Tác Động Của Doanh Nghiệp "Sống Thực Vật" (Zombie Firms) Đến Hiệu Quả Tài Chính Ngành Sản Xuất Tại Việt Nam

Tóm tắt nghiên cứu (Research Summary)

  • Câu hỏi nghiên cứu chính (Main Research Question): Doanh nghiệp "sống thực vật" (DNSTV - Zombie firms) được nhận diện bằng những nhân tố nào, và sự hiện diện của chúng tác động như thế nào đến hiệu quả hoạt động tài chính (ROA) cũng như giá trị thị trường (Tobin's Q) của nhóm doanh nghiệp ngành sản xuất niêm yết tại Việt Nam giai đoạn 2017 – 2021?
  • Phương pháp luận (Methodology Snapshot): Đề tài sử dụng dữ liệu bảng cân bằng từ 520 doanh nghiệp ngành sản xuất niêm yết trên ba sàn HOSE, HNX và UPCoM. Nghiên cứu kết hợp mô hình Logit đa biến để xác định xác suất hình thành DNSTV cùng các kỹ thuật hồi quy OLS, FEM (Mô hình hiệu ứng cố định), REM (Mô hình hiệu ứng ngẫu nhiên) và ước lượng FGLS (Feasible Generalized Least Squares) nhằm kiểm soát triệt để hiện tượng phương sai sai số thay đổi và tự tương quan.
  • Phát hiện cốt lõi (Key Findings): Tỷ lệ DNSTV trong ngành sản xuất gia tăng liên tục từ 4,42% (2019) lên 6,35% (2021). Sự tồn tại của DNSTV không chỉ làm suy giảm lợi nhuận nội tại của chính doanh nghiệp mà còn tạo ra tác động tiêu cực có ý nghĩa thống kê lan tỏa đến hiệu quả hoạt động (ROA) và định giá thị trường (Tobin's Q) của các doanh nghiệp khỏe mạnh trong cùng ngành.
  • Hàm ý thực tiễn (Implications): Kết quả nghiên cứu gióng lên hồi chuông cảnh báo cho các tổ chức tín dụng và cơ quan quản lý nhà nước về rủi ro phân bổ sai lệch dòng vốn tín dụng, đồng thời cung cấp cơ sở định lượng để sàng lọc, xử lý các doanh nghiệp xác sống nhằm giải phóng nguồn lực cho toàn nền kinh tế.

Bối cảnh và tầm quan trọng (Context & Significance)

Tổng quan tri thức hiện hữu (Current State of Knowledge)

Khái niệm "Doanh nghiệp sống thực vật" (Zombie firms) lần đầu tiên được định hình rõ nét trong các nghiên cứu kinh tế tại Nhật Bản nhằm giải thích cho "Thập kỷ mất mát" những năm 1990 (Hoshi & Kashyap, 2004; Caballero et al., 2008). Về bản chất, đây là những doanh nghiệp mất khả năng thanh toán nợ dài hạn, dòng tiền kinh doanh âm kéo dài nhưng không bị phá sản nhờ các khoản vay tái cấp vốn ưu đãi từ ngân hàng thương mại hoặc gói trợ cấp giải cứu từ chính phủ. Trên thế giới, các tổ chức như OECD và BIS đã chứng minh rằng sự gia tăng của DNSTV làm tắc nghẽn dòng vốn, suy giảm tốc độ tăng năng suất các nhân tố tổng hợp (TFP) và triệt tiêu cơ hội phát triển của các doanh nghiệp khởi nghiệp đổi mới sáng tạo.

