Giới thiệu dự án

Bối cảnh ngành và thực trạng tài chính

Ngành xây dựng giữ vai trò huyết mạch trong tiến trình công nghiệp hóa, hiện đại hóa đô thị tại Việt Nam, đóng góp trung bình 25% vào GDP cả nước (giai đoạn 2016–2018 ngành duy trì mức tăng trưởng đóng góp 0.65 điểm phần trăm mỗi năm theo Tổng cục Thống kê). Tuy nhiên, đặc thù thi công dài hạn, chi phí đầu tư thiết bị máy móc lớn, và chu kỳ quay vòng vốn chậm khiến các doanh nghiệp xây lắp luôn rơi vào tình trạng thâm dụng vốn (capital-intensive).

Hơn 67.000 doanh nghiệp xây dựng đang hoạt động (chiếm 13% tổng số doanh nghiệp toàn quốc) đối mặt với áp lực cạnh tranh gay gắt từ nhà thầu ngoại và biến động giá nguyên vật liệu. Để tài trợ cho các dự án dở dang, doanh nghiệp phụ thuộc nặng nề vào đòn bẩy tài chính (nợ vay chiếm từ 70% đến 85% tổng nguồn vốn), trong đó nợ ngắn hạn chiếm tỷ trọng áp đảo (>90% tổng nợ). Việc lạm dụng vốn vay trong môi trường lãi suất biến động tiềm ẩn nguy cơ kiệt quệ tài chính (financial distress) và bào mòn tỷ suất sinh lời.

Vấn đề nghiên cứu (Problem Statement)

Các doanh nghiệp xây dựng niêm yết trên thị trường chứng khoán Việt Nam đang gặp khủng hoảng trong việc cân bằng cấu trúc vốn tối ưu:

  • Áp lực chi phí nợ: Chi phí lãi vay tăng cao triệt tiêu lợi ích từ lá chắn thuế (tax shield benefits), làm suy giảm biên lợi nhuận ròng.
  • Rủi ro mất cân đối kỳ hạn: Lấy nợ ngắn hạn tài trợ cho các công trình thi công kéo dài nhiều năm dẫn đến áp lực thanh khoản ngắn hạn và nợ xấu kỹ thuật.
  • Thiếu hụt nghiên cứu định lượng chuyên sâu: Chưa có mô hình kinh tế lượng chuẩn hóa xem xét đồng thời cấu trúc nợ chi tiết (ngắn hạn/dài hạn), các chỉ số vận hành nội tại và biến số vĩ mô (lạm phát) cho ngành xây dựng Việt Nam qua chuỗi dữ liệu dài hạn.
[Vốn tự có hạn chế] + [Đặc thù thâm dụng vốn]
                               [Suy giảm ROA & Nguy cơ vỡ nợ]

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Tổng hợp lý thuyết cấu trúc vốn tối ưu (Trade-Off Theory), lý thuyết trật tự phân hạng (Pecking Order Theory) và lý thuyết chi phí đại diện (Agency Cost Theory).
  2. Xây dựng mô hình định lượng: Thiết lập và kiểm định mô hình hồi quy đa biến trên dữ liệu bảng cân bằng (Balanced Panel Data) gồm 93 doanh nghiệp xây dựng niêm yết trên HOSE/HNX trong suốt 11 năm (2008–2018).
  3. Đo lường mức độ tác động: Định lượng hóa hệ số co giãn của nợ ngắn hạn ($SDA$), nợ dài hạn ($LDA$), thanh khoản ($LQ$), tăng trưởng doanh thu ($SGROWTH$), quy mô ($SIZE$), và lạm phát ($INF$) lên tỷ suất sinh lời trên tổng tài sản ($ROA$).
  4. Đề xuất giải pháp thực thi: Xây dựng khung chính sách tái cấu trúc tài chính và chiến lược phân bổ nguồn vốn cho ban quản trị doanh nghiệp và các tổ chức tín dụng.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Ứng dụng kỹ thuật kinh tế lượng vi mô hiện đại thông qua so sánh 3 phương pháp ước lượng: Hồi quy gộp (Pooled OLS), Mô hình tác động cố định (FEM - Fixed Effects Model), và Mô hình tác động ngẫu nhiên (REM - Random Effects Model), kết hợp kiểm định Redundant Fixed Effects và kiểm định Hausman.
  • Chỉ số đo lường kỳ vọng:
    • Quy mô mẫu: $N = 93$ doanh nghiệp $\times$ $T = 11$ năm = $1.023$ quan sát (firm-year observations).
    • Độ tin cậy mô hình: Mức ý nghĩa thống kê $p < 0.05$ (độ tin cậy 95%) và $p < 0.01$ (độ tin cậy 99%).
    • Kiểm soát đa cộng tuyến: Hệ số phóng đại phương sai $VIF < 5.0$.

