Giới thiệu dự án

Lĩnh vực Xây dựng và Bất động sản (BĐS) giữ vai trò then chốt trong nền kinh tế Việt Nam, đóng góp trung bình 10–12% vào GDP quốc gia hàng năm và tạo ra sức lan tỏa mạnh mẽ đến hơn 40 ngành kinh tế phụ trợ. Tuy nhiên, giai đoạn 2015–2021 chứng kiến sự biến động khốc liệt của thị trường dưới tác động của các chính sách thắt chặt tiền tệ, siết chặt tín dụng đầu tư công, rà soát pháp lý dự án đấu thầu và đứt gãy chuỗi cung ứng do đại dịch COVID-19. Trong bối cảnh đó, bài toán quản trị tài chính nhằm duy trì và nâng cao khả năng sinh lời (KNSL) trở thành điều kiện sống còn đối với các doanh nghiệp niêm yết.

Vấn đề cốt lõi (Problem Statement) mà các nhà quản trị tài chính đang đối mặt là:

  • Sự suy giảm biên lợi nhuận ròng do chi phí vốn vay (Cost of Debt) tăng cao và áp lực đòn bẩy tài chính mất kiểm soát.
  • Tình trạng ứ đọng vốn lưu động tại các dự án dở dang làm suy giảm chỉ số thanh toán nhanh.
  • Tỷ lệ đầu tư tài sản cố định (TSCĐ) thiếu hiệu quả gây áp lực khấu hao nặng nề lên kết quả kinh doanh.
  • Thiếu hụt mô hình lượng hóa chuẩn xác để dự báo tác động đa chiều từ cả yếu tố nội tại doanh nghiệp lẫn biến số kinh tế vĩ mô.

Khóa luận tốt nghiệp đại học chuyên ngành Tài chính - Ngân hàng (Mã ngành: 7 34 02 01) của tác giả Trần Thanh Huyền, dưới sự hướng dẫn khoa học của TS. Đỗ Thị Hà Thương tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (2023), tập trung giải quyết toàn diện bài toán trên với 3 mục tiêu cụ thể:

  1. Xác định hệ thống 8 yếu tố vi mô và vĩ mô tác động đến KNSL của doanh nghiệp ngành Xây dựng và BĐS niêm yết trên thị trường chứng khoán Việt Nam giai đoạn 2015–2021.
  2. Lượng hóa chính xác mức độ tác động của từng yếu tố lên tỷ suất sinh lời trên tổng tài sản (ROA) và tỷ suất sinh lời trên vốn chủ sở hữu (ROE) thông qua hệ thống mô hình kinh tế lượng dữ liệu bảng (Panel Data).
  3. Đề xuất hệ thống hàm ý quản trị và giải pháp tài chính thực chứng nhằm tối ưu hóa hiệu quả hoạt động kinh doanh cho các doanh nghiệp trong giai đoạn phục hồi và tăng trưởng mới.

Phương pháp tiếp cận giải pháp sử dụng kỹ thuật phân tích hồi quy dữ liệu bảng đa biến trên phần mềm chuyên dụng Stata/MP phiên bản 17.0, kết hợp kiểm định giả thuyết đa tầng (F-test, Hausman Test, Breusch-Pagan Lagrange Multiplier, Wooldridge Test, Modified Wald Test) và hiệu chỉnh khuyết tật mô hình bằng phương pháp ước lượng bình phương nhỏ nhất tổng quát khả thi (Feasible Generalized Least Squares - FGLS/GLS).

Kết quả kỳ vọng định lượng đạt được:

  • Xây dựng bộ chỉ số thực nghiệm chuẩn xác từ 168 quan sát (24 doanh nghiệp $\times$ 7 năm).
  • Khắc phục triệt để 100% hiện tượng tự tương quan bậc nhất AR(1) và phương sai sai số thay đổi.
  • Cung cấp các hệ số hồi quy có ý nghĩa thống kê ở mức $p < 0.01$, $p < 0.05$ và $p < 0.10$.

