ĐẠI HỌC UEH
TRƯỜNG KINH DOANH UEH
KHOA TÀI CHÍNH

TIỂU LUẬN MƠN KINH TẾ LƯỢNG TÀI CHÍNH

ĐỀ TÀI: CÁC NHÂN TỐ ẢNH HƯỞNG
ĐẾN CẤU TRÚC VỐN CỦA CÁC
CÔNG TY BẤT ĐỘNG SẢN VIỆT NAM
Họ và tên: Nguyễn Tiến Đạt
MSSV: 31201022479
Lớp: FR001
Giảng viên hướng dẫn: Nguyễn Thị Hồng Nhâm
Mã học phần: 22C1FIN50500402
Thông tin liên lạc:

Thành phố Hồ Chí Minh,2022


Phần 1. Đề tài: Các nhân tố ảnh hưởng đến cấu trúc vốn của các
công ty bất động sản Việt Nam
1.

Phương pháp nghiên cứu

Dữ liệu thu thập để phục vụ cho mơ hình nghiên cứu là dữ liệu bảng. Đối tượng
nghiên cứu là 50 doanh nghiệp trong nhóm ngành xây dựng và bất động sản
đang được niêm yết trên sở giao dịch chứng khốn Hồ Chí Minh (HOSE) và Sở
giao dịch chứng khoán Hà Nội (HNX), Thời gian quan sát từ 2015 đến 2021.
2.

Biến phụ thuộc

Việc đánh giá cấu trúc vốn của mơt doanh nghiệp có thể thơng qua hệ số tỉ lệ nợ
trên tổng tài sản. Hệ số này cho thấy mức độ sử dụng nguồn nợ vay của doanh
nghiệp từ đó đánh giá được tình hình tài chính, khả năng kinh doanh cũng như
mức rủi ro mà doanh nghiệp đang gặp phải.
Công thức của hệ số:
Hệ số tổng nợ = Tổng nợ / Tổng tài
sản Hay
- Tổng nợ/ TTS ( TLV)
3.

Biến độc lập

Dựa vào các nghiên cứu trước, các biến giải thích được sử dụng trong bài bao
gồm:
 Quy mô doanh nghiệp
Quy mô doanh nghiệp càng lớn, khả năng mở rộng khả năng sản xuất và hoạt
động càng cao, cũng như dễ dàng tiếp cận với những hình thức vay vốn như
ngân hàng và các tổ chức tín dụng. Theo lý thuyết đánh đổi, quy mô doanh
nghiệp tỉ lệ nghịch với khả năng phá sản. Đồng thời với quy mơ lớn và ổn định
doanh nghiệp có thể hoạt động tốt hơn từ đó cấu trúc vốn của doanh nghiệp
cũng thay đổi.
 Cơ cấu tài sản
Về mặt lý thuyết, tỉ lệ tài sản cố định càng lớn, doanh nghiệp càng có cơ hội thế
chấp tài sản để tiếp cận các nguồn vốn bên ngoài.
 Tốc độ tăng trưởng


Đại diện cho sự tăng trưởng của công ty, ảnh hưởng cho quyết định đầu tư của

doanhnghiệp. Tốc độ tăng trưởng cao, cơng ty có kết quả kinh doanh khả quan từ
đó khả năng vay nợ càng lớn
 Tính thanh khoản
Khả năng thanh tốn nhanh có ảnh hưởng đến cấu trúc vốn của một doanh
nghiệp. Theo lý thuyết đánh đổi, doanh nghiệp có thể sử dụng các khoản nợ để
thanh tốn bởi cần phải duy trì được khả năng thanh tốn cao. Lý thuyết này nói
rằng khả năng thanh tốn của doanh nghiệp có mối quan hệ cùng chiều với tỷ lệ
nợ trên tổng tài sản.
 Thời gian thành lập công ty
Đại diện cho tuổi của doanh nghiệp, cũng như thời kì doanh nghiệp được hình
thành, một doanh nghiệp thành lập lâu năm sẽ thiết lập được một đinh hướng
phát triển bền vững cho doanh nghiệp, đồng thời tăng khả năng tín nhiệm cho
các khoản nợ vay
Các giả thuyết nghiên cứu
Giả thiết 1. Quy mơ doanh nghiệp có tương quan thuận với cấu trúc vốn
Giả thiết 2. Cơ cấu tài sản có tương quan thuận với cấu trúc vốn
Giả thiết 4. Tốc độ tăng trưởng có tương quan dương/ âm với cấu trúc vốn
Giả thiết 5. Tính thanh khoản có tương quan ngược chiều với cấu trúc vốn
Giả thiết 6. Thời điểm thành lập có tương quan ngược chiều với cấu trúc
vốn.
Bảng 3.1 Tóm tắt các biến

