Trang 1 NGÂN HÀNG NHÀ NƯỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH BÙI THỤY THOẠI NHƯ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN XÁC SUẤT VỠ NỢ CỦA DOANH NGHIỆP NGÀNH XÂY
GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
Tính cấp thiết của đề tài
Trong bối cảnh hội nhập kinh tế mạnh mẽ, bên cạnh cơ hội tham gia vào sân chơi quốc tế, mở rộng thị trường xuất khẩu và tiếp cận nguồn vốn nước ngoài, các doanh nghiệp đang phải đối diện với nhiều thách thức cũng như rủi ro trong môi trường cạnh tranh khốc liệt này Vì vậy, để tồn tại và phát triển, dù muốn hay không, các doanh nghiệp đều phải nâng cao hiệu quả quản lý và đánh giá rủi ro có thể gặp phải, đặc biệt là khả năng vỡ nợ Xác định xác suất vỡ nợ là một bước quan trọng để những nhà quản trị doanh nghiệp và người làm chính sách có thể đưa ra các phương án hành động kịp thời, giảm thiểu hậu quả tiêu cực và đảm bảo sự ổn định trong quá trình hoạt động kinh doanh
Trong thời gian qua, đại dịch Covid-19 đã đặt ra nhiều thách thức lớn cho doanh nghiệp Việt Nam, từ lạm phát do nới lỏng chính sách tiền tệ đến khó khăn trong quản lý tài chính Chiến sự giữa Nga và Ukraine cũng gây gián đoạn chuỗi cung ứng, ảnh hưởng đến sản xuất và phân phối hàng hóa Trước tình hình kinh tế khó lường đó, số lượng doanh nghiệp Việt Nam phải rút lui khỏi thị trường, tạm ngừng kinh doanh, giải thể đã được ghi nhận ở mức cao Ngành Xây dựng và Vật liệu đóng một vai trò quan trọng trong sự phát triển kinh tế và cơ sở hạ tầng của một quốc gia Tuy nhiên, dưới các ảnh hưởng tiêu cực của sự trì trệ thị trường bất động sản, “bão giá” vật liệu xây dựng, lãi suất ngân hàng tăng rất cao khiến các nhà thầu xây dựng, các doanh nghiệp kinh doanh vật liệu xây dựng không có khả năng chi trả hoặc gặp khó khăn trong quá trình thanh toán Theo thống kê của CBRE, các dự án
2 được cấp phép xây dựng ở phía Nam đang thấp kỷ lục Trong năm 2022, chỉ có khoảng 23 dự án, quý 1/2023 chỉ có 03 dự án Vào tháng 3/2023, Chủ tịch Hiệp hội Xây dựng và Vật liệu xây dựng Thành phố Hồ Chí Minh - Lê Viết Hải và 21 doanh nghiệp thành viên đã ký tên và gửi công văn kêu cứu đến Chính phủ, cùng Bộ Xây dựng, Ngân hàng Nhà nước Do đó, với mục tiêu duy trì khả năng thanh toán, đối phó các rủi ro tiềm ẩn, đảm bảo sự ổn định của các doanh nghiệp ngành Xây dựng và Vật liệu trong bối cảnh kinh tế vĩ mô đầy bất ổn, việc hiểu biết sâu rộng về các nhân tố ảnh hưởng đến xác suất vỡ nợ là quan trọng
Nghiên cứu về đề tài này, đã có nhiều lý thuyết và mô hình cả trong và ngoài nước được thực hiện phù hợp với các giai đoạn và tình hình thực tế mỗi quốc gia Nghiên cứu tiền đề trong lĩnh vực này có thể kể đến Mô hình Phân tích đa phân biệt (MDA) của Altman (1968) dựa trên các chỉ số tài chính nhằm dự báo khả năng phá sản doanh nghiệp; nghiên cứu của Nehrebecka (2018) sử dụng mô hình Logit và SVM để dự đoán rủi ro phá sản của các doanh nghiệp Tại Việt Nam có thể kể đến nghiên cứu của Nguyễn Thị Tuyết Lan (2019) sử dụng mô hình O-score; nghiên cứu của Trần Thị Vinh và Nguyễn Huỳnh Mỹ Vinh (2022) sử dụng mô hình Z-core để tìm ra các nhân tố ảnh hưởng đến rủi ro phá sản của các doanh nghiệp niêm yết tại Việt Nam Tuy nhiên, hầu hết các nghiên cứu này tập trung chủ yếu vào các khái niệm rủi ro tài chính, rủi ro phá sản, và xác suất phá sản, chưa có nhiều nghiên cứu nói về ảnh hưởng cụ thể của các nhân tố đến xác suất vỡ nợ trên dữ liệu doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) Bên cạnh đó, mặc dù các mô hình nêu trên đã được sử dụng phổ biến trong nghiên cứu, nhưng cần có sự cập nhật số liệu và điều chỉnh để phản ánh đặc thù của thị trường Việt Nam nói chung, và các doanh nghiệp Xây dựng và Vật liệu niêm yết trên HOSE nói riêng
Vì vậy, nhận thấy tính cấp thiết và quan trọng trong bối cảnh hiện nay, tác giả đã lựa chọn đề tài “ Các nhân tố ảnh hưởng đến xác suất vỡ nợ của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại Sở Giao dịch Chứng khoán Thành phố
Hồ Chí Minh (HOSE) ” làm đề tài nghiên cứu Khóa luận tốt nghiệp của mình
Mục tiêu nghiên cứu của đề tài
Mục tiêu tổng quát của đề tài là đề xuất các khuyến nghị nhằm giúp giảm thiểu XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
1.2.2 Mục tiêu cụ thể Để giải quyết mục tiêu tổng quát trên, bài nghiên cứu đã đặt ra ba mục tiêu cụ thể như sau:
Thứ nhất: Xác định các nhân tố ảnh hưởng đến XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
Thứ hai: Đánh giá mức độ và chiều hướng ảnh hưởng của các nhân tố đến
XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
Thứ ba: Từ những kết quả thu được, đề xuất các khuyến nghị nhằm giảm thiểu XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE.
Câu hỏi nghiên cứu của đề tài
Thứ nhất: Các nhân tố nào ảnh hưởng đến XSVN của doanh nghiệp ngành
Xây dựng và Vật liệu niêm yết tại HOSE?
Thứ hai: Mức độ và chiều hướng ảnh hưởng của các nhân tố đó như thế nào?
Nhân tố nào ảnh hưởng lớn nhất đến XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE?
Thứ ba: Những khuyến nghị nào giúp giảm thiểu XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE?
Đối tượng và phạm vi nghiên cứu
Các nhân tố ảnh hưởng đến XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
Phạm vi không gian : Bài nghiên cứu được thực hiện dựa trên số liệu từ 44 doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
Phạm vi thời gian : Bài nghiên cứu thực hiện phân tích số liệu trong giai đoạn
Dữ liệu và phương pháp nghiên cứu
1.5.1 Dữ liệu nghiên cứu Đối với bài nghiên cứu này, dữ liệu chủ yếu là dữ liệu thứ cấp, được tác giả thu thập từ báo cáo tài chính đã kiểm toán của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE từ năm 2018-2022 thông qua các trang web đáng tin cậy (FiinPro, Vietstock, Cafef) Bài nghiên cứu bao gồm 44 doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE trong thời gian 5 năm từ 2018-2022, Từ đó tạo nên mẫu dữ liệu bảng gồm 220 quan sát (44 doanh nghiệp x 5 năm) đã qua tổng hợp, xử lý và thiết kế bằng Excel
Bài nghiên cứu sử dụng phương pháp phân tích định lượng thông qua việc áp dụng mô hình điểm số Z-score để xác định và đo lường các nhân tố ảnh hưởng đến XSVN của các doanh nghiệp Tác giả sử dụng phần mềm Excel để thu thập và tính toán các công thức cấu phần của từng biến Sau đó sử dụng phần mềm Stata 17.0 để thực hiện hồi quy dữ liệu bảng và kiểm định các giả thuyết bằng các phương pháp như Pooled OLS, REM, FEM Ngoài ra, bài nghiên cứu còn kết hợp sử dụng các phương pháp thống kê, so sánh, phân tích Cuối cùng, thực hiện các kiểm định phát hiện hiện tượng đa cộng tuyến, kiểm định phương sai sai số thay đổi và tự tương quan để chọn ra mô hình phù hợp nhất.
Đóng góp của đề tài
1.6.1 Đóng góp về mặt lý luận
Nghiên cứu góp phần bổ sung thêm một nghiên cứu thực nghiệm về xác suất vỡ nợ của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
1.6.2 Đóng góp về mặt thực tiễn
Các hàm ý chính sách rút ra từ nghiên cứu có thể giúp các nhà đầu tư đưa ra các quyết định đầu tư chính xác hơn, tối ưu hóa danh mục đầu tư và quản lý rủi ro
5 tốt hơn Ngoài ra, kết quả nghiên cứu có thể cung cấp thông tin hữu ích cho chính phủ và các cơ quan quản lý để đưa ra các chính sách hỗ trợ và giám sát thích hợp.
