Giới thiệu dự án

Ngành sản xuất công nghiệp đóng vai trò là xương sống của nền kinh tế Việt Nam, đóng góp tỷ trọng lớn nhất vào ngân sách nhà nước và dẫn đầu kim ngạch xuất khẩu. Năm 2021, bất chấp làn sóng đứt gãy chuỗi cung ứng toàn cầu do đại dịch Covid-19, kim ngạch xuất khẩu hàng hóa Việt Nam vẫn cán mốc hơn 300 tỷ USD; trong đó công nghiệp chế biến, chế tạo chiếm trên 86%, nhóm sản phẩm điện tử và linh kiện vượt mức 100 tỷ USD. Hiện có hơn 500 doanh nghiệp sản xuất đang niêm yết trên 3 sàn giao dịch chứng khoán (HOSE, HNX, UPCOM).

Tuy nhiên, khủng hoảng dịch bệnh đã làm bộc lộ những điểm yếu chí mạng trong cấu trúc vốn và năng lực chống chịu rủi ro thanh khoản của các doanh nghiệp sản xuất. Chi phí nguyên vật liệu đầu vào tăng phi mã, vòng quay tồn kho kéo dài và gián đoạn dòng tiền đòi hỏi các nhà quản trị tài chính phải tái cấu trúc nguồn vốn để vừa khai thác lá chắn thuế (Tax Shield), vừa kiểm soát rủi ro kiệt quệ tài chính (Financial Distress).

Vấn đề nghiên cứu (Problem Statement)

Các doanh nghiệp sản xuất niêm yết đối mặt với bài toán tối ưu hóa cấu trúc tài chính trong bối cảnh môi trường kinh doanh chuyển dịch đột ngột từ trạng thái ổn định sang khủng hoảng hệ thống. Các vấn đề cốt lõi gồm:

  • Áp lực đòn bẩy tài chính ngắn hạn: Tỷ trọng nợ ngắn hạn trên tổng tài sản (STDA) bình quân chiếm tới 49.00%, tạo áp lực tái tài trợ và rủi ro thanh khoản nghiêm trọng.
  • Nghịch lý sử dụng nợ: Gia tăng đòn bẩy nợ (LEV) và tỷ lệ nợ trên vốn chủ sở hữu (DE) làm suy giảm tỷ suất sinh lời trên vốn chủ sở hữu (ROE) và tổng tài sản (ROA), trái với kỳ vọng của lý thuyết cấu trúc vốn tối ưu truyền thống.
  • Thiếu hụt dữ liệu so sánh tác động giữa 2 giai đoạn: Sự khác biệt về mức độ tác động của các cấu phần nợ trước và trong Covid-19 chưa được định lượng cụ thể trên quy mô toàn ngành.

Mục tiêu của dự án

  1. Hệ thống hóa cơ sở lý luận về cấu trúc tài chính, lý thuyết đánh đổi (Trade-off Theory), lý thuyết trật tự phân hạng (Pecking Order Theory - POT) và hiệu quả hoạt động doanh nghiệp.
  2. Thu thập và chuẩn hóa bộ dữ liệu thứ cấp từ 205 doanh nghiệp sản xuất niêm yết trong giai đoạn 2018–2021 (820 quan sát).
  3. Xây dựng mô hình hồi quy tuyến tính OLS đa biến để kiểm định tác động của các chỉ số nợ (STDA, LTDA, LEV, DE) đến ROA và ROE.
  4. Đo lường sự thay đổi trong tương quan cấu trúc tài chính - hiệu quả hoạt động giữa giai đoạn trước dịch (2018–2019) và trong dịch (2020–2021).
  5. Đề xuất khung giải pháp tái cấu trúc nợ và quản trị dòng tiền phục hồi hậu khủng hoảng.

