Giới thiệu dự án

Ngành logistics giữ vai trò huyết mạch trong chuỗi cung ứng toàn cầu và hội nhập kinh tế quốc tế, đóng góp trung bình từ 5% - 15% vào GDP của các quốc gia đang phát triển. Khu vực Đông Nam Á (ASEAN) sở hữu vị trí địa chính trị chiến lược trên các tuyến hàng hải nhộn nhịp nhất thế giới cùng tốc độ tăng trưởng thương mại ấn tượng. Tuy nhiên, giai đoạn 2018 - 2020 chứng kiến những biến động vĩ mô phức tạp: căng thẳng thương mại Mỹ - Trung leo thang từ năm 2018 và cú sốc suy thoái kinh tế do đại dịch COVID-19 năm 2020 khiến tăng trưởng GDP toàn khối ASEAN giảm từ 4,4% (2019) xuống -4,0% (2020). Trong đó, Philippines chịu mức sụt giảm nặng nề nhất (-9,6%), Thái Lan (-6,1%), Malaysia (-5,6%), Singapore (-5,4%), trong khi Việt Nam duy trì tăng trưởng dương 2,9%.

+-----------------------------------------------------------------------------+
|                      BỐI CẢNH VĨ MÔ & DỮ LIỆU ĐẦU VÀO                       |
|   111 Doanh nghiệp Logistics (VN, TH, MY, ID, PH, SG) | 333 Quan sát (2018-2020)  |
+--------------------------------------+--------------------------------------+
                                       |
                                       v
+-----------------------------------------------------------------------------+
|                         QUY TRÌNH HỒI QUY DỮ LIỆU BẢNG                      |
|       [POLS] -----> [FEM] -----> [REM] -----> [Kiểm định Vi phạm]           |
|                                                      |                      |
|                                       +--------------+                      |
|                                       v                                     |
|              [Ước lượng FGLS khắc phục Tự tương quan & Phương sai thay đổi]  |
+--------------------------------------+--------------------------------------+
                                       |
                                       v
+-----------------------------------------------------------------------------+
|                      MÔ HÌNH HÀM MỤC TIÊU & TỐI ƯU HÓA                      |
|       ROA = f(TDTA[-], TDTE[+], GROWTH[+], CR[+], QR[-], SIZE[p>0.1])       |
|       ROE = f(TDTA[+], TDTE[-], GROWTH[+], CR[p>0.1], QR[p>0.1], SIZE[p>0.1])|
+-----------------------------------------------------------------------------+

Vấn đề nghiên cứu và Điểm nghẽn thực tế

Trước những áp lực đứt gãy chuỗi cung ứng, các doanh nghiệp logistics tại ASEAN đối mặt với bài toán nan giải về quản trị tài chính doanh nghiệp:

  • Áp lực đòn bẩy tài chính: Chi phí đầu tư cơ sở hạ tầng kho bãi, đội tàu xe lớn đòi hỏi vốn vay cao, dẫn đến rủi ro kiệt quệ tài chính khi doanh thu biến động.
  • Xung đột thanh khoản và khả năng sinh lời: Quản lý vốn lưu động thiếu tối ưu khiến dòng tiền bị đóng băng trong nợ phải thu và tồn kho kỹ thuật.
  • Sự thiếu hụt mô hình lượng hóa thực nghiệm: Chưa có nhiều nghiên cứu đa quốc gia đánh giá tác động đồng thời của cấu trúc vốn, thanh khoản và tốc độ tăng trưởng lên hiệu quả tài chính các công ty logistics niêm yết trong giai đoạn khủng hoảng.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về quản trị tài chính, cơ cấu vốn và hiệu quả hoạt động kinh doanh (HQHĐKD) của doanh nghiệp logistics.
  2. Xây dựng và kiểm định mô hình định lượng xác định mức độ tác động của các nhân tố tài chính lên hai thước đo HQHĐKD: Tỷ suất sinh lời trên tổng tài sản (ROA) và Tỷ suất sinh lời trên vốn chủ sở hữu (ROE).
  3. Đề xuất hệ thống giải pháp tài chính vi mô có căn cứ thực nghiệm giúp các nhà quản trị logistics tối ưu hóa cấu trúc vốn và nâng cao năng lực cạnh tranh.