Bố cục của đề tài
Ngoài phần danh mục từ viết tắt, danh mục bảng và biểu đồ, danh mục tài liệu tham khảo và phụ lục, đề tài được kết cấu thành 5 chương như sau:
Chương 1: Giới thiệu đề tài nghiên cứu
Trong chương này, tác giả trình bày về tính cấp thiết của đề tài, mục tiêu nghiên cứu, phạm vi và đối tượng nghiên cứu, phương pháp nghiên cứu, các đóng góp của đề tài và bố cục đề tài để có cái nhìn tổng quát về toàn bộ nghiên cứu
Chương 2: Cơ sở lý thuyết và lược khảo các nghiên cứu có liên quan
Tác giả thực hiện tổng hợp các cơ sở lý thuyết về XSVN, các mô hình đo lường và các nhân tố ảnh hưởng đến XSVN của doanh nghiệp Ngoài ra, bài nghiên cứu còn lược khảo các nghiên cứu liên quan trong và ngoài nước để làm cơ sở đề xuất mô hình và các biến trong nghiên cứu
Chương 3: Phương pháp nghiên cứu
Từ các cơ sở lý thuyết và nghiên cứu liên quan ở chương 2, trong chương 3, tác giả xác định các biến có trong mô hình, từ đó đưa ra các giả thuyết kỳ vọng, trình bày dữ liệu nghiên cứu, phương pháp nghiên cứu và đề xuất mô hình
Chương 4: Kết quả nghiên cứu và bàn luận
Trong chương này thực hiện phân tích thống kê mô tả, ma trận tương quan, kết quả hồi quy, kiểm định lựa chọn mô hình, kiểm định và khắc phục khuyết tật mô hình Từ đó, xác định và thảo luận các nhân tố ảnh hưởng đến XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
Chương 5 : Kết luận và khuyến nghị
Tác giả thực hiện kết luận lại các kết quả đạt được, từ đó đề xuất các khuyến nghị nhằm giảm thiểu XSVN, chỉ ra các hạn chế và hướng nghiên cứu tiếp theo
Trong chương 1, tác giả đã giới thiệu tổng quan về đề tài nghiên cứu, tính cấp thiết của việc xác định XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE trong bối cảnh kinh tế đầy bất ổn này Ngoài ra, tác giả còn trình bày mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, ý nghĩa khoa học và thực tiễn của bài khóa luận Đây là cơ sở cho các bước nghiên cứu tiếp theo
CƠ SỞ LÝ THUYẾT VÀ LƯỢC KHẢO CÁC NGHIÊN CỨU CÓ LIÊN QUAN
Cơ sở lý thuyết về xác suất vỡ nợ của doanh nghiệp
Trong quá trình xem xét đề xuất cấp tín dụng, việc đánh giá kết quả xếp hạng tín nhiệm (XHTN) của các ngân hàng là một phần không thể thiếu và vô cùng quan trọng Điều này giúp các ngân hàng xác định chính xác XSVN, một yếu tố chủ chốt quyết định khả năng một doanh nghiệp có thể nhận được vốn vay hay không và mức lãi suất mà doanh nghiệp phải chịu Doanh nghiệp có xếp hạng cao thường có lợi thế với lãi suất thấp, trong khi xếp hạng thấp có thể dẫn đến lãi suất cao, tăng chi phí tài chính Vì vậy, có thể nói XHTN là một công cụ mạnh mẽ để định lượng rủi ro doanh nghiệp và được phát triển như một dạng hoạt động độc lập trên thị trường (Nguyễn Thị Phương, 2018)
Cuộc xếp hạng thử nghiệm ban đầu được bắt đầu bởi bởi Henry Poor, người đã công bố số liệu thống kê tài chính của các công ty đường sắt vào năm 1860 Sau đó vào năm 1909, thuật ngữ "xếp hạng tín nhiệm" lần đầu tiên được John Moody đề cập trong ấn phẩm liên quan đến các trái phiếu của các đường sắt Hoa Kỳ Khi tiến hành nghiên cứu, phân tích và công bố bảng XHTN đầu tiên cho 1500 trái phiếu của 250 công ty, Moody sử dụng một thang đo biểu tượng có thứ tự từ Aaa (chất lượng cao nhất) đến C (chất lượng thấp nhất) Theo đó, công ty Moody’s (do John Moody sáng lập) đã định nghĩa rằng XHTN là đánh giá về khả năng và sự thiện chí của chủ thể trong việc thanh toán đúng hạn cho các khoản nợ trong suốt thời gian tồn tại của nó.
Còn theo quan điểm của S&P Global Ratings (2023), XHTN là những đánh giá dự báo về khả năng trả nợ của tổ chức phát hành Chúng tạo ra một ngôn ngữ chung và minh bạch toàn cầu, giúp nhà đầu tư đánh giá và so sánh khả năng trả nợ của các tổ chức Tuy nhiên, XHTN chỉ là một trong nhiều yếu tố mà nhà đầu tư và các bên tham gia thị trường khác có thể xem xét như là một phần của quá trình ra quyết định của họ
Còn theo nghiên cứu của Schroeter (2013) đã chỉ ra rằng XHTN chỉ là những quan điểm chủ quan và dự đoán từ các công ty XHTN tư nhân Mặc dù các tổ chức xếp hạng thường xuyên xem xét nhiều yếu tố khách quan nhưng XHTN cuối cùng là kết quả của cân nhắc chủ quan Do đó, nó chỉ là quan điểm cá nhân, không thể chứng minh là đúng hay sai, cũng không đảm bảo chất lượng tín dụng vì không ai có thể dự đoán tương lai một cách khách quan được.
Tóm lại, có thể hiểu khái quát XHTN là một quá trình các tổ chức XHTN thực hiện đánh giá hoặc xếp loại mức độ đáng tin cậy, khả năng thanh toán các khoản nợ của các chủ thể trong việc thực hiện các cam kết tài chính của mình XHTN đóng vai trò quan trọng trong việc ước tính XSVN, và nó thường được sử dụng bởi các ngân hàng, nhà đầu tư, và các bên tham gia thị trường tài chính để đánh giá và quản lý rủi ro đầu tư.
XSVN đóng vai trò quan trọng trong quá trình đo lường rủi ro tín dụng và là một phần quan trọng của dữ liệu đầu vào trong quản trị rủi ro, đặc biệt là trong quá trình XHTN của doanh nghiệp Tuy nhiên, không có một định nghĩa tiêu chuẩn cho khái niệm "vỡ nợ." Khái niệm này có thể được hiểu và định nghĩa khác nhau tùy thuộc vào ngữ cảnh và lĩnh vực cụ thể (Schuermann, 2004) Đồng ý kiến với Schuermann, trong nghiên cứu của Sy (2007), vỡ nợ có thể được định nghĩa theo hai cách là quá hạn trả nợ và mất khả năng thanh toán Quá hạn trả nợ đề cập đến việc không đáp ứng được khoản thanh toán của khoản vay
9 đúng hạn, trong khi mất khả năng thanh toán liên quan đến tình huống tài sản của người vay ít hơn số nợ mà họ phải trả Ủy ban Basel về Giám sát Ngân hàng (2005) trình bày một định nghĩa khác về vỡ nợ, trong đó vỡ nợ được xem là đã xảy ra khi có một trong hai sự kiện sau: (i) Người có nghĩa vụ trả nợ không có khả năng thanh toán đầy đủ nghĩa vụ trả nợ của mình; (ii) Người có nghĩa vụ trả nợ đã quá hạn trả nợ hơn 90 ngày, đồng thời các khoản thấu chi được coi là có giới hạn nhỏ hơn so với số dư hiện tại
Hay theo Quỹ Tiền tệ Quốc tế (IMF) định nghĩa vỡ nợ đơn giản là việc vi phạm hợp đồng hoặc không thực hiện đúng lời hứa Theo Từ điển Tài chính và Ngân hàng (Oxford Reference, 2012), vỡ nợ có thể được định nghĩa là việc không thực hiện các khoản thanh toán bắt buộc.
Nhìn chung, định nghĩa về vỡ nợ chủ yếu xoay quanh việc doanh nghiệp không trả nợ đúng hạn hay thậm chí gặp khó khăn về tài chính dẫn đến việc không đủ khả năng thanh toán các khoản nợ đến hạn Tuy nhiên, trong tình trạng vỡ nợ kéo dài, doanh nghiệp thường phải đối mặt với những hậu quả nặng nề, bao gồm mất quyền kiểm soát, giảm giá trị tài sản và thậm chí là phá sản.
XSVN là một tham số quan trọng trong lĩnh vực tài chính và ngân hàng khi nghiên cứu và đánh giá rủi ro tín dụng dựa trên tiêu chuẩn Basel (Đặng Thị Thu Hằng, 2019) Đặc biệt, sau cuộc khủng hoảng tài chính toàn cầu vào năm 2008, XSVN đã trở thành một chủ đề được quan tâm đặc biệt, và các quy định theo tiêu chuẩn Basel đã được cập nhật để tăng cường khả năng đo lường và quản lý rủi ro tín dụng, bao gồm việc đánh giá và quản lý XSVN một cách chặt chẽ hơn
Theo Basel II, XSVN được xem là một chỉ báo về rủi ro tín dụng, nó thể hiện khả năng xảy ra tình trạng một khách hàng không thể thực hiện nghĩa vụ tài chính theo cam kết ban đầu Cùng quan điểm đó, Bandyopadhyay (2006) cho rằng XSVN là thước đo về rủi ro tín dụng, đánh giá khả năng và ý chí của người vay trong việc không đủ khả năng đáp ứng các cam kết nghĩa vụ của mình.
XSVN là rủi ro người vay không thể hoặc không sẵn sàng trả nợ đầy đủ theo đúng hạn XSVN thường liên quan đến các vấn đề tài chính như dòng tiền không đủ để bù đắp chi phí, giảm doanh thu hoặc lợi nhuận, đòn bẩy tài chính cao, giảm thanh khoản và không đảm bảo khả năng thực hiện kế hoạch kinh doanh thành công Đánh giá sẵn sàng trả nợ của người vay cũng là một phần quan trọng để xác định XSVN.
Còn với quan điểm của Viện Tài chính Doanh nghiệp (CFI), XSVN là xác suất một người vay hoặc người nợ không thể hoàn trả khoản vay và được các nhà đầu tư sử dụng để tính toán mức mất mát dự kiến từ một khoản đầu tư
Hoặc theo Joseph (2021), XSVN còn được biết đến là tỷ lệ vỡ nợ, là một thuật ngữ thường được sử dụng trong quản lý rủi ro tài chính để mô tả khả năng xảy ra sự vỡ nợ trong một khoảng thời gian cụ thể Nó cung cấp một ước lượng về khả năng một người vay sẽ không thể đáp ứng các nghĩa vụ nợ của mình.
