Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Phân tích Bayesian tác động của quản trị vốn luân chuyển đến khả năng sinh lời của các doanh nghiệp ngành bán lẻ được niêm yết trên sàn chứng khoán Tại Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

Chương 3 tập trung trình bày mô hình nghiên cứu và phương pháp phân tích áp dụng trong luận văn. Mục tiêu của chương là xây dựng một mô hình phân tích mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh lời của các doanh nghiệp bán lẻ niêm yết trên các sàn chứng khoán Việt Nam, bao gồm HOSE, HNX và UPCoM. Dựa trên nền tảng lý thuyết và kết quả thực nghiệm của các nghiên cứu trước và các yếu tố đặc thù của ngành bán lẻ, chương này sẽ thiết lập hệ thống giả thuyết nghiên cứu và xác định phương pháp đo lường cho từng biến trong mô hình. Ngoài ra, chương này cũng sẽ trình bày chi tiết các nhóm biến gồm biến phụ thuộc, biến độc lập và biến kiểm soát được sử dụng trong mô hình, cùng với quy trình thu thập dữ liệu và các bước thực hiện phân tích.

3.1. MÔ HÌNH VÀ GIẢ THUYẾT NGHIÊN CỨU

3.1.1 Mô hình nghiên cứu

Trên cơ sở tổng hợp các lý thuyết nền tảng và bằng chứng thực nghiệm liên quan đến tác động của quản trị vốn luân chuyển đối với khả năng sinh lời, tác giả lựa chọn tỷ suất sinh lời trên tổng tài sản (ROA) làm biến phụ thuộc, đại diện cho hiệu quả sinh lợi của doanh nghiệp. Việc sử dụng ROA làm thước đo sinh lời đã được nhiều nghiên cứu trước khẳng định tính phù hợp, chẳng hạn như Sharma & Kumar (2011), Bùi Ngọc Toản (2016), và Dương Thị Hồng Vân & Trần Phương Nga (2018). Các biến độc lập trong mô hình được xác định nhằm phản ánh cấu trúc vốn luân chuyển của doanh nghiệp, bao gồm: Thời gian luân chuyển hàng tồn kho (INV), Kỳ thu tiền bình quân (AR), Kỳ thanh toán bình quân (AP), và Quy mô doanh nghiệp (SIZE). Bên cạnh đó, để tăng cường độ tin cậy và khả năng giải thích của mô hình, tác giả bổ sung hai biến kiểm soát gồm đòn bẩy tài chính (LEV) và vòng quay tài sản ngắn hạn (CATA). Các biến này được kỳ vọng góp phần phản ánh mối quan hệ toàn diện hơn giữa quản trị vốn luân chuyển và khả năng sinh lời trong bối cảnh các doanh nghiệp bán lẻ niêm yết tại Việt Nam.

Từ cơ sở lý thuyết và khung mô hình trên, mô hình nghiên cứu đề xuất nhằm phân tích ảnh hưởng của quản trị vốn luân chuyển đến khả năng sinh lời của doanh nghiệp ngành bán lẻ được xây dựng như sau: ROAit = β0 + INVit + ARit + APit + SIZEit + LEVit + CATAit + εit

3.1.2 Giả thuyết nghiên cứu

Nội dung chính luận văn tập trung tính toán mức độ tác động của việc quản trị vốn luân chuyển đến khả năng sinh lời của doanh nghiệp bán lẻ được niêm yết tại Việt Nam nói chung. Trong nghiên cứu này nhân tố đại diện cho cấu trúc vốn luân chuyển gồm có 04 biến được trình bày sau đây kèm theo đó là bổ sung các biến phụ để đánh giá toàn diện hơn về tác động của vốn luân chuyển đến hiệu suất sinh lời ROA. Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

Thứ nhất, biến thời gian luân chuyển hàng tồn kho (INV) chỉ tiêu này phản ánh tốc độ quay vòng của hàng tồn kho so với tổng tài sản của doanh nghiệp. Vòng quay tồn kho cao cho thấy doanh nghiệp có khả năng quản lý hàng tồn kho hiệu quả, giảm chi phí lưu kho và tăng doanh thu, từ đó tăng khả năng sinh lời. Các nghiên cứu như của Ponsian et al. (2014) và Deloof (2003) chứng minh rằng quản lý hàng tồn kho hiệu quả có tác động tích cực đến lợi nhuận của doanh nghiệp. Tác động ngược chiều này cũng đã được chứng minh trong các nghiên cứu trước đây như Toản (2016), Sharma và Kumar (2011), Ponsian, Chrispina, Tago và Mkiibi (2014).