Phạm vi và giới hạn (Scope & Limitations)

  • Không gian nghiên cứu: 205 doanh nghiệp sản xuất niêm yết trên HOSE, HNX và UPCOM có dữ liệu báo cáo tài chính kiểm toán liên tục từ năm 2015 trở về trước.
  • Thời gian nghiên cứu: 4 năm (2018–2021), chia tách thành 2 phân kỳ 2018–2019 (tiền Covid-19) và 2020–2021 (đại dịch bùng phát).
  • Giới hạn kỹ thuật: Sử dụng phương pháp bình phương bé nhất thông thường (OLS) tĩnh; chưa tích hợp mô hình dữ liệu bảng động GMM để xử lý triệt để hiện tượng nội sinh (Endogeneity).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Phương pháp truyền thống (Phân tích chỉ số đơn lẻ) Mô hình kinh tế lượng thực nghiệm (Nghiên cứu đề xuất)
Độ bao phủ dữ liệu Phân tích vài ca điển hình (Case study) 820 quan sát bảng từ 205 doanh nghiệp trong 4 năm
Khả năng kiểm soát sai số Không kiểm soát yếu tố quy mô và tài sản cố định Cô lập tác động qua các biến kiểm soát SIZE, TSCĐ, NIEMYET
Độ tin cậy thống kê Mang tính chủ quan, định tính Kiểm định giả thuyết qua $p$-value ($1%$, $5%$, $10%$) và hệ số $F$
Tách biệt cấu trúc nợ Gộp chung tổng nợ vay Bóc tách chi tiết nợ ngắn hạn ($STDA$) và nợ dài hạn ($LTDA$) 
graph TD
    A[Báo cáo tài chính kiểm toán HOSE / HNX / UPCOM] --> B[Tiền xử lý & Làm sạch dữ liệu]
    B --> C{Loại bỏ ngoại lai & Thiếu dữ liệu}
    C --> D[Bộ dữ liệu chuẩn hóa: 820 quan sát]
    D --> E[Phân tích Thống kê mô tả & Ma trận tương quan Pearson]
    E --> F{Hệ số tương quan > 0.8?}
    F -- Có: STDA & LEV r=0.9353 --> G[Tách biệt phương trình hồi quy OLS]
    F -- Không --> H[Chạy mô hình hồi quy đa biến ROA / ROE]
    G --> H
    H --> I[Kiểm định khuyết tật: Đa cộng tuyến VIF, Phương sai thay đổi]
    I --> J[Đánh giá giả thuyết H1, H2, H3, H4 & Đề xuất khuyến nghị]

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc): Mô hình hồi quy OLS tách biệt kiểm tra đa cộng tuyến giữa $STDA$ và $LEV$ ($r = 0.9353$); tính toán chính xác 4 chỉ tiêu độc lập ($STDA$, $LTDA$, $LEV$, $DE$) và 2 chỉ tiêu phụ thuộc ($ROA$, $ROE$).
  • Should-have (Nên có): Tích hợp biến kiểm soát quy mô tổng tài sản ($SIZE$), tỷ trọng tài sản cố định ($TSCĐ$), thâm niên niêm yết ($NIEMYET$).
  • Could-have (Có thể có): So sánh đối chuẩn kết quả thực nghiệm với các thị trường đang phát triển tương đồng (Trung Quốc, Nigeria, Kenya).
  • Won't-have (Chưa thực hiện kỳ này): Kiểm định phi tuyến bậc hai dạng chữ U giữa tỷ lệ nợ và giá trị doanh nghiệp.

Thiết kế hệ thống & Phương pháp nghiên cứu

Mô hình kinh tế lượng hồi quy OLS tổng quát được xác lập như sau:

$$\text{Performance}{i,t} = \beta_0 + \beta_1 \cdot \text{FinStructure}{i,t} + \beta_2 \cdot \text{TSCĐ}{i,t} + \beta_3 \cdot \text{SIZE}{i,t} + \beta_4 \cdot \text{NIEMYET}{i,t} + \varepsilon{i,t}$$

Trong đó:

  • $\text{Performance}{i,t}$: Đo lường qua $ROE{i,t} = \frac{\text{LNST}}{\text{Vốn CSH}}$ và $ROA_{i,t} = \frac{\text{LNST}}{\text{Tổng tài sản}}$.
  • $\text{FinStructure}_{i,t}$: Gồm $STDA = \frac{\text{Nợ ngắn hạn}}{\text{Tổng tài sản}}$, $LTDA = \frac{\text{Nợ dài hạn}}{\text{Tổng tài sản}}$, $LEV = \frac{\text{Nợ phải trả}}{\text{Tổng tài sản}}$, $DE = \frac{\text{Nợ phải trả}}{\text{Vốn CSH}}$.
  • Biến kiểm soát: $TSCĐ = \frac{\text{TSCĐ}}{\text{Tổng tài sản}}$, $SIZE = \ln(\text{Tổng tài sản})$, $NIEMYET = \ln(\text{Thời gian niêm yết})$.
* ==============================================================================
* STATA DO-FILE: REGRESSION & MULTICOLLINEARITY DIAGNOSTICS (V17.0)
* ==============================================================================
clear all
set more off

* 1. Nhap du lieu bang (Panel Data 2018-2021)
import excel using "Dataset_Manufacturing_205_Firms.xlsx", sheet("Data") firstrow

* 2. Tinh toan bien logarit
gen ln_SIZE = ln(TongTaiSan)
gen ln_NIEMYET = ln(NamHienTai - NamNiemYet + 1)
gen STDA = NoNganHan / TongTaiSan
gen LTDA = NoDaiHan / TongTaiSan
gen LEV  = NoPhaiTra / TongTaiSan
gen DE   = NoPhaiTra / VonChuSoHuu
gen ROA  = LoiNhuanSauThue / TongTaiSan
gen ROE  = LoiNhuanSauThue / VonChuSoHuu
gen TSCD = TaiSanCoDinh / TongTaiSan

* 3. Ma tran tu tuong quan kiem tra da cong tuyen
pwcorr ROA ROE STDA LTDA LEV DE ln_SIZE TSCD ln_NIEMYET, sig star(0.05)

* 4. Hoi quy OLS mau Giai doan 1 (2018-2019): Tach LEV va STDA
* Mo hinh 1: Bien phu thuoc ROE theo STDA, LTDA, DE
reg ROE STDA LTDA DE ln_SIZE TSCD ln_NIEMYET if Year <= 2019, robust
vif

* Mo hinh 2: Bien phu thuoc ROE theo LEV, DE
reg ROE LEV DE ln_SIZE TSCD ln_NIEMYET if Year <= 2019, robust
vif

* Mo hinh 3: Bien phu thuoc ROA theo STDA, LTDA, DE
reg ROA STDA LTDA DE ln_SIZE TSCD ln_NIEMYET if Year <= 2019, robust

* Mo hinh 4: Bien phu thuoc ROA theo LEV, DE
reg ROA LEV DE ln_SIZE TSCD ln_NIEMYET if Year <= 2019, robust

Implementation và kết quả

Phân tích Thống kê mô tả (2018–2019)

Quá trình phân tích thực nghiệm trên 410 mẫu quan sát giai đoạn tiền Covid-19 mang lại các chỉ số thống kê tổng hợp:

Biến số Ký hiệu Giá trị Trung bình (Mean) Trung vị (Median) Độ lệch chuẩn (Std. Dev.) Giá trị Nhỏ nhất (Min) Giá trị Lớn nhất (Max)
ROE $ROE$ $0.0926$ ($9.26%$) $0.0948$ $0.3458$ $-5.4407$ $5.8203$
ROA $ROA$ $0.0582$ ($5.82%$) $0.0461$ $0.0805$ $-0.4712$ $0.8711$
Nợ ngắn hạn / TTS $STDA$ $0.4900$ ($49.00%$) $0.4117$ $0.3842$ $0.0030$ $5.3600$
Nợ dài hạn / TTS $LTDA$ $0.0640$ ($6.40%$) $0.0140$ $0.1348$ $0.0000$ $1.3610$
Đòn bẩy tài chính $LEV$ $0.5540$ ($55.40%$) $0.4852$ $0.4285$ $0.0027$ $5.3614$
Nợ / Vốn CSH $DE$ $1.0873$ $0.8400$ $2.8451$ $-40.2170$ $29.3000$
Quy mô DN $SIZE$ $27.1800$ $27.0120$ $1.4520$ $23.5540$ $32.1450$
Tỷ trọng TSCĐ $TSCĐ$ $0.2131$ ($21.31%$) $0.1651$ $0.1784$ $0.0000$ $0.8691$
Thâm niên niêm yết $NIEMYET$ $2.3900$ (~11 năm) $2.3025$ $0.6215$ $0.0000$ $3.0910$

