Giới thiệu dự án

Ngành Xây dựng giữ vai trò huyết mạch trong cơ cấu hạ tầng và thúc đẩy tăng trưởng tổng sản phẩm quốc nội (GDP) của Việt Nam, đóng góp trung bình từ 6,0% đến 6,5% GDP giai đoạn 2018–2022. Sau giai đoạn chạm đáy tăng trưởng ở mức 0,63% năm 2021 do tác động của đại dịch COVID-19 và các đợt giãn cách xã hội theo Chỉ thị 16/CT-TTg, ngành đã phục hồi mạnh mẽ trong năm 2022 với tốc độ tăng trưởng đạt khoảng 8,0%–8,5%. Tuy nhiên, môi trường kinh doanh hậu đại dịch đối mặt với hàng loạt biến động: chi phí nguyên vật liệu đầu vào tăng phi mã (giá thép tăng tới 9 lần trong năm 2021, giá gạch ốp lát tăng 15%), áp lực siết chặt dòng vốn tín dụng bất động sản, cùng các rủi ro từ thị trường trái phiếu doanh nghiệp (TPDN).

+------------------------------------------------------------------------------------------------+
| Tăng trưởng ngành Xây dựng: 0.63% (2021) -> 8.50% (2022)                                       |
| Đóng góp GDP: ~6.20% | Mẫu nghiên cứu: 33 DN niêm yết HOSE (N = 165 quan sát, 2018-2022)       |
+------------------------------------------------------------------------------------------------+

Thực trạng này đặt các doanh nghiệp ngành Xây dựng niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) trước bài toán cấp bách: làm thế nào để tối ưu hóa cấu trúc vốn, quản trị công nợ và duy trì hiệu quả kinh doanh (HQKD) bền vững? Đồ án nghiên cứu được triển khai nhằm giải quyết triệt để vấn đề trên thông qua phương pháp định lượng chuyên sâu.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Xác lập khung phân tích toàn diện về hiệu quả kinh doanh và các nhóm nhân tố nội tại, ngoại cảnh tác động đến chỉ số tài chính của doanh nghiệp xây dựng.
  2. Đo lường và đánh giá thực trạng: Phân tích biến động hiệu quả sinh lời ($ROA$, $ROE$, $ROS$) cùng sức khỏe tài chính của 33 doanh nghiệp xây dựng niêm yết trên HOSE giai đoạn 2018–2022.
  3. Xây dựng mô hình kinh tế lượng: Ứng dụng các mô hình hồi quy dữ liệu bảng (Panel Data) nhằm kiểm định chiều hướng và mức độ tác động của 12 biến giải thích đến HQKD.
  4. Đề xuất khuyến nghị ứng dụng: Hoàn thiện bộ giải pháp thực thi giúp các nhà quản trị doanh nghiệp, tổ chức tín dụng và nhà đầu tư đưa ra quyết định quản trị cấu trúc tài chính tối ưu.

Phạm vi và giới hạn nghiên cứu

  • Không gian: 33 công ty cổ phần ngành Xây dựng niêm yết trên sàn HOSE (đáp ứng tiêu chuẩn phân ngành NAICS 2007 và có Báo cáo tài chính kiểm toán đầy đủ).
  • Thời gian: Chuỗi dữ liệu 05 năm từ 2018 đến 2022 ($N = 165$ quan sát).
  • Giới hạn: Nghiên cứu tập trung vào các thước đo hiệu quả tài chính kế toán ($ROA$, $ROE$, $ROS$), không lượng hóa biến thị trường như Tobin's Q do cỡ mẫu giới hạn đặc thù của sàn HOSE.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu kinh tế lượng đối với doanh nghiệp xây dựng đòi hỏi xử lý các đặc thù: tỷ lệ đòn bẩy cao, chu kỳ luân chuyển vốn dài và rủi ro nợ xấu tồn đọng. Bảng phân tích dưới đây so sánh các phương pháp hồi quy dữ liệu bảng nhằm lựa chọn công cụ ước lượng phù hợp nhất:

