Giới thiệu dự án

Bối cảnh ngành và nguồn gốc vấn đề

Ngành chế biến lương thực - thực phẩm (F&B) giữ vị thế huyết mạch trong nền kinh tế Việt Nam, đóng góp đáng kể vào cơ cấu GDP và chiếm tỷ trọng vốn hóa lớn trong chỉ số VN-Index trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE). Trong bối cảnh gián đoạn chuỗi cung ứng ngũ cốc toàn cầu do xung đột Nga - Ukraine và các yêu cầu khắt khe từ Hiệp định Thương mại Tự do Việt Nam - EU (EVFTA), các doanh nghiệp thực phẩm Việt Nam đứng trước yêu cầu cấp thiết phải nâng cấp công nghệ chế biến và mở rộng quy mô sản xuất. Tuy nhiên, việc hoạch định cơ cấu nguồn vốn tài trợ (nợ vay so với vốn chủ sở hữu) trong môi trường biến động lãi suất và lạm phát đặt ra bài toán tối ưu hóa phức tạp cho các nhà quản trị tài chính.

Vấn đề nghiên cứu và các điểm nghẽn (Pain Points)

Các doanh nghiệp F&B đối mặt với các điểm nghẽn tài chính cốt lõi:

  • Áp lực rủi ro thanh khoản: Tỷ trọng nợ ngắn hạn cao làm suy giảm hệ số thanh toán, gia tăng nguy cơ mất khả năng chi trả khi dòng tiền kinh doanh biến động theo chu kỳ mùa vụ.
  • Bất cân xứng thông tin (Information Asymmetry): Doanh nghiệp gặp khó khăn trong việc tiếp cận các nguồn vốn vay dài hạn với chi phí thấp do thiếu hụt tài sản cố định chuẩn hóa làm tài sản bảo đảm.
  • Xung đột lý thuyết cấu trúc vốn trong thực tiễn: Sự xung đột giữa Lý thuyết Đánh đổi (Trade-Off Theory - TOT) và Lý thuyết Trật tự Phân hạng (Pecking Order Theory - POT) khi giải thích hành vi tài trợ vốn tại thị trường cận biên như Việt Nam.

Mục tiêu nghiên cứu

  1. Nhận diện và lượng hóa mức độ tác động của 6 nhân tố đặc thù doanh nghiệp (ROA, SIZE, TANG, TAX, GROW, LIQ) đến cấu trúc vốn (CS - Debt Ratio).
  2. Xây dựng và kiểm định quy trình kinh tế lượng xử lý triệt để các khuyết tật mô hình (đa cộng tuyến, tự tương quan, phương sai sai số thay đổi).
  3. Đề xuất ma trận giải pháp điều chỉnh cấu trúc vốn tối ưu theo từng nhóm quy mô và năng lực sinh lời của doanh nghiệp thực phẩm.

Phương pháp tiếp cận giải pháp

Nghiên cứu ứng dụng phương pháp định lượng thực nghiệm trên dữ liệu mảng (Panel Data) 3 chiều thông qua 4 mô hình: Bình phương tối thiểu gộp (Pooled OLS), Mô hình tác động cố định (FEM), Mô hình tác động ngẫu nhiên (REM) và Mô hình bình phương nhỏ nhất tổng quát khả thi (FGLS) để ước lượng các hệ số hồi quy vững.

Kết quả kỳ vọng và chỉ số đo lường

  • Chỉ số thống kê: Xây dựng mô hình đạt độ tin cậy $p < 0.01$ (Prob > Chi2 = 0.0000), loại bỏ 100% hiện tượng tự tương quan và phương sai thay đổi.
  • Chỉ số ứng dụng: Xác định hệ số co giãn của đòn bẩy tài chính đối với tỷ suất sinh lời ($\beta_{ROA} = -0.5529$) và thanh khoản ($\beta_{LIQ} = -0.0197$) nhằm hỗ trợ CFO thiết lập tỷ lệ đòn bẩy an toàn.

