Luận văn Thạc sĩ Kinh tế: Đánh giá nguy cơ phá sản của các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƢỚC VIỆT NAM

TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH

LUẬN VĂN THẠC SỸ

ĐÁNH GIÁ NGUY CƠ PHÁ SẢN CỦA CÁC DOANH NGHIỆP NIÊM YẾT TRÊN THỊ TRƢỜNG

CHỨNG KHOÁN VIỆT NAM

HVTH

: Tạ Ngọc Thiện Thảo

GVHD

: TS. Võ Hồng Đức

Chuyên ngành

: Tài chính – Ngân hàng

020116140226

MSHV

:

TP. HỒ CHÍ MINH - NĂM 2016

TÓM TẮT

Nghiên cứu này được thực hiện nhằm mục đích đo lường tác động của các chỉ

số tài chính đến nguy cơ phá sản các doanh nghiệp niêm yết trên thị trường chứng

khoán Việt Nam. Mẫu nghiên cứu bao gồm 471 doanh nghiệp niêm yết trên Sở giao

dịch chứng khoán Hà Nội (HNX) và Sở giao dịch chứng khoán TPHCM (HOSE)

trong giai đoạn 2012-2014. Nghiên cứu sử dụng phương pháp hồi quy Logistic để

ước lượng các kết quả cần đạt được từ mô hình hồi quy. Phương pháp này được lựa

chọn nhằm mục đích đảm bảo được sự phù hợp với cách xác định “nguy cơ phá

sản” của một doanh nghiệp (biến nhị phân chỉ nhận giá trị 0 hoặc 1). Xác suất phá

sản của doanh nghiệp trong nghiên cứu này được xác định trên cơ sở của các nghiên

cứu trước trên thị trường Việt Nam (nghiên cứu của Hoàng Tùng (2011) và Nguyễn

Trọng Hòa (2009)).

Kết quả nghiên cứu cho thấy nguy cơ phá sản của các doanh nghiệp niêm yết

trên thị trường chứng khoán Việt Nam chịu tác động bởi các yếu tố: (i) Tính thanh

khoản (được thể hiện thông qua tỷ số tài chính tài sản lưu động/Nợ ngắn hạn phải

trả), (ii) Hiệu quả hoạt động (được thể hiện thông qua hai tỷ số tài chính là ROA và

EBIT/Doanh thu thuần), (iii) Đòn bẩy tài chính (được thể hiện thông qua tỷ số Tổng

nợ/Tổng tài sản) và (iv) Kỳ vọng thị trường (được thể hiện thông qua tỷ số Vốn hóa

thị trường/Tổng nợ)

Kết quả đạt được từ nghiên cứu này đã cung cấp thêm một số bằng chứng

khoa học định lượng có liên quan đến mối liên hệ giữa các tỷ số tài chính thường

được sử dụng với nguy cơ phá sản doanh nghiệp niêm yết trên thị trường chứng

khoán Việt Nam. Do đó, kết quả nghiên cứu thực nghiệm rất có ích khi hướng đến

các đối tượng khác nhau như: các nhà quản lý doanh nghiệp, các tổ chức tín dụng

và các nhà đầu tư chứng khoán.

LỜI CẢM ƠN

Tôi xin gửi lời cảm ơn chân thành đến thầy TS.Võ Hồng Đức, người đã hướng

dẫn tôi thực hiện bài luận văn Thạc sỹ này.Thầy đã luôn quan tâm, hướng dẫn tận

tình và động viên tôi trong quá trình thực hiện nghiên cứu.

Tôi xin cảm ơn các thầy cô của Trường Đại học Ngân hàng Tp. Hồ Chí Minh

và Phòng Đào tạo sau đại học đã truyền đạt những kiến thức bổ ích, tạo điều kiện

thuận lợi cho tôi trong suốt quá trình học tại trường cũng như quá trình thực hiện đề

tài.

Cuối cùng, tôi xin gửi lời cảm ơn gia đình những người đã luôn bên tôi trong

mọi hoàn cảnh và cảm ơn bạn bè đã luôn bên cạnh cổ vũ, động viên tôi để vượt qua

khó khăn trong cuộc sống cũng như quá trình thực hiện luận văn. Tất cả những

thiếu sót của nghiên cứu này đều thuộc trách nhiệm của tôi và tôi mong nhận được ý

kiến đóng góp.

iii

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn thạc sĩ kinh tế với đề tài “Đánh giá nguy cơ phá

sản của các doanh nghiệp niêm yết trên thị trƣờng chứng khoán Việt Nam”

này là công trình nghiên cứu của chính cá nhân tôi, được thực hiện dưới sự hướng

dẫn của TS. Võ Hồng Đức. Các số liệu, nội dung nghiên cứu và kết quảđược trình

bày trong bài luận văn là trung thực, chính xác trong phạm vi hiểu biết của tôi và

chưa được công bố dưới bất kỳ hình thức nào trước đây. Các số liệu, các nguồn

trích dẫn trong luận văn được chú thích nguồn gốc rõ ràng, minh bạch.

Tôi xin hoàn toàn chịu trách nhiệm về nội dung và tính trung thực của đề tài

nghiên cứu này.

Tp. Hồ Chí Minh, ngày 20 tháng 10 năm 2016

Học viên

Tạ Ngọc Thiện Thảo

MỤC LỤC

TÓM TẮT ................................................................................................................... i

LỜI CẢM ƠN ............................................................................................................ ii

LỜI CAM ĐOAN .................................................................................................... iii

MỤC LỤC ................................................................................................................. iv

DANH MỤC CÁC BẢNG BIỂU VÀ ĐỒ THỊ ...................................................... vi

DANH MỤC CÁC TỪ VIẾT TẮT ........................................................................ vii

CHƢƠNG 1: GIỚI THIỆU ĐỀ TÀI ....................................................................... 1

1.1 Tính cấp thiết của đề tài ................................................................................... 1

1.2 Mục tiêu nghiên cứu ...................................................................................... 3

1.3 Câu hỏi nghiên cứu ........................................................................................ 3

1.4 Đối tượng và phạm vi nghiên cứu ................................................................. 3

1.5 Phương pháp nghiên cứu và dữ liệu nghiên cứu ........................................... 4

1.6 Đóng góp của đề tài ....................................................................................... 4

1.7 Bố cục dự kiến của đề tài ............................................................................... 5

CHƢƠNG 2: TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU .................................. 6

2.1 Tổng quan cơ sở lý thuyết ............................................................................. 6

2.1.1 Các khái niệm, nhận định về tình trạng kiệt quệ tài chính và phá sản doanh nghiệp ........................................................................................................ 6

2.1.2 Các nghiên cứu về mức xác định kiệt quệ tài chính ............................... 8

2.1.3 Chi phí kiệt quệ tài chính ...................................................................... 10

2.1.4 Một số nguyên nhân dẫn đến phá sản doanh nghiệp ........................... 12

2.2 Một số nghiên cứu trước về dự báo phá sản và nguy cơ phá sản ................ 15

CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU .................................................. 26

3.1 Xây dựng giả thuyết và đề xuất mô hình nghiên cứu .................................. 26

3.1.1 Điều kiện của dữ liệu thu thập và biến lựa chọn trong mô hình nghiên cứu ............................................................................................................... 26

3.1.2 Xây dựng mô hình ................................................................................. 26

3.1.2.1 Mô hình nghiên cứu tổng quát .............................................................. 26

3.1.2.2 Mô hình nghiên cứu cụ thể ................................................................... 28

3.2 Dữ liệu nghiên cứu ...................................................................................... 34

3.2.1 Dữ liệu thu thập .................................................................................... 34

3.2.2 Xử lý dữ liệu thu thập ........................................................................... 34

3.3 Phương pháp hồi quy ..................................................................................... 36

3.3.1 Phương pháp hồi quy dữ liệu bảng....................................................... 37

3.3.2 Trình tự thực hiện nghiên cứu định lượng ............................................ 37

3.3.2.1 Phân tích thống kê mô tả ................................................................... 37

3.3.2.2 Phân tích tương quan ..................................................................... 37

3.3.2.3 Phân tích hồi quy .............................................................................. 38

3.3.3 Các phương pháp kiểm định ................................................................. 39

3.3.3.1 Kiểm định lựa chọn mô hình ............................................................. 39

3.3.3.2 Các kiểm định giả thuyết hồi quy .................................................. 39

CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU.............................................................. 41

4.1 Thống kê mô tả các biến định lượng trong mô hình ................................... 41

4.2 Phân tích ma trận tương quan ...................................................................... 44

4.3 Phân tích mô hình hồi quy ........................................................................... 47

4.4 Kiểm định khả năng dự báo của mô hình .................................................... 50

4.5 Giải thích các biến độc lập .......................................................................... 52

CHƢƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ ......................................................... 57

5.1 Tóm tắt kết quả nghiên cứu ......................................................................... 57

5.2 Kiến nghị ..................................................................................................... 58

5.3 Hạn chế của đề tài và đề xuất hướng nghiên cứu tiếp theo ......................... 61

5.3.1 Hạn chế của đề tài ................................................................................ 61

5.3.2 Đề xuất hướng nghiên cứu tiếp theo ..................................................... 63

TÀI LIỆU THAM KHẢO ...................................................................................... 64

PHỤ LỤC ................................................................................................................. 67

DANH MỤC CÁC BẢNG BIỂU VÀ ĐỒ THỊ

Bảng 3.1 Bảng tóm tắt các biến số và dấu kỳ vọng trong mô hình nghiên cứu : 33

Bảng 3.2 Tỷ lệ các thành phần trong nhóm quan sát : 35

Bảng 4.1 Thống kê mô tả các biến định lượng : 41

Bảng 4.2 Ma trận hệ số tương quan : 45

Bảng 4.3 Kết quả kiểm định Hausman : 47

Bảng 4.4 Kết quả hồi quy mô hình tác động ngẫu nhiên : 48

Bảng 4.5 Kết quả kiểm định Wald : 49

Bảng 4.6 Kết quả VIF : 50

Bảng 4.7 Thống kê kết quả dự báo của mô hình : 50

Đồ thị 4.1 Đồ thị phân tích ROC : 51

vii

DANH MỤC CÁC TỪ VIẾT TẮT

: Sở giao dịch chứng khoán thành phố Hồ Chí Minh HOSE

: Sở giao dịch chứng khoán Hà Nội HNX

: Các tác giả Ctg

: Mô hình các yếu tố tác động ngẫu nhiên (Random Effect model) REM

: Mô hình các yếu tố ảnh hưởng cố định (Fixed Effect model) FEM

: Hệ số phóng đại phương sai (Variance Inflation Factor) VIF

CHƢƠNG 1

GIỚI THIỆU ĐỀ TÀI

1.1 Tính cấp thiết của đề tài

Trong những năm gần đây, tình hình kinh tế thế giới đang gặp rất nhiều khó

khăn. Khủng hoảng kinh tế thế giới vừa qua đã để lại hậu quả nặng nề ở mức độ vĩ

mô là nền kinh tế thế giới bị suy giảm mạnh, sản xuất suy giảm, thất nghiệp tăng

cao, các cuộc khủng hoảng về nợ công diễn ra ở châu Âu (nổi bật nhất là ở Hy Lạp).

Tại Việt Nam, trong giai đoạn 2011-2014, dưới sự tác động của khủng hoảng kinh

tế thế giới kèm theo đó là những vấn đề nội tại khiến kinh tế Việt Nam phải đối mặt

với nhiều khó khăn và thử thách: tốc độ tăng trưởng chậm dao động quanh mức 5-

7%/năm, sức mua trong nước giảm, doanh nghiệp phá sản với số lượng lớn.

Theo Tổng cục Thống kê, ước tính năm 2013, số doanh nghiệp gặp khó khăn

phải giải thể hoặc ngừng hoạt động là 60.737 doanh nghiệp, tăng 11,9% so với năm

trước. Trong đó, số doanh nghiệp đã giải thể là 9.818 doanh nghiệp, tăng 4,9%; số

doanh nghiệp đăng ký tạm ngừng hoạt động là 10.803 doanh nghiệp, tăng 35,7%; số

doanh nghiệp ngừng hoạt động nhưng không đăng ký là 40.116 doanh nghiệp, tăng

8,6%.

Trong năm 2014, đà phá sản của các doanh nghiệp vẫn tiếp tục tăng. Cả nước

có 67.823 doanh nghiệp gặp khó khăn buộc phải giải thể, hoặc đăng ký tạm ngừng

hoạt động có thời hạn, hoặc ngừng hoạt động chờ đóng mã số doanh nghiệp hoặc

không đăng ký. Trong đó có 9.501 doanh nghiệp đã hoàn thành thủ tục giải thể,

giảm 3,2% so với năm 2013, số lượng doanh nghiệp giải thể phần lớn là những

doanh nghiệp có quy mô vốn dưới 10 tỷ đồng; 58.322 doanh nghiệp khó khăn phải

ngừng hoạt động, tăng 14,5% so với năm trước.

Theo Cục quản lý đăng ký kinh doanh của Bộ Kế hoạch và Đầu tư, trong năm

2015, cả nước có 68.350 doanh nghiệp đăng ký thành lập mới, nhưng số doanh

nghiệp hoàn tất thủ tục giải thể, chấm dứt hoạt động trong thời gian này là hơn

7.000 doanh nghiệp và số doanh nghiệp khó khăn tạm ngừng hoạt động lên tới hơn

47.600.

Như vậy, số liệu thống kê cho thấy số doanh nghiệp ngừng hoạt động qua các

năm gần đây rấtlớn. Tuy nhiên, thực tế thể hiện rằng số doanh nghiệp bị công bố

phá sản lại chiếm tỷ lệ thấp. Cần lưu ý rằngthủ tục phá sản các doanh nghiệp trên

thế giới đơn giản, trong khi ở Việt Nam thì thủ tục phức tạp. Như vậy, có quan điểm

cho rằng tỷ lệ phá sản tại Việt Nam qua các số liệu thống kê chưa phản ánh đúng

thực trạng hoạt động. Thực tế thể hiện rằng có thể có nhiều công ty hoạt động yếu

kém nhưng vì thủ tục phá sản phức tạp mà vẫn chưa thể phá sản, đặc biệt là tình

trạng thông tin kém minh bạch vẫn còn tồn tại ở đa số doanh nghiệp.

Với một nền kinh tế có quá nhiều doanh nghiệp gặp khó khăn trong hoạt động,

đặc biệt trong bối cảnh khi Việt Nam đang xây dựng một môi trường kinh doanh ổn

định nhằm thu hút đầu tư, nhất là đầu tư nước ngoài thì việc có tới hàng chục nghìn

doanh nghiệp hoàn tất thủ tục giải thể, chấm dứt và tạm dừng hoạt động trong một

năm cũng gây ảnh hưởng không nhỏ đến cái nhìn của các nhà đầu tư đối với môi

trường kinh doanh trong nước. Mặt khác, những hệ lụy về mặt xã hội như việc làm,

môi trường sinh thái cũng là vấn đề đáng lưu ý khi nhiều doanh nghiệp ngừng hoạt

động. Do đó, cần có những biện pháp hỗ trợ để doanh nghiệp hoạt động tốt hơn và

có thể quay lại thị trường, giúp kinh tế trong nước hồi phục và phát triển.

Chính vì vậy, việc dự báo chính xác khả năng rơi vào tình trạng có nguy cơ

phá sản của doanh nghiệp là một trong vấn đề cốt lõi giúp các nhà quản lý đưa ra

những quyết định phù hợp, duy trì sự tồn tại và thúc đẩy sự phát triển của doanh

nghiệp. Bên cạnh đó, các ngân hàng trước khi cấp tín dụng thì mỗi ngân hàng sẽ có

các mô hình, quy trình riêng để xếp hạng tín dụng hay đánh giá khả năng trả nợ của

các doanh nghiệp. Từ đó làm căn cứ để tiến hành cấp hạn mức tín dụng, tuy nhiên

tỷ lệ nợ xấu của các ngân hàng hiện nay vẫn còn cao và một trong những nguyên

nhân dẫn đến tình trạng trên là do quy trình đánh giá khả năng trả nợ của ngân hàng

chưa hoạt động hiệu quả. Từ thực tiễn như trên học viên chọn đề tài “Đánh giá

nguy cơ phá sản của các doanh nghiệp niêm yết trên thị trƣờng chứng khoán

Việt Nam” để nghiên cứu.

1.2 Mục tiêu nghiên cứu

Nghiên cứu này được thực hiện với mục tiêu tìm hiểu khả năng dự báo của các

mô hình dự báo nguy cơ phá sản doanh nghiệp đã được xây dựng trên phạm vi toàn

thế giới để ứng dụng vào nghiên cứu thực tiễn dự báo nguy cơ phá sản phù hợp với

các doanh nghiệp Việt Nam trong giai đoạn hiện nay.

Với mục tiêu như trên, vấn đề cần nghiên cứu là tiến hành làm rõ thế nào là

phá sản doanh nghiệp; xác định mẫu nghiên cứu để đánh giá mô hình dự báo phá

sản; tìm kiếm, kế thừa những mô hình dự báo phá sản đã được phát triển trên thế

giới trong thời gian qua để ứng dụng vào nghiên cứu thực tiễn dự báo sớm nguy cơ

phá sản cho các doanh nghiệp Việt Nam; xác định chiều hướng tác động của các tỷ

số tài chính đến nguy cơ phá sản của doanh nghiệp và đo lường mức độ chính xác

của mô hình trong việc dự báo sớm nguy cơ phá sản.

1.3 Câu hỏi nghiên cứu

Để giải quyết mục tiêu nghiên cứu trên, tác giả đưa ra câu hỏi nghiên cứu như

 Các nhân tố nào tác động đến nguy cơ xảy ra phá sản các doanh nghiệp

niêm yết trên thị trường chứng khoán Việt Nam?

 Mức độ ảnh hưởng của từng nhân tố đến nguy cơ phá sản của các doanh

nghiệp niêm yết như thế nào?

 Từ kết quả nghiên cứu, có những kiến nghị gì để có thể hạn chế được

nguy cơ phá sản các doanh nghiệp niêm yết trên thị trường chứng khoán

Việt Nam?

1.4 Đối tƣợng và phạm vi nghiên cứu

Đối tượng nghiên cứu là sự ảnh hưởng của các tỷ số tài chính đến nguy cơ phá

sản các doanh nghiệp niêm yết trên sàn chứng khoán Việt Nam.

Phạm vi nghiên cứu là các doanh nghiệp đang niêm yết trên sàn chứng khoán

Việt Nam giai đoạn từ 2012 đến 2014 có Báo cáo tài chính đã qua kiểm toán.

