Nội dung

Tạp chí Quản lý và Kinh tế quốc tế, số 126 (2/2020), 44-59 T Ạ P ISSN 1859 - 4050 C H Í QUẢN LÝ VÀ KINH TẾ QUỐC TẾ Journal of International Economics and Management Tạp chí Quản lý và Kinh tế quốc tế NG ƯƠ FO GN T TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG RS IT Y ĐẠI H Trang chủ của tạp chí: http://tapchi.ftu.edu.vn NGOẠI TH ỌC R EI R A DE U NIVE Tái cấu trúc và năng suất lao động doanh nghiệp nghiên cứu ngành dệt may Việt Nam Restructuring and labor productivity: The case of garment and textile industries in Vietnam Phạm Đình Cường1 Trường Đại học Mở Thành Phố Hồ Chí Minh, Việt Nam Phạm Đình Long Trường Đại học Mở Thành Phố Hồ Chí Minh, Việt Nam Ngày nhận: 11/10/2019; Ngày hoàn thành biên tập: 28/04/2020; Ngày duyệt đăng: 28/04/2020 Tóm tắt Trong bối cảnh hội nhập kinh tế quốc tế và cạnh tranh đang diễn ra gay gắt như hiện nay, tái cấu trúc và năng suất lao động (NSLĐ) doanh nghiệp là những yếu tố quan trọng giúp doanh nghiệp hoạt động sản xuất kinh doanh (SXKD) hiệu quả và đạt được lợi thế cạnh tranh trên thị trường. Với bộ dữ liệu bảng gồm 7.640 doanh nghiệp dệt may Việt Nam trong giai đoạn 2009 - 2018, kết quả nghiên cứu thực nghiệm cho thấy tái cấu trúc có tác động tích cực đến NSLĐ doanh nghiệp, góp phần tạo cơ sở lý luận đề xuất những giải pháp tái cấu trúc tương ứng nhằm nâng cao NSLĐ doanh nghiệp dệt may Việt Nam. Từ khóa: NSLĐ doanh nghiệp, Tái cấu trúc, Doanh nghiệp dệt may Việt Nam Abstract In the context of international economic integration and fierce competition today, corporate restructuring and productivity are important factors that help enterprises operate effectively and create competitive advantages in the market. The study uses a data set of 7,640 Vietnamese textile and garment enterprises during 2009 - 2018 period, the empirical results show that corporate restructuring has a positive impact on corporate productivity, contributing to the literature by proposing the corresponding restructuring solutions to improve corporate productivity in the Vietnamese textile and garment industry. Keywords: Corporate productivity, Restructuring, Vietnamese textile and garment enterprises 1 Tác giả liên hệ: cuongpd.15ab@ou.edu.vn 44 Tạp chí Quản lý và Kinh tế quốc tế Số 126 (2/2020) 1. Đặt vấn đề Hiện nay, trong môi trường cạnh tranh và toàn cầu hóa về kinh tế, NSLĐ doanh nghiệp là yếu tố quyết định sự phát triển kinh tế của một quốc gia, một ngành và trong từng doanh nghiệp (Steenhuis & de Bruijn, 2006). Đặc biệt, đối với các nước đang phát triển, NSLĐ doanh nghiệp được coi là yếu tố quan trọng nhất (Sauian & cộng sự 2002). Theo Hiệp hội Dệt may Việt Nam (Vitas 2018 - Vietnam Textile and Apparel Industry Directory 2018), ngành dệt may Việt Nam hiện thu hút khoảng 2,85 triệu lao động với gần 8.000 doanh nghiệp; kim ngạch xuất khẩu hàng dệt may đạt 39 tỷ USD, chiếm 14,8% tổng kim ngạch xuất khẩu và 14,63% GDP của cả nước. Việt Nam, hiện đứng Top 