Giới thiệu dự án

Chính sách chi trả cổ tức (Dividend Policy) là một trong ba trụ cột cốt lõi của quản trị tài chính doanh nghiệp, bên cạnh quyết định đầu tư và quyết định tài trợ. Tại thị trường chứng khoán Việt Nam (TTCK), ngành năng lượng - đặc biệt là nhóm doanh nghiệp phát điện và phân phối điện lực - luôn được xếp vào nhóm ngành phòng thủ (defensive sector) với dòng tiền tương đối ổn định nhờ cơ chế hợp đồng mua bán điện (PPA) dài hạn với Tập đoàn Điện lực Việt Nam (EVN). Tuy nhiên, số liệu thực tế giai đoạn 2011–2018 cho thấy tỷ lệ chi trả cổ tức bằng tiền mặt giữa các doanh nghiệp phân hóa mạnh từ 0% đến trên 40%, cá biệt nhiều đơn vị đối mặt tình trạng nợ cổ tức hoặc trì hoãn thanh toán kéo dài (như S4A, VPD, PIC).

Vấn đề cốt lõi đặt ra là sự xung đột giữa nhu cầu vốn tái đầu tư mở rộng công suất nguồn điện và áp lực thỏa mãn kỳ vọng lợi tức của cổ đông. Việc thiếu hụt mô hình định lượng chuẩn hóa để đánh giá các yếu tố nội sinh dẫn đến quyết định phân phối lợi nhuận còn mang tính cảm tính, thiếu cơ sở dữ liệu thực nghiệm.

+-----------------------------------------------------------------------------------+
|                            MỤC TIÊU NGHIÊN CỨU DỰ ÁN                              |
+-----------------------------------------------------------------------------------+
| 1. Hệ thống hóa cơ sở lý thuyết tài chính hành vi và chính sách cổ tức.           |
| 2. Đo lường định lượng mức độ ảnh hưởng của 7 nhân tố nội sinh lên DPR.           |
| 3. Xử lý triệt để hiện tượng phương sai thay đổi và tự tương quan trong dữ liệu.  |
| 4. Đề xuất khung chính sách cổ tức tối ưu cân bằng giữa tích lũy vốn và chi trả.  |
+-----------------------------------------------------------------------------------+

Phương pháp tiếp cận của đề tài là xây dựng mô hình kinh tế lượng trên dữ liệu bảng (Panel Data) bao gồm 15 doanh nghiệp ngành điện niêm yết trên HOSE và HNX trong 8 năm liên tục (2011–2018), tạo ra bộ mẫu cân bằng với 118 quan sát sau khi lọc dữ liệu. Phạm vi nghiên cứu giới hạn ở các yếu tố tài chính nội sinh thu thập từ báo cáo tài chính kiểm toán độc lập, không mở rộng sang các biến số kinh tế vĩ mô nhằm đảm bảo tính tập trung của các khuyến nghị quản trị vi mô.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu chính sách cổ tức tại các thị trường mới nổi đòi hỏi việc xem xét đa chiều các mô hình lý thuyết kinh điển đối chiếu với môi trường thực tế tại Việt Nam:

Phương pháp nghiên cứu Ưu điểm Nhược điểm Khả năng ứng dụng tại VN
Mô hình Lintner (1956) Phản ánh tính êm dịu hóa cổ tức qua biến trễ $DPR_{t-1}$. Giả định thị trường hiệu quả hoàn hảo, phản ứng ngay với EPS. Trung bình; doanh nghiệp điện Việt Nam điều chỉnh cổ tức chậm.
Mô hình OLS gộp (Pooled OLS) Dễ thực hiện, cấu trúc toán học đơn giản. Bỏ qua đặc trưng riêng của từng doanh nghiệp, gây chệch hệ số. Thấp; sai số hồi quy vi phạm giả định OLS chuẩn.
Mô hình Tác động cố định (FEM) Kiểm soát toàn bộ biến bất biến theo thời gian của từng công ty. Không ước lượng được các biến không đổi qua thời gian. Cao; phù hợp với mẫu 15 công ty có đặc tính vận hành khác biệt.
Bình phương tổng quát (GLS) Khắc phục hoàn toàn phương sai sai số thay đổi và tự tương quan. Yêu cầu số lượng chuỗi thời gian ($T$) và thực thể ($N$) đủ lớn. Rất cao; giải pháp chuẩn xác nhất cho chuỗi dữ liệu 2011–2018.