Kết quả hồi quy OLS đa biến giai đoạn 2018–2019

Kết quả ước lượng các tham số mô hình OLS cho thấy sự nhất quán giữa các phương trình độc lập:

Biến giải thích Mô hình ROE (STDA + LTDA + DE) Mô hình ROE (LEV + DE) Mô hình ROA (STDA + LTDA + DE) Mô hình ROA (LEV + DE)
Hằng số ($\beta_0$) $-0.4512^{**}$ $-0.4891^{**}$ $-0.1120^{***}$ $-0.1245^{***}$
STDA $-0.1125^{*}$ ($p < 0.10$) — $+0.0482^{**}$ ($p < 0.05$) —
LTDA $+0.0812$ ($p > 0.10$) — $-0.0915^{**}$ ($p < 0.05$) —
LEV — $-0.1054^{*}$ ($p < 0.10$) — $-0.0421^{***}$ ($p < 0.01$)
DE $-0.0315^{***}$ ($p < 0.01$) $-0.0298^{***}$ ($p < 0.01$) $-0.0084^{***}$ ($p < 0.01$) $-0.0079^{***}$ ($p < 0.01$)
SIZE $+0.0241^{**}$ ($p < 0.05$) $+0.0265^{**}$ ($p < 0.05$) $+0.0089^{***}$ ($p < 0.01$) $+0.0094^{***}$ ($p < 0.01$)
TSCĐ $+0.1205^{*}$ ($p < 0.10$) $+0.1189^{*}$ ($p < 0.10$) $-0.0345^{**}$ ($p < 0.05$) $-0.0312^{**}$ ($p < 0.05$)
NIEMYET $-0.0451^{*}$ ($p < 0.10$) $-0.0423^{*}$ ($p < 0.10$) $-0.0125^{**}$ ($p < 0.05$) $-0.0118^{**}$ ($p < 0.05$)
$R^2$ / Prob > F $0.1845$ / $0.0000^{***}$ $0.1792$ / $0.0000^{***}$ $0.2314$ / $0.0000^{***}$ $0.2241$ / $0.0000^{***}$

Ghi chú: $^{}$, $^{}$, $^{}$ lần lượt biểu thị mức ý nghĩa thống kê $1%$, $5%$ và $10%$.

         STDA: (-) [p < 0.10]                  STDA: (+) [p < 0.05]
         LEV : (-) [p < 0.10]                  LTDA: (-) [p < 0.05]
         DE  : (-) [p < 0.01]                  LEV : (-) [p < 0.01]
         SIZE: (+) [p < 0.05]                  DE  : (-) [p < 0.01]

Đổi mới và đóng góp

So sánh với các công trình nghiên cứu trước đây

Tiêu chí Lê Thị Mỹ Phương (2017) Bùi Văn Thụy & cs (2016) Nghiên cứu này (Nguyễn Minh Châu, 2023)
Mẫu khảo sát 207 DN sản xuất (2010–2015) 185 DN niêm yết (2009–2019) 205 DN sản xuất (2018–2021)
Bối cảnh kinh tế Tăng trưởng ổn định Hậu khủng hoảng 2008 Khủng hoảng chuỗi cung ứng Covid-19
Tác động STDA -> ROA Dương ($+$) Âm ($-$) Dương ($+$) với $p < 0.05$
Tác động LEV -> ROE Dương ($+$) Âm ($-$) Âm ($-$) với $p < 0.10$
Bóc tách Covid-19 Không Không Phân kỳ độc lập 2018–2019 vs 2020–2021

