Giới thiệu dự án

Thị trường vận tải hành khách đô thị tại Việt Nam trong giai đoạn hội nhập (WTO, AFTA) chứng kiến sự cạnh tranh khốc liệt giữa các hãng taxi truyền thống và sự biến động phức tạp của chi phí nhiên liệu. Đề tài khóa luận tốt nghiệp “Kiểm định mối quan hệ giữa doanh thu và lợi nhuận của Công ty TNHH Thương mại Thiên Phong” (đơn vị sở hữu thương hiệu Taxi Thành Công và xưởng dịch vụ Hyundai Chương Dương) giải quyết bài toán cốt lõi: Tối ưu hóa cấu trúc doanh thu để cực đại hóa lợi nhuận ròng dựa trên mô hình định lượng thực nghiệm.

+-----------------------------------------------------------------------------------+
|                        MÔ HÌNH HỒI QUY ĐỊNH LƯỢNG OLS                             |
|                                                                                   |
|  [Dữ liệu Quý 2011-2015]                                                         |
|  - DT1: Xe 4 chỗ (82-85% DT)  ---+                                               |
|  - DT2: Xe 7 chỗ (13-16% DT)  ---+---> [ Mô hình Hồi quy Tuyến tính Bội OLS ]     |
|  - DT3: Dịch vụ khác (<2% DT) ---+            (EViews 8.0 Engine)                 |
|  - Biến giả Mùa vụ (Q2,Q3,Q4) ---+                     |                          |
|                                                        v                          |
|                                          [ Lợi nhuận Kế toán (LN) ]               |
|                                          - R^2 = 99.34%, F-stat p < 0.001         |
|                                          - DT2 sinh lời gấp 2.69x DT1             |
|                                          - DT3 làm xói mòn dòng tiền              |
+-----------------------------------------------------------------------------------+

Vấn đề thực tiễn và bài toán nghiên cứu (Problem Statement)

Mặc dù quy mô tài sản của Thiên Phong tăng trưởng từ 5 tỷ đồng (2007) lên 343 tỷ đồng (2014) với đội xe 562 chiếc, biên lợi nhuận ròng trên doanh thu (LN/DT) có xu hướng biến thiên bất ổn định (giảm từ 25,12% năm 2012 xuống 20,80% vào Quý 1/2015). Ban lãnh đạo thiếu công cụ lượng hóa mức độ đóng góp lợi nhuận biên của từng phân khúc xe (4 chỗ vs 7 chỗ) và chịu ảnh hưởng tiêu cực từ tính chất mùa vụ vận tải.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Xác lập hàm tương quan giữa doanh thu cận biên ($MR$), chi phí cận biên ($MC$) và lợi nhuận tối đa ($\pi_{\max}$).
  2. Thu thập và chuẩn hóa dữ liệu: Xử lý chuỗi thời gian 15 quý (Quý 3/2011 – Quý 1/2015) theo 3 nguồn doanh thu và 3 biến giả mùa vụ.
  3. Ước lượng và kiểm định mô hình OLS: Đánh giá các khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan, sai dạng hàm).
  4. Đề xuất chiến lược danh mục phương tiện: Chuyển dịch cơ cấu đội xe nhằm gia tăng tỷ suất sinh lời trên vốn chủ sở hữu (ROE).

Phạm vi và giới hạn

  • Không gian: Toàn bộ mạng lưới vận tải Taxi Thành Công tại Hà Nội, Hà Nam, Vĩnh Phúc và Trung tâm dịch vụ Hyundai Chương Dương.
  • Thời gian: 15 quý liên tục từ Q3/2011 đến Q1/2015.
  • Dữ liệu phân tích: Dòng xe 4 chỗ (Kia Morning, Hyundai Grand i10, Hyundai Avante), 7 chỗ (Toyota Innova, Kia Carens) và dịch vụ phụ trợ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi áp dụng mô hình định lượng OLS có biến giả, công tác quản trị tài chính tại các doanh nghiệp vận tải thường dựa vào báo cáo kế toán tĩnh hoặc phân tích tỷ số tài chính truyền thống.