Phương pháp tiếp cận và Phạm vi

  • Phương pháp tiếp cận: Ứng dụng kinh tế lượng với dữ liệu bảng (Panel Data), kết hợp kiểm định mô hình Pooled OLS, Mô hình hiệu ứng cố định (FEM), Mô hình hiệu ứng ngẫu nhiên (REM) và Mô hình bình phương tối thiểu tổng quát khả thi (FGLS) để triệt tiêu các khuyết tật phương sai sai số thay đổi và tự tương quan.
  • Phạm vi không gian: 111 doanh nghiệp logistics niêm yết tại 6 thị trường ASEAN (Việt Nam, Thái Lan, Malaysia, Indonesia, Philippines, Singapore) trích xuất từ cơ sở dữ liệu Thomson Reuters Datastream.
  • Phạm vi thời gian: Giai đoạn 3 năm tài chính liên tục (2018 - 2020), tạo thành bộ dữ liệu bảng cân bằng gồm 333 quan sát.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh hiệu năng và độ tin cậy của các kỹ thuật ước lượng kinh tế lượng phổ biến trong phân tích tài chính doanh nghiệp:

Phương pháp ước lượng Ưu điểm Nhược điểm Khả năng ứng dụng dữ liệu thực tế
Pooled OLS Đơn giản, dễ tính toán tham số Bỏ qua đặc trưng riêng lẻ từng DN; dễ lệch do tự tương quan Bị bác bỏ qua kiểm định F ($p = 0,0000$)
Fixed Effects (FEM) Kiểm soát các yếu tố không quan sát được cố định theo thời gian Giảm bậc tự do; không xử lý được tự tương quan bậc 1 Phù hợp với ROA ($p_{\text{Hausman}} = 0,0001$) nhưng vi phạm phương sai
Random Effects (REM) Tiết kiệm bậc tự do, tính toán hiệu quả khi mẫu lớn Dễ bị chệch nếu biến nội sinh tương quan với sai số ngẫu nhiên Bị bác bỏ qua kiểm định Hausman và Breusch-Pagan LM
FGLS (Lựa chọn) Khắc phục triệt để phương sai thay đổi và tự tương quan trong chuỗi Đòi hỏi điều kiện ma trận hiệp phương sai khả nghịch Tối ưu nhất: Cho ước lượng vững, không chệch và hiệu quả

Áp dụng khung ưu tiên yêu cầu phân tích MoSCoW cho hệ thống biến định lượng:

  • Must-have: Biến phụ thuộc ROA, ROE; biến độc lập cốt lõi: Tỷ lệ nợ trên tổng tài sản ($TDTA$), Tỷ lệ nợ trên vốn chủ sở hữu ($TDTE$), Tốc độ tăng trưởng tài sản ($GROWTH$).
  • Should-have: Hệ số thanh toán hiện hành ($CR$), Hệ số thanh toán nhanh ($QR$), Quy mô doanh nghiệp ($SIZE$).
  • Could-have: Tuổi doanh nghiệp ($AGE$), Tỷ lệ tài sản cố định hữu hình ($TANG$), Hệ số Q của Tobin.
  • Won't-have (giai đoạn này): Các biến chỉ số quản trị phi tài chính (ESG, thành phần hội đồng quản trị).