Nghiên cứu cũng loại trừ các doanh nghiệp là tổ chức tài chính, bảo hiểm do cấu

trúc vốn của các doanh nghiệp này khác so với các doanh nghiệp hoạt động sản xuất

kinh doanh.

1.5 Phƣơng pháp nghiên cứu và dữ liệu nghiên cứu

Đề tài sử dụng phương pháp nghiên cứu định lượng. Với sự hỗ trợ của phần

mềm phân tích chuyên dụng Stata, mô hình hồi quy Logistic được sử dụng để để

tiến hành phân tích thống kê mô tả, phân tích tương quan cũng như phân tích chạy

mô hình hồi quy và thực hiện các kiểm định cần thiết.

Dữ liệu nghiên cứu của đề tài là dữ liệu thứ cấp được trích từ báo cáo tài

chính (đã được kiểm toán) kết thúc năm 2012, 2013, 2014 của 471 doanh nghiệp

niêm yết trên sàn chứng khoán HOSE và HNX.

1.6 Đóng góp của đề tài

Về mặt khoa học:

Đóng góp một phần vào nền tảng lý thuyết tài chính doanh nghiệp qua bằng

chứng thực nghiệm về vấn đề dự báo nguy cơ phá sản của các doanh nghiệp tại

nước ta. Đánh giá một cách hệ thống tình hình, dự báo nguy cơ phá sản của các

doanh nghiệp Việt Nam.

Về mặt thực tế:

Đối với các nhà quản lý doanh nghiệp, góp phần xây dựng nâng cao hiệu quả

sản xuất kinh doanh, giảm thiểu tình trạng kiệt quệ tài chính có nguy cơ dẫn đến phá

sản. Đối với các tổ chức tín dụng, góp phần trong việc ban hành chính sách tín

dụng, nâng cao khả năng thu hồi nợ vay qua việc dự báo nguy cơ phá sản của các

định chế tài chính. Đối với các nhà đầu tư, giúp nhà đầu tư nhận định tình hình

doanh nghiệp để đưa ra quyết định đầu tư.

Quá trình thực hiện đề tài giúp cho bản thân người thực hiện củng cố thêm

những kiến thức quý giá trong phương pháp nghiên cứu, cũng như cơ sở lý thuyết

làm nền tảng cho những nghiên cứu khác thiết thực hơn sau này.

1.7 Bố cục dự kiến của đề tài

- Chương 1: Giới thiệu đề tài

- Chương 2: Tổng quan về vấn đề nghiên cứu

- Chương 3: Phương pháp nghiên cứu

- Chương 4: Kết quả nghiên cứu

- Chương 5: Kết luận và kiến nghị

CHƢƠNG 2

TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU

2.1 Tổng quan cơ sở lý thuyết

2.1.1 Các khái niệm, nhận định về tình trạng kiệt quệ tài chính và phá sản

doanh nghiệp

Mỗi quốc gia với đặc điểm nền kinh tế có các đặc trưng khác nhau nên các

quy định về phá sản doanh nghiệp sẽ có những điểm khác nhau. Trong các nghiên

cứu tùy vào thời điểm, thị trường được nghiên cứu mà các tác giả có quan điểm

khác nhau về phá sản và nguy cơ phá sản (tình trạng kiệt quệ tài chính).

Tình trạng kiệt quệ tài chính (Financial distress) là tình trạng mà công ty

không đáp ứng hoặc gặp khó khăn trong việc thanh toán các nghĩa vụ tài chính đối

với các chủ nợ. Tình trạng kiệt quệ tài chính sẽ gia tăng khi công ty có chi phí cố

định cao, tài sản có tính thanh khoản kém hay doanh thu nhạy cảm với các biến

động xấu của nền kinh tế (Investopedia, 2012). Kiệt quệ tài chính ở mức độ nghiêm

trọng sẽ dẫn đến phá sản. Wruck (1990) cho rằng tình trạng kiệt quệ tài chính của

doanh nghiệp là khi dòng tiền không đủ để đảm bảo các nghĩa vụ tài chính, khi đó

các cổ đông cũ mất quyền sở hữu doanh nghiệp, các chủ nợ sẽ nắm giữ tài sản của

doanh nghiệp và trở thành các cổ đông mới. Purnanandam (2005) xem xét kiệt quệ

tài chính như là một tình trạng về khả năng thanh toán. Ông đã phát triển một mô

hình lý thuyết về quản trị rủi ro công ty trong đó có sự xuất hiện của chi phí kiệt quệ

tài chính. Kiệt quệ tài chính được xem như là một giai đoạn trung gian giữa việc

còn khả năng thanh toán và mất khả năng thanh toán. Một doanh nghiệp đang trong

tình trạng kiệt quệ tài chính có thể có các dấu hiệu như tiền mặt bị giảm thường

xuyên, liên tục, không có sản phẩm mang tính cạnh tranh, không thu được nợ hoặc

đang nợ quá nhiều, không lập quỹ dự phòng tài chính, thay đổi kiểm toán độc lập,

cắt giảm cổ tức, các nhân sự quản lý cấp cao ra đi, bán các tài sản hàng đầu, cắt

giảm các khoản thù lao doanh nghiệp kiệt quệ tài chính có thể bán những tài sản

chính yếu, sáp nhập vào doanh nghiệp khác, giảm chi phí sử dụng vốn, phát hành cổ

phần, gia hạn các khoản vay, chuyển nợ thành cổ phần…

Altman (1968) khi thực hiện nghiên cứu tại thị trường Mỹ cho rằng công ty

phá sản khi công ty không giải quyết được nghĩa vụ nợ và nộp đơn xin phá sản.

Theo Shelagh Heffernan (2005) khả năng phá sản của các doanh nghiệp xảy ra khi

doanh nghiệp lâm vào tình trạng mất khả năng thanh toán, khi nợ phải trả vượt quá

tài sản hoặc tài sản ròng âm.

Kiệt quệ tài chính và phá sản giống nhau về khó khăn trong việc thực hiện

việc trả nợ. Kiệt quệ tài chính có thể xảy ra ở nhiều giai đoạn với nhiều mức độ,

trong khi đó phá sản là tình trạng pháp lý để giải quyết quyền lợi các bên và là sự

kiện đánh dấu sự chấm dứt của một doanh nghiệp. Kiệt quệ tài chính có thể không

dẫn đến phá sản nếu doanh nghiệp khắc phục được kiệt quệ tài chính, trong khi đó

phần lớn các trường hợp phá sản đều trải qua giai đoạn kiệt quệ tài chính (Platt H.D

& Platt M.B, 2006). Trước khi phá sản, doanh nghiệp cũng thường trải qua một giai

đoạn chờ đợi, thanh lý tài sản và giải thể chứ không phải là phá sản ngay lập tức.

Theo các nghiên cứu của Theodossiou (1993) các doanh nghiệp Mỹ thường mất khả

năng trả nợ vay khoảng 2 năm trước khi đi đến phá sản. Tinoco & Wilson (2013)

nghiên cứu các doanh nghiệp tại Anh cho thấy 1,17 năm là khoảng cách trung bình

giữa ngày doanh nghiệp rơi vào kiệt quệ tài chính với ngày chính thức phá sản về

mặt pháp lý (khoảng cách này cũng có thể lên tới 3 năm).

Foster (1986) định nghĩa kiệt quệ tài chính là một vấn đề về thanh khoản, vấn

đề có thể được giải quyết bằng việc tái cơ cấu quy mô lớn về hoạt động kinh doanh

hoặc cấu trúc của tổ chức kinh tế. Gordon (1971) nhấn mạnh rằng kiệt quệ tài chính

chỉ là một giai đoạn trong một quá trình mà tiếp theo sau đó là sự thất bại và tái cấu

trúc. Theo Lemma và Tracy (2012) ba giải pháp tài chính mà các công ty có thể

chọn để đối phó với kiệt quệ tài chính thay vì lựa chọn thủ tục phá sản của tòa án:

cơ cấu lại nợ, bán tài sản hoặc tiếp nhận vốn mới từ nguồn bên ngoài. Phá sản

không phải là nguyên nhân của sự sụt giảm giá trị, nó là hậu quả.

2.1.2 Các nghiên cứu về mức xác định kiệt quệ tài chính

Tinoco và Wilson (2013) nghiên cứu các doanh nghiệp tại Anh nhận thấy

doanh nghiệp kiệt quệ tài chính khi lợi nhuận trước thuế, trước lãi vay và khấu hao

(EBITDA – Earnings before interest, taxes, depreciation and amortization) thấp hơn

so với chi phí lãi vay và khi doanh nghiệp có mức tăng trưởng âm trong giá trị thị

trường trong năm quan sát. Nghiên cứu của Sori, Z.M & Jalil, H.A (2009) cho các

doanh nghiệp trên thị trường chứng khoán Singapore nhận thấy doanh nghiệp kiệt

quệ tài chính khi cùng xảy ra các điều kiện doanh nghiệp bị yêu cầu phải cấu trúc

lại, doanh nghiệp đang phải giao tài sản để thanh toán nợ, doanh nghiệp thua lỗ liên

tục trong 3 năm, doanh nghiệp có dòng tiền âm liên tục trong 3 năm.

Nghiên cứu của Pindado, J. & Rodrigues, L. (2009) xác định doanh nghiệp

kiệt quệ tài chính khi: lợi nhuận trước thuế, lãi vay và khấu hao (EBITDA) nhỏ hơn

chi phí tài chính. Trước đó nghiên cứu của Zhang (2007) khi nghiên cứu thị trường

chứng khoán Trung Quốc thì có quan điểm rằng công ty bị đưa vào diện kiểm soát

khi thu nhập tích lũy âm 2 năm liên tiếp hoặc giá trị tài sản ròng trên cổ phiếu thấp

hơn giá trị sổ sách.

Platt, H.D. & Platt, M.B. (2006) xác định doanh nghiệp kiệt quệ tài chính khi

đồng thời 3 chỉ tiêu tỷ lệ chi trả lãi trước thuế, lãi vay và khấu hao; lợi nhuận trước

thuế và lãi vay (EBIT), lợi nhuận sau thuế bị âm liên tục trong 2 năm.Abid, F. &

Zouari, A. (2003) xác định doanh nghiệp kiệt quệ tài chính bằng cách sử dụng công

thức Black – Scholes. Khi đó doanh nghiệp có xác suất lớn hơn 0,01 được xem là

kiệt quệ tài chính, nhỏ hơn 0,01 là doanh nghiệp lành mạnh.

Tại Việt Nam hiện nay theo quy chế giám sát đối với doanh nghiệp nhà nước

kinh doanh thua lỗ, hoạt động không có hiệu quả, doanh nghiệp thuộc đối tượng

giám sát nếu rơi vào một trong các trường hợp kinh doanh thua lỗ 3 năm liên tiếp,

kinh doanh thua lỗ 1 năm nhưng mất 30% vốn chủ sở hữu trở lên, kinh doanh giữa

hai năm lỗ có một năm lãi, có hệ số khả năng thanh toán nợ đến hạn nhỏ hơn 0,5.

Tại Việt Nam, luật phá sản năm 2004 quy định “Doanh nghiệp, hợp tác xã

không có khả năng thanh toán được các khoản nợ đến hạn khi chủ nợ có yêu cầu thì

coi là lâm vào tình trạng phá sản”. Theo như nhận định của Lê Văn Hưng (2007) thì

dấu hiệu để cho rằng công ty lâm vào tình trạng phá sản chính là vì nó mất khả năng

thanh toán các khoản nợ đến hạn khi chủ nợ yêu cầu. Vì vậy việc xác định dấu hiệu

mất khả năng thanh toán có ý nghĩa hết sức quan trọng, là căn cứ khởi đầu cho một

quá trình tiến hành các thủ tục giải quyết phá sản. Nhưng cách xác định mất khả

năng thanh toán ở các nước cũng không hoàn toàn giống nhau. Luật Phá sản ở Việt

Nam không qui định các dấu hiệu cụ thể để xác định công ty mất khả năng thanh

toán nợ đến hạn, tạo điều kiện cho việc sớm mở thủ tục phá sản cũng như khả năng

phục hồi hoạt động kinh doanh của công ty. Tuy nhiên, công ty lâm vào tình trạng

phá sản chưa hẳn đã bị phá sản, nó chỉ bị coi là phá sản khi tiến hành thủ tục tuyên

bố phá sản. Theo quy chế niêm yết trên Sở giao dịch chứng khoán (ký ngày

07/12/2007), quy định liên quan đến vấn đề hiệu quả hoạt động của công ty, nếu

“Tổ chức niêm yết cổ phiếu, trái phiếu có kết quả hoạt động sản xuất kinh doanh bị

lỗ trong 03 năm liên tục và tổng số lỗ lũy kế vượt quá vốn chủ sở hữu trong báo cáo

tài chính tại thời điểm gần nhất” thì công ty sẽ bị đưa vào diện “hủy niêm yết bắt

buộc”.

Trong nghiên cứu về rủi ro tín dụng doanh nghiệp, tác giả Hoàng Tùng (2011)

và Nguyễn Trọng Hòa (2009) đều cho rằng công ty có rủi ro tín dụng khi xảy ra một

trong các yếu tố: hoặc không có khả năng thực hiện nghĩa vụ tín dụng đối với đối

tác (nợ quá hạn trên tổng dư nợ ngân hàng); hoặc vốn lưu động âm; hoặc có giá trị

thị trường của công ty nhỏ hơn tổng nợ.

Tóm lại, phá sản công ty tại thị trường Việt Nam nếu chỉ căn cứ vào quy định

của Luật phá sản và các quy định về thủ tục phá sản thì sẽ có rất ít công ty phá sản.

Đặc biệt là các công ty sản xuất có số lượng lao động lớn, các thủ tục phá sản lại

càng khó khăn hơn do ảnh hưởng về mặt xã hội. Vì vậy phá sản tại thị trường Việt

Nam chịu tác động bởi khá nhiều yếu tố chủ quan (kết quả hoạt động kinh doanh

của công ty – đại diện bởi các chỉ tiêu tài chính) và khách quan (sự ràng buộc về các

chính sách của nhà nước như ổn định xã hội, sự kì vọng của nhà đầu tư).

Để thuận tiện trong việc xác định đối tượng, dữ liệu nghiên cứu dựa trên các

nghiên cứu trước kết hợp với điều kiện thực tế tại Việt Nam, nghiên cứu chỉ đưa ra

quan điểm là công ty có nguy cơ phá sản (kiệt quệ tài chính (Financial distress)) và

công ty không có nguy cơ phá sản, dựa vào các nghiên cứu đã nghiên cứu trước trên

thị trường Việt Nam và một số thị trường khác đề tài đưa ra 2 tiêu chí để nhận diện

công ty có nguy cơ phá sản như sau:

 Các công ty bị Sở Giao dịch chứng khoán công bố hủy niêm yết, bị cảnh

báo ngừng giao dịch hay những công ty có cổ phiếu bị đưa vào diện phải

kiểm soát thì đều thuộc dạng công ty có nguy cơ phá sản (ở đây nghiên cứu

chỉ xét các công ty bị cảnh báo do liên quan đến vấn đề hiệu quả hoạt động,

không xét các trường hợp khác chẳng hạn do vi phạm qui tắc công bố thông

tin, thời hạn nộp các báo cáo tài chính).

 Các công ty đồng thời có ROA hoặc vốn lưu động (tổng tài sản ngắn hạn –

tổng nợ ngắn hạn) âm và vốn hóa thị trường (số cổ phiếu đang lưu hành x

giá thị trường 1 cổ phiếu) nhỏ hơn tổng nợ phải trả cũng là các công ty có

nguy cơ phá sản.

Nghiên cứu này chọn xác định tình trạng kiệt quệ tài chính dựa trên các khả

năng đáp ứng nghĩa vụ nợ. Từ đó xây dựng mô hình dự báo nguy cơ phá sản cho

các doanh nghiệp niêm yết trên sàn chứng khoán Việt Nam theo mô hình hồi quy

Logit trong phần sau. Đây là mô hình ước lượng xác suất của một sự kiện sẽ xảy ra

và biến phụ thuộc là biến nhận một trong hai giá trị “1” là có nguy cơ phá sản và

“0” là không có nguy cơ phá sản.

2.1.3 Chi phí kiệt quệ tài chính

Đầu tiên, một doanh nghiệp kiệt quệ tài chính có thể mất nhiều khách hàng,

giá trị sản phẩm và nhân viên chủ chốt.Opler và Titman (1994) đưa ra bằng chứng

thực nghiệm rằng các doanh nghiệp lâm vào kiệt quệ tài chính mất đi đáng kể thị

phần cho các đối thủ mạnh trong một nền công nghiệp suy thoái. Sử dụng dữ liệu từ

thị trường công nghiệp tiêu dùng (Chevalier 1995a, b) tìm thấy bằng chứng rằng nợ

làm yếu đi vị thế cạnh tranh của một doanh nghiệp. Nguyên nhân là do khách hàng

không thích kinh doanh với một doanh nghiệp đang trong tình trạng kiệt quệ tài

chính. Hơn nữa, các đối thủ cạnh tranh lợi dụng tình trạng doanh nghiệp đang suy

yếu về tài chính để giảm giá sản phẩm, thực hiện các chiến lược quảng cáo mạnh

mẽ nhằm thu hút khách hàng. Sự sụt giảm doanh số bán hàng của Apple và Chrysler

trong thời kỳ khó khăn tài chính đã cung cấp bằng chứng để chứng minh cho những

tổn thất đó.

Thứ hai, khi một doanh nghiệp gặp khó khăn thì cả trái chủ lẫn cổ đông đều

muốn doanh nghiệp phục hồi, nhưng ở các khía cạnh khác quyền lợi của họ có thể

mâu thuẩn nhau. Vào các thời điểm kiệt quệ tài chính những người nắm giữ chứng

khoán giống như nhiều Đảng phái chính trị ở các nước Tư bản: đoàn kết trên những

vấn đề tổng quát nhưng bị đe dọa bởi những tranh cãi với nhau về một vấn đề cụ thể

nào đó (GS Trần Ngọc Thơ và các cộng sự, 2007, tr385). Một doanh nghiệp kiệt

quệ tài chính thì có nhiều khả năng vi phạm các hợp đồng nợ hoặc chậm trễ trong

việc thanh toán lãi và nợ gốc. Các vi phạm này chịu tổn thất vô ích dưới dạng các

hình phạt tài chính, trả nợ nhanh, hoạt động thiếu linh động, quản lý thời gian và

nguồn chi tiêu trong những đàm phán với chủ nợ.