Phạm vi nghiên cứu bao gồm 24 công ty cổ phần ngành Xây dựng và BĐS niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX) có báo cáo tài chính kiểm toán hoàn chỉnh liên tục từ năm 2015 đến năm 2021. Giới hạn nghiên cứu không bao gồm các doanh nghiệp chưa niêm yết hoặc các doanh nghiệp có chuỗi dữ liệu tài chính bị gián đoạn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các phương pháp phân tích tài chính truyền thống tại doanh nghiệp thường bộc lộ nhiều hạn chế khi áp dụng vào dữ liệu chuỗi thời gian không gian kết hợp.

Phương pháp Ưu điểm Nhược điểm Đánh giá mức độ phù hợp
Phân tích chỉ số đơn lẻ (Ratio Analysis) Đơn giản, trực quan, dễ tính toán trên Excel Bỏ qua sự tác động đồng thời của biến số vĩ mô và hiệu ứng trễ Không đủ độ tin cậy để dự báo chiến lược dài hạn
Hồi quy gộp (Pooled OLS) Dễ thực thi, tính toán nhanh hệ số chặn chung Bỏ qua đặc trưng riêng biệt không quan sát được của từng doanh nghiệp Gây chệch hệ số ước lượng (Heterogeneity bias)
Mô hình tác động cố định/ngẫu nhiên (FEM/REM) Kiểm soát đặc trưng riêng biệt theo đơn vị chéo và thời gian Thường vi phạm giả định OLS kinh điển: Phương sai thay đổi và tự tương quan Cần bước hiệu chỉnh khuyết tật nâng cao
Ước lượng GLS/FGLS toàn diện (Đề xuất) Khắc phục hoàn toàn phương sai thay đổi và tự tương quan Phức tạp trong xử lý ma trận hiệp phương sai Tối ưu nhất cho dữ liệu bảng 24 doanh nghiệp BĐS

Dựa trên khung phân tích yêu cầu MoSCoW:

  • Must have: Bộ dữ liệu chuẩn hóa 168 quan sát; 2 biến phụ thuộc ($ROA, ROE$); 8 biến độc lập ($GDP, INF, DEPT, FIX, OPERATE, SIZE, ACID, REV$); kiểm định lựa chọn mô hình chuẩn (F-test, Hausman test); ước lượng FGLS.
  • Should have: Bảng thống kê mô tả (Mean, Std. Dev, Min, Max); ma trận tương quan Pearson; kiểm định đa cộng tuyến qua hệ số phóng đại phương sai (VIF).
  • Could have: Đồ thị trực quan hóa phân phối phần dư và xu hướng tương quan.
  • Won't have (lần này): Hồi quy biến nội sinh bậc cao System GMM 2 bước (dành cho tập mẫu mở rộng $>100$ doanh nghiệp).

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo luồng chuẩn mực:

Công nghệ sử dụng bao gồm:

  • Môi trường tính toán: Stata/MP phiên bản 17.0 (chuyên dụng xử lý dữ liệu bảng đa luồng).
  • Xử lý trích xuất dữ liệu thô: Microsoft Excel 2021.
  • Nguồn số liệu vĩ mô: World Bank Open Data API / World Development Indicators (WDI).
  • Nguồn dữ liệu vi mô: Vietstock Database & Báo cáo tài chính kiểm toán thường niên 2015–2021.

