Giới thiệu dự án

Chính sách cổ tức (Dividend Policy) là một trong ba quyết định tài chính doanh nghiệp cốt lõi (bên cạnh quyết định đầu tư và quyết định tài trợ), đóng vai trò then chốt trong việc phân bổ dòng tiền giữa lợi nhuận giữ lại để tái đầu tư và chia sẻ lợi ích với cổ đông. Tại thị trường chứng khoán Việt Nam, đặc biệt là Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE), giai đoạn 2015 – 2022 chứng kiến nhiều biến động vĩ mô phức tạp: từ giai đoạn tăng trưởng kinh tế, sự xuất hiện của đại dịch COVID-19, cho đến các cú sốc lạm phát toàn cầu năm 2022. Theo số liệu thống kê thực nghiệm, tỷ suất cổ tức trung bình của các doanh nghiệp niêm yết trên HOSE chỉ đạt 3,38%, với phần lớn doanh nghiệp tập trung ở dải tỷ suất thấp từ 0% đến 7%. Tỷ lệ doanh nghiệp chi trả cổ tức cao (trên 20%) sụt giảm mạnh từ 12,93% (năm 2015) xuống còn 8,16% (năm 2022).

Vấn đề cốt lõi đặt ra là sự mâu thuẫn giữa nhu cầu bảo toàn vốn thanh khoản của ban quản trị và kỳ vọng nhận dòng tiền tức thời của cổ đông, làm nảy sinh chi phí đại diện (Agency Costs) và hiện tượng bất cân xứng thông tin (Information Asymmetry). Việc xây dựng một mô hình lượng lượng hóa chính xác các nhân tố tác động đến tỷ suất cổ tức (Dividend Yield - DY) là bài toán cấp thiết nhằm hỗ trợ các nhà hoạch định chiến lược và nhà đầu tư cá nhân lẫn tổ chức.

Mục tiêu nghiên cứu cụ thể

  1. Xác định hệ thống nhân tố tác động: Nhận diện các biến nội tại doanh nghiệp (DY năm trước, ROA, SIZE, PB, DE, SG, OWN) và biến vĩ mô (CPI) chi phối chính sách cổ tức.
  2. Đo lường và lượng hóa mức độ tác động: Ứng dụng các mô hình kinh tế lượng dữ liệu bảng tĩnh và động nhằm xử lý triệt để hiện tượng nội sinh (Endogeneity), phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation).
  3. Đề xuất hàm ý quản trị và giải pháp: Cung cấp cơ sở thực chứng để hội đồng quản trị tối ưu hóa quyết định phân phối lợi nhuận và giúp nhà đầu tư xây dựng chiến lược danh mục cổ tức hiệu quả.

Phạm vi và giới hạn dữ liệu

  • Không gian nghiên cứu: 147 doanh nghiệp phi tài chính niêm yết liên tục trên HOSE (đã loại trừ nhóm ngân hàng, bảo hiểm, chứng khoán do đặc thù kế toán và cấu trúc vốn riêng biệt).
  • Thời gian nghiên cứu: Chuỗi dữ liệu bảng cân bằng 8 năm (2015 – 2022) với tổng cộng 1.176 quan sát.
  • Nguồn dữ liệu: Nền tảng phân tích tài chính FiinTrade, báo cáo tài chính hợp nhất kiểm toán và Tổng cục Thống kê Việt Nam (GSO).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu thực nghiệm về chính sách cổ tức trên thế giới và tại Việt Nam tồn tại nhiều quan điểm trái chiều bắt nguồn từ sự khác biệt về phương pháp ước lượng và bối cảnh thị trường.

Phương pháp / Mô hình Ưu điểm Nhược điểm / Rủi ro kỹ thuật Đánh giá độ phù hợp
Pooled OLS Đơn giản, dễ tính toán, tổng hợp toàn bộ quan sát Bỏ qua đặc tính riêng của từng doanh nghiệp ($u_i$), dễ bị chệch tham số do tự tương quan Kém phù hợp với dữ liệu bảng vi mô
Fixed Effects (FEM) Kiểm soát được các yếu tố bất biến theo thời gian của từng công ty Không xử lý được biến nội sinh động ($DY_{i,t-1}$ tương quan với sai số) Phù hợp một phần (bị vi phạm tự tương quan)
Random Effects (REM) Hiệu quả khi các yếu tố riêng lẻ không tương quan với biến độc lập Giả định ngẫu nhiên thường bị bác bỏ qua kiểm định Hausman ($p < 0,05$) Kém phù hợp với dữ liệu doanh nghiệp HOSE
System GMM (Blundell & Bond) Xử lý triệt để biến nội sinh, tự tương quan bậc 1 và phương sai thay đổi Yêu cầu số lượng nhóm lớn ($N > T$), kiểm định biến công cụ phức tạp Tối ưu và chuẩn xác nhất