Thiết kế hệ sinh thái mô hình kinh tế lượng

[Tổng tài sản cuối kỳ] -----> (SIZE = ln[Total Assets]) -------------------+
[Tăng trưởng TS] -----------> (GROWTH = [TS_t - TS_t-1] / TS_t-1) --------+
[Đòn bẩy tài sản] ----------> (TDTA = Total Debt / Total Assets) ---------+---> [MÔ HÌNH HỒI QUY FGLS]
[Đòn bẩy vốn CSH] ----------> (TDTE = Total Debt / Total Equity) ---------+          |
[Thanh khoản hiện hành] ----> (CR = Current Assets / Current Liab) -------+          |--> Dự báo ROA
[Thanh khoản nhanh] --------> (QR = Quick Assets / Current Liab) ---------+          |--> Dự báo ROE

Hệ phương trình kinh tế lượng tổng quát dạng Panel Data:

$$ROE_{it} = \beta_0 + \beta_1 TDTA_{it} + \beta_2 TDTE_{it} + \beta_3 GROWTH_{it} + \beta_4 SIZE_{it} + \beta_5 CR_{it} + \beta_6 QR_{it} + u_{it}$$

$$ROA_{it} = \alpha_0 + \alpha_1 TDTA_{it} + \alpha_2 TDTE_{it} + \alpha_3 GROWTH_{it} + \alpha_4 SIZE_{it} + \alpha_5 CR_{it} + \alpha_6 QR_{it} + e_{it}$$

Trong đó: $i = 1, \dots, 111$ (đại diện cho 111 doanh nghiệp logistics); $t = 2018, 2019, 2020$.

Công nghệ và Nền tảng xử lý dữ liệu

  • Công cụ tính toán: STATA phiên bản 16.0 kết hợp các gói kiểm định chuyên sâu (xttest0, xttest3, xtserial, xtgls).
  • Nguồn dữ liệu: Thomson Reuters Datastream API trực thuộc Đại học Ngân hàng TP. Hồ Chí Minh.
  • Tiêu chuẩn dữ liệu: Báo cáo tài chính kiểm toán IFRS/GAAP đã được chuẩn hóa ngoại tệ sang đồng Đô la Mỹ (USD).

Implementation và kết quả

Quy trình phân tích dữ liệu trên STATA

Mã kịch bản (Script) thực hiện kiểm định chẩn đoán và ước lượng FGLS chuẩn xác:

* Thiết lập dữ liệu bảng định dạng Panel Data
encode ticker, gen(firm_id)
xtset firm_id year

* 1. Hồi quy Pooled OLS, FEM và REM cho hàm ROE
regress ROE TDTA TDTE SIZE GROWTH CR QR
estimates store OLS_ROE
xtreg ROE TDTA TDTE SIZE GROWTH CR QR, fe
estimates store FEM_ROE
xtreg ROE TDTA TDTE SIZE GROWTH CR QR, re
estimates store REM_ROE

* Kiểm định lựa chọn mô hình cho ROE
hausman FEM_ROE REM_ROE
xttest0

* 2. Kiểm định khuyết tật mô hình (Phương sai thay đổi & Tự tương quan)
xtreg ROA TDTA TDTE SIZE GROWTH CR QR, fe
xttest3          // Kiểm định Modified Wald test cho phương sai thay đổi
xtserial ROA TDTA TDTE SIZE GROWTH CR QR // Kiểm định Wooldridge test cho tự tương quan

* 3. Khắc phục bằng ước lượng FGLS (Cross-sectional time-series FGLS regression)
xtgls ROE TDTA TDTE SIZE GROWTH CR QR, panels(hetero) corr(ar1)
xtgls ROA TDTA TDTE SIZE GROWTH CR QR, panels(hetero) corr(ar1)

Thống kê mô tả và Kiểm định chẩn đoán

Mẫu nghiên cứu gồm 333 quan sát phản ánh bức tranh tài chính đa dạng của ngành logistics khu vực:

  • ROE: Trung bình đạt $-2,43%$ (Độ lệch chuẩn $67,73%$; Dao động cực đại từ $-857,11%$ đến $+301,72%$).
  • ROA: Trung bình đạt $+1,59%$ (Độ lệch chuẩn $11,92%$; Dao động từ $-49,40%$ đến $+132,10%$).
  • TDTA: Trung bình $30,34%$, cao nhất $334,35%$.
  • TDTE: Trung bình $89,81%$, cao nhất $4.094,18%$.
  • GROWTH: Tốc độ tăng trưởng tài sản đạt mức bình quân $+10,81%$ (Từ $-59,94%$ đến $+680,25%$).
  • Thanh khoản: $CR$ bình quân $2,00$ lần ($200,02%$), $QR$ bình quân $1,77$ lần ($176,59%$).
Kiểm định chẩn đoán Kết quả ROE Kết quả ROA Kết luận thống kê
F Wald Test $F(6, 216) = 5,99$ ($p = 0,0000$) $F(6, 216) = 6,30$ ($p = 0,0000$) Bác bỏ OLS thuần túy; mô hình FEM có ý nghĩa
Breusch-Pagan LM $\bar{\chi}^2(01) = 0,00$ ($p = 1,0000$) $\bar{\chi}^2(01) = 19,83$ ($p = 0,0000$) ROA có hiệu ứng ngẫu nhiên (REM vượt trội OLS)
Hausman Test $\chi^2(5) = 10,31$ ($p = 0,0669$) $\chi^2(5) = 26,00$ ($p = 0,0001$) FEM vượt trội REM ở mức ý nghĩa 1% cho ROA
Modified Wald / Wooldridge Tồn tại tự tương quan bậc 1 Tồn tại phương sai sai số thay đổi Chuyển đổi sang mô hình FGLS

Kết quả hồi quy mô hình FGLS chính thức

Sau khi xử lý triệt để các vi phạm giả định hồi quy cổ điển, kết quả thu được từ hai phương trình FGLS tối ưu như sau:

$$\text{Mô hình 1 (ROE)}: \quad \widehat{ROE} = 0,343 \times TDTA^{} - 0,104 \times TDTE^{} + 0,376 \times GROWTH^{***}$$

$$\text{Mô hình 2 (ROA)}: \quad \widehat{ROA} = 0,0585 - 0,153 \times TDTA^{} + 0,00771 \times TDTE^{} + 0,00892 \times GROWTH^{} + 0,00629 \times CR^{} - 0,00600 \times QR^{}$$

(Ghi chú mức ý nghĩa thống kê: $^{}p < 0,01; \ ^{}p < 0,05; \ ^{}p < 0,1$)

                       TÁC ĐỘNG CỦA CÁC NHÂN TỐ TÀI CHÍNH
                  +-----------------------------------------+
                  |  Biến độc lập  |   ROE    |    ROA      |
                  |----------------+----------+-------------|
                  |     TDTA       |  +0.343  |  -0.153     |
                  |     TDTE       |  -0.104  |  +0.00771   |
                  |    GROWTH      |  +0.376  |  +0.00892   |
                  |      CR        |   n.s.   |  +0.00629   |
                  |      QR        |   n.s.   |  -0.00600   |
                  |     SIZE       |   n.s.   |   n.s.      |
                  +-----------------------------------------+

Đổi mới và đóng góp

Đóng góp học thuật và Tính mới của nghiên cứu

  1. Khắc phục khoảng trống dữ liệu giai đoạn khủng hoảng: Nghiên cứu cung cấp bằng chứng định lượng hiếm hoi về các doanh nghiệp logistics Đông Nam Á giai đoạn chuyển giao biến động 2018 - 2020.
  2. Làm rõ tác động hai chiều của đòn bẩy tài chính:
    • $TDTA$ tác động dương đến $ROE$ ($\beta = +0,343, p < 0,01$) nhưng lại tác động âm đến $ROA$ ($\beta = -0,153, p < 0,01$). Điều này minh chứng: doanh nghiệp sử dụng nợ vay để khuếch đại lợi nhuận cho cổ đông nhờ lá chắn thuế, nhưng việc lạm dụng nợ làm xói mòn hiệu quả tổng tài sản do gánh nặng chi phí lãi vay cố định.
    • $TDTE$ thể hiện mối quan hệ ngược lại: khi tỷ lệ nợ trên vốn chủ sở hữu tăng quá mức an toàn, nguy cơ rủi ro tài chính làm giảm sút $ROE$ ($\beta = -0,104$).
  3. Hiện tượng phi ý nghĩa của Quy mô doanh nghiệp (SIZE): Trái với các ngành sản xuất truyền thống (quy mô lớn tạo lợi thế kinh tế theo quy mô), trong ngành logistics giai đoạn biến động, biến $SIZE$ không có ý nghĩa thống kê ($p > 0,10$). Các tập đoàn quy mô tài sản lớn chịu chi phí định phí khổng lồ, khiến năng lực sinh lời không vượt trội so với các doanh nghiệp linh hoạt quy mô vừa.
  4. Nghịch lý thanh khoản giữa CR và QR:
    • $CR$ tác động dương đến $ROA$ ($\beta = +0,00629, p < 0,05$), cho thấy việc đảm bảo tài sản lưu động giúp duy trì vận hành thông suốt.
    • $QR$ tác động âm đến $ROA$ ($\beta = -0,00600, p < 0,10$), phản ánh việc nắm giữ quá nhiều tiền mặt và tài sản tương đương tiền mà không tái đầu tư vào chuỗi cung ứng thực tế sẽ tạo ra chi phí cơ hội lớn, làm giảm tỷ suất sinh lời trên tài sản.

