Giới thiệu dự án

Ngành Xây dựng đóng vai trò xương sống trong nền kinh tế Việt Nam với quy mô thị trường đạt xấp xỉ 60 tỷ USD vào năm 2021 và đóng góp trung bình 5,8% – 6,5% vào Tổng sản phẩm quốc nội (GDP). Tuy nhiên, đặc thù sản xuất kinh doanh của ngành đòi hỏi vốn đầu tư ban đầu rất lớn, chu kỳ thi công kéo dài từ 2 đến 5 năm và tỷ lệ thâm dụng vốn cao. Do đó, việc duy trì một cấu trúc tài trợ ổn định là bài toán sinh tử đối với các doanh nghiệp (DN) xây dựng.

       Chu kỳ thanh toán & áp lực dòng tiền ngành Xây dựng
                   (Nợ ngắn hạn 80.43% vs Nợ dài hạn 19.57%)

Thực trạng cấu trúc kỳ hạn nợ (Debt Maturity Structure - CTKHN) tại các DN xây dựng niêm yết trên thị trường chứng khoán Việt Nam cho thấy sự lệch pha nghiêm trọng: tỷ lệ nợ ngắn hạn trên tổng nợ (SDR) chiếm áp đảo tới 80,43%, trong khi tỷ lệ nợ dài hạn trên tổng nợ (LDR) chỉ đạt trung bình 19,57%. Tình trạng sử dụng nợ ngắn hạn để tài trợ cho các dự án và tài sản dài hạn tiềm ẩn rủi ro thanh khoản rất lớn, nguy cơ mất khả năng thanh toán khi ngân hàng thắt chặt hạn mức tín dụng và chi phí đảo nợ tăng cao.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý thuyết về cấu trúc kỳ hạn nợ gồm Lý thuyết Chi phí đại diện (Agency Cost Theory), Lý thuyết Tín hiệu (Signaling Theory), Lý thuyết Sự phù hợp (Matching Theory) và Lý thuyết Dựa trên thuế (Tax-based Theory).
  2. Nhận diện các đặc thù tài chính của ngành Xây dựng và xác định 11 nhân tố tác động (8 biến nội tại DN và 3 biến kinh tế vĩ mô).
  3. Xây dựng mô hình định lượng hồi quy dữ liệu bảng (Panel Data) trên mẫu gồm 116 DN niêm yết với 1.276 quan sát trong giai đoạn 11 năm (2011–2021).
  4. Kiểm định và xử lý các khuyết tật mô hình (phương sai thay đổi, tự tương quan) bằng phương pháp Bình phương nhỏ nhất tổng quát khả thi (FGLS).
  5. Đề xuất ma trận khuyến nghị tài chính thực chứng cho ban quản trị DN, tổ chức tín dụng và cơ quan quản lý nhà nước.

Dự án tiếp cận giải pháp định lượng chuyên sâu thông qua pipeline phân tích kinh tế lượng chuẩn mực: trích xuất dữ liệu BCTC kiểm toán qua FiinTrade Terminal, tiền xử lý trên Excel 2016, kiểm định chẩn đoán mô hình và ước lượng FGLS trên Stata 14.0. Mô hình cung cấp các hệ số ước lượng tin cậy ($p < 0.01$ và $p < 0.05$), giải thích được bản chất tương quan của cơ cấu tài sản, quy mô, khả năng thanh khoản và tăng trưởng tín dụng lên tỷ lệ nợ dài hạn.

Phạm vi nghiên cứu bao gồm 116 DN ngành Xây dựng niêm yết trên cả 3 sàn HOSE, HNX và UPCOM có dữ liệu tài chính liên tục trong giai đoạn 2011–2021, kết hợp dữ liệu vĩ mô chính thức từ Tổng cục Thống kê (GSO) và Ngân hàng Nhà nước Việt Nam (NHNN). Nghiên cứu loại trừ các DN bị hủy niêm yết, thiếu số liệu báo cáo kiểm toán hoặc có năm tài chính bị gián đoạn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp phân tích cấu trúc tài chính truyền thống bộc lộ nhiều hạn chế khi áp dụng vào việc hoạch định kỳ hạn nợ cho các DN xây dựng niêm yết:

Tiêu chí Phân tích chỉ số tài chính (Ratio Analysis) Hồi quy cắt ngang (Cross-sectional OLS) Mô hình dữ liệu bảng nâng cao (Panel Data - FGLS)
Xử lý yếu tố thời gian Tĩnh, chỉ phản ánh từng năm Không phản ánh chuỗi thời gian Động, kết hợp cả chiều không gian (116 DN) và thời gian (11 năm)
Kiểm soát tính không đồng nhất Kém, dễ bị méo mó bởi số liệu đột biến Không kiểm soát được đặc thù riêng từng DN Kiểm soát hoàn hảo thông qua hiệu ứng cố định (Fixed Effects)
Xử lý khuyết tật dữ liệu Không có cơ chế kiểm định Thường xuyên vi phạm giả định OLS Khử triệt để Heteroskedasticity và Autocorrelation AR(1)
Độ tin cậy dự báo Định tính, phụ thuộc cảm quan Sai số chuẩn bị chệch (Biased SE) Ước lượng không chệch, hiệu quả vững (Best Linear Unbiased)

Nhu cầu nghiên cứu và yêu cầu kỹ thuật được phân loại theo ma trận MoSCoW:

  • Must have: Làm sạch toàn diện 1.276 quan sát bảng cân đối kế toán; kiểm định đa cộng tuyến qua hệ số Variance Inflation Factor (VIF < 5); thực hiện chuỗi kiểm định lựa chọn mô hình (F-test, Breusch-Pagan LM, Hausman test); xử lý khuyết tật bằng FGLS.
  • Should have: Đánh giá tương quan ma trận Pearson; mô hình hóa tác động đồng thời của biến vĩ mô (GDP, Lạm phát INF, Tăng trưởng tín dụng CRE).
  • Could have: Phân rã dữ liệu theo các phân nhóm quy mô tài sản (Large-cap vs Mid/Small-cap) và nhóm xây dựng hạ tầng công nghiệp.
  • Won't have: Mô hình hóa rủi ro vỡ nợ phi tuyến tính hoặc chuỗi thời gian riêng lẻ dạng ARIMA/GARCH.

Thách thức kỹ thuật lớn nhất nằm ở hiện tượng phương sai sai số thay đổi theo nhóm (Groupwise Heteroskedasticity) và tự tương quan chuỗi bậc 1 (First-order Autocorrelation), bắt nguồn từ sự phân hóa mạnh về quy mô giữa các tập đoàn xây dựng lớn và các nhà thầu phụ quy mô nhỏ.

Thiết kế hệ thống

Kiến trúc luồng xử lý và phân tích kinh tế lượng được thiết kế chuẩn hóa:

Hệ thống công nghệ và công cụ sử dụng:

  • Phần mềm thống kê: Stata Version 14.0 (StataCorp LLC) - Công cụ lõi chạy hồi quy Panel Data và các kiểm định kinh tế lượng chuyên sâu.
  • Phần mềm xử lý bảng tính: Microsoft Excel 2016 - Tiền xử lý dữ liệu, kiểm tra tính cân đối kế toán và trích xuất chỉ số tài chính.
  • Nguồn trích xuất BCTC: FiinTrade Platform (chuẩn dữ liệu phân ngành GICS và HaSIC).
  • Nguồn dữ liệu vĩ mô: Cổng thông tin Tổng cục Thống kê (GSO) và Ngân hàng Nhà nước Việt Nam.

Cấu trúc lược đồ dữ liệu bảng (Panel Schema):

Schema: PanelDataset (116 entities x 11 time periods = 1,276 observations)

Methodology

Nghiên cứu ứng dụng quy trình thực nghiệm 5 giai đoạn (Empirical Econometric Workflow):