Đóng góp học thuật và thực tiễn

  1. Kiểm định thực nghiệm lý thuyết trật tự phân hạng (POT): Minh chứng các doanh nghiệp sản xuất Việt Nam chịu chi phí đại diện và rủi ro kiệt quệ tài chính cao khi dùng đòn bẩy nợ lớn ($DE > 1.08$), khiến lá chắn thuế không đủ bù đắp chi phí lãi vay trong giai đoạn khủng hoảng.
  2. Phát hiện nghịch lý nợ ngắn hạn: Nợ ngắn hạn ($STDA$) hỗ trợ tích cực cho khả năng sinh lời tổng tài sản ($ROA$ hệ số $+0.0482$) nhờ tính linh hoạt trong chu chuyển vốn lưu động, nhưng lại gây áp lực tiêu cực lên lợi nhuận ròng của cổ đông ($ROE$ hệ số $-0.1125$).
  3. Định lượng tác động tiêu cực của thâm niên niêm yết: Biến $NIEMYET$ luôn mang dấu âm có ý nghĩa thống kê ở cả hai mô hình ($p < 0.05$), phản ánh tình trạng các doanh nghiệp niêm yết lâu năm dễ rơi vào tình trạng trì trệ mô hình kinh doanh và chưa tối ưu hóa kênh huy động vốn đại chúng.

Ứng dụng thực tế và triển khai

Kịch bản tái cơ cấu vốn cho doanh nghiệp sản xuất

[Báo động: Tỷ lệ DE > 1.5 & Vòng quay tồn kho suy giảm]
  1. Kiểm soát ngưỡng nợ an toàn: Duy trì tỷ lệ $DE \le 0.85$ (mức trung vị ngành) và $LEV \le 50%$. Hạn chế vay nợ dài hạn cho các dự án mở rộng công suất khi chưa đảm bảo hợp đồng đầu ra dài hạn.
  2. Khai thác tín dụng thương mại ngắn hạn: Tận dụng khoản mục "Phải trả người bán ngắn hạn" và "Người mua trả tiền trước" để tài trợ tài sản lưu động không chịu chi phí lãi vay, giảm phụ thuộc vào tín dụng ngân hàng ngắn hạn.
  3. Lộ trình triển khai 4 giai đoạn:
    • Tháng 1 - 3: Kiểm toán toàn diện cơ cấu nợ, phân loại nợ chịu lãi và nợ phi lãi suất.
    • Tháng 4 - 6: Đàm phán tái cấu trúc kỳ hạn nợ; chuyển đổi nợ ngắn hạn lãi suất cao sang phát hành cổ phần riêng lẻ.
    • Tháng 7 - 9: Ứng dụng hệ thống ERP/BI theo dõi chỉ số thanh toán hiện hành ($CR \ge 1.5$) và tỷ lệ thanh toán nhanh ($QR \ge 1.0$).
    • Tháng 10 - 12: Đánh giá định kỳ tương quan ROE/ROA theo quý để điều chỉnh hạn mức vay ngân hàng.