Cuối cùng, một doanh nghiệp tài chính có thể phải từ bỏ dự án NPV dương do

chi phí tài chính bên ngoài tốn kém, theo Froot, Scharfstein và Stein (1993). Kiệt

quệ tài chính tốn kém khi các mâu thuẫn quyền lợi cản trở các quyết định đúng đắn

về hoạt động đầu tư và tài trợ. Các cổ đông thường từ bỏ mục tiêu thông thường là

tối đa hóa giá trị thị trường của doanh nghiệp và thay vào đó là theo đuổi mục tiêu

hạn hẹp hơn là quyền lợi riêng của mình. Họ thường có khuynh hướng thực hiện

các ý đồ riêng mà phần thiệt hại sẽ do các chủ nợ gánh chịu (GS Trần Ngọc Thơ và

các cộng sự, 2007, tr385). Các ý đồ ở đây có thể là: dịch chuyển rủi ro, từ chối đóng

góp vốn cổ phần, thu tiền và bỏ chạy, kéo dài thời gian, thả mồi bắt bóng làm mất đi

sự linh hoạt trong hoạt động của doanh nghiệp.

Chi phí kiệt quệ tài chính có thể được chia ra thành chi phí phá sản và chi phí

nhưng chưa phá sản.Smith và Stulz (1985) là những người đầu tiên nghiên cứu về

tình trạng kiệt quệ tài chính của doanh nghiệp đã kết luận rằng một doanh nghiệp

rơi vào tình trạng kiệt quệ tài chính có thể phải gánh chịu chi phí kiệt quệ tài chính

trực tiếp và chi phí kiệt quệ tài chính gián tiếp. Chi phí phá sản gồm các chi phí trực

tiếp như lệ phí tòa án và các chi phí gián tiếp phản ánh khó khăn trong việc quản lý

một doanh nghiệp đang bị tái cơ cấu. Chi phí kiệt quệ tài chính nhưng chưa phá sản

gồm các mâu thuẫn quyền lợi giữa trái chủ và cổ đông của doanh nghiệp trong kiệt

quệ tài chính có thể đưa đến các quyết định xấu về hoạt động đầu tư và các điều

khoản trong hợp đồng nợ được thiết kế để ngăn ngừa lợi ích riêng của cổ đông.

Qua phân tích ta thấy rõ ảnh hưởng của kiệt quệ tài chính đến hoạt động của

doanh nghiệp là vô cùng mạnh mẽ. Do đó, việc đánh giá, dự báo được kiệt quệ tài

chính là một việc làm quan trọng từ đó làm cơ sở hoạch định chính sách cho các

nhà quản trị doanh nghiệp ở Việt Nam, cũng là cơ sở cho các chủ nợ và nhà đầu tư

trong quá trình ra quyết định của mình.

2.1.4 Một số nguyên nhân dẫn đến phá sản doanh nghiệp

Để một doanh nghiệp rơi vào tình trạng phá sản thì có nhiều nguyên nhân.

Theo Holland (1998) cho rằng có 2 loại cơ bản của thất bại trong kinh doanh: thất

bại thảm khốc (Catastrophic Failure) và thất bại do thiếu thành công (General Lack

of Success Failure). Theo đó, thất bại thảm khốc được hiểu là những doanh nghiệp

bị ảnh hưởng do một cú sốc đột ngột trong hoạt động kinh doanh như: mất hoàn

toàn vốn lưu động, không thể khắc phục được thiệt hại…Còn thất bại do thiếu thành

công chủ yếu do lợi nhuận thu được không đáp ứng được kỳ vọng của chủ sở hữu,

từ đó dẫn đến công ty bị bán, đóng cửa ngừng hoạt động…

Theo Ooghe và Prijcker (2006) dựa vào việc nghiên cứu các trường hợp cụ thể

kết hợp với các đặc điểm về quản lý và tuổi đời của doanh nghiệp đã chia ra 4 loại

quá trình thất bại trong kinh doanh:

 Quá trình thất bại đầu tiên sự không thành công xảy ra ở các doanh nghiệp

mới thành lập được lãnh đạo bởi những nhà quản lý thiếu kinh nghiệm

trong vấn đề quản lý và cả trong lĩnh vực hoạt động của doanh nghiệp.

 Quá trình thất bại thứ hai xảy ra tại các doanh nghiệp tăng trưởng đầy

tham vọng. Tại các doanh nghiệp này, sau khi đầu tư thất bại họ không

còn đủ tiềm lực tài chính để điều chỉnh cách thức kinh doanh với điều kiện

môi trường thay đổi để tránh thất bại;

 Quá trình thất bại thứ ba là tại các doanh nghiệp tăng trưởng lóa mắt.

Doanh nghiệp được lãnh đạo bởi những nhà quản lý quá tự tin mà không

có cái nhìn thực tế về tình hình tài chính của doanh nghiệp;

 Cuối cùng là các doanh nghiệp sau khi được thành lập do thiếu động lực

trong kinh doanh, không nhận ra môi trường kinh doanh thay đổi từ đó

mất dần cơ sở để cạnh tranh, kết quả dẫn đến sự thất bại của doanh nghiệp.

Như vậy dựa trên các nghiên cứu đã tham khảo, đề tài tạm phân chia các

nguyên nhân dẫn đến phá sản công ty như sau:

 Doanh nghiệp phá sản do khả năng quản lý kém: Holland (1998) cho rằng

theo đánh giá của công ty Dun&Bradstreet số liệu thống kê cho thấy

nguyên nhân thất bại do thiếu thành công (GLOS) là do những sai lầm

trong quản lý chiếm khoảng 88,7% của tất cả các thất bại trong kinh

doanh. Theo Ooghe và Prijcker (2006) thì 4 loại thất bại trong kinh doanh

đều có nguyên nhân liên quan đến sai lầm trong quản lý của người quản lý

doanh nghiệp.

 Doanh nghiệp phá sản do tình hình tài chính không tốt: Beaver (1966) cho

rằng một trong những dấu hiệu để nhận biết công ty phá sản là công ty

không thanh toán được trái phiếu công ty khi đến hạn, không chi trả được

cổ tức cho cổ phiếu ưu đãi. Trong nghiên cứu về dự báo phá sản của

Altman và cộng sự (1968, 1977, 2000, 2007) đều cho thấy rằng mô hình

dự báo phá sản luôn tồn tại các tỷ số phản ánh tình hình tài chính. Như

vậy, tình hình tài chính là một trong những yếu tố đảm bảo sự sống còn

của doanh nghiệp và cũng là yếu tố tồn tại trong hầu hết các mô hình dự

báo phá sản cũng như xếp hạng tín dụng doanh nghiệp.

 Doanh nghiệp phá sản do hiệu quả hoạt động kinh doanh kém: Trong mô

hình dự báo phá sản của Altman và cộng sự thì bên cạnh các chỉ số tài

chính thì các tỷ số liên quan đến lợi nhuận của công ty luôn xuất hiện và

có xu hướng ảnh hưởng nghịch chiều với nguy cơ phá sản, nếu các tỷ số

này càng cao thì xác xuất xảy ra phá sản càng thấp. Theo Ooghe và

Prijcker (2006) thì 4 loại thất bại trong kinh doanh đều có nguyên nhân

liên quan đến sai lầm trong quản lý mà kết quả thường thấy là sự suy giảm

lợi nhuận, hiệu quả hoạt động giảm sút. Tại Việt Nam trong nghiên cứu về

rủi ro tín dụng doanh nghiệp, Hoàng Tùng (2011) cho rằng hiệu quả hoạt

động là một trong những yếu tố ảnh hưởng đến rủi ro phá sản của doanh

nghiệp. Trong nghiên cứu về xếp hạng tín dụng doanh nghiệp của Nguyễn

Trọng Hòa (2009) cũng cho rằng hiệu quả hoạt động là một trong số các

chỉ tiêu để xếp hạng tín dụng doanh nghiệp.

 Doanh nghiệp phá sản do phụ thuộc vào quy mô của công ty: Theo Garcia

– Marco và Robles Fernander (2008) các doanh nghiệp lớn có khả năng đa

dạng hóa rủi ro trên các dòng sản phẩm và quản lý rủi ro tốt hơn so với

những doanh nghiệp nhỏ. Tương tự như vậy, nghiên cứu của Saibol Ghosh

(2014), Salkeld (2011) và Nguyễn Trọng Hòa (2009) cho rằng các doanh

nghiệp nhỏ phải đối mặt với rủi ro cao hơn vì họ không có khả năng đa

dạng hóa danh mục đầu tư để giảm thiểu rủi ro, do đó quy mô doanh

nghiệp có tác động ngược chiều với rủi ro phá sản. Những công ty lớn thì

mặc nhiên các nguồn lực về tài chính, tài sản, con người cũng sẽ lớn. Vì

vậy phá sản công ty có quy mô lớn sẽ liên quan đến các yếu tố về an sinh

xã hội, nên Chính phủ thường sẽ có những biện pháp hỗ trợ, tái cơ cấu.

 Ngoài ra còn có những nguyên nhân khác cũng có thể dẫn đến phá sản

công ty như: tuổi đời công ty, các chính sách vĩ mô của Chính phủ.

2.2 Một số nghiên cứu trƣớc về dự báo phá sản và nguy cơ phá sản

Trên thế giới có nhiều nghiên cứu về dự báo phá sản, đánh giá nguy cơ phá

sản của doanh nghiệp, tuỳ đặc điểm riêng của từng thị trường mà có sự thay đổi

tương ứng. Một số nghiên cứu tiêu biểu nhất có thể tóm tắt như sau:

Trong nghiên cứu về “Các chỉ số tài chính dự báo sự phá sản”, Beaver (1966)

cho rằng một trong những dấu hiệu để nhận biết công ty phá sản là công ty không

thanh toán được trái phiếu công ty khi đến hạn, không chi trả được cổ tức cho cổ

phiếu ưu đãi, có tài khoản ngân hàng bị thấu chi. Các phân tích kỹ thuật đơn biến

của mô hình dự báo phá sản của Beaver đã thiết lập nền tảng cho các nỗ lực sử dụng

đa biến để các tác giả khác đi theo. Beaver đã tiến hành so sánh 6 tỷ số tài chính,

bao gồm: dòng tiền/tổng nợ, thu nhập ròng/tổng tài sản, tổng nợ/tổng tài sản, vốn

lưu động/tổng tài sản, tài sản ngắn hạn/nợ ngắn hạn, tài sản ngắn hạn/chi tiêu hoạt

động hàng ngày giữa các công ty vỡ nợ và không vỡ nợ. Đối với mỗi tỷ số, tác giả

tìm ra một ngưỡng giới hạn. Từ đó nghiên cứu cho rằng có thể dự đoán được nguy

cơ vỡ nợ qua các tỷ số tài chính. Tuy nhiên trong nghiên cứu, Beaver (1966) chỉ

kiểm định khả năng dự báo của từng tỷ số tài chính riêng lẻ chứ không có sự kết

hợp giữa các tỷ số tài chính hay so sánh với các loại dự báo phá sản khác như dự

báo thông qua các biến thị trường.

Trong nghiên cứu có liên quan đến“Tỷ số tài chính, phân tích biệt số và dự

báo phá sản doanh nghiệp”Alman (1968) đã phát triển một mô hình dự báo phá sản

mới có tên gọi: kỹ thuật phân tích đa biệt số (Multiple Discriminant Analysis -

MDA) dựa trên sự kết hợp nhiều tỷ số để đưa ra một mô hình dự báo tốt hơn. Đây

là một kỹ thuật thống kê được dùng để phân loại một quan sát vào một nhóm cho

trước dựa vào các đặc trưng riêng biệt của quan sát đó. Kỹ thuật được sử dụng chủ

yếu để phân loại hoặc đưa ra những vấn đề mà các biến phụ thuộc xuất hiện trong

dạng định tính như: nam hay nữ, bị phá sản hoặc không bị phá sản. Vì vậy, bước

đầu tiên là phải phân nhóm rõ ràng. Số lượng các nhóm ban đầu có thể là hai hoặc

nhiều hơn. MDA tạo ra một kết hợp tuyến tính hoặc bậc hai của các biến - các đặc

trưng sao cho phân biệt tốt nhất giữa các nhóm.

Alman (1968) chọn 66 công ty sản xuất làm mẫu nghiên cứu ban đầu và chia

thành hai nhóm là nhóm 33 công ty đã nộp đơn xin phá sản và nhóm 33 công ty vẫn

đang hoạt động. Mô hình cho kết quả dự báo có độ chính xác đến 95% các công ty

phá sản trong thời gian trước 1 nămvà 72% trong vòng 2 năm. Tác giả sử dụng

phương pháp phân tích đa nhân tố (MDA) để đưa ra mô hình Z-core dự báo khả

năng phá sản của công ty với 5 biến: X1 - vốn lưu động/tổng tài sản; X2 - lợi nhuận

giữ lại/tổng tài sản; X3 - lợi nhuận trước thuế và lãi vay/tổng tài sản; X4 - giá thị

trưởng của vốn chủ sở hữu/giá trị sổ sách của tổng nợ; X5 - doanh thu/tổng tài sản.

Mô hình đưa ra hệ số cho các biến như sau:

Z = 0,012X1 + 0,014X2 + 0,033X3 + 0,006X4 + 0,999X5

Với mức đánh giá:

 Nếu Z<1,81 công ty ở trong vùng có nguy cơ phá sản rất cao.

 Nếu 1,81

 Nếu Z>2,99 Công ty nằm trong vùng an toàn.

Theo thời gian khi các điều kiện thay đổi thì khả năng dự báo của mô hình chỉ

số Z-core (Altman 1968) giảm đi như là: qui mô các công ty thay đổi và xu hướng

ngày càng lớn, sự thay đổi các chuẩn mực báo cáo tài chính, dữ liệu theo thời gian

không còn nhiều ý nghĩa và nhiều nhân tố khác… Do vậy cần xây dựng mô hình

mới liên quan đến tính thời gian của dữ liệu nghiên cứu.

Năm 1977 Altman, Haldenman và Narayanan đã xây dựng mô hình mới để

xác định nguy cơ phá sản của các tập đoàn (mô hình ZETA). Mô hình sử dụng dữ

liệu trong giai đoạn 1969 đến 1975 gồm 53 công ty phá sản và 58 công ty không

phá sản. Các công ty này được chia thành 2 nhóm sản xuất và thương mại bán lẻ,

với hệ thống chuẩn mực kế toán mới. Mô hình cho kết quả dự báo có độ chính xác

đến 95% các công ty phá sản trong thời gian trước 1 năm và đến 70% các công ty

phá sản trong thời gian trước 5 năm. Nghiên cứu cho thấy rằng không có sự khác

biệt lớn giữa các công ty thuộc lĩnh vực sản xuất và lĩnh vực khác. Mô hình đưa ra 7

biến để xác định nguy cơ phá sản:

X1- tỷ lệ lợi nhuận trước thuế và lãi vay/tổng tài sản;

X2- độ lệch chuẩn của X1 trong khoản 5 năm đến 10 năm;

X3- lợi nhuận trước thuế và lãi vay/tổng lãi vay phải trả;

X4- lợi nhuận chưa phân phối/tổng tài sản;

X5- hệ số thanh khoản ngắn hạn;

X6- vốn chủ sở hữu/tổng nguồn vốn; và

X7- tổng tài sản của công ty lấy theo hàm log.

Tuy nhiên, nghiên cứu chỉ đưa ra các biến để để dự báo phá sản nhưng không

đưa ra các hệ số cho các biến nên không được sử dụng rộng rãi và kiểm định tính

thực tiễn bởi các nghiên cứu khác.

Đến năm 2000, Altman và các cộng sự đã phát triển từ mô hình dự báo năm

1968 thành ba mô hình dự báo khác nhau như sau:

Mô hình chỉ số Z có dạng:

Z= 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5

Với mức đánh giá:

 Nếu Z<1,81 công ty ở trong vùng có nguy cơ phá sản rất cao.

 Nếu 1,81

 Nếu Z>2,99 Công ty nằm trong vùng an toàn.

Mô hình chỉ số Z’ có dạng:

*+ 1,0X5

Z‟= 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4

* được xác định là tỷ lệ giá trị sổ sách của vốn chủ sở hữu/tổng nợ.

Trong đó các biến X1, X2, X3, X5 được xác định giống mô hình chỉ số Z. Riêng

biến X4

Với mức đánh giá:

 Nếu Z‟<1,23 công ty ở trong vùng có nguy cơ phá sản rất cao.

 Nếu 1,23

 Nếu Z‟>2,9 Công ty nằm trong vùng an toàn.

Mô hình chỉ số Z’’ có dạng:

* được xác định giống mô hình chỉ số Z‟.

Z‟‟= 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4

Trong đó các biến X1, X2, X3, X4

Với mức đánh giá:

 Nếu Z‟‟<1,1 công ty ở trong vùng có nguy cơ phá sản rất cao.

 Nếu 1,1

 Nếu Z‟‟>2,67 Công ty nằm trong vùng an toàn.

Phương pháp phân tích đa nhân tố MDA được sử dụng rộng rãi trước những

năm 1980. Tuy nhiên, nhược điểm của mô hình là các biến độc lập phải tuân theo

các giả định: có phân phối chuẩn, có hệ số tương quan thấp hoặc không tương quan

ma trận hiệp phương sai của các nhóm là như nhau... mà thực tế các biến độc lập

đôi khi rất khó để thỏa mãn được các yêu câu này. Từ các hạn chế đó sau những

năm 1980 thì mô hình Logit và mô hình Probit được sử dụng rộng rãi hơn và mang

lại hiệu quả cao hơn trong khả năng phân tích.

Để khắc phục một số vấn đề liên quan đến việc phân tích đa biến, trong nghiên

cứu “Tỷ số tài chính và dự báo xác suất phá sản”Ohlson (1980) đã sử dụng mô

hình logit để dự báo phá sản của các công ty. Với dữ liệu bao gồm 105 công ty phá

sản và 2058 công ty không phá sản giai đoạn từ 1970 đến 1976 tại thị trường Mỹ

Ohlson (1980) đã phát hiện ra rằng có 04 yếu tố cơ bản có ý nghĩa thống kê trong

việc xác định khả năng phá sản. Các yếu tố đó bao gồm: quy mô công ty, cấu trúc

tài chính, hiệu quả hoạt động, tính thanh khoản hiện tại. Kết quả có 9 biến độc lập

được dùng để dự báo xác suất phá sản của công ty với các biến: TLTA (tổng nợ

phải trả/tổng tài sản), CLCA (nợ ngắn hạn chia tài sản ngắn hạn) và INTWO (= 1

nếu lợi nhuận ròng âm trong 2 năm gần nhất, ngược lại = 0) có quan hệ thuận với

xác suất phá sản. Còn các biến như: SIZE (log(tổng tài sản/chỉ số giá)), WCTA (vốn

lưu động chia tổng tài sản), NITA (thu nhập ròng chia tổng tài sản), FUTL (các quỹ

dự phòng chia tổng nợ phải trả), CHIN (= (NIt – NIt-1)/ (|NIt|- |NIt-1|) - đo lường

sự thay đổi của thu nhập ròng lại có quan hệ nghịch chiều với xác suất phá sản.