Mô hình hồi quy Ưu điểm Nhược điểm Đánh giá tính phù hợp
Pooled OLS (Bình phương nhỏ nhất gộp) Đơn giản, dễ ước lượng tham số. Giả định hệ số chặn đồng nhất, bỏ qua đặc trưng riêng của từng doanh nghiệp. Bị bác bỏ qua kiểm định $F$-test ($p < 0,05$).
FEM (Mô hình tác động cố định) Kiểm soát được các yếu tố không đổi theo thời gian của từng doanh nghiệp. Làm mất bậc tự do; không xử lý được các biến không đổi theo thời gian. Phù hợp khi có tương quan giữa sai số và biến độc lập.
REM (Mô hình tác động ngẫu nhiên) Tiết kiệm bậc tự do, cho phép ước lượng các đặc trưng không đổi theo thời gian. Giả định sai số ngẫu nhiên không tương quan với biến giải thích (khó thỏa mãn). Cần kiểm định Hausman để so sánh với FEM.
FGLS (Bình phương nhỏ nhất tổng quát khả thi) Khắc phục hoàn toàn phương sai sai số thay đổi và tự tương quan. Phức tạp trong tính toán ma trận hiệp phương sai. Lựa chọn tối ưu nhất cho dữ liệu nghiên cứu.

So sánh với các nghiên cứu trước đây tại thị trường Việt Nam:

  • Võ Thị Tuyết Hằng (2015): Khảo sát 107 DN (2010–2013), chỉ dùng $ROA$; kết luận nợ ngắn hạn không có ý nghĩa thống kê.
  • Hoàng Tùng (2016): Khảo sát 30 DN ngành Dầu khí (2011–2014), sử dụng mô hình REM; chưa đi sâu vào cơ chế kiểm soát khuyết tật mô hình.
  • Lê Văn Tuấn & CS (2022): Sử dụng FGLS trên toàn bộ sàn HOSE (2009–2019) cho chỉ số $ROE$, nhưng thiếu phân tích chuyên biệt cho phân khúc xây lắp - thi công.

Khoảng trống nghiên cứu: Đồ án khắc phục khoảng trống bằng cách cập nhật chuỗi dữ liệu mới nhất (chứa cú sốc COVID-19), đồng thời bổ sung chỉ số $ROS$ bên cạnh $ROA$ và $ROE$, tích hợp kiểm định kiểm soát đa cộng tuyến, phương sai sai số thay đổi và tự tương quan.

Thiết kế hệ thống mô hình kinh tế lượng

Kiến trúc xử lý và kiểm định dữ liệu bảng được chuẩn hóa qua 5 giai đoạn liên hoàn:

Công nghệ và công cụ sử dụng

  • Phần mềm xử lý thống kê: Stata phiên bản 17.0 (chuyên dụng cho ước lượng dữ liệu bảng đa biến).
  • Hệ thống xử lý bảng tính: Microsoft Excel 365 (thu thập, làm sạch và chuẩn hóa biến số).
  • Cơ sở dữ liệu đầu vào: Vietstock Finance, Báo cáo tài chính kiểm toán độc lập của 33 DN, Niêm giám Tổng cục Thống kê (GSO) và World Bank Open Data.

Đặc tả mô hình hồi quy đa biến

Ba phương trình hồi quy được thiết lập tương ứng với 3 khía cạnh sinh lời:

$$\text{ROA}{it} = \beta_0 + \beta_1 \text{TDTA}{it} + \beta_2 \text{DER}{it} + \beta_3 \text{STDTA}{it} + \beta_4 \text{LIQ}{it} + \beta_5 \text{TANG}{it} + \beta_6 \text{ACP}{it} + \beta_7 \text{GROWTH}{it} + \beta_8 \text{TAX}{it} + \beta_9 \text{SIZE}{it} + \beta_{10} \text{AGE}{it} + \beta{11} \text{GDP}{it} + \beta{12} \text{INF}{it} + \varepsilon{it}$$