Tiêu chí đánh giá Phương pháp Kế toán Truyền thống Mô hình Hồi quy Đơn biến (LN ~ DT) Mô hình OLS Đa biến + Biến giả (Đề tài)
Độ chính xác phân bổ Thấp (chỉ tính tổng gộp) Trung bình ($R^2 \approx 0.75 - 0.82$) Rất cao ($R^2 = 0.9934$)
Bóc tách biên lợi nhuận Không khả thi Không phân tách theo chủng loại xe Bóc tách chi tiết từng dòng xe ($DT_1, DT_2, DT_3$)
Kiểm soát tính mùa vụ Bị động qua các quý Bỏ qua yếu tố mùa vụ (Durbin-Watson lệch) Tích hợp 3 biến giả định lượng ($Q_2, Q_3, Q_4$)
Khả năng dự báo Kém, phụ thuộc cảm tính Dự báo sai số lớn Sai số chuẩn thấp ($Se_b = 0.04; Se_c = 0.13$)

Phân loại yêu cầu quản trị (Ma trận MoSCoW)

  • Must-have: Lượng hóa chính xác hệ số co giãn của doanh thu xe 4 chỗ và 7 chỗ tác động đến lợi nhuận ròng trước thuế.
  • Should-have: Xác định mức độ phân kỳ lợi nhuận do yếu tố mùa vụ giữa các quý trong năm tài chính.
  • Could-have: Tích hợp dữ liệu giám sát hành trình GPS và hệ thống POS thanh toán thẻ vào báo cáo doanh thu tức thời.
  • Won't-have: Xây dựng phần mềm ERP tự động trong phạm vi nghiên cứu của khóa luận.

Thiết kế hệ thống mô hình hóa

Cấu trúc mô hình hồi quy kinh tế lượng bội bao gồm:

$$\text{LN}t = a + b \cdot \text{DT}{1t} + c \cdot \text{DT}{2t} + d \cdot \text{DT}{3t} + e \cdot Q_{2t} + f \cdot Q_{3t} + g \cdot Q_{4t} + u_t$$

Trong đó:

  • $\text{LN}_t$: Tổng lợi nhuận trước thuế tại quý $t$ (triệu đồng).
  • $\text{DT}{1t}, \text{DT}{2t}, \text{DT}_{3t}$: Doanh thu taxi 4 chỗ, taxi 7 chỗ và dịch vụ khác tại quý $t$ (triệu đồng).
  • $Q_{2t}, Q_{3t}, Q_{4t}$: Các biến giả nhận giá trị bằng 1 nếu thuộc quý tương ứng, nhận 0 nếu thuộc quý khác (Quý 1 làm gốc so sánh).
  • $u_t$: Sai số ngẫu nhiên chứa các yếu tố ngoại sinh (thời tiết, giá xăng dầu, chính sách thuế).

Phương pháp nghiên cứu (Methodology)

Nghiên cứu tuân thủ quy trình 5 bước theo phương pháp luận kinh tế lượng ứng dụng:

  1. Thu thập dữ liệu sơ cấp & thứ cấp: Phỏng vấn phòng Điều hành/Marketing và trích xuất Báo cáo tài chính kiểm toán giai đoạn 2011–2015.
  2. Xử lý số liệu: Thống kê mô tả, kiểm tra tính dừng của chuỗi dữ liệu thời gian.
  3. Ước lượng OLS (Ordinary Least Squares): Sử dụng phần mềm EViews 8.0 để tìm các tham số $\hat{a}, \hat{b}, \hat{c}, \hat{d}, \hat{e}, \hat{f}, \hat{g}$.
  4. Kiểm định giả thuyết thống kê: Kiểm định Student ($t$-test) cho từng tham số tại mức ý nghĩa $\alpha = 0.06$ và kiểm định Fisher ($F$-test) cho độ phù hợp tổng thể.
  5. Kiểm định chẩn đoán (Diagnostic Tests): Áp dụng hồi quy phụ (đa cộng tuyến), Glejser Test (phương sai sai số thay đổi), Breusch-Godfrey LM Test (tự tương quan bậc cao) và Ramsey RESET Test (dạng hàm).

Triển khai thực nghiệm và kết quả

Quy trình triển khai và thuật toán xử lý

Thuật toán hồi quy và kiểm định kinh tế lượng được thiết lập thông qua kịch bản phân tích mẫu (mô phỏng trên Python/Statsmodels tương đương EViews Batch Script):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.diagnostic import het_breuschpagan, acorr_breusch_godfrey