Trong khi biến OENEG (=1 nếu tổng nợ lớn hơn tông tài sản và ngược lại thì =0)

lại không rõ ràng. Kết quả cho thấy mô hình Ohlson có thể dự đoán chính xác 92%-

96% các trường hợp phá sản 1-2 năm trước đó.

Theodossiou (1991) đã tiến hành dự báo khả năng phá sản cho các công ty ở

Hy Lạp trong giai đoạn 1975 – 1986 theo cả 2 phương pháp Logit và Probit. Kết

quả cho thấy mức độ chính xác trong dự báo khả năng phá sản khi sử dụng mô hình

Logit thì cao hơn so với kết quả thu được từ mô hình Probit, tuy nhiên chênh lệch là

không nhiều.

Ugurlu và Aksoy (2006) sử dụng cả hai mô hình Logit và một mô hình MDA

để đánh giá doanh nghiệp phá sản và so sánh sự chính xác của hai mô hình trong

một thị trường mới nổi Thổ Nhĩ Kỳ. Mẫu nghiên cứu bao gồm 54 doanh nghiệp

trong đó có 27 doanh nghiệp phá sản đã được chọn trên thị trường chứng khoán

Istanbul trong giai đoạn 1996 – 2003, 11 biến được đưa vào mô hình Logit và 10

biến được đưa vào mô hình MDA. Kết quả của nghiên cứu cho thấy mô hình Logit

vượt trội hơn so với mô hình MDA.

Trong một nghiên cứu sử dụng mô hình hồi qui Logistic để dự báo kinh doanh

thất bại của các công ty trong ngành công nghiệp công nghệ tại thị trường của Thái

Lan. Hai tác giả Puagwatana và Gunawardana (2005) đã sử dụng mô hình chỉ số Z

của Altman (có sự điều chỉnh) để dự báo, trong đó biến X4 - Tỷ lệ giá thị trường của

vốn chủ sở hữu trên giá trị sổ sách của tổng nợ (Market value equity/Book value of

total debt) được thay thế bởi biến thu nhập ròng trên tổng số cổ phiếu (Net income

(loss)/Amount of Shares). Và mô hình dự báo được xây dựng theo phương trình:

Xác suất (sức khỏe tài chính) = 1 / (l+e-z)

Với Z = - 0,373 + 0,701X1 - 0,508X2+ 1,641X3 + 0,011X4 + 0,595X5

Trong đó:

X1 - tỷ lệ vốn lưu động trên tổng tài sản;

X2 - tỷ lệ lợi nhuận giữ lại trên tổng tài sản ;

X3 - tỷ lệ lợi nhuận trước thuế và lãi vay trên tổng tài sản;

X4 - tỷ lệ thu nhập ròng trên tổng số cổ phần;

X5 - tỷ số doanh thu trên tổng tài sản.

Với kết quả thấy rằng mô hình dự báo chính xác 77,8% về sức khỏe tài chính

tổng thể với mức độ tin cậy 95%.

Ngoài các nghiên cứu được thực hiện tại thị trường Mỹ, năm 2007 Altman,

Heine, Zhang và Yen thực hiện nghiên cứu về chẩn đoán tình trạng lâm nguy tài

chính của các công ty trên Thị trường Chứng khoán Trung Quốc. Dữ liệu bao gồm

120 doanh nghiệp, nghiên cứu đã khảo sát 15 biến số tài chính liên quan đến các

vấn đề như lợi nhuận, tính thanh khoản, khả năng thanh toán nhanh, hiệu quả của

quản lý tài sản, tăng trưởng bền vững và cơ cấu vốn. Kết quả đưa ra mô hình dự báo

phá sản của các công ty Trung Quốc bao gồm 4 biến như sau:

Z = 0,517 – 0,460X6 + 9,320X7 + 0,388X8 + 1,158X9

Trong đó: X6: tổng nợ/tổng tài sản; X7: lợi nhuận ròng/tổng tài sản; X8: vốn

lưu động/tổng tài sản; X9: lợi nhuận giữ lại/tổng tài sản.

Và đưa ra nhận định:

 Những công ty có Z < 0,5 thuộc nhóm có nguy cơ phá sản cao.

 Những công ty có 0,5< Z < 0,9 thì thuộc diện có nguy cơ cần theo dõi,

giám sát.

 Những công ty có Z > 0,9 được xếp loại các công ty có tài chính vững

mạnh và an toàn.

Trong một nghiên cứu khác về các công ty ở thị trường Trung Quốc nhóm tác

giả Zhang, Chen, Yen và Altman đã sử dụng mô hình phân tích đa nhân tố (MDA)

với việc chọn 32 chỉ số tài chính liên quan đến các vấn đề như: lợi nhuận, tính thanh

khoản, hiệu quả của quản lý tài sản, tăng trưởng bên vững và đòn bẩy tài chính. Tác

giả chọn mẫu gồm 164 công ty tại thị trường Trung Quốc thuộc 10 ngành công

nghiệp khác nhau (74 công ty ở lĩnh vực sản xuất, 39 cồng ty hỗn hợp, 15 công ty

bán buôn và bán lẻ, 12 công ty thuộc lĩnh vực công nghệ thông tin và viễn thông, 10

công ty thương mại và dịch vụ (không bao gồm ngân hàng và bất động sản), 5 công

ty thuộc lĩnh vực cung cấp năng lượng và nước, 5 thuộc về giao thông vận tải và

kho bãi, 3 thuộc về kiến trúc và xây dựng và 1 công ty thuộc về lĩnh vực y tế) và

được chia thành 2 nhóm. Nhóm 1, mẫu dùng để xây dựng mô hình gồm 86 công ty

với 43 công ty thuộc diện kiểm soát đặc biệt “ST” (được định nghĩa là các công ty

gặp khủng hoảng về tài chính) và 43 công ty không gặp các khó khăn vê tài chính.

Nhóm 2, mẫu dùng để thử nghiệm mô hình bao gồm 78 công ty với 40 công ty bị

khủng hoảng và 38 công ty được lựa chọn ngẫu nhiên từ những công ty không gặp

khủng hoảng. Nghiên cứu đã xây dựng mô hình dự báo nguy cơ gặp khủng hoảng

tài chính (phá sản) của các công ty bao gồm 7 biến sau:

Z = -8,751+ 6,3X1 + 10,761X6 + 1,29X21 + 0,41X23 + 0,015X24 + 0,105X31 -

21,104X32

Trong đó: X1 - lợi nhuận trên tổng tài sản; X6 - luồng tiền mặt từ hoạt động

kinh doanh trên tổng số cổ phiếu quỹ; X21 - log(tài sản cố định); X23 - tốc độ tăng

trưởng từ hoạt động kinh doanh; X24 - lợi nhuận giữ lại trên lợi nhuận ròng; X31 -

giá thị trường của cổ phiếu niêm yết trên tổng nợ; X32 - giá trị sổ sách của tổng vốn

cổ phần trên giá thị trường của tổng số cổ phần và đưa ra các mức chỉ số Z để dự

báo phá sản:

 Nếu Z > 0,71: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ

phá sản (công ty có sức khỏe tài chính tốt).

 Nếu - 0,5< Z < 0,71: Doanh nghiệp không thuộc diện kiểm soát “ST”

nhưng cần phải xem xét (có thể xem là vùng cảnh báo, có thể có nguy cơ

phá sản).

 Nếu z < -0,5: Doanh nghiệp nằm trong vùng nguy hiểm có nguy cơ phá

sản cao (công ty thuộc diện “ST”).

Trong nghiên cứu về “Ứng dụng mô hình Ohlson dự báo phá sản các công ty

thương mại của Trung Quốc” Wang và Campbell (2010) nhận thấy rằng các mô

hình dự đoán có tỉ lệ dự đoán chính xác nói chung là trên 95% tùy thuộc vào điểm

cắt được chọn. Đặc biệt khi họ áp dụng chọn 5 biến trong số 9 biến ban đầu của mô

hình Ohlson (TLTA, WCTA, CLCA, OENEG, INTWO) thì kết quả nhận được

tương tự như kết quả khi sử dụng cả 9 biến.

Nghiên cứu của Abbas, Qaiser & Rashid Abdul (2011) đã tiến hành nghiên

cứu các chỉ số tài chính có vai trò quan trọng trong dự báo phá sản doanh nghiệp ở

khu vực phi tài chính của Pakistan dựa vào mẫu dữ liệu các công ty phá sản trong

giai đoạn 1996-2006. Mô hình đã sử dụng 24 tỷ số tài chính như những biến độc lập

và chia thành bốn nhóm chỉ số: khả năng sinh lợi, tính thanh khoản, đòn bẩy tài

chính và hiệu quả sử dụng tài sản, và được kiểm nghiệm độc lập cho các công ty

phá sản và không phá sản trong vòng 5 năm trước khi phá sản. Mô hình đã sử dụng

24 biến tài chính ban đầu để phân tích và có kết quả dự báo theo dạng mô hình sau:

Z = 1,147X1 + 0,701X2 - 0,732X3

Trong đó: Z - điểm số phân biệt; X1 - doanh thu trên tổng tài sản; X2 - lợi

nhuận trước thuế (EBIT); X3 - tỷ lệ dòng tiền (được tính bằng cách lấy lợi nhuận

sau thuế cộng với khấu hao trong năm chia khấu hao trong năm cộng với những

thay đổi trong vốn làm việc (capital employed). Với nhận định những công ty có hệ

số Z dưới 0 thì bị xếp vào dạng phá sản, còn nếu có Z trên 0 thì được xếp vào dạng

không phá sản. Mô hình phân loại chính xác đến 76,9% cho thấy khả năng phân loại

cao của 3 biến tài chính có ý nghĩa trong mẫu phân tích.

Nghiên cứu của Akbar, Behzad, Seyed & Mohammad (2012) sử dụng mô hình

logit để dự báo kiệt quệ tài chính. Đối tượng nghiên cứu bao gồm 98 doanh nghiệp

niêm yết trên sàn chứng khoán Iran thời kỳ từ năm 2005 đến năm 2007, trong đó có

một nửa doanh nghiệp phá sản. Tổng cộng có 19 tỷ số tài chính được sử dụng trong

mô hình. Kết quả cho thấy mô hình phân loại chính xác 92% công ty không bị phá

sản và 85% các công ty bị phá sản trong mẫu đã được nghiên cứu.

Trong nghiên cứu về “phân tích rủi ro tín dụng doanh nghiệp bằng mô hình

logistic” năm 2011 của tác giả Hoàng Tùng dựa trên 7 chỉ tiêu được tính toán từ

báo cáo tài chính năm 2009 của khoảng 463 công ty trên thị trường chứng khoán

Việt Nam đưa ra mô hình dự báo như sau:

Z = .0,749 + 0,074Hs + 2,458Ts_TSNH - 5,985Ts_No - 2,060DBN +

0,992Ts_LNDT + 145,363ROA+ 26,151ROE

Trong đó: Hs - số vòng quay tài sản (doanh thu / tổng tài sản); Ts_TSNH - tỷ

suất tài sản ngắn hạn (tài sản ngắn hạn / tổng tài sản); Ts_No - tỷ suất nợ (nợ phải

trả / tổng tài sản); DBN - đòn bẩy nợ (nợ phải trả / vốn chủ sở hữu); Ts_LNDT - tỷ

suất lợi nhuận doanh thu (lợi nhuận / doanh thu); ROA - tỷ suất sinh lời tài sản (lợi

nhuận / tổng tài sản); ROE - tỷ suất lợi nhuận vốn chủ sở hữu (lợi nhuận / vốn chủ

sở hữu). Nghiên cứu đã đưa ra kết quả dự báo về rủi ro trả nợ của các công ty như

sau: Nếu z < 0,5 thì công ty không có khà năng trả nợ (có rủi ro), ngược lại nếu z >

0,5 công ty có khả năng trả nợ (không rủi ro).

Trong nghiên cứu “Xây dựng mô hình xếp hạng tín dụng đối với các doanh

nghiệp Việt Nam trong nền kinh tế chuyển đổi”,Nguyễn Trọng Hòa (2009) đã sử

dụng mô hình phân tích phân biệt và mô hình logit để phân tích xây dựng mô hình.

Với quan điểm doanh nghiệp có nguy cơ phá sản khi xảy ra một trong các tình

huống:

- Không có khả năng thực hiện nghĩa vụ tín dụng với bên đối tác.

- Vốn lưu động thường xuyên nhỏ hơn không.

- Giá trị thị trường của doanh nghiệp nhỏ hơn tổng nợ phải trả.

Nghiên cứu đã tiến hành phân tích 37 chỉ tiêu tài chính được thu thập từ các

báo cáo tài chính của 286 công ty trên cả hai sàn giao dịch TP.Hồ Chí Minh

(HOSE) và Hà Nội (HASTC) tại thời điểm 31/12/2007. Tác giả đã chia mẫu ban

đầu thành 5 mẫu thành phần đểước lượng hàm phân biệt và hàm phân bố logistic

với các điều kiện nguy cơ phá sản khác nhau để xây dựng mô hình. Kết quả cả 5

nhóm thành phần đều xây dựng được các hàm ước lượng khác nhau phù hợp cho

từng nhóm với các đặc điểm riêng. Và với 37 biến ban đầu thì chỉ có các biến được

chọn như sau: tiền mặt / tổng tài sản; vốn lưu động / nợ ngắn hạn; vốn chủ sở hữu /

tổng tài sản; giá vốn hàng bán / doanh thu thuần; chi phí quản lí doanh nghiệp /

doanh thu thuần; hàng tồn kho / doanh thu thuần; các khoản phải thu / (doanh thu

thuần / 365); lợi nhuận sau thuế / doanh thu thuần; lợi nhuận sau thuế / vốn chủ sở

hữu. Từ đó kết hợp xếp hạng các công ty thành 9 hạng tò loại rất tốt (AAA) đến loại

rất yếu kém (C).

Trong báo cáo về xếp hạng tín nhiệm các doanh nghiệp đã lên sàn chứng

khoán Nguyễn Trọng Hòa dựa trên kết quả thực nghiệm đã xây dựng mô hình xếp

hạng tín nhiệm theo hàm phân biệt như sau:

Z= - 0,52 - 3,118X4 + 2,763X8 – 0,55X22 - 0,163X24 + 6,543X29 + 0,12X53

Trong đó: X4 - tỷ số Tổng vốn vay/ Tổng tài sản; X8 - tỷ số vốn lưu

động/Tổng tài sản; X22 - tỷ số Các khoản phải thu/ Doanh thu thuần; X24 - tỷ số Các

khoản phải thu/Nợ phải trả; X29 - tỷ số Lợi nhuận trước lãi vay và thuế/ Tổng tài

sản; X53 - tỷ số Lợi nhuận sau thuế / Vốn chủ sở hữu. Với việc kết hợp các tỷ số thì

tác giả cho rằng chỉ số Z càng lớn thì càng chứng tỏ doanh nghiệp có tình hình tài

chính tốt, kinh doanh hiệu quả. Từ đó đưa ra các điểm cắt để phân lớp xếp hạng

doanh nghiệp.

Như vậy, qua các nghiên cứu đã khảo sát về dự báo nguy cơ phá sản công ty.

Đề tài nghiên cứu của tác giả cũng mang tính chất kế thừa các nghiên cứu thực

nghiệm trên trong việc đánh giá nguy cơ phá sản của các công ty trên sàn chứng

khoán. Về tổng quát, các nghiên cứu có cấu trúc tương đối giống nhau, biến phụ

thuộc là nguy cơ phá sản công ty, biến độc lập là các tỷ số tài chính liên quan đến

các vấn đề như: tính thanh khoản, hiệu quả hoạt động, tăng trưởng, đòn bẩy tài

chính, quy mô công ty. Trong nghiên cứu của Tinoco và Wilson (2013) sử dụng

phương pháp mạng thần kinh nhân tạo ANN để so sánh với kết quả dự báo theo

phương pháp Logit, tuy nhiên mô hình mạng thần kinh nhân tạo khá phức tạp và

khó nắm bắt hơn sử dụng mô hình Logit, chính vì thế nghiên cứu này chọn mô hình

logit. Do tình hình thực tế tại Việt Nam và để thuận tiện trong việc thu thập các dữ

liệu mà các biến độc lập không hoàn toàn giống với các nghiên cứu trước, có thể

điều chỉnh thêm vào hoặc bớt đi một số biến.

CHƢƠNG 3:

PHƢƠNG PHÁP NGHIÊN CỨU

3.1 Xây dựng giả thuyết và đề xuất mô hình nghiên cứu

3.1.1 Điều kiện của dữ liệu thu thập và biến lựa chọn trong mô hình nghiên cứu

Việc lựa chọn các biến và dữ liệu sử dụng trong mô hình phải đáp ứng được

các yêu cầu sau. Thứ nhất, số liệu được lựa chọn là số liệu từ báo cáo tài chính đã

qua kiểm toán của các doanh nghiệp niêm yết trên sàn HOSE và HNX trong giai

đoạn 2012-2014. Thứ hai, các biến trong mô hình phải có đầy đủ dữ liệu trong giai

đoạn 2012-2014. Thứ ba, mô hình hồi quy và các biến được lựa chọn phải là mô

hình bao gồm các biến đã được các nhà kinh tế khác nghiên cứu và công bố trong

các báo cáo trước đây.

3.1.2 Xây dựng mô hình

3.1.2.1 Mô hình nghiên cứu tổng quát

Tổng quan về mô hình hồi qui Binary logistic

Với hồi qui Binary Logistic, thông tin cần thu thập về biến phụ thuộc là một sự

kiện nào đó có xảy ra hay không, biến phụ thuộc Y lúc này có hai giá trị “0” và “1”,

với “0” là không xảy ra sự kiện ta quan tâm và “1” là có xảy ra sự kiện đó. Từ biến

phụ thuộc này, ta sử dụng một thủ tục để dự đoán xác suất sự kiện xảy ra theo quy

tắc nếu xác suất được dự đoán lớn hơn 0.5 thì kết quả sẽ là “có” và ngược lại cho

kết quả là “không”. Mô hình hàm Binary Logistic 1 biến độc lập như sau:

(3.1)

Pi = E(Y=1/X) = P(Y=1) gọi là xác suất để sự kiện xảy ra (Y=1) khi biến độc

lập X có giá trị cụ thể là Xi.