$$\text{ROE}{it} = \alpha_0 + \alpha_1 \text{TDTA}{it} + \alpha_2 \text{DER}{it} + \alpha_3 \text{STDTA}{it} + \alpha_4 \text{LIQ}{it} + \alpha_5 \text{TANG}{it} + \alpha_6 \text{ACP}{it} + \alpha_7 \text{GROWTH}{it} + \alpha_8 \text{TAX}{it} + \alpha_9 \text{SIZE}{it} + \alpha_{10} \text{AGE}{it} + \alpha{11} \text{GDP}{it} + \alpha{12} \text{INF}{it} + u{it}$$

$$\text{ROS}{it} = \gamma_0 + \gamma_1 \text{TDTA}{it} + \gamma_2 \text{DER}{it} + \gamma_3 \text{STDTA}{it} + \gamma_4 \text{LIQ}{it} + \gamma_5 \text{TANG}{it} + \gamma_6 \text{ACP}{it} + \gamma_7 \text{GROWTH}{it} + \gamma_8 \text{TAX}{it} + \gamma_9 \text{SIZE}{it} + \gamma_{10} \text{AGE}{it} + \gamma{11} \text{GDP}{it} + \gamma{12} \text{INF}{it} + v{it}$$

Danh mục mã hóa biến số:

  • Biến phụ thuộc: $ROA$ (LNST/Tổng tài sản), $ROE$ (LNST/Vốn chủ sở hữu), $ROS$ (LNST/Doanh thu thuần).
  • Cấu trúc vốn & Thanh khoản: $TDTA$ (Tổng nợ/Tổng tài sản), $DER$ (Tổng nợ/VCSH), $STDTA$ (Nợ ngắn hạn/Tổng nợ), $LIQ$ (Tài sản ngắn hạn/Nợ ngắn hạn).
  • Vận hành & Tăng trưởng: $TANG$ (TSCĐ/Tổng tài sản), $ACP$ (Kỳ thu tiền bình quân: $365 \times \text{Phải thu}/\text{DTT}$), $GROWTH$ (Tốc độ tăng trưởng DTT), $TAX$ ($\ln(\text{Chi phí thuế TNDN})$).
  • Biến kiểm soát: $SIZE$ ($\ln(\text{Tổng tài sản})$), $AGE$ (Số năm hoạt động), $GDP$ (Tăng trưởng GDP cả nước), $INF$ (Tỷ lệ lạm phát CPI).

Methodology

Quy trình nghiên cứu áp dụng phương pháp định lượng chuẩn tắc theo 4 mốc tiến độ:

[Tuần 1-2: Trích xuất BCTC & Lọc 33 DN] -> [Tuần 3-4: Xây dựng Stata Do-File & VIF Check]
-> [Tuần 5-6: Kiểm định F-test / Hausman / FGLS] -> [Tuần 7-8: Phân tích kinh tế & Viết khuyến nghị]

Ma trận đánh giá rủi ro kỹ thuật và biện pháp xử lý

  • Rủi ro đa cộng tuyến: Hệ số tương quan giữa các biến độc lập vượt quá ngưỡng an toàn ($r > 0,8$) dẫn đến sai lệch kiểm định $t$. Xử lý: Tính toán hệ số phóng đại phương sai (Variance Inflation Factor - VIF); loại bỏ hoặc chuẩn hóa biến nếu $\text{VIF} > 10$.
  • Rủi ro khuyết tật mô hình: Dữ liệu bảng tài chính thường xuyên xuất hiện hiện tượng phương sai thay đổi giữa các công ty (heteroskedasticity) và tự tương quan qua các năm (autocorrelation). Xử lý: Áp dụng kiểm định Modified Wald và Wooldridge test; khắc phục bằng phương pháp FGLS (xtgls, panels(hetero) corr(ar1)).