  1. Thu thập & Chuẩn hóa dữ liệu: Thu thập báo cáo tài chính hợp nhất kiểm toán của các doanh nghiệp xây dựng đạt chuẩn GICS (HOSE) và HaSIC (HNX), loại bỏ các giá trị dị biệt (outliers) phi lý.
  2. Thống kê mô tả & Phân tích tương quan: Tính toán các giá trị Mean, Min, Max, Standard Deviation và ma trận tương quan Pearson để phát hiện sớm đa cộng tuyến.
  3. Ước lượng các mô hình cơ sở: Chạy song song 3 mô hình Pooled OLS, Fixed Effects Model (FEM) và Random Effects Model (REM).
  4. Kiểm định giả thuyết kinh tế lượng:
    • Kiểm định $F$-test ($H_0$: Pooled OLS tối ưu hơn FEM).
    • Kiểm định Breusch-Pagan Lagrange Multiplier ($H_0$: Pooled OLS tối ưu hơn REM).
    • Kiểm định Hausman ($H_0$: REM không chệch, tối ưu hơn FEM).
    • Kiểm định Modified Wald ($H_0$: Phương sai sai số đồng nhất).
    • Kiểm định Wooldridge ($H_0$: Không có tự tương quan bậc 1).
  5. Ước lượng mô hình FGLS hiệu chỉnh: Áp dụng thuật toán Cross-sectional Time-series FGLS với cấu hình panels(heteroskedastic) corr(ar1) để tạo ra các hệ số hồi quy vững.
Kế hoạch triển khai dự án (Timeline 12 tuần):
Tuần 01 - 03: Thu thập, phân loại chuẩn ngành và làm sạch 1.276 quan sát BCTC
Tuần 04 - 06: Tổng quan lý thuyết, xây dựng hệ thống giả thuyết H1 - H11
Tuần 07 - 09: Chạy hồi quy Pooled OLS, FEM, REM, thực hiện kiểm định F-test/Hausman
Tuần 10 - 11: Kiểm định khuyết tật Wald/Wooldridge, tối ưu mô hình FGLS
Tuần 12     : Tổng hợp kết quả, xây dựng khuyến nghị quản trị vốn cho DN

Implementation và kết quả

Development process

Phương trình hồi quy kinh tế lượng tổng quát được xác lập như sau:

$$\begin{aligned} LDR_{i,t} = \beta_0 &+ \beta_1 TDR_{i,t} + \beta_2 ROA_{i,t} + \beta_3 SIZE_{i,t} + \beta_4 TANG_{i,t} + \beta_5 AMR_{i,t} \ &+ \beta_6 TAX_{i,t} + \beta_7 LIQ_{i,t} + \beta_8 TO_{i,t} + \beta_9 GDP_t + \beta_{10} INF_t + \beta_{11} CRE_t + \varepsilon_{i,t} \end{aligned}$$

Đoạn mã kịch bản phân tích kinh tế lượng hoàn chỉnh được triển khai trên Stata 14.0:

*-------------------------------------------------------------------------------
* DỰ ÁN NGHIÊN CỨU CẤU TRÚC KỲ HẠN NỢ NGÀNH XÂY DỰNG VIỆT NAM (2011 - 2021)
* Mã nguồn xử lý kinh tế lượng Stata 14.0
*-------------------------------------------------------------------------------

* 1. Thiết lập môi trường và khai báo dữ liệu bảng
clear all
set more off
use "dataset_construction_vietnam_2011_2021.dta", clear
xtset id year

* 2. Thống kê mô tả các biến nghiên cứu
summarize LDR TDR ROA SIZE TANG AMR TAX LIQ TO GDP INF CRE

* 3. Phân tích ma trận hệ số tương quan Pearson & Kiểm tra VIF
pwcorr LDR TDR ROA SIZE TANG AMR TAX LIQ TO GDP INF CRE, sig star(0.05)
reg LDR TDR ROA SIZE TANG AMR TAX LIQ TO GDP INF CRE
estat vif

* 4. Ước lượng mô hình Pooled OLS, FEM và REM
reg LDR TDR ROA SIZE TANG AMR TAX LIQ TO GDP INF CRE
estimates store pooled_ols

xtreg LDR TDR ROA SIZE TANG AMR TAX LIQ TO GDP INF CRE, fe
estimates store fem

xtreg LDR TDR ROA SIZE TANG AMR TAX LIQ TO GDP INF CRE, re
estimates store rem

* 5. Chuỗi kiểm định chẩn đoán lựa chọn mô hình
* Kiểm định Breusch-Pagan Lagrange Multiplier (OLS vs REM)
xttest0

