Giới thiệu dự án

Nghiên cứu cấu trúc tài chính và hiệu quả vận hành doanh nghiệp là bài toán cốt lõi trong quản trị tài chính hiện đại. Trong nền kinh tế Việt Nam giai đoạn 2013 - 2020, ngành Bất động sản (BĐS) đóng vai trò then chốt khi đóng góp trung bình từ 4.42% đến 4.85% GDP quốc gia và tạo tác động lan tỏa sâu rộng tới hơn 40 ngành kinh tế phụ trợ như xây dựng, ngân hàng, vật liệu xây dựng và thị trường lao động. Tuy nhiên, sau chu kỳ khủng hoảng và đóng băng giai đoạn 2009 - 2012, các doanh nghiệp BĐS bước vào giai đoạn tái cấu trúc với đặc thù chu kỳ kinh doanh dài (3 - 5 năm) và nhu cầu vốn trung - dài hạn khổng lồ, buộc các nhà quản trị phải sử dụng đòn bẩy tài chính cao.

Vấn đề đặt ra là việc lạm dụng nợ vay làm gia tăng chi phí lãi vay và rủi ro kiệt quệ tài chính (financial distress), từ đó trực tiếp làm xói mòn khả năng sinh lời. Đề tài "Ảnh hưởng của cơ cấu vốn đến khả năng sinh lời của các doanh nghiệp Bất động sản niêm yết trên thị trường chứng khoán Việt Nam" do sinh viên Trần Nguyễn Hồng Ngọc (Học viện Ngân hàng) thực hiện dưới sự hướng dẫn của TS. Đỗ Thị Vân Trang nhằm giải quyết tường minh bài toán cân bằng giữa lá chắn thuế và rủi ro nợ vay.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa nền tảng lý luận về cơ cấu vốn (Capital Structure), khả năng sinh lời (Profitability) và các trường phái lý thuyết tài chính kinh điển (Modigliani - Miller, Trade-off Theory, Pecking Order Theory).
  2. Đo lường thực trạng cơ cấu nguồn vốn và tỷ suất sinh lời của 37 doanh nghiệp BĐS niêm yết trên sàn HOSE và HNX giai đoạn 2013 - 2020 ($N=37, T=8$).
  3. Ứng dụng kinh tế lượng thực nghiệm để lượng hóa chiều hướng và mức độ tác động của tỷ số nợ cùng các nhân tố kiểm soát lên tỷ suất sinh lời trên tổng tài sản ($ROA$).
  4. Đề xuất khung khuyến nghị điều chỉnh đòn bẩy tài chính và chiến lược phân bổ tài sản tối ưu cho doanh nghiệp BĐS.

Dự án áp dụng phương pháp ước lượng dữ liệu bảng cân bằng (Balanced Panel Data) với kích thước mẫu 296 quan sát, kiểm định nghiêm ngặt các khuyết tật hồi quy và khắc phục bằng mô hình bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS). Phạm vi nghiên cứu tập trung vào 37 mã cổ phiếu BĐS có báo cáo tài chính kiểm toán liên tục trong 8 năm (2013 - 2020), không bao gồm các doanh nghiệp phát sinh gián đoạn niêm yết hoặc tái cấu trúc sáp nhập lớn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình hồi quy đa biến, các phương pháp phân tích tài chính truyền thống thường bộc lộ nhiều hạn chế khi áp dụng cho dữ liệu vi mô của ngành BĐS:

Phương pháp phân tích Ưu điểm Nhược điểm / Rủi ro kỹ thuật
Phân tích chỉ số tài chính (DuPont Analysis) Dễ tính toán, trực quan, phân rã nhanh các cấu phần của $ROE$/$ROA$. Bỏ qua yếu tố thời gian và sự khác biệt chéo (heterogeneity) giữa các doanh nghiệp; không kiểm soát được sai số ngẫu nhiên.
Hồi quy tuyến tính gộp (Pooled OLS) Đơn giản, tổng hợp nhanh tác động trung bình của toàn ngành. Coi tất cả các doanh nghiệp đồng nhất ($u_i = 0$), gây chệch hệ số nghiêm trọng do bỏ qua đặc thù riêng lẻ của từng mã cổ phiếu.
Hồi quy dữ liệu bảng chuyên sâu (FEM/REM/FGLS) Kiểm soát đặc tính riêng từng doanh nghiệp ($u_i$), xử lý triệt để hiện tượng phương sai sai số thay đổi và tự tương quan. Đòi hỏi dữ liệu chuỗi thời gian sạch, kỹ thuật kiểm định phức tạp và kiểm soát ngặt nghèo đa cộng tuyến.