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được tự động hóa bằng Stata 17 thông qua kịch bản lệnh chuẩn (Do-file):

* Thiết lập cấu trúc dữ liệu bảng
clear all
import excel "data_construction_hose_2018_2022.xlsx", sheet("Data") firstrow
xtset firm_id year

* Kiểm tra thống kê mô tả & đa cộng tuyến
summarize roa roe ros tdta der stdta liq tang acp growth tax size age gdp inf
regress roa tdta der stdta liq tang acp growth tax size age gdp inf
estat vif

* Ước lượng mô hình và thực hiện kiểm định lựa chọn
xtreg roa tdta der stdta liq tang acp growth tax size age gdp inf, fe
estimates store fe_roa
xtreg roa tdta der stdta liq tang acp growth tax size age gdp inf, re
estimates store re_roa
hausman fe_roa re_roa

* Kiểm tra hiện tượng tự tương quan và phương sai thay đổi
xtserial roa tdta der stdta liq tang acp growth tax size age gdp inf
xttest0

* Mô hình hiệu chỉnh triệt để khuyết tật (FGLS)
xtgls roa tdta der stdta liq tang acp growth tax size age gdp inf, panels(hetero) corr(ar1)
xtgls roe tdta der stdta liq tang acp growth tax size age gdp inf, panels(hetero) corr(ar1)
xtgls ros tdta der stdta liq tang acp growth tax size age gdp inf, panels(hetero) corr(ar1)

Testing và validation

Kết quả chẩn đoán mô hình cho thấy toàn bộ giá trị VIF của các biến đều nhỏ hơn 3,0 (trung bình $\text{VIF} = 1,82$), khẳng định không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.

Chỉ số / Kiểm định Mô hình ROA Mô hình ROE Mô hình ROS Kết luận chẩn đoán
Kiểm định F-test (OLS vs FEM) $F = 4,12$ ($p = 0,000$) $F = 3,89$ ($p = 0,000$) $F = 2,95$ ($p = 0,001$) FEM vượt trội hơn Pooled OLS
Kiểm định Hausman (FEM vs REM) $\chi^2 = 14,21$ ($p = 0,287$) $\chi^2 = 12,05$ ($p = 0,441$) $\chi^2 = 18,34$ ($p = 0,105$) Chọn mô hình REM
Kiểm định Breusch-Pagan LM $\chi^2 = 38,45$ ($p = 0,000$) $\chi^2 = 41,12$ ($p = 0,000$) $\chi^2 = 29,80$ ($p = 0,000$) Khẳng định REM phù hợp
Kiểm định Phương sai sai số thay đổi $p = 0,000$ $p = 0,000$ $p = 0,000$ Có hiện tượng phương sai thay đổi
Kiểm định Tự tương quan (Wooldridge) $F = 18,22$ ($p = 0,000$) $F = 15,67$ ($p = 0,001$) $F = 12,45$ ($p = 0,002$) Có hiện tượng tự tương quan bậc 1
Mô hình sau cùng được chọn FGLS FGLS FGLS Triệt tiêu toàn bộ khuyết tật

Kết quả đạt được

Hồi quy FGLS cho thấy có 7 nhân tố có ý nghĩa thống kê tác động đến hiệu quả kinh doanh của các doanh nghiệp xây dựng niêm yết trên HOSE với độ tin cậy 95% ($p < 0,05$):

Biến độc lập Ký hiệu Tác động tới ROA Tác động tới ROE Tác động tới ROS Ý nghĩa kinh tế
Hệ số nợ/VCSH $DER$ + ($p < 0,05$) + ($p < 0,01$) Không có ý nghĩa Đòn bẩy tài chính tạo lá chắn thuế hiệu quả nếu quản trị tốt chi phí lãi vay.
Tỷ lệ nợ ngắn hạn $STDTA$ - ($p < 0,01$) - ($p < 0,01$) - ($p < 0,05$) Áp lực trả nợ ngắn hạn lớn bào mòn dòng tiền và làm giảm tỷ suất sinh lời.
Kỳ thu tiền bình quân $ACP$ + ($p < 0,05$) Không có ý nghĩa + ($p < 0,01$) Doanh nghiệp chấp nhận bán chịu linh hoạt cho chủ đầu tư lớn để giành gói thầu giá trị cao.
Tăng trưởng doanh thu $GROWTH$ + ($p < 0,01$) + ($p < 0,01$) + ($p < 0,05$) Mở rộng quy mô doanh thu giúp phân bổ định phí máy móc thi công hiệu quả.
Thuế TNDN $TAX$ + ($p < 0,01$) + ($p < 0,01$) + ($p < 0,01$) Thuế cao phản ánh lợi nhuận kế toán trước thuế tăng trưởng thực chất.
Quy mô tài sản $SIZE$ - ($p < 0,05$) - ($p < 0,05$) - ($p < 0,01$) Quy mô quá lớn gây suy giảm hiệu quả quản lý dự án (tính phi kinh tế theo quy mô).
Tuổi doanh nghiệp $AGE$ + ($p < 0,05$) + ($p < 0,05$) Không có ý nghĩa Uy tín thương hiệu và bề dày kinh nghiệm giúp tiếp cận dự án chất lượng.
Các biến vĩ mô $GDP, INF$ Không có ý nghĩa Không có ý nghĩa Không có ý nghĩa Trong 5 năm nghiên cứu, yếu tố nội tại DN đóng vai trò quyết định hơn biến vĩ mô.