Ký hiệu biểu thức (B0+B1X) là z, ta viết lại mô hình hàm hồi qui Binary

Logisticnhư sau:

(3.2)

Với công thức trên thì xác suất không xảy ra sự kiện là:

(3.3)

Ta có tỷ lệ : (3.4)

Dùng phép biến đổi Logarit ta được kết quả cuối cùng là dạng hàm hồi quy

Binary Logistic:

(3.5)

Mở rộng cho 2 hay nhiều biến độc lập Xk có dạng hàm như sau:

(3.6)

Áp dụng phương pháp tuyến tính hoá mô hình được viết thành:

Z= ln[Pi/(1-Pi)] = B0 + B1X1 +…+ BkXk

(3.7)

Tương tự phương trình (3.7) có thể gọi là dạng hàm hồi qui của mô hình

nghiên cứu. Cũng từ phương trình (3.7) ta có thể hiểu các hệ sốước lượng Bi của các

biến Xi là khi tăng 1 biến Xi nào đó 1 đơn vị và các biến khác giữ không đổi thì

ln[Pi/(l-Pi)] sẽ tăng tương ứng Bi đơn vị. Còn nếu chỉ quan tâm đến chiều hướng tác

động của các biến độc lập thì ta thấy rằng hàm ln[Pi/(l-Pi)] là hàm đồng biến với

biến Pi (tức là xác suất xảy ra sự kiện Y=1). Vì vậy nếu Bi mang dấu dương thì khi

tăng Xi sẽ làm tăng khả năng Y nhận giá trị 1 trong khi hệ số Bi âm sẽ làm giảm

khả năng (xác suất) để Y nhận giá trị 1.

= (𝑃 1 − 𝑃 Bi điều này

𝜕𝑃(𝑌=1|𝑋 𝜕𝑋

Từ các biểu thức (3.1), (3.2) và (3.3) ta có

được diễn dịch là tác động biên của Xi lên xác suất Y nhận giá trị 1 phụ thuộc vào

giá trị của Bi. Tác động biên của Xi lên khả năng Y nhận giá trị 1 xác định với xác

suất ban đầu là P (thường chọn P = 0,5).

Gọi “c” là giá trị điểm cắt thì một công ty có P(Y=1) > c tức là công ty đó có

nguy cơ phá sản, trường hợp khác được gọi là công ty không có nguy cơ phá sản. Ở

đây chúng ta cần lưu ý điểm cắt “c” có thể có giá trị khác nhau tùy vào sự phân tích

chủ quan của người nghiên cứu đối với vấn đề cần nghiên cứu. Như trong đề tài là

sự phân tích, đánh giá nền kinh tế Việt Nam, mức độ tin cậy của các thông tin có

được, mức độ đánh giá cũng như chấp nhận rủi ro của người nghiên cứu mà có thể

chọn điểm cắt là 0,5 hoặc có thể cao, thấp hơn.

Dựa vào các nghiên cứu thực nghiệm đã khảo sát ở phần trên, kết hợp với việc

phân tích tình hình thực tế tại Việt Nam. Đề tài thấy rằng nguy cơ phá sản công ty

phụ thuộc vào các yếu tố: (1) tính thanh khoản, (2) hiệu quả hoạt động, (3) đòn bẩy

tài chính, (4) tăng trưởng và (5) kì vọng thị trường. Từ đó tác giả đưa ra mô hình

tổng quát của đề tài như sau:

Z= ln[Pi/(1-Pi)] = β0 + β1X1 + β2X2 +…+ βkXk

Trong đó:

P (Y=1): Xác suất xảy ra nguy cơ phá sản

P(Y=0): Xác suất không xảy ra nguy cơ phá sản

Hệ số gốc của mô hình β0:

βk: Hệ số hồi quy của biến Xk

Các biến độc lập Xk :

3.1.2.2 Mô hình nghiên cứu cụ thể

Biến phụ thuộc

Căn cứ vào các nghiên cứu đã tham khảo kết hợp với tình hình thực tế tại thị

trường Việt Nam, đềtài đưa ra quan điểm để xác định một công ty có nguy cơ phá

sản khi để xảy ra 1 trong 2 tình huống sau:

- Các công ty bị Sở Giao dịch chứng khoán công bố hủy niêm yết, bị cảnh

báo ngừng giao dịch hay những công ty có cổ phiếu bị đưa vào diện phải

kiểm soát thì đều thuộc dạng các công ty có nguy cơ phá sản (ở đây

nghiên cứu chỉ xét các công ty bị cảnh báo do liên quan đến vấn đề hiệu

quả hoạt động, không xét các trường hợp khác chẳng hạn do vi phạm qui

tắc công bố thông tin, thời hạn nộp các báo cáo tài chính...).

- Các công ty có đồng thời ROA hoặc vốn lưu động (tổng tài sản ngắn hạn -

tổng nợ ngắn hạn) âm và vốn hóa thị trường (số cổ phiếu đang lưu hành x

giá thị trường 1 cổ phiếu) nhỏ hơn tổng nợ phải trả cũng là các công ty có

nguy cơ phá sản.

Ta thấy rằng với 2 chỉ tiêu trên thì việc xác định biến phụ thuộc (Y=l công ty

có nguy cơ phá sản) sẽ có 2 trường hợp: thứ nhất, công ty có ROA âm và vốn hóa

thị trường nhỏ hơn tổng nợ. Thứ hai, công ty có vốn lưu động âm và vốn hóa thị

trường nhỏ hơn tổng nợ. Ngoài ra các trường hợp còn lại (Y=0) công ty không có

nguy cơ phá sản.

Các biến độc lập và các giả thuyết nghiên cứu

Tính thanh khoản: là một yếu tốảnh hưởng đến nguy cơ phá sản công ty

thông qua biến hệ số thanh khoản ngắn hạn (Altman và ctg, 1977), (Zang và ctg,

2007), Graham (2000) định nghĩa biến hệ số thanh khoản dùng để “ước tính thời

gian mà công ty có thể tài trợ các chi phí kinh doanh hiện tại của mình từ các nguồn

tài sản có thanh khoản với giả định công ty không thể tạo ra doanh thu nữa”. Tỷ số

thanh khoản ngắn hạn được xác định bằng giá trị tài sản lưu động chia giá trị nợ

ngắn hạn phải trả. Hệ số thanh khoản ngắn hạn cho ta biết được mỗi đồng nợ ngắn

hạn phải trả của công ty có bao nhiêu đồng tài sản lưu động có thể sử dụng để thanh

toán. Nếu hệ số này quá thấp cho thấy rằng khả năng thanh toán của công ty không

tốt. Điều này có thể dẫn đến khi công ty cần thêm vốn để hoạt động thì sẽ gặp khó

khăn hơn trong việc tiếp cận các nguồn vốn vay của các tổ chức tín dụng, làm ảnh

hưởng đến tình hình hoạt động của công ty. Hoặc nếu công ty không thanh toán

được các khoản nợ đến hạn khi chủ nợ yêu câu thì có thể ảnh hưởng đến uy tín,

hình ảnh công ty, tình trạng xấu nhất có thể xảy ra là chủ nợ có thể nộp đơn đòi giải

quyết phá sản theo qui định của pháp luật.

H1: Hệ số thanh khoản ngắn hạn có tác động ngược chiều với xác suất xảy ra

nguy cơ phá sản công ty.

Hiệu quả hoạt động: là yếu tố rất quan trọng ảnh hưởng trực tiếp đến nguy cơ

phá sản công ty (Altman và ctg, 1968, 1977), (Zang và ctg, 2007) và (Hoàng Tùng,

2011). Yếu tố này trong đề tài được đại diện bởi ba biến ROA, ROE và suất sinh lợi

căn bản, nghiên cứu đưa cả ba yếu tố vào mô hình bởi vì: Nếu xét quan điểm của

các tổ chức tín dụng thì họ quan tâm đến suất sinh lợi của tổng tài sản, để xem công

ty có khả năng thu hồi vốn và trả được nợ hay không. Quan trọng hơn đây là một

trong các tiêu chí mà Sở Giao dịch chứng khoán sẽ xem xét để xếp loại công ty vào

diện cảnh báo hay không. Khác với tổ chức tín dụng, các nhà đầu tư khi đầu tư vào

một công ty thì họ quan tâm nhiều nhất đến suất sinh lợi của vốn chủ sở hữu; tức

một đồng họ đầu tư vào sẽ thu được bao nhiêu lãi. Còn suất sinh lợi căn bản thì

phản ánh khả năng sinh lợi căn bản chưa tính đến ảnh hưởng của thuế và đòn bẩy tài

chính. Biến này có thể cho ta thấy được một phần của yếu tố ngành trong nghiên

cứu. Mỗi ngành khác nhau có thể sẽ có các chế độưu đãi về thuế suất, lãi vay khác

nhau do mục tiêu của các nhà quản lí vĩ mô.

Bên cạnh đó thì hai biến: vòng quay tổng tài sản được tính bằng cách lấy

doanh thu thuần chia tổng tài sản (Altman, 1968, Sori và Karbhari, 2004) và tỷ số

lợi nhuận trước thuế và lãi vay (EBIT) chia cho doanh thu thuần cũng được xem xét

đưa vào làm biến độc lập. Vòng quay tổng tài sản sẽ cho biết hiệu quả trong việc sử

dụng tài sản của công ty. Nó cho biết được mỗi đồng tổng tài sản sẽ tạo được mấy

đồng doanh thu. Biến này cũng góp phần giải thích thêm yếu tố ngành cho mô hình

nghiên cứu. Vì mỗi ngành khác nhau sẽ có vòng quay tổng tài sản khác nhau. Kết

hợp với tỷ số EBIT trên doanh thu thuần giúp đánh giá thêm tính hiệu quả của yếu

tố hoạt động đối với sự tồn tại của công ty hay nguy cơ phá sản công ty.

H2: Hiệu quả hoạt động của công ty (đại diện là ROA, ROE, suất sinh lợi

căn bản, vòng quay tổng tài sản và tỷ số lợi nhuận trên doanh thu) đều

có ảnh hưởng ngược chiều với xác suất xảy ra nguy cơ phá sản công ty.

Đòn bẩy tài chính hay cơ cấu vốn: đây cũng là một yếu tố tác động đến nguy

cơ phá sản công ty (Beaver, 1966, Sori và Karbhari, 2004, Zang và ctg, 2007). Tỷ

số nợ trên tổng tài sản phản ánh mức độ sử dụng nợ của công ty. Với tỷ lệ đòn bẩy

cao, doanh nghiệp sẽ gánh chịu rủi ro tài chính cao và đẩy doanh nghiệp tới khả

năng bị phá sản cao. Tương tự như vậy, một giá trị nhỏ hoặc âm của tỷ số đòn bẩy

tài chính cho thấy tài sản của doanh nghiệp được tài trợ bởi vốn chủ sở hữu thay vì

các khoản nợ. Nếu công ty sử dụng tốt yếu tố này thì có thê tận dụng lá chắn thuế.

Nhưng chủ nợ thường lại muốn tỉ lệ này thấp vì như thế công ty có khả năng trả nợ

cao hơn. Vì thế tùy ngành hoạt động và tình hình riêng của mỗi công ty mà có các

tỷ số khác nhau. Tuy nhiên đây cũng là một tỷ số mà các tổ chức tín dụng quan tâm

trong việc cấp tín dụng cho công ty.

Đòn bẩy tài chính có ảnh hưởng cùng chiều với xác suất xảy ra nguy H3:

cơ phả sản công ty.

Yếu tố tăng trƣởng: là một trong những biến tác động đến nguy cơ phá sản

công ty(Altman, 1968, Zang và cộng sự, 2007)4. Nghiên cứu chỉ xét đến yếu tố tăng

trưởng bình thường, không xét đến sự tăng trưởng nóng (tăng trưởng quá mức) hay

tăng trưởng bền vững (dựa trên lợi nhuận giữ lại). Một công ty có tỷ lệ tăng trưởng

dương thì chăc chắn xác suất xảy ra nguy cơ phá sản thấp. Ngược lại nếu một công

ty có tỷ lệ tăng trưởng âm thì nguy cơ phá sản sẽ lớn hơn.

Do đặc thù của kinh tế Việt Nam và để thuận tiện trong việc thu thập số liệu

đề tài tính yếu tố tăng trưởng qua hai biến là: tốc độ tăng doanh thu thuần và tốc độ

tăng tổng tài sản. Một công ty vẫn có tốc độ tăng doanh thu và tăng tổng tài sản

dương thì thường cho thấy công ty đang có các hoạt động sản xuất kinh doanh tốt

và ngược lại. Với những công ty có tốc độ tăng trưởng quá cao đôi khi lại có tác

dụng ngược lại (tăng nguy cơ phá sản), vì thế chúng ta cần lưu ý khi phân tích kết

quả.

H4: Tăng trưởng bình thường của công ty có tác động ngược chiểu với nguy

cơ phả sản công ty.

Yếu tố kì vọng của thị trường, giá cổ phiếu của một công ty phụ thuộc rất

nhiều vào tình hình sức khỏe của công ty đó. Nếu công ty đang phát triển mạnh, sức

khỏe tài chính tốt, triển vọng ngành nghề tốt, dĩ nhiên giá cổ phiếu công ty đó sẽ

cao. Ngược lại nếu công ty có tình hình sức khỏe kém, gặp khó khăn về tài chính thì

mặc nhiên giá cổ phiếu sẽ giảm. Như vậy giá cổ phiếu phản ánh sự kì vọng của nhà

đầu tư, thị trường. Nếu sự kì vọng là tốt có thể hiểu sức khỏe công ty đang tốt và

nguy cơ phá sản sẽ thấp, ngược lại thì nguy cơ phá sản sẽ cao. Yếu tố kì vọng của

thị trường trong đề tài chọn đại diện bởi tỷ số vốn hóa thị trường chia tổng nợ. Với

biến vốn hóa thị trường chia tổng nợ cho thấy rằng mỗi đồng nợ có thể huy động

được bao nhiêu đồng từ thị trường để có thể thanh toán cho đồng nợ đó.

Trong yếu tố kì vọng của thị trường thì biến vôn hóa thị trường / tổng H5:

nợ có ảnh hưởng ngược chiều với nguy cơ xảy ra phá sản công ty.

Bảng 3.1 Bảng tóm tắt các biến số và dấu kỳ vọng trong mô hình nghiên cứu

STT

Biến

Kí hiệu

Cách tính

Các nghiên cứu trƣớc

Kì vọng

Biến thuộc yếu tố tác động

Altman (1977),

(-)

Tài sản lưu động / nợ ngắn hạn phải trả

Thanh khoản

Zang (2007)

Hệ số thanh khoản

Altman (1968, 1977),

ROA

Lợi nhuận sau thuế / tổng tài sản

Puagwatana & Gunawardana(2005), Zang (2007),

Hoàng Tùng (2011)

ROE

Lợi nhuận sau thuế / VCSH

Hoàng Tùng (2011), Nguyễn Trọng Hòa

(-)

EBIT / tổng tài sản

EBIT/TT S

Atlman (1968, 1977), Puagwatana & Gunawardana (2005)

Hiệu quả hoạt động

Doanh thu thuần /

DTT/TT S

tổng tài sản

Atlman (1968), Puagwatana &Gunawardana (2005), Rashid &Abbas (2011)

EBIT/D TT

EBIT / Doanh thu thuần

Hoàng Tùng (2011), Nguyễn Trọng Hòa

Tổng nợ / tổng tài sản

(+)

Đòn bẫy tài chính

Đòn bẩy tài chính

Beaver (1966), Altman (2007), Ohlson (1980), Wang & Campbell (2010), Hoàng Tùng (2011)

Zang & Chen

Tăng DTT

Tăng DTT = (DT năm sau - DT năm trước) / (DT năm trước)

(-)

Tăng trưởng

Tăng TTS

Tăng TTS = (TTS năm sau - TTS năm trước) / (TTS năm trước)

VHTT/

Zang & Chen

(-)

X10

Vốn hóa thị trường / tổng nợ

Tổngnợ

Kì vọng thị trường

Nợ ngắn hạn / tổng nợ

X11

Cơ cấu nợ

Biến kiểm soát

X12

Cơ cấu tài sản

Tài sản ngắn hạn / tổng tài sản

Hoàng Tùng (2011), Nguyễn Bảo Khang (2012)

Ghi chú: Dấu + : tác động cùng chiều; Dấu - : tác động nghịch chiều

Nguồn: Tổng hợp của tác giả

3.2 Dữ liệu nghiên cứu

3.2.1 Dữ liệu thu thập

Dữ liệu nghiên cứu của đề tài là dữ liệu thứ cấp được trích từ báo cáo tài chính

(đã được kiểm toán) kết thúc năm 2012, 2013, 2014 của các doanh nghiệp niêm yết

trên sàn chứng khoán HOSE và HNX. Nghiên cứu cũng loại trừ các quan sát là các

tổ chức tín dụng như: ngân hàng, công ty chứng khoán, công ty bảo hiểm, các quỹ

đầu tư, công ty tài chính vì các công ty này có cơ cấu tài sản và vốn khác với các

công ty sản xuất kinh doanh khác.

Theo Li-Jen Ko, Edward J. Blocher and P. Paul Lin (2003) cho thấy rằng các

mô hình sử dụng tỷ số tài chính trong năm ngay trước khi xảy ra việc phá sản

thường đưa tới kết quả tốt nhất, do đó thời gian được nghiên cứu là các năm 2012,

2013, 2014 để mô hình có tính cập nhật. Trong tổng số 668 doanh nghiệp thu thập

số liệu hoạt động liên tục trong 3 năm 2012-2014, mẫu cuối cùng được chọn gồm

471 doanh nghiệp. Các doanh nghiệp có giá trị dị biệt ở các biến bị loại ra khỏi

mẫu.

3.2.2 Xử lý dữ liệu thu thập

Sau khi xác định được đối tượng, phương tiện và phạm vi nghiên cứu, tác giả

tiến hành các bước lọc mẫu như sau:

Bƣớc 1: Đầu tiên trong 668 doanh nghiệp niêm yết trên sàn HOSE và HNX

hoạt động liên tục trong khoảng thời gian 2012-2014, tác giả loại

bỏ 79 doanh nghiệp có báo cáo tài chính không được kiểm toán và

là các tổ chức tín dụng, tác giả chọn 589 doanh nghiệp.

Bƣớc 2: Tác giả tiếp tục loại bỏ các doanh nghiệp có vốn hóa thị trường

bằng 0 và doanh thu 2 năm liền kề bằng 0, với tiêu chí trên tác giả

loại 86 doanh nghiệp, còn lại 503 doanh nghiệp.

Bƣớc 3: Để tránh làm ảnh hưởng đến kết quả hồi quy, với 503 doanh nghiệp

tác giả loại 32 doanh nghiệp cho ra báo cáo dị biệt như: thanh

khoản, vốn hóa thị trường/tổng nợ, EBIT/doanh thu thuần cho ra

kết quả quá cao (229,779; 327,193) hay quá thấp (-39,866). Từ đó

còn lại 471 doanh nghiệp.

