Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất

Chia sẻ chuyên mục Đề Tài Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Tối ưu hóa cấu trúc vốn: Nhìn từ góc độ doanh nghiệp sản xuất niêm yết trên thị trường chứng khoán Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

Chương 4 trình bày các kết quả phân tích định lượng nhằm đánh giá tác động của các yếu tố nội tại doanh nghiệp đến cấu trúc vốn (CTV) của các công ty sản xuất niêm yết trên Thị trường chứng khoán Việt Nam giai đoạn 2016 – 2024. Trên cơ sở bộ dữ liệu bảng bao gồm 1989 quan sát, chương 4 lần lượt giới thiệu thống kê mô tả, ma trận hệ số tương quan, kiểm định đa cộng tuyến, và kết quả ước lượng từ các mô hình hồi quy dữ liệu bảng (FEM, REM và FGLS). Bên cạnh đó, chương 4 cũng trình bày các kiểm định phù hợp mô hình (Hausman, Breusch–Pagan, Wooldridge) nhằm xác định mô hình hồi quy thích hợp nhất. Cuối cùng, các kết quả nghiên cứu được thảo luận theo hướng so sánh với các lý thuyết nền tảng về Cấu trúc vốn như Lý thuyết Modigliani & Miller, Lý thuyết đánh đổi, Lý thuyết trật tự phân hạng và Lý thuyết tín hiệu, cũng như đối chiếu với các nghiên cứu thực nghiệm trong và ngoài nước.

4.1 Tổng quan về cấu trúc vốn của các doanh nghiệp trong mẫu nghiên cứu

Nhằm cung cấp cái nhìn tổng quan về tình hình tài chính của các doanh nghiệp sản xuất niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn 2016 – 2024, phần này sẽ trình bày và phân tích xu hướng biến động của các chỉ tiêu quan trọng phản ánh cấu trúc vốn, bao gồm tổng nợ và tổng tài sản của doanh nghiệp. Thông qua việc quan sát và so sánh sự thay đổi của các chỉ tiêu này qua các năm, luận văn góp phần làm rõ đặc điểm sử dụng đòn bẩy tài chính và chiến lược tài trợ vốn của các doanh nghiệp trong mẫu nghiên cứu. Các số liệu được tổng hợp từ báo cáo tài chính kiểm toán của các doanh nghiệp và thể hiện bằng biểu đồ trực quan để phục vụ cho việc phân tích xu hướng và so sánh trong các giai đoạn khác nhau. Đây là cơ sở quan trọng cho các phân tích định lượng chuyên sâu ở các phần tiếp theo.

• Biểu đồ 4.1. Biến động tổng nợ của các DN trong giai đoạn nghiên cứu

Biểu đồ 4.1 cho thấy tổng nợ của các doanh nghiệp trong mẫu nghiên cứu có xu hướng tăng liên tục qua giai đoạn 2016 – 2024. Cụ thể, trong giai đoạn 2016 – 2019, tổng nợ tăng đều đặn từ khoảng 280.000 tỷ đồng lên hơn 400.000 tỷ đồng, phản ánh sự mở rộng quy mô hoạt động cũng như nhu cầu tài trợ bằng nợ ngày càng lớn. Từ năm 2020 đến 2021, mức tăng trở nên rõ rệt hơn, có thể do doanh nghiệp gia tăng vay mượn để ứng phó với tác động của đại dịch COVID-19, nhằm duy trì hoạt động sản xuất và đảm bảo thanh khoản. Giai đoạn 2022 – 2023 ghi nhận sự chững lại trong tốc độ tăng tổng nợ, cho thấy xu hướng thận trọng hơn trong việc vay vốn, có thể do lãi suất tăng cao hoặc điều kiện tín dụng thắt chặt. Tuy nhiên, đến năm 2024, tổng nợ tiếp tục tăng mạnh và đạt mức cao nhất trong toàn giai đoạn nghiên cứu, cho thấy dấu hiệu phục hồi rõ rệt và khả năng các doanh nghiệp đang đẩy mạnh đầu tư mở rộng hoạt động. Xu hướng gia tăng tổng nợ liên tục cho thấy vai trò quan trọng của nguồn vốn vay trong cấu trúc tài chính của doanh nghiệp sản xuất, đồng thời cũng đặt ra yêu cầu kiểm soát rủi ro tài chính để đảm bảo sự phát triển bền vững trong tương lai.

• Biểu đồ 4.2. Biến động tổng tài sản của các DN trong giai đoạn nghiên cứu

Biểu đồ 4.2 cho thấy tổng tài sản của các doanh nghiệp trong mẫu nghiên cứu có xu hướng tăng liên tục và ổn định trong giai đoạn 2016 – 2024. Cụ thể, tổng tài sản bắt đầu từ mức khoảng 550.000 tỷ đồng vào năm 2016 và tăng đều qua các năm, đạt trên 1.200.000 tỷ đồng vào năm 2024. Giai đoạn 2016 – 2020 ghi nhận mức tăng ổn định, phản ánh sự phát triển quy mô tài sản của doanh nghiệp, chủ yếu thông qua mở rộng hoạt động kinh doanh, đầu tư vào tài sản cố định và gia tăng tài sản lưu động. Đặc biệt, giai đoạn 2020 – 2021 cho thấy mức tăng mạnh mẽ, có thể do các doanh nghiệp đẩy mạnh tích lũy tài sản hoặc có sự tăng trưởng đột biến sau giai đoạn điều chỉnh trước đó. Từ 2022 đến 2024, tổng tài sản tiếp tục tăng nhưng với tốc độ ổn định hơn, thể hiện sự duy trì chiến lược mở rộng có kiểm soát của doanh nghiệp. Xu hướng gia tăng tổng tài sản đồng thời với tổng nợ (như ở biểu đồ 4.1) cho thấy các doanh nghiệp đã và đang sử dụng đòn bẩy tài chính để tài trợ cho quá trình phát triển, từ đó nhấn mạnh tầm quan trọng của việc nghiên cứu cấu trúc vốn nhằm đảm bảo hiệu quả sử dụng vốn và kiểm soát rủi ro.