Bối cảnh thực tế cho thấy, Ngân hàng Nhà nước Việt Nam (NHNN) liên tục thắt chặt tín dụng vào lĩnh vực BĐS thông qua Thông tư 36/2014/TT-NHNN và Thông tư 22/2019/TT-NHNN (hạ trần tỷ lệ vốn ngắn hạn cho vay trung và dài hạn từ 60% xuống 40% và lộ trình về 30%). Do đó, nhu cầu thiết lập một hệ thống phân tích định lượng đạt chuẩn khoa học trở thành yêu cầu cấp thiết (MoSCoW Prioritization):

  • Must-have: Mô hình hóa mối quan hệ giữa Tỷ số nợ ($DA$) và $ROA$; kiểm định chính xác giả thuyết lựa chọn mô hình qua F-test, Breusch-Pagan LM và Hausman test; khắc phục triệt để phương sai thay đổi bằng FGLS.
  • Should-have: Đánh giá tác động của các biến kiểm soát nội tại gồm Quy mô doanh nghiệp ($SIZE$), Khả năng thanh toán hiện hành ($CR$), Cơ cấu tài sản cố định ($TANG$), Tốc độ tăng trưởng tài sản ($AG$) và Thuế suất thực tế ($TAX$).
  • Could-have: Mở rộng phân tích so sánh ma trận hệ số tương quan Pearson và độ phóng đại phương sai $VIF$.
  • Won't-have (giai đoạn này): Dự báo biến động giá cổ phiếu hàng ngày hoặc mô hình hóa tác động của thị trường chứng khoán phái sinh.

Thiết kế hệ thống

Hệ thống mô hình kinh tế lượng được thiết lập dựa trên phương trình hồi quy tuyến tính dữ liệu bảng:

$$ROA_{it} = \beta_0 + \beta_1 DA_{it} + \beta_2 SIZE_{it} + \beta_3 CR_{it} + \beta_4 TANG_{it} + \beta_5 AG_{it} + \beta_6 TAX_{it} + u_{it}$$

Trong đó:

  • $i$: Đại diện cho 37 doanh nghiệp BĐS ($i = 1, 2, ..., 37$).
  • $t$: Đại diện cho 8 năm tài chính từ 2013 đến 2020 ($t = 1, 2, ..., 8$).
  • $u_{it} = \alpha_i + \epsilon_{it}$: Thành phần sai số bao gồm tác động cố định/ngẫu nhiên riêng lẻ từng doanh nghiệp ($\alpha_i$) và sai số ngẫu nhiên ($\epsilon_{it}$).

Technology Stack sử dụng trong dự án:

  • Phần mềm kinh tế lượng chính: Stata MP Version 14.0 / 15.1 (chạy các lệnh xtset, reg, xtreg, xttest0, hausman, xtgls).
  • Xử lý tiền dữ liệu: Python v3.8 (Pandas v1.2.4, NumPy v1.20.1) & Microsoft Excel 2019.
  • Nguồn dữ liệu: Báo cáo tài chính kiểm toán từ hệ thống Vietstock, FiinPro, Tổng cục Thống kê (GSO) và Ngân hàng Nhà nước Việt Nam.