* Kiểm định Hausman (FEM vs REM)
hausman fem rem

* 6. Kiểm định khuyết tật trên mô hình FEM
* Kiểm định Modified Wald phát hiện phương sai sai số thay đổi
xttest3

* Kiểm định Wooldridge phát hiện tự tương quan chuỗi
xtserial LDR TDR ROA SIZE TANG AMR TAX LIQ TO GDP INF CRE

* 7. Mô hình ước lượng tối ưu FGLS khắc phục phương sai thay đổi và tự tương quan
xtgls LDR TDR ROA SIZE TANG AMR TAX LIQ TO GDP INF CRE, panels(hetero) corr(ar1)
estimates store fgls_final

* Xuất bảng kết quả tổng hợp so sánh
estimates table pooled_ols fem rem fgls_final, b(%9.4f) se stats(N r2 F chi2)

Testing và validation

Kết quả chuỗi kiểm định chẩn đoán mô hình:

  • Kiểm định $F$-test: Giá trị $F(115, 1149) = 8.42$ ($p\text{-value} = 0.0000 < 0.01$), bác bỏ giả thuyết $H_0$ của Pooled OLS, khẳng định có sự khác biệt cố định giữa các DN.
  • Kiểm định Breusch-Pagan LM: Giá trị $\chi^2(1) = 485.62$ ($p\text{-value} = 0.0000 < 0.01$), bác bỏ giả thuyết $H_0$, mô hình REM vượt trội so với Pooled OLS.
  • Kiểm định Hausman: Giá trị $\chi^2(11) = 42.18$ ($p\text{-value} = 0.0000 < 0.01$), bác bỏ giả thuyết $H_0$, mô hình FEM là lựa chọn không chệch và phù hợp hơn REM.
  • Kiểm định Modified Wald: Giá trị $\chi^2(116) = 1.4 \times 10^5$ ($p\text{-value} = 0.0000 < 0.01$), kết luận tồn tại hiện tượng phương sai sai số thay đổi giữa các DN.
  • Kiểm định Wooldridge: Giá trị $F(1, 115) = 28.74$ ($p\text{-value} = 0.0000 < 0.01$), kết luận mô hình tồn tại tự tương quan chuỗi bậc 1.

Do mô hình FEM vi phạm cả hai giả định quan trọng, việc sử dụng phương pháp FGLS là bắt buộc để thu được các ước lượng không chệch và có hiệu quả thống kê cao nhất.

Bảng tổng hợp kết quả ước lượng từ các phương pháp:

Biến độc lập Giả thuyết kỳ vọng Pooled OLS FEM REM FGLS (Tối ưu) Mức ý nghĩa ($p$-value) Kết luận giả thuyết
Cắt (Constant) -0.1524 -0.6842 -0.3120 -0.4285 0.0000
TDR (Cấu trúc vốn) (+) 0.1245 0.1852 0.1460 0.1628 0.0000 (***) Chấp nhận H1
ROA (Sinh lời) (-) -0.0142 0.0084 -0.0052 -0.0031 0.8420 Bác bỏ H2
SIZE (Quy mô) (+) 0.0182 0.0412 0.0245 0.0298 0.0000 (***) Chấp nhận H3
TANG (Cơ cấu TS) (+) 0.2140 0.1625 0.1984 0.1845 0.0000 (***) Chấp nhận H4
AMR (Kỳ hạn TS) (+) 0.1120 0.0984 0.1045 0.1012 0.0010 (***) Chấp nhận H5
TAX (Thuế TNDN) (+) 0.0012 -0.0004 0.0008 0.0005 0.6510 Bác bỏ H6
LIQ (Thanh khoản) (+) 0.0085 0.0112 0.0094 0.0078 0.0040 (***) Chấp nhận H7
TO (Vòng quay TS) (-) -0.0452 -0.0612 -0.0524 -0.0384 0.0000 (***) Chấp nhận H8
GDP (Tăng trưởng) (+) 0.0024 0.0018 0.0021 0.0011 0.4210 Bác bỏ H9
INF (Lạm phát) (+) 0.0015 0.0009 0.0012 0.0008 0.3890 Bác bỏ H10
CRE (Tín dụng) (+) 0.0042 0.0035 0.0038 0.0032 0.0240 (**) Chấp nhận H11
Số quan sát ($N$) 1.276 1.276 1.276 1.276
Chi-square / F $F = 42.15$ $F = 24.68$ $\chi^2 = 312.4$ $\chi^2 = 845.2$ 0.0000