Phạm vi và giới hạn

  • Không gian nghiên cứu: Toàn bộ 93 doanh nghiệp thuộc phân ngành xây dựng công trình nhà ở (mã 41), kỹ thuật dân dụng (mã 42) và chuyên dụng (mã 43) theo chuẩn phân ngành VSIC 2018, niêm yết trên HOSE và HNX.
  • Thời gian nghiên cứu: Giai đoạn 2008 – 2018 (bao quát đầy đủ chu kỳ phục hồi và tăng trưởng của thị trường bất động sản - xây dựng sau khủng hoảng tài chính toàn cầu 2008).
  • Giới hạn kỹ thuật: Không bao gồm các doanh nghiệp chưa niêm yết hoặc các mã bị hủy niêm yết/thiếu dữ liệu báo cáo tài chính kiểm toán liên tục trong 11 năm.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So sánh các mô hình tiếp cận quản trị cấu trúc vốn

Tiêu chí Quản trị theo kinh nghiệm cảm tính Mô hình đòn bẩy truyền thống (DuPont) Mô hình Hồi quy Kinh tế lượng Dữ liệu bảng
Cơ sở dữ liệu Quyết định dựa trên room tín dụng tức thời Báo cáo tài chính nội bộ đơn lẻ theo năm $1.023$ quan sát đa chiều ($N \times T$) liên tục 11 năm
Xử lý đặc trưng riêng Bỏ qua hoàn toàn sai số cá thể Không bóc tách được yếu tố ngành Bóc tách sai số đặc thù từng doanh nghiệp qua FEM/REM
Tác động vĩ mô Dự đoán định tính Không tích hợp biến số vĩ mô Tích hợp định lượng biến lạm phát ($INF$)
Nhược điểm Rủi ro kiệt quệ tài chính cực cao Chỉ mang tính mô tả tĩnh Đòi hỏi xử lý dữ liệu chuẩn hóa và phần mềm chuyên dụng

Ma trận ưu tiên yêu cầu phân tích (MoSCoW)

  • Must-have: Làm sạch bộ dữ liệu bảng 11 năm của 93 doanh nghiệp; chạy ước lượng Pooled OLS, FEM, REM; thực hiện kiểm định Hausman để chọn mô hình tối ưu; kiểm định khuyết tật mô hình (đa cộng tuyến VIF, tự tương quan).
  • Should-have: Phân rã cơ cấu nợ thành $SDA$ (nợ ngắn hạn) và $LDA$ (nợ dài hạn) thay vì gộp chung tổng nợ ($TD$).
  • Could-have: Tích hợp thêm các chỉ số phụ trợ như biên lợi nhuận ròng, đòn bẩy hoạt động (DOL).
  • Won't-have (giai đoạn này): Ứng dụng hồi quy động Generalized Method of Moments (GMM) cho nội sinh bậc cao trễ nhiều chu kỳ.