Viết tắt
TLV

Giải thích

Tương
kì vọng


Đại diện cho cấu trúc vốn
(tỉ suất tổng nợ trên tổng tài
sản, đơn vị:%)

SIZE

Quy mô doanh nghiệp ( giá trị (+)
tổng tài sản, đơn vị: Tỉ đồng)

TANG

Cơ cấu tài sản (Tài sản cố
định/TTS)

(+)

quan


ROE

tỷ suất sinh lời trên vốn chủ sở (+/-)
hữu ( đơn vị %) (ROE) thể hiện
cho tốc độ tăng trưởng. Chỉ số
ROE là tỷ lệ lợi nhuận công ty
giữ lại và sử dụng để sinh lời
trong tương lai

LIQUID


Tính thanh khoản (Tài sản lưu (-)
động/ nợ ngắn hạn, đơn vị: lần)

TIME

Thời điểm thành lập:

(-)

Trước 2000: 1
2000 - 2005: 2
2006 - 2022: 3

4.

Phương pháp đo lường

TLV =

α+ β1X 1+ β2 X 2 + β3X 3 + β4 X 4 + β5 X 5 + e

Biến phụ thuộc: TLV
Biến độc lập:

X1: Quy mô TTS
X2: Tỉ lệ tài sản cố định hữu hình
X3: Tốc độ tăng trưởng doanh thu
X4: Tính thanh khoản
X5: thời điểm thành lập


α: Hệ số tự do
e: sai số ngẫu nhiên
β1, β2, β3, . . .: Các hệ số hồi quy
5.

Kết quả nghiên cứu
5.1 Thống kê mô tả

Các mẫu nghiên cứu được thu thập được từ báo cáo tài chính được kiểm toán của 50
DN ngành bất động sản được niêm yết trên Sở giao dịch chứng khốn TP.Hồ Chí


Minh và Sở giao dịch TP. Hà Nội trong giai đoạn 2015-2021, tổng quan sát là 350
mẫu.
Bảng 1. Bảng thống kê mô tả của mẫu nghiên cứu

Tên biến

Số quan sát Trung bình

Độ lệch chuẩn

Giá trị nhỏ nhất Giá trị lớn nhất

YEARS

350

2018


2.002863

2015

2021

TLV

350

53.90794

19.38452

3.25

88.9

SIZE

350

12500.75

26745.67

144

230516


TANG

350

.084393

.13043

0

.7240799

ROE

350

11.12863

11.37746

-60.78

60.62

LIQUID

350

2.411662


2.307533

.23

19.66

TIME

350

2.28

.7232528

1

3

MCK

350

25.5

14.45153

1

50
(Nguồn:

Từ Stata 17)

Bảng 2. Ma trận hệ số tương quan
Tên biến
TIME
LIQUID
ROE
TANG

TIME

LIQUI
D

ROE

Tự tương quan

1

Hệ số Sig.
Tự tương quan
Hệ số Sig.
Tự tương quan
Hệ số Sig.
Tự tương quan
Hệ số Sig.

0.0843
0.1155

-0.1348
0.0116
-0.051
0.3418

1
0.1033
0.0535
-0.0654
0.2226

1

Tự tương quan

-0.0668

-0.0856

0.1524

Hệ số Sig.

0.2126

0.1101

0.0043

Tự tương quan


-0.2982

-0.4936

0.0861

-0.046
1
0.389
5
0.059

Hệ số Sig.