Như vậy, từ các định nghĩa trên có thể hiểu XSVN là một khái niệm trong lĩnh vực tài chính và ngân hàng, thường được sử dụng để đo lường khả năng một người hoặc tổ chức không thể thanh toán các khoản nợ hoặc nghĩa vụ tài chính của họ đúng hạn XSVN có thể giúp giảm rủi ro tín dụng một cách hiệu quả nếu được xem xét đầy đủ
2.1.3 Các mô hình dự báo xác suất vỡ nợ doanh nghiệp
2.1.3.1 Mô hình mạng thần kinh nhân tạo
Lược khảo các nghiên cứu liên quan
2.2.1 Nghiên cứu trên thế giới
Nhóm tác giả Yap và cộng sự (2010) đã thực hiện nghiên cứu 64 công ty trong lĩnh vực sản xuất (32 công ty đã thất bại và 32 công ty đang hoạt động) với mục đích phát triển một mô hình cải thiện khả năng dự đoán cho sự thất bại của các công ty với các điều kiện tài chính, kinh doanh và hoạt động khác nhau tại Malaysia Một mô hình phân tích đa phân biệt (MDA) được tìm thấy với 7 chỉ số tài chính đã được chọn trong số 16 chỉ số, cụ thể là tổng tài sản trên tổng nợ phải trả (FFTL), dòng tiền trên tổng nợ dài hạn (CFTD), tổng nợ dài hạn trên tổng tài sản (TDTA), vốn lưu động trên tổng tài sản (WCTA), thu nhập giữ lại trên tổng tài sản (RETA), thu nhập trước thuế và lãi vay (EBIT) và thu nhập ròng trên doanh thu (NIS) Kết quả chỉ ra rằng, mô hình MDA là một công cụ thống kê mạnh và rất đáng tin cậy có khả năng dự đoán tốt với tỷ lệ chính xác trung bình là 90% đối với mẫu phân tích và trung bình 89% đối với mẫu nắm giữ trong 5 năm trước khi xảy ra sự cố thực tế
Tserng và cộng sự (2014) đã tiến hành đánh giá XSVN của doanh nghiệp xây dựng dựa trên phân tích Logit Nhóm tác giả đã sử dụng 21 tỷ số tài chính được tập hợp thành 5 nhóm, được lấy từ 87 doanh nghiệp xây dựng Mỹ từ 1970 đến 2006 với
1560 quan sát, trong đó có 29 doanh nghiệp vỡ nợ và 58 doanh nghiệp không vỡ nợ Kết quả của nghiên cứu đã chỉ ra rằng việc sử dụng phân tích đa biến bằng cách thêm yếu tố thị trường vào các yếu tố thanh khoản, đòn bẩy, hoạt động và lợi nhuận có thể làm tăng độ chính xác của dự đoán vỡ nợ hơn là chỉ sử dụng bốn yếu tố tài chính, đặc biệt là trong đánh giá ngắn hạn
Dựa trên mẫu dữ liệu 370 công ty xây dựng vừa và nhỏ đang hoạt động và 156 công ty xây dựng vừa và nhỏ đã bị thanh lý hoặc đang trong quá trình phá sản,
Voiko (2019) đã đề xuất mô hình Logit để xác định các yếu tố dự báo chính về phá sản trong các tổ chức xây dựng ở Liên bang Nga Kết quả nghiên cứu đã chỉ ra rằng, hệ số ROS có ảnh hưởng mạnh nhất và ngược chiều đến xác suất phá sản của các công ty xây dựng Ngoài ra, xác suất phá sản của các công ty xây dựng còn có mối quan hệ ngược chiều với quy mô công ty, chỉ số thanh toán hiện hành, tỷ lệ vốn chủ sở hữu trên tất cả các khoản nợ và ROE Trong khi đó, chỉ số logarit tự nhiên của doanh thu (lnRevenue) tăng lên sẽ làm tăng xác suất phá sản
Bài nghiên cứu của Prado và cộng sự (2019) về dự đoán khả năng phá sản của các công ty đại chúng Brazil bằng phương pháp DA, hồi quy logit và ANN Bài nghiên cứu được tiến hành dựa trên 35 chỉ số tài chính từ 121 công ty từ các ngành khác nhau, trong đó có 70 công ty có khả năng thanh toán và 51 công ty mất khả năng thanh toán Kết quả cho thấy sự ưu việt của ANN so với hồi quy Logit, cũng như sự ưu việt của mô hình logit so với DA Mức độ chính xác của các mô hình là 90.9% cho DA, 90.9% cho Logit và 97.8% cho ANN Điều này làm nổi bật tính hiệu quả và khả năng dự đoán cao của mô hình mạng thần kinh nhân tạo trong việc đánh giá nguy cơ phá sản của các công ty
Trong bài nghiên cứu của Vũ Thị Hậu (2017), mô hình Alexander Bathory được sử dụng để phân tích các yếu tố ảnh hưởng đến rủi ro tài chính dựa trên mẫu dữ liệu của 34 công ty cổ phần niêm yết ngành Bất động sản tại HOSE giai đoạn 2013-2015 Kết quả nghiên cứu cho thấy rủi ro tài chính có mối tương quan ngược chiều với nhóm hệ số khả năng thanh toán (gồm hệ số khả năng thanh toán hiện hành, hệ số khả năng thanh toán nhanh, hệ số khả năng thanh toán tổng quát) và nhóm cơ cấu vốn (gồm hệ số vốn cố định) Ngoài ra mức độ ảnh hưởng của cơ cấu vốn là mạnh nhất, ảnh hưởng của hệ số thanh toán thấp hơn
Bài nghiên cứu của Nguyễn Trung Hiếu (2019) về việc xác định các nhân tố tài chính ảnh hưởng đến rủi ro vỡ nợ của doanh nghiệp ngành xây dựng, BĐS niêm yết tại 2 sàn HOSE và HNX Với việc sử dụng dữ liệu từ báo cáo tài chính đã được kiểm toán của 178 doanh nghiệp từ 2015-2018, nghiên cứu đã tập trung vào 31 biến
21 số được chia thành 5 nhóm tài chính: đòn bẩy, thanh khoản, hoạt động, hiệu quả, lợi nhuận Kết quả cho thấy rằng mô hình hồi quy Logit vượt trội về độ chính xác trong việc dự báo rủi ro vỡ nợ, với tỷ lệ dự đoán đúng lên đến 92.9%, so sánh với 87.2% của mô hình MDA Nghiên cứu cũng chỉ ra rằng thanh khoản, hiệu quả hoạt động và khả năng tạo lợi nhuận là những yếu tố quan trọng ảnh hưởng đến rủi ro vỡ nợ của các doanh nghiệp trong ngành này
Từ dữ liệu thu thập từ 439 doanh nghiệp niêm yết trên sàn chứng khoán Việt Nam trong thời gian từ 2008-2019, Trương Thanh Hằng và Nguyễn Thị Nga (2022) đã thực hiện nghiên mối quan hệ giữa nguy cơ phá sản doanh nghiệp với các nhân tố nội tại bên trong doanh nghiệp niêm yết trên sàn chứng khoán Việt Nam Bài nghiên cứu sử dụng lý thuyết đại diện là lý thuyết nền tảng và mô hình Z-score là mô hình gốc để đo lường sáu nhân tố gồm quy mô doanh nghiệp (SIZE), tỷ suất sinh lời trên tổng tài sản (ROA), tỷ suất thanh toán hiện thời (CR), đòn bẩy tài chính (FL), mức độ thâm dụng vốn (FAR) và quy mô công ty kiểm toán (AUDIT_CO) Kết quả cho thấy ROA, CR có ảnh hưởng cùng chiều đến nguy cơ phá sản doanh nghiệp, FL có ảnh hưởng ngược chiều đến nguy cơ phá sản doanh nghiệp và ba nhân tố này giải thích được 86.78% biến động của nguy cơ phá sản doanh nghiệp Với mục tiêu phân tích các nhân tố ảnh hưởng đến rủi ro phá sản doanh nghiệp ngành Nguyên vật liệu được niêm yết trên HOSE và HNX, nghiên cứu của Trần Thị Vinh và Nguyễn Huỳnh Mỹ Vinh (2022) đã thu thập dữ liệu với 230 quan sát từ 46 doanh nghiệp ngành nguyên vật liệu niêm yết trên sàn HOSE và HNX trong giai đoạn 2016-2020 Mô hình nghiên cứu được thiết kế bằng cách mở rộng mô hình Z điều chỉnh thông qua việc đưa vào các biến độc lập thường xuyên xuất hiện và có ý nghĩa thống kê trong các bài nghiên cứu liên quan trước đây vào Kết quả sau khi thực hiện hồi quy cho thấy biến WCTA (vốn lưu động/Tổng tài sản) và RETA (lợi nhuận giữ lại/Tổng tài sản) có ảnh hưởng cùng chiều với rủi ro phá sản, biến TLTA (Tổng nợ phải trả/Tổng tài sản) và ARSAL (khoản phải thu/Doanh thu thuần) có ảnh hưởng ngược chiều với rủi ro phá sản doanh nghiệp
Bảng 2.1 Tóm tắt các nghiên cứu liên quan
STT Tác giả Phạm vi nghiên cứu Mô hình Kết quả nghiên cứu
Nghiên cứu trên thế giới
32 công ty đã thất bại và 32 công ty đang hoạt động ngành sản xuất tại Malaysia
FFTL, CFTD, TDTA, WCTA, RETA, EBIT, NI ảnh hưởng đến sự thất bại của các công ty
Mô hình MDA có khả năng dự đoán tốt
87 doanh nghiệp xây dựng Mỹ từ 1970-2006 (29 doanh nghiệp vỡ nợ và 58 doanh nghiệp không vỡ nợ)
Thêm yếu tố thị trường vào phân tích bên cạnh các yếu tố thanh khoản, đòn bẩy, hoạt động và lợi nhuận giúp dự đoán vỡ nợ chính xác hơn
370 công ty xây dựng vừa và nhỏ đang hoạt động và 156 công ty đã bị thanh lý hoặc đang trong quá trình phá sản tại Liên bang Nga
Hệ số ROS, quy mô công ty, chỉ số thanh toán hiện hành, tỷ lệ vốn chủ sở hữu/tất cả các khoản nợ và ROE có ảnh hưởng (-) đến xác suất phá sản lnRevenue có tác động (+) đến xác suất phá sản
121 công ty từ các ngành khác nhau (70 công ty có khả năng thanh toán và 51 công ty mất khả năng thanh toán) tại Brazil
Mô hình ANN có mức độ dự đoán chính xác cao hơn mô hình Logit và DA
