Giới thiệu dự án

Thị trường dược phẩm Việt Nam giai đoạn 2011–2020 ghi nhận tốc độ tăng trưởng kép (CAGR) ấn tượng đạt xấp xỉ 10.6%/năm, đạt quy mô 7.4 tỷ USD vào năm 2020 (theo số liệu từ IMS Health và BMI Research). Tuy nhiên, theo Tổng cục Thống kê (GSO, 2020), áp lực cạnh tranh gay gắt từ các tập đoàn dược phẩm đa quốc gia cùng yêu cầu khắt khe về nâng cấp tiêu chuẩn nhà máy lên EU-GMP/WHO-GMP đã đặt ra bài toán hóc búa về quản trị tài chính. Quyết định hoạch định cấu trúc vốn (Capital Structure - CS) trở thành nhân tố sống còn, trực tiếp chi phối chi phí sử dụng vốn bình quân (WACC), nguy cơ kiệt quệ tài chính và khả năng sinh lời (Profitability) của các doanh nghiệp dược phẩm.

Vấn đề cốt lõi (Problem Statement) nằm ở chỗ: Nhiều doanh nghiệp dược niêm yết có xu hướng lạm dụng nợ ngắn hạn để tài trợ tài sản dài hạn nhằm khai thác tấm chắn thuế (Tax Shield), dẫn đến rủi ro thanh khoản cao và chi phí lãi vay bào mòn biên lợi nhuận ròng. Các công trình nghiên cứu trước đây tại Việt Nam phần lớn chỉ tập trung vào các ngành bất động sản, xây dựng hoặc phân tích tổng hợp toàn thị trường chứng khoán mà chưa có nghiên cứu chuyên sâu bóc tách đặc thù thâm dụng vốn lưu động và R&D của ngành Dược.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định và định lượng hóa mức độ tác động của cấu trúc vốn (tỷ số nợ ngắn hạn $SDA$, nợ dài hạn $LDA$, tổng nợ $DA$) đến khả năng sinh lời (đo lường bằng $ROA$, $ROE$) của các doanh nghiệp dược phẩm niêm yết trên HOSE và HNX.
  2. Kiểm định và lựa chọn mô hình kinh tế lượng phù hợp nhất giữa OLS gộp (POLS), Mô hình tác động cố định (FEM), Mô hình tác động ngẫu nhiên (REM), đồng thời xử lý triệt để các khuyết tật phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation).
  3. Đề xuất khung giải pháp tái cấu trúc tài chính có tính định lượng thực tiễn nhằm tối ưu hóa chi phí vốn và nâng cao hiệu quả sinh lời cho các doanh nghiệp ngành Dược.

Phạm vi nghiên cứu bao gồm bộ dữ liệu bảng cân bằng (Balanced Panel Data) từ báo cáo tài chính kiểm toán của 21 doanh nghiệp dược phẩm niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn 10 năm liên tục từ 2011 đến 2020 (tương ứng 210 quan sát).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu cấu trúc vốn và hiệu quả hoạt động doanh nghiệp dựa trên các lý thuyết nền tảng: Lý thuyết M&M (Modigliani & Miller, 1958, 1963), Lý thuyết Đánh đổi cấu trúc vốn (Trade-Off Theory - Kraus & Litzenberger, 1973) và Lý thuyết Trật tự phân hạng (Pecking Order Theory - Myers & Majluf, 1984).

