Giới thiệu dự án

Thị trường bất động sản (BĐS) đóng vai trò huyết mạch trong nền kinh tế Việt Nam, đóng góp trung bình 11-13% GDP quốc gia và có mối liên hệ mật thiết với hơn 40 ngành kinh tế khác (theo báo cáo của Hiệp hội Bất động sản Việt Nam - VNREA). Sau giai đoạn tăng trưởng nóng cùng biến động mạnh từ đại dịch COVID-19, chu kỳ thắt chặt tín dụng và khủng hoảng thanh khoản trái phiếu doanh nghiệp (2020–2022), việc hoạch định một cấu trúc vốn (Capital Structure) an toàn và tối ưu trở thành bài toán sinh tồn đối với các doanh nghiệp BĐS.

Vấn đề cốt lõi đặt ra là các doanh nghiệp BĐS niêm yết tại Việt Nam thường duy trì tỷ lệ đòn bẩy tài chính (Debt Ratio) cao, chịu sự phụ thuộc lớn vào vốn vay ngân hàng và nợ ngắn hạn, dẫn đến rủi ro vỡ nợ nghiêm trọng khi thị trường đóng băng hoặc lãi suất biến động. Khóa luận nghiên cứu ứng dụng chuyên sâu với đề tài: "Các nhân tố tác động đến cấu trúc vốn của các doanh nghiệp ngành bất động sản niêm yết trên thị trường chứng khoán Việt Nam" do tác giả Võ Thanh Nhã thực hiện dưới sự hướng dẫn của TS. Đỗ Thị Hà Thương (Trường Đại học Ngân hàng TP. Hồ Chí Minh - HUB) giải quyết triệt để bài toán này qua các mô hình kinh tế lượng hiện đại.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định và đo lường định lượng các nhân tố tài chính nội tại và vĩ mô tác động đến cấu trúc vốn (nợ tổng thể, nợ ngắn hạn và nợ dài hạn) của 39 doanh nghiệp BĐS niêm yết trên HSX, HNX và UPCOM.
  2. Kiểm định chiều hướng, độ co giãn và mức độ tin cậy thống kê của từng nhân tố trong chu kỳ 10 năm (2013–2022), bao gồm cả cú sốc đại dịch COVID-19.
  3. Xây dựng khung hàm ý quản trị tài chính doanh nghiệp và khuyến nghị điều hành vĩ mô cho các cơ quan quản lý Nhà nước nhằm ổn định thị trường BĐS.

Dự án áp dụng phương pháp ước lượng dữ liệu bảng đa chiều (Panel Data Econometrics) từ Pooled OLS, FEM (Mô hình hiệu ứng cố định), REM (Mô hình hiệu ứng ngẫu nhiên) đến FGLS (Bình phương bé nhất tổng quát khả thi) để khắc phục khuyết tật phương sai thay đổi và tự tương quan.

Phạm vi nghiên cứu tập trung vào 39 công ty BĐS niêm yết có báo cáo tài chính kiểm toán liên tục giai đoạn 2013–2022 (390 quan sát). Giới hạn của đề tài là chưa phân tách sâu giữa BĐS dân dụng, BĐS công nghiệp và BĐS nghỉ dưỡng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong quản trị tài chính truyền thống, việc quyết định cơ cấu giữa nợ phải trả (Total Debt) và vốn chủ sở hữu (Equity) thường dựa trên đánh giá định tính chủ quan hoặc áp dụng máy móc các tỷ lệ đòn bẩy trung bình ngành mà không lượng hóa mức độ nhạy cảm của các nhân tố vi mô và vĩ mô.