Khoảng trống nghiên cứu tại Việt Nam (Research Gap Identified)

Tại Việt Nam, các nghiên cứu về DNSTV trước đây còn tương đối hạn chế, chủ yếu dừng lại ở mức tổng quan lý thuyết định tính hoặc phân tích trên quy mô mẫu nhỏ ở các ngành thực phẩm, bất động sản. Chưa có công trình nào xây dựng bộ chỉ tiêu định lượng toàn diện bằng mô hình Logit để nhận diện DNSTV chuyên biệt cho nhóm ngành sản xuất – khu vực đóng vai trò xương sống cho tăng trưởng công nghiệp và việc làm quốc gia. Hơn nữa, việc so sánh đồng thời tác động của DNSTV lên cả hai thước đo: hiệu quả kế toán (ROA) và giá trị kỳ vọng thị trường (Tobin's Q) trong điều kiện kiểm soát các biến vĩ mô (GDP, lạm phát) vẫn là một khoảng trống lớn.

Tính thời sự và tác động tiềm năng (Timeliness & Potential Impact)

Giai đoạn 2017 – 2021 chứng kiến cú sốc đứt gãy chuỗi cung ứng toàn cầu từ đại dịch Covid-19. Đây là "phép thử" khắc nghiệt bộc lộ thực trạng sức khỏe tài chính của các doanh nghiệp. Nghiên cứu được thực hiện kịp thời nhằm làm sáng tỏ liệu các chính sách hỗ trợ tín dụng, hoãn giãn nợ trong đại dịch có vô tình tạo ra "lá chắn" giữ lại những doanh nghiệp yếu kém hay không, từ đó đưa ra định hướng tái cấu trúc nền tài chính doanh nghiệp giai đoạn hậu khủng hoảng.

Phương pháp nghiên cứu và tiếp cận (Methodology & Approach)

Thiết kế nghiên cứu và Mẫu dữ liệu (Research Design & Data)

Nghiên cứu áp dụng phương pháp định lượng thực nghiệm với dữ liệu bảng cân bằng (balanced panel data) giai đoạn 2017 – 2021. Mẫu nghiên cứu bao gồm 520 doanh nghiệp ngành sản xuất niêm yết trên HOSE, HNX và UPCoM, đảm bảo hoạt động liên tục và công bố thông tin tài chính minh bạch. Dữ liệu giai đoạn 2017 – 2018 được sử dụng làm độ trễ trượt thời gian để xác định trạng thái zombie cho giai đoạn phân tích 2019 – 2021.

Tiêu chí xác định DNSTV (Zombie Identification Criteria)

Dựa trên chuẩn mực nghiên cứu quốc tế kết hợp điều chỉnh theo bối cảnh thị trường Việt Nam (kế thừa tiêu chí của Huong et al., 2020), một doanh nghiệp được xác định là DNSTV tại năm $t$ khi thỏa mãn đồng thời hai điều kiện:

  1. Hệ số bao phủ lãi vay (Interest Coverage Ratio - ICR): Đo bằng lợi nhuận trước thuế và lãi vay chia cho chi phí lãi vay ($EBIT / I$) nhỏ hơn 1 trong 3 năm liên tiếp ($t-2, t-1, t$).
  2. Khả năng sinh lời: Có lợi nhuận từ hoạt động sản xuất kinh doanh âm trong năm $t$.

Kỹ thuật phân tích mô hình kinh tế lượng (Econometric Techniques)

Quá trình xử lý dữ liệu được tiến hành theo hai giai đoạn độc lập thông qua phần mềm Stata:

[ Giai đoạn 1: Mô hình Logit ]
  Nhận diện xác suất trở thành DNSTV qua các biến tài chính:
  P(Zombie = 1) = f(SIZE, DTL, GR, CR)