Yêu cầu phân tích định lượng được cấu trúc theo tiêu chuẩn MoSCoW:

  • Must-have: Kiểm soát hiện tượng tự tương quan bậc nhất AR(1) và phương sai sai số thay đổi qua kiểm định Breusch-Pagan/Modified Wald.
  • Should-have: Xử lý biến trễ cổ tức $DPR_{t-1}$ để kiểm định Lý thuyết tín hiệu (Signalling Theory).
  • Could-have: Phân tích độ nhạy của hệ số biên theo từng nhóm quy mô tổng tài sản.
  • Won't-have: Dự báo biến động giá cổ phiếu ngắn hạn trên sàn giao dịch.

Thiết kế hệ thống

Kiến trúc phân tích định lượng được thiết kế thành một đường ống xử lý dữ liệu chặt chẽ (Econometric Processing Pipeline):

Hệ thống biến số và công thức định lượng được xác lập chuẩn xác:

  1. Biến phụ thuộc: $$\text{DPR}{i,t} = \frac{\text{DPS}{i,t}}{\text{EPS}_{i,t}} = \frac{\text{Tổng cổ tức chi trả bằng tiền mặt}}{\text{Lợi nhuận sau thuế}}$$
  2. Hệ thống biến độc lập:
    • $DPR_{i,t-1}$: Tỷ lệ chi trả cổ tức năm trước (Đại diện tính ổn định chính sách).
    • $ROE_{i,t}$: Lợi nhuận sau thuế trên vốn chủ sở hữu ($\text{LNST} / \text{VCSH}$).
    • $GROW_{i,t}$: Tốc độ tăng trưởng doanh thu thuần ($(\text{DT}t - \text{DT}{t-1}) / \text{DT}_{t-1}$).
    • $SIZE_{i,t}$: Quy mô doanh nghiệp, tính bằng logarit tự nhiên của tổng tài sản ($\ln(\text{Total Assets})$).
    • $EPS_{i,t}$: Thu nhập trên mỗi cổ phần phổ thông.
    • $DEPT_{i,t}$: Đòn bẩy tài chính ($\text{Nợ phải trả} / \text{Tổng tài sản}$).
    • $CFF_{i,t}$: Dòng tiền từ hoạt động tài chính trên báo cáo lưu chuyển tiền tệ.

Phương trình hồi quy tổng quát: $$\text{DPR}{i,t} = \beta_0 + \beta_1 \text{DPR}{i,t-1} + \beta_2 \text{ROE}{i,t} + \beta_3 \text{GROW}{i,t} + \beta_4 \text{SIZE}{i,t} + \beta_5 \text{EPS}{i,t} + \beta_6 \text{DEPT}{i,t} + \beta_7 \text{CFF}{i,t} + \varepsilon_{i,t}$$

Stack công nghệ sử dụng:

  • Phần mềm tính toán: Stata MP phiên bản 13.0 (x64) kết hợp Microsoft Excel 2016.
  • Thư viện xử lý dữ liệu: xtreg, xttest3, xtserial, xtgls trên nền tảng Stata Engine.
  • Tiêu chuẩn kiểm định dữ liệu: Độ tin cậy thống kê 95% ($\alpha = 0.05$) và 99% ($\alpha = 0.01$).

Methodology

Phương pháp nghiên cứu thực nghiệm tuân thủ chu trình 4 giai đoạn với kiểm soát rủi ro hệ thống:

  1. Thu thập dữ liệu (Tháng 1-3): Trích xuất báo cáo tài chính kiểm toán độc lập của 19 doanh nghiệp từ Vietstock, HNX, HOSE. Loại bỏ 4 doanh nghiệp do thiếu dữ liệu liên tục 4 kỳ hoặc không chi trả cổ tức.
  2. Tiền xử lý & Thống kê mô tả (Tháng 4-5): Xử lý ngoại lai (Outliers) bằng kỹ thuật Winsorization ở mức 1% và 99%, kiểm tra hệ số tương quan tuyến tính Pearson.
  3. Ước lượng & Chẩn đoán mô hình (Tháng 6-7): Chạy song song Pooled OLS, FEM, REM; thực hiện kiểm định đa cộng tuyến qua hệ số phóng đại phương sai (VIF).
  4. Hiệu chỉnh khuyết tật (Tháng 8-10): Sử dụng ước lượng sai số chuẩn mạnh (Robust Standard Errors) và GLS để triệt tiêu sai số mô hình.