34 công ty cổ phần niêm yết ngành Bất động sản tại HOSE giai đoạn 2013-2015
Nhóm hệ số thanh toán và nhóm cơ cấu vốn có tác động (-) đến rủi ro tài chính
Nhóm cơ cấu vốn có tác động mạnh nhất
178 doanh nghiệp ngành Xây dựng, BĐS niêm yết trên sàn HOSE và HNX trong giai đoạn
Mô hình Logit độ chính xác cao hơn MDA Thanh khoản, hiệu quả hoạt động và khả năng tạo lợi nhuận là hưởng đến rủi ro vỡ nợ
439 doanh nghiệp niêm yết trên sàn chứng khoán Việt Nam trong thời gian từ năm 2008 đến năm 2019
ROA, CR có tác động (+) với nguy cơ phá sản doanh nghiệp
FL có tác động (-) với nguy cơ phá sản doanh nghiệp
Trần Thị Vinh và Nguyễn
46 doanh nghiệp ngành nguyên vật liệu niêm yết trên sàn HOSE và HNX trong giai đoạn 2016-2020
Biến vốn lưu động/Tổng tài sản, Lợi nhuận giữ lại/Tổng tài sản có tác động (+) với rủi ro phá sản
Biến Tổng nợ phải trả/Tổng tài sản và Khoản phải thu/Doanh thu thuần có tác động (-) với rủi ro phá sản
Nguồn: Tác giả tổng hợp
Trong chương 2 này, tác giả đã thực hiện hệ thống các cơ sở lý thuyết liên quan đến khái niệm XSVN của doanh nghiệp cùng với các nhân tố ảnh hưởng đến XSVN của doanh nghiệp Các nhân tố này bao gồm tốc độ tăng trưởng kinh tế (được biểu hiện thông qua GDP), lạm phát, lãi suất, chỉ số đòn bẩy, chỉ số thanh khoản, chỉ số lợi nhuận, chỉ số hiệu quả hoạt động và quy mô doanh nghiệp Đồng thời, bài nghiên cứu cũng đề cập đến một số mô hình dự báo XSVN của doanh nghiệp như mô hình mạng thần kinh nhân tạo, mô hình cây quyết định, mô hình Z- score, mô hình logit Ngoài ra, tác giả đã lược khảo 4 nghiên cứu trong nước và 4 nghiên cứu ngoài nước để xác định mô hình và các biến nghiên cứu sẽ thực hiện ở bước tiếp theo
PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
Nhằm đạt được các mục tiêu đề ra, bài nghiên cứu tiến hành theo các bước cụ thể như Hình 3.1 sau:
Hình 3.1 Quy trình thực hiện nghiên cứu
Nguồn: Tác giả tổng hợp Bước 1 Xác định vấn đề nghiên cứu Đây là bước đầu tiên và quan trọng để định hình và triển khai quá trình nghiên cứu Tác giả đã xác định và làm rõ vấn đề nghiên cứu là các nhân tố ảnh hưởng đến XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
Xác định vấn đề nghiên cứu
Tổng quan cơ sở lý thuyết và các nghiên cứu liên quan
Thiết kế mô hình nghiên cứu
Thu thập và xử lý dữ liệu
Xác định phương pháp nghiên cứu
Trình bày và thảo luận kết quả
Bước 2 Tổng quan cơ sở lý thuyết và lược khảo các nghiên cứu liên quan
Tác giả thực hiện tìm hiểu các cơ sở lý thuyết liên quan XSVN như khái niệm, các mô hình đo lường và các nhân tố ảnh hưởng đến XSVN doanh nghiệp Bên cạnh đó, bài nghiên cứu còn lược khảo các nghiên cứu liên quan trước đây ở trong và ngoài nước, sau đó đưa ra ý tưởng xây dựng mô hình nghiên cứu
Bước 3 Thiết kế mô hình nghiên cứu
Từ cơ sở lý thuyết và các nghiên cứu thực nghiệm đề cập ở bước 2, tác giả lựa chọn mô hình phù hợp với các điều kiện nghiên cứu Đồng thời giải thích các biến, mô tả dữ liệu và xây dựng các giả thuyết cho mô hình nghiên cứu
Bước 4 Thu thập và xử lý dữ liệu
Tác giả tiến hành thu thập dữ liệu từ các báo cáo tài chính đã kiểm toán của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE, các dữ liệu về kinh tế vĩ mô từ các trang web uy tín như IMF, World Bank phù hợp với đối tượng, mục tiêu và phạm vi nghiên cứu Sau đó, thực hiện xử lý dữ liệu đã thu thập được để tính toán phục vụ cho việc chạy mô hình nghiên cứu
Bước 5 Xác định phương pháp nghiên cứu và chạy mô hình
Nghiên cứu thực hiện chạy mô hình trên phần mềm Stata 17 với phương pháp nghiên cứu cụ thể gồm thống kê mô tả, phân tích tương quan, phân tích hồi quy dữ liệu bảng theo phương pháp Pooled OLS và các mô hình hồi quy FEM, REM
Bước 6 Kiểm định mô hình
Dựa vào các kết quả thu được từ bước 5, bài nghiên cứu tiến hành các kiểm định F-test, kiểm định Hausman nhằm lựa chọn mô hình, tiếp đó thực hiện các kiểm định khuyết tật mô hình như đa cộng tuyến, tự tương quan, phương sai sai số thay đổi Trong trường hợp mô hình lựa chọn xảy ra các khuyết tật thì tiến hành khắc phục bằng phương pháp ước lượng FGLS để tìm kết quả hồi quy đáng tin cậy
Bước 7 Trình bày và thảo luận kết quả
Bài nghiên cứu thực hiện phân tích và nhận xét kết quả thu được về các nhân tố ảnh hưởng đến XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm
27 yết tại HOSE Đồng thời, thảo luận, so sánh với kết quả của các nghiên cứu liên quan trước đây
Từ kết quả nghiên cứu, tác giả đưa ra kết luận và đề xuất các khuyến nghị nhằm hạn chế XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE Sau cùng là chỉ ra hướng nghiên cứu tiếp theo trong tương lai.
Mô hình nghiên cứu
Trên cơ sở từ các nghiên cứu liên quan trước đây đã được lược khảo ở chương
2 và kết hợp điều kiện phù hợp với thị trường Việt Nam, tác giả thấy rằng XSVN của doanh nghiệp phụ thuộc vào các nhân tố đòn bẩy tài chính, tính thanh khoản, hiệu quả hoạt động, khả năng sinh lời, quy mô doanh nghiệp và các yếu tố vĩ mô
Từ đó, tác giả mô tả dạng hàm tuyến tính của mô hình như sau:
Yit : Biến phụ thuộc, đại diện XSVN của doanh nghiệp i tại thời điểm t, được đo lường bởi hệ số điểm Z-score của Altman.
𝛽 0 : Hệ số góc của mô hình
𝛽 𝑖 : Hệ số hồi quy của biến Xit
Xit : Các nhân tố ảnh hưởng đến XSVN của doanh nghiệp t : thời gian 1,2, 5 năm uit : phần dư
Tác giả lựa chọn kế thừa kết quả của Trương Thanh Hằng và Nguyễn Thị Nga
(2022) để xây dựng mô hình nghiên cứu Đồng thời, dựa vào các nghiên cứu thực nghiệm có liên quan được tiến hành trên thế giới và ở Việt Nam như nghiên cứu của Yap và cộng sự (2010), Voiko (2019), Vũ Thị Hậu (2017) … tác giả tiến hành bổ sung, bỏ bớt một số biến độc lập để phù hợp với hoạt động của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE và thỏa mãn điều kiện về ý nghĩa thống kê trong các nghiên cứu trước đó Mô hình cụ thể được đề xuất như sau:
28 it 0 1 it 2 it 3 it 4 it 5 it
6 it 7 it 8 it 9 it 10 it 11 it
12 it 13 it 14 it 15 it it
Z * TLTA * ETA * WCTA * ALR * QR
* CR * ROA * ROE * IT * TAT * ART
Zit : Chỉ số biểu hiện XSVN của doanh nghiệp i tại thời điểm t
TLTAit : Hệ số nợ của doanh nghiệp i tại thời điểm t
ETAit : Hệ số tự tài trợ của doanh nghiệp i tại thời điểm t
WCTAit : Hệ số vốn lưu động/tổng tài sản của doanh nghiệp i tại thời điểm t ALRit : Hệ số thanh toán tổng quát của doanh nghiệp i tại thời điểm t
QRit : Hệ số thanh toán nhanh của doanh nghiệp i tại thời điểm t
CRit : Hệ số thanh toán hiện hành của doanh nghiệp i tại thời điểm t
ROAit : Hệ số sinh lời/tổng tài sản của doanh nghiệp i thời điểm t
ROEit : Hệ số sinh lời/vốn chủ sở hữu của doanh nghiệp i tại thời điểm t
ITit : Vòng quay hàng tồn kho của doanh nghiệp i tại thời điểm t
TATit : Vòng quay tổng tài sản của doanh nghiệp i tại thời điểm t
ARTit : Vòng quay khoản phải thu của doanh nghiệp i tại thời điểm t
SIZEit : Quy mô của doanh nghiệp i tại thời điểm t
GDPt : Tốc độ tăng trưởng kinh tế tại thời điểm t
IRt : Lãi suất cho vay tại thời điểm t
INFt : Tỷ lệ lạm phát tại thời điểm t uit : Sai số ngẫu nhiên.
Mô tả và đo lường biến
Trong nghiên cứu này, XSVN của doanh nghiệp là biến phụ thuộc của mô hình, được xác định thông qua chỉ số Z-score của Altman (2000) như sau:
X1 = Vốn lưu động/Tổng tài sản
X2 = Lợi nhuận giữ lại/Tổng tài sản
X3 = Thu nhập trước lãi vay và thuế/Tổng tài sản
X4 = Giá trị thị trường Vốn chủ sở hữu/Giá trị sổ sách của Tổng nợ
X5 = Doanh thu/Tổng tài sản
Chỉ số Z-score đã được Altman đặt các điểm giới hạn như sau:
Z > 2.99 : Doanh nghiệp an toàn, không có khả năng vỡ nợ
1.8 < Z < 2.99 : Doanh nghiệp rơi vào vùng cảnh báo, có khả năng vỡ nợ
Z < 1.8 : Doanh nghiệp có khả năng cao sẽ vỡ nợ.
