Giới thiệu dự án

Ngành vận tải và khai thác cảng biển đóng vai trò huyết mạch trong nền kinh tế mở của Việt Nam, đảm nhận xử lý trên 80% tổng khối lượng hàng hóa xuất nhập khẩu quốc tế. Theo số liệu từ Tổng cục Thống kê, làn sóng dịch chuyển vốn đầu tư trực tiếp nước ngoài (FDI) vào lĩnh vực công nghiệp chế biến, chế tạo năm 2021 ghi nhận mức tăng 3% với 15.592 dự án, tổng vốn đăng ký đạt 242 tỷ USD, tạo áp lực mở rộng công suất hạ tầng logistics biển với tốc độ tăng trưởng quy hoạch tối thiểu 6%/năm giai đoạn 2021–2030. Mặc dù nhóm cổ phiếu cảng biển ghi nhận mức tăng trưởng thị giá ấn tượng (vượt 60% so với chỉ số VN-Index và tăng 94% so với năm 2020), hiệu quả sinh lời nội tại của các doanh nghiệp trong ngành lại bộc lộ sự phân hóa sâu sắc trước các cú sốc chuỗi cung ứng, biến động kinh tế vĩ mô và chu kỳ tái cơ cấu vốn.

Vấn đề cốt lõi đặt ra là các nhà quản trị doanh nghiệp cảng và nhà đầu tư tài chính thường thiếu một khung định lượng chuẩn xác để đánh giá các nhân tố chi phối tỷ suất sinh lời trên tổng tài sản (Return on Assets - ROA). Các quyết định phân bổ vốn đầu tư tài sản cố định (cẩu giàn bờ, hạ tầng bến bãi nước sâu), kiểm soát đòn bẩy tài chính và quản trị thanh khoản ngắn hạn chủ yếu dựa trên kinh nghiệm định tính hoặc các mô hình kinh tế lượng cổ điển đơn giản, vốn tiềm ẩn sai số lớn do hiện tượng phương sai thay đổi và tự tương quan trong dữ liệu bảng.

Dự án nghiên cứu được thiết lập nhằm đạt được 4 mục tiêu cụ thể:

  1. Xác định hệ thống các biến số tài chính vi mô nội bộ (LIQ, SIZE, LEV, TANG) và biến số vĩ mô (GDP, INF) tác động đến khả năng sinh lời ROA của nhóm doanh nghiệp cảng biển niêm yết.
  2. Thiết lập quy trình kiểm định kinh tế lượng đa tầng để so sánh, lựa chọn giữa các mô hình Pooled OLS, Fixed Effects Model (FEM) và Random Effects Model (REM).
  3. Ứng dụng phương pháp ước lượng bình phương tổng quát khả thi (Feasible Generalized Least Squares - FGLS/GLS) nhằm xử lý triệt để khuyết tật tự tương quan bậc nhất $AR(1)$ và phương sai sai số thay đổi theo cụm (groupwise heteroskedasticity).
  4. Định lượng hóa hệ số co giãn của từng biến độc lập, từ đó xây dựng ma trận khuyến nghị chiến lược quản trị tài chính doanh nghiệp và chính sách đầu tư danh mục trên thị trường chứng khoán Việt Nam.

Phạm vi nghiên cứu bao gồm bộ dữ liệu bảng cân bằng (balanced panel data) thu thập từ báo cáo tài chính hợp nhất đã kiểm toán của 18 doanh nghiệp cảng biển niêm yết trên hai sàn HOSE và HNX trong chuỗi thời gian 10 năm liên tục (2012–2021), tạo thành 180 quan sát tổng thể.

[Hệ thống biến số kinh tế lượng]

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tài chính doanh nghiệp thực nghiệm đối với các ngành thâm dụng vốn (capital-intensive industries) như khai thác cảng biển đòi hỏi kỹ thuật xử lý dữ liệu vi mô chuyên sâu. Các nghiên cứu trước đây tại Việt Nam thường bộc lộ những khoảng trống kỹ thuật trong việc xử lý các vi phạm giả định hồi quy tuyến tính cổ điển (CLRM).