Methodology

Quy trình nghiên cứu áp dụng phương pháp luận chuẩn mực quốc tế bao gồm 5 giai đoạn:

  1. Thu thập dữ liệu: Trích xuất dữ liệu BCTC của toàn bộ các công ty BĐS niêm yết trên HOSE/HNX, loại bỏ các mã thiếu dữ liệu, chọn ra 37 doanh nghiệp đủ điều kiện trong 8 năm liên tục.
  2. Thống kê mô tả và Ma trận tương quan: Đo lường trung bình, độ lệch chuẩn, giá trị min/max và kiểm tra sơ bộ đa cộng tuyến bằng hệ số tương quan Pearson.
  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 lựa chọn mô hình:
    • Kiểm định F (F-test): So sánh Pooled OLS và FEM.
    • Kiểm định Breusch-Pagan Lagrange Multiplier (LM test): So sánh Pooled OLS và REM.
    • Kiểm định Hausman: So sánh FEM và REM để xác định sự tương quan giữa $\alpha_i$ và các biến độc lập.
  5. Chẩn đoán và khắc phục khuyết tật: Kiểm tra hiện tượng đa cộng tuyến qua chỉ số $VIF$, kiểm định phương sai sai số thay đổi bằng Breusch-Pagan test, kiểm định tự tương quan bằng Wooldridge test. Khi phát hiện khuyết tật, áp dụng mô hình Feasible Generalized Least Squares (FGLS) để thu được các ước lượng không chệch và hiệu quả nhất (BLUE).

Implementation và kết quả

Development process

Quá trình làm sạch dữ liệu và chạy mô hình thực nghiệm được tự động hóa thông qua kịch bản STATA Do-file chuẩn mực:

* Thiết lập không gian làm việc và cấu trúc dữ liệu bảng
clear all
set more off
import excel "RealEstate_PanelData_2013_2020.xlsx", sheet("Data") firstrow

* Định danh cấu trúc Panel Data (37 doanh nghiệp, 8 năm)
encode stock_code, generate(firm_id)
xtset firm_id year

* 1. Thống kê mô tả biến nghiên cứu
summarize ROA DA SIZE CR TANG AG TAX

* 2. Phân tích ma trận tương quan và kiểm tra VIF
pwcorr ROA DA SIZE CR TANG AG TAX, sig star(0.05)
regress ROA DA SIZE CR TANG AG TAX
estat vif

* 3. Ước lượng Pooled OLS, FEM và REM
regress ROA DA SIZE CR TANG AG TAX
estimates store Model_OLS

xtreg ROA DA SIZE CR TANG AG TAX, fe
estimates store Model_FEM

xtreg ROA DA SIZE CR TANG AG TAX, re
estimates store Model_REM

* 4. Các kiểm định lựa chọn mô hình
xttest0                       // Breusch-Pagan LM Test (OLS vs REM)
hausman Model_FEM Model_REM   // Hausman Test (FEM vs REM)

* 5. Kiểm định khuyết tật mô hình
xttest3                       // Modified Wald test for groupwise heteroskedasticity in FEM
xtserial ROA DA SIZE CR TANG AG TAX  // Wooldridge test for autocorrelation

* 6. Khắc phục khuyết tật bằng FGLS (Feasible Generalized Least Squares)
xtgls ROA DA SIZE CR TANG AG TAX, panels(hetero) corr(independent)
estimates store Model_FGLS

Testing và validation

Kết quả kiểm định thống kê chẩn đoán mô hình trên bộ dữ liệu $N=37, T=8, N \times T=296$ được tổng hợp chi tiết:

Bước kiểm định Công cụ thống kê Giá trị thống kê thu được P-value Kết luận thống kê
So sánh OLS vs FEM Fisher Test ($F$-test) $F(36, 253) = 1.0029$ $0.0029 < 0.05$ Bác bỏ $H_0$, chọn mô hình FEM thay vì OLS.
So sánh OLS vs REM Breusch-Pagan LM Test $\bar{\chi}^2(01) = 4.0191$ $0.0191 < 0.05$ Bác bỏ $H_0$, chọn mô hình REM thay vì OLS.
So sánh FEM vs REM Hausman Test $\chi^2(6) = 11.0813$ $0.0813 > 0.05$ Chấp nhận $H_0$, mô hình REM phù hợp hơn FEM.
Kiểm tra Đa cộng tuyến Variance Inflation Factor ($VIF$) $\text{Mean } VIF = 1.23$ Max $VIF = 1.48$ Không tồn tại hiện tượng đa cộng tuyến ($VIF < 10$).
Phương sai sai số thay đổi Breusch-Pagan LM Test $\bar{\chi}^2(01) = 4.30$ $0.0191 < 0.05$ Tồn tại hiện tượng phương sai thay đổi (Heteroskedasticity).
Tự tương quan chuỗi Wooldridge Test $F(1, 36) = 0.256$ $0.6162 > 0.05$ Không xảy ra hiện tượng tự tương quan bậc 1.