# Khởi tạo ma trận dữ liệu 15 quan sát (Q3/2011 - Q1/2015)
data = {
    'DT1': [20359, 21890, 22450, 24560, 25800, 27100, 28900, 29800, 31050, 31200, 32100, 33400, 34500, 35100, 30800],
    'DT2': [3240, 3410, 3600, 3890, 4100, 4350, 4600, 4800, 5100, 5300, 5600, 5900, 6200, 6500, 5400],
    'DT3': [360, 380, 400, 420, 450, 470, 490, 500, 520, 530, 550, 570, 580, 600, 590],
    'Q2':  [0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0],
    'Q3':  [1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0],
    'Q4':  [0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0],
    'LN':  [5100, 5890, 6100, 6450, 6900, 7200, 7800, 8100, 8600, 8900, 9300, 9800, 10200, 10700, 7733.78]
}

df = pd.DataFrame(data)
X = sm.add_constant(df[['DT1', 'DT2', 'DT3', 'Q2', 'Q3', 'Q4']])
y = df['LN']

# Ước lượng mô hình OLS
model = sm.OLS(y, X).fit()
print(model.summary())

Kết quả ước lượng và kiểm định thống kê

Phương trình hồi quy thực nghiệm thu được từ phần mềm chuyên dụng:

$$\widehat{\text{LN}} = 2786.14 + 0.13 \cdot \text{DT}_1 + 0.35 \cdot \text{DT}_2 - 2.16 \cdot \text{DT}_3 + 915.46 \cdot Q_2 + 488.96 \cdot Q_3 + 1475.10 \cdot Q_4$$

Bảng thông số ước lượng và ý nghĩa thống kê ($\alpha = 0.06$)

Tham số Ý nghĩa kinh tế Giá trị ước lượng Sai số chuẩn ($Se$) $P\text{-value}$ Kết luận thống kê
$\hat{a}$ Lợi nhuận gốc Quý 1 $2786.14$ $562.30$ $0.0033$ Có ý nghĩa ($p < 0.06$)
$\hat{b}$ Hệ số góc phân khúc 4 chỗ ($\text{DT}_1$) $+0.13$ $0.04$ $0.0009$ Có ý nghĩa ($p < 0.06$)
$\hat{c}$ Hệ số góc phân khúc 7 chỗ ($\text{DT}_2$) $+0.35$ $0.13$ $0.0100$ Có ý nghĩa ($p < 0.06$)
$\hat{d}$ Hệ số góc dịch vụ khác ($\text{DT}_3$) $-2.16$ $0.89$ $0.0000$ Có ý nghĩa ($p < 0.06$)
$\hat{e}$ Mức chênh lệch mùa vụ Quý 2 ($Q_2$) $+915.46$ $285.12$ $0.0129$ Có ý nghĩa ($p < 0.06$)
$\hat{f}$ Mức chênh lệch mùa vụ Quý 3 ($Q_3$) $+488.96$ $198.45$ $0.0286$ Có ý nghĩa ($p < 0.06$)
$\hat{g}$ Mức chênh lệch mùa vụ Quý 4 ($Q_4$) $+1475.10$ $421.60$ $0.0405$ Có ý nghĩa ($p < 0.06$)

Khoảng tin cậy đối xứng 90% ($t_{0.05; 8} = 1.86$)

  • Hệ số $\hat{b}$ (Xe 4 chỗ): $0.13 \pm 1.86 \times 0.04 \Rightarrow [0.056, 0.204]$ (Khi $\text{DT}_1$ tăng 1 triệu đồng, lợi nhuận ròng trung bình tăng chắc chắn từ 56.000đ đến 204.000đ).
  • Hệ số $\hat{c}$ (Xe 7 chỗ): $0.35 \pm 1.86 \times 0.13 \Rightarrow [0.110, 0.590]$ (Khi $\text{DT}_2$ tăng 1 triệu đồng, lợi nhuận ròng trung bình tăng chắc chắn từ 110.000đ đến 590.000đ).
  • Hệ số $\hat{d}$ (Dịch vụ khác): $-2.16 \pm 1.86 \times 0.89 \Rightarrow [-3.815, -0.505]$ (Mỗi 1 triệu đồng tăng thu từ dịch vụ khác làm suy giảm từ 505.000đ đến 3.815.000đ lợi nhuận do vượt ngưỡng chi phí cố định).

Kiểm định chất lượng mô hình (Testing & Validation)

  • Hệ số xác định $R^2 = 0.9934$: Mô hình giải thích được 99,34% sự biến thiên của tổng lợi nhuận doanh nghiệp; chỉ 0,66% chịu tác động từ các yếu tố ngẫu nhiên ngoài mô hình.
  • Kiểm định $F$ ($P\text{-value} = 0.0000$): Khẳng định mối quan hệ tuyến tính đồng thời giữa các biến độc lập và biến phụ thuộc có ý nghĩa thống kê tuyệt đối.
  • Kiểm định Đa cộng tuyến (VIF/Auxiliary Regression): $R_j^2$ của các hồi quy phụ đều nhỏ hơn $0.80$, chứng minh không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
  • Kiểm định Phương sai sai số thay đổi (Glejser): Hồi quy phần dư tuyệt đối theo các biến độc lập cho $p\text{-value} > 0.10$, chấp nhận giả thuyết phương sai đồng nhất.
  • Kiểm định Tự tương quan (Breusch-Godfrey): Giá trị $Obs \times R^2$ có $p\text{-value} = 0.24 > 0.05$, mô hình không bị tự tương quan chuỗi.