4.2 Thống kê mô tả Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Trước khi tiến hành phân tích hồi quy, bước thống kê mô tả được thực hiện nhằm cung cấp cái nhìn tổng quan về phân bố và đặc điểm cơ bản của các biến trong mô hình nghiên cứu. Bảng 4.1 trình bày các chỉ tiêu thống kê như số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất (GTNN) và giá trị lớn nhất (GTLN) đối với các biến được sử dụng, bao gồm biến phụ thuộc là TLEV – đại diện cho mức độ đòn bẩy tài chính, cùng với các biến độc lập phản ánh các đặc điểm nội tại của doanh nghiệp. Phân tích này giúp nhận diện sơ bộ mức độ biến thiên giữa các doanh nghiệp và là cơ sở cho các bước kiểm định và mô hình hóa tiếp theo.

• Bảng 4.1: Kết quả thống kê mô tả

Biến TLEV đại diện cho cấu trúc vốn của doanh nghiệp, được đo bằng tỷ lệ tổng nợ trên tổng tài sản. Trung bình TLEV của các doanh nghiệp trong mẫu là 0,4414, nghĩa là nợ chiếm khoảng 44,14% tổng tài sản – cho thấy mức sử dụng đòn bẩy tài chính ở mức trung bình. Độ lệch chuẩn là 0,1992 phản ánh mức độ phân tán tương đối vừa phải quanh giá trị trung bình. Giá trị nhỏ nhất (0,0027) (CTCP Công nghệ Sài Gòn Viễn Đông năm 2019) cho thấy có doanh nghiệp không sử dụng nợ, trong khi giá trị lớn nhất (1,2940) (CTCP Tập đoàn Kỹ nghệ gỗ Trường Thành năm 2019) cho thấy có doanh nghiệp có nợ vượt tổng tài sản, có thể do lỗ lũy kế hoặc tài sản âm. Điều này phản ánh sự đa dạng trong chiến lược tài trợ và khả năng chấp nhận rủi ro giữa các doanh nghiệp trong ngành sản xuất.

Biến SIZE được đo lường bằng logarit tự nhiên của tổng tài sản. Giá trị trung bình là 2,9719, cho thấy quy mô trung bình của các doanh nghiệp trong mẫu ở mức vừa phải. Độ lệch chuẩn là 0,6681, cho thấy có sự khác biệt đáng kể giữa các doanh nghiệp về quy mô. Giá trị nhỏ nhất là 1,3010 (CTCP Sản xuất Kinh doanh Dược và Trang thiết bị Y tế Việt Mỹ năm 2016), trong khi giá trị lớn nhất lên tới 5,3741 (CTCP Tập đoàn Hòa Phát năm 2024), cho thấy mẫu nghiên cứu bao gồm cả doanh nghiệp nhỏ lẫn doanh nghiệp quy mô rất lớn.

Biến TANG phản ánh tỷ trọng tài sản cố định hữu hình trên tổng tài sản. Giá trị trung bình là 0,2107cho thấy các doanh nghiệp sản xuất có tỷ lệ đầu tư vào tài sản hữu hình tương đối thấp so với kỳ vọng trong ngành sản xuất. Độ lệch chuẩn là 0,1544 phản ánh sự đa dạng giữa các doanh nghiệp về tỷ lệ tài sản cố định. Đặc biệt, có doanh nghiệp hoàn toàn không có tài sản cố định (GTNN = 0), trong khi một số doanh nghiệp có tỷ lệ này đạt mức 0,8616, cho thấy sự khác biệt rõ nét trong cơ cấu tài sản và chiến lược đầu tư tài sản dài hạn. Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Biến LIQ cho biết khả năng thanh toán nợ ngắn hạn của doanh nghiệp thông qua tài sản ngắn hạn. Giá trị trung bình là 2,5312, tức là trung bình các doanh nghiệp có thể chi trả nợ ngắn hạn bằng tài sản ngắn hạn gấp hơn 2,5 lần, cho thấy tình hình thanh khoản tương đối tốt. Tuy nhiên, độ lệch chuẩn rất cao (3,7729) và giá trị lớn nhất lên tới 52,2746 phản ánh sự phân bố dữ liệu bị lệch mạnh, có những doanh nghiệp có lượng tài sản ngắn hạn rất cao so với nợ ngắn hạn.

Biến REV đo lường hiệu quả sử dụng tài sản trong việc tạo ra doanh thu. Với trung bình là 3,0039, doanh nghiệp trung bình tạo ra khoảng 3 đồng doanh thu cho mỗi đồng tài sản, cho thấy hiệu quả hoạt động tương đối tốt. Độ lệch chuẩn 0,6394 ở mức thấp đến trung bình, phản ánh mức độ ổn định của hiệu quả hoạt động giữa các doanh nghiệp. Khoảng giá trị từ 0,3010 đến 5,2210 cho thấy có một số doanh nghiệp hoạt động rất hiệu quả, nhưng cũng có doanh nghiệp tạo ra doanh thu rất thấp so với tài sản đang sở hữu.