Đổi mới và đóng góp

  1. Khám phá thực nghiệm mới về biến $ACP$ và $TAX$ đối với $ROS$: Hầu hết các nghiên cứu trước đây (như Võ Thị Tuyết Hằng, 2015) đều cho rằng kỳ thu tiền bình quân dài sẽ làm giảm hiệu quả hoạt động. Tuy nhiên, đồ án chỉ ra rằng trong giai đoạn 2018–2022, các doanh nghiệp xây dựng chấp nhận nới lỏng chính sách tín dụng thương mại ($ACP$ tăng) đã duy trì được biên lợi nhuận ròng ($ROS$) tốt hơn nhờ duy trì được hợp đồng với các chủ đầu tư bất động sản uy tín.
  2. Làm rõ tác động ngược chiều của quy mô ($SIZE$): Trái ngược với giả định truyền thống rằng quy mô càng lớn sinh lời càng cao, nghiên cứu chứng minh trong ngành xây dựng Việt Nam, bộ máy cồng kềnh và chi phí quản lý doanh nghiệp lớn làm giảm $ROA$ và $ROS$.
  3. Ứng dụng mô hình FGLS nâng cao độ vững: Khắc phục triệt để sai số chuẩn bị lệch do hiện tượng phương sai thay đổi nhóm và tự tương quan bậc 1, tăng độ tin cậy của ước lượng lên trên 95% so với các mô hình Pooled OLS hoặc REM truyền thống.
Tiêu chí so sánh Nghiên cứu của Võ Thị Tuyết Hằng (2015) Nghiên cứu của Lê Văn Tuấn & CS (2022) Khóa luận này (2023)
Khung thời gian 2010–2013 (Khủng hoảng BĐS) 2009–2019 (Giai đoạn bình thường) 2018–2022 (Bao gồm COVID-19 & Phục hồi)
Số chiều đánh giá HQKD 01 chiều ($ROA$) 01 chiều ($ROE$) 03 chiều ($ROA, ROE, ROS$)
Kỹ thuật xử lý khuyết tật REM cơ bản FGLS trên mẫu tổng hợp FGLS chuyên biệt ngành Xây dựng
Phát hiện quan trọng $STDTA$ không có ý nghĩa Lạm phát ảnh hưởng mạnh $STDTA$ và $SIZE$ tác động âm; $ACP$ tác động dương đến $ROS$

Ứng dụng thực tế và triển khai

Khuyến nghị chiến lược cho Ban Điều hành Doanh nghiệp (CFO / CEO)

