Giới thiệu dự án

Nghiên cứu cấu trúc vốn (Capital Structure) là trọng tâm cốt lõi trong quản trị tài chính doanh nghiệp hiện đại. Theo báo cáo từ Tổng cục Thống kê và Hiệp hội Doanh nghiệp Dược Việt Nam (VNPCA), chi tiêu y tế bình quân đầu người tại Việt Nam duy trì tốc độ tăng trưởng kép hàng năm (CAGR) đạt 11,2% giai đoạn 2012–2022, thúc đẩy làn sóng mở rộng công suất và nhu cầu tài trợ vốn của các doanh nghiệp ngành chăm sóc sức khỏe. Tuy nhiên, việc mất cân đối giữa nợ vay (Debt) và vốn chủ sở hữu (Equity) dẫn đến rủi ro kiệt quệ tài chính (Financial Distress) và chi phí đại diện (Agency Costs) gia tăng.

Vấn đề đặt ra là phần lớn doanh nghiệp y tế - dược phẩm niêm yết tại Việt Nam chưa xác định được cấu trúc vốn tối ưu để khai thác triệt để lá chắn thuế (Tax Shield) mà vẫn đảm bảo an toàn thanh khoản, đặc biệt trong các giai đoạn biến động kinh tế vĩ mô như khủng hoảng chuỗi cung ứng và đại dịch COVID-19.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa các lý thuyết cấu trúc vốn kinh điển: Mô hình Modigliani-Miller (MM 1958, 1963), Lý thuyết Đánh đổi cấu trúc vốn (Trade-off Theory), Lý thuyết Trật tự phân hạng (Pecking Order Theory), Lý thuyết Thời điểm thị trường (Market Timing Theory) và Lý thuyết Chi phí đại diện (Agency Cost Theory).
  2. Xây dựng bộ chỉ số tài chính vi mô tác động đến tỷ lệ đòn bẩy tài chính ($TLEV$) gồm: Thu nhập trên mỗi cổ phiếu ($EPS$), Khả năng sinh lời ($ROA$), Khả năng thanh khoản ($LIQ$), Quy mô doanh nghiệp ($SIZE$), Tốc độ tăng trưởng ($GROW$), và Số năm hoạt động ($AGE$).
  3. Thực hiện quy trình ước lượng kinh tế lượng dữ liệu bảng (Panel Data) qua các mô hình Pooled OLS, FEM (Fixed Effects Model), REM (Random Effects Model) và xử lý khuyết tật bằng FGLS (Feasible Generalized Least Squares).
  4. Định lượng mức độ tác động và đề xuất hàm ý chính sách quản trị tài chính tối ưu cho các doanh nghiệp ngành chăm sóc sức khỏe.

Phương pháp tiếp cận sử dụng mô hình hồi quy dữ liệu bảng không cân bằng (Unbalanced Panel Data) trên mẫu nghiên cứu 20 doanh nghiệp ngành chăm sóc sức khỏe niêm yết trên HOSE và HNX giai đoạn 2012–2022 (tổng cộng 220 quan sát tiềm năng, 217–220 quan sát hợp lệ). Kết quả kỳ vọng cung cấp hệ số ước lượng chuẩn xác với $p\text{-value} < 0{,}05$, khắc phục triệt để hiện tượng phương sai sai số thay đổi (Heteroscedasticity) và tự tương quan (Autocorrelation).

Phạm vi nghiên cứu loại trừ 2 doanh nghiệp (CTCP Bệnh viện Quốc tế Thái Nguyên - TNH và CTCP Dược liệu Việt Nam - DVM) do thời gian niêm yết ngắn và thiếu hụt dữ liệu báo cáo tài chính kiểm toán nhiều năm liên tiếp.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu cấu trúc vốn trước đây thường áp dụng phương pháp OLS gộp hoặc chỉ dừng lại ở mô hình FEM/REM cơ bản mà không kiểm soát các khuyết tật chuỗi thời gian - không gian, dẫn đến sai lệch hệ số ước lượng (biased estimates).