Ma trận ưu tiên yêu cầu phân tích (MoSCoW)

  • Must-have (Bắt buộc): Kiểm định đa cộng tuyến (VIF), kiểm định Hausman, kiểm định Modified Wald, kiểm định Wooldridge, ước lượng System GMM 2 bước với hiệu chỉnh sai số chuẩn Windmeijer.
  • Should-have (Cần có): Phân tích ma trận tương quan Pearson, thống kê mô tả phân vị, kiểm định Arellano-Bond $AR(1)$ và $AR(2)$, kiểm định Hansen J-test.
  • Could-have (Có thể thêm): Mô hình Logistic Regression phân tích xác suất lựa chọn hình thức chi trả (tiền mặt vs cổ phiếu).
  • Won't-have (Không áp dụng): Mô hình Time-series thuần túy (ARIMA) do không nắm bắt được dữ liệu chéo vi mô của 147 doanh nghiệp.

Thiết kế hệ thống và mô hình lượng kinh tế

Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo luồng quy chuẩn:

Đặc tả biến số và phương trình toán học

Phương trình hồi quy tổng quát dạng động:

$$DY_{i,t} = \beta_0 + \beta_1 DY_{i,t-1} + \beta_2 ROA_{i,t} + \beta_3 SIZE_{i,t} + \beta_4 PB_{i,t} + \beta_5 DE_{i,t} + \beta_6 SG_{i,t} + \beta_7 OWN_{i,t} + \beta_8 CPI_{i,t} + v_i + \varepsilon_{i,t}$$

Trong đó:

  • $DY_{i,t}$: Tỷ suất cổ tức của doanh nghiệp $i$ tại năm $t$ ($\text{DPS}{i,t} / \text{Market Price}{i,t}$).
  • $DY_{i,t-1}$: Biến trễ tỷ suất cổ tức năm trước (nắm bắt tính ổn định chính sách theo mô hình Lintner 1956).
  • $ROA_{i,t}$: Khả năng sinh lợi ($\text{Lợi nhuận sau thuế} / \text{Tổng tài sản bình quân}$).
  • $SIZE_{i,t}$: Quy mô doanh nghiệp ($\ln(\text{Tổng tài sản})$).
  • $PB_{i,t}$: Cơ hội đầu tư ($\text{Giá thị trường} / \text{Giá trị sổ sách của cổ phiếu}$).
  • $DE_{i,t}$: Đòn bẩy tài chính ($\text{Tổng nợ phải trả} / \text{Vốn chủ sở hữu}$).
  • $SG_{i,t}$: Tốc độ tăng trưởng doanh thu thuần ($(\text{Doanh thu}t - \text{Doanh thu}{t-1}) / \text{Doanh thu}_{t-1}$).
  • $OWN_{i,t}$: Tỷ lệ sở hữu nhà nước ($\text{Cổ phần nhà nước nắm giữ} / \text{Tổng cổ phần lưu hành}$).
  • $CPI_{i,t}$: Tỷ lệ lạm phát bình quân năm (biến số vĩ mô từ GSO).
  • $v_i$: Tác động cố định riêng biệt không quan sát được của doanh nghiệp $i$.
  • $\varepsilon_{i,t}$: Sai số ngẫu nhiên.

Methodology

  • Phương pháp luận: Nghiên cứu định lượng thực chứng (Empirical Quantitative Research) kết hợp kiểm định phi tham số và mô hình hồi quy động.
  • Tiến trình thực hiện (12 tuần):
    • Tuần 1 - 3: Tổng quan lý thuyết (Lý thuyết M&M, Bird-in-the-hand, Agency Cost, Pecking Order, Signaling) và xác định khoảng trống nghiên cứu.
    • Tuần 4 - 6: Trích xuất, chuẩn hóa dữ liệu từ FiinTrade và làm sạch dữ liệu bảng cân bằng (Balanced Panel Data).
    • Tuần 7 - 9: Ước lượng mô hình tĩnh (OLS, FEM, REM), thực hiện các kiểm định chẩn đoán khuyết tật mô hình.
    • Tuần 10 - 11: Ước lượng hồi quy System GMM hai bước (Two-step System GMM) nhằm loại trừ hoàn toàn nội sinh và chệch mẫu nhỏ.
    • Tuần 12: Đánh giá kết quả, so sánh với các công trình quốc tế và hoàn thiện khuyến nghị chính sách.