5 nước xuất khẩu dệt may lớn nhất thế giới gồm: Trung Quốc, Ấn Độ, Thổ Nhĩ Kỳ, Việt Nam và Bangladesh. Tuy nhiên, điểm yếu của các doanh nghiệp dệt may Việt Nam là NSLĐ doanh nghiệp còn rất thấp. Tính theo sức mua tương đương (PPP), NSLĐ của Việt Nam năm 2018 chỉ bằng 7,6% mức năng suất của Singapore; 19,5% của Malaysia; 37,9% của Thái Lan; 45,6% của Indonesia và bằng 56,9% năng suất lao động của Philippines; chỉ cao hơn năng suất lao động của Campuchia (gấp 1,6 lần). Tái cấu trúc doanh nghiệp là một giải pháp tiềm năng nhằm nâng cao NSLĐ doanh nghiệp (Bowman & Singh, 1993). Trước thực trạng trên, doanh nghiệp muốn tồn tại trong nền kinh tế thị trường thì bắt buộc phải thích ứng và thay đổi. Vì vậy, tái cấu trúc doanh nghiệp theo một mô hình mới phù hợp với thay đổi của môi trường là nhu cầu cấp thiết đối với các doanh nghiệp Việt Nam trong giai đoạn hiện nay. Nhiều nghiên cứu trong và ngoài nước đã đề cập đến mối quan hệ giữa tái cấu trúc và NSLĐ doanh nghiệp, tiêu biểu như Hammer & Champy (1993). Các tác giả cho rằng tái cấu trúc là sự suy nghĩ lại một cách căn bản và thiết kế lại tận gốc quy trình hoạt động kinh doanh, để đạt được cải thiện vượt bậc đối với các chỉ tiêu cốt yếu và có tính nhất thời như giá cả, chất lượng, phục vụ và sự nhanh chóng. Bowman & Singh (1993) cho rằng tái cấu trúc danh mục đầu tư, tài chính và tổ chức sẽ làm thay đổi hướng hoạt động sản xuất kinh doanh của doanh nghiệp, sắp xếp lại các nguồn lực nhằm nâng cao NSLĐ doanh nghiệp. Gần đây, một số công trình nghiên cứu trong nước cũng đã đề cập đến tác động của tái cấu trúc đến NSLĐ doanh nghiệp như: Lê (2016) đã xây dựng kênh đánh giá tác động của các yếu tố quản lý tới NSLĐ doanh nghiệp ngành dệt may. Sự & cộng sự (2017) đã cho rằng tái cấu trúc có ảnh hưởng tích cực đến hiệu suất doanh nghiệp. Trong đó, NSLĐ doanh nghiệp được xem là yếu tố quan trọng chủ yếu tạo nên hiệu suất cho doanh nghiệp. Nhìn chung, các nghiên cứu này phần lớn chỉ tập trung phân tích một vài yếu tố đơn lẻ có tác động tới NSLĐ doanh nghiệp. Vì vậy, bài viết “Tái cấu trúc và NSLĐ doanh nghiệp - Nghiên cứu ngành dệt may Việt Nam” sẽ góp phần bổ sung các khoảng trống lý thuyết về tác động của tái cấu trúc tới NSLĐ doanh nghiệp, đồng thời có ý nghĩa về mặt thực tiễn nhằm tìm ra những giải pháp góp phần nâng cao NSLĐ của doanh nghiệp Việt Nam. Số 126 (2/2020) Tạp chí Quản lý và Kinh tế quốc tế 45 2. Tổng quan tình hình nghiên cứu Về mặt lý thuyết, tổng quan tình hình nghiên cứu trong nước đã cho thấy một số công trình nghiên cứu khoa học có đề cập đến quan hệ giữa tái cấu trúc và NSLĐ doanh nghiệp, tiêu biểu như nghiên cứu của Long (2008) cho rằng: “Tái cấu trúc là quá trình tổ chức, sắp xếp lại doanh nghiệp nhằm tạo ra trạng thái tốt hơn cho doanh nghiệp để thực hiện những mục tiêu đề ra. Tái lập là quá trình thiết kế lại tận gốc các quá trình trong doanh nghiệp, đặc biệt là các quá trình kinh doanh nhằm giúp cho tổ chức hoạt