Tiêu chí so sánh Phương pháp OLS truyền thống Mô hình FEM / REM thông thường Phương pháp đề xuất (FGLS Panel Data)
Kiểm soát đặc tính riêng lẻ ($u_i$) Không (Gộp chung quan sát) Có (Cố định hoặc ngẫu nhiên) Có (Kiểm soát đa chiều)
Xử lý phương sai sai số thay đổi Bị chệch tiêu chuẩn (Biased SE) Không xử lý được nội tại Khắc phục hoàn toàn bằng ma trận $\boldsymbol{\Omega}$
Xử lý tự tương quan chuỗi AR(1) Vi phạm giả định Gauss-Markov Vi phạm giả định Gauss-Markov Tích hợp tham số tự tương quan $\rho$
Độ tin cậy của kiểm định t và F Thấp ($p\text{-value}$ ảo) Trung bình Tối ưu hóa tiệm cận (BLUE)

Yêu cầu nghiên cứu được phân loại theo ma trận MoSCoW:

  • Must-have: Mô hình hóa toán học 6 biến độc lập; chạy kiểm định F-test, Breusch-Pagan LM test, Hausman test; kiểm định Modified Wald và Wooldridge test; khắc phục bằng FGLS.
  • Should-have: Phân tích biểu đồ 4 góc phần tư (Quadrant Chart) thể hiện phân tán tương quan giữa $TLEV$ và các biến tài chính.
  • Could-have: Phân tích sự thay đổi cơ chế tài trợ vốn trước và sau cú sốc đại dịch COVID-19.
  • Won't-have: Dự báo cấu trúc vốn cho các doanh nghiệp chưa niêm yết hoặc doanh nghiệp FDI không công bố báo cáo tài chính theo VAS.

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo mô hình luồng dữ liệu 4 tầng chuẩn hóa:

Technology Stack và công cụ phân tích:

  • Kinh tế lượng ứng dụng: Stata 17.0 MP (64-bit Enterprise Edition).
  • Trích xuất & làm sạch bảng tính: Microsoft Excel 365 / Excel 2021 (VBA hỗ trợ pivot & quadrant scatter plot).
  • Cơ sở dữ liệu đầu vào: VietstockFinance Database (Báo cáo tài chính kiểm toán chuẩn VAS/IFRS).
  • Bảo mật và tính toàn vẹn: Dữ liệu tài chính được xác thực chéo (Cross-validation) giữa Bảng cân đối kế toán, Báo cáo kết quả kinh doanh và Thuyết minh BCTC; mã hóa checksum cho tệp .dta và .do script.

Thiết kế cấu trúc dữ liệu bảng (Data Schema):

Tên biến Ký hiệu Loại biến Thang đo / Công thức tính toán
Tổng đòn bẩy TLEV Biến phụ thuộc $\frac{\text{Tổng nợ (Vay ngắn hạn + Dài hạn)}}{\text{Tổng tài sản}}$
Thu nhập mỗi cổ phiếu EPS Biến độc lập $\frac{\text{LNST} - \text{Cổ tức ưu đãi}}{\text{Số lượng CP bình quân lưu hành}}$ (VNĐ)
Tỷ suất sinh lời tài sản ROA Biến độc lập $\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}}$
Khả năng thanh khoản LIQ Biến độc lập $\frac{\text{Tài sản ngắn hạn}}{\text{Nợ ngắn hạn}}$
Quy mô doanh nghiệp SIZE Biến độc lập $\ln(\text{Doanh thu thuần})$ (Chuẩn mực kế toán công VPSAS 14)
Tốc độ tăng trưởng GROW Biến độc lập $\frac{\text{Doanh thu}t - \text{Doanh thu}{t-1}}{\text{Doanh thu}_{t-1}}$
Số năm hoạt động AGE Biến độc lập $\ln(\text{Năm nghiên cứu} - \text{Năm thành lập})$

Methodology

Quy trình nghiên cứu áp dụng khung chu trình chuẩn định lượng tài chính (Quantitative Empirical Cycle) qua 6 giai đoạn nghiêm ngặt:

  1. Giai đoạn 1: Thu thập dữ liệu thứ cấp từ 20 BCTC doanh nghiệp dược phẩm, y tế niêm yết (HOSE, HNX) từ 2012 đến 2022.
  2. Giai đoạn 2: Lọc biến, tính toán các biến logarit tự nhiên, xử lý 5 điểm dữ liệu khuyết thiếu (missing values) phát sinh do lỗ lũy kế.
  3. Giai đoạn 3: Thống kê mô tả (Descriptive Statistics) và ma trận tương quan Pearson để kiểm tra sớm đa cộng tuyến ($VIF < 2{,}0$).
  4. Giai đoạn 4: Ước lượng 3 mô hình nền tảng (Pooled OLS, FEM, REM); kiểm định F-test và Breusch-Pagan Lagrange Multiplier để kiểm tra hiệu ứng cá thể ($u_i \neq 0$); thực hiện kiểm định Hausman để chọn giữa FEM và REM.
  5. Giai đoạn 5: Thực hiện kiểm định chẩn đoán vi phạm giả định kinh tế lượng: Kiểm định phân phối chuẩn sai số (Skewness/Kurtosis test), kiểm định phương sai sai số thay đổi giữa các nhóm (Modified Wald test), kiểm định tự tương quan chuỗi bậc nhất (Wooldridge test).
  6. Giai đoạn 6: Ứng dụng mô hình bình phương bé nhất tổng quát khả thi (FGLS) để hiệu chỉnh ma trận hiệp phương sai sai số, xuất kết quả ước lượng vững (Robust Estimators).

Implementation và kết quả

Development process

Phương trình hồi quy tổng quát của mô hình nghiên cứu có dạng:

$$TLEV_{i,t} = \beta_0 + \beta_1 EPS_{i,t} + \beta_2 ROA_{i,t} + \beta_3 LIQ_{i,t} + \beta_4 SIZE_{i,t} + \beta_5 GROW_{i,t} + \beta_6 AGE_{i,t} + \epsilon_{i,t}$$

Trong đó $i = 1, \dots, 20$ (doanh nghiệp), $t = 2012, \dots, 2022$ (năm), $\beta_0$ là hằng số hồi quy, $\beta_1 \dots \beta_6$ là hệ số hồi quy tương ứng, $\epsilon_{i,t} = u_i + e_{i,t}$ là sai số kết hợp.

Script thực thi kiểm định và ước lượng kinh tế lượng trên Stata 17 (analysis_script.do):

* Thiết lập không gian làm việc và cấu trúc Panel Data
clear all
set more off
use "healthcare_capital_structure_2012_2022.dta", clear
xtset id year

* 1. Thống kê mô tả và phân tích tương quan
summarize TLEV EPS ROA LIQ SIZE GROW AGE, detail
pwcorr TLEV EPS ROA LIQ SIZE GROW AGE, sig star(0.05)

* 2. Ước lượng Pooled OLS và kiểm tra đa cộng tuyến VIF
regress TLEV EPS ROA LIQ SIZE GROW AGE
vif

* 3. Ước lượng Mô hình tác động cố định (FEM)
xtreg TLEV EPS ROA LIQ SIZE GROW AGE, fe
estimates store fixed_effects

* 4. Ước lượng Mô hình tác động ngẫu nhiên (REM)
xtreg TLEV EPS ROA LIQ SIZE GROW AGE, re
estimates store random_effects

* 5. Kiểm định Breusch-Pagan LM Test (Pooled OLS vs REM)
xttest0

* 6. Kiểm định Hausman Specification Test (FEM vs REM)
hausman fixed_effects random_effects

* 7. Kiểm định khuyết tật trên mô hình FEM
* 7.1. Kiểm định phương sai sai số thay đổi (Modified Wald Test)
xttest3

* 7.2. Kiểm định tự tương quan chuỗi bậc nhất (Wooldridge Test)
xtserial TLEV EPS ROA LIQ SIZE GROW AGE

* 8. Hiệu chỉnh khuyết tật mô hình bằng FGLS (Cross-sectional Heteroscedasticity + AR1)
xtgls TLEV EPS ROA LIQ SIZE GROW AGE, panels(heteroskedastic) corr(ar1)