Phương pháp tiếp cận Ưu điểm Nhược điểm Tính ứng dụng tại thị trường VN
Quy tắc kinh nghiệm (Rule of Thumb) Đơn giản, triển khai nhanh chóng. Thiếu căn cứ định lượng, rủi ro cao khi lãi suất đảo chiều. Kém an toàn, dễ dẫn đến khủng hoảng thanh khoản.
Mô hình hồi quy OLS gộp (Pooled OLS) Dễ tính toán trên mẫu dữ liệu bảng. Bỏ qua đặc trưng riêng biệt của từng doanh nghiệp (Heterogeneity bias). Dễ gây chệch hệ số hồi quy do đặc thù DN BĐS rất khác nhau.
Mô hình FEM/REM chuẩn Kiểm soát được hiệu ứng cố định hoặc ngẫu nhiên của từng DN. Vẫn bị sai lệch tiêu chuẩn nếu tồn tại tự tương quan và phương sai thay đổi. Cần bước kiểm định và khắc phục khuyết tật nâng cao.
Mô hình FGLS (Feasible Generalized Least Squares) Khắc phục hoàn toàn phương sai sai số thay đổi và tự tương quan chuỗi. Đòi hỏi xử lý dữ liệu bảng khắt khe và kiểm định đa bước. Tối ưu nhất cho dữ liệu chuỗi 10 năm của DN BĐS Việt Nam.

Yêu cầu nghiên cứu theo mô hình MoSCoW:

  • Must-have: Đo lường 3 chiều cấu trúc vốn (Tổng nợ - $LEV$, Nợ ngắn hạn - $SLEV$, Nợ dài hạn - $LLEV$); khắc phục triệt để khuyết tật dữ liệu bảng; sử dụng dữ liệu kiểm toán minh bạch.
  • Should-have: Đánh giá đồng thời cả biến nội vi vi mô (ROA, SIZE, FIXED, LIQ, GROW, TAX) và biến vĩ mô (GDP, INF).
  • Could-have: So sánh kiểm chứng giữa lý thuyết đánh đổi (Trade-off Theory) và lý thuyết trật tự phân hạng (Pecking Order Theory).
  • Won't-have: Mô hình hóa rủi ro phi tài chính và biến số cấu trúc cổ đông nội bộ trong phạm vi nghiên cứu này.

Thiết kế hệ thống mô hình kinh tế lượng

Hệ thống nghiên cứu sử dụng quy trình xử lý dữ liệu chuỗi thời gian kết hợp không gian (Balanced Panel Data).

Stack công nghệ và công cụ thực thi:

  • Stata 17.0 MP / R Studio (R version 4.3.1 - plm package): Nền tảng phân tích kinh tế lượng và ước lượng hồi quy bảng.
  • Python 3.10 (Pandas, Statsmodels, Seaborn): Trích xuất, làm sạch dữ liệu BCTC và trực quan hóa phân phối biến.
  • Microsoft Excel 365 ProPlus: Chuẩn hóa cấu trúc ma trận biến đầu vào.

Cấu trúc ma trận biến nghiên cứu (Econometric Data Schema):

Panel Dataset Schema (N = 39, T = 10, Observations = 390)

Phương trình hồi quy tổng quát dạng ma trận: $$Y_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 ROA_{it} + \beta_3 FIXED_{it} + \beta_4 TAX_{it} + \beta_5 LIQ_{it} + \beta_6 GROW_{it} + \beta_7 GDP_t + \beta_8 INF_t + u_i + \varepsilon_{it}$$

Trong đó $u_i$ là sai số đặc thù bất biến theo thời gian của doanh nghiệp thứ $i$, và $\varepsilon_{it}$ là sai số ngẫu nhiên biến thiên theo cả $i$ và $t$.

Methodology

Quy trình nghiên cứu định lượng tuân thủ chuẩn mực học thuật quốc tế:

  1. Giai đoạn thu thập & chuẩn hóa dữ liệu: Thu thập dữ liệu từ BCTC kiểm toán của 39 DN BĐS niêm yết trên HSX/HNX/UPCOM và dữ liệu vĩ mô từ Tổng cục Thống kê (GSO) cùng Ngân hàng Thế giới (World Bank).
  2. Giai đoạn phân tích mô tả & tương quan: Thống kê mô tả (Mean, SD, Min, Max) và ma trận tương quan Pearson để phát hiện sớm dấu hiệu đa cộng tuyến.
  3. Giai đoạn ước lượng mô hình cơ sở: Chạy hồi quy Pooled OLS, FEM và REM cho 3 biến phụ thuộc ($LEV$, $SLEV$, $LLEV$).
  4. Giai đoạn kiểm định chọn mô hình: Sử dụng F-test (chọn giữa OLS và FEM) và Hausman Test (chọn giữa FEM và REM).
  5. Giai đoạn kiểm định khuyết tật: Kiểm định đa cộng tuyến (VIF), kiểm định phương sai sai số thay đổi (Modified Wald test), kiểm định tự tương quan chuỗi bậc 1 (Wooldridge test).
  6. Giai đoạn hiệu chỉnh FGLS: Ứng dụng Feasible Generalized Least Squares để ước lượng hệ số vững (Robust estimators).
* Script phân tích và kiểm định kinh tế lượng trên Stata 17
xtset Enterprise_ID Year

* 1. Hồi quy Pooled OLS, FEM, REM cho mô hình LEV
reg LEV SIZE ROA FIXED TAX LIQ GROW GDP INF
estimates store pooled_ols

xtreg LEV SIZE ROA FIXED TAX LIQ GROW GDP INF, fe
estimates store fem_model

xtreg LEV SIZE ROA FIXED TAX LIQ GROW GDP INF, re
estimates store rem_model

* 2. Kiểm định lựa chọn mô hình
hausman fem_model rem_model

* 3. Kiểm định khuyết tật mô hình FEM
xttest3                  /* Modified Wald test cho Heteroskedasticity */
xtserial LEV SIZE ROA FIXED TAX LIQ GROW GDP INF /* Wooldridge test cho Autocorrelation */

* 4. Ước lượng FGLS khắc phục triệt để khuyết tật
xtgls LEV SIZE ROA FIXED TAX LIQ GROW GDP INF, panels(hetero) corr(ar1)
xtgls SLEV SIZE ROA FIXED TAX LIQ GROW GDP INF, panels(hetero) corr(ar1)
xtgls LLEV SIZE ROA FIXED TAX LIQ GROW GDP INF, panels(hetero) corr(ar1)

Implementation và kết quả

Development Process & Phân tích thực nghiệm

Quá trình xử lý dữ liệu và ước lượng được tiến hành qua từng giai đoạn cụ thể:

  • Phân tích đa cộng tuyến: Hệ số phóng đại phương sai (VIF - Variance Inflation Factor) của toàn bộ các biến độc lập đều nằm trong khoảng $1.08 \le \text{VIF} \le 1.64$ (trung bình $\text{VIF} = 1.31 < 5.0$), chứng minh mô hình không vi phạm giả định đa cộng tuyến.
  • Lựa chọn mô hình cho biến $LEV$ và $SLEV$:
    • Kiểm định F-test: Giá trị $F(38, 343) = 14.82$ với $p\text{-value} = 0.0000 < 0.05 \implies$ Bác bỏ $H_0$, chọn mô hình FEM thay vì Pooled OLS.
    • Kiểm định Hausman: Giá trị $\chi^2(8) = 28.45$ với $p\text{-value} = 0.0004 < 0.05 \implies$ Bác bỏ $H_0$, khẳng định mô hình FEM vượt trội so với REM.
  • Kiểm định khuyết tật mô hình:
    • Kiểm định Modified Wald cho phương sai sai số thay đổi: $p\text{-value} = 0.0000 < 0.05 \implies$ Tồn tại phương sai sai số thay đổi giữa các công ty BĐS.
    • Kiểm định Wooldridge cho tự tương quan: $F(1, 38) = 21.634$ với $p\text{-value} = 0.0000 < 0.05 \implies$ Tồn tại tự tương quan chuỗi bậc 1 AR(1).
    • Kết luận: Cần sử dụng phương pháp ước lượng FGLS (panels(hetero) corr(ar1)) để thu được ước lượng không chệch và hiệu quả nhất.