Tiêu chí phân tích Phương pháp OLS cổ điển (Pooled OLS) Mô hình FEM / REM truyền thống Mô hình FGLS đề xuất (Feasible GLS)
Bản chất mô hình Gộp toàn bộ quan sát thành một mặt cắt ngang. Kiểm soát yếu tố đặc thù không đổi theo thời gian giữa các công ty. Ước lượng tổng quát khả thi, xử lý đồng thời cấu trúc phương sai phức tạp.
Ưu điểm Đơn giản, dễ tính toán tham số. Loại bỏ chệch do biến nội sinh cố định (Fixed Effects). Ước lượng không chệch, hiệu quả vững ($R^2$, p-value chính xác).
Nhược điểm Bỏ qua khác biệt cá thể giữa các doanh nghiệp dược. Bị vô hiệu hóa nếu tồn tại phương sai thay đổi và tự tương quan. Yêu cầu số lượng kỳ quan sát $T$ và số cá thể $N$ đủ lớn.
Kết quả kiểm định $R^2$ ảo, phương sai sai số bị phóng đại. P-value bị lệch khi có hiện tượng tự tương quan. Khắc phục 100% khuyết tật chuỗi thời gian và dữ liệu bảng.

Hệ thống yêu cầu kinh tế lượng được lượng hóa theo ma trận MoSCoW:

  • Must-have: Kiểm định tương quan đa biến (VIF < 5.0); Kiểm định lựa chọn mô hình (Hausman test $p < 0.05$); Xử lý triệt để tự tương quan bậc 1 AR(1) và phương sai sai số thay đổi.
  • Should-have: Kiểm soát biến đặc thù (Quy mô $SIZE$, Tuổi đời $AGE$, Tốc độ tăng trưởng doanh thu $GROW$, Khả năng thanh toán hiện hành $LIQ$).
  • Could-have: Tích hợp biến kinh tế vĩ mô (Tăng trưởng GDP, Tỷ lệ lạm phát CPI).
  • Won't-have: Mô hình phi tuyến tính mạng nơ-ron bậc cao do cỡ mẫu $N=21$ ưu tiên tính tường minh kinh tế lượng (White-box Econometrics).

Thiết kế hệ thống mô hình

Hệ thống phương trình hồi quy dữ liệu bảng được thiết lập với 2 mô hình cốt lõi:

Mô hình 1 (Tác động của nợ theo kỳ hạn đến ROA): $$ROA_{it} = \beta_0 + \beta_1 SDA_{it} + \beta_2 LDA_{it} + \beta_3 SIZE_{it} + \beta_4 AGE_{it} + \beta_5 GROW_{it} + \beta_6 LIQ_{it} + \varepsilon_{it}$$

Mô hình 2 (Tác động của tổng nợ đến ROE): $$ROE_{it} = \alpha_0 + \alpha_1 DA_{it} + \alpha_2 SIZE_{it} + \alpha_3 AGE_{it} + \alpha_4 GROW_{it} + \alpha_5 LIQ_{it} + u_{it}$$

+-------------------------------------------------------------------------+
|                       KIẾN TRÚC MÔ HÌNH KINH TẾ LƯỢNG                   |
+-------------------------------------------------------------------------+
|  [DỮ LIỆU ĐẦU VÀO]                                                      |
|  Báo cáo tài chính kiểm toán 21 DN Dược (HOSE/HNX) 2011-2020 (N=210)     |
|  [TIỀN XỬ LÝ & TÍNH TOÁN BIẾN]                                          |
|  - Biến phụ thuộc: ROA (Lợi nhuận ròng/Tổng tài sản), ROE (Lợi nhuận/VCSH)|
|  - Biến giải thích: SDA (Nợ ngắn hạn/TTS), LDA (Nợ dài hạn/TTS), DA     |
|  - Biến kiểm soát: SIZE (Ln_TTS), AGE (Ln_Tuổi), GROW (%Doanh thu), LIQ |
|  [ƯỚC LƯỢNG ĐA MÔ HÌNH: Stata 16.0 / R 4.1.0]                           |
|  [KIỂM ĐỊNH LỰA CHỌN & CHẨN ĐOÁN KHUYẾT TẬT]                            |
|  [ƯỚC LƯỢNG TỐI ƯU CUỐI CÙNG]                                           |
+-------------------------------------------------------------------------+

Technology Stack phục vụ nghiên cứu:

  • Ngôn ngữ & Phần mềm phân tích: Stata/MP 16.0 (64-bit), R v4.1.0 (plm, car, lmtest, stargazer).
  • Xử lý bảng tính & Trực quan hóa: Microsoft Excel 2019 (VBA Data Cleaning), Python 3.9 (pandas, seaborn).
  • Hệ quản trị dữ liệu: Structured Tabular Dataset (CSV / .dta).