Đổi mới và đóng góp

  1. Khám phá sự vượt trội của phân khúc xe 7 chỗ: Hệ số góc $\hat{c} = 0.35$ cao gấp 2,69 lần so với $\hat{b} = 0.13$. Nghiên cứu chỉ ra rằng mặc dù xe 4 chỗ chiếm hơn 82% doanh thu, xe 7 chỗ (Innova, Carens) mới là động cơ sinh lời biên mạnh nhất do tỷ lệ lấp đầy hành khách và giá cước/km cao hơn ($14.500\text{đ/km}$ so với $11.000\text{đ/km}$).
  2. Cảnh báo thất thoát từ mảng dịch vụ phụ trợ: Hệ số $\hat{d} = -2.16$ mang dấu âm có ý nghĩa thống kê mạnh mẽ, chỉ ra lỗ hổng quản trị tại các hợp đồng bảo lãnh lái xe và sửa chữa phụ tùng khi chi phí quản lý vận hành vượt quá doanh thu thu hồi.
  3. Lượng hóa chính xác biên độ dao động mùa vụ: Lợi nhuận Quý 4 luôn tăng vọt $+1475.10$ triệu đồng so với Quý 1 do nhu cầu đi lại dịp lễ Tết, tạo căn cứ để công ty điều phối ca kíp và bảo dưỡng phương tiện đón đầu mùa cao điểm.

Ứng dụng thực tế và triển khai

Chiến lược tối ưu hóa danh mục phương tiện

Dựa trên kết quả định lượng, công ty TNHH Thương mại Thiên Phong đã thực thi các quyết sách chuyển đổi cơ cấu kinh doanh:

[ Cơ cấu Doanh thu 2011 ]             [ Chuyển dịch Chiến lược 2015-2018 ]
- Xe 4 chỗ: 85.00%                    - Giảm tỷ trọng xe 4 chỗ cũ -> Nâng cấp Avante
- Xe 7 chỗ: 13.50%  ==============>   - Tăng tỷ trọng xe 7 chỗ (Innova) lên > 20%
- Dịch vụ khác: 1.50%                 - Cắt giảm chi phí mảng dịch vụ phụ trợ

Đánh giá hiệu quả kinh tế (ROI & Chi phí - Lợi ích)

  • Tận dụng chính sách vĩ mô: Đón đầu giảm thuế tiêu thụ đặc biệt (xuống 22,5–30%) và giảm thuế nhập khẩu theo cam kết AFTA (giảm còn 35% năm 2015, về 0% năm 2018) giúp doanh nghiệp hạ chi phí khấu hao đầu xe mới từ 12–15%.
  • Tối ưu hóa chi phí vận hành: Sử dụng định vị GPS (118 tính năng) giúp tăng công suất điều hành xe thêm 30%, giảm thời gian chạy rỗng của lái xe, trực tiếp cải thiện biên lợi nhuận ròng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Quy mô mẫu dữ liệu: Mẫu nghiên cứu gồm 15 quan sát theo quý ($N = 15$). Dù thỏa mãn điều kiện kiểm định mẫu nhỏ ($n - k = 8$ bậc tự do), việc mở rộng chuỗi dữ liệu theo tháng ($N \ge 60$) sẽ tăng độ mạnh của các ước lượng.
  • Biến ngoại sinh: Chưa đưa trực tiếp chuỗi biến động giá xăng dầu thế giới/trong nước (RON 92) và biến số lạm phát/CPI vào hàm hồi quy do giới hạn dữ liệu đồng nhất.

Hướng phát triển mở rộng

  1. Áp dụng mô hình Chuỗi thời gian phi tuyến (ARIMA / VAR / VECM): Phân tích tương quan đồng tích hợp đa chiều giữa giá xăng, số lượng phương tiện và biên lợi nhuận.
  2. Tích hợp thuật toán Machine Learning: Ứng dụng mô hình Random Forest / XGBoost kết hợp dữ liệu telemetry từ thiết bị GPS trên 562 xe để dự báo lưu lượng khách theo thời gian thực (real-time demand forecasting).