Implementation và kết quả

Development Process & Code Execution

Toàn bộ quy trình tính toán, làm sạch dữ liệu và ước lượng kinh tế lượng được thực thi trên phần mềm Stata/MP 14.0 kết hợp với Microsoft Excel 365 để tổng hợp sơ bộ.

* ==============================================================================
* QUY TRÌNH HỒI QUY CHÍNH SÁCH CỔ TỨC BẰNG STATA 14.0
* Tác giả: Huỳnh Ngọc Châu (2024) - Mẫu 147 Doanh nghiệp HOSE (2015-2022)
* ==============================================================================

* 1. Khai báo cấu trúc dữ liệu bảng (Panel Data)
encode ticker, gen(id)
xtset id year

* 2. Thống kê mô tả và kiểm tra tương quan
summarize DY L.DY ROA SIZE PB DE SG OWN CPI
pwcorr DY L.DY ROA SIZE PB DE SG OWN CPI, star(0.05) sig

* 3. Kiểm tra hiện tượng đa cộng tuyến bằng OLS
regress DY L.DY ROA SIZE PB DE SG OWN CPI
vif

* 4. Ước lượng mô hình tĩnh: Pooled OLS, FEM, REM
regress DY L.DY ROA SIZE PB DE SG OWN CPI
estimates store pooled_ols

xtreg DY L.DY ROA SIZE PB DE SG OWN CPI, fe
estimates store fem

xtreg DY L.DY ROA SIZE PB DE SG OWN CPI, re
estimates store rem

* 5. Kiểm định lựa chọn mô hình
* 5.1. F-test kiểm tra Pooled OLS vs FEM (Kiểm tra dòng F test that all u_i=0)
* 5.2. Hausman test kiểm tra FEM vs REM
hausman fem rem

* 6. Kiểm định khuyết tật mô hình FEM
* 6.1. Kiểm định phương sai sai số thay đổi (Modified Wald Test)
xttest3

* 6.2. Kiểm định tự tương quan chuỗi bậc 1 (Wooldridge Test)
xtserial DY L.DY ROA SIZE PB DE SG OWN CPI

* 7. Khắc phục khuyết tật và nội sinh bằng System GMM (Two-step System GMM)
* Sử dụng biến công cụ trễ bậc 2 trở lên cho phương trình sai phân
xtdpdsys DY ROA SIZE PB DE SG OWN CPI, lags(1) maxldep(2) twostep vce(robust)

* 8. Kiểm định tính hợp lệ của mô hình GMM
estat abond
estat sargan

Testing và validation

Kết quả kiểm định sơ bộ và chẩn đoán mô hình phản ánh rõ các đặc tính thống kê sau:

  1. Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của tất cả các biến độc lập dao động từ 1,04 đến 1,42, với $\text{VIF trung bình} = 1,18 \ll 10$. Kết luận không có hiện tượng đa cộng tuyến nghiêm trọng.
  2. Kiểm định lựa chọn mô hình:
    • F-test (Pooled OLS vs FEM): Giá trị $F(146, 1020) = 4,82$ với $p\text{-value} = 0,0000 < 0,001 \rightarrow$ Bác bỏ Pooled OLS, chọn FEM.
    • Hausman Test (FEM vs REM): Giá trị $\chi^2(8) = 38,45$ với $p\text{-value} = 0,0000 < 0,001 \rightarrow$ Bác bỏ REM, chọn FEM.
  3. Kiểm định khuyết tật của FEM:
    • Modified Wald Test: $\chi^2(147) = 1,8 \times 10^4$, $p\text{-value} = 0,0000 < 0,001 \rightarrow$ Xuất hiện hiện tượng phương sai sai số thay đổi cực kỳ nghiêm trọng.
    • Wooldridge Test: $F(1, 146) = 19,742$, $p\text{-value} = 0,0000 < 0,001 \rightarrow$ Tồn tại hiện tượng tự tương quan bậc 1 trong chuỗi thời gian.
    • Hiện tượng nội sinh: Do biến trễ $DY_{i,t-1}$ tương quan với phần dư cá thể $v_i$, các ước lượng FEM/OLS đều bị chệch (Dynamic Panel Bias). Do đó, mô hình System GMM là lựa chọn duy nhất đảm bảo tính vững và không chệch.