Giả thuyết H1: Thời gian luân chuyển hàng tồn kho có tác động ngược chiều đến khả năng sinh lợi nhuận của doanh nghiệp.

Thứ hai, biến thời gian thu tiền bình quân (AR) theo lý thuyết mối quan hệ nghịch chiều lên biến lợi nhuận, vì khi số ngày thời gian thu tiền càng giảm đồng nghĩa với việc chính sách bán hàng và nâng cao việc thu hồi vốn. Kết quả này phù hợp với nghiên cứu Makori, D. M., & Jagongo, A. (2013), Ponsian, N., và các cộng sự (2014), Vân và Nga (2018), Toản (2016), Trúc và Thiên (2015). Khi các tác giả đều chỉ ra rằng doanh nghiệp có chính sách thu hồi công nợ hiệu quả thường đạt mức sinh lời cao hơn.

Giả thuyết H2: Thời gian thu tiền bình quân có tác động ngược chiều đến khả năng sinh lời.

Thứ ba, biến thời gian thanh toán bình quân (AP) đối với các doanh nghiệp hoạt động trong lĩnh vực bán lẻ, kỳ thanh toán bình quân giữ vai trò quan trọng trong việc quản lý dòng tiền và duy trì khả năng thanh khoản, bởi khi kéo dài được kỳ thanh toán cho nhà cung cấp, doanh nghiệp có thể tận dụng được nguồn vốn chiếm dụng để bổ sung vào hoạt động kinh doanh, đặc biệt là nhập thêm hàng hóa phục vụ nhu cầu thị trường. Điều này giúp cải thiện khả năng sinh lời trong ngắn hạn. Kết quả về tác động cùng chiều của biến này cũng đã được chứng minh trong các nghiên cứu trước đây như Vân và Nga (2018), Ponsian, Chrispina, Tago và Mkiibi (2014), Makori và Jagongo (2013).

Giả thuyết H3: Thời gian thanh toán bình quân có tác động thuận đến khả năng sinh lời của doanh nghiệp.

Bốn là, Quy mô doanh nghiệp là một trong những yếu tố có ảnh hưởng đáng kể đến hiệu quả sinh lời của các doanh nghiệp bán lẻ. Doanh nghiệp có quy mô hoạt động lớn thường dễ dàng huy động nguồn vốn, hưởng lợi từ hiệu ứng kinh tế theo quy mô (economies of scale) và có vị thế thương lượng tốt hơn với nhà cung cấp. Nhờ đó, họ có thể tối ưu chi phí hoạt động, gia tăng hiệu quả quản lý hàng tồn kho, đồng thời mở rộng thị trường, từ đó cải thiện lợi nhuận. Ta và Le (2025), các doanh nghiệp bán lẻ có quy mô lớn kết hợp với chính sách quản trị hàng tồn kho hiệu quả thường đạt mức lợi nhuận cao hơn đáng kể so với những doanh nghiệp có quy mô nhỏ. Ngoài ra, trong nghiên cứu của Suryani, E., Dwijayanti, R., & Cahyono, D. (2023), SIZE được dùng làm biến kiểm soát và cho thấy ảnh hưởng thuận chiều có ý nghĩa thống kê tới khả năng sinh lời (ROA).

Giả thuyết H4: Quy mô doanh nghiệp tác động cùng chiều đến khả năng sinh lời.

3.1.3 Xác định và giải thích các biến Biến phụ thuộc Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

ROA: Tỷ suất sinh lời trên tổng tài sản được sử dụng làm biến đại diện cho khả năng sinh lợi của doanh nghiệp.