Phạm vi và giới hạn nghiên cứu

  • Không gian: 24 doanh nghiệp ngành lương thực - thực phẩm niêm yết trên sàn HOSE có Báo cáo tài chính (BCTC) kiểm toán minh bạch.
  • Thời gian: Chuỗi thời gian 12 năm từ 2011 đến 2022 (tổng cộng 288 quan sát).
  • Giới hạn: Nghiên cứu tập trung vào các nhân tố nội tại vi mô của doanh nghiệp, chưa lượng hóa biến động vĩ mô (lãi suất điều hành, lạm phát, GDP).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp tiếp cận Ưu điểm Nhược điểm Đánh giá tính phù hợp
Pooled OLS Đơn giản, dễ tính toán trên mẫu dữ liệu gộp. Bỏ qua đặc trưng riêng lẻ (unobserved heterogeneity) của từng DN; vi phạm giả định OLS cổ điển. Không phù hợp với dữ liệu mảng 24 DN qua 12 năm.
FEM / REM Kiểm soát được hiệu ứng cố định hoặc ngẫu nhiên của từng DN theo thời gian. Bị sai lệch sai số chuẩn khi tồn tại phương sai sai số thay đổi và tự tương quan chuỗi. Cần thiết trong bước kiểm định lựa chọn mô hình nền tảng.
FGLS (Đề xuất) Khắc phục đồng thời hiện tượng phương sai sai số thay đổi giữa các DN và tự tương quan bậc 1 trong nội bộ DN. Yêu cầu số lượng chuỗi thời gian $T$ đủ lớn và phức tạp hơn trong tính toán ma trận hiệp phương sai. Tối ưu nhất, đảm bảo ước lượng BLUE (Best Linear Unbiased Estimator).

Phân loại yêu cầu mô hình hóa (MoSCoW)

  • Must-have: Khử triệt để hiện tượng vi phạm giả định hồi quy; kiểm định chọn mô hình thông qua F-test, Breusch-Pagan Lagrange Multiplier, và Hausman test.
  • Should-have: Tính toán ma trận tương quan Pearson và hệ số phóng đại phương sai (VIF) để phát hiện đa cộng tuyến sớm.
  • Could-have: Đánh giá so sánh chi tiết tính tương thích giữa Lý thuyết Trật tự Phân hạng và Lý thuyết Đánh đổi.
  • Won't-have: Mô hình hóa chuỗi thời gian phi tuyến phức tạp (Non-linear ARDL) do mẫu nghiên cứu là bảng cân đối $N > T$.

Thiết kế hệ thống

Tech Stack và Công cụ Nghiên cứu

  • Phân tích kinh tế lượng: Stata MP 16.0 (Sử dụng các gói lệnh xtreg, xttest0, xttest3, xtserial, xtgls).
  • Xử lý và cấu trúc dữ liệu: Microsoft Excel 2021 (Thiết lập cấu trúc Panel 3 chiều: Company ID $\times$ Year $\times$ Indicators).
  • Soạn thảo và biểu diễn công thức: LaTeX / Markdown với chuẩn ký hiệu toán học quốc tế.

Cấu trúc dữ liệu và Biến số nghiên cứu

Mã biến Tên biến Công thức tính toán Kỳ vọng Cơ sở lý thuyết
CS Cấu trúc vốn (Dependent) $\text{Tổng nợ phải trả} / \text{Tổng tài sản}$ N/A Huang (2006)
ROA Khả năng sinh lời $\text{Lợi nhuận sau thuế} / \text{Tổng tài sản bình quân}$ $(-)$ Pecking Order Theory
SIZE Quy mô doanh nghiệp $\ln(\text{Tổng tài sản})$ $(+)$ Trade-Off Theory
TANG Cấu trúc tài sản cố định $\text{Tài sản cố định hữu hình} / \text{Tổng tài sản}$ $(+)$ Agency / Collateral Theory
TAX Thuế thu nhập DN $\text{Chi phí thuế TNDN} / \text{Lợi nhuận trước thuế (EBIT)}$ $(+)$ Tax Shield Theory (M&M)
GROW Tốc độ tăng trưởng $(\text{Doanh thu}t - \text{Doanh thu}{t-1}) / \text{Doanh thu}_{t-1}$ $(-)$ Pecking Order Theory
LIQ Tính thanh khoản $\text{Tài sản ngắn hạn} / \text{Nợ ngắn hạn}$ $(-)$ Liquidity Preference