Testing và Validation: Kết quả mô hình FGLS

Bảng kết quả ước lượng FGLS tổng hợp đối với các nhân tố tác động đến cấu trúc vốn:

Biến độc lập Giả thuyết Hệ số $\beta$ (Mô hình $LEV$) $p\text{-value}$ ($LEV$) Hệ số $\beta$ (Mô hình $SLEV$) $p\text{-value}$ ($SLEV$) Hệ số $\beta$ (Mô hình $LLEV$) $p\text{-value}$ ($LLEV$) Kết luận tác động ($LEV$)
C_CONST 0.2841 0.0000 0.1942 0.0002 0.0899 0.0412 Ý nghĩa thống kê 1%
SIZE $H_2 (+)$ +0.0241 0.0000*** +0.0158 0.0004*** +0.0083 0.0120** Cùng chiều (Ý nghĩa 1%)
ROA $H_1 (-)$ -0.6412 0.0000*** -0.4921 0.0000*** -0.1491 0.0018*** Ngược chiều (Ý nghĩa 1%)
FIXED $H_3 (+)$ +0.1873 0.0002*** +0.0612 0.1240 +0.1261 0.0000*** Cùng chiều (Ý nghĩa 1%)
TAX $H_4 (+)$ +0.0418 0.0210** +0.0315 0.0380** +0.0103 0.4120 Cùng chiều (Ý nghĩa 5%)
LIQ $H_5 (-)$ -0.0354 0.0000*** -0.0298 0.0000*** -0.0056 0.0450** Ngược chiều (Ý nghĩa 1%)
GROW $H_6 (+)$ +0.0012 0.6840 +0.0008 0.7210 +0.0004 0.8120 Không có ý nghĩa
GDP $H_7 (-)$ -0.0021 0.5120 -0.0015 0.5890 -0.0006 0.7410 Không có ý nghĩa
INF $H_8 (+/-)$ -0.0089 0.0320** -0.0124 0.0080*** +0.0035 0.0480** Tác động 2 chiều (Ý nghĩa 5%)

* Ghi chú: ***, **, * lần lượt thể hiện mức ý nghĩa thống kê tại 1%, 5% và 10%.

Kết quả đạt được

  1. Quy mô doanh nghiệp (SIZE): Tác động cùng chiều mạnh mẽ ($\beta = +0.0241, p < 0.01$). Khi quy mô tài sản tăng 1%, hệ số nợ $LEV$ tăng 0.0241 đơn vị. Điều này hoàn toàn phù hợp với Lý thuyết Đánh đổi (Trade-off Theory) – doanh nghiệp BĐS quy mô lớn có uy tín, nhiều tài sản thế chấp và vị thế thương lượng cao hơn với các tổ chức tín dụng.
  2. Khả năng sinh lời (ROA): Tác động nghịch chiều lớn nhất ($\beta = -0.6412, p < 0.01$). Doanh nghiệp hoạt động hiệu quả có nguồn lợi nhuận giữ lại dồi dào, từ đó ưu tiên tài trợ nội bộ thay vì đi vay, minh chứng chính xác cho Lý thuyết Trật tự phân hạng (Pecking Order Theory).
  3. Tỷ trọng tài sản cố định (FIXED): Tương quan dương với tổng nợ ($\beta = +0.1873, p < 0.01$) và đặc biệt là nợ dài hạn $LLEV$ ($\beta = +0.1261, p < 0.01$). Tài sản cố định hữu hình đóng vai trò vật thế chấp quyết định để ngân hàng giải ngân các khoản vay trung và dài hạn.
  4. Tính thanh khoản (LIQ): Tác động nghịch chiều ($\beta = -0.0354, p < 0.01$). Doanh nghiệp có tính thanh khoản cao có khả năng tự trang trải nhu cầu vốn ngắn hạn bằng tài sản lưu động mà không cần gia tăng đòn bẩy.
  5. Thuế thu nhập doanh nghiệp (TAX): Tác động cùng chiều ($\beta = +0.0418, p < 0.05$). Thuế suất thực tế cao thúc đẩy các nhà quản trị tận dụng lá chắn thuế (Tax Shield) từ chi phí lãi vay để tối ưu hóa giá trị công ty (Modigliani & Miller, 1963).
  6. Tỷ lệ lạm phát (INF): Thể hiện tác động hai chiều rõ rệt: nghịch chiều với tổng nợ ($LEV$) và nợ ngắn hạn ($SLEV$) do các ngân hàng thắt chặt hạn mức tín dụng khi lạm phát cao; nhưng lại cùng chiều với nợ dài hạn ($LLEV$) do doanh nghiệp BĐS chủ động chốt các khoản tài trợ dài hạn để phòng ngừa rủi ro trượt giá tiền tệ.
  7. Tốc độ tăng trưởng doanh nghiệp (GROW) & Tăng trưởng kinh tế (GDP): Không đạt mức ý nghĩa thống kê ($p > 0.10$), chứng minh rằng trong ngành BĐS Việt Nam, biến động doanh thu ngắn hạn và tăng trưởng GDP không phải là yếu tố tiên quyết trực tiếp định hình cấu trúc vốn so với cấu trúc tài sản và thanh khoản.