Biến TAX phản ánh tỷ lệ thuế doanh nghiệp phải trả trên lợi nhuận trước thuế. Giá trị trung bình là 0,1898, tức là trung bình các doanh nghiệp phải nộp khoảng 18,98% lợi nhuận vào thuế – phù hợp với mức thuế suất thuế thu nhập doanh nghiệp phổ biến tại Việt Nam (20%). Mức trung bình thấp hơn có thể do một số doanh nghiệp đang hưởng ưu đãi thuế hoặc có chi phí hợp lệ cao (khấu hao, lỗ chuyển kỳ trước, …) làm giảm phần lợi nhuận chịu thuế, khiến tỷ lệ thực tế phải nộp thuế thấp hơn. Tuy nhiên, độ lệch chuẩn cao (0,4238) và giá trị cực đại lên tới 17,0000 cho thấy có thể do doanh nghiệp bị phạt thuế.

4.3 Ma trận tương quan

Để đánh giá mối quan hệ tuyến tính giữa các biến trong mô hình nghiên cứu, ma trận tương quan được sử dụng như một công cụ nhằm xác định mức độ liên kết giữa các biến độc lập với nhau cũng như với biến phụ thuộc (NIM). Việc phân tích tương quan giúp nhận diện các cặp biến có mối quan hệ quá chặt chẽ, từ đó hỗ trợ sàng lọc những biến có khả năng gây ra hiện tượng đa cộng tuyến – một vấn đề phổ biến có thể làm sai lệch kết quả ước lượng trong mô hình hồi quy tuyến tính đa biến (Gujarati & Porter, 2009). Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

• Bảng 4.2: Kết quả ma trận tương quan

Biến TLEV có tương quan dương với các biến SIZE (0,2224) và REV (0,2865), cho thấy các doanh nghiệp có quy mô lớn và hiệu quả hoạt động cao thường sử dụng nợ nhiều hơn. Điều này phù hợp với lý thuyết tài chính cho rằng doanh nghiệp lớn thường có uy tín và dễ tiếp cận nguồn vốn vay hơn (Frank & Goyal, 2009). Ngược lại, biến LIQ có tương quan âm với TLEV (-0,5103), gợi ý rằng doanh nghiệp có thanh khoản tốt thường ít phụ thuộc vào nợ vay, đồng nhất với lý thuyết trật tự phân hạng (Myers & Majluf, 1984). Các biến còn lại như TANG (0,1178), TAX (0,0136) và AGE (-0,0794) có hệ số tương quan thấp, cho thấy mối liên hệ tuyến tính với TLEV là yếu.

Xét mối liên hệ giữa các biến độc lập với nhau, đáng chú ý nhất là cặp REV và SIZE có tương quan cao (0,8908), vượt ngưỡng cảnh báo 0,8 thường được sử dụng để phát hiện đa cộng tuyến (Gujarati & Porter, 2009). Điều này cho thấy hai biến này có thể mang thông tin trùng lặp, và nếu được đưa đồng thời vào mô hình hồi quy, sẽ làm suy giảm độ tin cậy của các ước lượng. Do đó, cần tiếp tục kiểm tra hệ số phóng đại phương sai (VIF) để đưa ra quyết định giữ lại hoặc loại bỏ một trong hai biến. Các cặp biến còn lại có tương quan ở mức thấp đến trung bình, không gây lo ngại về hiện tượng đa cộng tuyến.

4.4 Kiểm định hiện tượng đa cộng tuyến Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Trong nghiên cứu định lượng, hiện tượng đa cộng tuyến phát sinh khi hai hoặc nhiều biến độc lập trong mô hình hồi quy có mối quan hệ tuyến tính cao với nhau. Điều này có thể dẫn đến sai lệch trong việc ước lượng hệ số, làm giảm độ chính xác và tính ổn định của mô hình. Để phát hiện và đánh giá mức độ đa cộng tuyến, chỉ số VIF (Variance Inflation Factor) thường được sử dụng. Theo khuyến nghị phổ biến trong kinh tế lượng (Gujarati & Porter, 2009), khi VIF vượt ngưỡng 10, mô hình có thể bị ảnh hưởng nghiêm trọng của đa cộng tuyến; trong khi đó, giá trị VIF dưới 5 được xem là an toàn và có thể chấp nhận trong hầu hết các phân tích thực nghiệm.

• Bảng 4.3: Kết quả kiểm định đa cộng tuyến

Kết quả kiểm tra đa cộng tuyến thông qua chỉ số VIF cho thấy rằng hầu hết các biến độc lập đều có giá trị VIF thấp, dao động trong khoảng từ 1,00 đến 5,31. Theo ngưỡng đánh giá phổ biến được đề xuất bởi Gujarati & Porter (2009), VIF < 10 được xem là không gây ảnh hưởng nghiêm trọng đến mô hình, và trong nhiều trường hợp thực nghiệm, giá trị VIF dưới 5 vẫn được xem là an toàn.

Hai biến REV (5,31) và SIZE (5,17) có giá trị VIF cao nhất, tuy vượt ngưỡng 5 nhưng vẫn thấp hơn đáng kể so với ngưỡng 10, nên chưa đủ cơ sở để kết luận có đa cộng tuyến nghiêm trọng. Ngoài ra, các biến còn lại như LIQ, TANG, AGE và TAX đều có VIF gần bằng 1, khẳng định không có mối liên hệ tuyến tính đáng kể giữa các biến này với phần còn lại của mô hình.

Từ đó có thể khẳng định rằng không có biến nào trong mô hình cần phải loại bỏ do đa cộng tuyến, và toàn bộ các biến đều phù hợp để đưa vào phân tích hồi quy đa biến.