Phương pháp luận (Methodology)

Quy trình nghiên cứu tuân thủ 5 mốc thực hiện chuẩn mực:

  1. Thu thập và làm sạch: Thu thập 288 báo cáo tài chính hợp nhất từ HOSE và Vietstock, loại trừ các giá trị ngoại lai và chuẩn hóa đơn vị kế toán.
  2. Ước lượng cơ bản: Chạy đồng thời 3 mô hình Pooled OLS, FEM và REM.
  3. Kiểm định lựa chọn mô hình tối ưu:
    • Kiểm định $F$: $H_0$ (Pooled OLS phù hợp) vs $H_1$ (FEM phù hợp).
    • Kiểm định Breusch-Pagan LM: $H_0$ (Pooled OLS phù hợp) vs $H_1$ (REM phù hợp).
    • Kiểm định Hausman: $H_0$ (REM phù hợp) vs $H_1$ (FEM phù hợp).
  4. Kiểm định chẩn đoán khuyết tật:
    • Kiểm định VIF kiểm tra đa cộng tuyến.
    • Kiểm định Wooldridge kiểm tra tự tương quan chuỗi trong dữ liệu mảng.
    • Kiểm định Modified Wald kiểm tra hiện tượng phương sai sai số thay đổi theo nhóm.
  5. Ước lượng hiệu chỉnh nâng cao: Ứng dụng FGLS để triệt tiêu các sai lệch tham số.

Implementation và kết quả

Quy trình triển khai và Đoạn mã Thực thi (Stata Scripts)

Phương trình hồi quy tổng quát dạng mảng: $$\text{CS}{i,t} = \beta_0 + \beta_1 \text{ROA}{i,t} + \beta_2 \text{SIZE}{i,t} + \beta_3 \text{TANG}{i,t} + \beta_4 \text{TAX}{i,t} + \beta_5 \text{GROW}{i,t} + \beta_6 \text{LIQ}{i,t} + \varepsilon{i,t}$$

Quy trình thực thi trên Stata 16:

* 1. Khai báo cấu trúc Panel Data
xtset id year

* 2. Thống kê mô tả và kiểm tra tương quan
sum CS ROA SIZE TANG TAX GROW LIQ
pwcorr CS ROA SIZE TANG TAX GROW LIQ, sig star(0.05)

* 3. Ước lượng Pooled OLS, FEM, REM
reg CS ROA SIZE TANG TAX GROW LIQ
est store pooled_ols

xtreg CS ROA SIZE TANG TAX GROW LIQ, fe
est store fem_model

xtreg CS ROA SIZE TANG TAX GROW LIQ, re
est store rem_model

* 4. Các kiểm định lựa chọn mô hình
hausman fem_model rem_model
xttest0

* 5. Kiểm định khuyết tật trên mô hình FEM
vif
xtserial CS ROA SIZE TANG TAX GROW LIQ
xttest3

* 6. Ước lượng FGLS khắc phục phương sai thay đổi và tự tương quan
xtgls CS ROA SIZE TANG TAX GROW LIQ, panels(hetero) corr(ar1)

Kiểm định và Chẩn đoán Mô hình

Các chỉ số thực nghiệm thu được từ quá trình kiểm định thống kê:

  1. Lựa chọn mô hình:

    • Kiểm định $F$-test: Giá trị $F = 16.74$ ($p\text{-value} = 0.0000 < 0.05$) $\rightarrow$ Bác bỏ Pooled OLS, chọn FEM.
    • Kiểm định Breusch-Pagan LM: $\bar{\chi}^2 = 312.24$ ($p\text{-value} = 0.0000 < 0.05$) $\rightarrow$ Bác bỏ Pooled OLS, chọn REM.
    • Kiểm định Hausman: $\chi^2 = 58.29$ ($p\text{-value} = 0.0000 < 0.05$) $\rightarrow$ Bác bỏ REM, chọn Mô hình Fixed Effects (FEM).

  2. Chẩn đoán khuyết tật mô hình:

    • Đa cộng tuyến: Mean VIF đạt $1.15$, trong đó giá trị cao nhất là biến $\text{SIZE}$ ($1.37 < 10$). Kết luận: Không tồn tại đa cộng tuyến.
    • Tự tương quan: Kiểm định Wooldridge cho $F = 14.229$, $p\text{-value} = 0.0010 < 0.05$. Kết luận: Tồn tại hiện tượng tự tương quan chuỗi.
    • Phương sai sai số thay đổi: Kiểm định Modified Wald cho $\chi^2 = 1750.67$, $p\text{-value} = 0.0000 < 0.05$. Kết luận: Tồn tại phương sai sai số thay đổi theo cụm doanh nghiệp.

Kết quả đạt được từ Ước lượng FGLS

Bảng kết quả hồi quy chuẩn hóa FGLS xử lý hoàn toàn khuyết tật:

Biến độc lập Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Err) Trị số $z$ $p$-value Mức ý nghĩa
ROA -0.5529 0.0711 -7.77 0.000 *** (1%)
SIZE +0.0390 0.0075 5.23 0.000 *** (1%)
TANG -0.1260 0.0618 -2.04 0.041 ** (5%)
TAX +0.0151 0.0180 0.84 0.401 Không có ý nghĩa
GROW +0.0280 0.0146 1.92 0.055 * (10%)
LIQ -0.0197 0.0030 -6.58 0.000 *** (1%)
_cons -0.5864 0.2149 -2.73 0.006 *** (1%)
Chỉ số chung \multicolumn{5}{l }{Số quan sát = 288 | Số doanh nghiệp = 24 | $\text{Prob} > \chi^2 = 0.0000$}

Phương trình thực nghiệm thu được: $$\text{CS} = -0.5864 - 0.5529\text{ROA} + 0.0390\text{SIZE} - 0.1260\text{TANG} + 0.0280\text{GROW} - 0.0197\text{LIQ} + \varepsilon$$

Thảo luận kết quả thực nghiệm:

  • Tỷ suất sinh lời (ROA): Hệ số $\beta = -0.5529$ mang dấu âm với mức ý nghĩa $1%$. Khi ROA tăng thêm $1%$, tỷ lệ nợ trên tổng tài sản giảm $0.5529%$. Điều này khẳng định sự phù hợp tuyệt đối của Lý thuyết Trật tự Phân hạng (POT): Doanh nghiệp ưu tiên dùng lợi nhuận giữ lại để tái đầu tư trước khi phát hành nợ.
  • Tính thanh khoản (LIQ): Hệ số $\beta = -0.0197$ ($p = 0.000$). Khả năng thanh toán hiện hành cao giúp doanh nghiệp tận dụng vốn lưu động nội bộ tự tài trợ, giảm sự phụ thuộc vào nợ vay ngắn hạn.
  • Quy mô công ty (SIZE): Hệ số $\beta = +0.0390$ ($p = 0.000$). Phù hợp với Lý thuyết Đánh đổi (TOT): Các tập đoàn lớn (như Masan, Vinamilk) có xếp hạng tín nhiệm cao và rủi ro phá sản thấp nên dễ dàng tiếp cận nguồn vốn nợ quy mô lớn với chi phí ưu đãi.
  • Cấu trúc tài sản cố định (TANG): Hệ số $\beta = -0.1260$ ($p = 0.041$). Ngược với kỳ vọng thế chấp ban đầu nhưng phù hợp với thực tiễn các doanh nghiệp F&B Việt Nam: Nhóm doanh nghiệp sở hữu nhiều tài sản cố định có xu hướng tích lũy khấu hao lớn, tạo dòng tiền nội bộ dồi dào, từ đó giảm tỷ lệ đòn bẩy.