• Biến độc lập

INV – Thời gian luân chuyển hàng tồn kho là số ngày trung bình tính từ khi doanh nghiệp mua hàng hóa đến khi sản phẩm bán đi. Hay còn xem là thời gian trung bình để doanh nghiệp bán hết số lượng hàng tồn kho trong năm, khi số ngày tồn kho càng lớn thì đồng nghĩa với vốn để đầu tư vào hàng tồn kho càng nhiều dẫn đến khả năng tạo ra lợi nhuận thấp theo quan điểm của Trúc và Thiên (2015). Biến độc lập này cũng mang ý nghĩa thống kê ngược chiều trong mô hình nghiên cứu của Toản (2016), Sharma và Kumar (2011) và Ponsian, Chrispina, Tago và Mkiibi (2014).

AR – Thời gian thu tiền dài có thể phản ánh việc thu hồi công nợ chậm, dẫn đến chiếm dụng vốn và giảm hiệu quả sinh lời. Các nghiên cứu sau đó của Ponsian et al. (2014), Dương Thị Hồng Vân & Trần Phương Nga (2018), Bùi Ngọc Toản (2016) và Tô Thị Thanh Trúc & Nguyễn Đình Thiên (2015) cũng ghi nhận mối quan hệ nghịch chiều giữa thời gian thu tiền bình quân và khả năng sinh lời của doanh nghiệp.

AP – Thời gian thanh toán bình quân (Accounts Payable – AP) thể hiện số ngày trung bình mà doanh nghiệp cần để hoàn tất nghĩa vụ thanh toán cho nhà cung cấp. Đây là chỉ tiêu quan trọng trong quản trị vốn lưu động, cho phép doanh nghiệp tận dụng tín dụng thương mại như một nguồn vốn ngắn hạn. Việc kéo dài thời gian thanh toán giúp tăng dòng tiền phục vụ kinh doanh và có thể cải thiện lợi nhuận, nhưng nếu quá mức sẽ ảnh hưởng uy tín và làm mất ưu đãi từ nhà cung cấp. Các nghiên cứu gần đây cũng cho thấy mối quan hệ thuận chiều giữa AP và khả năng sinh lời. Sany & Yonatan (2023) khẳng định doanh nghiệp bán lẻ tại Indonesia tận dụng kỳ thanh toán dài hơn để nâng cao ROA. Tại Việt Nam, Nam (2024) cũng khẳng định thanh khoản và quy mô doanh nghiệp, trong đó có yếu tố AP, có tác động tích cực đến hiệu quả tài chính. Bên cạnh đó, Karim (2024) nhấn mạnh việc tối ưu hóa chu kỳ chuyển đổi tiền mặt, bao gồm AP, góp phần nâng cao lợi nhuận.

SIZE – Biến quy mô của doanh nghiệp được sử dụng để phản ánh quy mô hoạt động của doanh nghiệp, được đo lường thông qua logarit tự nhiên của tổng tài sản. Chỉ tiêu này thể hiện năng lực tài chính, quy mô đầu tư và khả năng mở rộng hoạt động của doanh nghiệp. Các công ty có quy mô lớn thường sở hữu nguồn lực dồi dào, dễ dàng tiếp cận các kênh tài chính, đồng thời tận dụng được lợi thế kinh tế theo quy mô, từ đó tăng cường khả năng sinh lời. Trong nhiều nghiên cứu trước đây như Sharma & Kumar (2011), Makori & Jagongo (2013), và Dương Thị Hồng Vân & Trần Phương Nga (2018), biến SIZE được sử dụng như một biến kiểm soát quan trọng, và kết quả đều cho thấy mối quan hệ cùng chiều có ý nghĩa thống kê giữa quy mô doanh nghiệp và hiệu quả sinh lợi. 𝑆𝐼𝑍𝐸 = ln(𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛) Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

• Biến kiểm soát

LEV – phản ánh mức độ sử dụng nợ trong tổng quy mô tài sản của doanh nghiệp, thể hiện chính sách tài trợ và cấu trúc vốn mà doanh nghiệp áp dụng. Đã được sử dụng trong nhiều nghiên cứu trước, bao gồm Makori & Jagongo (2013), Dương Thị Hồng Vân & Trần Phương Nga (2018), và Bùi Ngọc Toản (2016), cho thấy tác động có ý nghĩa thống kê đến khả năng sinh lời. Tuy nhiên, trong một số nghiên cứu khác như Ponsian, Chrispina, Tago & Mkiibi (2014) và Sharma & Kumar (2011), mối quan hệ giữa đòn bẩy tài chính và hiệu quả sinh lời lại không có ý nghĩa thống kê, cho thấy tác động của LEV có thể khác nhau tùy theo bối cảnh ngành và mức độ rủi ro tài chính của doanh nghiệp.