0

0

0.1078

0.271

-0.0618
0.2485

SIZE

TLV


TAN
G

SIZE

TLV

1
1

0.136
0.010
1
9


Phân tích tương quan:
Bảng ma trận hệ số tương quan các biến cho thấy các hệ số tương quan về giá trị tuyệt
đối đều nhỏ hơn 0.8, cho thấy các biến độc lập đưa vào mơ hình khơng có mối tương
quan.
Theo đó ta thấy được hệ số tương quan lớn nhất thuộc về biến SIZE với 0.136 và đây
là tương quan thuận chiều với biến độc lập như giải thiết 1 đã đề cập. Tương tự như
thế với Tang (0.059) tương quan thuận, ROE (0.0861) tương quan thuận, LIQUID(0.4936) và TIME(-0.2982) có tương quan ngược chiều.
5.2 Kiểm định hiện tượng đa cộng tuyến:
Dùng câu lệnh vif trên Stata:
Bảng 3. Kiểm định đa cộng tuyến

Tên biến

VIF


1/VIF

ROE

1.06

0.942169

SIZE

1.04

0.963027

LIQUID

1.03

0.966638

TIME

1.03

0.967669

TANG

1.01


0.987648

Mean VIF

1.04

(Nguồn: Từ Stata 17)
Chỉ tiêu giúp phát hiện đa cộng tuyến là VIF hay còn gọi là hệ số phóng đại phương
sai.
Nếu VIF > 2, nhiều khả năng xảy ra hiện tượng đa cộng tuyến. Nhìn vào bảng 3 ta
thấy, các biến độc lập đều có VIF < 2, như vậy hiện tượng đa cộng tuyến khơng xảy
ra.
* Kiểm định tính dừng cho dữ liệu dạng bảng
Thực hiện câu lệnh xtunitroot fisher < tên biến >, dfuller lag(0)
Kết quả như sau:
Statistic P-value
TLV
P
202.3642 0
Z
-0.9685
0.1664
L*
-3.0621
0.0012
Pm
7.2382
0
ROE

P
207.6857 0
Z
-1.9361
0.0264
L*
-4.1491
0
Pm
7.6145
0
SIZE
P
96.2651 96.2651
Z
5.7571
5.7571


L*
Pm
tANG
P
Z
L*
Pm
LIQUID P
Z
L*
Pm

TIME
P
Z
L*
Pm

6.3908
-0.2641
352.1987
-3.6581
-9.2733
17.8331
292.4823
-5.0113
-8.2111
13.6106
0
.
.
-7.0711

6.3908
-0.2641
0
0.0001
0
0
0
0
0

0
1
.
.
1

5.3 Hồi quy dữ liệu theo mơ hình Pooled OLS
Bảng 4. Kết quả hồi quy Pooled

TLV

Coefficient

Std. err.

t

P>t

Beta

SIZE

0.0000478

0.0000327

1.46

0.145


0.0659737

TANG

3.650887

6.624499

0.55

0.582

0.0245652

ROE

0.160871

0.0777539

2.07

0.039

0.0944209

LIQUID

-3.998142


0.378488

-10.56

0

-0.4759388

TIME

-6.425155

1.20692

-5.32

0

-0.239728

_cons

75.50335

3.276822

23.04

0


.

Prob > F

=

0

R-squared

=

0.325

Adj
R-squared

=

0.3152

Nguồn:Stata 17

Với hệ số R-squared = 0.325, tức mơ hình nghiên cứu có thể giải thích được 32.5%
thơng tin trong thực tế.