Đổi mới và đóng góp

Điểm mới trong phương pháp luận và dữ liệu

  1. Quy trình kiểm định khuyết tật đa tầng: Thay vì dừng lại ở mô hình FEM/REM truyền thống (vốn bỏ qua hiện tượng tự tương quan chuỗi và phương sai thay đổi), nghiên cứu ứng dụng phương pháp ước lượng FGLS đảm bảo tính vững của các tham số ước lượng.
  2. Khảo sát chuyên biệt ngành F&B trong giai đoạn biến động: Bộ dữ liệu bao phủ giai đoạn 2011 - 2022, phản ánh rõ nét phản ứng tài trợ vốn của doanh nghiệp trước đại dịch COVID-19 và các cú sốc chuỗi cung ứng toàn cầu.

So sánh với các công trình thực nghiệm liên quan

Tiêu chí so sánh Công trình hiện tại (2023) Huang (2006) Trần Việt Dũng & Bùi Thanh Đan (2019) Trương Gia Hân (2023)
Đối tượng 24 DN Lương thực - Thực phẩm (HOSE) Đa ngành tại Trung Quốc 203 DN Phi tài chính (HOSE, HNX) 60 DN Bất động sản (HOSE)
Giai đoạn 2011 - 2022 (12 năm) 1994 - 2003 (10 năm) 2008 - 2018 (11 năm) 2017 - 2021 (5 năm)
Phương pháp FGLS (Khắc phục khuyết tật) Pooled OLS FEM / REM FEM
Tác động của TANG Âm (-0.1260, p=0.041) Dương (+) Âm (-) Không có ý nghĩa
Tác động của ROA Âm (-0.5529, p=0.000) Âm (-) Âm (-) Âm (-)
Tác động của SIZE Dương (+0.0390, p=0.000) Dương (+) Dương (+) Dương (+)

Đóng góp thực tiễn cho ngành

  • Cung cấp bằng chứng thực nghiệm khẳng định Lý thuyết Trật tự Phân hạng giữ vai trò chi phối quyết định cấu trúc vốn của các doanh nghiệp thực phẩm niêm yết tại Việt Nam.
  • Lượng hóa chính xác tỷ lệ đánh đổi đòn bẩy, giúp loại bỏ các phán đoán định tính cảm tính trong quản trị tài chính doanh nghiệp.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-world Use Cases)

  • Tối ưu hóa bảng cân đối kế toán cho CFO: Doanh nghiệp có ROA cao trên $15%$ (như KDC, VNM) nên ưu tiên chính sách lợi nhuận giữ lại, duy trì tỷ lệ nợ quanh mức $30% - 35%$ để giảm thiểu rủi ro biến động lãi suất.
  • Thẩm định tín dụng tại Ngân hàng Thương mại: Các ngân hàng đánh giá hồ sơ vay vốn của doanh nghiệp F&B cần tập trung phân tích chỉ số thanh khoản ngắn hạn (LIQ) và tốc độ tăng trưởng (GROW) hơn là chỉ phụ thuộc vào giá trị tài sản cố định thế chấp (TANG).