CATA – Biến được sử dụng để đo lường hiệu quả sử dụng tài sản ngắn hạn trong hoạt động kinh doanh, phản ánh mức độ thanh khoản và khả năng tạo doanh thu từ tài sản lưu động. Trong điều kiện hoạt động ổn định, vòng quay tài sản ngắn hạn càng cao cho thấy doanh nghiệp sử dụng vốn lưu động hiệu quả hơn, qua đó nâng cao tỷ suất sinh lời. Nghiên cứu của Tô Thị Thanh Trúc & Nguyễn Đình Thiên (2015) cũng khẳng định rằng hiệu quả quản lý tài sản ngắn hạn có tác động tích cực đến khả năng sinh lợi của doanh nghiệp.

• Bảng 3.1: Đặc tả biến, đơn vị đo và dấu kỳ vọng trong mô hình

3.2 QUY TRÌNH NGHIÊN CỨU Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

• Bước 1: Tổng quan lý thuyết và nghiên cứu trước

Thu thập và phân tích các nghiên cứu trong và ngoài nước. Xác định khoảng trống nghiên cứu, giả thuyết và mô hình phù hợp.

• Bước 2: Xác định mẫu và thu thập dữ liệu

Mẫu nghiên cứu bao gồm các doanh nghiệp bán lẻ niêm yết trên ba sàn giao dịch HOSE, HNX và UPCoM. Thu thập báo cáo tài chính giai đoạn 2013–2024 từ nguồn chính thống (website công ty, Cafef, Vietstock…).

• Bước 3: Xử lý dữ liệu và tính toán biến

Tiến hành làm sạch và chuẩn hóa dữ liệu, loại bỏ các quan sát bất thường hoặc thiếu thông tin. Tính các biến: ROA (biến phụ thuộc), INV, AR, AP, SIZE, LEV, CATA (biến độc lập & kiểm soát).

• Bước 4: Thống kê mô tả và phân tích tương quan

Thực hiện thống kê mô tả để xác định giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất và lớn nhất của từng biến. Đồng thời, phân tích hệ số tương quan để nhận diện mối liên hệ ban đầu giữa các biến và kiểm tra khả năng đa cộng tuyến. Nếu hệ số tương quan quá cao, sẽ xem xét loại bỏ hoặc biến đổi biến nhằm đảm bảo tính ổn định cho mô hình.

• Bước 5: Ước lượng mô hình Pooled OLS, FEM, REM Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

Tiến hành ước lượng mô hình hồi quy dữ liệu bảng bằng ba phương pháp: Pooled OLS, FEM và REM. Kết quả sẽ được so sánh để lựa chọn mô hình phù hợp trước khi thực hiện các kiểm định tiếp theo.

Bước 6: Kiểm định lựa chọn mô hình F-test (Pooled OLS vs FEM):

• Nếu p-value < 0,05 → chọn FEM. Nếu p-value ≥ 0,05 → giữ OLS. Hausman test (FEM vs REM):
• Nếu p-value < 0,05 → chọn FEM. Nếu p-value ≥ 0,05 → chọn REM.

Bước 7: Kiểm định khuyết tật mô hình

Thực hiện các kiểm định để đánh giá chất lượng mô hình, bao gồm:

• Đa cộng tuyến: kiểm tra bằng chỉ số VIF.
• Phương sai thay đổi: kiểm định White test hoặc Modified Wald test.
• Tự tương quan: kiểm định Wooldridge test.

Bước 8: Ước lượng bằng GLS

Trường hợp mô hình xuất hiện phương sai sai số thay đổi hoặc tự tương quan, sử dụng Generalized Least Squares (GLS) để hiệu chỉnh. Nếu kết quả ổn định và có ý nghĩa, mô hình GLS sẽ được lựa chọn làm mô hình tham chiếu trước khi áp dụng phương pháp Bayesian.