                       CHIẾN LƯỢC QUẢN TRỊ TÀI CHÍNH TỐI ƯU
                                        |
    +-----------------------------------+-----------------------------------+
    |                                   |                                   |
[Tái cấu trúc nợ]               [Kiểm soát nợ phải thu]             [Tinh gọn quy mô]
- Giảm STDTA < 60% nợ           - Hạn mức tín dụng theo xếp hạng    - Loại bỏ tài sản nhàn rỗi
- Chuyển sang nợ dài hạn        - Khấu trừ tiến độ 15-30 ngày       - Tự động hóa giám sát công trường
  1. Kiểm soát chặt chẽ tỷ lệ nợ ngắn hạn ($STDTA$):
    • Hạn chế phụ thuộc vào nguồn vốn vay ngắn hạn để tài trợ cho các công trình dài hạn nhằm tránh rủi ro mất cân đối thanh khoản. Duy trì tỷ lệ $STDTA / \text{Tổng nợ} < 60%$.
    • Tận dụng đòn bẩy $DER$ ở mức an toàn ($1,0 \le DER \le 1,8$) để tối đa hóa lợi ích từ lá chắn thuế mà không làm gia tăng áp lực thanh toán lãi vay.
  2. Tối ưu hóa chính sách tín dụng thương mại ($ACP$):
    • Thiết lập quy trình thẩm định xếp hạng tín dụng nội bộ đối với chủ đầu tư trước khi ký kết hợp đồng thi công.
    • Áp dụng điều khoản thanh toán lũy tiến theo tiến độ nghiệm thu thực tế từng giai đoạn (15–30 ngày), kết hợp các công cụ bảo lãnh thanh toán của ngân hàng để thu hồi vốn kịp thời.
  3. Cải cách quản trị, tránh tình trạng "phi kinh tế theo quy mô" ($SIZE$):
    • Thoái vốn tại các dự án, công ty con hoạt động kém hiệu quả; thanh lý các máy móc thiết bị thi công cũ kỹ, hao mòn cao để giảm chi phí bảo dưỡng.
    • Ứng dụng phần mềm quản lý dự án xây dựng (ERP Xây dựng) nhằm tinh gọn bộ máy quản lý và kiểm soát sát sao chi phí phát sinh tại công trường.

Hạn chế và hướng phát triển

  • Hạn chế về cỡ mẫu: Do giới hạn lựa chọn các doanh nghiệp niêm yết trên sàn HOSE có đầy đủ BCTC kiểm toán liên tục 5 năm, cỡ mẫu dừng lại ở 33 doanh nghiệp ($N = 165$). Chưa mở rộng sang sàn HNX và UPCoM.
  • Hạn chế về nhóm biến: Nghiên cứu chưa đưa vào các biến quản trị doanh nghiệp chuyên sâu như: tỷ lệ sở hữu của ban điều hành, quy mô hội đồng quản trị, trình độ công nghệ số hóa thi công và chi phí R&D.
  • Hướng mở rộng tiếp theo:
    1. Mở rộng tập dữ liệu sang toàn bộ các doanh nghiệp xây dựng niêm yết trên cả ba sàn HOSE, HNX và UPCoM ($N > 500$).
    2. Bổ sung phương pháp hồi quy GMM (Generalized Method of Moments) để kiểm soát hiện tượng nội sinh tiềm ẩn giữa quy mô và hiệu quả kinh doanh.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Tiếp cận tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng dữ liệu bảng, quy trình viết Stata Do-file và cách thức xử lý khuyết tật mô hình tài chính.
  • Chuyên viên phân tích dữ liệu & Lập trình viên FinTech: Nắm bắt thuật toán trích xuất dữ liệu BCTC, cấu trúc ma trận tương quan và thuật toán ước lượng FGLS để tích hợp vào các nền tảng tự động chấm điểm tín dụng doanh nghiệp.
  • Giám đốc Tài chính (CFO) & Ban Quản trị doanh nghiệp Xây dựng: Sở hữu căn cứ định lượng thực chứng để tái cơ cấu nợ vay, tối ưu hóa vòng quay công nợ và nâng cao các chỉ số sinh lời $ROA, ROE, ROS$.
  • Nhà nghiên cứu học thuật: Tiếp cận cơ sở dữ liệu thực nghiệm đã được làm sạch và kiểm định trong giai đoạn đặc thù có biến động lớn về kinh tế vĩ mô (2018–2022).