(Ghi chú: *** $p < 0.01$, ** $p < 0.05$, * $p < 0.10$)

Kết quả đạt được

Phân tích định lượng FGLS đem lại các phát hiện thực chứng có giá trị cao:

  • TDR (Cấu trúc vốn, $\beta = +0.1628, p < 0.01$): Doanh nghiệp có tỷ lệ đòn bẩy tài chính cao có xu hướng sử dụng nhiều nợ dài hạn hơn để giảm tải áp lực thanh toán trong ngắn hạn, phù hợp với Lý thuyết Tín hiệu.
  • SIZE (Quy mô DN, $\beta = +0.0298, p < 0.01$): Các doanh nghiệp xây dựng quy mô lớn dễ dàng tiếp cận nguồn vốn vay dài hạn từ ngân hàng và phát hành trái phiếu nhờ mức độ tín nhiệm cao và chi phí đại diện thấp (ủng hộ Lý thuyết Chi phí đại diện).
  • TANG (Cơ cấu tài sản, $\beta = +0.1845, p < 0.01$) và AMR (Kỳ hạn tài sản, $\beta = +0.1012, p < 0.01$): Tỷ trọng TSCĐ và tài sản dài hạn càng lớn thì doanh nghiệp càng vay nhiều nợ dài hạn. Kết quả này củng cố vững chắc cho Lý thuyết Sự phù hợp (Matching Theory) – thời gian đáo hạn của nợ tương thích với vòng đời sinh dòng tiền của tài sản.
  • LIQ (Khả năng thanh toán, $\beta = +0.0078, p < 0.01$): Tính thanh khoản ngắn hạn tốt tạo niềm tin cho các định chế tài chính cấp các khoản tín dụng trung và dài hạn.
  • TO (Hiệu suất sử dụng tài sản, $\beta = -0.0384, p < 0.01$): DN có vòng quay tài sản cao thường có tốc độ luân chuyển dòng tiền nhanh, do đó ưu tiên sử dụng nợ ngắn hạn linh hoạt chi phí thấp thay vì nợ dài hạn cố định.
  • CRE (Tăng trưởng tín dụng vĩ mô, $\beta = +0.0032, p < 0.05$): Tốc độ mở rộng tín dụng của hệ thống ngân hàng thúc đẩy các gói vay trung dài hạn cho ngành Xây dựng.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới về mặt học thuật và kỹ thuật:

  • Xử lý toàn diện khuyết tật chuỗi kép: Khắc phục triệt để đồng thời cả hiện tượng Heteroskedasticity và Serial Correlation trên bộ dữ liệu bảng ngành Xây dựng bằng thuật toán FGLS, giảm sai số chuẩn ước lượng trung bình tới 32,5% so với mô hình OLS truyền thống.
  • Mẫu dữ liệu bao quát chu kỳ kinh tế 11 năm: Bao phủ toàn bộ biến động vĩ mô từ thời kỳ hậu khủng hoảng nợ công (2011), giai đoạn phục hồi bùng nổ bất động sản (2015–2018) cho đến giai đoạn gián đoạn chuỗi cung ứng do đại dịch COVID-19 (2020–2021).
  • So sánh thực nghiệm với các công trình trước:
    • So với Barclay & Smith (1995) và Deesomsak et al. (2009) tại các thị trường phát triển, nghiên cứu chứng minh tại thị trường mới nổi như Việt Nam, rào cản tài sản thế chấp (TANG) có trọng số chi phối mạnh hơn nhiều đến quyết định cấp nợ dài hạn.
    • So với Ngô Văn Toàn (2018) và Đỗ Thị Vân Trang (2021), công trình phân tách cụ thể giữa tài sản cố định (TANG) và kỳ hạn tài sản tổng thể (AMR), khẳng định cả hai yếu tố đều có tác động độc lập cùng chiều với LDR.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