Kết quả đạt được

Bảng tổng hợp kết quả thống kê mô tả và hồi quy thực nghiệm qua mô hình System GMM:

Biến số Mean Min Max Std. Dev. Hệ số GMM ($\beta$) Sai số chuẩn $p\text{-value}$ Chiều tác động thực nghiệm
Const - - - - -0,4128 0,1182 0,0005*** -
$DY_{t-1}$ 0,098 0,000 0,608 0,092 0,2145 0,0512 0,0000*** Cùng chiều (+)
$ROA$ 0,095 -0,151 0,722 0,077 0,2841 0,0736 0,0001*** Cùng chiều (+)
$SIZE$ 12,263 11,125 14,305 0,565 0,0312 0,0094 0,0010*** Cùng chiều (+)
$PB$ 1,766 0,328 12,797 1,378 -0,0118 0,0039 0,0028*** Ngược chiều (-)
$DE$ 1,150 0,013 8,481 1,097 -0,0041 0,0032 0,2014 Không có ý nghĩa
$SG$ 0,103 -0,756 4,715 0,344 -0,0246 0,0081 0,0025*** Ngược chiều (-)
$OWN$ 0,172 0,000 0,967 0,245 0,0485 0,0179 0,0069*** Cùng chiều (+)
$CPI$ 0,028 0,006 0,035 0,009 -0,2140 0,1650 0,1945 Không có ý nghĩa

Ghi chú: *** biểu thị mức ý nghĩa thống kê 1% ($p < 0,01$).

Kiểm định tính hợp lệ của mô hình System GMM

  • Số lượng biến công cụ (Instruments): 28 < Số nhóm ($N = 147$) $\rightarrow$ Thỏa mãn điều kiện hạn chế quá nhiều biến công cụ (Instrument Proliferation).
  • Kiểm định Arellano-Bond: $AR(1)$ có $z = -3,42$ ($p = 0,0006 < 0,05$), $AR(2)$ có $z = 0,84$ ($p = 0,4012 > 0,05$) $\rightarrow$ Bác bỏ tự tương quan sai số bậc 2, mô hình đạt tính vững.
  • Kiểm định Hansen J-test: $\chi^2 = 21,34$, $p\text{-value} = 0,186 > 0,10 \rightarrow$ Các biến công cụ hoàn toàn ngoại sinh và hợp lệ.

Đổi mới và đóng góp

  1. Khắc phục triệt để biến nội sinh trong nghiên cứu tài chính tại Việt Nam: Khác với phần lớn các đề tài trước đây chỉ dừng lại ở mô hình FEM/REM tĩnh (như Đinh Bảo Ngọc & Nguyễn Chí Cường 2014; Mai Thị Hoài Thương 2015), khóa luận này ứng dụng thành công System GMM hai bước, kiểm soát hoàn toàn hiện tượng tự tương quan và tính trễ nội sinh của biến $DY_{t-1}$.
  2. Cập nhật bộ dữ liệu trải dài qua chu kỳ khủng hoảng COVID-19 (2015 – 2022): Cung cấp bằng chứng thực nghiệm rõ nét về hành vi phòng thủ tài chính của doanh nghiệp Việt Nam khi đối mặt với các cú sốc thanh khoản bất định.
  3. Lượng hóa sự phân hóa trong cơ cấu sở hữu nhà nước: Chỉ ra rằng tỷ lệ sở hữu nhà nước ($OWN$) gia tăng 1% làm tỷ suất cổ tức tăng 0,0485%, khẳng định các doanh nghiệp gốc Nhà nước chịu áp lực nộp ngân sách và duy trì dòng tiền ổn định cao hơn đáng kể so với khối tư nhân.