động hiệu quả hơn”. Đinh & Phạm (2011) đã phân tích và đánh giá tác động của yếu tố vốn đầu tư đến NSLĐ doanh nghiệp trong lĩnh vực nông nghiệp ở Việt Nam. Nghiên cứu của Nguyễn & Huỳnh (2012) đã chỉ ra một số điểm cần tập trung cho TCTDN Nhà nước, công trình của Đỗ (2013) tiếp cận tái cấu trúc doanh nghiệp theo hướng thực hiện tái cấu trúc dựa trên mô hình 7S của Peters & Waterman (1980). Nghiên cứu của Huỳnh (2014) bàn luận về cách tiếp cận tái cấu trúc doanh nghiệp là điều chỉnh, thiết lập lại, xây dựng mới các đặc tính của sản phẩm, khách hàng mục tiêu, công nghệ, phương thức kinh doanh, cơ cấu tổ chức, nhân lực, quy trình cho phù hợp để tận dụng cơ hội và đối mặt với thách thức từ môi trường kinh doanh. Lê (2016) đã xây dựng kênh đánh giá tác động của các yếu tố quản lý tới NSLĐ doanh nghiệp ngành dệt may. Gần đây, công trình nghiên cứu của Su & cộng sự (2017) đã cho rằng tái cấu trúc có ảnh hưởng tích cực đến hiệu suất doanh nghiệp. Trong đó, NSLĐ doanh nghiệp được xem là yếu tố quan trọng chủ yếu tạo nên hiệu suất cho doanh nghiệp. Nhìn chung, các nghiên cứu này phần lớn chỉ tập trung phân tích một vài yếu tố đơn lẻ có tác động tới NSLĐ doanh nghiệp. Tổng quan tình hình nghiên cứu ngoài nước đã cho thấy một số công trình nghiên cứu khoa học đề cập đến quan hệ giữa tái cấu trúc và NSLĐ doanh nghiệp. Hammer & Champy (1993) đã đi tiên phong khi đưa ra khái niệm “Tái cấu trúc doanh nghiệp”, trong đó cho rằng tái cấu trúc là suy nghĩ lại một cách căn bản và thiết kế lại tận gốc quy trình hoạt động kinh doanh, để đạt được cải thiện vượt bậc đối với các chỉ tiêu cốt yếu và có tính nhất thời như giá cả, chất lượng, phục vụ và sự nhanh chóng. Bowman & Singh (1993) đã cho rằng tái cấu trúc danh mục đầu tư, tái cấu trúc tài chính và tái cấu trúc tổ chức sẽ làm thay đổi hướng hoạt động sản xuất kinh doanh của doanh nghiệp, sắp xếp lại các nguồn lực nhằm có thể nâng cao NSLĐ doanh nghiệp. Tiếp đến, Vanderbijlpark (2005) đã nghiên cứu giải pháp thu hẹp quy mô; Li (2011) đã phân tích yếu tố tác động của mua bán, sáp nhập và tiếp quản; Higuchi & Matsuura (2004) đã phân tích yếu tố tái cấu trúc bộ máy tổ chức đến NSLĐ doanh nghiệp; Sallehu (2017) đã phân tích chi phí tái cấu trúc và Phạm & Yoshinori (2011) nghiên cứu về quản trị tri thức nhằm nâng cao NSLĐ doanh nghiệp. Ngoài ra, cần phải kể đến một số nghiên cứu thực nghiệm có liên quan đến tác động của tái cấu trúc đối với NSLĐ doanh nghiệp. Đinh & Phạm (2011) sử dụng mô hình hồi quy đo lường mối quan hệ giữa tái cấu trúc quy mô doanh nghiệp đến NSLĐ doanh nghiệp trong ngành nông nghiệp giai đoạn 1991 - 2009. Kết quả ước lượng cho thấy tái cấu trúc quy mô doanh nghiệp và NSLĐ doanh nghiệp có ý nghĩa và quan hệ cùng chiều 46 Tạp chí Quản lý và Kinh tế quốc tế Số 126 (2/2020) với nhau. Võ & Nguyễn (2018) đã xem xét mối liên hệ giữa tái cấu trúc và hiệu suất NSLĐ tại các ngân hàng Việt Nam, thông qua sử dụng phương pháp phân tích bao dữ liệu (DEA) và phương pháp phân tích biến ngẫu nhiên (SFA). Mẫu dữ liệu bao gồm 26 ngân hàng thương mại trong giai đoạn 1999 - 2015. Kết quả cho thấy, thời gian đầu các ngân hàng phải chịu tổn thất do tăng chi phí trong quá trình tái cấu trúc. Tuy nhiên, trong dài hạn, tính hiệu quả và NSLĐ doanh nghiệp sẽ phát huy hiệu quả. Kang & Shivdasani (1997) đã phân tích quá trình tái cấu trúc 92 công ty Nhật Bản trong suốt giai đoạn khủng hoảng hiệu suất hoạt động từ năm 1986 đến 1990, thông qua bán tài sản, đóng cửa nhà máy, sa thải nhân viên và kể cả cơ cấu lại hoạt động trong nội bộ doanh nghiệp. Kết quả, các ngân hàng cho vay sẽ sở hữu các công ty này thông qua M&A mua bán và sáp nhập. Đồng thời, NSLĐ doanh nghiệp được cải thiện rõ rệt. Gần đây, nghiên cứu thực nghiệm của Hill & Snell (2017) đã thay đổi quy mô vốn sở hữu đối với 122 công ty trong danh mục Fortune 500. Kết quả cho thấy tái cấu trúc tài chính thông qua thay đổi quyền sở hữu, đa dạng hóa danh mục đầu tư đã có ảnh hưởng đến NSLĐ doanh nghiệp. Nhìn chung, các nghiên cứu ngoài nước về tái cấu trúc và NSLĐ doanh nghiệp chưa hệ thống hóa và làm rõ được mối liên hệ giữa tái cấu trúc và NSLĐ doanh nghiệp và mức độ tác động của tái cấu trúc đến NSLĐ doanh nghiệp. 3. Phương pháp nghiên cứu 3.1 Mô hình nghiên cứu Theo lý thuyết thực nghiệm định lượng về mối quan hệ giữa tái cấu trúc và NSLĐ doanh nghiệp đã được nghiên cứu và sàng lọc của Kang & Shivdasani (1997); Denis & Kruse (2000); Perry & Shivdasani (2005), Yasar & Paul (2007); Su & cộng sự (2017) và OECD (2001), nhóm tác giả đề xuất mô hình nghiên cứu đánh giá mức độ tác động của tái cấu trúc tới NSLĐ doanh nghiệp có dạng sau: CPit = β0 + β1RESit + β2TLAit + β3REVit + β4FDIit + β5BCAit + εit (1) Trong đó: Biến phụ thuộc: CP: Biến NSLĐ doanh nghiệp (Corporate Productivity). CP được đo lường bằng nhóm chỉ tiêu Khả năng sinh lợi trên tổng tài sản (ROA) (Dahya & cộng sự, 2008; Dahya và McConnell, 2007; Shan & McIver, 2011; OECD, 2001). Các biến độc lập: RES: Biến Tái cấu trúc (Restructuring). Theo lý thuyết về tái cấu trúc của Bowman & Singh (1993), tái cấu trúc doanh nghiệp là một trong những chiến lược có thể giúp các công ty đối phó với tình trạng hoạt động SXKD không hiệu quả và NSLĐ doanh nghiệp thấp. Trong đó, 3 yếu tố cơ bản có tác động đến tái cấu Số 126 (2/2020) Tạp chí Quản lý và Kinh tế quốc tế 47 trúc đó là: danh mục đầu tư (Portfolio), tài chính (Finance) và tổ chức (Organization). Vì vậy, dựa vào lý thuyết nền về tái cấu trúc của Bowman & Singh (1993), biến RES được đo lường thông qua đồng thời cả 3 yếu tố tác động, đó là: danh mục đầu tư (POR), tài chính (FIR) và tổ chức (ORR). Đồng thời, biến RES được sử dụng như là một biến giả 1,0 (dummy variable) và được xác định như sau: - RES = 1, nếu tỷ lệ % gia tăng của cả 3 biến độc lập POR, FIR và ORR ≥ 5% thì doanh nghiệp đó được coi là tái cấu trúc. - RES = 0, nếu tỷ lệ % gia tăng của cả 3 biến độc lập POR, FIR và