Đối tượng hưởng lợi

  • Sinh viên & Học viên Kinh tế/Quản trị: Nắm vững phương pháp luận kiểm định kinh tế lượng ứng dụng, xử lý biến giả mùa vụ và quy trình chẩn đoán khuyết tật mô hình trên EViews.
  • Chuyên viên Phân tích Dữ liệu Doanh nghiệp (Data/BI Analysts): Mô hình hóa cấu trúc doanh thu đa phân khúc nhằm xác định chính xác "long-tail" và các điểm nghẽn gây thất thoát dòng tiền.
  • Ban Lãnh đạo Doanh nghiệp Vận tải & Dịch vụ: Căn cứ định lượng để ra quyết định tái cơ cấu đoàn xe, định giá cước cạnh tranh và tối ưu hóa chi phí vận hành theo mùa vụ.
  • Nhà nghiên cứu & Giảng viên: Tài liệu tham khảo thực chứng về tác động của các cam kết hội nhập thương mại (WTO, AFTA) và chính sách quản lý vĩ mô đến ngành vận tải nội địa.

Câu hỏi thường gặp

1. Tại sao doanh thu từ các dịch vụ khác ($DT_3$) lại có hệ số âm ($\hat{d} = -2.16$)?

Hệ số âm phản ánh thực trạng chi phí phát sinh để vận hành các dịch vụ phụ trợ (sửa chữa nhỏ, thủ tục hợp đồng, quản lý bảo lãnh tài xế) đang vượt quá doanh thu ghi nhận. Doanh nghiệp cần cơ cấu lại giá dịch vụ sửa chữa hoặc tinh gọn quy trình để triệt tiêu chi phí dư thừa.

2. Mô hình có gặp hiện tượng tự tương quan chuỗi hay sai dạng hàm không?

Không. Kết quả kiểm định Breusch-Godfrey (LM test) cho giá trị $p > 0.05$ và kiểm định Ramsey RESET không bác bỏ dạng hàm tuyến tính ban đầu, khẳng định mô hình không bị thiếu biến quan trọng hay định dạng sai.

3. Tại sao lại lựa chọn mức ý nghĩa $\alpha = 0.06$ thay vì chuẩn $\alpha = 0.05$?

Do kích thước mẫu chuỗi thời gian là 15 quý ($n=15$, bậc tự do $n-k=8$), việc áp dụng $\alpha = 0.06$ (độ tin cậy 94%) vẫn đảm bảo tính khoa học cao trong nghiên cứu kinh tế lượng thực nghiệm vi mô, giúp giữ lại các biến mùa vụ quan trọng có $p\text{-value}$ tiệm cận ($p_{Q4} = 0.0405$).

4. Kết quả nghiên cứu có thể áp dụng cho các hãng taxi công nghệ (Grab, Be) hiện nay không?

Hoàn toàn có thể. Bản chất của mô hình hồi quy đa biến có biến giả phân khúc và biến giả mùa vụ là công cụ nền tảng để các nền tảng gọi xe phân bổ hệ số cước linh hoạt (surge pricing) và điều phối tài xế 4 chỗ/7 chỗ theo nhu cầu thực tế.

5. Doanh nghiệp cần làm gì để chuyển hóa kết quả kiểm định thành lợi nhuận thực tế?

Cần thực thi song song 3 giải pháp: (1) Tăng tỷ trọng đầu tư xe 7 chỗ Innova; (2) Tận dụng đòn bẩy giảm giá xe từ hiệp định AFTA để trẻ hóa đội xe 4 chỗ sang Grand i10 và Avante; (3) Tối ưu hóa hệ thống tổng đài GPS nhằm triệt tiêu km chạy rỗng.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc mục tiêu kiểm định định lượng mối quan hệ giữa doanh thu và lợi nhuận tại Công ty TNHH Thương mại Thiên Phong giai đoạn 2011–2015. Bằng phương pháp kinh tế lượng chặt chẽ với mô hình hồi quy OLS bội ($R^2 = 99,34%$), công trình đã chỉ ra vai trò then chốt của dòng xe 7 chỗ trong việc gia tăng biên lợi nhuận, đồng thời cảnh báo rủi ro xói mòn dòng tiền từ các mảng phụ trợ ngoài hoạt động cốt lõi. Đây là luận cứ thực chứng quan trọng giúp doanh nghiệp nâng cao năng lực cạnh tranh, tối ưu hóa nguồn lực đầu tư và phát triển bền vững trong kỷ nguyên hội nhập kinh tế quốc tế.