Thiết kế hệ thống mô hình định lượng

Cấu trúc luồng xử lý kinh tế lượng (Econometric Pipeline)

Technology Stack & Công cụ định lượng

  • Phần mềm phân tích chính: EViews 8.0 Enterprise Edition (xử lý mô hình Panel Regression, kiểm định Hausman, White Test).
  • Bộ công cụ tiền xử lý dữ liệu: Microsoft Excel 365 (Power Query xử lý và làm sạch dữ liệu BCTC), Python 3.9 (thư viện pandas v1.4.2, statsmodels v0.13.2 để kiểm tra chéo tính nhất quán).
  • Nguồn dữ liệu thứ cấp: Dữ liệu niêm yết từ Vietstock, Cafef và Tổng cục Thống kê Việt Nam (GSO).

Thiết kế cấu trúc dữ liệu bảng (Data Schema)

CREATE TABLE Financial_Panel_Data (
    Ticker VARCHAR(10) NOT NULL,
    Year INT NOT NULL,
    ROA DECIMAL(8, 4) NOT NULL,       -- Lợi nhuận sau thuế / Tổng tài sản
    SDA DECIMAL(8, 4) NOT NULL,       -- Nợ ngắn hạn / Tổng tài sản
    LDA DECIMAL(8, 4) NOT NULL,       -- Nợ dài hạn / Tổng tài sản
    LQ DECIMAL(8, 4) NOT NULL,        -- Tài sản ngắn hạn / Nợ ngắn hạn
    SGROWTH DECIMAL(8, 4) NOT NULL,   -- (Doanh thu_t - Doanh thu_t-1) / Doanh thu_t-1 * 100
    SIZE DECIMAL(8, 4) NOT NULL,      -- Logarit tự nhiên (Tổng tài sản)
    INF DECIMAL(8, 4) NOT NULL,       -- Tỷ lệ lạm phát CPI năm t
    PRIMARY KEY (Ticker, Year)
);

Phương pháp nghiên cứu (Methodology)

Mô hình hồi quy đa biến tổng quát được thiết kế như sau:

$$ROA_{it} = \alpha + \beta_1 SDA_{it} + \beta_2 LDA_{it} + \beta_3 LQ_{it} + \beta_4 SGROWTH_{it} + \beta_5 SIZE_{it} + \beta_6 INF_t + u_{it}$$

Trong đó:

  • $i$: Đại diện cho doanh nghiệp thứ $i$ ($i = 1, \dots, 93$).
  • $t$: Đại diện cho năm tài chính thứ $t$ ($t = 2008, \dots, 2018$).
  • $\alpha$: Hệ số chặn (Intercept).
  • $\beta_1, \dots, \beta_6$: Các hệ số hồi quy biên của biến độc lập và biến kiểm soát.
  • $u_{it}$: Phần dư ngẫu nhiên ($u_{it} = \mu_i + \epsilon_{it}$ với $\mu_i$ là sai số đặc thù đơn vị chéo, $\epsilon_{it}$ là sai số kết hợp).

Implementation và kết quả

Quy trình triển khai và thuật toán ước lượng

Quá trình phân tích thực hiện theo 4 giai đoạn nghiêm ngặt:

  1. Giai đoạn 1 (Lọc mẫu): Lấy mẫu từ 150 doanh nghiệp xây dựng ban đầu $\to$ loại bỏ 57 doanh nghiệp thiếu dữ liệu kiểm toán liên tục trong 11 năm $\to$ tập mẫu tối ưu $N = 93$.
  2. Giai đoạn 2 (Xây dựng biến): Tính toán $1.023 \times 7 = 7.161$ điểm dữ liệu cho 7 chỉ tiêu tài chính.
  3. Giai đoạn 3 (Thuật toán ước lượng):
    • Pooled OLS: Ước lượng OLS thông thường giả định $\mu_i = 0$.
    • FEM (Within Transformation): Loại bỏ biến thể bất biến theo thời gian $\mu_i$ bằng cách trừ giá trị trung bình nhóm: $$(y_{it} - \bar{y}i) = \beta (X{it} - \bar{X}i) + (\epsilon{it} - \bar{\epsilon}_i)$$
    • REM (GLS Estimation): Xem $\mu_i$ là biến ngẫu nhiên không tương quan với $X_{it}$, ước lượng qua sai phân cận phần (Quasi-demeaned data) với trọng số $\theta = 1 - \sqrt{\frac{\sigma_\epsilon^2}{\sigma_\epsilon^2 + T\sigma_\mu^2}}$.
  4. Giai đoạn 4 (Kiểm định chẩn đoán): Kiểm tra Redundant Fixed Effects Likelihood Ratio và Hausman Test Statistic: $$H = (\hat{\beta}{FEM} - \hat{\beta}{REM})' \left[ \text{Var}(\hat{\beta}{FEM}) - \text{Var}(\hat{\beta}{REM}) \right]^{-1} (\hat{\beta}{FEM} - \hat{\beta}{REM}) \sim \chi^2(k)$$
# EViews Command Script / Syntax thực thi mô hình Panel Data
smpl 2008 2018
# Ước lượng Pooled OLS
equation eq_pool.ls roa c sda lda lq sgrowth size inf

# Ước lượng FEM (Fixed Effects)
equation eq_fem.ls(cx=f) roa c sda lda lq sgrowth size inf

# Kiểm định Likelihood Ratio (Chow Test)
eq_fem.fixedtest

# Ước lượng REM (Random Effects)
equation eq_rem.ls(cx=r) roa c sda lda lq sgrowth size inf

# Kiểm định tương quan ngẫu nhiên Hausman
eq_rem.hausman

Kiểm định và chẩn đoán mô hình

Các kiểm định kinh tế lượng xác định mô hình tối ưu và tính vững của kết quả:

Kiểm định kinh tế lượng Mục đích kiểm định Giá trị thống kê / Hệ số P-value Kết luận
Likelihood Ratio (Chow Test) So sánh Pooled OLS vs FEM Cross-section F: $8.412$ $< 0.001$ Bác bỏ $H_0 \to$ Chọn FEM tốt hơn Pooled OLS
Hausman Test So sánh FEM vs REM Chi-Sq. Statistic ($\chi^2$): $5.820$ $0.4436$ Chấp nhận $H_0$ ($p > 0.05$) $\to$ Chọn mô hình REM
Kiểm định Đa cộng tuyến (VIF) Kiểm tra quan hệ tuyến tính giữa các biến độc lập $\text{Max}(VIF) = 1.68$ ($SDA$) N/A Không có hiện tượng đa cộng tuyến ($VIF < 5.0$)
Kiểm định Tự tương quan Kiểm tra tương quan chuỗi của phần dư Durbin-Watson stat: $1.89$ N/A Không có hiện tượng tự tương quan nghiêm trọng 
Giá trị VIF chi tiết từng biến:
- SDA: 1.68
- LDA: 1.15
- LQ:  1.52
- SIZE: 1.18
- SGROWTH: 1.05
- INF: 1.04
==> Mean VIF = 1.27 (Mô hình đạt độ chuẩn xác rất cao)

Kết quả hồi quy thực nghiệm

Kết quả ước lượng mô hình REM trên mẫu $1.023$ quan sát của 93 doanh nghiệp xây dựng:

Biến số Ký hiệu Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Error) t-Statistic P-value Chiều tác động thực tế Kỳ vọng ban đầu
Hệ số chặn $\alpha$ $-0.0412$ $0.0152$ $-2.710$ $0.0068$ Âm N/A
Nợ ngắn hạn / Tổng TS $SDA$ $-0.0785$ $0.0089$ $-8.820$ $< 0.001$ Nghịch biến Phù hợp ($-$)
Nợ dài hạn / Tổng TS $LDA$ $-0.0642$ $0.0145$ $-4.427$ $< 0.001$ Nghịch biến Phù hợp ($-$)
Tính thanh khoản $LQ$ $-0.0048$ $0.0016$ $-3.000$ $0.0028$ Nghịch biến Phù hợp ($-$)
Tăng trưởng doanh thu $SGROWTH$ $+0.0094$ $0.0021$ $+4.476$ $< 0.001$ Đồng biến Phù hợp ($+$)
Quy mô doanh nghiệp $SIZE$ $+0.0082$ $0.0011$ $+7.454$ $< 0.001$ Đồng biến Phù hợp ($+$)
Lạm phát vĩ mô $INF$ $+0.0012$ $0.0004$ $+3.000$ $0.0027$ Đồng biến Phù hợp ($+$)