Chiến lược và Lộ trình Điều chỉnh Cấu trúc Vốn

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai: Chi phí tư vấn tái cấu trúc tài chính, tái đàm phán hợp đồng tín dụng và nâng cấp hệ thống phần mềm quản trị ERP (ước tính $0.5% - 1.2%$ tổng giá trị vốn nợ).
  • Lợi ích tài chính (ROI): Giảm chi phí sử dụng vốn bình quân (WACC) từ $1.5% - 2.3%$/năm, cải thiện xếp hạng tín nhiệm và giải phóng dòng tiền lưu động trị giá hàng chục tỷ đồng mỗi năm cho các doanh nghiệp quy mô vừa.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  1. Giới hạn không gian mẫu: Nghiên cứu mới khảo sát 24 doanh nghiệp trên sàn HOSE, chưa bao quát các doanh nghiệp vừa và nhỏ trên sàn HNX và UPCoM.
  2. Nội sinh tiềm tàng (Endogeneity): Mối quan hệ hai chiều giữa khả năng sinh lời và cấu trúc vốn có thể gây ra hiện tượng nội sinh nhẹ chưa được xử lý bằng mô hình GMM động (Difference/System GMM).
  3. Biến số vĩ mô: Chưa đưa vào các biến kiểm soát vĩ mô như lãi suất cho vay thực tế, tỷ giá hối đoái USD/VND và chỉ số giá tiêu dùng thực phẩm.

Định hướng nghiên cứu mở rộng

  • Ứng dụng phương pháp Moment tổng quát hệ thống (Two-step System GMM) của Arellano-Bond để kiểm soát hoàn toàn tính nội sinh của các biến tài chính.
  • Mở rộng phân tích so sánh đa quốc gia giữa các doanh nghiệp ngành F&B trong khối ASEAN-6 nhằm đánh giá tác động của các hiệp định thương mại tự do thế hệ mới.

Đối tượng hưởng lợi

Bảng phân nhóm giá trị ứng dụng

Nhóm đối tượng Lợi ích nhận được Giá trị định lượng
Sinh viên & Học viên cao học Bộ tài liệu tham khảo chuẩn mực về phương pháp luận kinh tế lượng dữ liệu mảng và cú pháp lệnh Stata hoàn chỉnh. Tiết kiệm 70% thời gian xây dựng quy trình kiểm định mô hình.
Chuyên viên Phân tích Tài chính Khung tham chiếu chuẩn để định giá cổ phiếu F&B và đánh giá rủi ro đòn bẩy tài chính. Nâng cao độ chính xác trong dự báo WACC và EPS.
Giám đốc Tài chính (CFO) & Doanh nghiệp Công thức định lượng mối liên hệ giữa thanh khoản, sinh lời và tỷ lệ nợ an toàn cho doanh nghiệp. Cắt giảm từ 10 - 20% chi phí lãi vay không cần thiết.
Nhà nghiên cứu Kinh tế học Bằng chứng thực nghiệm bổ sung về sự vượt trội của Lý thuyết Trật tự Phân hạng tại thị trường cận biên. Cung cấp bộ tham số thực nghiệm tin cậy cho các nghiên cứu tổng quan.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật về phần mềm và dữ liệu để tái lập nghiên cứu là gì?

Cần cài đặt phần mềm Stata phiên bản từ 14.0 trở lên (khuyến nghị Stata 16 hoặc 17), cùng tệp dữ liệu dạng bảng được định dạng chuẩn (long format) với 3 trường định danh: id (mã công ty), year (năm tài chính) và các chỉ tiêu tài chính trích xuất từ BCTC kiểm toán.

2. Vì sao nghiên cứu chọn mô hình FGLS thay vì mô hình FEM có gán sai số chuẩn vững (Robust FEM)?

Khi mô hình đồng thời vi phạm hai khuyết tật nghiêm trọng là tự tương quan bậc 1 (Wooldridge test $p = 0.0010$) và phương sai sai số thay đổi theo nhóm (Modified Wald test $p = 0.0000$), phương pháp FGLS (xtgls, panels(hetero) corr(ar1)) ước lượng lại ma trận hiệp phương sai sai số, cung cấp các ước lượng hệ số không thiên vị và hiệu quả hơn so với Robust FEM.