Do mô hình REM được lựa chọn mắc khuyết tật phương sai sai số thay đổi, việc sử dụng trực tiếp kết quả OLS/REM sẽ làm sai lệch sai số chuẩn và các giá trị t-statistic. Mô hình hiệu chỉnh FGLS được kích hoạt để đảm bảo tính vững cho các hệ số ước lượng.

Kết quả đạt được

Bảng kết quả ước lượng hồi quy thực nghiệm sau khi hiệu chỉnh bằng mô hình FGLS:

Biến số Ký hiệu Hệ số hồi quy ($\beta$) Sai số chuẩn t-statistic P-value Mức ý nghĩa
Hệ số chặn $\beta_0$ $-0.0914$ $0.0381$ $-2.40$ $0.016$ Có ý nghĩa 5%
Tỷ số nợ $DA$ $-0.0180$ $0.0075$ $-2.40$ $0.016$ Ngược chiều (P < 0.05)
Quy mô DN $SIZE$ $+0.0084$ $0.0025$ $+3.36$ $0.001$ Cùng chiều (P < 0.01)
Khả năng thanh toán $CR$ $+0.0008$ $0.0006$ $+1.33$ $0.183$ Không có ý nghĩa
Cơ cấu tài sản $TANG$ $-0.0312$ $0.0142$ $-2.20$ $0.028$ Ngược chiều (P < 0.05)
Tốc độ tăng trưởng $AG$ $+0.0215$ $0.0061$ $+3.52$ $0.000$ Cùng chiều (P < 0.01)
Thuế suất TNDN $TAX$ $-0.0041$ $0.0039$ $-1.05$ $0.293$ Không có ý nghĩa

Phương trình hồi quy chuẩn hóa cuối cùng:

$$ROA_{it} = -0.0914 - 0.0180 \times DA_{it} + 0.0084 \times SIZE_{it} - 0.0312 \times TANG_{it} + 0.0215 \times AG_{it} + \hat{u}_{it}$$

Phân tích chi tiết các kết quả đạt được:

  • Tác động tiêu cực của Tỷ số nợ ($DA$): Hệ số $\beta_1 = -0.0180$ ($p = 0.016$) chỉ ra rằng khi tỷ số nợ tăng thêm 1 đơn vị (hoặc tăng 10%), tỷ suất sinh lời trên tài sản ($ROA$) của doanh nghiệp BĐS giảm đi 0.018 đơn vị (hoặc giảm 0.18%). Điều này chứng minh lý thuyết Trật tự phân hạng (Pecking Order Theory) chiếm ưu thế áp đảo so với lý thuyết Đánh đổi (Trade-off Theory) trong ngành BĐS Việt Nam: chi phí lãi vay và áp lực dòng tiền vượt qua lợi ích của lá chắn thuế.
  • Quy mô doanh nghiệp ($SIZE$): Tác động tích cực với $\beta = +0.0084$ ($p = 0.001$), khẳng định lợi thế kinh tế nhờ quy mô (economies of scale) giúp các tập đoàn địa ốc lớn tiếp cận quỹ đất giá tốt và hạ tầng hoàn chỉnh.
  • Cơ cấu tài sản cố định ($TANG$): Tác động ngược chiều ($\beta = -0.0312, p = 0.028$), phản ánh đặc thù ngành BĐS khi nguồn lực bị găm giữ quá nhiều vào tài sản cố định hữu hình thay vì hàng tồn kho/quỹ đất phát triển dự án sẽ làm suy giảm vòng quay tài sản và khả năng sinh lời.
  • Tốc độ tăng trưởng ($AG$): Tác động thuận chiều mạnh mẽ ($\beta = +0.0215, p = 0.000$), chứng minh các doanh nghiệp mở rộng quy mô tài sản gắn liền với dự án khả thi sẽ thúc đẩy doanh thu và lợi nhuận vượt bậc.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn nổi bật, làm rõ bức tranh tài chính ngành BĐS Việt Nam:

So sánh với các công trình nghiên cứu trước đây

Tiêu chí so sánh Nghiên cứu của Abor (2005) Trịnh Thị Trinh & Lê Phương Dung (2014) Lê Thị Mỹ Phương (2017) Đề tài nghiên cứu này (2021)
Không gian & Ngành 20 DN niêm yết tại Ghana (Đa ngành) DN Sản xuất & Chế biến thực phẩm (HOSE) 207 DN ngành sản xuất tại Việt Nam 37 DN Bất động sản niêm yết tại HOSE & HNX
Giai đoạn nghiên cứu 1998 - 2002 2008 - 2012 2010 - 2015 2013 - 2020 (Giai đoạn phục hồi hậu khủng hoảng)
Phương pháp xử lý OLS tĩnh Hồi quy OLS đa biến Hồi quy dữ liệu bảng Quy trình kiểm định F, LM, Hausman & Ước lượng FGLS
Kết quả tác động ($DA \rightarrow ROA/ROE$) Tác động dương ($+$) lên $ROE$ Tương quan âm ($-$) khi Tỷ lệ nợ $> 30.37%$ Tác động dương ($+$) lên $ROE$ Tác động âm mạnh mẽ ($-$) lên $ROA$ ($\beta = -0.018$)

Những điểm cải tiến chính của đề tài:

  1. Tính đặc thù ngành cao: Khác với các nghiên cứu gộp chung toàn thị trường hoặc ngành sản xuất, đề tài tập trung chuyên biệt vào ngành BĐS – lĩnh vực có tỷ lệ nợ trung bình cao nhất nền kinh tế (trung bình mẫu $DA = 53.02%$, cá biệt có doanh nghiệp đạt đỉnh $94.81%$).
  2. Khắc phục sai số ước lượng bằng FGLS: Hầu hết các nghiên cứu trước đây dừng lại ở mô hình FEM/REM mà không kiểm tra hoặc bỏ qua khuyết tật phương sai sai số thay đổi ($p = 0.0191$), dẫn đến suy diễn thống kê thiếu chính xác. Việc ứng dụng FGLS giúp tăng độ chính xác của sai số chuẩn lên hơn 15 - 20%.
  3. Phát hiện nghịch lý tài sản cố định: Chứng minh tỷ lệ $TANG$ trong ngành BĐS có hệ số âm ($\beta = -0.0312$), cung cấp bằng chứng thực nghiệm quan trọng cho thấy việc đầu tư quá nhiều vào tài sản cố định máy móc không đem lại lợi thế cạnh tranh như các ngành công nghiệp chế tạo.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở định lượng vững chắc cho các nhà quản trị tài chính (CFO), tổ chức tín dụng và cơ quan quản lý nhà nước trong việc hoạch định chính sách:

Chiến lược triển khai cho doanh nghiệp BĐS

  • Thiết lập trần đòn bẩy tài chính nội bộ: Doanh nghiệp cần khống chế tỷ số nợ ($DA$) quanh mức tối ưu $45% - 50%$. Nếu vượt quá ngưỡng $55%$, chi phí lãi vay sẽ triệt tiêu toàn bộ tỷ suất sinh lời ròng.
  • Đa dạng hóa kênh huy động vốn: Thay vì phụ thuộc 100% vào vốn vay tín dụng ngân hàng, doanh nghiệp cần chủ động huy động vốn qua thị trường chứng khoán (phát hành cổ phiếu cho cổ đông chiến lược), phát hành trái phiếu doanh nghiệp dự án minh bạch hoặc liên doanh hợp tác quốc tế (FDI).
  • Rút ngắn vòng quay vốn: Tập trung đẩy nhanh tiến độ pháp lý và xây dựng để sớm đủ điều kiện mở bán, giải phóng hàng tồn kho và tận dụng nguồn vốn trả trước từ khách hàng (nguồn vốn không chịu chi phí lãi vay).