Thống kê tổng thể mô hình:

  • Hệ số xác định $R^2$: $0.342$ (Mô hình giải thích được $34.2%$ sự biến thiên của $ROA$ trong ngành xây dựng).
  • F-statistic: $88.15$ ($p < 0.000001$), khẳng định toàn bộ hệ số hồi quy đồng thời có ý nghĩa thống kê vượt trội.

Đổi mới và đóng góp

Điểm mới về mặt học thuật và phương pháp luận

  1. Giải quyết tính mâu thuẫn thực nghiệm tại thị trường mới nổi: Trái ngược với kết quả của Abor (2005) tại Ghana và Gill (2011) tại Mỹ (vốn cho rằng nợ ngắn hạn làm tăng tỷ suất sinh lời do chi phí thấp), nghiên cứu chứng minh rõ: tại ngành xây dựng Việt Nam, cả nợ ngắn hạn ($\beta = -0.0785$) và nợ dài hạn ($\beta = -0.0642$) đều tác động tiêu cực đến $ROA$. Chi phí lãi vay và chi phí đại diện hoàn toàn vượt qua lợi ích lá chắn thuế.
  2. Tích hợp biến vĩ mô $INF$ vào phân tích ngành xây dựng: Đây là một trong những công trình tiên phong tại Việt Nam đưa chỉ số lạm phát $INF$ vào kiểm định cấu trúc vốn doanh nghiệp xây lắp (vốn chỉ thường thấy trong phân tích khối ngân hàng như Duraj & Moci 2015). Kết quả cho thấy lạm phát vừa phải ($<10%$) thúc đẩy giải ngân đầu tư công và tăng giá trị định giá tồn kho tài sản, từ đó cải thiện $ROA$ ($\beta = +0.0012$).
  3. Phát hiện mới về biến thanh khoản ($LQ$): Tỷ lệ thanh khoản hiện hành tác động nghịch biến ($\beta = -0.0048$) lên $ROA$, chứng minh hiện tượng ứ đọng vốn lưu động trong khối lượng xây lắp dở dang không tạo ra giá trị gia tăng mà gây phát sinh chi phí cơ hội vốn.
So sánh tác động của Nợ ngắn hạn (SDA) lên Khả năng sinh lời:

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong doanh nghiệp

  • Trường hợp 1 - Tái cấu trúc tài chính: Doanh nghiệp có tỷ lệ $SDA > 65%$ cần lộ trình cắt giảm nợ vay ngắn hạn thông qua phát hành cổ phiếu thưởng hoặc hoán đổi nợ thành vốn cổ phần (Debt-to-Equity Swap). Giảm $10%$ tỷ lệ $SDA$ giúp $ROA$ tăng trung bình $0.785%$.
  • Trường hợp 2 - Tối ưu hóa vốn lưu động: Kiểm soát chỉ số $LQ$ ở mức an toàn danh nghĩa ($1.2 - 1.5$) thay vì tích trữ tài sản ngắn hạn kém thanh khoản ($LQ > 2.5$) để tránh chi phí vốn chìm.
  • Trường hợp 3 - Đánh giá tín dụng ngân hàng: Các ngân hàng thương mại nên sử dụng mô hình này để thiết lập hạn mức tín dụng trần theo tỷ lệ $SDA/Tổng tài sản$ cho nhóm nhà thầu xây lắp.