Bƣớc 4: Tác giả đã xây dựng bộ dữ liệu gồm 471 doanh nghiệp niêm yết

trên sàn HOSE và HNX, thời gian nghiên cứu là 3 năm (2012-

2014), kích cở mẫu gồm 1413 quan sát.

Dữ liệu ban đầu (từ báo cáo tài chính đã được kiểm toán – dữ liệu thô) sẽ được

trích ra xử lý qua excel để tính toán và tạo ra các biến số cần thiết trong quá trình

nghiên cứu. Với điều kiện để xếp các công ty vào diện phá sản bao gồm 2 trường

hợp:

 Trường hợp 1: ROA < 0 và vốn hoá thị trường < tổng nợ phải trả.

 Trường hợp 2: Vốn lưu động < 0 và vốn hoá thị trường < tổng nợ phải trả.

Bảng 3.2 thống kê số lượng công ty có nguy cơ phá sản ứng với các điều kiện

xác định nguy cơ phá sản khác nhau:

Bảng 3.2 Tỷ lệ các thành phần trong nhóm quan sát

Tổng số quan sát

Điều kiện để xác định nguy cơ phá sản

Không có nguy cơ phá sản

Có nguy cơ phá sản

1413

1326

Trường hợp 1

(100%)

(93,84%)

(6,16%)

1413

1276

137

Trường hợp 2

(100%)

(90,3%)

(9,69%)

1413

1203

210

Trường hợp 1 hoặc trường hợp 2

(100%)

(85,13%)

(14,86%)

1413

1367

Đồng thời cả 2 trường hợp

(100%)

(96,74%)

(3,26%)

Nguồn: tác giả tính toán từ số liệu thực tế thu thập được

Do số lượng các quan sát có nguy cơ phá sản tương đối thấp nên đề tài sẽ sử

dụng điều kiện để xác định nguy cơ phá sản là trường hợp 1 hoặc trường hợp 2, tức

số quan sát có nguy cơ phá sản là 210 (chiếm 14,86%) để chạy mô hình hồi quy.

3.3 Phƣơng pháp hồi quy

Nghiên cứu sử dụng dữ liệu bảng cho việc phân tích hồi quy. Những ưu điểm

của việc sử dụng dữ liệu bảng trong ước lượng, theo Gujarati (2004), như sau:

- Dữ liệu bảng liên kết các đối tượng cá thể (các công ty, các quốc gia) theo

thời gian, nên có sự không đồng nhất (heterogeneity) giữa các cá thể này.

Kỹ thuật ước lượng dữ liệu bảng có thể xem xét đến sự không đồng nhất

này bằng cách đưa vào những biến số đặc trưng riêng của từng cá thể (các

công ty, các quốc gia) nghiên cứu.

- Bằng cách kết hợp những chuỗi quan sát theo thời gian và không gian, dữ

liệu bảng hạn chế được hiện tượng đa cộng tuyến giữa các biến số độc lập,

bậc tự do được tăng thêm và hiệu quả hơn.

- Dữ liệu bảng có thể phát hiện và đo lường một cách tốt hơn sự tác động

không thể quan sát được theo dữ liệu chỉ theo thời gian hoặc chỉ theo

không gian thuần túy, tránh được phần nào việc bỏ sót các biến số có ý

nghĩa trong mô hình.

- Dữ liệu bảng có thể tối thiểu hóa độ chệch (bias) có thể phát sinh nếu

chúng ta kết hợp các cá thể thành nhóm.

Tác giả so sánh phương pháp chạy mô hình FEM (Fixed Effect model) và

REM (Random Effect model) để lựa chọn mô hình phù hợp nhất cho dữ liệu bảng.

Sau khi thu thập xong dữ liệu, số liệu được xử lý theo trình tự khai báo biến, nhập

dữ liệu, khảo sát tương quan cặp giữa các biến, chạy thống kê mô tả và trình bày dữ

liệu, phân tích hồi quy. Trong việc lý giải kết quả nghiên cứu, tác giả sẽ sử dụng các

lý thuyết đã nghiên cứu, kết hợp thực tiễn của môi trường khảo sát để biện luận ý

nghĩa kinh tế của mối tương quan có ý nghĩa thống kê giữa các biến độc lập từ kết

quả kiểm định.

3.3.1 Phương pháp hồi quy dữ liệu bảng

Đối với dữ liệu bảng, có rất nhiều phương pháp để ước lượng hồi quy cho mô

hình nghiên cứu. Mỗi một phương pháp đều có ưu và nhược điểm của nó, hầu hết

các nghiên cứu sử dụng từ mô hình phổ biến nhất đến phức tạp hơn, phù hợp với dữ

liệu nghiên cứu.

Như đã trình bày ở phần trên, do biến phụ thuộc là biến nhị phân nhận giá trị là

0 và 1 nên mô hình hồi quy được chọn trong mô hình nghiên cứu là mô hình logit.

Với dữ liệu hồi quy là dữ liệu bảng thì có 2 mô hình thông dụng để chạy hồi quy

là:mô hình các yếu tố ảnh hưởng cố định (Fixed Effect model – FEM) và mô hình

các yếu tố tác động ngẫu nhiên (Random Effect model – REM). Mô hình FEM phân

tích những khác biệt về các hệ số chặn của nhóm, trong khi đó giả sử rằng các độ

dốc là giống nhau và sai số không đổi. Ngược lại, mô hình REM phân tích những

thành phần của phương sai và sai số, trong khi giả sử rằng các hệ số chặn không

thay đổi và các độ dốc là giống nhau.

3.3.2 Trình tự thực hiện nghiên cứu định lượng

Bằng phương pháp xử lý số liệu và ước lượng hồi quy đã được trình bày ở

phần trên, nghiên cứu thực hiện lần lượt theo trình tự sau:

3.3.2.1 Phân tích thống kê mô tả

Phương pháp này được sử dụng để mô tả những đặc tính cơ bản của dữ liệu

thu thập nhằm có cái nhìn tổng quát nhất về mẫu nghiên cứu. Thông qua phân tích

thống kê mô tả, có thể đánh giá được sơ bộ về các biến độc lập đưa vào mô hình

nghiên cứu (giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất).

3.3.2.2 Phân tích tương quan

Được sử dụng để xem xét mối quan hệ giữa các biến độc lập và biến phụ

thuộc. Kết quả phân tích tương quan có thể bước đầu đánh giá được các dự báo của

mô hình. Ngoài ra, trong trường hợp các biến độc lập có mối tương quan cao thì đây

là dấu hiệu của đa cộng tuyến. Để phát hiện trường hợp một biến có tương quan

tuyến tính mạnh với các biến còn lại của mô hình, ta khảo sát các cặp tương quan

giữa các biến độc lập được thực hiện bằng cách thiết lập ma trận hệ số tương quan

để tìm ra những cặp biến có hệ số tương quan cao. Gujarati K. (1995) cho rằng để

loại trừ vấn đề đa cộng tuyến, cần nghiên cứu kỹ hệ số tương quan giữa các biến,

nếu chúng vượt quá 0,8 mô hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng.

3.3.2.3 Phân tích hồi quy

Trong khi phân tích tương quan kiểm tra có tồn tại mối tương quan giữa các

biến hay không thì phân tích hồi quy được dùng để đo lường mức độ ảnh hưởng của

các biến độc lập với biến phụ thuộc, qua đó cho biết chiều tác động của từng biến

độc lập đến biến phụ thuộc. Phân tích này sẽ cho phép tác giả đưa ra những bằng

chứng xác thực để trả lời các câu hỏi nghiên cứu của đề tài. Thông qua phương

pháp hồi quy Binary logistic, hằng số và các tham số của mô hình sẽ được ước

lượng. Hệ số Prob (p-value) của kết quả phân tích hồi quy cho biết mức độ tác động

của từng biến độc lập lên biến phụ thuộc. Các mức thống kê có ý nghĩa thường

được sử dụng là 1%, 5% hoặc 10% (hay nói cách khác độ tin cậy là 99%, 95% hoặc

90%). Trong luận văn này, tác giả chọn mức thống kê là 5%, tức là biến độc lập chỉ

được xem là có ảnh hưởng mạnh đến biến phụ thuộc khi giá trị Prob của từng biến

độc lập trong mô hình hồi quy nhỏ hơn 5% (p-value <0,05), và ngược lại.

Các bước thực hiện phân tích hồi quy và kiểm định trong đề tài này:

Bƣớc 1: So sánh mô hình theo phương pháp FEM với phương pháp REM,

tác giả kiểm chứng bằng kiểm định Hausman để lựa chọn mô hình.

Bƣớc 2: Sau khi lựa chọn phương pháp chạy mô hình phù hợp, tác giả sẽ

kiểm tra đa cộng tuyến, kiểm định ý nghĩa các hệ số, đo lường độ

chính xác của mô hình và phân tích đường cong ROC

3.3.3 Các phương pháp kiểm định

3.3.3.1 Kiểm định lựa chọn mô hình

Kiểm định Hausman

Trong 2 mô hình Fixed Effect và Random Effect, để lựa chọn mô hình hồi quy

nào là phù hợp nhất tác giả sẽ thực hiện kiểm định Hausman (1978) để quyết định

lựa chọn mô hình. Trong đó, nếu giả thiết H0 của kiểm định Hausman là đúng thì cả

Fixed Effect và Random Effect đều tương thích nhưng Random Effect sẽ giải thích

tốt hơn nên lựa chọn Random Effect. Ngược lại nếu giả thiết H0 là sai thì Fixed

Effect sẽ giải thích tốt hơnRandom Effect nên lựa chọn Fixed Effect.

3.3.3.2 Các kiểm định giả thuyết hồi quy

Kiểm định đa cộng tuyến

Khi phân tích tương quan, hệ số tương quan giữa các biến cao là dấu hiệu của

hiện tượng đa cộng tuyến. Để phát hiện trường hợp một biến có tương quan tuyến

tính mạnh với các biến còn lại của mô hình, ta khảo sát các cặp tương quan giữa các

biến độc lập được thực hiện bằng cách thiết lập ma trận hệ số tương quan để tìm ra

những cặp biến có hệ số tương quan cao Hoàng Trọng và Chu Nguyễn Mộng Ngọc

(2008). Gujarati K. (1995) cho rằng để loại trừ vấn đề đa cộng tuyến, cần nghiên

cứu kỹ hệ số tương quan giữa các biến, nếu chúng vượt quá 0,8 mô hình hồi quy sẽ

gặp vấn đề đa cộng tuyến nghiêm trọng. Do đó, để giảm thiểu đa cộng tuyến tác giả

sẽ loại bỏ biến ra khỏi mô hình hồi quy đối với cặp biến có hệ số tương quan lớn

hơn 0,8.

Ngoài ra, để đảm bảo tính chính xác, tác giả sẽ sử dụng thêm hệ số phóng đại

phương sai (VIF – Variance Inflation Factor) để kiểm định hiện tượng đa cộng

tuyến. Theo quy tắc khi VIFj > 10 thì mức độ cộng tuyến được xem là cao, và khi

đó các hệ số hồi quy được ước lượng với độ chính xác không cao. Vì vậy các biến

có hệ số VIF > 10 sẽ bị loại ra khỏi mô hình và tiếp tục phân tích hồi quy cho đến

khi không còn biến nào có giá trị VIF > 10, tức là không còn hiện tượng đa cộng

tuyến.

Kiểm định ý nghĩa các hệ số của mô hình (kiểm định Wald)

Trong mô hình nghiên cứu căn cứ vào hệ số ý nghĩa thống kê (p-value) để loại

bỏ các biến có mức ý nghĩa thống kê thấp. Tuy nhiên, ta cần phải kiểm định xem

việc loại bỏ các biến này có ảnh hưởng nhiều đến khả năng dự báo của mô hình hay

không. Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cho rằng đối với hồi quy

tuyến tính thì sử dụng kiểm định T để kiểm định giả thiết H0: βk=0. Còn đối với mô

hình hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm

định ý nghĩa thống kê của hệ số hồi quy tổng thể. Từ kết quả kiểm định Wald ta có

thêm cơ sở để loại bỏ các biến có mức ý nghĩa thống kê thấp mà không ảnh hưởng

kết quả dự báo của mô hình.

Kiểm định độ chính xác của mô hình so với kết quả thực tế

Sau khi phân tích hồi quy tác giả sẽ kiểm định xem mô hình hồi quy này đánh

giá đúng và sai bao nhiêu công ty được xếp vào có hay không có nguy cơ phá sản

theo điều kiện:

+ Trường hợp 1: ROA < 0 và vốn hoá thị trường < tổng nợ phải trả.

+ Trường hợp 2: Vốn lưu động < 0 và vốn hoá thị trường < tổng nợ phải trả.

Phân tích đƣờng cong ROC

Sử dụng AUC (Area Under the ROC Curve). AUC là vùng diện tích vùng

dưới đường ROC cho đến điểm có tọa độ (1;0) ở góc phải của đồ thị. Altman và các

cộng sự (2010) đã cho rằng “vùng dưới đường cong ROC (AUC) là một công cụ đo

lường mức độ chính xác trong dự báo của mô hình, với giá trị bằng 1 đại diện cho

một mô hình hoàn hảo”. Hay nói cách khác, nếu đường ROC càng gần điểm (0;1) ở

góc trái của đồ thị thì khả năng dự báo của mô hình càng tốt.

CHƢƠNG 4

KẾT QUẢ NGHIÊN CỨU

4.1 Thống kê mô tả các biến định lƣợng trong mô hình

Để có đánh giá sơ bộ về các biến độc lập dựa vào mô hình nghiên cứu. Bảng

4.1 sẽ trình bày tóm tắt các thống kê về giá trị trung bình, độ lệch chuẩn, giá trị lớn

nhất, giá trị nhỏ nhất của các biến độc lập trong mô hình nghiên cứu.

Bảng 4.1 Thống kê mô tả các biến định lƣợng

Biến

Số quan sát

Giá trị trung bình

Độ lệch chuẩn

Giá trị nhỏ nhất

Giá trị lớn nhất

Ký hiệu

Hệ số thanh khoản

1413

1,838117

1,272227

0,143

9,786

X1

ROA

0,719

1413

0,0893609

0,1478275

-1,134

X2

ROE

0,398

1413

0,0463687

0,0713238

-0,39

X3

0,432

EBIT/Tổng tài sản

1413

0,0612994

0,0738916

-0,53

X4

1413

1,173648

1,107951

10,632

X5

Doanh thu thuần/Tổng tài sản

EBIT/Doanh thu thuần

1413

0,0568401

0,1812128

-2,124

0,809

X6

Đòn bẩy tài chính

1413

0,5233121

0,2140167

0,027

0,967

X7

Tăng doanh thu thuần

1413

0,111644

0,668054

-1

11,304

X8

Tăng tổng tài sản

1413

0,0671904

0,239975

-0,687

2,808

X9

1413

1,348656

2,115389

0,021

20,269

X10

Vốn hóa thị trường/Tổng nợ

Cơ cấu nợ

1413

0,8233892

0,222019

0,052

X11

Cơ cấu tổng tài sản

1413

0,6212562

0,2276448

0,027

0,995

X12

Nguồn: Kết quả tính toán của tác giả từ phần mềm Stata 12

Bảng 4.1 thể hiện rằng:

Hệ số thanh khoản ngắn hạn (X1) - tài sản ngắn hạn trên nợ ngắn hạn:có giá

trị lớn nhất là 9,786 của LBE năm 2012, giá trị nhỏ nhất là 0,143 của SBA năm

2012, giá trị trung bình của các doanh nghiệp là 1,84 và độ lệch chuẩn là 1,272.

Các biến đại diện cho hiệu quả hoạt động:

ROA (X2) - Tỷ suất sinh lời trên tổng tài sản: có giá trị trung bình là 0,89 với

giá trị nhỏ nhất thuộc về mã PVX vào năm 2014 là -1,134 giá trị lớn nhất là 0,719

của mã LGC năm 2014. Nhìn chung, tỷ số lợi nhuận sau thuế trên tổng tài sản của

các quan sát ở mức tương đối nhỏ. Đặc biệt có 139/1413 quan sát có giá trị âm thể

hiện thời điểm các công ty làm ăn thua lỗ chiếm 9,84% tổng số quan sát.

ROE (X3) - Tỷ suất sinh lời trên vốn chủ sở hữu:có giá trị trung bình là 0,046

với giá trị nhỏ nhất -0,39 thuộc về mã VNH năm 2014, còn giá trị lớn nhất 0,398

thuộc về WCS năm 2014. Cũng giống như biến ROA thì biến ROE cũng có

139/1413 quan sát có giá trị âm.

X4 - EBIT chia tổng tài sản: cũng có phân bố tương tự như ROE và ROA khi

có giá trị trung bình là 0,061 giá trị lớn nhất thuộc về mã NNC năm 2014 với giá trị

là 0,432 và giá trị nhỏ nhất thuộc về LAF năm 2012 với giá trị là -0,53.

X5 - doanh thu thuần trên tổng tài sản: có giá trị trung bình là 1,174 giá trị nhỏ

nhất quan sát được là 0 thuộc về mã CNV năm 2014 và giá trị lớn nhất là 10,632

thuộc về mã COM năm 2014.

X6 - EBIT trên doanh thu thuần:Biến độc lập sau cùng trong yếu tố hiệu quả

hoạt động có giá trị trung bình là 0,057 giá trị lớn nhất là 0,809 của mã SDU năm

2013 và giá trị nhỏ nhất là -2,124 của mã PV2 năm 2014.

Đòn bẩy tài chính (X7) - tỷ số nợ trên tổng tài sản: có giá trị trung bình là

0,523. Đây là tỷ số mà nhà đầu tư rất quan tâm vì nếu tỷ số này càng cao thì công ty

sẽ tận dụng được lá chắn thuế. Trong giai đoạn nền kinh tế gặp nhiều khó khăn thì

việc sử dụng đòn bẩy tài chính một cách hợp lý sẽ góp phần nâng cao hiệu quả hoạt

động của công ty. Vì vậy có thể coi đây là một biến ảnh hưởng đến quyết định chiến

lược hoạt động của người chủ công ty và tác động đến nguy cơ phá sản của công ty.

Giá trị lớn nhất của biến X7 là 0,967 của mã VMD năm 2014, giá trị nhỏ nhất của

biến X7 là 0,027 của mã IDJ năm 2014.