4.5 Lựa chọn mô hình phù hợp

Để đánh giá mức độ ảnh hưởng của các yếu tố đến cấu trúc vốn (TLEV), nghiên cứu áp dụng phương pháp hồi quy dữ liệu bảng với hai mô hình chính: Mô hình tác động cố định (Fixed Effects Model – FEM) và Mô hình tác động ngẫu nhiên (Random Effects Model – REM). Đây là hai phương pháp phân tích thường được sử dụng trong nghiên cứu thực nghiệm khi dữ liệu có cấu trúc bảng, cho phép xem xét đồng thời sự biến thiên giữa các doanh nghiệp (chiều không gian) và qua các thời kỳ (chiều thời gian). Trong đó, FEM cho phép kiểm soát các đặc điểm đặc thù của từng doanh nghiệp mà không thay đổi theo thời gian, chẳng hạn như ngành nghề hoạt động, cấu trúc sở hữu hay chiến lược quản trị bằng cách đưa các yếu tố này vào mô hình dưới dạng các hằng số riêng biệt. Điều này giúp loại bỏ sai lệch do các yếu tố không quan sát được. Ngược lại, REM giả định rằng các đặc điểm riêng này là ngẫu nhiên và không tương quan với các biến độc lập, qua đó tận dụng được nhiều thông tin hơn trong dữ liệu và nâng cao hiệu quả ước lượng nếu điều kiện giả định được thỏa mãn. Kết quả hồi quy từ hai mô hình được sử dụng để so sánh và đánh giá sự nhất quán trong tác động của các biến nội tại đến cấu trúc vốn của doanh nghiệp, đồng thời làm cơ sở cho việc lựa chọn mô hình phù hợp cho phân tích cuối cùng. Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

• Bảng 4.4: Kết quả hồi quy mô hình FEM, REM

Trong mô hình FEM, biến SIZE có hệ số dương (0,209) và có ý nghĩa thống kê tại mức 1%, cho thấy các doanh nghiệp có quy mô lớn hơn có xu hướng sử dụng đòn bẩy tài chính cao hơn, phù hợp với lý thuyết tiếp cận vốn dễ dàng ở doanh nghiệp lớn. Biến TANG cũng mang dấu dương (0,0569), có ý nghĩa ở mức 5%, hàm ý rằng tỷ lệ tài sản hữu hình càng cao thì khả năng vay nợ càng lớn do tài sản có thể được dùng làm tài sản thế chấp. Ngược lại, LIQ có hệ số âm (-0,0161) và có ý nghĩa thống kê tại mức 1% cho thấy doanh nghiệp có khả năng thanh khoản cao thường ít dựa vào vốn vay, phù hợp với lý thuyết trật tự phân hạng. Đáng chú ý, biến REV có dấu âm (-0,0634) và có ý nghĩa ở mức 1%, cho thấy các doanh nghiệp có hiệu quả sử dụng tài sản cao lại có xu hướng giảm sử dụng nợ, có thể do họ tự tài trợ từ dòng tiền nội bộ. Các biến TAX và AGE có dấu âm nhưng chỉ AGE (-0,288) là có ý nghĩa thống kê, phản ánh rằng các doanh nghiệp lâu năm có xu hướng giảm sử dụng đòn bẩy tài chính, có thể do tích lũy vốn tốt hơn hoặc thận trọng hơn với rủi ro tín dụng. Hệ số xác định R² = 0,225, cho thấy mô hình giải thích được khoảng 22,5% biến thiên trong TLEV là mức chấp nhận được trong nghiên cứu tài chính.

Kết quả từ mô hình REM nhìn chung khá tương đồng với FEM, với các dấu hiệu và ý nghĩa thống kê ổn định trên các biến chính. SIZE (0,145) và TANG (0,0648) có tác động dương và có ý nghĩa thống kê lần lượt ở mức 1% và 5%, củng cố vai trò của quy mô và tài sản hữu hình trong việc gia tăng khả năng tiếp cận nợ vay. Biến LIQ (-0,0165) và REV (-0,0375) đều có hệ số âm và ý nghĩa thống kê tại mức 1%, phản ánh xu hướng doanh nghiệp thanh khoản tốt và hoạt động hiệu quả thường giảm phụ thuộc vào nợ. Biến AGE (-0,170) có tác động âm tại mức ý nghĩa 1%, cho thấy tính nhất quán về ảnh hưởng của tuổi đời doanh nghiệp. Biến TAX không có ý nghĩa thống kê ở cả hai mô hình. Hệ số xác định R² = 0,216 của REM thấp hơn một chút so với FEM, cho thấy FEM có thể phù hợp hơn về mặt giải thích dữ liệu, tuy nhiên việc lựa chọn mô hình cần dựa thêm trên kiểm định Hausman để kết luận chắc chắn.

4.6 Kiểm định Hausman Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Để lựa chọn mô hình hồi quy phù hợp giữa mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) trong phân tích dữ liệu bảng, nghiên cứu sử dụng kiểm định Hausman, một phương pháp thống kê để xác định liệu các sai số không quan sát được có tương quan với các biến giải thích trong mô hình hay không. Nếu tồn tại mối tương quan giữa các hiệu ứng không quan sát được và các biến độc lập, mô hình REM sẽ cho kết quả ước lượng bị chệch và không nhất quán. Khi đó, mô hình FEM là lựa chọn phù hợp hơn do có khả năng kiểm soát các yếu tố bất biến theo thời gian của từng đơn vị bằng cách đưa các hiệu ứng này vào mô hình như các hằng số riêng biệt (Baltagi, 2005).

Ngược lại, nếu không phát hiện mối tương quan, REM sẽ được ưu tiên vì mang lại ước lượng hiệu quả hơn, khai thác được nhiều thông tin hơn từ dữ liệu bằng cách giả định rằng các hiệu ứng riêng biệt là ngẫu nhiên và không liên quan đến các biến giải thích (Greene, 2012). Do đó, kiểm định Hausman đóng vai trò quan trọng trong việc đảm bảo mô hình được lựa chọn là phù hợp với cấu trúc dữ liệu, từ đó nâng cao độ chính xác và độ tin cậy của các kết luận thống kê và hàm ý chính sách.

Về mặt giả thuyết, kiểm định Hausman được thiết lập như sau:

• H0: Mô hình REM là mô hình phù hợp
• H1: Mô hình FEM là mô hình phù hợp

Bảng 4.5: Kết quả kiểm định Hausman

Kết quả kiểm định được trình bày trong Bảng 4.5 cho thấy giá trị p-value = 0,0000, nhỏ hơn mức ý nghĩa α = 0,05. Do đó, giả thuyết H1 (mô hình FEM phù hợp hơn) được chấp nhận, và giả thuyết H0 (mô hình REM phù hợp) bị bác bỏ. Kết luận rằng mô hình FEM là phù hợp cho bài nghiên cứu này.

4.7 Kiểm định phương sai sai số thay đổi Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Trong phân tích hồi quy với dữ liệu bảng, một trong những điều kiện quan trọng đảm bảo độ tin cậy của các ước lượng là giả định về phương sai không đổi của sai số (homoscedasticity). Nếu giả định này bị vi phạm, nghĩa là khi sai số có phương sai thay đổi theo quan sát (heteroscedasticity) có thể làm cho các ước lượng kém hiệu quả và sai số chuẩn bị đánh giá sai, từ đó dẫn đến kết luận thống kê không chính xác, đặc biệt trong việc kiểm định giả thuyết và đánh giá ý nghĩa của các biến (Wooldridge, 2010).

Để phát hiện hiện tượng phương sai sai số thay đổi trong mô hình nghiên cứu, kiểm định Breusch–Pagan (Breusch & Pagan, 1979) được sử dụng. Đây là một phương pháp kiểm định được áp dụng rộng rãi trong nghiên cứu định lượng, giúp đánh giá xem phần dư của mô hình có phương sai thay đổi có hệ thống theo các biến độc lập hay không.

Giả thuyết của kiểm định Breusch–Pagan được thiết lập như sau:

• H0: Phương sai sai số không thay đổi
• H1: Phương sai sai số thay đổi

Bảng 4.6: Kết quả kiểm định phương sai sai số thay đổi

Từ kết quả chạy Stata, giá trị p-value của kiểm định Breusch-Pagan nhỏ hơn 0,05, cho thấy mô hình có hiện tượng phương sai sai số thay đổi.

4.8 Kiểm định hiện tượng tự tương quan

Trong phân tích hồi quy sử dụng dữ liệu bảng, một giả định quan trọng để đảm bảo độ chính xác của các ước lượng là phần sai số của các quan sát phải độc lập theo thời gian, tức không xảy ra hiện tượng tự tương quan (serial correlation) giữa các sai số trong cùng một đơn vị quan sát qua các thời kỳ. Khi giả định này bị vi phạm, nghĩa là sai số ở các mốc thời gian khác nhau có mối liên hệ với nhau sẽ mất đi tính hiệu quả và sai số chuẩn sẽ bị đánh giá sai lệch, dẫn đến những kết luận thống kê không đáng tin cậy (Wooldridge, 2010). Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Để kiểm tra xem mô hình có vi phạm giả định này hay không, nghiên cứu sử dụng kiểm định Wooldridge cho tự tương quan trong dữ liệu bảng, được đề xuất bởi Wooldridge (2002). Đây là một trong những phương pháp kiểm định phổ biến tính đơn giản trong cách thực hiện, độ tin cậy cao, và đặc biệt không yêu cầu số lượng lớn quan sát theo thời gian. Kiểm định có thể áp dụng linh hoạt cho cả hai mô hình tác động cố định (FEM) và tác động ngẫu nhiên (REM), giúp phát hiện sớm các vấn đề liên quan đến sự phụ thuộc chuỗi trong phần dư của mô hình. Qua đó, nhà nghiên cứu có cơ sở để điều chỉnh mô hình nhằm đảm bảo độ tin cậy cho kết quả phân tích định lượng.

Giả thuyết kiểm định Wooldridge: H0: Không có hiện tượng tự tương quan bậc nhất trong mô hình H1: Có hiện tượng tự tương quan bậc nhất trong mô hình

• Bảng 4.7: Kết quả kiểm định hiện tượng tự tương quan

Kết quả kiểm định Wooldridge trong phần mềm Stata cho thấy giá trị p-value < 0,05, điều này có nghĩa là mô hình có hiện tượng tự tương quan.

4.9 Hồi quy phương pháp FGLS Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Khi phân tích hồi quy với dữ liệu bảng, mô hình thường đối mặt với hai vấn đề kỹ thuật phổ biến là phương sai sai số thay đổi (heteroscedasticity) và tự tương quan (serial correlation). Nếu không được xử lý đúng cách, các vấn đề này có thể dẫn đến sai số chuẩn bị đánh giá sai và làm suy giảm độ tin cậy của các kết luận thống kê. Trong bối cảnh đó, phương pháp Bình phương nhỏ nhất tổng quát khả thi (FGLS – Feasible Generalized Least Squares) được xem là một lựa chọn thích hợp về mặt kỹ thuật.

FGLS được thiết kế nhằm điều chỉnh cấu trúc hiệp phương sai của sai số để phản ánh chính xác sự phân tán không đồng nhất cũng như sự liên kết giữa các quan sát theo thời gian. Thay vì giả định sai số có phương sai đồng nhất và không tương quan, FGLS cho phép ước lượng dựa trên một ma trận hiệp phương sai linh hoạt hơn, từ đó mang lại ước lượng không chệch và hiệu quả hơn trong các mô hình vi phạm giả định cổ điển (Greene, 2018). Việc áp dụng FGLS trong nghiên cứu không chỉ khắc phục được các khuyết tật của mô hình, mà còn nâng cao chất lượng và độ tin cậy của các ước lượng.