ORR < 5% thì doanh nghiệp đó được coi là không tái cấu trúc. - Mức tỷ lệ 5% được lựa chọn làm mức đại diện (Benchmark) dựa vào kết quả các công trình nghiên cứu khoa học của Perry & Shivdasani (2005); Sự & cộng sự (2017). - Các yếu tố thành phần đo lường RES: POR: Yếu tố danh mục đầu tư (Portfolio). + POR được đo lường thông qua chỉ tiêu tỷ lệ % gia tăng của Tổng tài sản (ABV) (Perry & Shivdasani, 2005). FIR: Yếu tố tài chính (Finance). + FIR được đo lường thông qua chỉ tiêu tỷ lệ % gia tăng của Tổng nợ (TDE) (Jensen & Meckling, 1976; Coles & cộng sự, 2008; Ross & cộng sự, 1999). ORR: Yếu tố tổ chức (Organization). + ORR được đo lường thông qua chỉ tiêu tỷ lệ % gia tăng của doanh thu (REV). Doanh thu đóng một vai trò quan trọng trong việc định hình mô hình và quy mô bộ máy tổ chức, cũng như quyết định việc lựa chọn chiến lược phát triển của doanh nghiệp (Zajac & Kraatz, 1993; Brush & cộng sự, 2000; Fukui & Ushijima, 2007). TLA: Biến tổng số lao động (Total Labours). TLA được đo lường thông qua chỉ tiêu tổng số lao động hiện đang làm việc tại doanh nghiệp. Tổng số lao động là chỉ tiêu phản ánh tình hình sử dụng lao động của doanh nghiệp, quy mô doanh nghiệp và là cơ sở để tính một số chỉ tiêu khác như NSLĐ doanh nghiệp và tiền lương (Mai & Phạm, 2001). REV: Biến tổng doanh thu (Revenue). REV được đo lường thông qua chỉ tiêu tổng số tiền mà doanh nghiệp nhận được khi bán sản lượng hàng hóa và/hoặc dịch vụ mà họ đã sản xuất ra trong một thời kỳ nhất định. Doanh thu có mối liên hệ tích cực với NSLĐ doanh nghiệp (Tangen, 2005). FDI: Biến nguồn vốn đầu tư trực tiếp từ nước ngoài (Foreign Direct Invesment). 48 Tạp chí Quản lý và Kinh tế quốc tế Số 126 (2/2020) FDI được đo lường thông qua chỉ tiêu tổng nguồn vốn của các nhà đầu tư nước ngoài đã đầu tư trực tiếp vào cho doanh nghiệp. FDI có tác động tích cực đến NSLĐ doanh nghiệp thông qua tài sản, máy móc thiết bị và công nghệ (Mako, 2001). BCA: Biến vốn sản xuất kinh doanh (Business Working Capital). BCA được đo lường thông qua chỉ tiêu tổng số vốn phục vụ cho hoạt động sản xuất kinh doanh hay thường được gọi tắt là Vốn kinh doanh. Vốn kinh doanh được hình thành và bổ sung thêm trong quá trình hoạt động SXKD. Nó có tác động tích cực đến NSLĐ doanh nghiệp thông qua quy mô hoạt động của doanh nghiệp (Gaughan, 2002). Các hệ số: - α, β là các hệ số phản ánh tác động của biến giải thích trong mô hình đến NSLĐ; - ε: Phần dư sai số - i: Số doanh nghiệp - t: Số năm 3.2 Dữ liệu nghiên cứu Dữ liệu phân tích của nghiên cứu được lấy từ nguồn dữ liệu thứ cấp (nguồn dữ liệu nội bộ) được cung cấp từ Hiệp hội Dệt may Việt Nam (Vitas) với 8.026 doanh nghiệp dệt may trên địa bàn cả nước trong giai đoạn 10 năm gần đây nhất, từ năm 2009 đến năm 2018. Tuy nhiên, sau khi làm sạch bộ dữ liệu, tác giả đã loại bớt 386 trường hợp (chiếm 4,8%) không phù hợp, bao gồm: - 325 doanh nghiệp mới thành lập năm 2018 (Thời gian hoạt động <1 năm); - 02 doanh nghiệp có