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực thi bằng mã lệnh Stata 13.0 chuẩn hóa. Dưới đây là cú pháp trích xuất mô hình và kiểm định:

*-------------------------------------------------------------------------------
* 1. KHAI BÁO DỮ LIỆU BẢNG VÀ KIỂM TRA ĐA CỘNG TUYẾN
*-------------------------------------------------------------------------------
tsset id year, yearly
reg dpr dpr_lag roe grow size eps dept cff
vif

*-------------------------------------------------------------------------------
* 2. ƯỚC LƯỢNG MÔ HÌNH TÁC ĐỘNG CỐ ĐỊNH (FEM) VÀ NGẪU NHIÊN (REM)
*-------------------------------------------------------------------------------
xtreg dpr dpr_lag roe grow size eps dept cff, fe
estimates store fixed_effects

xtreg dpr dpr_lag roe grow size eps dept cff, re
estimates store random_effects

*-------------------------------------------------------------------------------
* 3. KIỂM ĐỊNH HAUSMAN ĐỂ LỰA CHỌN MÔ HÌNH
*-------------------------------------------------------------------------------
hausman fixed_effects random_effects

*-------------------------------------------------------------------------------
* 4. KIỂM ĐỊNH KHUYẾT TẬT MÔ HÌNH
*-------------------------------------------------------------------------------
* Kiểm định phương sai sai số thay đổi (Modified Wald Test)
xttest3

* Kiểm định tự tương quan chuỗi (Wooldridge Test)
xtserial dpr dpr_lag roe grow size eps dept cff

*-------------------------------------------------------------------------------
* 5. ƯỚC LƯỢNG BÌNH PHƯƠNG TỔNG QUÁT (FGLS) ĐIỀU CHỈNH TOÀN BỘ KHUYẾT TẬT
*-------------------------------------------------------------------------------
xtgls dpr dpr_lag roe grow size eps dept cff, panels(heteroskedastic) corr(ar1)

Ngoài ra, thuật toán tương đương cũng được đối soát bằng mã Python sử dụng thư viện linearmodels nhằm đảm bảo tính toàn vẹn của kết quả:

import numpy as np
import pandas as pd
from linearmodels.panel import PanelOLS, RandomEffects

# Tải và xử lý cấu trúc Panel Data
df = pd.read_excel("data_electricity_vietnam_2011_2018.xlsx")
df = df.set_index(["firm_id", "year"])

# Khởi tạo mô hình Fixed Effects với Entity Effects
formula = "DPR ~ 1 + DPR_lag + ROE + GROW + SIZE + EPS + DEPT + CFF + EntityEffects"
model_fem = PanelOLS.from_formula(formula, data=df)
results_fem = model_fem.fit(cov_type="clustered", cluster_entity=True)

print(results_fem.summary.tables[1])

Testing và validation

Kết quả chẩn đoán mô hình cho thấy:

  • Kiểm định đa cộng tuyến: Tất cả các biến độc lập đều có hệ số $\text{VIF} < 2.5$ (trung bình $\text{VIF} = 1.48$), thấp hơn nhiều so với ngưỡng cảnh báo 10.0, loại trừ khả năng đa cộng tuyến nghiêm trọng.
  • Kiểm định Hausman: Giá trị Thống kê $\chi^2 = 14.82$ với giá trị $p\text{-value} = 0.0382 < 0.05$. Bác bỏ giả thuyết $H_0$, xác nhận mô hình FEM vượt trội so với REM.
  • Kiểm định Modified Wald: Thống kê $\chi^2(15) = 384.21$ ($p\text{-value} = 0.0000 < 0.01$), xác nhận dữ liệu có hiện tượng phương sai sai số thay đổi giữa các thực thể.
  • Kiểm định Wooldridge: Giá trị $F(1, 14) = 8.941$ ($p\text{-value} = 0.0098 < 0.01$), kết luận tồn tại hiện tượng tự tương quan bậc nhất AR(1).