Cấu trúc lược đồ dữ liệu bảng (Panel Schema) được thiết lập:

  • Khóa định danh bảng: id (Mã định danh doanh nghiệp, $1 \le id \le 24$).
  • Khóa thời gian: year (Năm tài chính, $2015 \le year \le 2021$).
  • Biến phụ thuộc: $$\text{ROA}{it} = \frac{\text{Lợi nhuận sau thuế}{it}}{\text{Tổng tài sản bình quân}{it}}$$ $$\text{ROE}{it} = \frac{\text{Lợi nhuận sau thuế}{it}}{\text{Vốn chủ sở hữu bình quân}{it}}$$
  • Phương trình hồi quy tổng quát: $$Y_{it} = \beta_0 + \beta_1 \text{GDP}{it} + \beta_2 \text{INF}{it} + \beta_3 \text{DEPT}{it} + \beta_4 \text{FIX}{it} + \beta_5 \text{OPERATE}{it} + \beta_6 \text{SIZE}{it} + \beta_7 \text{ACID}{it} + \beta_8 \text{REV}{it} + \varepsilon_{it}$$

Trong đó:

  • $\text{SIZE}{it} = \ln(\text{Tổng tài sản}{it})$
  • $\text{DEPT}{it} = \frac{\text{Nợ phải trả}{it}}{\text{Vốn chủ sở hữu}_{it}}$
  • $\text{FIX}{it} = \frac{\text{Tài sản cố định}{it}}{\text{Tổng tài sản}_{it}}$
  • $\text{ACID}_{it} = \frac{\text{Tiền} + \text{Đầu tư tài chính ngắn hạn} + \text{Khoản phải thu ngắn hạn}}{\text{Nợ ngắn hạn}}$
  • $\text{REV}{it} = \frac{\text{Doanh thu thuần}{t} - \text{Doanh thu thuần}{t-1}}{\text{Doanh thu thuần}{t-1}} \times 100$
  • $\text{OPERATE}_{it}$: Số năm hoạt động kể từ thời điểm thành lập.

Methodology

Nghiên cứu tuân thủ quy trình khoa học thực chứng 7 bước:

  1. Thu thập dữ liệu và xử lý ngoại lai (Data Sanitization).
  2. Khai báo bảng và kiểm tra cân bằng dữ liệu (Balanced Panel Setup).
  3. Thống kê mô tả và phân tích tương quan tuyến tính (Correlation Analysis).
  4. Hồi quy Pooled OLS, FEM, REM và kiểm định mô hình phù hợp.
  5. Kiểm định vi phạm giả định hồi quy (Diagnostic Tests):
    • Hiện tượng đa cộng tuyến qua vif.
    • Hiện tượng tự tương quan qua kiểm định Wooldridge: $H_0$: Không có tự tương quan bậc nhất.
    • Hiện tượng phương sai sai số thay đổi qua kiểm định Modified Wald test (xttest3) hoặc Breusch-Pagan Lagrange Multiplier.
  6. Xử lý khuyết tật bằng ước lượng FGLS.
  7. Thảo luận kết quả và đề xuất hàm ý chính sách.
Giai đoạn Thời gian Mục tiêu & Deliverables
Phase 1: Thu thập & Làm sạch Tuần 1 - 2 Thu thập 168 BCTC, đồng bộ chỉ số vĩ mô World Bank
Phase 2: Xây dựng Stata Do-File Tuần 3 Viết script tự động hóa kiểm định OLS, FEM, REM
Phase 3: Diagnostic Testing Tuần 4 Chạy kiểm định Hausman, Wooldridge, Modified Wald
Phase 4: FGLS Estimation & Viết báo cáo Tuần 5 - 6 Hoàn thiện mô hình GLS và soạn thảo luận văn

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được module hóa hoàn toàn thông qua Stata Do-file Script đạt chuẩn tái lập nghiên cứu (Reproducibility):

* ==============================================================================
* STATA SCRIPT: ANALYZING PROFITABILITY OF REAL ESTATE & CONSTRUCTION FIRMS
* Environment: Stata/MP 17.0 | Author: Tran Thanh Huyen (HUB - 2023)
* ==============================================================================

clear all
set more off

* 1. Nhap du lieu va thiet lap cau truc Panel Data
import excel "Data_BDS_2015_2021.xlsx", sheet("Sheet1") firstrow clear
xtset id year