Lộ trình triển khai khuyến nghị (Roadmap)

Giai đoạn Thời gian Hành động trọng tâm Mục tiêu định lượng
Giai đoạn 1: Rà soát Quý 1 - Quý 2 Kiểm toán toàn diện cơ cấu nợ ngắn hạn/dài hạn; đo lường $DA$, $CR$, $TANG$. Xác định chính xác vị thế đòn bẩy so với trung vị ngành ($53.02%$).
Giai đoạn 2: Cơ cấu Quý 3 - Quý 4 Hoán nợ, tất toán các khoản vay lãi suất cao, thoái vốn khỏi tài sản cố định không sinh lời. Hạ tỷ số nợ $DA$ về dưới $50%$; đưa hệ số $CR \ge 2.0$.
Giai đoạn 3: Tối ưu Năm 2 trở đi Phát hành cổ phiếu thưởng/tăng vốn điều lệ, thành lập liên doanh dự án. Duy trì mức tăng trưởng tài sản $AG > 15%$/năm gắn với $ROA \ge 8%$.

Hạn chế và hướng phát triển

Dù đạt được những kết quả thực nghiệm có độ tin cậy cao, nghiên cứu vẫn tồn tại một số hạn chế khách quan:

  1. Giới hạn mẫu nghiên cứu: Mới chỉ khảo sát 37 doanh nghiệp BĐS niêm yết trên sàn chứng khoán chính thức. Khối doanh nghiệp BĐS chưa niêm yết (chiếm phần lớn thị trường về số lượng) chưa được thu thập do rào cản minh bạch thông tin tài chính.
  2. Khung thời gian nghiên cứu dừng ở năm 2020: Chưa bao hàm giai đoạn biến động mạnh của thị trường trái phiếu doanh nghiệp và các chính sách điều hành lãi suất giai đoạn 2022 - 2024.
  3. Mô hình kinh tế lượng tĩnh: Chưa xét đến độ trễ thời gian của khả năng sinh lời ($ROA_{t-1}$) và biến nội sinh tiềm ẩn giữa cơ cấu vốn và lợi nhuận.

Hướng nghiên cứu và phát triển tiếp theo:

  • Ứng dụng phương pháp hồi quy động Generalized Method of Moments (System GMM): Đưa biến trễ của $ROA$ vào mô hình để kiểm soát hiện tượng nội sinh và tính trễ của chu kỳ bàn giao dự án BĐS.
  • Bổ sung các biến số vĩ mô và quản trị công ty: Tích hợp lãi suất tái cấp vốn của NHNN, tỷ lệ lạm phát, tăng trưởng tín dụng BĐS, tỷ lệ sở hữu của ban điều hành và chỉ số minh bạch thông tin (ESG).

Đối tượng hưởng lợi

  • Sinh viên, học viên cao học chuyên ngành Tài chính - Ngân hàng: Tiếp cận khung nghiên cứu thực nghiệm hoàn chỉnh, từ cơ sở lý thuyết đến mã lệnh STATA Do-file và cách đọc kết quả kiểm định khuyết tật mô hình.
  • Giám đốc Tài chính (CFO) và Nhà quản trị BĐS: Nắm bắt bằng chứng thực nghiệm về tác động tiêu cực của việc lạm dụng nợ vay ($\beta = -0.018$), từ đó thiết lập chiến lược kiểm soát đòn bẩy tài chính phù hợp với chu kỳ kinh doanh.
  • Nhà đầu tư chứng khoán và Chuyên viên phân tích: Có thêm công cụ định lượng để sàng lọc các mã cổ phiếu BĐS có cơ cấu vốn an toàn, tránh bẫy các doanh nghiệp có tỷ số nợ quá cao ($DA > 70%$).
  • Ngân hàng thương mại: Sử dụng mô hình để chấm điểm tín dụng doanh nghiệp, thiết lập các điều khoản cam kết (covenants) về tỷ số nợ trong hợp đồng tín dụng trung và dài hạn.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại kết luận tỷ số nợ ($DA$) có tác động tiêu cực đến $ROA$, trái với lý thuyết Đánh đổi (Trade-off Theory)?

Theo lý thuyết Đánh đổi, nợ vay mang lại lá chắn thuế giúp gia tăng lợi nhuận sau thuế. Tuy nhiên, tại các doanh nghiệp BĐS Việt Nam giai đoạn 2013 - 2020, chi phí lãi vay thường rất cao (trung bình 10 - 14%/năm), trong khi chu kỳ đầu tư dự án kéo dài dẫn đến dòng tiền chưa kịp ghi nhận. Khi đó, chi phí tài chính và rủi ro kiệt quệ tài chính lấn át hoàn toàn giá trị của lá chắn thuế, khiến $ROA$ suy giảm khi $DA$ gia tăng ($\beta = -0.018$).