Do đó, mô hình Feasible Generalized Least Squares (FGLS) là mô hình chuẩn mực duy nhất cho kết quả ước lượng không chệch và hiệu quả cao nhất.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy mô hình GLS cuối cùng:

| Tên biến | Ký hiệu | Hệ số hồi quy ($\beta$) | Sai số chuẩn (Std. Err.) | Giá trị thống kê $z$ | $P > |z|$ | Ý nghĩa thống kê | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | Hệ số chặn | Cons | 1.8421 | 0.5124 | 3.59 | 0.000 | Có ý nghĩa (1%) | | Tỷ lệ cổ tức trễ | $DPR_{t-1}$ | 0.0412 | 0.0631 | 0.65 | 0.514 | Không có ý nghĩa | | Tỷ suất sinh lời | $ROE$ | 1.1245 | 0.2841 | 3.96 | 0.000 | Đồng biến (1%) | | Tăng trưởng doanh thu | $GROW$ | -0.1872 | 0.0712 | -2.63 | 0.009 | Nghịch biến (1%) | | Quy mô công ty | $SIZE$ | -0.0643 | 0.0215 | -2.99 | 0.003 | Nghịch biến (1%) | | Thu nhập mỗi cổ phần | $EPS$ | 0.00002 | 0.00003 | 0.67 | 0.505 | Không có ý nghĩa | | Đòn bẩy tài chính | $DEPT$ | -0.0891 | 0.0954 | -0.93 | 0.350 | Không có ý nghĩa | | Dòng tiền tài chính | $CFF$ | -0.00014 | 0.00005 | -2.80 | 0.005 | Nghịch biến (1%) |

Chỉ số mô hình: Số lượng quan sát $N = 118$, Số lượng doanh nghiệp $n = 15$, $\text{Wald } \chi^2(7) = 48.72$, $\text{Prob} > \chi^2 = 0.0000$.

+-----------------------------------------------------------------------------------+
|                        TỔNG KẾT TÁC ĐỘNG CỦA CÁC BIẾN SỐ                          |
+-----------------------------------------------------------------------------------+
| 1. ROE (β = +1.1245, p < 0.01): Nhân tố quyết định mạnh nhất, tăng 1% ROE làm     |
|    DPR tăng 1.12%.                                                                |
| 2. GROW (β = -0.1872, p < 0.01): Tăng trưởng cao buộc giữ lại lợi nhuận tái đầu tư.|
| 3. SIZE (β = -0.0643, p < 0.01): Quy mô càng lớn, xu hướng mở rộng CAPEX càng cao.|
| 4. CFF (β = -0.00014, p < 0.01): Áp lực hoàn trả nợ gốc làm suy giảm quỹ chi trả.|
+-----------------------------------------------------------------------------------+

Đổi mới và đóng góp

Nghiên cứu mang lại 3 đóng góp học thuật và thực tiễn mang tính đột phá so với các công trình trước đây:

+-----------------------------------------------------------------------------------+
|                     SO SÁNH ĐÓNG GÓP HỌC THUẬT VÀ PHƯƠNG PHÁP                     |
+-----------------------------------------------------------------------------------+
| • Nguyễn Thị Minh Huệ (2014): Mẫu chung 75 DN, phương pháp FEM thông thường, bỏ qua|
|   tự tương quan AR(1).                                                            |
| • Trương Đông Lộc (2015): 236 DN đa ngành, không tách biệt đặc thù dòng tiền ngành |
|   tiện ích công cộng (Utilities).                                                 |
| • Nghiên cứu này: Tập trung chuyên sâu 100% ngành điện, áp dụng GLS xử lý triệt để|
|   Heteroskedasticity & Autocorrelation, phát hiện tác động ngược chiều của SIZE.   |
+-----------------------------------------------------------------------------------+
  1. Phát hiện mới về mối quan hệ nghịch biến giữa Quy mô ($SIZE$) và $DPR$: Trong khi các nghiên cứu quốc tế (Fama & French, 2002; Thanatawee, 2011) cho rằng doanh nghiệp lớn trả cổ tức nhiều hơn, tại ngành điện Việt Nam, các doanh nghiệp quy mô lớn (như PPC, VSH, TMP) phải gánh vác các dự án mở rộng nhà máy hoặc nâng cấp tuabin có giá trị vốn đầu tư hàng nghìn tỷ đồng. Do đó, quy mô tài sản lớn đi liền với tỷ lệ lợi nhuận giữ lại cao, làm giảm tỷ lệ chia cổ tức tiền mặt.
  2. Khẳng định tính vượt trội của Lý thuyết Trật tự phân hạng (Pecking Order Theory): Kết quả cho thấy $GROW$ có hệ số âm ($\beta = -0.1872$), chứng minh các công ty điện ưu tiên dùng vốn tự có để tài trợ tăng trưởng thay vì phát hành cổ phiếu mới hay vay nợ chi phí cao.
  3. Độ chính xác kỹ thuật tăng 35%: Nhờ sử dụng mô hình GLS thay vì Pooled OLS hay FEM đơn thuần, các sai số chuẩn của hệ số ước lượng giảm từ 20% đến 35%, loại bỏ hoàn toàn các kết luận sai lầm do $p\text{-value}$ giả tạo.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp khung tham chiếu định lượng trực tiếp cho các cấp quản lý và nhà đầu tư:

  1. Dành cho Ban Điều hành & CFO Doanh nghiệp Điện:
    • Xây dựng chính sách chi trả mục tiêu: Doanh nghiệp chỉ nên tăng tỷ lệ cổ tức tiền mặt khi $ROE$ tăng trưởng ổn định trên 15%/năm.
    • Quản trị dòng tiền chi trả: Tránh tình trạng cam kết cổ tức vượt quá khả năng lưu chuyển tiền thuần từ hoạt động kinh doanh (CFO), hạn chế tối đa rủi ro nợ cổ tức dẫn đến sụt giảm uy tín tín dụng trên thị trường chứng khoán.
  2. Dành cho Quỹ đầu tư và Nhà đầu tư cá nhân:
    • Chiến lược phân bổ danh mục cổ tức: Lựa chọn các doanh nghiệp có $ROE$ cao, quy mô vừa phải, tốc độ tăng trưởng doanh thu đã bước vào giai đoạn bão hòa ($GROW \le 5%$) để đảm bảo tỷ suất cổ tức tiền mặt cao và ổn định (dao động từ 10% - 15%/mệnh giá).

Lộ trình thực thi chính sách cổ tức đề xuất cho doanh nghiệp:

Giai đoạn 1 (Tháng 1-2): Đánh giá ROE thực hiện & Dòng tiền tự do (FCFE).
Giai đoạn 2 (Tháng 3): Trình Đại hội đồng Cổ đông thông qua mức DPR tối ưu theo mô hình định lượng.
Giai đoạn 3 (Tháng 4-6): Thực hiện chốt danh sách ngày giao dịch không hưởng quyền và thanh toán dứt điểm.

Hạn chế và hướng phát triển

Dù đạt được độ chính xác thống kê cao, công trình vẫn tồn tại một số giới hạn kỹ thuật:

  • Quy mô mẫu: Mẫu dữ liệu giới hạn ở 15 doanh nghiệp với 118 quan sát do tính đặc thù của số lượng công ty điện niêm yết đủ điều kiện trên sàn giao dịch.
  • Biến số vĩ mô: Chưa đưa vào các biến kiểm soát ngoại sinh như chu kỳ thủy văn (El Niño/La Niña tác động trực tiếp đến thủy điện), biến động giá than/khí đầu vào và cơ chế điều chỉnh giá bán điện của EVN.

Hướng nghiên cứu mở rộng:

  • Ứng dụng phương pháp Moment Tổng quát Hệ thống (System GMM) để kiểm soát triệt để hiện tượng nội sinh tiềm ẩn giữa chính sách cổ tức và quyết định đòn bẩy tài chính.
  • Mở rộng tập dữ liệu đến giai đoạn 2020–2025 nhằm đánh giá thêm tác động của Quy hoạch Điện VIII và sự chuyển dịch sang năng lượng tái tạo (điện mặt trời, điện gió).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                        LỢI ÍCH CỦA CÁC BÊN LIÊN QUAN                              |
+-----------------------------------------------------------------------------------+
| • Sinh viên / Học viên: Khung mẫu hoàn chỉnh về phân tích Panel Data và Stata code.|
| • Chuyên viên Tài chính / Developers: Bộ chỉ số kinh tế lượng chuẩn hóa cho      |
|   thuật toán phân tích định lượng (Quantitative Trading).                         |
| • Doanh nghiệp Ngành Điện: Mô hình toán học tối ưu hóa bài toán cân đối lợi nhuận.|
| • Nhà nghiên cứu: Dữ liệu thực nghiệm đặc thù cho các thị trường cận biên.       |
+-----------------------------------------------------------------------------------+
  • Sinh viên & Học viên cao học: Tiếp cận quy trình nghiên cứu thực nghiệm chuẩn mực từ khâu kiểm định giả định phân phối đến khắc phục khuyết tật phương sai sai số thay đổi.
  • Nhà phát triển hệ sinh thái FinTech / Quant Analysts: Tích hợp các trọng số hồi quy ($\beta$) của mô hình vào thuật toán xếp hạng sức hấp dẫn cổ tức (Dividend Scorecard).
  • Hội đồng Quản trị & Cổ đông lớn: Giảm thiểu chi phí đại diện (Agency Costs) thông qua cơ chế phân phối lợi nhuận minh bạch dựa trên năng lực sinh lời thực tế.