mức doanh thu < 100 triệu / năm (năng suất quá nhỏ so với thực tế của ngành dệt may); - 03 doanh nghiệp có mức vốn kinh doanh < 50 triệu / năm (quy mô quá nhỏ so với thực tế của ngành dệt may); - 56 doanh nghiệp thiếu số liệu hoặc số liệu bị lỗi. Vì vậy, tổng số cỡ mẫu phân tích của nghiên cứu là 7.640 mẫu đạt yêu cầu. Trong đó, các mẫu dữ liệu được thu thập về các chỉ tiêu tài chính như: doanh thu, lợi nhuận sau thuế, tổng tài sản, tổng nợ, vốn FDI, vốn kinh doanh... và các chỉ tiêu phi tài chính như: số năm từ khi thành lập doanh nghiệp, tổng số lao động. 3.3 Phương pháp phân tích dữ liệu Bài viết sử dụng Phương pháp nghiên cứu định lượng (Quantitative Research Method) là chủ yếu. Trên cơ sở phân tích dữ liệu thứ cấp dạng bảng (Panel data) của 7.640 doanh nghiệp dệt may trên cả nước, dữ liệu được xử lý bằng phần mềm STATA 14.0, nhằm làm rõ tác động của tái cấu trúc tới NSLĐ doanh nghiệp dệt may Việt Nam. Số 126 (2/2020) Tạp chí Quản lý và Kinh tế quốc tế 49 4. Kết quả nghiên cứu 4.1 Phân tích thống kê mô tả Thống kê mô tả cho thấy tổng quan về dữ liệu, phát hiện những quan sát sai khác trong cỡ mẫu, kết quả được trình bày theo bảng thống kê mô tả trong Bảng 1. Kết quả thống kê mô tả phản ánh phạm vi, giá trị trung bình và độ lệch chuẩn của các biến được sử dụng trong nghiên cứu của các biến độc lập và phụ thuộc. Bảng 1. Thống kê mô tả các biến trong mô hình Biến RES TLA REV FDI BCA Số quan Giá trị Đơn vị tính sát Trung bình 76,400 0,9688 76,400 Người 73 76,400 Triệu đồng 2.217.824 76,400 1.000 USD 51.034 76,400 Triệu đồng 1.780.929 Độ lệch chuẩn 0,1739 407 4.688.170 219.147 3.763.154 Giá trị thấp nhất 0 3 100 0 50 Giá trị cao nhất 1 19,346 18.153.600 998.085 14.767.060 Nguồn: Tác giả tự tính toán bằng phần mềm Stata 14.0 Kết quả thống kê mô tả ở bảng 1, cho thấy: Biến RES có độ biến động trong khoảng từ giá trị 0 tới giá trị 1 với giá trị trung bình của cỡ mẫu 0,9688 ứng với độ lệch chuẩn của mẫu là 0,1739. Biến TLA có độ biến động trong khoảng từ giá trị 3 tới giá trị 19,346 với giá trị trung bình của cỡ mẫu 73 ứng với độ lệch chuẩn của mẫu là 407. Biến REV có độ biến động trong khoảng từ giá trị 100 tới giá trị 18.153.600 với giá trị trung bình của cỡ mẫu 2.217.824 ứng với độ lệch chuẩn của mẫu là 4.688.170. Biến FDI có độ biến động trong khoảng từ giá trị 0 tới giá trị 998.085 với giá trị trung bình của cỡ mẫu 51.034 ứng với độ lệch chuẩn của mẫu là 219.147. Biến BCA có độ biến động trong khoảng từ giá trị 50 tới giá trị 14.767.060 với giá trị trung bình của cỡ mẫu 1.780.929 ứng với độ lệch chuẩn của mẫu là 3.763.154. Theo Vitas (2018), Việt Nam hiện có 12,61% doanh nghiệp lớn và siêu lớn; 23,74% là doanh nghiệp vừa; 45,18% là doanh nghiệp nhỏ và 18,47% là doanh nghiệp siêu nhỏ. Nhìn chung, với hiện trạng gần 90% doanh nghiệp dệt may Việt Nam là các doanh nghiệp vừa và nhỏ (Small and Medium Enterprises - SMEs), kết quả thống kê mô tả nêu trên hoàn toàn phù hợp và phản ảnh