[ Giai đoạn 2: Mô hình Dữ liệu bảng Đa biến ]
  Đánh giá tác động của DNSTV đến Hiệu quả hoạt động:
  Y_it = β0 + β1*Zombie_it + β2*SIZE_it + β3*DTL_it + β4*GR_it + β5*CR_it + β6*Macro_t + ε_it
  (Với Y lần lượt là ROA và Tobin's Q)
  1. Mô hình Logit: Xác định các nhân tố ảnh hưởng đến xác suất một doanh nghiệp trở thành zombie: $$\text{Logit}(P) = \ln\left(\frac{P}{1-P}\right) = \beta_0 + \beta_1 \text{SIZE} + \beta_2 \text{DTL} + \beta_3 \text{GR} + \beta_4 \text{CR} + \varepsilon$$
  2. Mô hình tác động lên ROA và Tobin's Q:
    • Hồi quy bình phương nhỏ nhất gộp (Pooled OLS).
    • Mô hình hiệu ứng cố định (FEM) và Mô hình hiệu ứng ngẫu nhiên (REM).
    • Kiểm định Hausman: Lựa chọn mô hình tối ưu giữa FEM và REM.
    • Kiểm định khuyết tật: Thực hiện kiểm định Breusch-Pagan/Modified Wald kiểm tra phương sai sai số thay đổi và kiểm định Wooldridge kiểm tra hiện tượng tự tương quan.
    • Mô hình FGLS (Feasible Generalized Least Squares): Khắc phục toàn diện các vi phạm giả định hồi quy cổ điển, đảm bảo các ước lượng thu được là không chệch, vững và hiệu quả nhất (BLUE).

Bảng định nghĩa các biến số trong mô hình

Tên biến Ký hiệu Bản chất Cách xác định Kỳ vọng dấu
Tỷ suất sinh lời tài sản ROA Phụ thuộc Lợi nhuận sau thuế / Tổng tài sản -
Giá trị thị trường Tobin's Q Phụ thuộc (Giá trị vốn hóa thị trường + Tổng nợ) / Tổng tài sản -
DN sống thực vật Zombie Giải thích Biến giả: 1 nếu là DNSTV, 0 nếu là DN khỏe mạnh (-)
Quy mô doanh nghiệp SIZE Kiểm soát Logarit tự nhiên của Tổng tài sản ($\ln(\text{Assets})$) (+)
Cấu trúc tài chính DTL Kiểm soát Tổng nợ phải trả / Tổng vốn chủ sở hữu (Đòn bẩy tổng hợp) (-)
Tăng trưởng doanh thu GR Kiểm soát $(\text{Doanh thu}t - \text{Doanh thu}{t-1}) / \text{Doanh thu}_{t-1}$ (+)
Thanh toán hiện hành CR Kiểm soát Tài sản ngắn hạn / Nợ ngắn hạn (+)
Tăng trưởng kinh tế GDP Vĩ mô Tốc độ tăng trưởng GDP hàng năm của Việt Nam (+)
Tỷ lệ lạm phát CPI Vĩ mô Chỉ số giá tiêu dùng hàng năm (-)

Phát hiện chính từ nghiên cứu (Major Findings)

1. Xu hướng gia tăng đáng báo động của DNSTV ngành sản xuất

Thống kê thực nghiệm từ 520 doanh nghiệp niêm yết cho thấy quy mô các doanh nghiệp zombie có chiều hướng leo thang nhanh chóng qua các năm:

  • Năm 2019: Ghi nhận 23 DNSTV (chiếm tỷ lệ 4,42%).
  • Năm 2020: Tăng lên 26 DNSTV (chiếm tỷ lệ 5,00%).
  • Năm 2021: Đạt đỉnh 33 DNSTV (chiếm tỷ lệ 6,35%).

Sự gia tăng đột biến trong năm 2021 phản ánh sự bào mòn nghiêm trọng của đại dịch Covid-19 đối với chuỗi cung ứng, chi phí kho bãi vận tải tăng vọt cùng áp lực chi phí nguyên vật liệu đầu vào tăng cao khiến nhóm doanh nghiệp có biên an toàn tài chính mỏng rơi thẳng vào trạng thái "chết lâm sàng".