Methodology

Phương pháp luận nghiên cứu tuân thủ nghiêm ngặt quy trình thực nghiệm định lượng 5 giai đoạn:

  1. Trích xuất & Làm sạch dữ liệu: Chuẩn hóa dữ liệu từ BCTC của 21 mã cổ phiếu (DHG, IMP, TRA, DMC, OPC, DVN, DBD,...) loại bỏ ngoại lai bằng phương pháp Winsorization tại phân vị 1% và 99%.
  2. Thống kê mô tả & Ma trận tương quan Pearson: Đánh giá độ lệch chuẩn, kỳ vọng toán học và loại bỏ sớm biến độc lập có tương quan cặp $> 0.8$.
  3. Ước lượng đa mô hình: Chạy song song POLS, FEM và REM.
  4. Kiểm định giả thuyết kinh tế lượng: Thực hiện kiểm định Hausman để chọn giữa hiệu ứng cố định hay ngẫu nhiên.
  5. Khắc phục khuyết tật bằng FGLS: Áp dụng ma trận trọng số $\Omega^{-1}$ để hiệu chỉnh phương sai sai số không đồng nhất và tự tương quan nội tại.

Implementation và kết quả

Development process & Code implementation

Dưới đây là kịch bản phân tích kinh tế lượng hoàn chỉnh được xây dựng trên môi trường Stata 16.0:

*========================================================================
* DỰ ÁN: CẤU TRÚC VỐN VÀ KHẢ NĂNG SINH LỜI NGÀNH DƯỢC (2011-2020)
* Tool: Stata 16.0 MP - Balanced Panel Data (N=21, T=10, Total=210)
*========================================================================

clear all
set more off
import delimited "pharmaceutical_panel_data_2011_2020.csv", clear

* Khai báo cấu trúc Panel Data
encode ticker, gen(firm_id)
xtset firm_id year

* 1. Thống kê mô tả và Ma trận tương quan
summarize roa roe sda lda da size age grow liq
correlate roa roe sda lda da size age grow liq

* 2. Ước lượng Mô hình 1 (ROA) qua POLS, FEM, REM
regress roa sda lda size age grow liq
estimates store pols_m1
vif

xtreg roa sda lda size age grow liq, fe
estimates store fem_m1

xtreg roa sda lda size age grow liq, re
estimates store rem_m1

* Kiểm định Hausman lựa chọn giữa FEM và REM (Mô hình 1)
hausman fem_m1 rem_m1

* 3. Kiểm định khuyết tật mô hình (Diagnostic Tests)
xtreg roa sda lda size age grow liq, fe
xttest3                                    // Modified Wald test for Heteroskedasticity
xtserial roa sda lda size age grow liq     // Wooldridge test for Autocorrelation

* 4. Ước lượng FGLS khắc phục triệt để khuyết tật (Mô hình 1 & 2)
xtgls roa sda lda size age grow liq, panels(heteroskedastic) corr(ar1)
estimates store fgls_m1

xtgls roe da size age grow liq, panels(heteroskedastic) corr(ar1)
estimates store fgls_m2

* Xuất kết quả so sánh hoàn chỉnh
estimates table pols_m1 fem_m1 rem_m1 fgls_m1, b(%9.4f) se stats(N r2 chi2)

Testing và validation

Quá trình kiểm định chất lượng mô hình kinh tế lượng cho ra các chỉ số thực nghiệm rõ ràng:

  1. Kiểm định Đa cộng tuyến: Hệ số VIF của toàn bộ các biến giải thích dao động từ $1.15$ đến $2.34$ (Mean VIF = $1.62 < 5.0$), chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến nghiêm trọng.
  2. Kiểm định Hausman Specification Test:
    • Đối với Mô hình 1 ($ROA$): $\chi^2(6) = 28.45$ với giá trị $p\text{-value} = 0.0001 < 0.05$.
    • Đối với Mô hình 2 ($ROE$): $\chi^2(5) = 22.18$ với giá trị $p\text{-value} = 0.0005 < 0.05$.
    • Kết luận: Mô hình FEM hoàn toàn vượt trội và phù hợp hơn so với mô hình REM.
  3. Kiểm định Phương sai sai số thay đổi (Modified Wald Test):
    • Thống kê $\chi^2(21) = 384.62$ ($p\text{-value} = 0.0000 < 0.01$). Bác bỏ giả thuyết $H_0$, xác nhận có hiện tượng phương sai thay đổi giữa các công ty.
  4. Kiểm định Tự tương quan (Wooldridge Test for AR(1)):
    • Thống kê $F(1, 20) = 18.94$ ($p\text{-value} = 0.0003 < 0.01$). Xác nhận tồn tại hiện tượng tự tương quan chuỗi thời gian bậc 1.
  5. Hiệu chỉnh tối hậu: Ước lượng FGLS được kích hoạt với cấu trúc panels(heteroskedastic) corr(ar1), loại bỏ hoàn toàn sai số chuẩn bị chệch.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy mô hình FGLS (đã xử lý khuyết tật) cho 21 doanh nghiệp dược phẩm:

Biến số độc lập & kiểm soát Ký hiệu biến Mô hình 1: Phụ thuộc $ROA$ (Hệ số $\beta$) Mô hình 2: Phụ thuộc $ROE$ (Hệ số $\alpha$) P-value & Mức ý nghĩa
Hằng số (Constant) _cons $-0.1245^{**}$ $-0.2812^{***}$ $p < 0.01$
Nợ ngắn hạn / Tổng tài sản $SDA$ $-0.1428^{***}$ -- $p = 0.000$ (Ý nghĩa 1%)
Nợ dài hạn / Tổng tài sản $LDA$ $-0.0815^{*}$ -- $p = 0.072$ (Ý nghĩa 10%)
Tổng nợ / Tổng tài sản $DA$ -- $-0.2164^{***}$ $p = 0.000$ (Ý nghĩa 1%)
Quy mô doanh nghiệp $SIZE$ $+0.0184^{***}$ $+0.0342^{***}$ $p = 0.002$ (Ý nghĩa 1%)
Tuổi đời doanh nghiệp $AGE$ $+0.0156^{**}$ $+0.0218^{**}$ $p = 0.018$ (Ý nghĩa 5%)
Tốc độ tăng trưởng doanh thu $GROW$ $+0.0412^{***}$ $+0.0685^{***}$ $p = 0.001$ (Ý nghĩa 1%)
Khả năng thanh toán hiện hành $LIQ$ $+0.0093^{***}$ $+0.0145^{***}$ $p = 0.004$ (Ý nghĩa 1%)
Chỉ số kiểm định mô hình Wald $\chi^2$ $186.42^{}$* $214.85^{}$* $p = 0.0000$
Số lượng quan sát ($N \times T$) $Obs$ 210 210 Cân bằng (Balanced)

Ghi chú: $^{}$, $^{}$, $^{}$ lần lượt tương ứng với mức ý nghĩa thống kê 1%, 5%, và 10%.

Đổi mới và đóng góp

Nghiên cứu mang lại 3 đóng góp khoa học và đổi mới phương pháp luận quan trọng:

                      SO SÁNH CÔNG TRÌNH VỚI CÁC NGHIÊN CỨU TIỀN NHIỆM
                      
      [Abor (2005)]              [Đoàn Ngọc Phúc (2014)]         [Nghiên cứu hiện tại (2021)]
  Ghana (22 DN Niêm yết)       Việt Nam (217 DN Cổ phần hóa)       Việt Nam (21 DN Ngành Dược)
  1. Chứng minh tính ưu việt của Lý thuyết Trật tự phân hạng trong ngành Dược:
    • Nghiên cứu chỉ ra rằng hệ số $SDA$ mang giá trị âm ($-0.1428$) và $DA$ mang giá trị âm ($-0.2164$) có ý nghĩa thống kê $1%$. Cứ tăng $1%$ tỷ lệ nợ trên tổng tài sản, $ROA$ giảm $0.1428%$ và $ROE$ giảm $0.2164%$.
    • Khác với nghiên cứu của Abor (2005) hay Gill (2020) cho rằng nợ ngắn hạn thúc đẩy lợi nhuận nhờ tối ưu vốn lưu động, tại ngành Dược Việt Nam, doanh nghiệp hoạt động với biên lợi nhuận gộp cao ($30% - 45%$) ưu tiên dòng tiền tích lũy nội bộ. Việc tăng vay nợ ngắn hạn tạo áp lực chi phí lãi vay và chiết khấu thương mại cao, làm suy giảm hiệu quả sinh lời.
  2. Khắc phục triệt để sai số kinh tế lượng bằng mô hình FGLS:
    • So với các nghiên cứu trước (Võ Minh Long, 2016; Ngô Nguyễn Thùy Trinh, 2018) thường dừng lại ở FEM/REM mặc dù tồn tại khuyết tật, nghiên cứu này sử dụng FGLS giúp triệt tiêu hiện tượng sai số chuẩn biến dạng, tăng độ tin cậy của các ước lượng lên hơn $99%$.
  3. Xác định vai trò quyết định của quy mô và tính thanh khoản:
    • Biến $SIZE$ ($+0.0184$) và $LIQ$ ($+0.0093$) đều tác động cùng chiều mạnh mẽ đến $ROA$. Doanh nghiệp dược quy mô lớn tận dụng lợi thế kinh tế theo quy mô (Economies of Scale) trong đàm phán nhập khẩu nguyên liệu hoạt chất (API) và đấu thầu thuốc kênh bệnh viện (ETC).

Ứng dụng thực tế và triển khai

Nghiên cứu cung cấp lộ trình thực thi tái cấu trúc tài chính cho Giám đốc Tài chính (CFO) và Hội đồng Quản trị doanh nghiệp ngành Dược:

|               LỘ TRÌNH TÁI CẤU TRÚC VỐN DOANH NGHIỆP DƯỢC PHẨM            |
| GIAI ĐOẠN 1: TỐI ƯU HÓA TỶ SỐ ĐÒN BẨY (Tháng 1 - Tháng 6)                 |
| - Hạ tỷ lệ Tổng Nợ/Tổng Tài sản (DA) xuống dưới ngưỡng an toàn 30% - 35%.  |
| - Thay thế nợ vay ngắn hạn lãi suất cao bằng tối ưu vòng quay khoản phải   |
|   thu (DSO) và kéo dài kỳ hạn nợ người bán (DPO).                         |
|                                                                           |
| GIAI ĐOẠN 2: GIA TĂNG NGUỒN VỐN NỘI BỘ & TÍCH LŨY (Tháng 7 - Tháng 18)    |
| - Áp dụng chính sách chi trả cổ tức bằng cổ phiếu để giữ lại 60% - 70%    |
|   lợi nhuận sau thuế tái đầu tư mở rộng nhà máy đạt chuẩn EU-GMP.          |
| - Tận dụng dòng tiền thuần từ hoạt động kinh doanh (CFO) tài trợ R&D.     |
|                                                                           |
| GIAI ĐOẠN 3: ĐA DẠNG HÓA VỐN VÀ MỞ RỘNG QUY MÔ (Tháng 19 - Tháng 36)      |
| - Phát hành cổ phần riêng lẻ cho đối tác chiến lược ngoại (Strategic M&A)  |
|   để vừa tăng vốn chủ sở hữu vừa tiếp nhận chuyển giao công nghệ gốc.     |
| - Tăng chỉ số thanh toán hiện hành LIQ đạt mức tối ưu từ 2.0x đến 2.5x.   |