chính xác nguồn số liệu. Tóm lại, bộ số liệu của bài viết có cỡ mẫu đủ lớn và phù hợp nên hoàn toàn có thể thực hiện hồi quy trong thống kê. 50 Tạp chí Quản lý và Kinh tế quốc tế Số 126 (2/2020) 4.2 Phân tích đa cộng tuyến Trong mô hình hồi quy, nếu các biến độc lập có mối quan hệ tuyến tính, nghĩa là các biến độc lập có tương quan chặt, mạnh với nhau thì sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Ví dụ có hai biến độc lập A và B, khi A tăng thì B tăng, A giảm thì B giảm…. thì đó là một dấu hiệu của đa cộng tuyến. Nói cách khác, hai biến độc lập có quan hệ chặt chẽ với nhau, đúng ra hai biến này nó là một, nhưng thực tế trong mô hình nhà nghiên cứu lại tách làm 2 biến. Hiện tượng đa cộng tuyến vi phạm giả định của mô hình hồi quy, tuyến tính cổ điển là các biến độc lập không có mối quan hệ tuyến tính với nhau. Có hai cách phát hiện đa cộng tuyến: dựa vào hệ số phóng đại phương sai VIF, hoặc dựa vào ma trận hệ số tương quan 4.2.1 Phân tích ma trận tương quan Hệ số tương quan dùng để chỉ mối quan hệ giữa các biến trong mô hình. Dựa vào kết quả ma trận tương quan, tác giả sẽ phân tích mối tương quan giữa các biến phụ thuộc với các biến độc lập trong mô hình và mối tương quan giữa các biến độc lập với nhau. Bảng 2. Kết quả ma trận tương quan RES TLA REV FDI BCA POR TLA REV FDI BCA 1,0000 -0,1457 -0,2352 -0,2085 -0,2483 1,0000 0,1286 0,3399 0,1136 1,0000 0,0669 0,0882 1,0000 0,0780 1,0000 Nguồn: Tác giả tự tính toán bằng phần mềm Stata 14.0 Kết quả phân tích ma trận tương quan giữa các biến trong mô hình theo bảng 3 cho thấy, toàn bộ các cặp biến không tồn tại các hệ số tự tương quan cặp giữa các biến độc lập lớn hơn 0,8, nên không tồn tại hiện tượng đa cộng tuyến giữa các cặp biến độc lập trong mô hình. Như vậy, trong tình huống này không tồn tại hiện tượng đa cộng tuyến với tiêu chuẩn tương quan cặp tuyến tính. 4.2.2 Phân tích nhân tử phóng đại phương sai VIF Dựa vào Bảng 3 về kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai, cho thấy trung bình VIF của các biến trong mô hình bằng 2,51 nhỏ hơn 10. Đồng thời, thực tế không có VIF của biến độc lập nào vượt quá 10. Như vậy, với tiêu chuẩn nhân tử phóng đại phương sai VIF, mô hình không tồn tại hiện tượng đa cộng tuyến. Số 126 (2/2020) Tạp chí Quản lý và Kinh tế quốc tế 51 Bảng 3. Kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai BIẾN VIF 1/VIF BCA REV FDI TLA RES 4,57 4,55 1,17 1,15 1,11 Mean VIF 2,51 0,218852 0,219604 0,857785 0,869955 0,897982 Nguồn: Tác giả tự tính toán bằng phần mềm Stata 14.0 4.3 Phân tích hồi quy đa biến Sau khi phân tích tương quan để kiểm tra hiện tượng đa cộng tuyến, nghiên cứu tiến hành phân tích hồi quy đa biến (Hoàng & Chu, 2005). Bảng 4. Hồi quy biến phụ thuộc CP theo các biến độc lập HỆ SỐ TƯƠNG QUAN RES -0,003272 TLA 2,53e-06 REV 9,24e-08 FDI 0,0001332 BCA 1,06e-07 HẰNG SỐ 0,0140484 BIẾN CP ĐỘ LỆCH CHUẨN 0,0003381 1,47e-07 2,54e-09 2,75e-06 3,17e-09 0,0003429 t P>|t| -9,68 