Đổi mới và đóng góp

Điểm mới khoa học và kỹ thuật

  • Bao phủ trọn vẹn chu kỳ kinh tế 10 năm (2013–2022): Khác với các nghiên cứu trước đây chỉ khảo sát trong giai đoạn bình thường, nghiên cứu này bổ sung dữ liệu thực nghiệm trong giai đoạn khủng hoảng COVID-19 và giai đoạn thắt chặt thị trường vốn 2021-2022.
  • Bóc tách chi tiết cấu trúc kỳ hạn nợ: Tách biệt phân tích đồng thời $LEV$, $SLEV$ và $LLEV$, chỉ ra sự phân hóa hành vi của các doanh nghiệp BĐS đối với nợ ngắn hạn và dài hạn trước biến động của lạm phát.
  • Xử lý triệt để khuyết tật dữ liệu bảng: Áp dụng phương pháp FGLS giải quyết dứt điểm hiện tượng phương sai sai số thay đổi nhóm và tự tương quan chuỗi thời gian, đem lại độ tin cậy thống kê cao hơn hẳn các nghiên cứu dùng Pooled OLS hoặc FEM đơn thuần.

So sánh với các nghiên cứu tiền nhiệm

Tiêu chí so sánh Khóa luận (Võ Thanh Nhã, 2024) Bùi Đan Thanh & Trần Việt Dũng (2021) Nguyễn Thị Thúy Hạnh (2019)
Đối tượng nghiên cứu 39 Doanh nghiệp BĐS chuyên biệt Đa ngành (203 DN niêm yết) 38 DN Sản xuất - Thương mại
Khung thời gian 2013 – 2022 (10 năm, gồm COVID-19) 2008 – 2018 (11 năm) 2009 – 2016 (8 năm)
Mô hình kinh tế lượng Pooled OLS, FEM, REM, FGLS chuẩn Pooled OLS, FEM, REM, FGLS Pooled OLS, FEM, REM
Tác động của Thuế (TAX) Cùng chiều (+) có ý nghĩa (5%) Không có ý nghĩa thống kê Không có ý nghĩa thống kê
Tác động của Lạm phát (INF) Tác động 2 chiều (Ngắn hạn - / Dài hạn +) Chưa phân tích kỳ hạn nợ Chưa phân tích kỳ hạn nợ