Tỷ lệ DNSTV ngành sản xuất niêm yết (2019 - 2021):
2019: [██████████░░░░░░░░░░░░░░░░░░░░] 4.42% (23 DN)
2020: [████████████░░░░░░░░░░░░░░░░░░] 5.00% (26 DN)
2021: [███████████████░░░░░░░░░░░░░░░] 6.35% (33 DN)

2. Các nhân tố nhận diện DNSTV thông qua mô hình Logit

Mô hình Logit chỉ ra mối tương quan đa chiều giữa các chỉ số tài chính và xác suất trở thành zombie:

  • Hệ số đòn bẩy DTL: Mang hệ số âm có ý nghĩa thống kê, cho thấy tại thị trường Việt Nam, nhiều DNSTV khi đã rơi vào khủng hoảng kiệt quệ tài chính không còn khả năng tiếp tục gia tăng tỷ lệ nợ vay trên sổ sách do bị hạ xếp hạng tín nhiệm nội bộ.
  • Quy mô (SIZE), Tăng trưởng (GR) và Thanh toán (CR): Cho thấy mối tương quan cùng chiều với trạng thái zombie danh nghĩa khi các doanh nghiệp cố tình duy trì quy mô tài sản lớn hoặc ghi nhận tăng trưởng doanh thu ảo (chạy theo doanh số chấp nhận bán lỗ, nới lỏng chính sách công nợ) nhằm duy trì điều kiện niêm yết và đáp ứng tiêu chí vay vốn ngân hàng.

3. Tác động tiêu cực của DNSTV đến ROA và Tobin's Q

Kết quả ước lượng FGLS khẳng định:

  • Biến giả Zombie có tác động ngược chiều mạnh mẽ và có ý nghĩa thống kê ($p < 0.05$) đối với cả tỷ suất sinh lời trên tài sản (ROA) và giá trị thị trường (Tobin's Q).
  • Hiệu ứng lan tỏa tiêu cực (Negative Spillover Effect): Doanh nghiệp rơi vào trạng thái sống thực vật ở năm trước ($t-1$) tạo ra sức ép kéo giảm tỷ suất lợi nhuận bình quân của các doanh nghiệp khỏe mạnh trong năm kế tiếp ($t$). Nguyên nhân bắt nguồn từ cạnh tranh phi thị trường: DNSTV bán phá giá để thu hồi tiền mặt duy trì trả nợ gốc ngắn hạn, làm suy giảm biên lợi nhuận của toàn ngành.
  • Độ vênh giữa ROA và Tobin's Q: Nghiên cứu phát hiện hiện tượng phân kỳ trong định giá. Dù ROA của các DNSTV âm triền miên, chỉ số Tobin's Q đôi khi bị thổi phồng trong các giai đoạn sốt nóng của thị trường chứng khoán (như năm 2021 khi VN-Index vượt mốc 1500 điểm), phản ánh rủi ro đầu cơ cao và hành vi thao túng thông tin làm sai lệch giá trị tài sản thực.

Đóng góp khoa học và ứng dụng (Scientific & Practical Contributions)

Đóng góp về mặt học thuật và lý luận (Theoretical Contributions)

  1. Hoàn thiện khung lý luận: Bổ sung luận cứ khoa học thực chứng về sự tồn tại và chu kỳ vận động của doanh nghiệp sống thực vật trong bối cảnh nền kinh tế chuyển đổi có sự tham gia sâu của các gói kích cầu và tái cấu trúc hệ thống ngân hàng.
  2. Đột phá phương pháp tiếp cận: Kết hợp thành công mô hình phân loại Logit nhị phân với chuỗi mô hình dữ liệu bảng nâng cao (FGLS), khắc phục hoàn toàn hiện tượng tự tương quan và phương sai thay đổi mà các nghiên cứu trước đó tại Việt Nam thường bỏ qua.
  3. Mở rộng góc nhìn kép: Đánh giá song hành hiệu quả kế toán nội bộ (ROA) và giá trị kỳ vọng của nhà đầu tư thị trường (Tobin's Q), gắn kết các yếu tố vĩ mô (tăng trưởng GDP, lạm phát) vào bức tranh tài chính vi mô.