Câu hỏi thường gặp

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

Cần cài đặt Stata MP từ phiên bản 13.0 trở lên hoặc môi trường Python 3.8+ với các gói thư viện pandas, statsmodels, linearmodels. Bộ dữ liệu đầu vào cần được cấu trúc theo định dạng bảng chuẩn (Panel Long Format) với định danh firm_id và biến thời gian year.

2. Vì sao mô hình GLS lại phù hợp hơn Pooled OLS hay FEM trong trường hợp này?

Vì dữ liệu bảng ngành điện vi phạm nghiêm trọng hai giả định cơ bản của OLS: phương sai sai số không đồng nhất giữa các doanh nghiệp ($p = 0.0000$) và tồn tại tự tương quan bậc nhất AR(1) ($p = 0.0098$). Phương pháp GLS ước lượng ma trận hiệp phương sai sai số $\Omega$ giúp các ước lượng hệ số quay về trạng thái Không chệch Tuyến tính Tốt nhất (BLUE).

3. Tại sao biến Đòn bẩy tài chính ($DEPT$) không có ý nghĩa thống kê trong kết quả cuối cùng?

Phần lớn các khoản vay dài hạn của doanh nghiệp ngành điện tại Việt Nam được bảo lãnh bởi Tập đoàn EVN hoặc vay từ nguồn vốn ODA ưu đãi với lịch trình trả nợ cố định. Do đó, áp lực nợ vay ngắn hạn không tác động trực tiếp lên quyết định chia cổ tức hàng năm của Hội đồng Quản trị.

4. Tác động của chỉ số $ROE$ lên chính sách cổ tức có tính ổn định qua các năm không?

Hệ số tác động của $ROE$ mang dấu dương vững chắc ($\beta = 1.1245$) ở mức ý nghĩa 1% qua toàn bộ các kiểm định sai số chuẩn mạnh (Robust FEM) và GLS, khẳng định khả năng sinh lời nội tại luôn là điều kiện tiên quyết để doanh nghiệp duy trì dòng cổ tức tiền mặt.

5. Doanh nghiệp điện nên duy trì tỷ lệ chi trả cổ tức (DPR) bao nhiêu là hợp lý?

Mức DPR tối ưu được khuyến nghị là từ 40% đến 60% trên lợi nhuận sau thuế, tương đương với tỷ lệ cổ tức trên mệnh giá ổn định từ 8% đến 12%/năm, vừa đảm bảo tính hấp dẫn với nhà đầu tư phòng thủ, vừa giữ lại đủ thặng dư cho bảo dưỡng tài sản cố định.

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán xác định các nhân tố ảnh hưởng đến chính sách chi trả cổ tức của các doanh nghiệp ngành điện niêm yết tại Việt Nam giai đoạn 2011–2018 bằng phương pháp định lượng hiện đại. Kết quả thực nghiệm khẳng định vai trò quyết định của Khả năng sinh lời ($ROE$), đồng thời chỉ ra tác động kìm hãm của Tốc độ tăng trưởng ($GROW$), Quy mô ($SIZE$) và Dòng tiền tài chính ($CFF$) lên tỷ lệ chi trả cổ tức. Đây là bằng chứng thực nghiệm quan trọng hỗ trợ các nhà quản trị doanh nghiệp xây dựng cấu trúc tài chính lành mạnh và giúp các nhà đầu tư tối ưu hóa chiến lược quản trị danh mục dài hạn. Quý độc giả và các nhà nghiên cứu có thể áp dụng trực tiếp mô hình định lượng và bộ mã lệnh Stata đã công bố để thực hiện kiểm chứng độc lập trên các phân khúc ngành nghề khác.