• Bước 9: Phân tích Bayesian

Xây dựng mô hình Bayes với các prior khác nhau: Mô hình 1: prior phi thông tin và vòng lặp (50.000). Mô hình 2: tăng số vòng lặp (100.000) để kiểm tra độ vững. Mô hình 3: kiểm nghiệm phi thông tin (non-informative). Nếu mô hình không hội tụ (theo trace plots, autocorrelation, Cusum plots) → tăng số vòng lặp để đảm bảo hội tụ tốt.

• Bước 10: Thảo luận kết quả

So sánh kết quả giữa OLS, FEM, REM, GLS và Bayesian đối chiếu với lý thuyết kỳ vọng và kết quả nghiên cứu trước. Nếu khác biệt lớn từ đó phân tích nguyên nhân (đặc thù ngành, dữ liệu, giai đoạn COVID…).

• Bước 11: Kết luận và khuyến nghị chính sách

Tổng hợp các phát hiện chính, rút ra hàm ý quản trị vốn luân chuyển cho doanh nghiệp bán lẻ niêm yết. Cuối cùng, trình bày hạn chế của nghiên cứu và đề xuất hướng phát triển trong các nghiên cứu tiếp theo.

3.3 MẪU VÀ DỮ LIỆU NGHIÊN CỨU Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

3.3.1 Mẫu nghiên cứu

Bài luận sử dụng dữ liệu từ báo cáo tài chính qua các năm các doanh nghiệp được công bố trên trang chính thức, đồng thời tham khảo từ trang như Cafef.vn trong giai đoạn 2013–2024 của 18 doanh nghiệp ngành bán lẻ. Tổng hợp số liệu, lọc dữ liệu thô và xử lý dữ liệu sau cùng là tính toán các biến dựa trên dữ liệu đã thu thập bao gồm 216 quan sát.

3.3.2 Phương pháp thu thập dữ liệu nghiên cứu

Dữ liệu thứ cấp sử dụng được tập hợp từ báo cáo tài chính đã kiểm toán của 18 doanh nghiệp ngành bán lẻ được niêm yết trên sàn chứng khoán thành phố Hồ Chí Minh giai đoạn 2013 – 2024.

Nguồn dữ liệu khác có mức độ tin tưởng cao được tác giả sử dụng trên website của cafef.vn và finance.vietstock.vn.

3.3.3 Công cụ nghiên cứu

Nghiên cứu này được thực hiện dựa trên dữ liệu dạng bảng (Panel Data) của các doanh nghiệp bán lẻ niêm yết tại Việt Nam, nhằm phân tích mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh lời. Quá trình xử lý và phân tích dữ liệu được tiến hành bằng phần mềm Excel để tổng hợp và chuẩn hóa thông tin, kết hợp với phần mềm Stata 17.0 và nền tảng Google Colab nhằm thực hiện các phép hồi quy và mô phỏng thống kê nâng cao, phục vụ cho việc ước lượng và kiểm định mô hình nghiên cứu. Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

3.4. PHƯƠNG PHÁP NGHIÊN CỨU

3.4.1 Phương pháp định tính

Trong nghiên cứu này, phương pháp định tính được sử dụng nhằm tổng hợp, phân tích và thảo luận các công trình nghiên cứu trong và ngoài nước có liên quan đến chủ đề. Cách tiếp cận này giúp xây dựng nền tảng lý thuyết, hình thành mô hình nghiên cứu cũng như xác định các giả thuyết và biến số phù hợp với mục tiêu nghiên cứu. Từ kết quả phân tích tác giả thảo luận và đưa ra kết luận, khuyến nghị liên quan đến đề tài nghiên cứu và định hướng phát triển của bài nghiên cứu.

3.4.2 Phương pháp định lượng

• Thống kê mô tả

Dùng để mô tả những đặc tính cơ bản, một cách nhìn tổng quát và được sử dụng để tìm ra mối quan hệ giữa các biến. Thông qua việc phân tích các chỉ tiêu thống kê mô tả như giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất và lớn nhất, nghiên cứu giúp nhận diện đặc điểm chung trong cơ cấu quản trị vốn luân chuyển của các doanh nghiệp được khảo sát.