* 2. Thong ke mo ta va Ma tran he so tuong quan
summarize ROA ROE GDP INF DEPT FIX OPERATE SIZE ACID REV
pwcorr ROA ROE GDP INF DEPT FIX OPERATE SIZE ACID REV, sig star(0.05)

* 3. Uoc luong mo hinh ROA
* Pooled OLS
regress ROA GDP INF DEPT FIX OPERATE SIZE ACID REV
estimates store pooled_roa
vif

* Fixed Effects Model (FEM)
xtreg ROA GDP INF DEPT FIX OPERATE SIZE ACID REV, fe
estimates store fem_roa

* Random Effects Model (REM)
xtreg ROA GDP INF DEPT FIX OPERATE SIZE ACID REV, re
estimates store rem_roa

* Kiem dinh lua chon mo hinh
hausman fem_roa rem_roa

* 4. Kiem dinh khuyet tat mo hinh tren REM/FEM
* Kiem dinh tu tuong quan Wooldridge
xtserial ROA GDP INF DEPT FIX OPERATE SIZE ACID REV

* Kiem dinh phuong sai sai so thay doi Modified Wald
xtreg ROA GDP INF DEPT FIX OPERATE SIZE ACID REV, fe
xttest3

* 5. Uoc luong mo hinh bang FGLS de khac phuc khuyet tat
xtgls ROA GDP INF DEPT FIX OPERATE SIZE ACID REV, panels(heteroskedastic) corr(ar1)
estimates store gls_roa

* Thuc hien tuong tu cho bien phu thuoc ROE
xtgls ROE GDP INF DEPT FIX OPERATE SIZE ACID REV, panels(heteroskedastic) corr(ar1)
estimates store gls_roe

Testing và validation

Kết quả kiểm định thống kê đa bước xác nhận tính hợp lý của mô hình FGLS:

  • Kiểm định đa cộng tuyến: Hệ số VIF cao nhất của các biến độc lập đều $< 2.0$ (trung bình VIF $\approx 1.35$), thấp hơn nhiều so với ngưỡng cảnh báo 10.0 hoặc 2.0 đối với dữ liệu kinh tế vĩ mô, khẳng định không xảy ra hiện tượng đa cộng tuyến.
  • Kiểm định lựa chọn mô hình:
    • Kiểm định F-test lựa chọn giữa Pooled OLS và FEM cho giá trị $Prob > F = 0.0000 < 0.05$, bác bỏ giả thuyết $H_0$, chọn FEM.
    • Kiểm định Hausman giữa FEM và REM cho kết quả Prob > chi2 $> 0.10$, chấp nhận giả thuyết $H_0$, ưu tiên chọn mô hình REM.
  • Kiểm định khuyết tật mô hình REM:
    • Kiểm định Wooldridge về tự tương quan cho giá trị $Prob > F < 0.05$, xác nhận mô hình tồn tại hiện tượng tự tương quan chuỗi bậc nhất AR(1).
    • Kiểm định Lagrangian Multiplier/Modified Wald cho giá trị $Prob > chi2 < 0.05$, xác nhận tồn tại hiện tượng phương sai sai số thay đổi (Heteroskedasticity).

Việc áp dụng phương pháp ước lượng GLS với tùy chọn panels(heteroskedastic) corr(ar1) đã triệt tiêu hoàn toàn tác động làm chệch sai số chuẩn của hai khuyết tật trên.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy mô hình GLS sau khi hiệu chỉnh toàn diện cho thấy độ tin cậy vượt trội:

Biến độc lập Ký hiệu Tác động tới ROA (Hệ số $\beta$) Tác động tới ROE (Hệ số $\beta$) Mức ý nghĩa thống kê ($p$-value) Kết luận giả thuyết
Tăng trưởng GDP GDP $+0.0042$ $+0.0118$ $p < 0.01$ (ROA & ROE) Chấp nhận $H_1$
Lạm phát CPI INF $+0.0028$ $+0.0065$ $p < 0.05$ (ROA & ROE) Chấp nhận $H_2$
Hệ số nợ/VCSH DEPT $-0.0051$ $-0.0142$ $p < 0.01$ (ROA & ROE) Chấp nhận $H_3$
Tỷ lệ TSCĐ FIX $-0.0315$ $-0.0821$ $p < 0.05$ (ROA & ROE) Bác bỏ $H_4$ (quan hệ âm)
Thời gian HĐ OPERATE $-0.0009$ $-0.0024$ $p < 0.10$ (ROA & ROE) Bác bỏ $H_5$ (quan hệ âm)
Quy mô DN SIZE $+0.0134$ $+0.0356$ $p < 0.01$ (ROA & ROE) Chấp nhận $H_6$
Thanh toán nhanh ACID $+0.0087$ $+0.0215$ $p < 0.01$ (ROA & ROE) Chấp nhận $H_7$
Tăng trưởng DT REV $+0.0003$ $+0.0008$ $p < 0.05$ (ROA & ROE) Chấp nhận $H_8$
Hệ số chặn _cons $-0.2845$ $-0.7412$ $p < 0.01$ Có ý nghĩa
Số quan sát $N$ 168 168 - Balanced Panel
Wald $\chi^2$ - $185.42^{***}$ $214.86^{***}$ $p = 0.0000$ Mô hình cực kỳ phù hợp

Các phát hiện trọng yếu:

  • Các yếu tố có tương quan dương với KNSL: SIZE, ACID, REV, GDP, INF.
  • Các yếu tố có tương quan âm với KNSL: DEPT, FIX, OPERATE.

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến kỹ thuật và giá trị học thuật nổi bật:

  • Khắc phục triệt để sai lầm ước lượng kinh tế lượng: Khác với các nghiên cứu trước đây chỉ dừng lại ở Pooled OLS hoặc chấp nhận mô hình FEM/REM dù còn khuyết tật, nghiên cứu này áp dụng quy trình kiểm định toàn diện và sử dụng FGLS làm công cụ ước lượng chuẩn, nâng độ chuẩn xác của sai số lên 100%.
  • So sánh đối chiếu với các công trình tiêu biểu:
    • So với Bolek & Wiliński (2012) và Cheng et al. (2016): Nghiên cứu làm rõ đặc thù thị trường BĐS Việt Nam khi quy mô doanh nghiệp (SIZE) đóng vai trò đòn bẩy tích cực thay vì trung lập.
    • So với Đỗ Thị Vân Trang (2019): Làm sáng tỏ tác động ngược chiều của tỷ lệ TSCĐ (FIX) và thời gian hoạt động (OPERATE) đối với cả ROA và ROE, bác bỏ quan niệm truyền thống cho rằng đầu tư mạnh vào TSCĐ luôn gia tăng hiệu quả kinh doanh xây dựng.
    • So với Phan Minh Trí (2022): Bổ sung tác động đồng thời của 2 chỉ số vĩ mô then chốt (GDP và INF), làm rõ hiện tượng lạm phát vừa phải thúc đẩy định giá tài sản và biên lợi nhuận của doanh nghiệp BĐS.

Ứng dụng thực tế và triển khai

Khuyến nghị quản trị tài chính cho doanh nghiệp (C-level & CFO)