Vì đã kiểm tra mơ hình khơng bị đa cộng tuyến như trên sau đó tiến hành kiểm định
mơ hình có hiện tượng phương sai thay đổi hay khơng bằng lệnh imtest,white trong

Stata. Kết quả thu được như sau:
chi2(20) = 133.38
Prob > chi2 = 0.0000
Vì giá trị Sig. = 0< 5% nên kết luận mơ hình có hiện tượng phương sai thay đổi.
Sau đó tiếp tục kiểm tra sự tự tương quan của mơ hình bằng câu lệnh xtserial, kết quả
thu được như sau:
F( 1, 49) =
37.265
Prob > F =
0.0000
Kết luận: mơ hình Pool vừa có hiện tượng phương sai thay đổi và hiện tượng tự tương
quan, nên phải tiến hành xây dựng 2 mơ hình FEM và REM để khắc phục.
5.4 Hồi quy dữ liệu theo mơ hình
FEM. Bảng 5. Kết quả hồi quy
FEM
Coefficien
TLV
Std. err.
P>t.
t
-0.000032 0.000033
SIZE
0.335
3
4
TANG

-14.6525

8.893913


ROE

-0.112804

LIQUID

-2.415649

TIME

0

0.063277
4
0.293696
9
(omitted)

_cons

62.62976

1.408421

R-square
d:

Overall =
0.1603


Nguồn
Stata 17

Prob > F

=0.0000

0.101
0.076
0.000

0.000

Gía trị Sig. của biến ROE TANG SIZE tương đối lớn, chỉ có Sig của LIQUID là <5%
R-squared = 16% < 50%
5.5 Hồi quy dữ liệu theo mơ hình
REM Bảng 6. Kết quả hồi quy
mơ hình REM
TLV
Coefficient
SIZE
-0.0000121
TANG
-9.326135
ROE
-0.0799997
LIQUID
-2.608988
TIME

-7.576597
_cons
79.30261
Prob > =
chi2
0.0000

Std. err.
0.0000317
7.891209
0.0621702
0.2902399
2.620059
6.42978

P>z
0.703
0.237
0.198
0
0.004
0


Overall =
Nguồn: Stata17
0.2713
Các biến có giá trị Sig <5%: LIQUID và TIME
Mơ hình có phần trăm giải thích là 27.13%
5.6. Lựa chọn giữa các mơ hình POOLED, FEM, REM.

Do mơ hình Pooled đồng thời mắc phải 2 hiện tượng phương sai thay đổi và hiện
tượng tự tương quan nên ta chỉ tiến hành so sánh giữa mơ hình FEM và REM.
Chạy câu lệnh hausman fe re với 2 giả thiết
H0: Chấp nhận mơ hình REM
H1: Chấp nhận mơ hình FEM
Nếu Sig. > 5% chấp nhận H0
Nếu Sig.< 5% chấp nhận H1
Kết quả nhận được:
R-squared:

chi2(3) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 57.45
Prob > chi2 = 0.0000 <5%
Vậy chấp nhận mơ Hình FEM và tiến hành kiểm định các hiện tượng xung quanh mơ
hình FEM.
*Kiểm định hiện tượng tự tương quan cho mơ hình FEM
Kết quả như sau:
F(1,49) = 37.265
Prob > F = 0.0000
FEM vẫn gặp hiện tượng tự tương quan.
*Kiểm định hiện tượng phương sai thay đổi:
Câu lệnh xttest3, cho kết quả như sau:
chi2 (50) = 45205.76
Prob>chi2 =
0.0000 <5%
Kết luận: Mơ hình FEM vừa mắc phải hiện tượng tự tương quan và hiện tượng
phương sai thay đổi.
5.7 Hồi quy theo mơ hình Between:
Sử dụng câu lệnh: xtreg TLV SIZE TANG ROE LIQUID TIME, be
Bảng 7. Kết quả kiểm định theo mơ hình Between:

TLV

Coefficient Std. err.