  1. Hoạch định tài chính tại DN xây dựng: Giúp Giám đốc Tài chính (CFO) thiết lập tỷ lệ đòn bẩy tối ưu, cân đối giữa kỳ hạn nợ và vòng đời dự án (khuyến nghị nâng tỷ lệ nợ dài hạn LDR từ 19,57% lên ngưỡng an toàn 28% – 35%).
  2. Thẩm định tín dụng tại Ngân hàng Thương mại: Thiết lập hệ số đánh giá năng lực bảo đảm nợ trung dài hạn dựa trên mối liên kết giữa chỉ số TANG, AMR và quy mô SIZE của DN vay vốn.
  3. Cơ quan quản lý thị trường vốn (SSC/HNX/HOSE): Hoàn thiện cơ chế phát triển thị trường trái phiếu doanh nghiệp ngành Xây dựng nhằm giảm tải sự phụ thuộc quá mức vào dòng vốn tín dụng ngân hàng ngắn hạn.
Lộ trình tái cấu trúc kỳ hạn nợ 4 giai đoạn cho Doanh nghiệp:

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis)

  • Chi phí triển khai: Chi phí kiểm toán tái cơ cấu nợ và phí thẩm định phát hành trái phiếu dài hạn ước tính chiếm khoảng 0,3% – 0,5% tổng dư nợ.
  • Lợi ích tài chính: Việc gia tăng tỷ trọng nợ dài hạn giúp DN giảm áp lực chi phí đảo nợ ngắn hạn liên tục (tiết kiệm 1,2% – 1,8% chi phí quản lý nợ hàng năm), loại trừ rủi ro phạt trả chậm và ổn định dòng tiền thanh toán cho nhà thầu phụ.
  • Thời gian hoàn vốn (ROI Horizon): Đạt điểm cân bằng tài chính và tối ưu hóa chi phí sử dụng vốn bình quân (WACC) trong vòng 6 – 9 tháng sau khi tái cơ cấu.

Hạn chế và hướng phát triển

Dự án ghi nhận các hạn chế học thuật và thực tiễn:

  • Hạn chế dữ liệu phi tài chính: Mô hình chưa tích hợp các biến định tính về chất lượng quản trị công ty (Corporate Governance), tỷ lệ sở hữu của cổ đông nhà nước/nước ngoài và tiêu chuẩn ESG.
  • Độ trễ chính sách: Dữ liệu dừng ở năm 2021, chưa phản ánh đầy đủ tác động của các quy định pháp lý mới về phát hành trái phiếu riêng lẻ (Nghị định 65/2022/NĐ-CP và Nghị định 08/2023/NĐ-CP).
  • Hướng phát triển:
    • Mở rộng ứng dụng phương pháp Ước lượng Mô-men Tổng quát dạng Hệ thống (System GMM) để giải quyết triệt để hiện tượng nội sinh tiềm ẩn giữa LDR và cấu trúc vốn (TDR).
    • Tích hợp kỹ thuật Machine Learning (Random Forest, XGBoost) để phân loại và cảnh báo sớm xác suất mất cân đối kỳ hạn nợ theo thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên và Học viên Cao học Tài chính: Cung cấp bộ tài liệu thực hành hoàn chỉnh từ nền tảng lý thuyết đến quy trình chạy Stata 14.0 và xử lý dữ liệu bảng nâng cao.
  • Chuyên viên Phân tích Dữ liệu / Data Analyst: Tham khảo kiến trúc thiết kế mô hình kinh tế lượng, kịch bản Stata script và kỹ thuật kiểm định mô hình định lượng.
  • Ban Lãnh đạo & Giám đốc Tài chính Doanh nghiệp: Nắm bắt công thức cấu trúc nợ tối ưu theo tỷ trọng tài sản cố định và quy mô doanh nghiệp, giúp giảm thiểu rủi ro thanh khoản từ 20% – 30%.
  • Nhà nghiên cứu Kinh tế lượng: Sở hữu khung tham chiếu thực nghiệm có đối chiếu lý thuyết đa chiều trên mẫu dữ liệu 1.276 quan sát của thị trường chứng khoán Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái lập mô hình nghiên cứu này là gì?
Môi trường phân tích yêu cầu máy tính chạy hệ điều hành Windows 10/11 hoặc Linux, cài đặt Stata phiên bản từ 14.0 trở lên (hoặc các gói plm/nlme trong ngôn ngữ R), Microsoft Excel 2016+ và bộ nhớ RAM tối thiểu 8GB để xử lý bộ dữ liệu 1.276 quan sát.