Hàm ý chính sách và thực tiễn quản trị (Practical & Policy Implications)

  • Đối với Ngân hàng Nhà nước và các Tổ chức tín dụng:
    • Cần rà soát và chấm dứt thông lệ "cho vay thường xanh" (evergreen lending) – việc tiếp tục gia hạn hoặc cấp thêm hạn mức tín dụng để doanh nghiệp trả lãi vay cũ nhằm che giấu nợ xấu nhóm cao.
    • Xây dựng hệ thống cảnh báo sớm dựa trên chỉ số ICR liên tục 3 năm để sớm khoanh vùng và xử lý dứt điểm tài sản bảo đảm.
  • Đối với Cơ quan quản lý thị trường chứng khoán:
    • Siết chặt tiêu chuẩn minh bạch thông tin tài chính, ngăn chặn hành vi "xào nấu" số liệu dòng tiền và lợi nhuận danh nghĩa để duy trì điều kiện niêm yết.
    • Hoàn thiện khung khổ pháp lý cho việc phá sản, tái tổ chức doanh nghiệp nhanh chóng, tạo cơ chế rút lui êm thấm cho các doanh nghiệp kiệt quệ thay vì để tồn tại dưới dạng "xác sống".
  • Đối với Ban lãnh đạo doanh nghiệp sản xuất:
    • Cắt giảm các mảng kinh doanh kém hiệu quả, kiên quyết thoái vốn khỏi các tài sản không sinh lời để hạ thấp hệ số đòn bẩy tài chính.
    • Chuyển hướng tập trung từ tăng trưởng nóng về quy mô sang nâng cao hiệu suất sử dụng tài sản thực chất.

Đối tượng quan tâm và Giá trị mang lại (Target Audience & Benefits)

  • Nhà nghiên cứu học thuật & Giảng viên tài chính:
    • Tiếp cận mô hình thực nghiệm chuẩn hóa kết hợp giữa Logit và FGLS cho dữ liệu bảng Việt Nam.
    • Khai thác nguồn tài liệu tham khảo có giá trị cao cho các nghiên cứu tiếp nối về cấu trúc vốn, phá sản doanh nghiệp và quản trị rủi ro tài chính.
  • Chuyên viên phân tích đầu tư & Quản lý quỹ:
    • Sở hữu công cụ định lượng hỗ trợ nhận diện các "bẫy giá trị" (Value traps) trên sàn chứng khoán.
    • Loại bỏ các cổ phiếu zombie khỏi danh mục đầu tư dài hạn, phòng ngừa rủi ro hủy niêm yết đột ngột.
  • Cán bộ quản trị rủi ro tín dụng ngân hàng:
    • Bổ sung bộ tiêu chí ICR 3 năm kết hợp dòng tiền thuần từ hoạt động kinh doanh vào mô hình chấm điểm tín dụng nội bộ ngành sản xuất.
    • Đánh giá chính xác mức độ tổn thương của danh mục cho vay doanh nghiệp trong các giai đoạn biến động kinh tế vĩ mô.
  • Nhà hoạch định chính sách kinh tế vĩ mô:
    • Cân đối giữa bài toán hỗ trợ an sinh xã hội ngắn hạn (giữ việc làm) và bài toán nâng cao hiệu quả phân bổ nguồn lực quốc gia trong dài hạn.

Câu hỏi thường gặp (FAQ)

1. Phát hiện quan trọng và có tính cảnh báo cao nhất của nghiên cứu này là gì?

Phát hiện then chốt là sự tồn tại của DNSTV tạo ra hiệu ứng ngoại tác tiêu cực (negative externalities) rõ rệt. Một doanh nghiệp zombie năm trước không chỉ tự làm suy giảm nội lực của chính nó mà còn kéo lùi tỷ suất lợi nhuận (ROA) của toàn bộ các doanh nghiệp khỏe mạnh khác trong ngành sản xuất ở năm tiếp theo do các hành vi cạnh tranh hạ giá tiêu cực và chiếm dụng hạn mức tín dụng chung.