t

P>t

SIZE
TANG
ROE
LIQUID
TIME
_cons

0.0000315
7.330048
0.5347453
-6.255589
-5.031718
73.50289

0.36
0.46
2.2
-5.02
-1.9
9.61

0.72

0.647
0.033
0
0.065
0

0.0000875
15.87956
0.2426845
1.246815
2.653885
7.651938


5.8 Hồi quy GLS.
Theo tiến trình thực hiện phân tích các mơ hình: do hồi quy mơ hình Pooled gặp hiện
tượng tự tương quan và hiện tương phương sai thay đổi do đó ta tiến hành kiểm định
tiếp 2 mơ hình FE và RE. Kết quả lựa chọn giữa 2 mơ hình là FEM là mơ hình tối ưu
ơn, tuy nhiên mơ hình FE vẫn mắc phải 2 hiện tượng tự tương quan và phương sai
thay đổi vì thế ta cần tìm một mơ hình thích hợp hơn. Ta tiến hành khắc phục hiện
tượng này bằng mơ hình GLS.
xtgls TLV SIZE TANG ROE LIQUID TIME,panels(h) corr(ar1)
Cho kết quả như sau:
Bảng 8. kết quả mơ hình GLS
TLV

Coefficient

Std. err.


P>z

SIZE
0.0000872 0.0000283 0.002
TANG
1.677096
5.572509 0.763
ROE
-0.0608105 0.0474243 0.2
LIQUID -3.109533 0.3147408 0
TIME
-4.77235
1.188554 0
_cons
72.58268
3.047657 0
Sau đó tiến hành so sánh tất cả các mơ hình đã triển khai:
esttab pool fe re gls,r2 star(* 0.1 ** 0.05 *** 0.01) brackets nogap
Bảng 9.Kết quả so sánh giữa Pool, FE, RE và GLS
SIZE
0.0000478
-0.0000323 -0.0000121 0.0000872***
[1.46]
[-0.97]
[-0.38]
[3.08]
TANG
3.651
-14.65
-9.326

1.677
[0.55]
[-1.65]
[-1.18]
[0.30]
ROE
0.161**
-0.113*
-0.08
-0.0608
[2.07]
[-1.78]
[-1.29]
[-1.28]
LIQUID -3.998***
-2.416*** -2.609*** -3.110***
[-10.56]
[-8.22]
[-8.99]
[-9.88]
TIME
-6.425***
0
-7.577*** -4.772***
[-5.32]
[.]
[-2.89]
[-4.02]
_cons
75.50***

62.63***
79.30***
72.58***
[23.04]
[44.47]
[12.33]
[23.82]
N
R-sq

350
0.325

350
0.201

350

350

 Kết luận: Ta thấy ở mơ hình thứ 4 là mơ hình GLS đã khắc phục hiện
tượng tự tương quan và phương sai thay đổi, có các số hiển thị ba sao nhiều
nhất đồng nghĩa là mơ hình có ý nghĩa thống kê với mức mức ý nghĩa 1%,


ngoại trừ các biến như TANG và ROE là không có ý nghĩa thống kê trong
mơ hình này. Tuy nhiên đa số các biến cịn lại vẫn có ý nghĩa thống kê ở
mức 10%, 5% và 1% do đó việc sử dụng mơ hình GLS là phù hợp nhất.
6. Thảo luận kết quả hồi quy.
Từ kết quả của mơ hình GLS cho ta thấy:

Biến SIZE có tác động thuận chiều với biến phụ thuộc TLV và có ý
nghĩa thống kê ở mức 10%. Như vậy, khi biến độc lập SIZE tăng lên 1 đơn
vị thì nó sẽ tác động lên biến phụthuộc TLV làm TLV tăng lên 0.0000872 đơn
vị, nếu giữ các yếu tố khác không đổi. Đúng với giả thiết ban đầu đặt ra.
Biến LIQUID có tác động ngược chiều với biến phụ thuộc TLV và có
ý nghĩa thống kê ở mức 10%. Như vậy, khi biến độc lập LIQUID tăng lên 1
đơn vị thì biến phụ thuộc TLV sẽ giảm 3.110 đơn vị nếu giữ các yếu tố khác
không đổi. Đúng với giả thiết ban đầu đặt ra.
Biến TIME có tác động ngược chiều với biến phụ thuộc TLV và có ý
nghĩa thống kê ở mức 10%. Như vậy, khi biến độc lập TIME tăng lên 1 đơn
vị thì biến phụ thuộc TLV sẽ giảm -4.772 đơn vị nếu giữ các yếu tố khác
không đổi. Đúng với giả thiết ban đầu đặt ra.
Dựa vào kết quả hồi quy ta rút ra được mơ hình như sau:
TLV = 72.58+ 0.0000872SIZE -3.109533LIQUID - 4.77235TIME
Phần 2a) Xây dựng mơ hình ARIMA (p,d,q) theo tiến trình Box-Jenkin và sau đó
thực hiện dự báo (Sinh viên lựa chọn phần mềm Stata để tiến hành xây dựng mơ hình)
2.1 Kiểm định tính dừng chuỗi thời gian đơn biến và xác định (d)
Bước đầu nhận thấy dữ liệu thời gian theo tuần. Tiến hành biến đổi và đưa dữ liệu
chuỗi thời gian cho phù hợp với mơ hình bằng chuỗi câu lệnh:
. gen week = wofd( Date)
. format week %tw
. tsset week
Time variable: week, 2021w51 to 2022w51
Delta: 1 week
Do nhận thấy trong bộ dữ liệu có cột Change% có dữ liệu rất nhỏ, tiến hành đưa các
dữ liệu còn lại về hàm logarit cơ số tự nhiên
. gen logPrice=log(Price)
. gen logOpen=log(Open)
. gen logHigh=log(High)