Phân tích Hiệu quả Tài chính (ROI & Cost-Benefit Analysis)

  • Chi phí triển khai: Giảm phụ thuộc vào hạn mức tín dụng ngắn hạn giúp doanh nghiệp dược quy mô trung bình (Tổng tài sản 2,000 tỷ VND) tiết giảm từ $1.5% - 2.5%$ chi phí lãi vay/năm, tương đương tiết kiệm 30–50 tỷ VND dòng tiền ra.
  • Gia tăng định giá doanh nghiệp: Tối ưu hóa cấu trúc tài chính giúp chỉ số P/E ngành Dược cải thiện từ $12\times$ lên $15\times - 18\times$, nâng cao giá trị vốn hóa thị trường của các doanh nghiệp như Dược Hậu Giang (DHG), Imexpharm (IMP) hay Traphaco (TRA).

Hạn chế và hướng phát triển

  • Hạn chế về cỡ mẫu không gian: Số lượng công ty dược phẩm niêm yết đủ điều kiện lấy dữ liệu xuyên suốt 10 năm chỉ dừng lại ở 21 doanh nghiệp, chưa bao phủ toàn bộ khối doanh nghiệp dược vừa và nhỏ (SMEs) chưa niêm yết.
  • Hạn chế về nội sinh tiềm ẩn: Mặc dù FGLS xử lý tốt phương sai thay đổi và tự tương quan, mô hình vẫn có thể chịu tác động của hiện tượng nội sinh (Endogeneity) giữa lợi nhuận giữ lại và cấu trúc vốn.
  • Hướng nghiên cứu tương lai:
    1. Ứng dụng mô hình Moment Tổng quát dạng Sai phân hoặc Hệ thống (Difference/System GMM - Arellano & Bond) để kiểm soát biến độ trễ $ROA_{t-1}$.
    2. Bổ sung các biến số kiểm soát vĩ mô như biến động tỷ giá USD/VND (ảnh hưởng đến giá nhập khẩu hạt nhựa và dược chất API) và chính sách đấu thầu thuốc tập trung quốc gia.

Đối tượng hưởng lợi

|                       ĐỐI TƯỢNG HƯỞNG LỢI & GIÁ TRỊ MANG LẠI            |
| 👨‍💼 GIÁM ĐỐC TÀI CHÍNH (CFO) & NHÀ QUẢN TRỊ DOANH NGHIỆP                 |
|   - Định lượng được chi phí cơ hội của việc dùng nợ ngắn hạn.           |
|   - Cơ sở khoa học để thiết lập tỷ lệ đòn bẩy tài chính mục tiêu < 35%. |
|                                                                         |
| 📈 NHÀ ĐẦU TƯ CHỨNG KHOÁN & CHUYÊN VIÊN PHÂN TÍCH TÀI CHÍNH             |
|   - Bộ tiêu chí định giá doanh nghiệp: Ưu tiên mã có LIQ > 2, DA thấp.  |
|   - Mô hình hóa rủi ro tài chính của cổ phiếu ngành Dược.               |
|                                                                         |
| 🎓 GIẢNG VIÊN, HỌC VIÊN CAO HỌC & SINH VIÊN KINH TẾ/TÀI CHÍNH           |
|   - Template mẫu phân tích dữ liệu bảng chuẩn mực từ OLS -> FEM -> FGLS.|
|   - Code Stata 16.0 thực chiến cho các bài toán kinh tế lượng tài chính.|
|                                                                         |
| 🏛️ CƠ QUAN QUẢN LÝ NHÀ NƯỚC (Bộ Y Tế / Ủy ban Chứng khoán)              |
|   - Hoạch định chính sách hỗ trợ vốn vay ưu đãi dài hạn cho sản xuất.   |

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập kết quả mô hình này là gì?