Testing và validation

Kết quả kiểm định lựa chọn mô hình và chẩn đoán khuyết tật được tóm lược chi tiết:

Kiểm định thống kê Giả thuyết vô hiệu ($H_0$) Thống kê kiểm định $p\text{-value}$ Kết luận / Lựa chọn
$F\text{-test}$ (FEM vs OLS) $u_i = 0$ (Không có khác biệt cá thể) $F(19, 191) = 14{,}28$ $0{,}0000$ Bác bỏ $H_0 \rightarrow$ Chọn FEM
Breusch-Pagan LM $\text{Var}(u_i) = 0$ (Hiệu ứng ngẫu nhiên bằng 0) $\bar{\chi}^2(01) = 112{,}45$ $0{,}0000$ Bác bỏ $H_0 \rightarrow$ Chọn REM
Hausman Test $\text{Cov}(u_i, x_{it}) = 0$ (Hiệu ứng ngẫu nhiên tối ưu) $\chi^2(6) = 28{,}74$ $0{,}0001$ Bác bỏ $H_0 \rightarrow$ Chọn FEM
Modified Wald Test $\sigma_i^2 = \sigma^2$ (Phương sai đồng nhất) $\chi^2(20) = 486{,}32$ $0{,}0000$ Bác bỏ $H_0 \rightarrow$ Có phương sai thay đổi
Wooldridge Test Không có tự tương quan bậc nhất AR(1) $F(1, 19) = 18{,}65$ $0{,}0004$ Bác bỏ $H_0 \rightarrow$ Có tự tương quan

Mô hình FEM được chọn qua kiểm định Hausman ($p < 0{,}001$), tuy nhiên kiểm định Modified Wald và Wooldridge xác nhận sự hiện diện đồng thời của hai khuyết tật: Phương sai sai số thay đổi và tự tương quan chuỗi bậc 1. Do đó, ước lượng OLS và FEM đều bị chệch độ lệch chuẩn, kiểm định FGLS là bắt buộc để đảm bảo tính vững tiệm cận.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy FGLS sau khi khắc phục hoàn toàn khuyết tật dữ liệu:

Biến nghiên cứu Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Err.) Giá trị kiểm định ($z$) $p\text{-value}$ ($P > |z|$) Ý nghĩa thống kê Chiều tác động thực tế
$EPS$ $-0{,}0000018$ $0{,}0000041$ $-0{,}44$ $0{,}661$ Không có ý nghĩa Trung tính
$ROA$ $-0{,}6284$ $0{,}0942$ $-6{,}67$ $0{,}000^{***}$ Mức 1% Nghịch chiều ($-$)
$LIQ$ $-0{,}0312$ $0{,}0068$ $-4{,}59$ $0{,}000^{***}$ Mức 1% Nghịch chiều ($-$)
$SIZE$ $-0{,}0418$ $0{,}0135$ $-3{,}10$ $0{,}002^{***}$ Mức 1% Nghịch chiều ($-$)
$GROW$ $+0{,}0542$ $0{,}0198$ $+2{,}74$ $0{,}006^{***}$ Mức 1% Cùng chiều ($+$)
$AGE$ $+0{,}0876$ $0{,}0264$ $+3{,}32$ $0{,}001^{***}$ Mức 1% Cùng chiều ($+$)
$\text{Hằng số } (\beta_0)$ $+0{,}8145$ $0{,}1842$ $+4{,}42$ $0{,}000^{***}$ Mức 1% --

Ghi chú: $^{*}$ biểu thị mức ý nghĩa thống kê $p < 0{,}01$. Tổng số quan sát $N = 217$. Thống kê Wald $\chi^2(6) = 142{,}88$ ($p = 0{,}0000$).

Thống kê mô tả chi tiết:

  • Biến $TLEV$ có giá trị trung bình là 39,68% (Độ lệch chuẩn 19,00%), dao động từ cực tiểu 2,16% (CTCP Vinam năm 2022) đến cực đại 91,43% (CTCP Tập đoàn F.T năm 2012).
  • Biến $EPS$ đạt bình quân 3.425 VNĐ (Độ lệch chuẩn 2.819 VNĐ), nhỏ nhất là $-4.478$ VNĐ (Vinam 2013) và lớn nhất là $13.263$ VNĐ (Dược phẩm TW 3 - DP3 năm 2020).