• Bảng 4.8: Kết quả hồi quy phương pháp FGLS

Kết quả cho thấy biến SIZE có hệ số dương nhưng không có ý nghĩa thống kê (p = 0,398), do đó giả thuyết H1 bị bác bỏ. Trên lý thuyết, theo Modigliani & Miller (1958) trong điều kiện thị trường hoàn hảo, quy mô không ảnh hưởng đến cấu trúc vốn. Tuy nhiên, theo lý thuyết đánh đổi cấu trúc vốn, doanh nghiệp lớn thường có khả năng tiếp cận tín dụng dễ dàng hơn, ít bị rủi ro vỡ nợ, do đó được kỳ vọng có TLEV cao hơn. Trên thực tế, nhiều nghiên cứu trước đây như Khaki & Akin (2020), Nguyễn Đức Trung & Bùi Đan Thanh (2021), và Nguyễn Thị Như Quỳnh và cộng sự (2020) đều ghi nhận mối quan hệ tích cực giữa quy mô và đòn bẩy tài chính. Tuy nhiên, trong nghiên cứu này, có thể do đặc điểm của mẫu nghiên cứu làm hạn chế vai trò của quy mô.

Biến TANG có hệ số dương, nhưng không có ý nghĩa thống kê (p = 0,277), nên giả thuyết H2 bị bác bỏ. Theo lý thuyết đánh đổi, tài sản hữu hình giúp doanh nghiệp có tài sản thế chấp, từ đó giảm rủi ro tín dụng và tăng khả năng vay nợ. Tuy nhiên, giống như nghiên cứu của Nguyễn Đức Trung & Bùi Đan Thanh (2021) và Hoàng Thị Kim Thoa (2021), kết quả lại cho thấy TANG không phải là biến giải thích có ảnh hưởng trong mọi bối cảnh. Một cách lý giải khác đến từ nghiên cứu của Meisami, Park & Meysami (2024), khi các khoản đầu tư cụ thể cho khách hàng (ví dụ: hợp đồng cung ứng lâu dài) cũng mang lại rủi ro gắn bó và giảm tính linh hoạt trong tái triển khai tài sản, khiến tác động của tài sản hữu hình không đơn thuần chỉ là lợi thế thế chấp.

Biến LIQ có tác động âm và có ý nghĩa thống kê tại mức 1%, do đó giả thuyết H3 được chấp nhận. Kết quả này hoàn toàn nhất quán với kỳ vọng từ lý thuyết trật tự phân hạng (Myers & Majluf, 1984), cho rằng các doanh nghiệp có thanh khoản cao sẽ ưu tiên sử dụng nguồn vốn nội tại hơn là vốn vay. Đây là một trong những phát hiện có tính nhất quán cao trong nhiều nghiên cứu như Bachtiar và cộng sự (2024), Khaki & Akin (2020), Nguyễn Đức Trung & Bùi Đan Thanh (2021). Về mặt chính sách, điều này cũng đặt ra gợi ý rằng việc tăng cường quản trị dòng tiền và năng lực thanh khoản sẽ giúp doanh nghiệp giảm phụ thuộc vào nợ, từ đó hạn chế rủi ro tài chính dài hạn. Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Trái ngược với giả thuyết H4 kỳ vọng mối quan hệ ngược chiều, biến REV lại có tác động dương và ý nghĩa thống kê tại mức 1%, khiến giả thuyết H4 bị bác bỏ. Theo góc nhìn thực tế, các doanh nghiệp có hiệu quả sử dụng tài sản cao thường tự tin hơn trong việc huy động vốn từ bên ngoài để mở rộng quy mô hoạt động. Điều này phù hợp với lý thuyết tín hiệu (Ross, 1977), doanh nghiệp mạnh tài chính sẵn sàng sử dụng nợ như một cách thể hiện niềm tin vào dòng tiền tương lai. Kết quả này cũng khớp với nghiên cứu của Meisami và cộng sự (2024), khi doanh thu – bất kể có liên kết với đầu tư cụ thể hay không – đều ảnh hưởng trực tiếp đến cấu trúc vốn.

Biến TAX có hệ số âm và không có ý nghĩa thống kê (p = 0,457), nên giả thuyết H5 bị bác bỏ. Mặc dù lý thuyết đánh đổi cấu trúc vốn cho rằng doanh nghiệp sẽ tận dụng lá chắn thuế từ chi phí lãi vay, nhưng kết quả này cho thấy thực tế có thể không đơn giản như lý thuyết đề xuất. Afrin & Shaown (2022) cũng ghi nhận rằng việc tối ưu thuế thông qua nợ chỉ hiệu quả ở những doanh nghiệp có chiến lược rõ ràng về tối thiểu hóa chi phí vốn. Ở Việt Nam, hệ thống thuế ổn định và các ưu đãi không đồng đều theo ngành có thể khiến biến này không còn mang tính phân biệt.

Biến AGE có tác động âm và có ý nghĩa thống kê tại mức 1%, nên giả thuyết H6 được chấp nhận. Doanh nghiệp có số năm hoạt động dài hơn thường tích lũy được vốn nội tại lớn hơn và có xu hướng thận trọng hơn trong việc sử dụng nợ, điều này phù hợp với lý thuyết trật tự phân hạng. Các nghiên cứu như Khaki & Akin (2020), Bùi Đan Thanh & Lê Thị Khuyên (2021), và Hoàng Thị Kim Thoa (2021) cũng đưa ra kết quả tương đồng. Một diễn giải khác là doanh nghiệp lâu năm thường đã đạt trạng thái ổn định, ít nhu cầu mở rộng đột biến và ít động cơ tận dụng đòn bẩy cao.