Các biến đại diện cho tăng trƣởng: Tăng trưởng là yếu tố phản ánh sự lớn

mạnh của công ty. Trong nghiên cứu thì tăng trưởng được đại diện bởi hai biến tốc

độ tăng tổng tài sản (X9: đại diện cho sự lớn mạnh về giá trị tổng tài sản, một mức

độ nào đó có thể coi là qui mô của công ty) và tốc độ tăng doanh thu thuần (X8: đại

diện cho sự lớn mạnh về hoạt động của công ty). Về tốc độ tăng doanh thu thuần

mẫu quan sát có giá trị trung bình là 0,112. Mã có tốc độ tăng doanh thu thuần lớn

nhất là PXA năm 2014 với giá trị là 11,304 và nhỏ nhất thuộc về mã PVR năm 2013

với giá trị là -1. Còn tốc độ tăng tổng tài sản X9 của nhóm mẫu quan sát có giá trị

trung bình là 0,067 giá trị nhỏ nhất là -0,687 năm 2013 của DXV giá trị cao nhất là

2,808 vào năm 2014 của LGC.

Yếu tố kì vọng của thị trƣờng (X10) - vốn hoá thị trường chia tổng nợ: có giá

trị trung bình là 1,349 giá trị nhỏ nhất là 0,021 vào năm 2013 của VMD, giá trị lớn

nhất là 20,269 năm 2012 của MCC.

Biến kiểm soát: Bên cạnh các biến chính thì các biến thuộc về cơ cấu nợ và tài

sản được đưa thêm vào trong nghiên cứu như biến X11 (nợ ngắn hạn trên tổng nợ) cho

thấy thêm rằng cơ cấu nợ của các mẫu quan sát. Với giá trị trung bình là 0,823 giá trị

nhỏ nhất là 0,052 và giá trị lớn nhất là 1 thì cơ cấu nợ của các mẫu quan sát là nợ ngắn

hạn chiếm tỷ trọng lớn. Trong khi đó biến cơ cấu tài sản (X12 - tài sản ngắn hạn chia

tổng tài sản) thì lại có giá trị trung bình là 0,621 giá trị nhỏ nhất là 0,027 giá trị lớn

nhất là 0,995. Mặc dù trong cơ cấu tài sản thì tài sản ngắn hạn chiếm tỷ trọng lớn trong

tổng tài sản nhưng vẫn nhỏ hơn cơ cấu của nợ, đây là điểm mà ta cần phải lưu ý khi

phân tích.

4.2 Phân tích ma trận tƣơng quan

Hệ số tương quan (r) là chỉ số thống kê phản ánh mức độ quan hệ tuyến tính

giữa các biến. Hệ số này biến thiên từ -1 đến +1. Thông qua hệ số tương quan có thể

biết chiều tương quan riêng giữa biến phụ thuộc với biến giải thích. Đồng thời cho

thấy xuất hiện hiện tượng đa cộng tuyến trong mô hình hồi quy (nếu r > 0,8 Theo

Gujarati K. (1995)). Trong trường hợp có sự khác biệt về xu hướng tác động của

các biến độc lập và biến phụ thuộc giữa kết quả theo hệ số tương quan và kết quả

mô hình hồi quy. Khi đó, mô hình hồi quy có thể chưa đáp ứng đủ các giả thuyết

của mô hình nghiên cứu, điều này làm dấu của hệ số ước lượng có thể khác biệt so

với xu hướng tác động dựa trên số liệu thực tế.

Nhìn vào ma trận hệ số tương quan giữa các biến trình bày trong bảng 4.2 cho

thấy những mối quan hệ giữa biến phụ thuộc với các biến độc lập và biến kiểm soát

trong mô hình.

Bảng 4.2 Ma trận hệ số tƣơng quan

Y

Biến quan sát

X1

X2

X3

X4

X5

X6

X7

X8

X9

X10

X11

X12

Y

-0.3127

X1

-0.4183

0.1122

X2

-0.4008

0.2784

0.8579

X3

-0.2543

0.1149

0.7426

0.8254

X4

-0.1268

-0.0689

0.2435

0.2219

0.2331

X5

-0.2007

0.0622

0.4974

0.5033

0.5547

-0.0266

X6

0.3318

-0.6461

-0.1866

-0.4032

-0.1990

-0.0161

-0.0664

X7

-0.0794

-0.0007

0.0909

0.0596

0.0578

-0.0016

0.1043

0.0316

X8

-0.0531

-0.0384

0.2813

0.2470

0.1900

-0.0041

0.1598

0.0780

0.1360

X9

-0.2329

0.6277

0.2342

0.4681

0.3372

0.0185

0.1532

-0.6768

-0.0216

0.0023

X10

-0.2285

0.0167

0.0950

0.1428

0.0992

0.3116

-0.1210

-0.2418

-0.0238

-0.0654

0.1743

X11

-0.3376

0.1866

0.0835

0.0456

0.0229

0.1883

-0.0903

0.1783

0.0359

-0.009

-0.1469 0.5239

X12

Nguồn: Kết quả tính toán của tác giả từ phần mềm Stata 12

Với Y – Nguy cơ phá sản; X1- Hệ số thanh khoản ngắn hạn; X2– ROA; X3– ROE; X4- EBIT trên tổng tài sản; X5 – doanh thu thuần trên tổng tài sản; X6– EBIT trên doanh thu thuần; X7 - Đòn bẩy tài chính; X8 - tăng doanh thu thuần; X9- tăng tổng tài sản; X10 - kì vọng của thị trường; X11- cơ cấu nợ; X12 - cơ cấu tài sản.

Kết quả tại bảng 4.2 cho thấy, các biến độc lập và biến kiểm soát đều có mối

quan hệ tuyến tính với biến phụ thuộc. Tuy nhiên, mối quan hệ tuyến tính này là

yếu (r < 0,4 theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008)); và chiều hướng

tác động phù hợp với kỳ vọng của giả thuyết cũng như kết quả nghiên cứu của

nhiều tác giả trước. Cụ thể như sau:

Biến phụ thuộc Y có tương quan ngược chiều với biến độc lập X1 (hệ số thanh

khoản) với giá trị -0,3127, cho thấy tỷ lệ hệ số thanh khoản càng cao thì xác suất

xảy ra kiệt quệ tài chính càng thấp và ngược lại. Mối tương quan ngược chiều này là

phù hợp với kết quả nghiên cứu của Alman (1977) và Zang (2007).

Mối tương quan ngược chiều với các biến hiệu quả hoạt động X2,X3, X4,X5,X6

(ROA, ROE, EBIT/tổng tài sản, doanh thu thuần/tổng tài sản, EBIT/doanh thu

thuần) cho thấy khả năng sinh lợi của doanh nghiệp càng cao thì nguy cơ xảy ra phá

sản của doanh nghiệp càng thấp và ngược lại. Mối tương quan ngược chiều này là

phù hợp với kết quả nghiên cứu của Alman (1977), Puagwatana & Gunawardana

(2005), Rashid & Abbas (2011) và Hoàng Tùng (2011).

Biến độc lập đòn bẩy tài chính X7 và biến phụ thuộc Y có mối tương quan

cùng chiều với giá trị 0,3318 kết quả này phù hợp với các nghiên cứu của Beaver

(1966), Alman (1977), Ohlson (1980), Wang & Campbell (2010), Hoàng Tùng

(2011). Đòn bẩy tài chính phản ánh mức độ sử dụng nợ của công ty, khi công ty có

đòn bẩy tài chính càng cao thì xác suất xảy ra phá sản càng cao và ngược lại.

Bảng 4.2 cũng cho thấy rằng xác suất xảy ra phá sản với yếu tố tăng trưởng

(biến X8 tốc độ tăng doanh thu thuần và biến X9 tốc độ tăng tổng tài sản) có mối

tương quan ngược chiều với giá trị -0,0794 và -0,0531. Kết quả này phù hợp với

nghiên cứu của Zang & Chen cho thấy công ty tăng trưởng càng cao thì nguy cơ

xảy ra phá sản càng thấp và ngược lại.

Tương quan ngược chiều giữa xác suất xảy ra phá sản với kỳ vọng thị trường

(biến X10 đo bằng vốn hóa thị trường/tổng nợ) với giá trị -0,2329 cho thấy nếu công

ty đang phát triển mạnh, sức khỏe tài chính tốt, triển vọng ngành nghề tốt, dĩ nhiên

giá cổ phiếu công ty đó sẽ cao. Ngược lại nếu công ty có tình hình sức khỏe kém,

gặp khó khăn về tài chính thì mặc nhiên giá cổ phiếu sẽ giảm. Như vậy giá cổ phiếu

phản ánh sự kì vọng của nhà đầu tư, thị trường. Nếu sự kì vọng là tốt có thể hiểu

sức khỏe công ty đang tốt và nguy cơ phá sản sẽ thấp, ngược lại thì nguy cơ phá sản

sẽ cao. Giải thích này phù hợp với kết quả nghiên cứu của Zang & Chen.

Tương tự, hai biến kiểm soát X11 (nợ ngắn hạn/tổng nợ) và X12 (tài sản ngắn

hạn/tổng tài sản) sẽ cho biết việc cơ cấu nợ hay cơ cấu tài sản có ảnh hưởng đến

nguy cơ phá sản của công ty như thế nào.

4.3 Phân tích mô hình hồi quy

Như đã trình bày ở phần trên, do biến phụ thuộc là biến nhị phân nhận giá trị là

0 và 1 nên mô hình hồi quy được chọn trong mô hình nghiên cứu là mô hình logit.

Với dữ liệu hồi quy là dữ liệu bảng thì có 2 mô hình thông dụng để chạy hồi quy là

mô hình các yếu tố ảnh hưởng cố định (Fixed Effect model – FE) và mô hình các

yếu tố tác động ngẫu nhiên (Random Effect model – RE).

Với biến phụ thuộc là công ty sẽ bị xếp vào có nguy cơ phá sản khi xảy ra ít

nhất một trong hai điều kiện là: hoặc có ROA âm và vốn hóa thị trường nhỏ hơn

tổng nợ, hoặc có vốn lưu động âm và vốn hóa thị trường nhỏ hơn tổng nợ. Khi đó

bảng kiểm định Hausman được trình bày trong bảng 4.3.

Bảng 4.3 Kết quả kiểm định Hausman

Biến phụ thuộc

Chi2(12)

Prob(chi2)

Lựa chọn mô hình

Nguy cơ phá sản (Y)

13,47

0,3357

Random Effect

Nguồn: Tính toán của tác giả bằng phần mềm stata 12

Theo như kết quả phân tích có được, do chỉ số Prob(chi2) = 0,3357 lớn hơn

0,05 (không thể bác bỏ giả thiết H0 hay nói cách khác giả thiết H0 của kiểm định

Hausman là đúng). Vì vậy, có thể kết luận rằng sử dụng mô hình Random Effect

(RE) sẽ giải thích tốt hơn mô hình Fixed Effect (FE).

Bảng 4.4 Kết quả hồi quy mô hình tác động ngẫu nhiên

Hệ số

Sai số

Giá trị

Biến

Ký hiệu

Giá trị thống kê z

hồi quy

Chuẩn

p-value

Hệ số thanh khoản

1,909474

0,705128

0,007

2,71

X1

ROA

-19,69329

5,078316

0,000

-3,88

X2

ROE

1,381484

11,13453

0,901

0,12

X3

EBIT/Tổng tài sản

10,40926

5,732146

0,069

1,82

X4

Doanh thu thuần/Tổng tài sản

-0,204026

0,245967

0,407

-0,83

X5

EBIT/Doanh thu thuần

-2,978569

1,224519

0,015

-2,43

X6

Đòn bẩy tài chính

12,43857

3,450188

0,000

3,61

X7

Tăng doanh thu thuần

-0,383327

0,370038

0,300

-1,04

X8

Tăng tổng tài sản

1,264492

0,760920

0,097

1,66

X9

Vốn hóa thị trường/Tổng nợ

-6,247676

1,265013

0,000

-4,94

X10

Cơ cấu nợ

12,18692

2,782239

0,000

4,38

X11

Cơ cấu tổng tài sản

-23,65706

4,080993

0,000

-5,80

X12

-1,67

-4,823614

2,891694

0,0095

Hằng số

Log likelihood = -276,91567

Prob > Chi2 = 0,000

Nguồn: Kết quả tính toán của tác giả từ phần mềm Stata 12

Dựa vào kết quả p-value trong bảng kết quả ta thấy các biến X1, X2, X6, X7, X10,

X11, X12 có ý nghĩa thống kê ở mức 5% và các biến X3, X4, X5, X8, X9 không có ý

nghĩa thống kê khi chạy hồi quy dữ liệu tổng thể. Kết quả Prob(chi2) là 0,000 điều

đó có thể khẳng định rằng đủ độ tin cậy để bác bỏ giả thiết H0: βk=0. Vậy xét về mặt

tổng thể mô hình có ý nghĩa thống kê. Tuy nhiên, ta cần phải kiểm định xem việc

loại bỏ các biến này có ảnh hưởng nhiều đến khả năng dự báo của mô hình hay

không. Hoàng Trọng (2008) cho rằng đối với hồi quy tuyến tính thì sử dụng kiểm

định t để kiểm định giả thiết H0: βk=0. Còn đối với mô hình hồi quy Binary

Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê

của hệ số hồi quy tổng thể. Vì vậy ta có thể dùng kiểm định Wald để kiểm định hệ

số hồi quy của các biến X3, X4, X5, X8, X9 có khác 0 hay không.

Bảng 4.5 Kết quả kiểm định Wald

Ký hiệu

Prob(F-statistic)

Prob(chi2)

Biến

ROE

0,901

0,9013

EBIT/Tổng tài sản

0,069

0,0694

Doanh thu thuần/Tổng tài sản

0,407

0,4068

Tăng doanh thu thuần

0,300

0,3002

Tăng tổng tài sản

0,097

0,0966

Nguồn: Tính toán của tác giả bằng phần mềm stata 12

Qua bảng 4.5 cho thấy rằng không đủ cơ sở bác bỏ giả thiết H0. Như vậy dựa

vào hệ số ý nghĩa thống kê của các biến trong mô hình hồi quy kết hợp với bảng

kiểm định Wald ta hoàn toàn có cơ sở để loại bỏ các biến X3, X4, X5, X8, X9ra khỏi

mô hình hồi quy mà không ảnh hưởng đến kết quả dự báo. Từ kết quả thu được từ

bảng 4.4 mô hình logit được viết như sau:

Z =ln[P/(1-P)] = – 4,824 + 1,909X1 – 19,693 X2– 2,979X6 + 12,439X7 – 6,248X10

+ 12,187X11 – 23,657X12

Kiểm định hiện tƣợng đa cộng tuyến

Để phát hiện hiện tượng đa cộng tuyến trong mô hình, tác giả sử dụng hệ số

phóng đại phương sai (VIF). Có nhiều đề xuất khác nhau cho giá trị của VIF, nhưng

phổ biến nhất là 10, theo đó là mức tối đa của VIF mà vượt quá giá trị đó có thể gây

ra hiện tượng đa cộng tuyến (Hair, Anderson, Taham và Black (1995); Kennedy

(1992); Neter, Wasserman và Kurtner (1989)). Kết quả bảng 4.7 hệ số hồi quy VIF

của mô hình, hệ số VIF của các biến < 10 nên không có hiện tượng đa cộng tuyến

xảy ra giữa các biến trong các mô hình.

Bảng 4.6 Kết quả hồi quy VIF

Ký hiệu

Biến

VIF

1/VIF

ROE

8,22

0,121703

X3

ROA

4,62

0,216286

X2

Hệ số thanh khoản

4,47

0,223801

X1

Đòn bẩy tài chính

4,28

0,233848

X7

EBIT/Tổng tài sản

3,75

0,266851

X4

Cơ cấu tổng tài sản

3,62

0,276107

X12

Cơ cấu nợ

3,09

0,323610

X11

Vốn hóa thị trường/Tổng nợ

3,07

0,325596

X10

EBIT/Doanh thu thuần

1,61

0,619382

X6

Doanh thu thuần/Tổng tài sản

1,23

0,812716

X5

Tăng tổng tài sản

1,15

0,867807

X9

Tăng doanh thu thuần

1,03

0,969143

X8

3,35

Trung bình VIF

Nguồn: Tính toán của tác giả bằng phần mềm stata 12

4.4 Kiểm định khả năng dự báo của mô hình

Ngoài trị số prob(chi2), để có thể đánh giá mức độ phù hợp (khả năng dự báo)

của mô hình ta sẽ căn cứ vào bảng thống kê kết quả dự báo chính xác của mô hình

cũng như căn cứ vào phân tích đường cong ROC. Qua đó cung cấp cho ta số liệu để

đánh giá sự sai lệch giữa giá trị tính toán của mô hình và giá trị thực tế của số liệu.

Dự báo (điểm cắt là 0,5)

Có nguy cơ phá sản

Tổng

Không có nguy cơ phá sản (Y=0)

(Y=1)

Có nguy cơ phá sản (Y=1)

258

173

Không có nguy cơ phá sản (Y=0)

1118

1155

Tổng

1203

1413

210

Dự báo đúng

92,93%

91,37%

82,38%

Nguồn: Tính toán của tác giả bằng phần mềm stata 12

Bảng 4.7 Thống kê kết quả dự báo của mô hình

Với kết quả có trong bảng 4.8 ta thấy rằng với dữ liệu ban đầu là 210 quan sát

công ty có nguy cơ phá sản thì mô hình dự báo chính xác 173 chiếm tỷ lệ 82,38%,

trong khi đó với 1203 quan sát công ty không có nguy cơ phá sản ban đầu thì mô

hình dự báo chính xác là 1118 chiếm tỷ lệ 92,93%. Như vậy tỷ lệ dự báo chính xác

của toàn bộ mô hình là 1291 quan sát trên tổng số 1413 quan sát chiếm tỷ lệ 91,37%

chứng tỏ độ tin cậy của mô hình là khá tốt.

Đường cong ROC – đồ thị của độ nhạy, là đường cong bắt đầu từ điểm (0;0)

tương ứng với điểm cắt c =1 và kết thúc tại điểm (1;1) tương ứng với c =0. Một mô hình có sức mạnh tiên đoán thì đường cong ROC sẽ là một đường thẳng có góc 450.

Diện tích phía dưới đường cong là tập hợp các dự báo chính xác. Vì thế nó thường

được sử dụng xem như một tiêu chí để đánh giá sức mạnh tiên đoán của mô hình.

Một mô hình không có sức mạnh tiên đoán khi diện tích bằng 0,5; một mô hình có

sức mạnh tiên đoán hoàn hảo khi có diện tích bằng 1.

Với kết quả tính toán của đồ thị phân tích ROC, diện tích phía dưới đường

cong của mô hình là 0,9511 điều đó cho thấy sức mạnh dự báo của mô hình là tốt.

