Management Science 48 (2), 289–299.

42. Koumanakos, D.P., 2008. The effect of inventory management on firm Journal of Poductivity and Performance

regulation. Manufacturing & Service Operations Management 14 (2), 186– 201 .

43. Lieberman, M.B., Demeester, L., 1999. Inventory reduction and productivity growth: linkages in the Japanese automotive industry. Management Sciences 45 (4), 466–485

44. Lindenberg, E.B., Ross, S.A ., 1981. Tobin's q ratio and industrial

performance. International Management 57 (5), 355–369.

45. Milgrom, P., Roberts, J., 1988. Communication and inventory as substitutes in organizing production. Scand Journal of Economics 90 (3), 275–289.

46. Moran, P., 2011. Competitive edge: how early payment discounts can help

organization. The Journal of Business 54 (1), 1–32.

47. Moss, J.D., Stine, B., 1993. Cash conversion cycle and firm size: a study of

your business. Accountancy Ireland 43 (1), 41–43.

48. Myers, M.B., Daugherty, P.J., Autry, C.W., 2000. The effectiveness of automatic inventory replenishment in supply chain operations: antecedents and outcomes. Journal of Retailing 76 (4), 455–481 .

49. Nerlove, M., 2005. Essays in Panel Data Econometrics. Cambridge University

retail firms. Managerial Finance 19 (8), 25–34.

50. Özbayraka, M., Akgün, M., 2006. The effects of manufacturing control strategies on the cash conversion cycle in manufacturing systems. Int. J. Production Economics 103 (2), 535–550.

51. Pan, W., 2001. Akaike's information criterion in generalized estimating

Press, Cambridge, England.

52. Quinn, M., 2011. Forget about profit, cash flow is king. Wall Street Journal.

equations. Biometrics 57 (1), 120–125.

53. Raghavan, N.S., Mishra, V.K., 2011. Short-term financing in a cash- constrained supply chain. Int. J. Production Economics 134 (2), 407–412.

54. Randall, W.S., Farris II, M.T., 2009. Supply chain financing: using cash-to- cash variables to strengthen the supply chain. International Journal of Physical Distribution & Logistics Management 39 (8), 669–689.

55. Richards, V.D., Laughlin, E.J., 1980. A cash conversion cycle approach to

(accessed 15.07.2012) from).

liquidity analysis. Financial Management 9 (1), 32–38.

56. Shah, R., Shin, H., 2007. Relationships among information technology, inventory, and profitability: an investigation of level invariance using sector level data. Journal of Operations Management 25 (4), 768–784.

57. Singhal, V., 2005. Excess Inventory and Long-term Stock Price Performance.

58. Soenen, L.A., 1993. Cash conversion cycle and corporate profitability.

Working Paper. Georgia Institute of Technology.

59. Stancill, J., 1987. When is there cash in cash flow? Harvard Business Review.

Journal of Cash Management 13 (4), 53–57.

60. Stewart, G., 1995. Supply chain performance benchmarking study reveals keys to supply chain excellence. Logistics Information Management 8 (2), 38– 44.

61. Swamidass, P.M., 2007. The effect of TPS on US manufacturing during 1991– 1998: inventory increased or decreased as a function of plant performance. International Journal of Production Research 45 (16), 3763–3778.

62. Swaminathan, J.M., Smith, S.F., Sadeh, N.M., 1998. Modeling supply chain

(March–April), 38–49.

63. Tangsucheeva, R., Prabhu, V., 2013. Modeling and analysis of cash-flow bullwhip in supply chain. Int. J. Production Economics 145 (1), 431–447.

64. Timme, S.G., Wanberg, E., 2011. How supply chain finance can drive cash

dynamics: a multiagent approach. Decision Sciences 29 (3), 607–632.

65. Tsai, C., 2011. On delineating supply chain cash flow under collection risk.

flow. Supply Chain Management Review (January/February), 18–24.

66. Wernerfelt, B., Montgomery, C.A., 1988. Tobin's Q and the importance of focus in firm performance. The American of Economic Review 78 (1), 246– 250.

67. Wort, D.H., Zumwalt, J.K., 1985. The trade discount decision: a Markov chain

Int. J. Production Economics 129 (1), 186–194.

68. Zeger, S.L., Liang, K.Y., 1986. Longitudinal data analysis for discrete and

approach. Decision Sciences 16 (1), 43–56.

continuous outcomes. Biometrics 42 (1), 121–130

69. http://vietstock.vn, 70. http://www.bsc.com.vn 71. http://www.cophieu68.vn

Tài liệu từ internet

PHỤ LỤC

PHỤ LỤC 1: Phân tích tương quan và các kiểm định.