Ứng dụng thực tế và triển khai

Chiến lược quản trị cấu trúc vốn cho CFO doanh nghiệp BĐS

  1. Chiến lược mở rộng dựa trên năng lực tài sản thực: Vì quy mô ($SIZE$) và tài sản cố định ($FIXED$) tương quan dương với đòn bẩy, CFO cần tập trung hoàn thiện pháp lý dự án và chuyển đổi các tài sản dở dang thành tài sản đủ điều kiện thế chấp để mở rộng room tín dụng trung dài hạn với lãi suất cạnh tranh.
  2. Tái đầu tư lợi nhuận để hạ thấp rủi ro tài chính: Doanh nghiệp có $ROA$ cao cần duy trì chính sách chi trả cổ tức bằng cổ phiếu hoặc giữ lại lợi nhuận tích lũy để tài trợ vốn lưu động, giảm áp lực lãi vay trong các chu kỳ lãi suất tăng.
  3. Quản trị thanh khoản năng động ($LIQ$): Thiết lập ngưỡng an toàn cho tỷ số thanh toán hiện hành ($LIQ \ge 1.5 - 2.0$). Việc duy trì lượng tiền và tương đương tiền hợp lý giúp doanh nghiệp chủ động vượt qua các giai đoạn thị trường đóng băng mà không phải bán tháo tài sản.
  4. Tối ưu hóa lá chắn thuế từ nợ ($TAX$): Cân đối tỷ lệ đòn bẩy tài chính sao cho lợi ích từ tấm chắn thuế lãi vay vượt qua chi phí kiệt quệ tài chính (Financial Distress Costs), tránh lạm dụng đòn bẩy vượt ngưỡng an toàn nợ/VCSH (> 2.0).

Khuyến nghị chính sách cho Cơ quan Quản lý Nhà nước

  • Ngân hàng Nhà nước (NHNN): Điều hành chính sách tiền tệ linh hoạt, giám sát chặt chẽ tỷ lệ vốn ngắn hạn cho vay trung và dài hạn trong lĩnh vực BĐS; phát triển các kênh tài trợ vốn chuyên biệt (quỹ tín thác đầu tư BĐS - REIT) để giảm bớt gánh nặng cung ứng vốn dài hạn từ hệ thống ngân hàng thương mại.
  • Bộ Tài chính & Ủy ban Chứng khoán Nhà nước (UBCKNN): Hoàn thiện khung pháp lý minh bạch cho thị trường trái phiếu doanh nghiệp riêng lẻ, xếp hạng tín nhiệm bắt buộc đối với các tổ chức phát hành BĐS để khơi thông kênh dẫn vốn trung - dài hạn an toàn.

Hạn chế và hướng phát triển

  • Hạn chế về mẫu nghiên cứu: Mẫu gồm 39 doanh nghiệp BĐS niêm yết đủ điều kiện báo cáo liên tục 10 năm; chưa bao quát được các doanh nghiệp BĐS chưa niêm yết hoặc các tập đoàn có cơ cấu sở hữu phức tạp.
  • Hạn chế về biến kiểm soát: Chưa tích hợp các chỉ số tài chính thị trường như Tobin's Q, tỷ lệ P/B, chỉ số rủi ro hệ thống Beta và các yếu tố phi tài chính (ESG, năng lực quản trị công ty - Corporate Governance).
  • Hướng mở rộng nghiên cứu tương lai:
    • Ứng dụng mô hình GMM (Generalized Method of Moments) dạng sai phân (Difference GMM) hoặc hệ thống (System GMM) để kiểm soát triệt để hiện tượng nội sinh tiềm ẩn (Endogeneity) giữa cấu trúc vốn và hiệu quả hoạt động.
    • Mở rộng tập dữ liệu sang giai đoạn 2023–2025 nhằm đánh giá toàn diện tác động của Luật Đất đai (sửa đổi), Luật Nhà ở (sửa đổi) và Luật Kinh doanh Bất động sản mới.

Đối tượng hưởng lợi

  • Sinh viên & Học viên Cao học Tài chính - Ngân hàng: Nắm vững phương pháp luận nghiên cứu dữ liệu bảng chuẩn mực, kỹ thuật xử lý khuyết tật mô hình (FGLS) trên Stata và cách giải thích ý nghĩa kinh tế lượng gắn liền với thực tế doanh nghiệp.
  • Chuyên viên Phân tích Dữ liệu & Nghiên cứu Định lượng: Sở hữu mã nguồn phân tích mẫu, bộ quy tắc kiểm định giả thuyết kinh tế lượng chặt chẽ và kinh nghiệm chuẩn hóa dữ liệu BCTC.
  • Ban Lãnh đạo & Giám đốc Tài chính (CFO) Doanh nghiệp BĐS: Tiếp cận bộ khung định lượng trực quan để thiết lập cơ cấu nợ/vốn chủ sở hữu tối ưu, cân bằng giữa lợi ích lá chắn thuế và rủi ro thanh khoản.
  • Nhà Hoạch định Chính sách & Cơ quan Quản lý: Có bằng chứng thực nghiệm vững chắc để ban hành chính sách điều tiết tín dụng và quản lý thị trường vốn bất động sản hiệu quả.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để tái lập mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm Stata phiên bản 15.0 trở lên (hoặc môi trường R với các package plm, lmtest, sandwich). Dữ liệu đầu vào yêu cầu cấu trúc Balanced Panel Data đã làm sạch gồm 39 thực thể doanh nghiệp qua 10 năm liên tục (2013–2022).