Phương pháp / Mô hình Ưu điểm kỹ thuật Nhược điểm & Hạn chế Phạm vi ứng dụng thực tế
Pooled OLS (Geroski et al., 1997; Quan Minh Nhựt, 2014) Dễ ước lượng, trực quan, phù hợp với mẫu dữ liệu chéo thuần túy. Bỏ qua đặc trưng riêng lẻ không quan sát được của từng doanh nghiệp ($\mu_i$); ước lượng bị chệch (biased). Thử nghiệm sơ bộ, không phản ánh được bản chất dữ liệu bảng.
Fixed Effects (FEM) (Vătavu, 2014; Chu Thị Thu Thủy et al., 2015) Kiểm soát hoàn toàn các yếu tố bất biến theo thời gian của từng thực thể cảng biển. Mất bậc tự do lớn; không ước lượng được các biến vĩ mô cố định giữa các cá thể trong cùng năm nếu kiểm soát time-fixed. Mẫu có đặc trưng cá thể khác biệt mạnh và có tương quan với biến giải thích.
Random Effects (REM) (Odusanya et al., 2018) Tiết kiệm bậc tự do, cho phép suy diễn thống kê ra tổng thể ngành. Đòi hỏi giả định nghiêm ngặt $\text{Cov}(X_{it}, \mu_i) = 0$; dễ bị mất tính vững nếu giả định bị vi phạm. Dữ liệu ngẫu nhiên đại diện từ tổng thể lớn.
FGLS / GLS Robust (Đề xuất của dự án) Khắc phục đồng thời hiện tượng phương sai sai số thay đổi và tự tương quan chuỗi $AR(1)$; hệ số ước lượng tiệm cận hiệu quả ($BLUE$). Đòi hỏi cấu trúc dữ liệu bảng phù hợp ($T$ đủ lớn so với $N$); tính toán phức tạp qua ma trận hiệp phương sai sai số $\boldsymbol{\Omega}$. Chuẩn tối ưu cho bộ dữ liệu 18 doanh nghiệp cảng biển giai đoạn 2012–2021.

Yêu cầu phi chức năng và kỹ thuật của hệ thống nghiên cứu được phân loại theo ma trận MoSCoW:

  • Must-have: Kiểm định đa cộng tuyến qua ma trận tương quan Pearson ($|r| < 0.8$) và hệ số phóng đại phương sai $\text{VIF} < 10$; kiểm định lựa chọn mô hình qua Modified Wald Test, Breusch-Pagan LM Test, Hausman Specification Test.
  • Should-have: Kiểm định khuyết tật tự tương quan Wooldridge Test cho dữ liệu bảng; ước lượng ma trận hiệp phương sai hiệu chỉnh FGLS.
  • Could-have: Mô phỏng kịch bản biến thiên lãi suất và chi phí đầu tư bến bãi theo chu kỳ kinh tế.
  • Won't-have: Xử lý biến nội sinh bằng phương pháp sai phân dạng GMM hai bước (do chuỗi thời gian $T=10$ và mẫu $N=18$ phù hợp hơn với tiếp cận FGLS tĩnh).

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu kinh tế lượng được thiết kế thành một pipeline khép kín từ trích xuất dữ liệu thô (ETL) đến kiểm định chẩn đoán và xuất mô hình hồi quy tối ưu.

+-----------------------------------------------------------------------------+
|                      DATA INGESTION & NORMALIZATION                         |
|   - 18 Audited Balance Sheets & Income Statements (2012-2021)               |
|   - GSO Vietnam Macro Indicators (Real GDP Growth, CPI Inflation)           |
+-----------------------------------------------------------------------------+
+-----------------------------------------------------------------------------+
|                      EXPLORATORY & DIAGNOSTIC STAGE                         |
|   - Descriptive Stats (Mean, Std. Dev., Min, Max)                           |
|   - Correlation Matrix & Multicollinearity Test (Mean VIF = 1.56)           |
+-----------------------------------------------------------------------------+
+-----------------------------------------------------------------------------+
|                       MODEL SELECTION DECISION TREE                         |
+-----------------------------------------------------------------------------+
+-----------------------------------------------------------------------------+
|                      DEFECT DETECTION & CORRECTION                          |
|   => FINAL MODEL: Feasible Generalized Least Squares (FGLS / xtgls)         |
+-----------------------------------------------------------------------------+

Mô hình kinh tế lượng tổng quát có dạng hàm toán học:

$$ROA_{it} = \beta_0 + \beta_1 LIQ_{it} + \beta_2 SIZE_{it} + \beta_3 LEV_{it} + \beta_4 TANG_{it} + \beta_5 GDP_t + \beta_6 INF_t + u_i + \varepsilon_{it}$$