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí so sánh Khóa luận này (2021) Đặng Ngọc Hùng (2015) Hilmi Aulia & Gandakusuma (2019) Nguyễn Minh Ngọc & CS (2021)
Đối tượng mẫu 111 DN Logistics (6 nước ASEAN) 674 DN đa ngành (Việt Nam) DN sản xuất (5 nước ASEAN) 30 DN Logistics (Sàn HOSE)
Phương pháp chính Panel Data + FGLS OLS, FEM, REM Hồi quy OLS tuyến tính OLS, FEM, REM, FGLS
Tác động của SIZE Không có ý nghĩa thống kê Tác động dương ($+$) ROA/ROE Tác động dương ($+$) ROA/ROE Không có ý nghĩa thống kê
Tác động của TDTA Dương ($+$) ROE, Âm ($-$) ROA Âm ($-$) ROA/ROE Âm ($-$) ROA/ROE Âm ($-$) ROA
Tác động của GROWTH Dương ($+$) cả ROA & ROE Dương ($+$) cả ROA & ROE Dương ($+$) không đáng kể Không có ý nghĩa thống kê

Ứng dụng thực tế và triển khai

Khung chiến lược tài chính dành cho Giám đốc Tài chính (CFO) Logistics

+----------------------------------------------------------------------------+
|             CHIẾN LƯỢC QUẢN TRỊ TÀI CHÍNH DOANH NGHIỆP LOGISTICS           |
+----------------------------------------------------------------------------+
|  1. TÁI CẤU TRÚC VỐN                                                       |
|     - Giới hạn TDTA ở ngưỡng an toàn 30% - 40% để tránh bào mòn ROA.       |
|     - Kiểm soát TDTE < 1.0 nhằm triệt tiêu rủi ro kiệt quệ tài chính.      |
|                                                                            |
|  2. TỐI ƯU HÓA DÒNG TIỀN VÀ THANH KHOẢN                                    |
|     - Duy trì Hệ số thanh toán hiện hành (CR) tối ưu trong khoảng 1.5 - 2.0|
|     - Tránh trữ tiền mặt thụ động quá mức (hạ QR về mức hợp lý 1.0 - 1.2)  |
|       bằng cách chuyển tiền nhàn rỗi sang tài sản số hóa vận tải.          |
|                                                                            |
|  3. TÁI ĐẦU TƯ TỪ NGUỒN LỢI NHUẬN GIỮ LẠI (GROWTH)                         |
|     - Tận dụng dòng tiền nội bộ có chi phí sử dụng vốn thấp nhất để mở rộng|
|       mạng lưới phân phối, trung tâm fulfillment và công nghệ tracking.    |
+----------------------------------------------------------------------------+