2. Tiêu chí xác định DNSTV trong nghiên cứu này có gì khác biệt so với chuẩn quốc tế?

Nghiên cứu kết hợp hài hòa chuẩn mực quốc tế của Caballero et al. (2008) và McGowan et al. (2017) với đặc thù Việt Nam bằng cách sử dụng đồng thời: (1) Hệ số bao phủ lãi vay $ICR < 1$ trong ba năm liên tiếp nhằm lọc các doanh nghiệp mất khả năng tạo tiền trả lãi; và (2) Lợi nhuận từ hoạt động sản xuất kinh doanh âm tại năm quan sát nhằm loại trừ các trường hợp có lãi ảo nhờ thu nhập bất thường hay trợ cấp một lần.

3. Kết quả nghiên cứu có thể khái quát hóa (generalize) cho toàn bộ nền kinh tế không?

Mặc dù mẫu nghiên cứu tập trung vào 520 doanh nghiệp ngành sản xuất niêm yết, phương pháp luận và các kết luận chính hoàn toàn có giá trị tham chiếu cao cho các nhóm ngành thâm dụng vốn khác như xây dựng, bất động sản và vật liệu xây dựng. Tuy nhiên, đối với khu vực doanh nghiệp tư nhân phi niêm yết hoặc doanh nghiệp siêu nhỏ, cần có sự điều chỉnh do tính chất minh bạch thông tin tài chính có sự khác biệt.

4. Đâu là những hạn chế chính và hướng nghiên cứu mở rộng tiếp theo?

Đề tài bị giới hạn ở khung thời gian 2017 – 2021 (dừng lại tại thời điểm đỉnh dịch Covid-19). Hướng nghiên cứu tiếp theo nên mở rộng chuỗi dữ liệu sang giai đoạn 2022 – 2025 để đánh giá tác động sau khi chính sách tiền tệ thắt chặt và lãi suất gia tăng, đồng thời xem xét thêm tác động của yếu tố quản trị công ty (Corporate Governance) đến khả năng phục hồi của các doanh nghiệp này.

5. Doanh nghiệp và nhà đầu tư có thể ứng dụng kết quả này như thế nào trong thực tế?

Nhà đầu tư có thể lập bộ lọc định kỳ các cổ phiếu có $ICR < 1$ liên tiếp 3 năm để loại trừ khỏi danh mục. Doanh nghiệp sản xuất có thể dùng mô hình nhận diện để tự đánh giá sức khỏe tài chính nội bộ, từ đó chủ động cơ cấu lại các khoản nợ ngắn hạn trước khi bị rơi vào nhóm rủi ro cao.

Kết luận (Conclusion)

Công trình nghiên cứu đã làm sáng tỏ bức tranh toàn cảnh về thực trạng và hệ lụy của các doanh nghiệp "sống thực vật" trong ngành sản xuất tại Việt Nam giai đoạn 2017 – 2021. Bằng phương pháp kinh tế lượng chặt chẽ (Logit, FEM/REM, FGLS), nghiên cứu đã chứng minh sự hiện diện của DNSTV làm suy giảm đáng kể hiệu quả tài chính (ROA) và giá trị thị trường (Tobin's Q), đồng thời gây méo mó trong phân bổ nguồn lực kinh tế.

Việc làm sạch môi trường kinh doanh thông qua các cơ chế giám sát tín dụng nghiêm ngặt, thúc đẩy phá sản tự nhiên và tái cơ cấu thị trường vốn là yêu cầu cấp thiết để nâng cao năng lực cạnh tranh quốc gia. Các cơ quan quản lý và giới học thuật cần tiếp tục đào sâu nghiên cứu để hoàn thiện thể chế hỗ trợ doanh nghiệp phục hồi bền vững trong kỷ nguyên số.