Bảng so sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí so sánh Trần Thị Hải Lý & Đỗ Thị Bảy (2015) Nguyễn Hữu Tân và CS (2022) Khóa luận này (Huỳnh Ngọc Châu 2024)
Mẫu & Thời gian Doanh nghiệp phi tài chính HOSE (2008 – 2012) 94 Doanh nghiệp Xây dựng (2015 – 2020) 147 Doanh nghiệp đa ngành HOSE (2015 – 2022)
Phương pháp chính Pooled OLS, FEM, REM FEM, REM Pooled OLS, FEM, REM, System GMM, Logistic
Xử lý nội sinh Hạn chế (chỉ kiểm tra tĩnh) Chưa xử lý (chấp nhận FEM) System GMM xử lý trọn vẹn AR(1), AR(2), Hansen test
Ảnh hưởng của $ROA$ Dương (+), $p < 0,05$ Dương (+), $p < 0,01$ Dương mạnh (+0,2841), $p < 0,001$
Ảnh hưởng của $SG$ Không có ý nghĩa Không có ý nghĩa Âm (-0,0246), $p < 0,01$ (Ủng hộ Pecking Order)

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

  1. Hội đồng quản trị và Ban Tổng Giám đốc:
    • Ứng dụng trọng số tác động của $ROA$ (+0,2841) và $SG$ (-0,0246) để thiết lập công thức phân phối lợi nhuận hàng năm. Khi doanh nghiệp bước vào pha tăng trưởng doanh thu mạnh ($SG > 20%$), cần ưu tiên giữ lại lợi nhuận để tài trợ vốn lưu động, tránh việc phải vay nợ lãi suất cao.
  2. Nhà đầu tư cá nhân và Quỹ đầu tư giá trị:
    • Xây dựng thuật toán lọc cổ phiếu chi trả cổ tức bền vững dựa trên bộ tiêu chí: $SIZE$ lớn ($\ln(\text{Assets}) > 12$), $ROA > 10%$, cơ cấu có sở hữu nhà nước ($OWN > 20%$) và $P/B$ hợp lý ($P/B < 2,0$).
  3. Cơ quan quản lý vốn nhà nước (SCIC):
    • Đánh giá tính khả thi trong kế hoạch thu hồi vốn và chia nộp cổ tức tại các doanh nghiệp sau cổ phần hóa mà không làm suy giảm năng lực cạnh tranh dài hạn.

Lộ trình triển khai khuyến nghị cho doanh nghiệp

  Giai đoạn 1 (Tháng 1-2)        Giai đoạn 2 (Tháng 3)         Giai đoạn 3 (Tháng 4-6)

Hạn chế và hướng phát triển

  • Hạn chế về dữ liệu: Nghiên cứu chỉ tập trung trên sàn HOSE, chưa bao gồm các doanh nghiệp trên sàn HNX và UPCoM. Các biến số vĩ mô chỉ dừng lại ở chỉ số $CPI$, chưa lượng hóa được biến động của lãi suất điều hành và tỷ giá USD/VND.
  • Rào cản phi tài chính: Mô hình chưa tích hợp các chỉ số phi tài chính như chất lượng quản trị công ty (Corporate Governance Score), tỷ lệ thành viên hội đồng quản trị độc lập hoặc chỉ số phát triển bền vững ESG.
  • Hướng phát triển tiếp theo:
    • Mở rộng mẫu nghiên cứu toàn diện liên sàn (HOSE, HNX, UPCoM) với khung thời gian cập nhật đến giai đoạn sau 2024.
    • Kết hợp các thuật toán Machine Learning (Panel Random Forest, XGBoost) để dự báo xác suất doanh nghiệp cắt giảm hoặc tăng đột biến cổ tức.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Nắm vững phương pháp luận nghiên cứu dữ liệu bảng thực tế, quy trình chẩn đoán khuyết tật mô hình từ Pooled OLS $\rightarrow$ FEM/REM $\rightarrow$ System GMM trên Stata 14.
  • Chuyên viên phân tích dữ liệu & Định lượng (Quant Analysts): Sử dụng các dòng lệnh Stata mẫu và cấu trúc biến để tích hợp vào các pipeline chấm điểm cổ phiếu chi trả cổ tức.
  • Ban điều hành doanh nghiệp: Có cơ sở dữ liệu định lượng cụ thể để tự tin giải trình chính sách phân phối lợi nhuận trước Đại hội đồng cổ đông.
  • Giới nghiên cứu tài chính: Tài liệu tham khảo chuẩn mực về áp dụng System GMM cho thị trường chứng khoán mới nổi tại khu vực Đông Nam Á.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái lập mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm Stata 14.0 trở lên (khuyến nghị bản Stata/MP để xử lý dữ liệu bảng nhanh hơn). Máy tính cấu hình tối thiểu: CPU 2 nhân, RAM 4GB, dung lượng ổ cứng trống 1GB. Dữ liệu đầu vào cần cấu trúc dạng long format với 2 biến định danh bắt buộc: id (mã công ty) và year (năm quan sát).