Nghiên cứu lựa chọn chỉ số Z-score của Altman để thể hiện XSVN của doanh nghiệp Đây là một trong những mô hình tính toán đơn giản và được các tác giả trong, ngoài nước đánh giá là một công cụ đáng tin cậy với độ chính xác cao Đồng thời mô hình phù hợp với những thị trường mới nổi như Việt Nam khi việc truy cập thông tin tài chính đôi lúc khó khăn hoặc thông tin không được cập nhật đầy đủ Chỉ số Z-score càng thấp thì XSVN càng cao
3.3.2.1 Nhóm đòn bẩy tài chính
Nhóm chỉ số này đo lường mức độ sử dụng nợ của doanh nghiệp thông qua các chỉ số như Hệ số nợ trên tổng tài sản (TLTA), Hệ số tự tài trợ (ETA)
• Hệ số nợ trên tổng tài sản
Hệ số nợ trên tổng tài sản (TLTA) là một chỉ tiêu đòn bẩy tài chính xác định việc sử dụng nợ từ các chủ nợ trong cấu trúc vốn của doanh nghiệp, đồng thời thể hiện khả năng khai thác nguồn huy động vốn từ nợ vay để phục vụ cho hoạt động sản xuất, kinh doanh và biết được khả năng tự chủ tài chính của các doanh nghiệp. Chỉ số này được đo lường bằng tổng nợ phải trả trên tổng tài sản Tỷ lệ này càng cao thì doanh nghiệp có mức độ rủi ro vỡ nợ càng lớn
TLTA = Tổng nợ phải trả
• Hệ số tự tài trợ
Hệ số tự tài trợ (ETA) là một thước đo đòn bẩy tài chính xác định bằng phần trăm tài sản của công ty được tài trợ bằng vốn chủ sở hữu Chỉ số này đại diện cho sự tự chủ tài chính của các doanh nghiệp
Tỷ lệ vốn chủ sở hữu trên tài sản càng cao thì doanh nghiệp càng có ít đòn bẩy tài chính, nghĩa là phần lớn tài sản thuộc sở hữu của công ty Điều này giúp bảo vệ doanh nghiệp và các cổ đông khỏi bất kỳ cú sốc nào nhờ nguồn vốn sẵn có Chỉ số này được thể hiện như sau:
ETA = Vốn chủ sở hữu
3.3.2.2 Nhóm chỉ số thanh khoản
Nhóm chỉ số này đo lường khả năng doanh nghiệp nhanh chóng trả nợ mà không cần vốn tài trợ từ bên ngoài thông qua các chỉ số như Vốn lưu động trên tổng tài sản (WCTA), Hệ số thanh toán tổng quát (ALR), Hệ số thanh toán nhanh (QR),
Hệ số thanh toán hiện hành (CR)
• Vốn lưu động trên tổng tài sản
Hệ số vốn lưu động trên tổng tài sản (WCTA) cho thấy tính thanh khoản và sức mạnh tài chính của một doanh nghiệp, phản ánh được khả năng sử dụng tài sản ngắn hạn của các doanh nghiệp để có thể thanh toán các khoản nợ ngắn hạn vào lúc cần thiết Hệ số này được đo lường bằng chênh lệch tài sản ngắn hạn và nợ ngắn hạn trên tổng tài sản Tỷ lệ này cao cho thấy doanh nghiệp không gặp khó khăn trong việc thanh toán các nghĩa vụ ngắn hạn và ngược lại, tỷ lệ thấp cho thấy doanh nghiệp gặp khó khăn trong việc thanh toán các nghĩa vụ ngắn hạn Công thức WCTA được thể hiện như sau:
Tổng tài sản =Tài sản ngắn hạn − Nợ ngắn hạn
• Hệ số thanh toán tổng quát
Hệ số thanh toán tổng quát (ALR) là chỉ tiêu tài chính đánh giá khả năng thanh toán của doanh nghiệp trong cả ngắn và dài hạn Hệ số phản ánh khả năng quan hệ giữa tài sản mà doanh nghiệp hiện đang quản lý sử dụng với tổng số nợ phải trả (Học viện Tài chính, 2018) Doanh nghiệp đảm bảo khả năng thanh toán các khoản nợ tốt khi chỉ số này lớn hơn 1 và ngược lại doanh nghiệp có khả năng thanh toán kém khi chỉ số này nhỏ hơn 1 Công thức tính ALR được thể hiện như sau:
• Hệ số thanh toán nhanh
Hệ số thanh toán nhanh (QR) đo lường khả năng doanh nghiệp đáp ứng mọi nghĩa vụ tài chính ngắn hạn với tài sản lưu động có tính thanh khoản cao Tỷ lệ này đã loại trừ hàng tồn kho vì chúng khó chuyển đổi thành tiền mặt Giá trị của hệ số thanh toán nhanh tốt nhất khi nó lớn hơn 1, điều này có nghĩa là các doanh nghiệp có khả năng sẵn sàng thanh toán đầy đủ các khoản nợ ngắn hạn Ngược lại nếu giá trị nhỏ hơn 1 cho thấy doanh nghiệp có thể gặp các rủi ro vỡ nợ, rủi ro tài chính Công thức xác định QR như sau:
QR =Tài sản ngắn hạn − Hàng tồn kho
• Hệ số thanh toán hiện hành
Theo Harinurdin (2023) hệ số thanh toán hiện hành (CR) là thước đo được sử dụng phổ biến nhất để xác định khả năng đáp ứng các nghĩa vụ ngắn hạn, cho thấy mức độ đáp ứng nhu cầu của các chủ nợ ngắn hạn bằng tài sản được ước tính là tiền mặt trong cùng kỳ với thời hạn nợ Hệ số thanh toán hiện hành được tính bằng tỷ lệ giữa tài sản ngắn hạn và nợ vay ngắn hạn của doanh nghiệp Nếu hệ số có giá trị lớn hơn 1, doanh nghiệp có đủ khả năng thanh toán cho các khoản nợ ngắn hạn, ngược lại nếu giá trị nhỏ hơn 1 cho thấy doanh nghiệp đang gặp khó khăn trong việc thanh toán các khoản nợ Công thức được thể hiện như sau:
CR =Tài sản ngắn hạn
3.3.2.3 Nhóm chỉ số lợi nhuận
Nhóm chỉ số này đo lường khả năng doanh nghiệp tạo ra lợi nhuận từ doanh thu, tài sản và vốn chủ sở hữu thông qua các chỉ số như Hệ số sinh lời trên tổng tài sản (ROA), Hệ số sinh lời trên vốn chủ sở hữu (ROE)
• Hệ số sinh lời trên tổng tài sản
Theo Meero và cộng sự (2021), hệ số sinh lời trên tổng tài sản (ROA) là thước đo khả năng sinh lời của công ty so với các nguồn lực mà công ty sử dụng là tổng tài sản Tỷ lệ này phản ánh hiệu quả quản lý trong việc sử dụng các nguồn lực sẵn có (tổng tài sản) để tạo ra lợi nhuận Hệ số này được đo lường bởi tỷ lệ giữa lợi nhuận sau thuế và tổng tài sản bình quân của doanh nghiệp ROA càng cao cho thấy hiệu quả hoạt động của doanh nghiệp càng tốt Công thức tính ROA như sau:
ROA = Lợi nhuận sau thuế
Tổng tài sản bình quân
• Hệ số sinh lời trên vốn chủ sở hữu
Hệ số sinh lời trên vốn chủ sở hữu (ROE) là chỉ tiêu đánh giá tính hiệu quả số tiền đầu tư của các cổ đông doanh nghiệp ROE được tính bằng tỷ lệ lợi nhuận sau thuế chia tổng giá trị vốn chủ sở hữu Nếu giá trị này cao cho thấy doanh nghiệp sử dụng vốn càng có hiệu quả và ngược lại giá trị này thấp cho thấy doanh nghiệp đang hoạt động yếu kém Công thức tính ROE được thể hiện như sau:
ROE = Lợi nhuận sau thuế
Vốn chủ sở hữu bình quân
3.3.2.4 Nhóm chỉ số hiệu quả hoạt động
Nhóm chỉ số này đo lường hiệu quả quản lý tài sản và tạo ra lợi nhuận của doanh nghiệp thông qua các chỉ số như Vòng quay hàng tồn kho (IT), Vòng quay tổng tài sản (TAT), Vòng quay khoản phải thu (ART)
• Vòng quay hàng tồn kho
Theo Padachi (2006), vòng quay hàng tồn kho (IT) là tỷ lệ cho thấy số lần hàng tồn kho của công ty được bán và thay thế trong một khoảng thời gian Vòng quay hàng tồn kho phản ánh liệu doanh nghiệp có dự trữ quá nhiều hàng tồn kho so với những gì doanh nghiệp thực sự sử dụng hoặc bán hay không Mỗi ngành sẽ có hệ số vòng quay hàng tồn kho khác nhau
Giả thuyết nghiên cứu
3.4.1 Nhóm đòn bẩy tài chính
3.4.1.1 Hệ số nợ trên tổng tài sản
Nghiên cứu của Trần Thị Vinh và Nguyễn Huỳnh Mỹ Vinh (2022) cho thấy tỷ lệ nợ trên tổng tài sản có ảnh hưởng cùng chiều với khả năng vỡ nợ của doanh nghiệp Đồng quan điểm đó, nghiên cứu Bandyopadhyay (2006), Nguyễn Thị Tuyết Lan (2019) cũng đưa ra nhận định tỷ lệ nợ trên tổng tài sản cao chứng tỏ sức khỏe tài chính của doanh nghiệp không tốt, càng có nguy cơ xảy ra vỡ nợ
H1: TLTA có ảnh hưởng cùng chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.1.2 Hệ số tự tài trợ
Grünberg và Lukason (2014) nhận định rằng sự gia tăng hệ số ETA làm giảm XSVN của doanh nghiệp Mối tương quan ngược chiều này cũng được xác nhận trong bài nghiên cứu của Gang và Dan (2012), Bhunia và Mukhuti (2012), Vũ Thị Hậu (2017), Võ Minh Long (2020) Khi doanh nghiệp tăng hệ số tự tài trợ, vốn chủ sở hữu cũng tăng theo, điều này giúp doanh nghiệp không bị quá phụ thuộc vào nguồn vốn bên ngoài mà có thể chủ động sử dụng nguồn vốn sẵn có để thanh toán nhanh các khoản nợ và giảm XSVN của doanh nghiệp
H2: ETA có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.2 Nhóm chỉ số thanh khoản
3.4.2.1 Hệ số vốn lưu động trên tổng tài sản
Trong nghiên cứu của Kamal (2010) cho rằng hệ số vốn lưu động trên tổng tài sản càng lớn thì doanh nghiệp càng ít gặp các vấn đề về tài chính Cùng quan điểm đó, Yap và cộng sự (2010), Pratiwi và cộng sự (2022) lập luận rằng hệ số vốn lưu động trên tổng tài sản có ảnh hưởng tiêu cực đến xác suất gặp các vấn đề tài chính của doanh nghiệp Vốn lưu động trên tổng tài sản cao cho thấy công ty không gặp vấn đề về thanh khoản vì công ty có thể đáp ứng được khoản nợ ngắn hạn
H3: WCTA có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.2.2 Hệ số thanh toán tổng quát