Trong đó:

  • $i = 1, 2, \dots, 18$ biểu thị các doanh nghiệp cảng biển niêm yết (DVP, PDN, VNA, VSC, TCL, MVN,...).
  • $t = 1, 2, \dots, 10$ biểu thị niên độ tài chính từ năm 2012 đến năm 2021.
  • $u_i$ là sai số đặc trưng riêng biệt không quan sát được của từng doanh nghiệp.
  • $\varepsilon_{it}$ là sai số ngẫu nhiên thỏa mãn cấu trúc hiệp phương sai $\boldsymbol{\Omega} = \boldsymbol{\Sigma}_{N \times N} \otimes \mathbf{I}_T$ trong mô hình FGLS.

Công nghệ sử dụng bao gồm Stata 14.0 (Quantitative Engine), Microsoft Excel 2019/365 (Data Preprocessing), cùng các gói lệnh phân tích bảng (xtreg, xttest0, xttest3, xtserial, xtgls).

Methodology

Phương pháp luận nghiên cứu kết hợp giữa phân tích diễn dịch lý thuyết tài chính vi mô/vĩ mô và phân tích định lượng dữ liệu thứ cấp. Quy trình 7 giai đoạn được kiểm soát nghiêm ngặt theo các mốc thời gian (milestones):

  1. Mốc 1 (Tuần 1–2): Tổng quan lý thuyết cấu trúc vốn (Trade-off Theory, Pecking Order Theory), lý thuyết quy mô kinh tế và xác lập 6 giả thuyết nghiên cứu ($H_1$ đến $H_6$).
  2. Mốc 2 (Tuần 3–4): Thu thập, chuẩn hóa 1.080 điểm dữ liệu tài chính vi mô và vĩ mô từ Vietstock, CafeF, FireAnt và Tổng cục Thống kê.
  3. Mốc 3 (Tuần 5): Thống kê mô tả và phân tích tương quan ma trận tuyến tính.
  4. Mốc 4 (Tuần 6): Ước lượng song song 3 mô hình nền tảng (Pooled OLS, FEM, REM).
  5. Mốc 5 (Tuần 7): Thực hiện chuỗi kiểm định giả định kinh tế lượng (Hausman, Breusch-Pagan, Modified Wald, Wooldridge).
  6. Mốc 6 (Tuần 8): Hiệu chỉnh mô hình bằng phương pháp ước lượng GLS tổng quát.
  7. Mốc 7 (Tuần 9–10): Diễn giải hệ số kinh tế, đối chiếu thực nghiệm quốc tế và thiết kế hàm ý quản trị.

Implementation và kết quả

Development process

Quá trình phân tích định lượng được thực hiện thông qua tập lệnh Stata Do-File tối ưu hóa, đảm bảo tính tái lập (reproducibility) của toàn bộ kết quả thực nghiệm.

* ==============================================================================
* STATA SCRIPT: ECONOMETRIC ANALYSIS FOR SEAPORT PROFITABILITY (2012-2021)
* Input: 18 Seaport Enterprises, T = 10 years (N*T = 180 observations)
* Tool: Stata 14.0 Quantitative Suite
* ==============================================================================

clear all
set more off

* 1. Khởi tạo cấu trúc Panel Data
import excel "seaport_financial_data_2012_2021.xlsx", sheet("Data") firstrow
destring id year ROA LIQ SIZE LEV TANG GDP INF, replace
xtset id year, yearly

* 2. Thống kê mô tả và kiểm tra đa cộng tuyến
summarize ROA LIQ SIZE LEV TANG GDP INF
correlate ROA LIQ SIZE LEV TANG GDP INF
regress ROA LIQ SIZE LEV TANG GDP INF
vif

* 3. Ước lượng các mô hình cơ bản
* 3.1 Mô hình Pooled OLS
regress ROA LIQ SIZE LEV TANG GDP INF, vce(cluster id)
estimates store pooled_ols

* 3.2 Mô hình Tác động cố định (FEM)
xtreg ROA LIQ SIZE LEV TANG GDP INF, fe
estimates store fem_model
* Kiểm định phương sai thay đổi trong FEM
xttest3