1. Tương quan tĩnh giữa các thước đo dòng tiền với Tobins_Q

Các quan sát tĩnh của thước đo dòng tiền và hai biến kiểm soát có tương quan

cao với Tobins_Q với mức ý nghĩa 1%.

2. Tương quan cùng chuỗi giữa các biến trong mô hình.

Kết quả kiểm định tương quan cho thấy có sự tương quan mạnh trong chuỗi

quan sát với mức ý nghĩa 1%.

3. Tương quan khác chuỗi.

Kết quả tương quan khác chuỗi với các biến trễ cho thấy mức độ tương quan cao

giữa các biến quan sát ở mức ý nghĩa 1%.

4. Kiểm định tương quan chuỗi giữa 03 biến ΔDSO, ΔDIO, ΔDPO

5. Kiểm định hiện tượng đa cộng tuyến giữa các biến trong mô hình (1)

6. Kiểm định lựa chọn mô hình hiệu ứng phù hợp 6.1. Kết quả kiểm định Hausman test

6.2. Kết quả kiểm định Breusch-Pagan Lagrange Multiplier Test

7. Chỉ tiêu QIC và QICu của ma trận tương chuyển đổi indepence và

unstructured.

7.1. QIC và QICu của hồi quy GEE mô hình (1): Kết quả cho thấy

QIC/indepence = 32.936> QIC/unstructured = 31.377 nhưng

QICu/indepence = 52.779 < QICu/unstructured= 52.808. Điều đó, cho thấy

việc chọn lựa ma trận tương quan chuyển đổi là Indepence dùng phân tích

hồi quy và ma trận tương quan chuyển đổi Unstructured cho kiểm định

robustness là hoàn toàn phù hợp mô hình (1).

o Kết quả QIC và QICu của GEE/Indepence

o Kết quả QIC và QICu của GEE/Unstructured

7.2. QIC và QICu của hồi quy GEE mô hình (2): Tương tự, kết quả cho

thấy QIC/indepence = 23.747 > QIC/unstructured = 23.222 nhưng

QICu/indepence = 32.833 < QICu/unstructured = 32.899. Điều đó, cho

thấy việc chọn lựa ma trận tương quan chuyển đổi là Indepence cho

phân tích hồi quy và ma trận tương quan chuyển đổi Unstructured cho

kiểm định robustness là hoàn toàn phù hợp với mô hình (2).

o Kết quả QIC và QICu của GEE/Indepence

o Kết quả QIC và QICu của GEE/Unstructured

7.3. QIC và QICu của hồi quy GEE mô hình (3): Tương tự, kết quả cho

thấy QIC/indepence = 23.642 > QIC/unstructured = 23.027 nhưng

QICu/indepence = 32.879 < QICu/unstructured = 32.893. Điều đó, cho

thấy việc chọn lựa ma trận tương quan chuyển đổi là Indepence trong

phân tích hồi quy và ma trận tương quan chuyển đổi Unstructured cho

kiểm định robustness là hoàn toàn phù hợp với mô hình (3).

o Kết quả QIC và QICu của GEE/Indepence

o Kết quả QIC và QICu của GEE/Unstructured

PHỤ LỤC 2: Các kết quả hồi quy GEE, Granger, Robustness.

BẢNG 3.3. Kết quả hồi quy GEE của mô hình thành phần (1).

BẢNG 3.4. Kết quả hồi quy GEE mô hình tổng hợp (2) và (3)

Mô hình tổng hợp (2)

Mô hình tổng hợp (3)

BẢNG 3.6. Kết quả kiểm định nhân quả Granger: ΔDSOit→ ΔTobins_Qit

Cột 1. LagΔY→ΔY :

Cột 2. (LagΔY + LagΔX) →ΔY:

Cột 3. LagΔX →ΔX :

Cột 4. (LagΔX + LagΔY) →ΔX :

BẢNG 3.7. Kết quả kiểm định nhân quả Granger: ΔDIOit→ ΔTobins_Qit

Cột 5. (LagΔY + LagΔX) →ΔY:

Cột 6. LagΔX →ΔX :

Cột 7. LagΔX →ΔX :

BẢNG 3.8. Kết quả kiểm định nhân quả Granger: ΔCCCit→ ΔTobins_Qit

Cột 8. (LagΔY + LagΔX) →ΔY:

Cột 9. LagΔX →ΔX:

Cột 10. (LagΔX + LagΔY) →ΔX:

BẢNG 3.9. Kết quả kiểm định nhân quả Granger: ΔOCCit→ ΔTobins_Qit

Cột 11. (LagΔY + LagΔX) →ΔY:

Cột 12. LagΔX →ΔX:

Cột 13. (LagΔX + LagΔY) →ΔX:

BẢNG 3.10. Kết quả kiểm định Robustness các biến có ý nghĩa thống kê

Cột 14. GEE – Unstructured : Mô hình thành phần (1)

Cột 15. GEE – Unstructured : Mô hình tổng hợp (2)

Cột 16. GEE – Unstructured : Mô hình tổng hợp (3)

BẢNG 3.11. Kết quả kiểm định Robustness các các hệ số hồi quy.

Cột 17. Kết quả hồi quy mô hình hiệu ứng ngẫu nhiên: Mô hình thành phần (1)

Cột 18. Kết quả hồi quy mô hình hiệu ứng ngẫu nhiên: Mô hình tổng hợp (2)

Cột 19. Kết quả hồi quy mô hình hiệu ứng ngẫu nhiên: Mô hình tổng hợp (3)

Luận văn Thạc sĩ Kinh tế: Tác động của chính sách quản lý dòng tiền đến hiệu quả tài chính doanh nghiệp Việt Nam (Mô hình GEE – Generalized Estimating Equations)

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH --------o0o---------

NGUYỄN VĂN ĐẠO

TÁC ĐỘNG CỦA CHÍNH SÁCH QUẢN LÝ DÒNG TIỀN ĐẾN

HIỆU QUẢ TÀI CHÍNH DOANH NGHIỆP VIỆT NAM (MÔ HÌNH

GEE - Generalized Estimating Equations).

LUẬN VĂN THẠC SĨ KINH TẾ

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH --------o0o---------

NGUYỄN VĂN ĐẠO

TÁC ĐỘNG CỦA CHÍNH SÁCH QUẢN LÝ DÒNG TIỀN

ĐẾN HIỆU QUẢ TÀI CHÍNH DOANH NGHIỆP VIỆT NAM (MÔ

HÌNH GEE-Generalized Estimating Equations).

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC: TS.VŨ VIỆT QUẢNG

LỜI CAM ĐOAN

DANH MỤC TỪ VIẾT TẮT

DANH MỤC SƠ ĐỒ VÀ BẢNG BIỂU

TÓM TẮT

MỤC LỤC

PHẦN I : GIỚI THIỆU TỔNG QUAN ĐỀ TÀI

PHẦN II. NỘI DUNG NGHIÊN CỨU

CHƯƠNG 1. TỔNG QUAN LÝ THUYẾT VỀ MỐI QUAN HỆ GIỮA

THƯỚC DO

MÔ TẢ

CÔNG THỨC

CHƯƠNG 2 : PHƯƠNG PHÁP NGHIÊN CỨU

−1(𝑌𝑖 − 𝜇𝑖) = 0

CHƯƠNG 3 : KẾT QUẢ NGHIÊN CỨU

LagΔY→ΔY

LagΔX→ΔX

(1)

LagΔY+ LagΔX →ΔY (2)

(3)

LagΔX+ LagΔY →ΔX (4)

Hằng số

ΔTobins_Qit-1

ΔTobins_Qit-2

ΔTobins_Qit-3

ΔTobins_Qit-4

ΔDSOit-1

ΔDSOit-2

ΔDSOit-3

ΔDSOit-4

QIC QICu

30.058 26.291

32.582 34.257

5974322.193 5974297.755

5969673.321 5969654.066

LagΔY→ΔY

LagΔX→ΔX

(1)

LagΔY+ LagΔX →ΔY (5)

(6)

LagΔX+ LagΔY →ΔX (7)

Hằng số

ΔTobins_Qit-1

ΔTobins_Qit-2

ΔTobins_Qit-3

ΔTobins_Qit-4

ΔDIOit-1

ΔDIOit-2

ΔDIOit-3

ΔDIOit-4

QIC QICu

30.058 26.291

32.681 34.259

12950026.653 12950017.322

12949209.911 12949206.520

LagΔY→ΔY

LagΔX→ΔX

(1)

LagΔY+ LagΔX →ΔY (8)

(9)

LagΔX+ LagΔY →ΔX (10)

Hằng số

ΔTobins_Qit-1

ΔTobins_Qit-2

ΔTobins_Qit-3

ΔTobins_Qit-4

ΔCCCit-1