Nghiên cứu của Bandyopadhyay (2006), Võ Minh Long (2020) cho rằng hệ số thanh toán tổng quát càng cao, khả năng doanh nghiệp đáp ứng các khoản nợ quan trọng càng tốt và khả năng xảy ra vỡ nợ càng thấp Tuy nhiên nghiên cứu của Simantinee và Kumar (2015), Vũ Thị Hậu (2017) lại có kết quả trái ngược với ý kiến trên, tỷ số này có ảnh hưởng cùng chiều với khả năng vỡ nợ doanh nghiệp, tức là khi doanh nghiệp tăng hệ số thanh toán tổng quát sẽ làm cho XSVN tăng lên Trong bài nghiên cứu này, giả thuyết được đưa ra là:
H4: ALR có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.2.3 Hệ số thanh toán nhanh
Các nghiên cứu của Simantinee và Kumar (2015), Võ Minh Long (2020) chỉ ra hệ số thanh toán nhanh có ảnh hưởng ngược chiều với các vấn đề tài chính tức là khi doanh nghiệp tăng hệ số thanh toán nhanh sẽ làm cho giảm XSVN Vì khi doanh nghiệp có số lượng tài sản lưu động nhiều sẽ có khả năng thanh toán tốt và có khả năng thanh toán các nghĩa vụ nợ ngắn hạn tốt
H5: QR có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.2.4 Hệ số thanh toán hiện hành
Hệ số thanh toán hiện hành được dùng để kiểm tra khả năng trả nợ ngắn hạn và hiệu quả hoạt động kinh doanh của doanh nghiệp Hệ số này cao cho thấy doanh nghiệp hoạt động ổn định và có khả năng thanh toán các khoản nợ ngắn hạn bằng các tài sản ngắn hạn trong thời gian tới Điều này giúp làm giảm thiểu rủi ro mất thanh toán và giảm XSVN doanh nghiệp Ý kiến này đã được Altman và Hotchkiss
(2010), Brédart (2014), Gul và Cho (2019) xác nhận trong nghiên cứu của mình
H6: CR có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.3 Nhóm chỉ số lợi nhuận
3.4.3.1 Hệ số sinh lời trên tổng tài sản
Trong nghiên cứu của các tác giả Van Cong Nguyen và cộng sự (2019), ROA càng cao thì công tác quản lý càng tốt, tạo điều kiện thuận lợi để nâng cao hiệu quả kinh doanh, dẫn đến nguy cơ vỡ nợ thấp hơn và ngược lại Đồng quan điểm đó Hussain và cộng sự (2005) cũng cho rằng tỷ lệ khả năng sinh lời trên tổng tài sản sẽ có mối quan hệ tiêu cực với các vấn đề tài chính hay XSVN
H7: ROA có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.3.2 Hệ số sinh lời trên vốn chủ sở hữu
Trong nghiên cứu của Uğurlu và Aksoy (2006), Voiko (2019), Vuković và cộng sự (2020), giá trị ROE tăng có nghĩa là lợi nhuận của các công ty trong hoạt động kinh doanh tăng hoặc khả năng vốn chủ sở hữu của công ty mang lại lợi nhuận cao hơn Khi hệ số ROE của các doanh nghiệp cao sẽ tránh được XSVN và ngược lại nếu các doanh nghiệp có hệ số ROE thấp phải chịu XSVN cao
H8: ROE có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.4 Nhóm chỉ số hiệu quả hoạt động
3.4.4.1 Hệ số vòng quay hàng tồn kho
Mối quan hệ giữa vòng quay hàng tồn kho và XSVN được trình bày theo hai
38 hướng ảnh hưởng cả cùng chiều lẫn ngược chiều Nghiên cứu của Ogachi và cộng sự (2020) cho rằng khi doanh nghiệp tăng vòng quay hàng tồn kho sẽ giúp giảm vấn đề về tài chính Tuy nhiên, trong nghiên cứu của Simantinee và Kumar (2015), Thi Van Trang Do và cộng sự (2020), vòng quay hàng tồn kho biến động cùng chiều với khả năng vỡ nợ Có thể giải thích rằng nếu hệ số IT thấp cho thấy doanh nghiệp đang tồn đọng quá mức hoặc hoạt động kinh doanh các sản phẩm không tốt, điều này gây ra các vấn đề về tài chính của doanh nghiệp làm tăng XSVN
H9: IT có ảnh hưởng cùng chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.4.2 Hệ số vòng quay tổng tài sản
Theo nghiên cứu của Gang và Dan (2012) khi vòng quay tổng tài sản của doanh nghiệp tăng sẽ làm cho khả năng vỡ nợ doanh nghiệp tăng lên Tuy nhiên trái với ý kiến đó, kết quả nghiên cứu của Hoàng Tùng (2011), Nguyen (2012) cho thấy vòng quay tổng tài sản càng cao, doanh thu tạo ra càng nhiều thì XSVN càng thấp
Do đặc điểm ngành Xây dựng và Vật liệu cùng các điều kiện kinh tế hiện nay, số lượng sản phẩm bán ra ít đi dẫn đến các doanh nghiệp không có khả năng trả các khoản nợ và có nguy cơ vỡ nợ cao
H10: TAT có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.4.3 Hệ số vòng quay khoản phải thu
Mối quan giữa hệ số vòng quay khoản phải thu và XSVN doanh nghiệp được nghiên cứu Gang và Dan (2012) là cùng chiều với nhau Đồng quan điểm đó, nghiên cứu của Bhunia và Mukhuti (2012), Võ Minh Long (2020) xác nhận rằng khi vòng quay các khoản phải thu tăng thì khả năng vỡ nợ của doanh nghiệp cũng tăng Điều này cho thấy doanh nghiệp tiêu thụ được nhiều sản phẩm và cơ chế thu nợ của doanh nghiệp rất hiệu quả dẫn đến hiệu quả hoạt động của doanh nghiệp cao, XSVN thấp
H11: ART có ảnh hưởng cùng chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
Trong nghiên cứu của Van Cong Nguyen và cộng sự (2019), Trương Thanh Hằng và Nguyễn Thị Nga (2022), quy mô doanh nghiệp có mối quan hệ ngược chiều với XSVN của doanh nghiệp Các doanh nghiệp có quy mô nhỏ khó tiếp cận đa dạng các nguồn vốn hơn các doanh nghiệp có quy mô lớn và tài sản của các doanh nghiệp nhỏ cũng không thể thế chấp để vay nhiều vốn từ các tổ chức tài chính Điều này khiến các doanh nghiệp nhỏ gặp khó khăn về tài chính hơn các doanh nghiệp lớn, dẫn đến XSVN của các doanh nghiệp nhỏ cao hơn
H12: SIZE có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
3.4.6.1 Tốc độ tăng trưởng kinh tế
Các nghiên cứu của Salman và cộng sự (2009), Jardim và Pereira (2013), Phan Trần Trung Dũng và cộng sự (2022) đã chứng minh rằng tốc độ tăng trưởng kinh tế GDP có mối quan hệ ngược chiều với xác suất phá sản của doanh nghiệp GDP tăng cho thấy nhu cầu và sức mua trong nước tăng lên kéo theo tổng lượng hàng hóa và dịch vụ được sản xuất trong nước cũng tăng theo Điều này dẫn đến lợi nhuận thu lại của các doanh nghiệp tăng và khả năng vỡ nợ của doanh nghiệp giảm
H13: GDP có ảnh hưởng ngược chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
Vì lý do các doanh nghiệp đều sử dụng nợ vay như một công cụ tài trợ cho các hoạt động sản xuất, kinh doanh của mình nên lãi suất là một chỉ tiêu có ảnh hưởng lớn đến doanh nghiệp Theo nghiên cứu của Lee và cộng sự (2007), Salman và cộng sự (2009), Zizi và cộng sự (2022), lãi suất có mối quan hệ cùng chiều với XSVN của doanh nghiệp Mức lãi suất tăng khiến chi phí lãi vay tăng, chi phí chung của doanh nghiệp tăng và giảm khả năng trả nợ của doanh nghiệp dẫn đến tăng XSVN
H14: IR có ảnh hưởng cùng chiều với XSVN của doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE
Mô tả mẫu và dữ liệu nghiên cứu
Tác giả sử dụng công thức của Tabachnick và Fidell (1996) để xác định cỡ mẫu tối thiểu cần đạt được Công thức như sau: 50 + 8*m với m là số biến độc lập
Từ 15 biến độc lập được tác giả đề xuất sử dụng trong mô hình, có thể tính được cỡ mẫu của nghiên cứu là tối thiểu 170 Đồng thời, sau khi tiến hành lấy dữ
41 liệu từ 44 doanh nghiệp ngành Xây dựng và Vật liệu được niêm yết tại HOSE từ năm 2018 đến năm 2022, số lượng mẫu quan sát mà bài nghiên cứu đạt được là 220 quan sát, đáp ứng được điều kiện về cỡ mẫu tối thiểu đề ra
3.5.2 Dữ liệu và công cụ nghiên cứu
Bài nghiên cứu đã sử dụng dữ liệu thứ cấp được thu thập từ báo cáo tài chính đã kiểm toán của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại sàn HOSE và các nguồn uy tín như FiinPro, CafeF, Vietstock từ 2018-2022 Dữ liệu các biến vĩ mô như tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát, lãi suất cho vay được thu thập từ nguồn số liệu thống kê hàng năm của IMF, World Bank từ 2018-2022
Tính đến thời điểm hiện tại, số lượng doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE là 56 doanh nghiệp Tuy nhiên để đảm bảo dữ liệu nghiên cứu được đầy đủ và công khai, tác giả đã thực hiện lọc với các điều kiện: (i) Là các doanh nghiệp thuộc ngành Xây dựng và Vật liệu được niêm yết liên tục tại HOSE từ năm 2018-2022, (ii) Báo cáo tài chính đã được kiểm toán từ năm 2018 - 2022, (iii)
Có đầy đủ số liệu để tính toán các biến số từ năm 2018 - 2022
Từ 56 doanh nghiệp ban đầu, sau khi đã loại bỏ các doanh nghiệp không đáp ứng đầy đủ các điều kiện trên, cuối cùng bài nghiên cứu còn lại 44 doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE từ năm 2018 đến năm 2022
Kết quả nghiên cứu được xác định dựa trên dữ liệu bảng thông qua việc kết hợp dữ liệu không gian (44 doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE) và dữ liệu theo thời gian (từ 2018 - 2022) Giá trị của các biến số dùng để xây dựng mô hình được tác giả xử lý cơ bản dựa trên phần mềm Excel và chạy số liệu phân tích dựa trên phần mềm Stata 17.0.