. gen logLow=log(Low)
Và kiểm định tính dừng cho dữ liệu bằng câu lệnh dfuller Price, lags(0), cho kết quả
như sau:
critical
Test
--------------value
statistic 1%
5%
10%
Z(t)

-0.669

-3.577

-2.928

-2.599

Có thể nhận thấy, giá trị tuyệt đối của hệ số statistic chưa lớn hơn các hệ số còn lại, ta
tiến hành lấy sai phân bậc 1, kết quả như sau:
critical
Test
--------------value
statistic 1%
5%
10%
Z(t)
-6.512 -3.579 -2.929 -2.6

Vậy dữ liệu đã có tính dừng.
Tiến hành tương tự với các cột dữ liệu còn lại đều cho kết quả dữ liệu chỉ có tính
dừng khi thêm sai phân bậc 1:
Test
1%
5%
10%
statistic
Change
Z(t)
-6.751 -3.577 -2.928 -2.599
logLow
Z(t)
-0.881 -3.577 -2.928 -2.599
D.logLow Z(t)
-6.017 -3.579 -2.929 -2.6
logHigh
Z(t)
-0.423 -3.577 -2.928 -2.599
D.logHigh Z(t)
-5.153 -3.579 -2.929 -2.6
logOpen
Z(t)
-0.682 -3.577 -2.928 -2.599
D.logOpen Z(t)
-6.709 -3.579 -2.929 -2.6
Kết luận dữ liệu có tính dừng khi lấy sai phân bậc 1 => (d)=1
2.2 Xác định độ trễ tối ưu (p,q).
Sử dụng Correlogram ACF để xác định giá trị của p bằng lệnh ac D.Price kết quả
biểu đồ như sau:



Từ đây nhận kết quả cho p=2
Tương tự sử dụng Correlogram PACF để xác định giá trị của q bằng lệnh pac D.Price
kết quả biểu đồ như sau:

Nhận các kết quả cho q lần lượng là 1


Từ các kết quả trên ta xây dựng được mô hình Arima như sau:
Arima(2,1,1)
Phụ Lục.
Các hình ảnh từ phần mềm:
Phần 1:
1. Bảng thống kê mô tả

2. Ma trận hệ số tương quan


3. Kết quả hồi quy pooled OLS

4. Kiểm tra hiện tượng đa cộng tuyến


5. Kiểm định hiện tượng phương sai thay đổi

6. Kiểm định hiện tượng tự tương quan

7. Hồi quy Between



8. Hồi quy theo mơ hình FEM

9. Hồi quy theo mơ hình REM


10. Hausman giữa FEM và REM

11.Kiểm định hiện tượng tự tương quan và phương sai thay đổi của mơ hình FEM


12. Hồi quy GLS

13. So sánh giữa các mơ hình


Phần 2
1. Kiểm định tính dừng




2. Correlogram
ac


Pac