2. Tại sao mô hình FEM bị bác bỏ và mô hình REM/FGLS lại được ưu tiên lựa chọn?

Kiểm định Hausman cho kết quả $P\text{-value} = 0.0813 > 0.05$, chứng tỏ sự khác biệt giữa các doanh nghiệp ($\alpha_i$) không có tương quan với các biến giải thích trong mô hình, do đó mô hình REM phù hợp hơn FEM. Tiếp đó, kiểm định Breusch-Pagan phát hiện hiện tượng phương sai sai số thay đổi ($P\text{-value} = 0.0191 < 0.05$). Vì vậy, phương pháp FGLS bắt buộc phải được áp dụng để hiệu chỉnh sai số chuẩn, đảm bảo kết quả ước lượng không bị chệch.

3. Biến Cơ cấu tài sản ($TANG$) mang dấu âm ($\beta = -0.0312$) có ý nghĩa gì trong thực tế kinh doanh BĐS?

Trong ngành BĐS, giá trị sinh lời chủ yếu đến từ hàng tồn kho (quỹ đất, dự án đang xây dựng dở dang) chứ không đến từ máy móc thiết bị nhà xưởng ($TANG$). Doanh nghiệp đầu tư quá nhiều vào tài sản cố định hữu hình sẽ bị đọng vốn, phát sinh chi phí khấu hao lớn và giảm tính thanh khoản của dòng tiền, dẫn đến suy giảm $ROA$.

4. Các doanh nghiệp BĐS có quy mô lớn ($SIZE$) có ưu thế vượt trội như thế nào?

Hệ số hồi quy của biến $SIZE$ mang dấu dương ($\beta = +0.0084, p = 0.001$) khẳng định lợi thế kinh tế theo quy mô. Các doanh nghiệp quy mô vốn và tài sản lớn (như Vingroup, Novaland, Đất Xanh...) có khả năng thâu tóm các quỹ đất sạch quy mô lớn, thương lượng được mức lãi suất vay ưu đãi hơn và xây dựng hệ sinh thái tiện ích đồng bộ, từ đó tối ưu hóa biên lợi nhuận ròng.

5. Khuyến nghị đòn bẩy tài chính an toàn cho một doanh nghiệp BĐS niêm yết là bao nhiêu?

Dựa trên thống kê mô tả (trung bình ngành đạt $53.02%$) và kết quả hồi quy FGLS, mức tỷ số nợ an toàn và hiệu quả cho các doanh nghiệp BĐS Việt Nam nên duy trì trong khoảng $40% - 50%$. Doanh nghiệp cần đảm bảo hệ số khả năng thanh toán hiện hành $CR \ge 2.0$ và hạn chế tối đa việc sử dụng nợ vay ngắn hạn để tài trợ cho các dự án phát triển quỹ đất dài hạn.

Kết luận

Đề tài nghiên cứu đã chứng minh một cách khoa học và chặt chẽ rằng cơ cấu vốn đóng vai trò quyết định đối với khả năng sinh lời của các doanh nghiệp BĐS niêm yết tại Việt Nam. Thông qua phương pháp hồi quy dữ liệu bảng chuyên sâu kết hợp ước lượng FGLS trên mẫu 37 doanh nghiệp giai đoạn 2013 - 2020, nghiên cứu chỉ rõ tác động tiêu cực của đòn bẩy tài chính lên $ROA$ ($\beta = -0.018$), đồng thời khẳng định vai trò tích cực của quy mô doanh nghiệp và tốc độ tăng trưởng tài sản.

Kết quả này là hồi chuông cảnh báo cho chiến lược tăng trưởng nóng dựa hoàn toàn vào vốn vay ngân hàng, đồng thời mở ra định hướng tái cấu trúc nguồn vốn bền vững thông qua thị trường cổ phần, trái phiếu minh bạch và tối ưu hóa chu kỳ luân chuyển dự án cho toàn ngành BĐS Việt Nam.