  • Tối ưu hóa quy mô và khai thác lợi thế kinh tế theo quy mô (Economies of Scale): Tiếp tục mở rộng quy mô vốn và tài sản một cách có chọn lọc thông qua M&A dự án tiềm năng nhằm hạ giá thành xây dựng và gia tăng biên lợi nhuận.
  • Tái cơ cấu đòn bẩy tài chính và kiểm soát nợ vay: Hệ số DEPT có tác động âm rất mạnh đến ROA/ROE. Doanh nghiệp cần duy trì hệ số nợ/VCSH ở mức an toàn ($< 1.5$), đa dạng hóa nguồn vốn qua phát hành cổ phiếu hoặc trái phiếu công trình thay vì phụ thuộc tín dụng ngắn hạn.
  • Cải thiện tính thanh khoản và quản trị dòng tiền: Chỉ số ACID có tương quan dương mạnh. Cần thiết lập quỹ dự phòng tiền mặt và rút ngắn chu kỳ thu hồi công nợ khách hàng để bảo đảm khả năng thanh toán ngay.
  • Giảm thiểu tỷ trọng tài sản cố định không sinh lời: Tỷ lệ FIX mang hệ số âm sâu ($-0.0315$ trên ROA). Doanh nghiệp ngành xây lắp nên chuyển dịch sang mô hình thuê ngoài máy móc cơ giới (Leasing) để giảm chi phí khấu hao cố định.
  • Tái cấu trúc bộ máy quản trị đối với doanh nghiệp lâu năm: Biến OPERATE mang dấu âm chỉ ra sự trì trệ trong bộ máy quản lý của các doanh nghiệp thâm niên. Cần số hóa quy trình quản trị dự án bằng các phần mềm ERP và BIM hiện đại.

Kịch bản ứng dụng trong thẩm định tín dụng ngân hàng

  • Các ngân hàng thương mại có thể tích hợp phương trình FGLS vào hệ thống chấm điểm tín dụng nội bộ (Credit Scoring) để dự báo chính xác xác suất suy giảm ROA/ROE của khách hàng doanh nghiệp BĐS khi lạm phát và lãi suất biến động.

Hạn chế và hướng phát triển

Dự án thừa nhận một số hạn chế kỹ thuật và định hướng mở rộng:

  • Quy mô mẫu: Mới khảo sát 24 doanh nghiệp tiêu biểu với 168 quan sát do yêu cầu khắt khe về tính liên tục của dữ liệu kiểm toán. Hướng phát triển: Mở rộng tập mẫu lên toàn bộ 150+ doanh nghiệp trên cả 3 sàn HOSE, HNX và UPCoM.
  • Xử lý tính nội sinh (Endogeneity): Nghiên cứu chưa xem xét hiện tượng biến phụ thuộc trễ tác động ngược chiều. Hướng nghiên cứu tiếp theo sẽ tích hợp phương pháp System GMM (Generalized Method of Moments) 2 bước của Blundell-Bond.
  • Ứng dụng Trí tuệ nhân tạo (AI/Machine Learning): Kết hợp mô hình kinh tế lượng truyền thống với các thuật toán Machine Learning (XGBoost, Random Forest, CatBoost) nhằm xây dựng hệ thống tự động cảnh báo sớm rủi ro kiệt quệ tài chính thời gian thực.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                                |
+-----------------------+-------------------------------+-----------------------+
|  Sinh viên & Học viên |       Data Analysts & Devs    |     Lãnh đạo Doanh nghiệp|
|  - Cẩm nang kinh tế   |       - Stata script chuẩn    |     - Khung tái cơ cấu|
|    lượng thực hành    |         reproducibility       |       vốn & thanh khoản|
|  - Mẫu phân tích dữ   |       - Template kiểm định    |     - Hạ tỷ lệ nợ vay |
|    liệu bảng chuẩn mực|         khuyết tật tự động    |       để nâng cao ROE |
+-----------------------+-------------------------------+-----------------------+
|                       |      Nhà đầu tư & Ngân hàng   |                       |
|                       |      - Mô hình định giá rủi ro|                       |
|                       |      - Dự báo ROA theo vĩ mô  |                       |
+-----------------------+-------------------------------+-----------------------+
  • Sinh viên & Học viên cao học: Tiếp cận quy trình nghiên cứu định lượng chuẩn mực, nắm vững kỹ thuật kiểm định mô hình từ OLS đến FGLS.
  • Chuyên viên phân tích dữ liệu tài chính: Sở hữu script Stata hoàn chỉnh, có thể tái sử dụng ngay trong các dự án phân tích dữ liệu bảng thực tế.
  • Nhà quản trị doanh nghiệp: Nắm bắt các con số định lượng để ra quyết định cắt giảm tài sản cố định vô hình và tái cấu trúc nợ vay.
  • Nhà đầu tư chứng khoán: Có thêm công cụ định lượng hỗ trợ sàng lọc cổ phiếu BĐS và Xây dựng dựa trên các chỉ số thanh toán và quy mô tài sản.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật phần mềm tối thiểu để chạy mô hình là gì? Cần cài đặt Stata phiên bản từ 14.0 trở lên (khuyến nghị Stata/MP 17.0 hoặc Stata/SE 18.0) và Microsoft Excel 2016+ để chuẩn bị ma trận dữ liệu.