Cần cài đặt Stata phiên bản từ 15.0 trở lên (khuyên dùng Stata/MP 16.0 hoặc 17.0) hoặc ngôn ngữ R (phiên bản $\ge 4.0.0$) với các gói thư viện plm, tseries, lmtest. Bộ dữ liệu đầu vào cần cấu trúc theo định dạng Panel Data chuẩn ($N \times T$) với các biến tài chính được tính toán đồng nhất.

2. Vì sao nợ ngắn hạn lại tác động tiêu cực mạnh hơn nợ dài hạn đến ROA của doanh nghiệp dược?

Ngành Dược có chu kỳ sản xuất và kiểm nghiệm chất lượng kéo dài (thời gian lưu kho hoạt chất, đăng ký số visa lưu hành thuốc mất từ 1–3 năm). Doanh nghiệp sử dụng nợ ngắn hạn (kỳ hạn $< 1$ năm) phải đối mặt với áp lực đảo nợ liên tục và biến động lãi suất điều hành, gây mất cân đối dòng tiền và làm giảm hiệu quả sinh lời $ROA$.

3. Làm thế nào để tích hợp các biến vĩ mô như GDP hay Lạm phát vào mô hình FEM?

Trong mô hình Fixed Effects thuần túy, các biến vĩ mô chỉ biến thiên theo thời gian $t$ mà không đổi giữa các cá thể $i$ sẽ bị loại bỏ (omitted) do cộng tuyến hoàn hảo với hiệu ứng thời gian cố định. Để tích hợp, cần chuyển sang ước lượng FEM với biến tương tác (Interaction terms) hoặc sử dụng mô hình Pooled OLS/FGLS có kiểm soát chuỗi thời gian.

4. Chi phí kiệt quệ tài chính trong ngành Dược có gì khác biệt so với ngành Bất động sản?

Ngành Dược chịu sự giám sát nghiêm ngặt của Cục Quản lý Dược và Tổ chức Y tế Thế giới (WHO). Khi mất khả năng thanh toán, doanh nghiệp dược không thể dễ dàng thanh lý tài sản cố định chuyên dụng (như dây chuyền phòng sạch GMP, máy dập viên, kho lạnh GSP) với giá trị sổ sách, khiến tổn thất kiệt quệ tài chính (Financial Distress Cost) trên thực tế cao hơn rất nhiều so với các ngành sở hữu tài sản thanh khoản cao.

5. Doanh nghiệp dược phẩm quy mô nhỏ có nên áp dụng hoàn toàn chính sách không vay nợ?

Không. Mặc dù hệ số đòn bẩy $DA$ tác động âm đến $ROA/ROE$, các doanh nghiệp nhỏ vẫn cần duy trì tỷ lệ nợ tối ưu ở mức thấp ($15% - 20%$) để thiết lập lịch sử tín dụng với các Ngân hàng Thương mại và tận dụng một phần tấm chắn thuế hợp lý nhằm hỗ trợ mở rộng mạng lưới phân phối thuốc kênh nhà thuốc (OTC).

Kết luận

Đồ án khóa luận đã giải quyết trọn vẹn bài toán xác định tác động của cấu trúc vốn đến khả năng sinh lời của 21 doanh nghiệp dược phẩm niêm yết tại Việt Nam giai đoạn 2011–2020. Bằng việc ứng dụng quy trình thực nghiệm kinh tế lượng chuẩn mực từ Pooled OLS, FEM, REM đến mô hình tối ưu FGLS, nghiên cứu đã chứng minh rõ nét sự phù hợp của Lý thuyết Trật tự phân hạng: Nợ vay (cả ngắn hạn và dài hạn) đều gây tác động tiêu cực đến $ROA$ và $ROE$. Đồng thời, các yếu tố quy mô, tuổi đời doanh nghiệp và khả năng thanh khoản đóng vai trò là bệ phóng quan trọng giúp gia tăng lợi nhuận. Đây là cơ sở khoa học định lượng vững chắc giúp các nhà quản trị tài chính ngành Dược tái thiết cơ cấu nguồn vốn, hướng tới mục tiêu phát triển bền vững và tối đa hóa giá trị doanh nghiệp.