Lộ trình triển khai ứng dụng 4 bước

  1. Giai đoạn 1 (Tháng 1 - 2): Rà soát cấu trúc vốn: Tính toán chính xác các chỉ số $TDTA$, $TDTE$ theo từng quý; so sánh với mức bình quân ngành ($TDTA = 30,34%$, $TDTE = 89,81%$).
  2. Giai đoạn 2 (Tháng 3 - 4): Tái cân đối đòn bẩy: Cơ cấu lại các khoản nợ vay ngắn hạn sang trung - dài hạn, đàm phán lại lãi suất biên nhằm giảm áp lực chi phí lãi vay tác động tiêu cực lên ROA.
  3. Giai đoạn 3 (Tháng 5 - 6): Quản trị vốn lưu động tinh gọn: Thiết lập hệ thống giám sát vòng quay khoản phải thu và chu chuyển tồn kho, duy trì tỷ lệ $CR \approx 1,8$ và phân bổ lượng tiền mặt dư thừa vào các dự án tự động hóa kho hàng.
  4. Giai đoạn 4 (Tháng 7 trở đi): Giám sát hiệu quả định kỳ: Ứng dụng mô hình dự báo ROA/ROE dựa trên hàm hồi quy FGLS để đánh giá độ nhạy trước các quyết định vay vốn mở rộng quy mô tài sản.

Hạn chế và hướng phát triển

  • Giới hạn chuỗi dữ liệu: Giai đoạn 2018 - 2020 gồm 3 năm tài chính có độ dài ngắn do hạn chế về tính đồng bộ của cơ sở dữ liệu Datastream giữa các thị trường mới nổi.
  • Biến ngoại sinh vĩ mô: Chưa đưa trực tiếp các biến tương tác vĩ mô (lãi suất thực tế, tỷ giá hối đoái, giá cước vận tải biển Baltic Dry Index) vào phương trình hồi quy vi mô.
  • Hướng mở rộng:
    • Mở rộng mẫu nghiên cứu sang chu kỳ 2021 - 2025 để đánh giá giai đoạn phục hồi hậu COVID-19.
    • Tích hợp thêm các chỉ số hiệu quả thị trường như Tobin's Q, EVA (Economic Value Added).
    • Ứng dụng các mô hình kinh tế lượng động như System GMM (Generalized Method of Moments) để kiểm soát triệt để tính nội sinh tiềm ẩn của biến tốc độ tăng trưởng.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận nguồn tài liệu mẫu mực về quy trình phân tích dữ liệu bảng (Panel Data), phương pháp xử lý khuyết tật mô hình từ OLS, FEM, REM sang FGLS trên phần mềm STATA.
  • Nhà nghiên cứu & Chuyên viên phân tích tài chính: Bộ hệ số hồi quy chuẩn hóa cho 6 thị trường Đông Nam Á làm cơ sở tham chiếu (benchmark) cho các nghiên cứu chuyên sâu về logistics.
  • Ban lãnh đạo & CFO Doanh nghiệp Logistics: Khung căn cứ khoa học định lượng giúp ra quyết định tối ưu cơ cấu nguồn vốn, chính sách thanh khoản thay vì dựa vào trực giác.
  • Nhà đầu tư chứng khoán: Bộ tiêu chí sàng lọc các mã cổ phiếu logistics tiềm năng dựa trên tốc độ tăng trưởng tài sản ($GROWTH$) bền vững và hệ số nợ cân bằng.

Câu hỏi thường gặp

1. Tại sao mô hình FGLS lại vượt trội hơn Pooled OLS, FEM và REM trong nghiên cứu này?

Dữ liệu bảng của 111 doanh nghiệp logistics qua 3 năm gặp phải hai hiện tượng vi phạm giả định hồi quy cổ điển: phương sai của sai số thay đổi giữa các công ty (Heteroskedasticity) và tự tương quan chuỗi thời gian (Autocorrelation). Mô hình Pooled OLS, FEM hay REM thông thường sẽ cho sai số chuẩn bị chệch, dẫn đến các kết luận kiểm định t và F không còn đáng tin cậy. Phương pháp FGLS (Feasible Generalized Least Squares) sử dụng ma trận trọng số biến đổi để hiệu chỉnh toàn bộ sai số, mang lại các ước lượng không chệch, vững và có phương sai nhỏ nhất (Best Linear Unbiased Estimator - BLUE).