17,22 36,44 48,50 33,45 40,97 0,000 0,000 0,000 0,000 0,000 0,000 Khoảng tin cậy 95% -0,0039347 2,24e-06 8,74e-08 0,0001278 9,97e-08 0,0133763 -0,0026093 2,81e-06 9,74e-08 0,0001385 1,12e-07 0,0147206 Nguồn: Tác giả tự tính toán bằng phần mềm Stata 14.0 4.4 Hồi quy bằng mô hình tác động cố định FEM Bảng 5. Hồi quy mô hình tác động cố định FEM HỆ SỐ TƯƠNG QUAN RES -0,0021683 TLA 5,07e-06 REV 1,65e-07 FDI 0,0002857 BCA 1,77e-07 HẰNG SỐ 0,0091454 BIẾN CP ĐỘ LỆCH CHUẨN 0,0006978 1,60e-07 4,29e-09 2,84e-06 4,51e-09 0,0006811 t P>|t| -3,11 31,56 38,43 100,55 39,21 13,43 0,002 0,000 0,000 0,000 0,000 0,000 Khoảng tin cậy 95% -0,0035359 4,75e-06 1,56e-07 0,0002801 1,68e-07 0,0078105 -0,0008007 5,38e-06 1,73e-07 0,0002912 1,86e-07 0,0104804 Nguồn: Tác giả tự tính toán bằng phần mềm Stata 14.0 52 Tạp chí Quản lý và Kinh tế quốc tế Số 126 (2/2020) Hồi quy bằng FEM_Mô hình tác động cố định: giả định các tung độ góc của mỗi doanh nghiệp hoàn toàn khác nhau. Phương pháp này được sử dụng khi ta nghi ngờ các tung độ góc có liên quan đến các biến giải thích trong mô hình, vì vậy, cần phải cố định lại. Giả định các quan sát giữa các doanh nghiệp, các năm không tìm thấy sự khác biệt, mô hình Pooled phù hợp với dữ liệu. Khi dữ liệu mẫu tồn tại sự khác biệt giữa các công ty, dữ liệu bảng FEM phù hợp với mẫu nghiên cứu hơn. Nghiên cứu sử dụng kiểm định lựa chọn mô hình Pooled và mô hình dữ liệu bảng FEM. Giả thuyết H0: Mô hình Pooled phù hợp với mẫu nghiên cứu. Giả thuyết H1: Mô hình FEM phù hợp với mẫu nghiên cứu. Bảng 6. Kết quả kiểm định lựa chọn Pooled và FEM Thống kê F p-value 11,48 0,0000 Nguồn: Tác giả tự tính toán bằng phần mềm Stata 14.0 Kiểm định cho p-value bằng 0,0000 nhỏ hơn 0,05, đủ cơ sở bác bỏ giả thuyết H0. Vậy mô hình FEM phù hợp với dữ liệu mẫu hơn mô hình Pooled. Tác giả sử dụng mô hình dữ liệu ở Bảng 5 làm kết quả nghiên cứu. 4.5 Hồi quy bằng mô hình tác động ngẫu nhiêm REM Hồi quy bằng REM_Mô hình tác động ngẫu nhiên: giả định các tung độ góc của mỗi doanh nghiệp là hoàn toàn ngẫu nhiên. Phương pháp này được sử dụng khi ta cho rằng các tung độ góc không có liên quan đến các biến giải thích trong mô hình. Vì vậy, xem các tung độ góc hoàn toàn ngẫu nhiên với các biến giải thích trong mô hình. Bảng 7. Hồi quy Mô hình tác động ngẫu nhiên REM HỆ SỐ TƯƠNG QUAN RES 0,0014607 TLA 4,51e-06 REV 1,12e-07 FDI 0,0002582 BCA 1,69e-07 HẰNG SỐ 0,0071224 BIẾN CP ĐỘ LỆCH CHUẨN 0,0005236 1,53e-07 3,52e-09 2,74e-06 3,99e-09 0,0005301 z P>|z| 2,79 29,48 31,85 94,40 42,39 13,44 0,005 0,000 0,000 0,000 0,000 0,000 Khoảng tin cậy 95% 0,0004345 4,21e-06 1,05e-07 0,0002529 1,61e-07 0,0060834 0,002487 4,81e-06 1,19e-07 0,0002636 1,77e-07 0,0081613 Nguồn: Tác giả tự tính toán bằng phần mềm Stata 14.0 Tác giả tiếp tục kiểm định Breusch & Pagan (1980) lựa chọn mô hình Pooled và REM với giả thuyết như sau: H0: Mô hình Pooled phù hợp dữ liệu mẫu hơn REM. Số 126 (2/2020) Tạp chí Quản lý và Kinh tế quốc tế 53