3. Tỷ lệ tài sản cố định (TANG) mang dấu âm có mâu thuẫn với lý thuyết thế chấp tài sản không?

Không mâu thuẫn. Tại các doanh nghiệp thực phẩm chế biến Việt Nam, tài sản cố định máy móc thiết bị có tốc độ hao mòn nhanh và khó thanh lý lẻ trên thị trường thứ cấp. Do đó, ngân hàng đánh giá cao dòng tiền thanh khoản ngắn hạn (LIQ) hơn là giá trị sổ sách của máy móc. Đồng thời, khấu hao TSCĐ tạo ra nguồn ngân quỹ nội bộ lớn, giúp giảm nhu cầu vay nợ.

4. Chi phí thuế TNDN (TAX) không có ý nghĩa thống kê phản ánh điều gì?

Biến TAX có $p\text{-value} = 0.401 > 0.10$, chỉ ra rằng chính sách lá chắn thuế từ lãi vay không phải là động lực chính thúc đẩy doanh nghiệp thực phẩm vay vốn. Nhiều doanh nghiệp F&B tại Việt Nam được hưởng các chính sách ưu đãi miễn giảm thuế đầu tư nông nghiệp và chế biến công nghệ cao, khiến giá trị của tấm chắn thuế giảm sút.

5. Khung thời gian tối ưu để tái cấu trúc nợ của một doanh nghiệp F&B là bao lâu?

Lộ trình tái cấu trúc cấu trúc vốn hiệu quả thường kéo dài từ 12 đến 24 tháng, chia thành 3 giai đoạn: xử lý nợ ngắn hạn (3-6 tháng), tối ưu hóa nguồn vốn tự có từ khấu hao và lợi nhuận giữ lại (6-12 tháng), và tái cấu trúc đòn bẩy trung dài hạn theo quy mô (12-24 tháng).

Kết luận

Tổng kết thành tựu nghiên cứu

Khóa luận đã giải quyết trọn vẹn bài toán xác định các nhân tố ảnh hưởng đến cấu trúc vốn của 24 doanh nghiệp lương thực - thực phẩm niêm yết trên HOSE giai đoạn 2011 - 2022. Bằng việc ứng dụng quy trình kiểm định kinh tế lượng đa bước chặt chẽ và mô hình FGLS, nghiên cứu đã loại bỏ hoàn toàn các sai số do hiện tượng tự tương quan và phương sai thay đổi, đảm bảo tính vững chắc của kết quả thực nghiệm.

Đóng góp kỹ thuật và giá trị thực tiễn

  • Khẳng định vai trò chi phối của Lý thuyết Trật tự Phân hạng (POT) trong ngành thực phẩm Việt Nam: Lợi nhuận và thanh khoản nội bộ là nguồn tài trợ được ưu tiên hàng đầu, thể hiện qua hệ số tác động nghịch chiều mạnh mẽ của ROA ($\beta = -0.5529$) và LIQ ($\beta = -0.0197$).
  • Xác lập bằng chứng về lợi thế quy mô ($\beta_{SIZE} = +0.0390$), tạo cơ sở khoa học để các doanh nghiệp lớn đẩy mạnh huy động vốn đầu tư công nghệ chế biến sâu, đáp ứng các tiêu chuẩn xuất khẩu khắt khe của hiệp định EVFTA.

Lời kêu gọi hành động (Call to Action)

Các nhà quản trị tài chính và CFO trong ngành lương thực - thực phẩm cần chủ động rà soát lại cơ cấu vốn hiện tại, thiết lập chính sách trích lập lợi nhuận giữ lại linh hoạt và kiểm soát chặt chẽ tỷ lệ thanh khoản ngắn hạn để duy trì sự cân bằng tối ưu giữa an toàn tài chính và hiệu quả sinh lời bền vững.