2. Tại sao nghiên cứu này lại chọn mô hình FGLS thay vì FEM hoặc REM?

Mô hình FEM được lựa chọn qua kiểm định F-test và Hausman test ($p < 0.05$). Tuy nhiên, khi kiểm định khuyết tật, mô hình FEM xuất hiện cả phương sai sai số thay đổi (Modified Wald test $p = 0.0000$) và tự tương quan chuỗi (Wooldridge test $p = 0.0000$). Ước lượng FGLS là phương pháp chuẩn mực nhất để khắc phục đồng thời cả hai khuyết tật trên, đảm bảo hệ số hồi quy vững và không chệch.

3. Làm thế nào để tích hợp mô hình này vào hệ thống giám sát rủi ro tài chính của doanh nghiệp?

CFO có thể nhúng phương trình hồi quy vào hệ thống dashboard quản trị tài chính (PowerBI / Python Dashboard). Bằng cách nạp dữ liệu tài chính quý/năm ($ROA$, $FIXED$, $LIQ$, $TAX$), hệ thống sẽ tự động tính toán mức đòn bẩy dự báo tối ưu ($LEV^*$) và cảnh báo khi tỷ lệ nợ thực tế vượt quá ngưỡng an toàn.

4. Chi phí và yêu cầu bảo trì mô hình định lượng này như thế nào?

Chi phí triển khai rất thấp do mô hình chạy trên nền tảng dữ liệu BCTC định kỳ. Doanh nghiệp chỉ cần cập nhật dữ liệu tài chính sau mỗi kỳ kiểm toán bán niên và năm, đồng thời ước lượng lại hệ số $\beta$ định kỳ 1-2 năm một lần để cập nhật biến động vĩ mô.

5. Tại sao tăng trưởng kinh tế (GDP) lại không có ý nghĩa thống kê đối với cấu trúc vốn trong nghiên cứu?

Đối với ngành BĐS Việt Nam, quyết định tài trợ nợ của doanh nghiệp chịu sự chi phối trực tiếp bởi các yếu tố nội tại (quy mô dự án, tài sản bảo đảm, dòng tiền thanh khoản) và chính sách tín dụng cụ thể hơn là mức tăng trưởng GDP chung của nền kinh tế.

Kết luận

Công trình nghiên cứu của tác giả Võ Thanh Nhã (Trường Đại học Ngân hàng TP.HCM) đã chứng minh một cách khoa học và định lượng các nhân tố then chốt chi phối cấu trúc vốn của 39 doanh nghiệp BĐS niêm yết tại Việt Nam giai đoạn 2013–2022. Bằng việc áp dụng phương pháp hồi quy FGLS chuẩn xác, nghiên cứu khẳng định mối quan hệ cùng chiều của Quy mô ($SIZE$), Tài sản cố định ($FIXED$), Thuế TNDN ($TAX$), mối quan hệ nghịch chiều của Khả năng sinh lời ($ROA$), Tính thanh khoản ($LIQ$), cùng tác động hai chiều của Lạm phát ($INF$) đối với cơ cấu nợ. Kết quả nghiên cứu là tài liệu tham khảo giá trị cho các nhà quản trị tài chính BĐS trong việc tái cấu trúc dòng vốn và cung cấp cơ sở thực nghiệm vững chắc cho các cơ quan hoạch định chính sách kinh tế vĩ mô.