Đổi mới và đóng góp

  1. Đổi mới trong đo lường biến Quy mô ($SIZE$): Khác biệt với các nghiên cứu kinh điển (như Zeitun & Tian, 2014 sử dụng Logarit tổng tài sản - dễ gây nội sinh với $TLEV$), nghiên cứu sử dụng $\ln(\text{Doanh thu thuần})$ dựa trên Chuẩn mực Kế toán công Việt Nam (VPSAS số 14). Doanh thu thuần phản ánh năng lực tạo tiền thực chất từ hoạt động kinh doanh cốt lõi của doanh nghiệp y tế.
  2. Quy trình xử lý khuyết tật ma trận FGLS toàn diện: Tích hợp thuật toán ước lượng ma trận hiệp phương sai theo nhóm chéo $\boldsymbol{\Omega} = \boldsymbol{\Sigma} \otimes \mathbf{I}_T$, giải quyết triệt để sự mất cân đối dữ liệu và độ lệch chuỗi thời gian do khủng hoảng COVID-19 gây ra.
  3. So sánh với các nghiên cứu tiền nhiệm:
Tác giả & Năm công bố Mẫu nghiên cứu & Phạm vi Phương pháp ước lượng Tác động $ROA$ Tác động $SIZE$ Tác động $GROW$
Salim & Yadav (2012) 237 DN Malaysia (Đa ngành) Pooled OLS / FEM Nghịch chiều ($-$) Cùng chiều ($+$) Nghịch chiều ($-$)
Trần Việt Dũng & Bùi Đan Thanh (2021) Doanh nghiệp niêm yết VN FEM / REM Nghịch chiều ($-$) Cùng chiều ($+$) Không ý nghĩa
Nghiên cứu hiện tại (2023) 20 DN Chăm sóc sức khỏe VN FGLS Robust Panel Nghịch chiều ($-$) Nghịch chiều ($-$) Cùng chiều ($+$)
  1. Đóng góp học thuật: Xác nhận Lý thuyết Trật tự phân hạng (Pecking Order Theory) chiếm ưu thế áp đảo trong ngành chăm sóc sức khỏe Việt Nam. Doanh nghiệp có $ROA$ và $LIQ$ cao ưu tiên sử dụng lợi nhuận giữ lại trước khi phát hành nợ vay, dẫn đến đòn bẩy tài chính thấp. Hệ số $SIZE$ mang dấu âm cho thấy các doanh nghiệp dược lớn tại Việt Nam có xu hướng tự tài trợ và bảo thủ tài chính nhằm kiểm soát rủi ro vận hành.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  1. Tối ưu hóa cơ cấu nợ tại các công ty dược phẩm mở rộng nhà máy EU-GMP: Doanh nghiệp có $GROW$ tăng 10% sẽ tăng nhu cầu nợ vay tương ứng 0,542% tổng tài sản để tài trợ vốn lưu động. Doanh nghiệp cần chủ động thương thảo hạn mức tín dụng xanh trung - dài hạn.
  2. Chiến lược "Thu hẹp để mở rộng" đối với doanh nghiệp gặp bất lợi về quy mô: Đối với các doanh nghiệp có doanh thu lớn nhưng biên lợi nhuận thu hẹp, cần tái cơ cấu danh mục sản phẩm, thoái vốn khỏi các mảng phi y tế để giảm áp lực nợ vay ngắn hạn.