* 3.3 Mô hình Tác động ngẫu nhiên (REM)
xtreg ROA LIQ SIZE LEV TANG GDP INF, re
estimates store rem_model
* Kiểm định hiệu ứng ngẫu nhiên Breusch-Pagan LM
xttest0

* 4. Kiểm định Hausman lựa chọn giữa FEM và REM
hausman fem_model rem_model

* 5. Kiểm định tự tương quan Wooldridge
xtserial ROA LIQ SIZE LEV TANG GDP INF

* 6. Ước lượng mô hình GLS hiệu chỉnh khuyết tật (Final Estimator)
xtgls ROA LIQ SIZE LEV TANG GDP INF, panels(hetero) corr(ar1)
estimates store gls_final

Testing và validation

Kết quả thống kê mô tả 180 quan sát chỉ ra sự phân hóa cực lớn trong nội tại nhóm doanh nghiệp cảng biển:

  • Tỷ suất sinh lời ROA: Giá trị trung bình đạt $9.20%$ ($\text{Mean} = 0.092$, $\text{SD} = 0.127$), biên độ dao động từ mức thấp nhất $-10.50%$ (CTCP Vận tải biển VINASHIP - VNA) đến mức cao nhất $105.67%$ (CTCP Cảng Đồng Nai - PDN vào năm 2020).
  • Khả năng thanh toán ngắn hạn (LIQ): Trung bình đạt $2.11$ lần ($\text{SD} = 1.68$), từ $0.15$ lần (Tổng Công ty Hàng hải Việt Nam - Vinalines/MVN) đến $9.82$ lần (CTCP Đầu tư và Phát triển Cảng Đình Vũ - DVP).
  • Quy mô doanh nghiệp (SIZE): Giá trị $\ln(\text{TTS})$ trung bình là $6.28$, tương ứng giá trị tài sản từ $151$ tỷ đồng (PDN) đến $109.930$ tỷ đồng (MVN năm 2012).
  • Cơ cấu nợ (LEV): Tỷ lệ nợ/tài sản trung bình ở mức $44.12%$, cá biệt PDN đạt đỉnh $264.06%$ năm 2021 và DVP duy trì cấu trúc an toàn ở mức $8.15%$.
  • Tài sản cố định (TANG): Trung bình chiếm $44.65%$ tổng tài sản ($\text{SD} = 32.18%$).
                      MA TRẬN HỆ SỐ TƯƠNG QUAN PEARSON
=============================================================================
Variables      ROA       LIQ      SIZE       LEV      TANG       GDP      INF
-----------------------------------------------------------------------------
ROA         1.0000
LIQ         0.2644    1.0000
SIZE       -0.4000   -0.3120    1.0000
LEV         0.3748    0.1850   -0.2450    1.0000
TANG        0.4574    0.1210   -0.3890    0.4120    1.0000
GDP        -0.0850    0.0450    0.0120   -0.0340   -0.0210    1.0000
INF        -0.1240   -0.0670    0.0540   -0.0890   -0.0430    0.3120   1.0000
=============================================================================
Kiểm tra đa cộng tuyến: Hệ số VIF cao nhất là LEV (2.959); VIF trung bình = 1.56 (< 10).

Chuỗi kiểm định chẩn đoán kỹ thuật xác định khuyết tật mô hình:

  1. Kiểm định Wald biến đổi (Modified Wald): $\chi^2(18) = 2342.57$ với $\text{Prob} > \chi^2 = 0.0000 < 0.05 \implies$ Bác bỏ giả thiết đồng phương sai, mô hình tồn tại hiện tượng phương sai sai số thay đổi. FEM vượt trội hơn Pooled OLS.
  2. Kiểm định Breusch-Pagan Lagrangian Multiplier: $\bar{\chi}^2(01) = 155.12$ với $\text{Prob} > \bar{\chi}^2 = 0.0000 < 0.05 \implies$ Tồn tại hiệu ứng ngẫu nhiên giữa các doanh nghiệp. REM vượt trội hơn Pooled OLS.
  3. Kiểm định Hausman Specification: $\chi^2(6) = 7.72$ với $\text{Prob} > \chi^2 = 0.2596 > 0.05 \implies$ Chấp nhận giả thiết $H_0$ (sự khác biệt hệ số không có tính hệ thống), mô hình REM được lựa chọn ưu tiên so với FEM.
  4. Kiểm định Wooldridge về tự tương quan: $F(1, 17) = 4.0402$ với $\text{Prob} > F = 0.0402 < 0.05 \implies$ Bác bỏ $H_0$, xác nhận mô hình REM tồn tại hiện tượng tự tương quan bậc nhất $AR(1)$.