  2. Tại sao mô hình GLS/FGLS lại vượt trội hơn FEM và REM thông thường trong trường hợp này? Dữ liệu bảng của 24 doanh nghiệp BĐS thường xuyên xuất hiện sự chênh lệch quy mô dẫn đến phương sai sai số thay đổi và chuỗi thời gian 7 năm gây ra tự tương quan. Mô hình FEM/REM tiêu chuẩn sẽ cho ra sai số chuẩn bị chệch (biased standard errors), dẫn đến kết luận sai về ý nghĩa thống kê. Ước lượng GLS hiệu chỉnh ma trận hiệp phương sai sai số, giúp khôi phục tính hiệu quả (Efficiency) của các ước lượng.

  3. Mô hình có tích hợp được vào hệ thống Dashboard quản trị doanh nghiệp không? Có. Phương trình hồi quy thực nghiệm có thể được đóng gói thành các hàm API Python (FastAPI/Flask) hoặc tích hợp trực tiếp vào Power BI/Tableau để tự động tính toán ROA/ROE dự phóng khi các thông số đầu vào thay đổi.

  4. Doanh nghiệp cần bao lâu để cải thiện chỉ số ROA/ROE sau khi áp dụng các khuyến nghị? Thời gian tối ưu hóa cơ cấu vốn và thanh khoản nhanh thường mang lại kết quả rõ rệt trong 2–4 quý tài chính, trong khi việc thanh lý hoặc tái cấu trúc tài sản cố định cần lộ trình 1–2 năm tài chính.

  5. Chi phí triển khai giải pháp quản trị tài chính dựa trên dữ liệu là bao nhiêu? Chi phí chủ yếu tập trung vào phần mềm thống kê và chuẩn hóa dữ liệu nội bộ, mang lại tỷ suất hoàn vốn đầu tư (ROI) rất cao thông qua việc cắt giảm chi phí lãi vay và chi phí khấu hao không hiệu quả.

Kết luận

Khóa luận tốt nghiệp của tác giả Trần Thanh Huyền đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra, mang lại bức tranh thực nghiệm toàn diện và sâu sắc về các yếu tố chi phối khả năng sinh lời của ngành Xây dựng và Bất động sản Việt Nam giai đoạn 2015–2021.

Về mặt học thuật và kỹ thuật, nghiên cứu đã chứng minh tính ưu việt của phương pháp ước lượng GLS trong việc giải quyết triệt để các khuyết tật phương sai thay đổi và tự tương quan trên dữ liệu bảng. Về mặt thực tiễn, việc lượng hóa rõ ràng vai trò tích cực của quy mô, thanh khoản nhanh, tăng trưởng doanh thu cùng tác động tiêu cực của đòn bẩy nợ và tỷ lệ tài sản cố định cung cấp kim chỉ nam chuẩn xác cho các nhà quản trị trong việc hoạch định chiến lược kinh doanh an toàn, bền vững.

Các doanh nghiệp, chuyên viên phân tích và nhà nghiên cứu có thể ứng dụng trực tiếp mô hình này vào thực tiễn để nâng cao năng lực cạnh tranh và tối ưu hóa hiệu quả tài chính trong kỷ nguyên số.