• Phân tích tương quan

Phân tích tương quan được sử dụng trong nghiên cứu nhằm xem xét mối quan hệ giữa các biến độc lập, biến kiểm soát và biến phụ thuộc. Đây là bước đánh giá sơ bộ giúp xác định mức độ và chiều hướng tác động của các biến trong mô hình. Thông qua kết quả phân tích tương quan, nghiên cứu có thể phát hiện hiện tượng đa cộng tuyến giữa các cặp biến nếu hệ số tương quan đạt giá trị cao, từ đó đưa ra biện pháp điều chỉnh kịp thời để đảm bảo tính chính xác và độ tin cậy của mô hình hồi quy. Áp dụng một số cách tiếp cận phổ biến để khắc phục đa cộng tuyến: (1) Loại bỏ các biến có mức tương quan quá cao, (2) Thực hiện phân tích thành phần chính nhằm giảm số chiều của dữ liệu; hoặc (3) Giữ nguyên mô hình trong trường hợp mức đa cộng tuyến không ảnh hưởng đáng kể đến kết quả. Phương pháp thứ hai đặc biệt hữu ích khi xử lý các mô hình có nhiều biến độc lập.

• Phân tích hồi quy Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

Trong nghiên cứu này, tác giả thực hiện ước lượng mô hình bằng ba phương pháp hồi quy dữ liệu bảng gồm Pooled OLS, Fixed Effects Model (FEM) và Random Effects Model (REM). Sau khi chạy các mô hình, quá trình so sánh và lựa chọn mô hình tối ưu nhất được tiến hành dựa trên kết quả kiểm định và khả năng khắc phục các hạn chế của từng phương pháp.

Kết quả hồi quy cung cấp giá trị xác suất (p-value) nhằm xác định mức độ ảnh hưởng và ý nghĩa thống kê của các biến độc lập đối với biến phụ thuộc. Thông thường, các ngưỡng ý nghĩa phổ biến được sử dụng trong nghiên cứu định lượng là 1%, 5% và 10%, tương ứng với độ tin cậy 99%, 95% và 90%. Trong khuôn khổ luận văn này, ngưỡng ý nghĩa thống kê được lựa chọn là 10% (p-value < 0,1), điều đó có nghĩa là các biến đạt mức này được xem là có ảnh hưởng đáng kể với độ tin cậy trên 90%.

• Các phương pháp kiểm định

Kiểm định F-Test: được sử dụng để so sánh và lựa chọn giữa mô hình Pooled OLS và Fixed Effects Model (FEM). Mục đích của kiểm định này là xác định xem có sự khác biệt đáng kể giữa các hệ số chặn theo từng đơn vị quan sát (cross-section) hay không, tức là xem xét liệu các đặc điểm cố định của từng doanh nghiệp có ảnh hưởng đến mô hình hay không. Giả thuyết kiểm định được thiết lập như sau:

H0: Mô hình Pooled OLS là phù hợp (không có tác động cá thể). H1: Mô hình FEM là phù hợp (tồn tại tác động cá thể).

Nếu giá trị P-value < α (thông thường α = 5%), bác bỏ giả thuyết H₀ và chấp nhận H₁, tức là mô hình FEM phù hợp hơn OLS. Ngược lại, nếu P-value ≥ α, giữ nguyên H₀ và chọn mô hình Pooled OLS là phù hợp.

Kiểm định Hausman: Đây là công cụ sử dụng để so sánh tính phù hợp giữa mô hình REM và FEM dựa trên giả định không có sự tương quan và sai số ngẫu nhiên giữa biến độc lập.

Với giả thuyết sau:

• H₀: Mô hình REM phù hợp (không có tương quan giữa sai số ngẫu nhiên và biến độc lập).
• H₁: Mô hình FEM phù hợp (có tương quan giữa sai số ngẫu nhiên và biến độc lập).

Nếu P-value nhỏ < α thì bác bỏ H₀, chấp nhận H₁ tương ứng mô hình FEM phù hợp hơn mô hình REM và ngược lại, nếu giá trị P-value > α thì chấp nhận H₀, bác bỏ H_{1. Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.}

Kiểm định White: Nếu phương sai không phải là một hằng số thì sẽ được xem là có hiện tượng phương sai khả biến; lúc này việc ước lượng bằng phương pháp OLS là không đáng tin cậy.