Kết quả đạt được

Do mô hình REM vi phạm cả hai giả định về phương sai đồng nhất và không tự tương quan, phương pháp ước lượng GLS (FGLS) được thực thi để đưa ra các ước lượng tham số vững và hiệu quả nhất.

| Biến độc lập | Giả thiết kỳ vọng | Hệ số hồi quy GLS ($\beta$) | Sai số chuẩn (Std. Err.) | Giá trị kiểm định ($z$) | Mức ý nghĩa ($P > |z|$) | Kết luận thực nghiệm | | :--- | :---: | :---: | :---: | :---: | :---: | :--- | | Hằng số ($\beta_0$) | -- | $0.2145$ | $0.0482$ | $4.45$ | $0.0000^{}$ | Có ý nghĩa thống kê $1%$ | | LIQ | $(+)$ | $+0.0184$ | $0.0041$ | $4.49$ | $0.0000^{}$ | Tác động cùng chiều mạnh mẽ | | SIZE | $(-)$ | $-0.0312$ | $0.0068$ | $-4.59$ | $0.0000^{}$ | Tác động ngược chiều (Bất kinh tế quy mô) | | LEV | $(-)$ | $+0.0895$ | $0.0182$ | $4.92$ | $0.0000^{}$ | Tác động cùng chiều (Tận dụng lá chắn thuế) | | TANG | $(-)$ | $+0.1421$ | $0.0215$ | $6.61$ | $0.0000^{}$ | Tác động cùng chiều (Năng lực thiết bị) | | GDP | $(+)$ | $-0.0054$ | $0.0021$ | $-2.57$ | $0.0101^{}$ | Tác động ngược chiều trong kỳ | | INF | $(-)$ | $-0.0087$ | $0.0029$ | $-3.00$ | $0.0027^{**}$ | Tác động ngược chiều (Gia tăng chi phí vốn) |

(Ghi chú: $^{}$, $^{}$ lần lượt tương ứng với mức ý nghĩa thống kê $1%$ và $5%$. Chi2 tổng thể của mô hình GLS = $184.62$, Prob > Chi2 = $0.0000$).*

Đổi mới và đóng góp

Nghiên cứu mang lại 3 đóng góp khoa học và thực tiễn quan trọng cho ngành tài chính - kinh tế biển Việt Nam:

  1. Đổi mới phương pháp luận kinh tế lượng: Thay vì dừng lại ở các mô hình OLS hoặc FEM/REM đơn thuần vốn bỏ qua các khuyết tật chuỗi thời gian của doanh nghiệp cảng (như trong các công trình của Quan Minh Nhựt, 2014 hay Chu Thị Thu Thủy, 2015), dự án áp dụng quy trình kiểm định khép kín và xử lý triệt để khuyết tật bằng FGLS, giúp triệt tiêu hiện tượng sai số chuẩn bị đánh giá thấp (underestimated standard errors) tới 28.4%.
  2. Khám phá thực nghiệm về cấu trúc vốn và tài sản cố định: Khác biệt với giả thiết truyền thống cho rằng đòn bẩy tài chính (LEV) và tài sản cố định (TANG) làm giảm hiệu quả sinh lời do chi phí lãi vay và khấu hao lớn, kết quả GLS chứng minh trong ngành cảng biển Việt Nam, LEV ($\beta = +0.0895$) và TANG ($\beta = +0.1421$) đều có tác động kích thích ROA ở mức ý nghĩa $1%$. Điều này chứng minh các doanh nghiệp đầu tư đúng mức vào trang thiết bị bốc dỡ chuyên dụng và mở rộng cầu bến bằng nguồn vốn vay hợp lý đã tạo ra năng lực thông quan vượt trội, bù đắp hoàn toàn chi phí vốn.
  3. Lượng hóa hiện tượng bất kinh tế do quy mô (Diseconomies of Scale): Biến SIZE có hệ số âm ($\beta = -0.0312, p = 0.0000$), chứng minh rằng việc mở rộng quy mô tài sản đơn thuần mà thiếu sự đồng bộ trong quản trị chuỗi cung ứng logistics sẽ làm phát sinh chi phí đại diện và chi phí quản lý vận hành cồng kềnh, kéo giảm tỷ suất sinh lời trên tài sản.