2. Vì sao mô hình Pooled OLS và FEM lại bị loại bỏ trong nghiên cứu này?

Mô hình Pooled OLS bị loại do kiểm định $F\text{-test}$ có $p = 0,0000$, chứng minh tồn tại đặc tính riêng biệt giữa các doanh nghiệp. Mô hình FEM mặc dù vượt qua kiểm định Hausman ($p = 0,0000$) nhưng lại bị vi phạm hai khuyết tật nghiêm trọng: Phương sai sai số thay đổi (Modified Wald test $p = 0,0000$) và Tự tương quan chuỗi (Wooldridge test $p = 0,0000$). Đồng thời, FEM không thể kiểm soát được tương quan giữa $DY_{t-1}$ và sai số ngẫu nhiên.

3. Tại sao tốc độ tăng trưởng doanh thu (SG) lại có tác động ngược chiều đến tỷ suất cổ tức?

Kết quả $\beta_{SG} = -0,0246$ ($p = 0,0025$) hoàn toàn phù hợp với Lý thuyết trật tự phân hạng (Pecking Order Theory). Doanh nghiệp có tốc độ tăng trưởng doanh thu cao thường có nhu cầu mở rộng quy mô, tăng vốn lưu động và đầu tư tài sản cố định. Do chi phí huy động vốn bên ngoài (phát hành cổ phiếu mới hoặc vay nợ) đắt đỏ, doanh nghiệp ưu tiên giữ lại dòng tiền nội bộ, dẫn đến cắt giảm tỷ suất chi trả cổ tức.

4. Chi phí triển khai việc theo dõi và tính toán mô hình này trong doanh nghiệp là bao nhiêu?

Chi phí ban đầu chủ yếu bao gồm chi phí bản quyền phần mềm phân tích (Stata khoảng 500 - 1.500 USD tùy gói) và chi phí thuê bao cổng dữ liệu tài chính (FiinTrade khoảng 15 - 30 triệu VND/năm). Thời gian thu hồi vốn và tối ưu hóa chi phí sử dụng vốn có thể đạt được ngay trong chu kỳ họp Đại hội đồng cổ đông đầu tiên.

5. Làm thế nào để kiểm soát hiện tượng Instrument Proliferation khi chạy System GMM?

Cần giới hạn số lượng bước trễ (Lag depth) sử dụng làm biến công cụ bằng cú pháp maxldep(2) trong lệnh xtdpdsys hoặc thiết lập tùy chọn collapse trong lệnh xtabond2. Quy tắc vàng: Tổng số biến công cụ ($j$) phải nhỏ hơn số lượng nhóm doanh nghiệp ($N$). Trong nghiên cứu này, $j = 28 < N = 147$, hoàn toàn thỏa mãn tiêu chuẩn Roodman (2009).

Kết luận

Khóa luận tốt nghiệp của tác giả Huỳnh Ngọc Châu đã giải quyết thấu đáo câu hỏi nghiên cứu về các nhân tố chi phối chính sách cổ tức của 147 doanh nghiệp niêm yết tại HOSE giai đoạn 2015 – 2022. Bằng việc ứng dụng phương pháp kinh tế lượng hiện đại Two-step System GMM, nghiên cứu đã chứng minh:

  • Khả năng sinh lợi ($ROA$), Quy mô ($SIZE$), Tỷ lệ sở hữu nhà nước ($OWN$) và Tỷ suất cổ tức quá khứ ($DY_{t-1}$) là các nhân tố thúc đẩy gia tăng tỷ suất cổ tức.
  • Cơ hội đầu tư ($PB$) và Tốc độ tăng trưởng doanh thu ($SG$) tạo ra áp lực cắt giảm tỷ suất cổ tức để phục vụ nhu cầu tích lũy vốn tái đầu tư.

Đây là nguồn tham khảo học thuật giá trị, cung cấp giải pháp thực chứng chuẩn mực cho các nhà quản trị doanh nghiệp trong việc thiết lập chính sách tài chính cân bằng và bền vững.