Phương pháp nghiên cứu
Với tính chất là bài nghiên cứu định lượng, tác giả đã sử dụng các kỹ thuật ước lượng dựa trên dữ liệu bảng như thống kê mô tả, phân tích ma trận tương quan giữa các biến, phân tích hồi quy Pooled OLS, lựa chọn giữa hai mô hình FEM và REM, kiểm định các khuyết tật mô hình và sử dụng phương pháp FGLS để khắc phục các khuyết tật đó
3.6.1 Phân tích thống kê mô tả
Phương pháp thống kê mô tả với mục đích phân tích các đặc tính cơ bản của bộ dữ liệu nghiên cứu, đưa ra các nhận định sơ bộ về biến phụ thuộc và biến độc lập trong mô hình Thống kê số liệu cần thiết từ các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại sàn HOSE từ 2018-2022 cho thấy số quan sát, giá trị trung bình, giá trị nhỏ nhất, giá trị lớn nhất và độ lệch chuẩn của từng biến trong mô hình
3.6.2 Phân tích hệ số tương quan giữa các biến
Theo Profillidis và Botzoris (2019), hệ số tương quan Pearson (r) là thước đo để phân tích mối quan hệ tuyến tính giữa hai biến, có thể là giữa biến độc lập và biến phụ thuộc hoặc giữa các biến độc lập với nhau Hệ số này nhận giá trị từ -1 đến
1 với các ý nghĩa như sau: r = 1 : hai biến có mối tương quan dương tuyệt đối,
0.8 < r < 1 : hai biến có mối tương quan dương mạnh,
0.3 < r < 0.6 : hai biến có mối tương quan dương vừa phải,
0 < r < 0.3 : hai biến có mối tương quan dương yếu r ≈ 0 : hai biến không có mối tương quan với nhau,
0 < r < -0.3 : hai biến có mối tương quan âm yếu,
-0.3 < r < 0.6 : hai biến có mối tương quan âm vừa phải,
-0,8 < r < -1 : hai biến có mối tương quan âm mạnh mẽ, r = -1 : hai biến có mối tương quan âm tuyệt đối
Tuy nhiên, để tránh xảy ra hiện tượng đa cộng tuyến, các biến có hệ số tương quan vượt quá 0.8 hoặc nhỏ hơn -0.8 sẽ bị loại bỏ
3.6.3.1 Phương pháp bình phương nhỏ nhất
Mô hình bình phương nhỏ nhất (OLS) được dùng để đo lường mức độ và chiều hướng ảnh hưởng của biến độc lập Xit đến biến phụ thuộc Yit như sau:
Yit : Biến phụ thuộc của quan sát i tại thời điểm t,
Xit : Biến độc lập của quan sát i tại thời điểm t,
𝛽 : Hệ số ước lượng ảnh hưởng của biến độc lập Xit, uit : Sai số Ưu điểm của phương pháp này là thực hiện đơn giản nhất, nhược điểm là không phản ánh được sự khác nhau của các đơn vị chéo trong mẫu nghiên cứu vì cả hai tham số ước lượng đều không thay đổi theo đơn vị chéo (Phạm Thị Tuyết Trinh,
3.6.3.2 Phương pháp hồi quy tác động cố định
Mô hình tác động cố định (FEM) là dạng mở rộng của mô hình hồi quy OLS và giả định rằng giá trị độc lập của biến số không thay đổi theo thời gian Tương tự như Pooled OLS, mô hình FEM có dạng:
Với 𝛼 𝑖 (i = 1 n) là hệ số chặn cho từng đơn vị nghiên cứu, không thay đổi theo thời gian Sự xuất hiện của i giúp phản ánh sự không đồng nhất giữa các đơn vị chéo do tác động của các biến không thể quan sát được, nhờ đó, FEM giải quyết được vấn đề biến bị bỏ sót (Phạm Thị Tuyết Trinh, 2016)
3.6.3.3 Phương pháp hồi quy tác động ngẫu nhiên
Mô hình tác động ngẫu nhiên (REM) cũng là một dạng mở rộng của mô hình hồi quy OLS và giúp giải thích sự ngẫu nhiên, không tương quan giữa các biến độc lập Mô hình FEM có dạng như sau:
Yit = 𝛼 + 𝛽Xit + vit với 𝜔 𝑖𝑡 = ei + uit
Trong đó: ei : Sai số thành phần của các đối tượng khác nhau (đặc điểm riêng khác nhau của từng doanh nghiệp), uit : Sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng đối tượng và theo thời gian
Khác với mô hình FEM tách ảnh hưởng của các đặc điểm không đổi theo thời gian ra khỏi các biến độc lập, mô hình REM lại coi các đặc điểm đó là ngẫu nhiên
44 và không tương quan với các biến độc lập Tuy nhiên nhược điểm của mô hình REM là nếu vi phạm điều này thì mô hình REM không còn chính xác
3.6.3.4 Phương pháp bình phương tối thiểu tổng quát khả thi
Mô hình bình phương tối thiểu tổng quát khả thi (FGLS) được sử dụng để khắc phục các khuyết tật về tự tương quan và phương sai sai số thay đổi của mô hình Mô hình này cũng giống như mô hình hồi quy OLS, tuy nhiên các biến số đã được thay đổi để đưa về mô hình mới, đáp ứng được các giả thiết của mô hình OLS và không xảy ra hiện tượng phương sai sai số thay đổi hay tự tương quan Kết quả ước lượng cho kết quả P-value được so sánh trực tiếp với giá trị 0.01, 0.05, 0.1 để kết luận chấp nhận hay bác bỏ giả thuyết nghiên cứu
3.6.4 Kiểm định lựa chọn mô hình
Kiểm định F được sử dụng để so sánh lựa chọn giữa hai mô hình Pooled OLS và mô hình FEM với giả thuyết:
H0: Chọn mô hình theo phương pháp Pooled OLS
H1: Chọn mô hình theo phương pháp FEM
Nếu kết quả cho thấy Prob > F nhỏ hơn 5% thì bác bỏ H0, chọn mô hình FEM, ngược lại thì chọn mô hình Pooled OLS
Từ nội dung về ba mô hình nêu trên có thể thấy mô hình FEM và REM có nhiều ưu điểm hơn Pooled OLS Tuy nhiên để ra lựa chọn mô hình nào là phù hợp với bài nghiên cứu, tác giả sử dụng kiểm định Hausman để quyết định
H0: Chọn mô hình theo phương pháp REM
H1: Chọn mô hình theo phương pháp FEM
Nếu Prob > Chi-Square nhỏ hơn 5% thì bác bỏ H0, kết luận mô hình FEM thích hợp hơn và ngược lại thì mô hình REM thích hợp hơn
3.6.5 Kiểm định các khuyết tật của Mô hình
3.6.5.1 Kiểm định đa cộng tuyến
Hiện tượng đa cộng tuyến tồn tại khi hai hoặc nhiều biến độc lập trong mô hình hồi quy có mối tương quan cao với nhau, điều này làm kết quả phân tích mối quan hệ giữa các biến độc lập và biến phụ thuộc không chính xác Để giảm thiểu hiện tượng đa cộng tuyến có thể loại bỏ các biến có trị số tuyệt đối hệ số tương quan vượt quá 0.8 hoặc sử dụng hệ số phóng đại phương sai (VIF) để kiểm tra Nếu hệ số VIF > 10 thì mô hình đang xảy ra hiện tượng đa cộng tuyến nghiêm trọng và cần loại bỏ các biến số gây ra hiện tượng đó khỏi mô hình
3.6.5.2 Kiểm định phương sai sai số thay đổi
Hiện tượng phương sai sai số thay đổi xảy ra khi phương sai của biến phụ thuộc thay đổi theo các mức thay đổi của biến độc lập Khi hiện tượng này xảy ra, kết quả phân tích không còn đáng tin cậy vì phương sai không còn là phương sai nhỏ nhất Để kiểm định phương sai sai số thay đổi, bài nghiên cứu sử dụng kiểm định Breusch-Pagan cho mô hình Pooled OLS hoặc REM và kiểm định Modified Wald cho mô hình FEM với giả thuyết:
H0: Không có hiện tượng phương sai sai số thay đổi
H1: Có hiện tượng phương sai sai số thay đổi
Nếu kết quả cho thấy Prob > Chi-Squared nhỏ hơn 5% thì bác bỏ giả thuyết H0, chấp nhận H1 tức là có hiện tượng phương sai sai số thay đổi
3.6.5.3 Kiểm định tự tương quan
KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
Kết quả nghiên cứu
Sau khi thu thập và tính toán các dữ liệu nghiên cứu từ 44 doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE từ 2018 đến 2022 bằng phần mềm Excel và Stata 17.0, kết quả chi tiết thống kê mô tả được trình bày ở bảng sau:
Bảng 4.1 Phân tích thống kê mô tả
Giá trị trung bình Độ lệch chuẩn
Nguồn: Tác giả thực hiện và trích xuất từ phần mềm STATA 17
Dựa vào Bảng 4.1 cho thấy biến phụ thuộc Z của mô hình đang có sự chênh lệch khá cao giữa giá trị nhỏ nhất là -1.24 (CTCP Xây dựng COMA 18 năm 2020) và giá trị lớn nhất là 22.68 (CTCP Nam Việt năm 2022) Giá trị trung bình của biến
Z là 2.78 với độ lệch chuẩn là 2.84 cho thấy có sự khác biệt XSVN lớn giữa các doanh nghiệp qua các năm Ngoài ra, giá trị trung bình này nằm trong khoảng từ 1.8 đến 2.99 nên các doanh nghiệp đang nằm trong vùng cảnh báo có khả năng vỡ nợ Tuy nhiên, khoảng cách giữa giá trị trung bình (2.78) và giá trị nhỏ nhất (-1.24) ngắn hơn giữa giá trị trung bình (2.78) và giá trị lớn nhất (22.68) nên số lượng doanh nghiệp có XSVN thấp chiếm ưu thế trong mô hình Đối với hệ số nợ trên tổng tài sản (TLTA), giá trị trung bình là 0.52 với độ lệch chuẩn là 0.22 cho thấy các doanh nghiệp không có sự khác biệt quá lớn với nhau Trong đó, giá trị nhỏ nhất là 0.02 của CTCP Tập đoàn Everland năm 2022 và giá trị lớn nhất là 0.92 của CTCP Tập đoàn Xây dựng Hòa Bình năm 2022
Hệ số tự tài trợ (ETA) trung bình của các doanh nghiệp là 0.48, trong đó giá trị nhỏ nhất là 0.08 của CTCP Tập đoàn Xây dựng Hòa Bình năm 2022 và giá trị lớn nhất là 0.98 của CTCP Tập đoàn Everland năm 2022
Hệ số vốn lưu động trên tổng tài sản (WCTA) trung bình của các doanh nghiệp là 0.40, trong đó giá trị nhỏ nhất là -0.37 của CTCP Xây dựng COMA 18 năm 2021 và giá trị lớn nhất là 0.96 của CTCP Xây dựng Số 5 năm 2018
Hệ số thanh toán tổng quát (ALR) trung bình của các doanh nghiệp là 2.92 với độ lệch chuẩn là 3.72 cho thấy các doanh nghiệp có sự khác biệt lớn với nhau Trong đó giá trị nhỏ nhất là 1.08 của CTCP Tập đoàn Xây dựng Hòa Bình năm
2022 và giá trị lớn nhất là 40.86 của CTCP Tập đoàn Everland năm 2022
Hệ số thanh toán nhanh (QR) trung bình của các doanh nghiệp là 1.60 với độ lệch chuẩn là 2.14 Khoảng cách giữa giá trị nhỏ nhất là 0.09 của CTCP Xi măng Vicem Hải Vân năm 2020 và giá trị lớn nhất là 20.35 của CTCP Nam Việt năm
2022 khá lớn cho thấy các doanh nghiệp có sự khác biệt lớn với nhau
Hệ số thanh toán hiện hành (CR) trung bình của các doanh nghiệp là 2.05 với độ lệch chuẩn là 2.33 Khoảng cách giữa giá trị nhỏ nhất là 0.23 của CTCP PT Hạ
49 tầng IDICO năm 2021 và giá trị lớn nhất là 21.99 của CTCP Nam Việt năm 2022 khá lớn cho thấy các doanh nghiệp có sự khác biệt lớn với nhau
Hệ số sinh lời trên tổng tài sản (ROA) có giá trị trung bình là 4.6%, trong đó CTCP Đá Núi Nhỏ năm 2018 có ROA lớn nhất với giá trị là 36.57% và CTCP Xây dựng COMA 18 năm 2020 có ROA nhỏ nhất với giá trị là -22.08% Độ lệch chuẩn là 6.61% cho thấy có sự khác biệt khá lớn về ROA giữa các doanh nghiệp