• Bảng 4.9: Tổng hợp giả thuyết và các kết quả nghiên cứu

Bảng 4.9 đối chiếu giữa các giả thuyết nghiên cứu (H1–H6) và kết quả thực nghiệm từ mô hình FGLS cho thấy mức độ phù hợp khác nhau giữa kỳ vọng lý thuyết và thực tiễn. Trong số sáu biến đưa vào mô hình, chỉ có ba biến là LIQ, REV, và AGE thể hiện ảnh hưởng có ý nghĩa thống kê đến cấu trúc vốn (TLEV) với mức ý nghĩa 1%.

Cụ thể, biến LIQ (tính thanh khoản) thể hiện tác động ngược chiều và có ý nghĩa thống kê cao, hoàn toàn phù hợp với giả thuyết H3, đồng thời củng cố cơ sở lý thuyết từ lý thuyết trật tự phân hạng, cho rằng doanh nghiệp có thanh khoản tốt thường ít phụ thuộc vào nợ vay. Biến AGE (số năm hoạt động) cũng có tác động ngược chiều có ý nghĩa thống kê tại mức 1%, xác nhận giả thuyết H6 và phản ánh xu hướng các doanh nghiệp lâu năm tích lũy được vốn nội bộ nên ít cần đến đòn bẩy tài chính.

Ngược lại, kết quả của biến REV (doanh thu) lại trái ngược với giả thuyết H4, khi biến này cho thấy tác động cùng chiều với TLEV và có ý nghĩa thống kê cao, hàm ý rằng doanh nghiệp có hiệu quả hoạt động cao có thể chủ động sử dụng nợ như một chiến lược mở rộng, phù hợp với lý thuyết tín hiệu.

Ba biến còn lại là SIZE, TANG, và TAX tuy có tác động đúng với giả thuyết đặt ra ban đầu, nhưng không có ý nghĩa thống kê, cho thấy các yếu tố này không có tác động đáng kể đến cấu trúc vốn trong mô hình này. Kết quả này có thể bị chi phối bởi đặc điểm ngành, thời kỳ quan sát hoặc sự tương quan với các biến khác như hiệu quả hoạt động và khả năng thanh khoản.

• KẾT LUẬN CHƯƠNG 4 Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Kết quả phân tích trong chương 4 cho thấy rằng tính thanh khoản (LIQ) và số năm hoạt động (AGE) có tác động ngược chiều đến Cấu trúc vốn và đều đạt ý nghĩa thống kê cao (1%), phù hợp với lý thuyết trật tự phân hạng và nhiều nghiên cứu thực nghiệm trước đó. Ngược lại, doanh thu (REV) lại cho thấy mối quan hệ cùng chiều với Cấu trúc vốn, trái ngược với giả thuyết ban đầu nhưng phù hợp với bối cảnh doanh nghiệp sản xuất Việt Nam khi cần vốn vay để mở rộng sản xuất. Các biến như quy mô doanh nghiệp (SIZE), cấu trúc tài sản (TANG), và thuế suất thuế thu nhập doanh nghiệp (TAX) không có ý nghĩa thống kê trong mô hình FGLS, cho thấy ảnh hưởng không ổn định hoặc chưa rõ ràng trong bối cảnh nghiên cứu. Việc xác định mô hình FGLS là phù hợp nhất giúp đảm bảo độ tin cậy cho các ước lượng, đồng thời nhấn mạnh vai trò quan trọng của việc điều chỉnh hiện tượng phương sai thay đổi và tự tương quan trong phân tích dữ liệu bảng. Các kết quả thu được sẽ là cơ sở quan trọng cho phần đề xuất chính sách trong chương 5.

CHƯƠNG 5. KẾT LUẬN VÀ KHUYẾN NGHỊ

Sau khi trình bày kết quả định lượng ở chương 4, chương 5 tiếp tục thảo luận các phát hiện nghiên cứu nhằm giải thích ý nghĩa kinh tế và lý thuyết đằng sau các biến ảnh hưởng đến Cấu trúc vốn của doanh nghiệp sản xuất niêm yết tại Việt Nam. Việc đối chiếu kết quả thực nghiệm với các giả thuyết nghiên cứu ban đầu cũng như các lý thuyết nền tảng giúp làm rõ hơn bản chất mối quan hệ giữa đặc điểm doanh nghiệp và lựa chọn tài trợ vốn. Trên cơ sở đó, các kiến nghị thực tiễn được đề xuất cho doanh nghiệp, nhà đầu tư, cơ quan quản lý để cải thiện chất lượng quản trị tài chính và sử dụng vốn hiệu quả trong bối cảnh kinh tế ngày càng biến động.

5.1 Kết luận Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

Nghiên cứu đã tiến hành đánh giá các yếu tố nội tại ảnh hưởng đến Cấu trúc vốn của các doanh nghiệp sản xuất niêm yết trên Thị trường chứng khoán Việt Nam trong giai đoạn 2016 – 2024. Thông qua phương pháp hồi quy dữ liệu bảng và mô hình FGLS nhằm khắc phục các vấn đề về phương sai sai số thay đổi và tự tương quan, kết quả thực nghiệm đã mang lại nhiều phát hiện quan trọng.

Trong số sáu biến độc lập được đưa vào mô hình, có ba biến thể hiện ý nghĩa thống kê và có ảnh hưởng rõ ràng đến Cấu trúc vốn của doanh nghiệp:

Tính thanh khoản (LIQ) có tác động ngược chiều đến Cấu trúc vốn, phù hợp với giả thuyết H3 và với các lý thuyết tài chính như lý thuyết đánh đổi cấu trúc vốn và lý thuyết trật tự phân hạng, phản ánh rằng các doanh nghiệp có khả năng thanh toán tốt thường ít dựa vào nợ vay.

Doanh thu (REV) lại có tác động cùng chiều với Cấu trúc vốn, trái với kỳ vọng trong giả thuyết H4. Kết quả này cho thấy các doanh nghiệp có doanh thu cao thường đòn bẩy tài chính cao hơn, có thể để tận dụng quy mô hoạt động hoặc tăng lợi nhuận trên vốn chủ sở hữu.