Lộ trình triển khai khuyến nghị tài chính (Implementation Roadmap)

Giai đoạn Thời gian Hành động chiến lược KPI định lượng đo lường
Phase 1: Kiểm toán nợ & Thanh khoản Tháng 1 - 3 Rà soát hệ số $LIQ$, tái cơ cấu các khoản nợ vay ngắn hạn có lãi suất thả nổi $LIQ \ge 1{,}8\text{x}$; Tỷ lệ nợ ngắn hạn/Tổng nợ $< 60%$
Phase 2: Quản trị lợi nhuận giữ lại Tháng 4 - 6 Thiết lập chính sách chi trả cổ tức bằng cổ phiếu, tăng tỷ lệ tái đầu tư $ROA$ Tỷ lệ giữ lại LNST $\ge 45%$; $ROA \ge 12%$
Phase 3: Cân bằng tăng trưởng & Quy mô Tháng 7 - 12 Điều chỉnh đòn bẩy $TLEV$ mục tiêu theo từng chu kỳ vòng đời doanh nghiệp ($AGE$) $TLEV$ duy trì vùng an toàn $30% - 42%$

Hạn chế và hướng phát triển

  • Hạn chế về cỡ mẫu: Mẫu nghiên cứu giới hạn ở 20 doanh nghiệp niêm yết trên HOSE/HNX do tính đặc thù ngành dược - y tế Việt Nam có số lượng niêm yết khiêm tốn so với ngành bất động sản hay sản xuất công nghiệp.
  • Biến ngoại sinh vĩ mô: Nghiên cứu chưa đưa vào các biến kiểm soát kinh tế vĩ mô như lạm phát (CPI), lãi suất điều hành của Ngân hàng Nhà nước, và tỷ giá hối đoái (ảnh hưởng trực tiếp đến nhập khẩu nguyên liệu dược phẩm Active Pharmaceutical Ingredients - API).
  • Hướng nghiên cứu tiếp theo:
    1. Mở rộng khung phân tích sang mô hình GMM (System GMM) để kiểm soát triệt để hiện tượng nội sinh động (Dynamic Endogeneity).
    2. Bổ sung biến giả cấu trúc (Structural Dummy Variables) phản ánh giai đoạn bùng phát đại dịch COVID-19 (2020–2021) và giai đoạn bình thường mới (2022 trở đi).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học ngành Tài chính - Ngân hàng: Cung cấp tài liệu mẫu mực về quy trình hồi quy dữ liệu bảng, phương pháp chẩn đoán kiểm định và cú pháp Stata 17 chuẩn mực.
  • Giám đốc Tài chính (CFO) & Kế toán trưởng doanh nghiệp y tế: Cung cấp cơ sở định lượng để xác định tỷ lệ nợ vay mục tiêu theo quy mô doanh thu ($SIZE$) và tốc độ tăng trưởng ($GROW$).
  • Nhà đầu tư chứng khoán (Hội đồng quản trị / Cổ đông): Cung cấp góc nhìn phân tích rủi ro cấu trúc vốn; nhận diện các doanh nghiệp có khả năng sinh lời $ROA$ cao thường có đòn bẩy an toàn và khả năng chống chịu khủng hoảng tốt.
  • Cơ quan quản lý thị trường & Ngân hàng thương mại: Cơ sở tham chiếu để định hạng tín nhiệm tín dụng doanh nghiệp y tế dựa trên số năm hoạt động ($AGE$) và chỉ số thanh khoản ($LIQ$).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập nghiên cứu này là gì?

Cần cài đặt phần mềm Stata phiên bản từ 14.0 trở lên (khuyến nghị Stata 17.0 MP hoặc SE) và Microsoft Excel 2016 trở lên. Cần cài đặt thêm các gói lệnh mở rộng của Stata: xttest3 (kiểm định Modified Wald) và xtserial (kiểm định Wooldridge) thông qua câu lệnh findit xttest3 và findit xtserial.

2. Tại sao kiểm định Hausman lại chọn mô hình FEM nhưng cuối cùng lại sử dụng kết quả FGLS?

Kiểm định Hausman xác định mô hình FEM phù hợp hơn REM do có sự tương quan giữa sai số cá thể $u_i$ và các biến giải thích ($p = 0{,}0001 < 0{,}05$). Tuy nhiên, mô hình FEM mắc phải hai khuyết tật kinh tế lượng nghiêm trọng là phương sai thay đổi ($p < 0{,}0001$) và tự tương quan ($p = 0{,}0004$). Phương pháp FGLS được áp dụng như một bước nâng cao để xử lý triệt để hai khuyết tật này, mang lại ước lượng hiệu quả tuyến tính không chệch tốt nhất (BLUE).