Với giả thuyết kiểm định:

• H₀: Phương sai là hằng số
• H₁: Phương sai không là một hằng số

Nếu thu được giá trị p-value < α (5%,10%) thì bác bỏ H₀, chấp nhận H₁ và ngược lại, nếu giá trị của p-value > α, chấp nhận H₀, bác bỏ H₁. Trong trường hợp phát hiện hiện tượng này, phương pháp hồi quy GLS (Generalized Least Squares) sẽ được áp dụng để hiệu chỉnh và khắc phục sai lệch trong ước lượng.

Kiểm định tự tương quan: được dùng để xem xét xem các sai số trong mô hình hồi quy có mối liên hệ với nhau hay không. Sự xuất hiện của tự tương quan làm cho ước lượng OLS không còn hiệu quả, đồng thời làm sai lệch giá trị thống kê và mức ý nghĩa của các biến.

Với giả thuyết kiểm định:

• H₀: Không có hiện tượng tự tương quan
• H₁: Có hiện tượng tự tương quan

Nếu kết quả Prob < α (=5%) thì bác bỏ H₀, chấp nhận H₁ mô hình xuất hiện hiện tượng tự tương quan và ngược lại giá trị Prob > α thì chấp nhận H₀ mô hình không có tự tương quan. Hơn nữa, phương pháp hồi quy mô hình GLS sẽ khắc phục hiện tượng.

Kiểm định hệ số VIF: kiểm định này sẽ xem xét có hiện tượng đa cộng tuyến hay có mối quan hệ tuyến tính chính xác trong mô hình. Khi trường hợp đa cộng tuyến các ước lượng OLS có thể trở nên kém tin cậy hoặc thậm chí không thể ước lượng được. Thông thường các nghiên cứu sử dụng hệ số VIF <10 thì biến sẽ không vi phạm giả thuyết này và tác giả cũng sử dụng hệ số VIF <10 thì không xuất hiện hiện tượng đa cộng tuyến.

Để đảm bảo tính hội tụ và độ tin cậy của các chuỗi mô phỏng trong phân tích Bayesian, nghiên cứu tiến hành kiểm định hội tụ chuỗi MCMC thông qua các công cụ trực quan và thống kê. Cụ thể, biểu đồ vết được sử dụng để đánh giá sự ổn định của chuỗi, biểu đồ tự tương quan giúp xác định mức độ phụ thuộc giữa các mẫu, và biểu đồ CUSUM được áp dụng để kiểm tra mức độ hội tụ toàn chuỗi. Khi các chuỗi đạt trạng thái ổn định, kết quả ước lượng hậu nghiệm được xem là đáng tin cậy và có thể sử dụng cho diễn giải mô hình.

TÓM TẮT CHƯƠNG 3 Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

Chương 3 trình bày quy trình và phương pháp nghiên cứu được sử dụng để phân tích tác động của quản trị vốn luân chuyển đến khả năng sinh lời của các doanh nghiệp bán lẻ niêm yết tại Việt Nam trong giai đoạn 2013–2024. Trong chương này, tác giả làm rõ cơ sở xây dựng mô hình nghiên cứu, xác định các biến phụ thuộc, biến độc lập và biến kiểm soát, đồng thời giải thích cách thức đo lường và ý nghĩa của từng biến được sử dụng trong mô hình.

Bên cạnh đó, chương cũng mô tả chi tiết các phương pháp phân tích định lượng được sử dụng, bao gồm OLS, FEM, REM và GLS, nhằm ước lượng và kiểm định độ phù hợp của mô hình dữ liệu bảng. Tiếp theo, phương pháp phân tích Bayesian được áp dụng như một cách tiếp cận mở rộng, cho phép ước lượng các tham số theo xác suất hậu nghiệm trên cơ sở phân phối tiên nghiệm (prior) và dữ liệu thực nghiệm. Nghiên cứu tiến hành kiểm định chuỗi hội tụ để đảm bảo tính hội tụ và độ tin cậy của chuỗi mô phỏng MCMC (Markov Chain Monte Carlo). Luận văn: PPNC đến Bayesian tác động quản trị vốn luân chuyển.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: KQNC đến Bayesian tác động quản trị vốn luân chuyển