Tuổi đời doanh nghiệp (AGE) tác động ngược chiều đến Cấu trúc vốn, phù hợp với giả thuyết H6 và với nghiên cứu trước như Khaki & Akin (2020), gợi ý rằng các doanh nghiệp hoạt động lâu năm có xu hướng sử dụng vốn chủ sở hữu nhiều hơn để tránh rủi ro tài chính.

Ba biến còn lại (SIZE, TANG, TAX) không mang ý nghĩa thống kê. Điều này cho thấy đặc điểm ngành sản xuất tại Việt Nam có thể phản ứng khác biệt so với các ngành như bất động sản, dệt may hay xây dựng, khi mà tài sản hữu hình và quy mô chưa đóng vai trò quan trọng trong việc tiếp cận nợ vay.

Kết quả nghiên cứu cho thấy không phải tất cả các yếu tố nội tại đều có ảnh hưởng đáng kể đến cấu trúc vốn, và mức độ tác động của từng yếu tố có thể thay đổi theo từng ngành, giai đoạn và bối cảnh thị trường.

5.2 Khuyến nghị

Từ những phát hiện thực nghiệm, nghiên cứu đề xuất một số hàm ý chính sách và giải pháp quản trị tài chính cho doanh nghiệp và cơ quan quản lý: Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

• Đối với các nhà quản trị doanh nghiệp:

Nâng cao khả năng thanh khoản: Các doanh nghiệp cần duy trì tỷ lệ thanh khoản hợp lý, nhưng không nên quá dư thừa dòng tiền nhàn rỗi, vì điều này có thể làm giảm khả năng tận dụng lợi ích đòn bẩy. Doanh nghiệp nên cân nhắc mức độ sử dụng nợ sao cho tối ưu hóa chi phí vốn.

Cân nhắc tuổi đời trong chiến lược vốn: Với các doanh nghiệp mới thành lập, việc tiếp cận vốn vay có thể gặp nhiều rào cản. Do đó, cần xây dựng lộ trình tài chính bài bản để từng bước cải thiện tín nhiệm và đa dạng hóa nguồn vốn.

Tối ưu hóa doanh thu đi kèm kiểm soát rủi ro: Doanh thu tăng có thể tạo điều kiện mở rộng quy mô nợ, nhưng đồng thời cần gắn với hiệu quả hoạt động, tránh lạm dụng vay nợ dẫn đến mất cân đối tài chính.

• Đối với nhà đầu tư và chủ nợ:

Cần phân tích kỹ các yếu tố như tính thanh khoản và độ tuổi doanh nghiệp trước khi quyết định đầu tư hoặc cho vay. Các doanh nghiệp có tính thanh khoản tốt và hoạt động lâu năm thường ít rủi ro về mặt tài chính.

• Đối với cơ quan quản lý:

Cần hoàn thiện hơn nữa chính sách thông tin minh bạch về cơ cấu vốn, chi phí nợ và các yếu tố rủi ro tài chính của doanh nghiệp. Từ đó giúp nhà đầu tư đưa ra quyết định chính xác hơn.

Khuyến khích các doanh nghiệp niêm yết áp dụng các chuẩn mực báo cáo tài chính quốc tế (IFRS), nhằm tăng cường khả năng phân tích và so sánh giữa các doanh nghiệp.

5.3 Hạn chế và hướng nghiên cứu tiếp theo Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

• Nghiên cứu vẫn còn một số hạn chế nhất định, như:

Mẫu nghiên cứu chỉ giới hạn trong nhóm doanh nghiệp sản xuất niêm yết, chưa đại diện toàn bộ thị trường.

Mô hình chưa đưa vào các biến vĩ mô như lãi suất, tỷ giá, chu kỳ kinh tế có thể ảnh hưởng đến chính sách nợ của doanh nghiệp.

Do đó, hướng nghiên cứu trong tương lai có thể mở rộng phạm vi mẫu sang các ngành khác, kết hợp với các yếu tố vĩ mô và yếu tố phi tài chính như ESG hoặc quản trị doanh nghiệp, nhằm cung cấp cái nhìn toàn diện hơn về các yếu tố ảnh hưởng đến cấu trúc vốn trong bối cảnh Việt Nam và quốc tế.

• KẾT LUẬN CHƯƠNG 5

Những kết quả thảo luận trong chương này cho thấy Cấu trúc vốn của doanh nghiệp sản xuất niêm yết tại Việt Nam chịu tác động từ các yếu tố nội tại như thanh khoản, doanh thu và số năm hoạt động, trong khi các biến như quy mô, cấu trúc tài sản và thuế suất chưa thể hiện rõ vai trò trong mô hình thống kê. Những phát hiện này không chỉ góp phần kiểm định thực nghiệm các lý thuyết kinh điển về cấu trúc vốn mà còn làm sáng tỏ bối cảnh đặc thù tại Việt Nam – nơi các doanh nghiệp vẫn đang trong quá trình chuyên nghiệp hóa quản trị tài chính và tiếp cận thị trường vốn hiệu quả. Các kiến nghị được đưa ra nhằm hỗ trợ doanh nghiệp tối ưu hóa chính sách tài trợ, nâng cao năng lực cân đối vốn và giảm thiểu rủi ro tài chính. Trong tương lai, những nghiên cứu tiếp theo nên mở rộng thêm phạm vi ngành, giai đoạn dữ liệu hoặc tích hợp các yếu tố vĩ mô và ESG để có cái nhìn toàn diện và cập nhật hơn về hành vi tài chính của doanh nghiệp Việt Nam trong nền kinh tế hội nhập. Luận văn: KQNC Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: Tối ưu hóa cấu trúc vốn doanh nghiệp sản xuất