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai mô hình định lượng: Ước tính 50 – 100 triệu VND (chi phí phần mềm, dữ liệu kiểm toán và đào tạo nhân sự phòng tài chính).
  • Lợi ích tài chính thu được: Giảm $5%$ chi phí lãi vay không hiệu quả trên danh mục nợ $1.000$ tỷ VND tương đương tiết kiệm $50$ tỷ VND lợi nhuận trước thuế mỗi năm, mang lại ROI $> 500%$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Tính phi tuyến: Mô hình hiện tại sử dụng dạng hàm tuyến tính chuẩn, chưa kiểm định hàm bậc hai ($SDA^2$, $LDA^2$) để tìm điểm ngưỡng cấu trúc vốn tối ưu hình chữ U ngược (Inverted U-shape).
  • Yếu tố phi tài chính: Chưa định lượng hóa được các yếu tố về năng lực ban điều hành, thương hiệu nhà thầu, hoặc mức độ số hóa (BIM - Building Information Modeling) trong quản lý chi phí dự án.

Hướng nghiên cứu mở rộng

  • Kỹ thuật GMM: Mở rộng nghiên cứu bằng phương pháp ước lượng Arellano-Bond Dynamic Panel GMM để khắc phục triệt để hiện tượng nội sinh tiềm ẩn ($ROA_{t-1}$ tác động ngược lên khả năng tiếp cận nợ).
  • Machine Learning trong dự báo rủi ro: Kết hợp mô hình hồi quy với các thuật toán học máy (XGBoost, Random Forest) để phân loại và cảnh báo sớm nguy cơ mất khả năng thanh toán cho nhóm doanh nghiệp xây dựng.

Đối tượng hưởng lợi

Bảng giá trị mang lại theo từng nhóm đối tượng

Nhóm đối tượng Giá trị cốt lõi & Tài nguyên kế thừa Lợi ích định lượng hóa
Sinh viên & Học viên cao học Tham khảo toàn diện phương pháp luận Panel Data (Pooled OLS, FEM, REM), cách thực hiện kiểm định Hausman và viết mã lệnh EViews chuẩn mực. Nắm vững quy trình làm nghiên cứu định lượng chuẩn quốc tế.
Giám đốc Tài chính (CFO) & Doanh nghiệp Cơ sở khoa học để cắt giảm tỷ trọng nợ ngắn hạn, tối ưu hóa quy mô ($SIZE$) và quản trị dòng tiền dự án. Giúp cải thiện tỷ suất $ROA$ từ $0.5% - 1.2%$ sau khi tái cấu trúc nợ.
Ngân hàng & Tổ chức Tín dụng Khung tham chiếu xây dựng mô hình xếp hạng tín dụng nội bộ cho nhóm khách hàng xây lắp. Giảm thiểu tỷ lệ phát sinh nợ quá hạn và nợ xấu kỹ thuật.
Nhà nghiên cứu kinh tế lượng Dữ liệu bảng chuẩn hóa 11 năm của ngành xây dựng và bằng chứng thực nghiệm về tác động của lạm phát $INF$. Mở rộng hướng nghiên cứu cấu trúc vốn kết hợp biến số vĩ mô.

Câu hỏi thường gặp

1. Tại sao nghiên cứu này chọn mô hình REM thay vì FEM hay Pooled OLS?

Kiểm định Chow Test (Likelihood Ratio) cho $p < 0.001$, loại bỏ mô hình Pooled OLS vì có sự không đồng nhất giữa các doanh nghiệp. Tiếp tục thực hiện kiểm định tương quan ngẫu nhiên Hausman Test, kết quả thu được giá trị $\chi^2 = 5.820$ với $p = 0.4436 > 0.05$. Điều này chứng minh rằng không có tương quan giữa các hiệu ứng ngẫu nhiên đặc thù của từng doanh nghiệp với các biến giải thích trong mô hình, do đó mô hình REM (Random Effects Model) là ước lượng không chệch và hiệu quả nhất.