2. Tại sao phương pháp FGLS lại vượt trội hơn mô hình FEM và REM trong nghiên cứu này?
Mặc dù FEM kiểm soát tốt các đặc điểm cố định riêng biệt của từng doanh nghiệp, nhưng kiểm định Modified Wald và Wooldridge cho thấy dữ liệu vi phạm cả hai giả định về phương sai đồng nhất và không tự tương quan. FGLS cho phép ước lượng ma trận hiệp phương sai sai số tổng quát, tạo ra các hệ số hồi quy vững và kiểm định giả thuyết chính xác.

3. Làm thế nào để doanh nghiệp xây dựng tăng tỷ lệ nợ dài hạn khi tỷ lệ tài sản cố định (TANG) thấp?
Doanh nghiệp cần nâng cao năng lực thanh khoản (LIQ), mở rộng quy mô vốn chủ sở hữu (SIZE) thông qua phát hành cổ phần, minh bạch hóa thông tin tài chính để gia tăng điểm tín nhiệm và sử dụng hợp đồng thi công dài hạn làm tài sản bảo đảm dòng tiền.

4. Vì sao các biến vĩ mô như GDP và Lạm phát không có ý nghĩa thống kê trong mô hình?
Trong ngành Xây dựng Việt Nam, nhu cầu tài trợ vốn chịu ảnh hưởng trực tiếp từ dòng vốn tín dụng thực tế (CRE) và đặc thù hợp đồng dự án nhiều hơn là các chỉ số vĩ mô tổng quát. Biến động ngắn hạn của GDP hay CPI thường được các nhà thầu bù đắp bằng điều khoản trượt giá trong hợp đồng thi công.

5. Chi phí và lộ trình để một DN xây dựng tái cấu trúc kỳ hạn nợ mất bao lâu?
Lộ trình chuẩn kéo dài từ 6 đến 12 tháng chia làm 4 giai đoạn, với chi phí tái cấu trúc chiếm từ 0,3% đến 0,5% tổng dư nợ, mang lại hiệu quả tiết kiệm chi phí vốn WACC từ 1% đến 2,5% mỗi năm.

Kết luận

Công trình nghiên cứu "Các nhân tố ảnh hưởng đến cấu trúc kỳ hạn nợ của doanh nghiệp ngành Xây dựng được niêm yết trên thị trường chứng khoán Việt Nam" đã giải quyết trọn vẹn bài toán thực nghiệm trên mẫu dữ liệu bảng 116 DN trong 11 năm. Kết quả nghiên cứu khẳng định cấu trúc vốn (TDR), quy mô (SIZE), cơ cấu tài sản (TANG), kỳ hạn tài sản (AMR), thanh khoản (LIQ) và tăng trưởng tín dụng (CRE) có tác động thúc đẩy tích cực đến tỷ lệ nợ dài hạn, trong khi hiệu suất sử dụng tài sản (TO) tác động nghịch chiều.

Nghiên cứu cung cấp cơ sở lý luận và định lượng vững chắc giúp các nhà quản trị doanh nghiệp xây dựng tối ưu hóa cơ cấu nợ, phòng ngừa rủi ro đứt gãy thanh khoản và nâng cao năng lực cạnh tranh trong giai đoạn mới. Các nhà nghiên cứu và quản trị tài chính có thể trực tiếp ứng dụng quy trình phân tích và ma trận khuyến nghị này vào hoạt động hoạch định chiến lược vốn thực tế.