Hệ số sinh lời trên vốn chủ sở hữu (ROE) có giá trị trung bình là 9.03%, trong đó CTCP Đá Núi Nhỏ năm 2018 có giá trị ROE lớn nhất là 46.34% và CTCP Tập đoàn Xây dựng Hòa Bình năm 2022 có ROE nhỏ nhất với giá trị là -97.46% Độ lệch chuẩn là 13.21% cho thấy sự khác biệt khá lớn về ROE giữa các doanh nghiệp Vòng quay hàng tồn kho (IT) trung bình của các doanh nghiệp là 51.86 với độ lệch chuẩn là 275.58 Khoảng cách giữa giá trị nhỏ nhất là 0.01 của CTCP Xây dựng COMA 18 năm 2019 và giá trị lớn nhất là 2,785.66 của CTCP Hóa An năm
2022 cho thấy các doanh nghiệp có sự khác biệt rất lớn với nhau
Vòng quay tổng tài sản (TAT) trung bình của các doanh nghiệp là 0.84, trong đó giá trị nhỏ nhất là 0.003 của CTCP Xây dựng COMA 18 năm 2019 và giá trị lớn nhất là 5.93 của CTCP Đầu tư Phát triển Nhà và Đô thị IDICO năm 2019
Vòng quay khoản phải thu (ART) có giá trị trung bình là 10.19, trong đó CTCP CMC năm 2020 có ART lớn nhất với giá trị là 182.13 và CTCP Xây dựng COMA 18 năm 2019 có ART nhỏ nhất với giá trị là 0.06 Độ lệch chuẩn là 10.19 cho thấy có sự khác biệt khá lớn về ART giữa các doanh nghiệp
Quy mô doanh nghiệp (SIZE) có giá trị trung bình là 14.22, trong đó quy mô lớn nhất là CTCP Đầu tư Hạ tầng Kỹ thuật Thành phố Hồ Chí Minh với giá trị logarit tự nhiên của tổng tài sản năm 2021 là 17.25 và quy mô nhỏ nhất là CTCP Nam Việt năm 2022 với giá trị logarit tự nhiên của tổng tài sản là 11.64 Độ lệch chuẩn là 1.29 cho thấy có sự khác biệt về quy mô giữa các doanh nghiệp
Tốc độ tăng trưởng kinh tế (GDP) có giá trị trung bình là khoảng 5.68%, độ lệch chuẩn là 2.41% cho thấy không có sự khác biệt lớn giữa các năm Giá trị nhỏ nhất là 2.6% vào năm 2021 vì đây là năm xảy ra đại dịch Covid 19 làm cho tình
50 hình kinh tế cả thấp nhất lịch sử trong giai đoạn 10 năm gần đây và giá trị lớn nhất là 8% vào năm 2022 Đối với lãi suất cho vay (IR), giá trị trung bình là 7.7% với độ lệch chuẩn là 0.2% cho thấy giữa các năm không có khác biệt lớn Trong đó, giá trị nhỏ nhất là 7.4% vào năm 2018 và giá trị lớn nhất là 8% vào năm 2022
Thảo luận kết quả nghiên cứu
Sau khi thực hiện các bước phân tích, kiểm định, khắc phục, kết quả hồi quy cuối cùng đã xác định được các nhân tố ảnh hưởng đến XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE gồm WCTA, ALR, ROA,
IT, TAT, GDP và INF Đồng thời, các biến WCTA, ALR, ROA, IT, TAT, GDP có ảnh hưởng cùng chiều đến hệ số Z tức ngược chiều với XSVN các doanh nghiệp và các biến GDP, INF có ảnh hưởng ngược chiều đến hệ số Z tức cùng chiều với XSVN các doanh nghiệp Cụ thể:
4.2.1 Hệ số vốn lưu động trên tổng tài sản
Hệ số WCTA có ảnh hưởng cùng chiều với hệ số Z tức là ngược chiều với
XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE với mức ý nghĩa 1% Kết quả này tương đồng với giả thuyết H3 ban đầu Hệ số hồi quy của biến này là 1.208 cho thấy đối với các doanh nghiệp ngành Xây dựng và Vật
60 liệu niêm yết tại HOSE, khi WCTA tăng 1% thì XSVN giảm 1.208% trong điều kiện các yếu tố khác không đổi Đặc điểm chung của các doanh nghiệp ngành Xây dựng và Vật liệu là đều có các dự án với tuổi thọ cũng như chu kỳ hoạt động dài hạn, ngành này lại nhạy cảm với sự biến động của nền kinh tế vĩ mô hay các sự kiện không dự đoán được từ dự án, từ sản phẩm Chính vì thế, khi tỷ lệ WCTA cao đồng nghĩa với việc các doanh nghiệp đã dự trữ một số vốn lưu động đủ lớn để nhanh chóng thanh toán các nghĩa vụ tài chính ngắn hạn và linh hoạt đối phó với các biến động không lường tới trong nền kinh tế Điều này giúp các doanh nghiệp không gặp khó khăn về nghĩa vụ thanh toán và giảm nguy cơ vỡ nợ Kết quả này đúng với kỳ vọng giả thuyết H3 và phù hợp với nghiên cứu của Kamal (2010), Yap và cộng sự (2010), Nguyễn Thị Tuyết Lan (2019), Pandit và cộng sự (2022)
4.2.2 Hệ số thanh toán tổng quát
Kết quả nghiên cứu cho thấy ALR có ảnh hưởng cùng chiều với hệ số Z tức là ngược chiều với XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE Với mức ý nghĩa 1%, hệ số hồi quy 0.331 cho thấy khi ALR tăng 1% thì XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE giảm 0.331% và ngược lại trong điều kiện các yếu tố khác không đổi
Có thể giải thích rằng hệ số thanh toán tổng quát cao chứng tỏ các doanh nghiệp có nhiều tài sản, đây là điều hiển nhiên do tính đặc thù của các doanh nghiệp ngành Xây dựng và Vật liệu là nhiều máy móc, thiết bị, vật liệu xây dựng có giá trị Tổng tài sản lớn giúp các doanh nghiệp nâng cao khả năng thanh toán và dễ dàng đối mặt với các thách thức tài chính Trong trường hợp không thể thu hồi ngay được các khoản phải thu khách hàng hoặc gặp khó khăn tài chính, tài sản có thể bị bán để thu tiền mặt hoặc dùng để thế chấp khi vay nợ Điều này giúp giảm áp lực thanh toán và giảm thiểu xác suất vỡ nợ của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết trên HOSE Kết quả này đúng với kỳ vọng giả thuyết H4 và phù hợp với nghiên cứu của Bandyopadhyay (2006), Võ Minh Long (2020)
4.2.3 Hệ số sinh lời trên tổng tài sản
ROA có ảnh hưởng cùng chiều với hệ số Z tức là ngược chiều với XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE với mức ý nghĩa 1% Hệ số hồi quy của biến này là 13.99 cho thấy đối với các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE, khi ROA tăng 1% thì XSVN giảm 13.99% và ngược lại trong điều kiện các yếu tố khác không đổi Đây cũng là nhân tố ảnh hưởng mạnh nhất đến XSVN của các doanh nghiệp Đối với các doanh nghiệp ngành Xây dựng và Vật liệu, nơi mà tài sản chiếm phần lớn, hệ số ROA càng cao, càng cho thấy doanh nghiệp quản lý hiệu quả và tận dụng tốt tài sản để tạo ra lợi nhuận Theo Trương Thanh Hằng và Nguyễn Thị Nga
(2022) giải thích, ROA càng cao sẽ làm giảm sự phụ thuộc của doanh nghiệp vào nguồn vốn vay, tăng khả năng tự chủ tài chính và giảm xác suất vỡ nợ của các doanh nghiệp Kết quả này đúng với kỳ vọng giả thuyết H7 và phù hợp với nghiên cứu của Hussain và cộng sự (2005), Bakar và Abd Hamid (2012), Van Cong Nguyen và cộng sự (2019), Trương Thanh Hằng và Nguyễn Thị Nga (2022)
4.2.4 Hệ số vòng quay hàng tồn kho
Kết quả nghiên cứu cho thấy IT có ảnh hưởng cùng chiều với hệ số Z tức là ngược chiều với XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE Với mức ý nghĩa 1%, hệ số hồi quy 0.002 cho thấy khi IT tăng 1% thì XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE giảm 0.02% và ngược lại trong điều kiện các yếu tố khác không đổi Như vậy, doanh nghiệp có vòng quay hàng tồn kho càng cao thì XSVN càng thấp
Kết quả nghiên cứu này ngược chiều với giả thuyết kỳ vọng và kết quả nghiên cứu của Simantinee và Kumar (2015), Thi Van Trang Do và cộng sự (2020) Tuy nhiên, trong bài nghiên cứu của Ogachi và cộng sự (2020) và Võ Minh Long (2020) lại ủng hộ chiều ảnh hưởng này Theo Võ Minh Long (2020) giải thích, khi các doanh nghiệp có IT cao đồng nghĩa với việc đẩy mạnh việc tiêu thụ hàng hóa, góp phần giải quyết tốt hàng tồn kho Nhờ đó, doanh nghiệp giảm phần nào chi phí lưu
62 trữ, tăng khả năng đầu tư vào các dự án mới và giảm áp lực tài chính Vì thế, bác bỏ giả thuyết H9
4.2.5 Hệ số vòng quay tổng tài sản
Hệ số TAT có ảnh hưởng cùng chiều với hệ số Z tức là ngược chiều với XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE với mức ý nghĩa 1% Hệ số hồi quy của biến này là 0.957 cho thấy đối với các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE, khi TAT tăng 1% thì XSVN giảm 0.957% và ngược lại trong điều kiện các yếu tố khác không đổi
Cũng tương tự như IT, khi hệ số TAT tăng, có thể là dấu hiệu của việc các doanh nghiệp ngành Xây dựng và Vật liệu đang đẩy mạnh tiêu thụ sản phẩm, tăng doanh thu và nhanh chóng thanh toán các khoản nợ đến hạn Ngoài ra, các doanh nghiệp có hệ số TAT cao chứng tỏ đang hoạt động hiệu quả và quản lý tốt các nguồn lực của mình, điều này giúp làm giảm khả năng vỡ nợ Kết quả này đúng với kỳ vọng giả thuyết H10 và phù hợp với nghiên cứu của Hoàng Tùng (2011), Nguyen (2012) Tuy nhiên, kết quả này lại trái ngược với nghiên cứu Gang và Dan (2012)
4.2.6 Hệ số vòng quay khoản phải thu
Hệ số hồi quy của vòng quay khoản phải thu là 0.0001, cho thấy hệ số ART có ảnh hưởng cùng chiều với hệ số Z tức là ngược chiều với XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE Tuy nhiên, với giá trị P- value là 0.947 lớn hơn mức ý nghĩa 5%, hệ số ART không ảnh hưởng đến XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE Điều này có thể được giải thích bởi tính đặc thù của các doanh nghiệp ngành Xây dựng và Vật liệu, với tuổi thọ và chu kỳ dài hạn, vì vậy hệ số này không thể phản ánh đầy đủ XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE trong ngắn hạn được Vì thế, bác bỏ giả thuyết H11
Kết quả cho quy mô doanh nghiệp có tương quan dương với biến phụ thuộc Z tức là ngược chiều với XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết tại HOSE Tuy nhiên, giá trị P-value của SIZE là 0.450 lớn hơn 5% nên
63 không có ý nghĩa thống kê Điều này cho thấy quy mô doanh nghiệp không ảnh hưởng đến XSVN của các doanh nghiệp ngành Xây dựng và Vật liệu niêm yết trên HOSE Trong thực tế, biến SIZE cũng có ảnh hưởng đến XSVN doanh nghiệp nhưng vì các đặc tính riêng biệt của ngành Xây dựng và Vật liệu nên có thể biến SIZE không phản ánh chính xác tình hình tài chính doanh nghiệp cũng như xác suất vỡ nợ Vì thế, bác bỏ giả thuyết H12
4.2.8 Tốc độ tăng trưởng kinh tế