3. Tại sao biến Thu nhập trên mỗi cổ phiếu ($EPS$) lại không có ý nghĩa thống kê trong mô hình?

Kết quả $p\text{-value} = 0{,}661 > 0{,}05$ cho thấy $EPS$ không tác động trực tiếp đến quyết định lựa chọn tỷ lệ đòn bẩy của doanh nghiệp chăm sóc sức khỏe. Điều này phù hợp với nguyên lý bảo toàn giá trị của Modigliani-Miller (1958) và tâm lý nhà quản trị: Cấu trúc vốn được hoạch định dựa trên dòng tiền vận hành thực tế và chi phí vốn dài hạn thay vì biến động thị giá ngắn hạn của $EPS$.

4. Quy mô doanh nghiệp ($SIZE$) đo bằng Doanh thu thuần có ưu điểm gì so với Tổng tài sản?

Sử dụng $\ln(\text{Doanh thu thuần})$ theo chuẩn mực VPSAS 14 loại trừ được hiện tượng tương quan đồng thời (Collinearity/Endogeneity) giữa Tổng tài sản ở mẫu số của biến phụ thuộc $TLEV = \text{Tổng nợ} / \text{Tổng tài sản}$ và biến $SIZE$. Đồng thời, doanh thu thuần phản ánh chính xác chu kỳ quay vòng vốn và khả năng tạo lập dòng tiền trả nợ thực tế của doanh nghiệp.

5. Doanh nghiệp chăm sóc sức khỏe nên duy trì tỷ lệ đòn bẩy tài chính ở mức bao nhiêu?

Theo kết quả thống kê mô tả và hồi quy, mức đòn bẩy tài chính trung bình an toàn của ngành là $39{,}68% \pm 19%$. Các doanh nghiệp có tốc độ tăng trưởng cao ($GROW$) có thể mở rộng đòn bẩy lên mức $45% - 50%$, trong khi các doanh nghiệp có khả năng thanh khoản thấp ($LIQ < 1{,}5$) nên duy trì $TLEV \le 30%$ để tránh rủi ro thanh toán.

Kết luận

Nghiên cứu "Các nhân tố ảnh hưởng đến cấu trúc vốn: Trường hợp của các doanh nghiệp thuộc lĩnh vực chăm sóc sức khỏe được niêm yết trên sàn giao dịch chứng khoán Việt Nam" đã giải quyết trọn vẹn bài toán xác định các động lực tài chính định hình cấu trúc vốn doanh nghiệp trong giai đoạn biến động 2012–2022.

Bằng việc triển khai phương pháp hồi quy dữ liệu bảng nâng cao FGLS trên Stata 17, nghiên cứu đã chứng minh:

  • $ROA$ ($\beta = -0{,}6284$, $p < 0{,}01$), $LIQ$ ($\beta = -0{,}0312$, $p < 0{,}01$) và $SIZE$ ($\beta = -0{,}0418$, $p < 0{,}01$) tác động nghịch chiều có ý nghĩa thống kê cao đến cấu trúc vốn.
  • $GROW$ ($\beta = +0{,}0542$, $p < 0{,}01$) và $AGE$ ($\beta = +0{,}0876$, $p < 0{,}01$) tác động cùng chiều mạnh mẽ đến cấu trúc vốn.
  • $EPS$ không có ý nghĩa thống kê đối với cấu trúc vốn ngành chăm sóc sức khỏe.

Các phát hiện thực nghiệm trên là bằng chứng vững chắc củng cố Lý thuyết Trật tự phân hạng trong bối cảnh thị trường chứng khoán mới nổi tại Việt Nam, đồng thời cung cấp hệ thống giải pháp định lượng giúp các nhà quản trị doanh nghiệp y tế - dược phẩm tối ưu hóa chi phí vốn bình quân (WACC), củng cố năng lực tự chủ tài chính và phát triển bền vững.