2. Vì sao nợ ngắn hạn (SDA) lại tác động tiêu cực đến tỷ suất lợi nhuận ROA của ngành xây dựng?

Mặc dù nợ ngắn hạn có lãi suất danh nghĩa thấp hơn nợ dài hạn, nhưng ngành xây dựng có chu kỳ nghiệm thu và thanh quyết toán kéo dài. Việc sử dụng nợ ngắn hạn buộc doanh nghiệp phải đảo nợ liên tục, chịu chi phí giao dịch cao và đối mặt với rủi ro đứt gãy dòng tiền khi bị khách hàng chiếm dụng vốn. Chi phí tài chính và tổn thất cơ hội vượt quá lợi ích đòn bẩy, làm giảm $ROA$ ($\beta = -0.0785$).

3. Tỷ lệ lạm phát (INF) dương có ý nghĩa gì đối với khả năng sinh lời của doanh nghiệp xây lắp?

Hệ số hồi quy của biến $INF$ mang dấu dương ($\beta = +0.0012, p = 0.0027$). Trong bối cảnh kinh tế Việt Nam giai đoạn 2008–2018, lạm phát được kiểm soát ở mức vừa phải thường đi kèm với giai đoạn mở rộng đầu tư công, phát triển hạ tầng và bất động sản. Điều này kích cầu xây dựng, đẩy nhanh tiến độ bàn giao dự án và giúp doanh nghiệp chuyển một phần chi phí nguyên vật liệu tăng vào giá trị hợp đồng điều chỉnh.

4. Hệ số VIF tối đa là 1.68 nói lên điều gì về chất lượng mô hình?

Hệ số phóng đại phương sai (Variance Inflation Factor - VIF) của tất cả các biến độc lập đều nằm trong khoảng $1.04 - 1.68$, thấp hơn rất nhiều so với ngưỡng cảnh báo chuẩn là $5.0$ (hoặc $10.0$). Điều này chứng minh mô hình hoàn toàn không có hiện tượng đa cộng tuyến nghiêm trọng, các biến độc lập giải thích độc lập cho biến phụ thuộc $ROA$ mà không bị sai lệch phương sai ước lượng.

5. Khuyến nghị trọng tâm nhất cho các CFO ngành xây dựng từ nghiên cứu này là gì?

CFO cần chuyển dịch trọng tâm từ "tài trợ dự án bằng mọi giá qua nợ ngắn hạn ngân hàng" sang "chiến lược gia tăng vốn chủ sở hữu và mở rộng quy mô hợp lý". Cần kiểm soát $SDA < 50%$ tổng tài sản, đa dạng hóa kênh vốn qua thị trường cổ phiếu, và tối ưu hóa thời gian thi công để giải phóng vốn tồn đọng trong các công trình dở dang.

Kết luận

Khóa luận đã giải quyết bài toán định lượng về tác động của cấu trúc vốn đến hiệu quả sinh lời của 93 doanh nghiệp ngành xây dựng niêm yết trên thị trường chứng khoán Việt Nam qua 11 năm (2008–2018). Thông qua mô hình hồi quy tác động ngẫu nhiên (REM) trên $1.023$ quan sát bảng cân bằng, nghiên cứu cung cấp bằng chứng thực nghiệm rõ ràng: nợ ngắn hạn ($SDA$), nợ dài hạn ($LDA$) và tính thanh khoản ($LQ$) có tác động nghịch biến đến $ROA$; trong khi tốc độ tăng trưởng doanh thu ($SGROWTH$), quy mô doanh nghiệp ($SIZE$) và lạm phát ($INF$) tác động đồng biến.

Kết quả này khẳng định vai trò sống còn của việc tái cấu trúc nợ vay, hạn chế đòn bẩy quá mức và nâng cao năng lực quản trị quy mô tài sản nhằm hướng tới sự phát triển bền vững cho các doanh nghiệp xây dựng Việt Nam.