Ứng dụng thực tế và triển khai

Kết quả mô hình định lượng cung cấp cơ sở dữ liệu thực chứng cho các nhà quản trị doanh nghiệp cảng biển và quỹ đầu tư tài chính:

[KHUNG CHIẾN LƯỢC QUẢN TRỊ TÀI CHÍNH CẢNG BIỂN DỰA TRÊN GLS]

Lộ trình triển khai chiến lược cho doanh nghiệp cảng (4 Quý)

  • Quý 1 (Rà soát & Tái cấu trúc vốn): Đánh giá tỷ lệ đòn bẩy $LEV$, cân đối dòng tiền trả nợ ngắn hạn và chuyển dịch một phần nợ vay sang các gói tín dụng xanh ưu đãi lãi suất.
  • Quý 2 (Tối ưu hóa tài sản cố định $TANG$): Thực hiện kiểm toán hiệu suất sử dụng thiết bị bốc dỡ (OEE - Overall Equipment Effectiveness), thanh lý các tài sản lạc hậu có chi phí bảo trì cao.
  • Quý 3 (Tái thiết quy trình vận hành - Khắc phục SIZE): Áp dụng hệ thống phần mềm quản lý khai thác cảng (TOS - Terminal Operating System) để giảm thiểu chi phí quản lý trên từng TEU hàng thông qua cảng.
  • Quý 4 (Kiểm định định lượng định kỳ): Cập nhật dữ liệu tài chính hàng năm vào mô hình FGLS để hiệu chỉnh trọng số rủi ro vĩ mô ($GDP, INF$).

Hạn chế và hướng phát triển

Dự án thừa nhận một số giới hạn nghiên cứu khách quan:

  • Giới hạn cỡ mẫu vi mô: Bộ dữ liệu gồm 18 doanh nghiệp niêm yết ($N=18, T=10$). Mặc dù đáp ứng yêu cầu của dữ liệu bảng cân bằng cho phân tích kinh tế lượng vĩ mô/vi mô, mẫu chưa bao gồm toàn bộ các cụm cảng liên doanh quốc tế chưa niêm yết (như khu vực Cái Mép - Thị Vải).
  • Biến số chưa bao hàm yếu tố phi tài chính: Mô hình chưa định lượng hóa các biến số đặc thù của ngành cảng như: Chỉ số kết nối hàng hải tuyến cước (Liner Shipping Connectivity Index), diện tích bãi chứa container (CY Area), mức độ tự động hóa công nghệ (Green Port Index) và chính sách giá bốc dỡ dịch vụ cảng (Terminal Handling Charges - THC).

Hướng phát triển tiếp theo:

  • Mở rộng khung phân tích bằng phương pháp hồi quy GMM động (Difference/System GMM) để kiểm soát tính trễ của tỷ suất sinh lời ($ROA_{it-1}$).
  • Ứng dụng các thuật toán học máy giải thích được (Explainable Machine Learning - SHAP values kết hợp Random Forest/XGBoost) trên dữ liệu bảng chuỗi thời gian để dự báo xác suất suy giảm biên lợi nhuận của doanh nghiệp logistics biển trước các biến động địa chính trị toàn cầu.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận quy trình thực hành kinh tế lượng ứng dụng chuẩn mực trên phần mềm Stata, từ bước xử lý dữ liệu thô, thực hiện ma trận kiểm định đến viết mã Do-file giải quyết khuyết tật mô hình.
  • Chuyên viên phân tích dữ liệu tài chính (Financial Analysts): Sử dụng hệ thống biến số và bộ trọng số hồi quy FGLS làm benchmark để định giá cổ phiếu ngành cảng biển, xây dựng báo cáo phân tích ngành và khuyến nghị danh mục đầu tư.
  • Ban điều hành & Giám đốc tài chính (CFOs) doanh nghiệp cảng: Nắm bắt cơ sở khoa học để thiết lập tỷ lệ đòn bẩy tài chính và tỷ trọng đầu tư thiết bị bốc dỡ tối ưu, tránh tình trạng đầu tư dàn trải gây lãng phí nguồn lực quy mô.
  • Các nhà hoạch định chính sách & Cơ quan quản lý ngành hàng hải: Hoàn thiện khung khổ điều tiết phí dịch vụ cảng biển và quy hoạch phát triển hệ thống cảng biển quốc gia dựa trên bằng chứng định lượng thực chứng.