Hạn chế và hướng phát triển

  • Mô hình hồi quy tĩnh (Pooled OLS): Chưa xử lý được hiện tượng tự tương quan chuỗi bậc cao và tính nội sinh tiềm ẩn giữa cấu trúc vốn và hiệu quả hoạt động.
  • Biến số ngành cụ thể: Chưa phân tách chi tiết từng phân ngành sản xuất hẹp (chế biến thực phẩm, dệt may, linh kiện điện tử, hóa chất) vốn có chu kỳ kinh doanh và cường độ vốn (Capital Intensity) khác nhau.
  • Hướng phát triển đề xuất:
    • Ứng dụng mô hình dữ liệu bảng động GMM (Generalized Method of Moments) hai bước theo chuẩn Arellano-Bond.
    • Thu thập dữ liệu mở rộng giai đoạn 2022–2025 nhằm đo lường hiệu ứng phục hồi hoàn toàn hậu đại dịch và tác động của chu kỳ lãi suất tăng cao.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận phương pháp nghiên cứu định lượng chuẩn mực, cách xử lý ma trận tương quan có hệ số cao và quy trình xây dựng do-file Stata chuyên nghiệp.
  • Giám đốc Tài chính (CFO) & Kế toán trưởng: Nắm rõ định lượng rủi ro của việc lạm dụng đòn bẩy $DE$ và ngưỡng an toàn cho tỷ trọng nợ ngắn hạn $STDA$.
  • Nhà đầu tư chứng khoán: Sở hữu bộ tiêu chí sàng lọc cổ phiếu sản xuất có sức khỏe tài chính bền vững thông qua hệ số $LEV < 0.5$ và quy mô tài sản $SIZE$ lớn.
  • Cơ quan quản lý thị trường: Cơ sở dữ liệu thực chứng để xây dựng chính sách hỗ trợ tín dụng và phát triển thị trường trái phiếu doanh nghiệp minh bạch.

Câu hỏi thường gặp

1. Tại sao nghiên cứu phải tách biến STDA và LEV vào các mô hình hồi quy riêng biệt?

Hệ số tương quan Pearson giữa $STDA$ (Nợ ngắn hạn / TTS) và $LEV$ (Đòn bẩy tài chính) đạt mức $0.9353 > 0.8$. Nếu đưa đồng thời cả 2 biến vào cùng một phương trình sẽ dẫn tới hiện tượng đa cộng tuyến nghiêm trọng (Multicollinearity), làm thổi phồng phương sai sai số chuẩn (VIF tăng cao) và làm sai lệch dấu của các hệ số hồi quy.

2. Vì sao tỷ suất nợ ngắn hạn (STDA) tác động dương đến ROA nhưng lại tác động âm đến ROE?

Nợ ngắn hạn giúp doanh nghiệp nhanh chóng bổ sung vốn lưu động, duy trì hoạt động sản xuất liên tục mà không chịu chi phí vốn dài hạn, từ đó tối ưu hóa doanh thu trên tổng tài sản ($ROA$ tăng). Tuy nhiên, gánh nặng trả nợ gốc ngắn hạn dồn dập kèm theo rủi ro thanh khoản sẽ ăn mòn lợi nhuận ròng phân phối cho cổ đông, dẫn tới tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$) bị sụt giảm.

3. Doanh nghiệp sản xuất cần chuẩn bị công cụ gì để triển khai kiểm soát cấu trúc vốn theo nghiên cứu?

Doanh nghiệp chỉ cần hệ sinh thái dữ liệu kế toán chuẩn (phần mềm ERP/MISA/SAP), công cụ xử lý dữ liệu (MS Excel / Stata / Python) và định kỳ 3 tháng chạy mô hình đánh giá điểm giới hạn an toàn đòn bẩy tài chính.

Kết luận

Công trình nghiên cứu đã cung cấp bằng chứng thực nghiệm giá trị về mối quan hệ giữa cấu trúc tài chính và hiệu quả hoạt động của 205 doanh nghiệp ngành sản xuất niêm yết tại Việt Nam giai đoạn 2018–2021. Kết quả chỉ ra rằng việc lạm dụng đòn bẩy nợ tổng thể ($LEV$) và tỷ lệ nợ trên vốn chủ sở hữu ($DE$) gây tác động tiêu cực rõ rệt đến cả ROA và ROE, đặc biệt trong bối cảnh chịu cú sốc ngoại sinh từ đại dịch Covid-19. Để phục hồi bền vững, các doanh nghiệp sản xuất bắt buộc phải tái cấu trúc nguồn vốn theo hướng giảm phụ thuộc vào nợ vay tài chính, tăng cường tích lũy lợi nhuận nội bộ và tối ưu hóa quản trị vốn lưu động.