2. Vì sao quy mô doanh nghiệp (SIZE) không có tác động đến hiệu quả kinh doanh?

Trong ngành logistics giai đoạn 2018 - 2020, việc sở hữu tổng tài sản lớn đi kèm với gánh nặng định phí cố định (khấu hao phương tiện, chi phí thuê mặt bằng kho bãi lớn). Khi chuỗi cung ứng bị gián đoạn do dịch bệnh, các doanh nghiệp quy mô lớn chịu tổn thất duy trì bộ máy nặng nề tương đương hoặc lớn hơn doanh nghiệp nhỏ. Hiệu quả kinh doanh phụ thuộc vào năng lực tối ưu hóa chu chuyển tài sản và kiểm soát chi phí chứ không phụ thuộc vào độ lớn tài sản.

3. Tại sao tỷ lệ nợ trên tài sản (TDTA) lại tác động trái chiều lên ROE (+) và ROA (-)?

Đây là biểu hiện chuẩn xác của lý thuyết đòn bẩy tài chính. Nợ vay tạo ra chi phí lãi vay cố định làm giảm lợi nhuận ròng chia cho tổng tài sản (khiến ROA giảm). Tuy nhiên, nhờ lá chắn thuế thu nhập doanh nghiệp và tỷ lệ vốn chủ sở hữu nhỏ hơn trong cơ cấu nguồn vốn, phần lợi nhuận giữ lại trên mỗi đồng vốn chủ sở hữu được khuếch đại lên, làm tăng ROE khi doanh nghiệp kinh doanh có lãi.

4. Doanh nghiệp logistics cần duy trì hệ số thanh toán như thế nào là tối ưu?

Kết quả FGLS cho thấy Hệ số thanh toán hiện hành ($CR$) tác động dương đến ROA ($\beta = +0,00629$), trong khi Hệ số thanh toán nhanh ($QR$) tác động âm ($\beta = -0,00600$). Doanh nghiệp nên duy trì $CR$ ở mức khoảng $1,5 - 2,0$ lần để đảm bảo an toàn nghĩa vụ nợ ngắn hạn, nhưng không nên giữ tỷ trọng tiền mặt thuần túy ($QR$) quá cao vượt mức $1,2$ lần mà cần chuyển hóa thành các tài sản hoạt động sinh lời.

5. Tốc độ tăng trưởng tài sản (GROWTH) đóng góp như thế nào vào lợi nhuận?

Biến $GROWTH$ tác động dương mạnh mẽ nhất đến cả ROE ($\beta = +0,376, p < 0,01$) và ROA ($\beta = +0,00892, p < 0,01$). Khi tài sản tăng trưởng từ nguồn lợi nhuận giữ lại tái đầu tư, doanh nghiệp vừa mở rộng được thị phần vừa tiết giảm tối đa chi phí phát hành vốn mới, từ đó trực tiếp nâng cao tỷ suất sinh lời tổng thể.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc lượng hóa mối quan hệ giữa các nhân tố tài chính và hiệu quả hoạt động của 111 doanh nghiệp logistics niêm yết tại 6 quốc gia Đông Nam Á giai đoạn 2018 - 2020. Bằng phương pháp kinh tế lượng FGLS chuẩn xác, công trình chứng minh vai trò động lực hàng đầu của Tốc độ tăng trưởng tài sản ($GROWTH$), tính chất hai mặt của Đòn bẩy tài chính ($TDTA, TDTE$), và sự cần thiết của việc Kiểm soát thanh khoản tinh gọn ($CR, QR$). Kết quả nghiên cứu là cẩm nang hữu ích cho các nhà hoạch định chiến lược logistics trong kỷ nguyên tái định hình chuỗi cung ứng toàn cầu. Hãy khai thác ngay mô hình kinh tế lượng này để xây dựng cấu trúc tài chính vững mạnh cho doanh nghiệp của bạn.