Câu hỏi thường gặp

1. Tại sao nghiên cứu sử dụng phương pháp FGLS thay vì OLS hay FEM/REM truyền thống?

Dữ liệu tài chính của 33 doanh nghiệp trong 5 năm tồn tại đồng thời hai khuyết tật: hiện tượng phương sai sai số thay đổi (giữa các doanh nghiệp có quy mô vốn khác biệt lớn) và tự tương quan bậc 1 (dòng tiền của năm trước ảnh hưởng tới năm sau). Phương pháp OLS và FEM/REM trong điều kiện này sẽ cho ra sai số chuẩn bị chệch, làm mất hiệu lực của các kiểm định $t$ và $F$. FGLS ước lượng ma trận hiệp phương sai tổng quát, giúp khắc phục hoàn toàn hai khuyết tật trên và mang lại ước lượng vững, không chệch.

2. Ý nghĩa thực tiễn của việc tỷ lệ nợ ngắn hạn ($STDTA$) tác động tiêu cực đến cả 3 chỉ số $ROA, ROE, ROS$?

Ngành xây lắp có chu kỳ thi công kéo dài (thường từ 12 đến 36 tháng). Nếu doanh nghiệp sử dụng quá nhiều nợ ngắn hạn để tài trợ cho các công trình dài hạn, áp lực đáo hạn liên tục buộc doanh nghiệp phải đảo nợ hoặc chịu lãi suất phạt cao, làm suy giảm dòng tiền thuần và biên lợi nhuận ròng.

3. Làm thế nào để áp dụng kết quả nghiên cứu vào định giá cổ phiếu ngành Xây dựng?

Nhà đầu tư nên ưu tiên lựa chọn các doanh nghiệp có tỷ lệ $STDTA / \text{Tổng nợ} < 0,5$, biên độ tăng trưởng doanh thu ($GROWTH$) ổn định trên 10%/năm và thời gian hoạt động ($AGE$) lâu năm trên thị trường, đồng thời cẩn trọng với các doanh nghiệp có quy mô tài sản phình to quá nhanh nhưng năng lực quản trị không tương xứng.

4. Chi phí bản quyền phần mềm và yêu cầu phần cứng để tái lập nghiên cứu này?

Stata 17 Standard Edition (SE) hoặc Stata/MP là công cụ tối ưu để chạy tập lệnh. Về phần cứng, tập dữ liệu $N = 165$ quan sát có thể xử lý trơn tru trên mọi máy tính cá nhân tiêu chuẩn (RAM tối thiểu 4GB, CPU Dual Core 2.0 GHz trở lên).

5. Tại sao biến $GDP$ và Lạm phát ($INF$) không có ý nghĩa thống kê trong mô hình?

Trong giai đoạn 2018–2022, tác động từ biến động kinh tế vĩ mô được phản ánh gián tiếp qua biến doanh thu ($GROWTH$) và chi phí thuế ($TAX$) của từng công ty. Năng lực quản trị nội tại (cấu trúc nợ và kiểm soát chi phí) đóng vai trò quyết định và chi phối hoàn toàn sự chênh lệch hiệu quả giữa các doanh nghiệp cùng ngành.

Kết luận

Đồ án khóa luận đã thực hiện phân tích định lượng toàn diện về các nhân tố ảnh hưởng đến hiệu quả kinh doanh của 33 doanh nghiệp xây dựng niêm yết trên HOSE giai đoạn 2018–2022. Bằng kỹ thuật hồi quy FGLS chuẩn xác, nghiên cứu đã chứng minh vai trò then chốt của 7 nhân tố nội tại: tỷ lệ nợ/VCSH, tỷ lệ nợ ngắn hạn, kỳ thu tiền bình quân, tốc độ tăng trưởng doanh thu, thuế TNDN, quy mô tài sản và tuổi doanh nghiệp.

Những phát hiện này cung cấp cơ sở khoa học xác thực giúp các doanh nghiệp xây dựng tái cấu trúc nguồn vốn, chủ động kiểm soát rủi ro nợ ngắn hạn và tối ưu hóa hiệu quả hoạt động kinh doanh trong giai đoạn phát triển mới. Quý độc giả, các nhà nghiên cứu và doanh nghiệp quan tâm có thể khai thác mô hình kinh tế lượng và hệ thống giải pháp của đồ án để ứng dụng vào công tác quản trị tài chính và đầu tư thực tiễn.