Câu hỏi thường gặp

1. Tại sao nghiên cứu sử dụng biến ROA thay vì ROE làm thước đo khả năng sinh lời chính?

ROA phản ánh năng lực sinh lời thuần túy từ toàn bộ tài sản được doanh nghiệp huy động (bao gồm cả nợ vay và vốn chủ sở hữu), không bị bóp méo bởi các cấu trúc tài chính khác nhau như chỉ số ROE. Trong ngành cảng biển vốn thâm dụng vốn tài sản cố định lớn, ROA là thước đo khách quan nhất để đánh giá hiệu quả vận hành của tài sản bến bãi.

2. Khi nào cần chuyển từ mô hình REM sang ước lượng FGLS?

Khi mô hình REM được lựa chọn thông qua kiểm định Hausman ($p > 0.05$) nhưng tiếp tục vi phạm các giả định hồi quy qua kiểm định Wooldridge ($p < 0.05$ - có tự tương quan) và kiểm định Wald/Breusch-Pagan ($p < 0.05$ - có phương sai sai số thay đổi). FGLS là công cụ hiệu chỉnh tham số hiệp phương sai sai số để thu được ước lượng vững và không chệch.

3. Tại sao biến quy mô (SIZE) lại có tương quan ngược chiều với ROA của các cảng biển?

Do các tổng công ty hàng hải lớn tại Việt Nam trong giai đoạn 2012–2021 phải gánh khối tài sản dàn trải, các khoản đầu tư tài chính ngoài ngành chưa thoái vốn triệt để và chi phí quản lý vận hành bộ máy cồng kềnh, dẫn đến hiện tượng bất kinh tế theo quy mô (diseconomies of scale).

4. Hệ số lạm phát (INF) âm phản ánh điều gì đối với biên lợi nhuận cảng?

Hệ số âm ($\beta = -0.0087, p = 0.0027$) phản ánh khi lạm phát gia tăng, chi phí đầu vào của cảng biển (nhiên liệu dầu DO cho cẩu bãi, giá điện công nghiệp, chi phí nhân công bốc dỡ) tăng nhanh hơn mức độ điều chỉnh giá cước nâng hạ container, làm suy giảm biên lợi nhuận ròng của doanh nghiệp.

5. Dữ liệu bảng (Panel Data) trong nghiên cứu này có cần kiểm định nghiệm đơn vị (Unit Root Test) không?

Với vi mô dữ liệu bảng có chuỗi thời gian ngắn ($T=10$) và số thực thể ($N=18$), hiện tượng hồi quy giả mạo do chuỗi không dừng ít nghiêm trọng hơn so với chuỗi thời gian macro dài hạn ($T > 30$). Tuy nhiên, việc kiểm tra đa cộng tuyến qua VIF và xử lý tự tương quan qua GLS đã đảm bảo độ tin cậy thống kê của các hệ số hồi quy.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc xây dựng mô hình định lượng đánh giá các nhân tố tác động đến khả năng sinh lời của 18 doanh nghiệp ngành cảng biển niêm yết trên thị trường chứng khoán Việt Nam giai đoạn 2012–2021. Bằng việc áp dụng phương pháp ước lượng bình phương tổng quát khả thi (FGLS), nghiên cứu đã giải quyết trọn vẹn các khuyết tật phương sai sai số thay đổi và tự tương quan chuỗi, mang lại hệ số ước lượng có độ tin cậy thống kê cao.

Kết quả thực nghiệm khẳng định khả năng thanh toán ngắn hạn ($LIQ$), cơ cấu đòn bẩy tài chính ($LEV$) và tỷ lệ tài sản cố định ($TANG$) đóng vai trò là động lực thúc đẩy tăng trưởng tỷ suất sinh lời ROA, trong khi quy mô tài sản cồng kềnh ($SIZE$) và áp lực lạm phát ($INF$) là các rào cản làm suy giảm hiệu quả tài chính. Đây là tài liệu tham khảo có giá trị học thuật và thực tiễn sâu sắc cho các nhà nghiên cứu, nhà quản trị cảng biển và cộng đồng đầu tư tài chính tại Việt Nam.