Nguồn: Tính toán của tác giả bằng phần mềm stata 12

Hình 4.1 Đồ thị phân tích ROC

4.5 Giải thích các biến độc lập

Với kết quả hồi qui trong mô hình thu được trong phần kết quả hồi qui là:

Z =ln[P/(1-P)] = – 4,824 + 1,909X1 – 19,693 X2 – 2,979X6 + 12,439X7 – 6,248X10

+ 12,187X11 – 23,657X12

Biến X1(tài sản lƣu động trên nợ ngắn hạn) - hệ số thanh khoản ngắn hạn

Hệ số thanh khoản là tỷ số đo lường khả năng chi trả các khoản nợ ngắn hạn.

Trong nghiên cứu của Alman và các cộng sự (1977) thì hệ số thanh khoản ngắn hạn

là một trong những biến của mô hình ZETA. Tuy nhiên, mô hình không đưa ra các

hệ số hồi quy cũng như chiều hướng ảnh hưởng của biến này với xác suất xảy ra

phá sản doanh nghiệp. Đây là tỷ số cần phải quan tâm hàng đầu nếu ta đứng trên

quan điểm phá sản doanh nghiệp theo quy định của Luật phá sản Việt Nam. Vì nếu

tỷ số này thấp thì khả năng thanh toán các khoản nợ ngắn hạn của công ty sẽ kém,

dẫn đến nguy cơ lâm vào tình trạng phá sản nếu doanh nghiệp không thanh toán

được các khoản nợ đến hạn khi chủ nợ yêu cầu. Trong các nghiên cứu tại thị trường

Việt Nam đề tài đã tham khảo thì tác giả Nguyễn Trọng Hòa (2009) cũng đã sử

dụng biến hệ số thanh khoản ngắn hạn trong đề tài “Xây dựng mô hình xếp hạng tín

dụng đối với các doanh nghiệp Việt Nam trong nền kinh tế chuyển đổi”, tuy nhiên

kết quả hồi quy cuối cùng thì biến này không có ý nghĩa.

Với kết quả hồi quy từ dữ liệu thu thập được thì đề tài thấy rằng hệ số thanh

khoản ngắn hạn tác động thuận chiều với xác suất xảy ra phá sản, tức là hệ số thanh

khoản càng cao thì nguy cơ phá sản càng cao, điều này ngược với kỳ vọng giả

thuyết ban đầu. Tuy nhiên, giai đoạn 2012-2014 nền kinh tế Việt Nam gặp rất nhiều

khó khăn: nền kinh tế tăng trưởng chậm, những bất lợi từ sự sụt giảm của kinh tế

thế giới đã ảnh hưởng xấu đến hoạt động sản xuất kinh doanh và đời sống dân cư

trong nước. Tỷ lệ nợ xấu ngân hàng ở mức đáng lo ngại, lãi suất cho vay cao làm

cho doanh nghiệp khó tiếp cận nguồn vốn, nhiều doanh nghiệp nhất là doanh nghiệp

nhỏ và vừa phải thu hẹp sản xuất, dừng hoạt động hoặc giải thể, với lãi suất cao việc

một doanh nghiệp dành quá nhiều nguồn lực (tài sản lưu động) để đảm bảo chi trả

cho các khoản nợ tới hạn mà bỏ qua các cơ hội đầu tư hiệu quả, từ đó làm kết quả

tổng thể của doanh nghiệp có thể xấu đi và dẫn đến nguy cơ phá sản cũng sẽ tăng

theo.

Tóm lại, để có thể khẳng định chính xác hệ số thanh khoản ngắn hạn có tác

động như thế nào đối với khả năng xảy ra phá sản của doanh nghiệp thì cần có them

các nghiên cứu sâu hơn nữa, sử dụng dữ liệu trong giai đoạn dài hơn nữa để có các

kết luận chính xác.

Biến X2 (ROA) và biến X6 (EBIT/doanh thu thuần)

ROA và EBIT/doanh thu thuần là các biến đặc trưng cho hiệu quả hoạt động

của công ty. Để đánh giá nguy cơ phá sản công ty thì hiệu quả hoạt động là một

trong những yếu tố rất quan trọng. Trong hầu hết các nghiên cứu về phá sản công ty

thì các biến về hoạt động luôn tồn tại trong các mô hình dự báo cuối cùng. Trong

nghiên cứu của Beaver (1966) biến hiệu quả hoạt động trong mô hình là thu nhập

ròng trên tổng tài sản, còn các mô hình của Altman (1968, 1977...) biến hiệu quả

hoạt động là lợi nhuận trước thuế và lãi vay trên tổng tài sản, Ohlson (1980) thi biến

hiệu quả là thu nhập ròng trên tổng tài sản, còn Zhang (2007) thì biến hiệu quả hoạt

động là lợi nhuận trên tổng tài sản... tại Việt Nam theo Hoàng Tùng (2011) các biến

hiệu quả là ROA, ROE, doanh thu trên tổng tài sản. Như vậy yếu tố hiệu quả hoạt

động là một trong những biến có ảnh hưởng trực tiếp đến nguy cơ phá sản. Với dữ

liệu thu thập được trong 3 năm từ 2012 đến năm 2014 thì kết quả hồi qui như sau:

Biến X2 (ROA) có hệ số hồi qui trong mô hình là -19,693 chứng tỏ ROA có

ảnh hưởng ngược chiều với xác suất xảy ra nguy cơ phá sản công ty, tức là nếu

ROA càng cao thì nguy cơ xảy ra phá sản sẽ thấp và ngược lại. Điều này phản ánh

đúng với kỳ vọng giả thuyết và cũng đúng với hầu hết các kết quả nghiên cứu mà đề

tài đã tham khảo. Đây là tỷ số mà nhà đầu tư sẽ quan tâm trước khi ra quyết định

đầu tư. Vì nó cho biết được khi đầu tư vào 1 đồng tài sản thì sẽ thu được lợi nhuận

là bao nhiêu đồng.

Biến X6 (EBIT/doanh thu thuần): là biến thể hiện hiệu quả hoạt động kinh

doanh bán hàng của công ty. Hầu hết các công ty từ sản xuất đến dịch vụ thì hoạt

động kinh doanh, bán hàng là hoạt động vô cùng quan trọng. Dựa vào đó có thể

giúp người lãnh đạo công ty quyết định tiếp tục sản xuất kinh doanh hay dừng hoạt

động. Qua kết quả hồi quy Binay Logistic biến X6 có hệ số hồi quy là-2,978, điều đó

cho thấy rằng biến X6 có tác động ngược chiều với nguy cơ phá sản công ty, với ý

nghĩa là 1 đồng doanh thu thuần tạo được càng nhiều lợi nhuận thì nguy cơ xảy ra

phá sản công ty sẽ càng thấp và ngược lại.

Biến X7 (Tổng nợ / Tổng tài sản) - đòn bẩy tài chính

Đây là biến phản ánh sự tác động của đòn bẩy tài chính lên khả năng xảy ra

phá sản công ty. Cũng giống như các nghiên cứu trước đã tham khảo thì đòn bẩy tài

chính xuất hiện trong hầu hết các mô hình dự báo phá sản, Beaver (1966), Ohlson

(1980), Sori (2004), Zhang (2007), Wang (2010)... và Việt Nam thì có Hoàng Tùng

(nghiên cứu về rủi ro tín dụng) hay Nguyễn Trọng Hòa (nghiên cứu về xếp hạng tín

dụng)... Với kết quả thu được thì hệ số hồi qui trong tất cả các trường hợp đều có ý

nghĩa thống kê và cũng có dấu đúng với kì vọng giả thuyết đặt ra ban đầu. Biến đó

có ý nghĩa là biến đòn bẩy tài chính có tác động cùng chiều đến nguy cơ phá sản tức

là nếu đòn bẩy tài chính có trị số càng lớn thì nguy cơ xảy ra phá sản càng cao. Bên

cạnh đó tỷ số này còn cho biết có bao nhiêu tỷ lệ tài sản được tài trợ bởi nợ, từ đó

có thể đánh giá khả năng tự chủ tài chính của công ty. Nếu tỷ số này quá thầp thì

hàm ý công ty chưa khai thác hết được lợi ích của đòn bẩy tài chính, chưa biết cách

huy động vốn bằng hình thức đi vay. Ngược lại, nếu tỷ số này quá cao thì có thể

đánh giá công ty không có thực lực tài chính mạnh, nguồn vốn có được chủ yếu là

từ vay muợn. Vì vậy rủi ro tài chính hay rủi ro phá sản công ty cũng sẽ tăng lên.

Biến X10 (Vốn hóa TT / Tổng nợ)

Biến X10 đại diện cho yếu tố kỳ vọng của thị trường, nhà đầu tư đối với triển

vọng của công ty. Biến này chưa được các nhà nghiên cứu quan tâm nhiều, trong

các nghiên cứu đã tham khảo chỉ có nghiên cứu cửa Altman (1968) là có xét đến.

Đặc biệt trong thị trường chứng khoán của Việt Nam thì theo ý kiến chủ quan của

học viên việc ra quyết định của các nhà đầu tư còn bị ảnh hưởng bởi tâm lý đám

đông. Việc nắm được những thông tin bất cân xứng giữa các nhà đầu tư, vì thế có

những giai đoạn giá cổ phiếu của một vài công ty không phản ánh đúng tình hình

thực tế của công ty đó.

Biến X10 (vốn hóa thị trường /tổng nợ) đại diện cho khả năng huy động vốn

của công ty từ thị trường chứng khoán. Ở đây ta xét ở góc độ nhà đầu tư quyết định

đầu tư vào cổ phiếu là do hiệu quả hoạt động chứ không phải là đầu tư theo dạng

lướt sóng để kiếm lợi nhuận. Nếu cổ phiếu của một công ty nào đó được nhà đầu tư

kì vọng đánh giá cao, giá cổ phiếu đó sẽ tăng và thường kéo theo tính thanh khoản

của cổ phiếu đó cũng tăng. Vì vậy khi công ty cần nguồn vốn để có thể thanh toán

các khoản nợ đến hạn cũng như nguồn vốn để đầu tư vào các dự án, thì việc huy

động sẽ gặp thuận lợi hơn. Ngược lại nếu nhà đầu tư không kì vọng vào cổ phiếu

của công ty thì giá của công ty cũng sẽ giảm và tính thanh khoản cũng giảm làm

cho việc huy động vốn gặp nhiều khó khăn có thể làm ảnh hưởng đến hoạt động của

công ty. Đề tài chọn so sánh vốn hóa thị trường với tổng nợ để làm yếu tố tác động

bởi vì vốn hóa thị trường đại diện cho khả năng huy động vốn của công ty trên thi

trường chứng khoán con giá trị tổng nợ đại diện cho các khoản công ty cần phải chi

trả. Biến này cũng góp phần chứng tỏ mức độ tự chủ tài chính của công ty. Kết quả

hồi qui chứng tỏ rằng với số liệu thu thập được thì biến X10 có ảnh hưởng đến khả

năng xảy ra phá sản của công ty và có ảnh hưởng ngược chiều đến khả năng phá

sản, tức là nếu giá trị của biến X10 càng tăng tức kì vọng của nhà đầu tư càng cao thi

khả năng xảy ra phá sản sẽ càng thấp hay ta có thể suy luện rằng vốn hóa thị trường

càng cao thi khả năng chi trả càng được đảm bảo và ngược lại.

Các biến về cơ cấu: X11 (nợ ngắn hạn / tổng nợ), X12 (tài sản ngắn hạn /

tổng tài sản)

Hai biến này sẽ cho biết được việc cơ cấu nợ (tỷ lệ giữa nợ ngắn hạn trên tổng

nợ) hay cơ cấu tài sản (tài sản ngắn hạn / tổng tài sản) có ảnh hưởng đến nguy cơ

phá sản của công ty như thế nào. Nếu kết hợp với biến đòn bẩy tài chính thì hai biến

cơ cấu nợ và cơ cấu tài sản sẽ giúp đánh giá tình hình công ty sử dụng cơ cấu nợ

như thế nào và việc sử dụng các loại nợ vào đầu tư các loại tài sản cũng như tình

hình quản lý tài sản của công ty.

Kết quả hồi qui từ dữ liệu có được thấy rằng biến cơ cấu nợ có ảnh hưởng

cùng chiều với nguy cơ xảy ra phá sản công ty. Nghĩa là nếu cơ cấu mà trong đó nợ

ngắn hạn chiếm tỷ trọng càng lớn thì nguy cơ xảy ra phá sản càng cao và ngược lại.

Tương tự, biến cơ cấu tài sản cũng có tác động đến khả năng xảy ra phá sản công ty

nhưng ngược chiều. Tức là nếu trong cơ cấu tài sản mà tài sản ngắn hạn chiếm tỷ

trọng càng lón thì khả năng xảy ra phá sản sẽ càng thấp và ngược lại.

Ảnh hưởng của 2 biến này sẽ rõ ràng hơn nếu ta xét trong mối quan hệ, cơ cấu

nợ cao tức nợ ngắn hạn chiếm tỷ trọng lớn và cơ cấu tài sản thấp tức tài sản ngắn

hạn chiếm tỷ trọng nhỏ thì nguy cơ xảy ra phá sản sẽ tăng lên cao. Bởi vì, điều đó

có thể dẫn tới suy luận rằng công ty đã sử dụng các khoản nợ ngắn hạn để tài trợ

đầu tư vào các tài sản dài hạn. Khi các khoản nợ đến hạn cần thanh toán thì khả

năng thanh toán kém do các tài sản dài hạn có tính thanh khoản thấp, khả năng

thanh khoản nói chung của công ty giảm và đây cũng là yếu tố dẫn đến phá sản

công ty. Ngược lại tức là công ty sử dụng các khoản vay dài hạn để đầu tư tài trợ

cho các loại tài sản ngắn hạn, mà các tài sàn này lại có tính thanh khoản cao nên khả

năng chi trả các khoản nợ của công ty luôn được đảm bảo và làm giảm rủi ro về tài

chính của công ty nói riêng và giảm rủi ro phá sản nói chung.

Bên cạnh các biến có ý nghĩa thống kê tồn tại trong mô hình thì với dữ liệu thu

thập được các biến về hiệu quả hoạt động, tốc độ tăng trưởng không ảnh hưởng đến

khả năng đánh giá nguy cơ phá sản của công ty. Để có đánh giá đầy đủ hơn cần các

nghiên cứu chuyên sâu về phân tích, dữ liệu rộng hơn về mẫu cũng như giai đoạn

dài hơn.

CHƢƠNG 5

KẾT LUẬN VÀ KIẾN NGHỊ

5.1 Tóm tắt kết quả nghiên cứu

Nghiên cứu này được thực hiện nhằm mục đích đo lường tác động của các chỉ

số tài chính đến nguy cơ phá sản các doanh nghiệp niêm yết trên thị trường chứng

khoán Việt Nam. Nghiên cứu sử dụng phương pháp hồi quy Logistic để ước lượng

các kết quả cần đạt được từ mô hình hồi quy. Phương pháp này được lựa chọn nhằm

mục đích đảm bảo được sự phù hợp với cách xác định “nguy cơ phá sản” của một

công ty (biến nhị phân chỉ nhận giá trị 0 hoặc 1). Mẫu nghiên cứu bao gồm 471

doanh nghiệp niêm yết trên Sở giao dịch chứng khoán Hà Nội (HNX) và Sở giao

dịch chứng khoán TPHCM (HOSE) trong giai đoạn 2012-2014. Kết quả nghiên cứu

cho thấy nguy cơ phá sản của các doanh nghiệp niêm yết trên thị trường chứng

khoán Việt Nam chịu tác động bởi các yếu tố: (i) tính thanh khoản, (ii) hiệu quả

hoạt động, (iii) đòn bẩy tài chínhvà (iv) kì vọng thị trường.

Kết quả đạt được từ nghiên cứu này có thể được sử dụng nhằm mục đích xác

định được các tỷ số (biến) tài chính có tác động đến nguy cơ xảy ra phá sản công ty

và chiều hướng ảnh hưởng của chúng đối với các doanh nghiệp niêm yết tại Việt

Nam. Kết quả này có thể được tóm tắt như sau:

Thứ nhất, nguy cơ phá sản doanh nghiệp chịu sự ảnh hưởng của hệ số thanh

khoản ngắn hạn của doanh nghiệp. Mối quan hệ cùng chiều giữa hệ số thanh khoản

ngắn hạn và nguy cơ phá sản doanh nghiệp được tìm thấy trong nghiên cứu này. Kết

quả nghiên cứu thể hiện rằng hệ số thanh khoản càng cao thì nguy cơ phá sản cũng

tăng theo và ngược lại. Kết quả hồi quy đạt được ngược với kỳ vọng giả thuyết,

điều này cho thấy cần phải lưu ý khi phân tích tình hình thực tế trong giai đoạn

khảo sát.

Thứ hai, các tỷ số có liên quan đến hiệu quả hoạt động (ROA, EBIT/doạnh thu

thuần) có ảnh hưởng đến xác suất xảy ra phá sản công ty. Kết quả này cũng phù hợp

với nghiên cứu của Beaver (1966), các nghiên cứu của Altman và các cộng sự

(1968, 1977, 2000), Ohlson (1980) và Zhang (2007). Kết quả hồi qui đạt được từ

nghiên cứu này cho thấy rằng cả 2 tỷ số này có tác động ngược chiều với rủi ro xảy

ra phá sản công ty. Điều này có nghĩa là khi lợi nhuận càng cao thì nguy cơ xảy ra

phá sản càng thấp.

Thứ ba, phù hợp với kết quả đạt được từ các nghiên cứu trước của Beaver

(1966), Ohlson (1980), Sori (2004), Zhang (2007), Wang (2010), Hoàng Tùng

(nghiên cứu về rủi ro tín dụng) hay Nguyễn Trọng Hoà (nghiên cứu về xếp hạng tín

dụng), đòn bẩy tài chính (tổng nợ / tổng tài sản) có tác động và cùng chiều với nguy

cơ xảy ra phá sản công ty. Kết quả này thể hiện rằng trong đòn bẩy tài chính nếu nợ

chiếm tỷ lệ lớn thì nguy cơ phá sản của công ty sẽ tăng theo và ngược lại.

Thứ tư, bên cạnh các yếu tố có liên quan đến đòn bẩy tài chính và hiệu quả

hoạt động công ty, kỳ vọng của thị trường như là vốn hoá thị trường trên tổng nợ

cũng có tác động đến khả năng xảy ra phá sản công ty. Trong nghiên cứu này kỳ

vọng của thị trường đối với công ty được thể hiện thông qua giá cổ phiếu của công

ty đó trên sàn niêm yết. Kết quả đạt được dựa trên số liệu thực tế đã cung cấp bằng

chứng khoa học định lượng để kết luận rằng: vốn hoá thị trường trên tổng nợ có tác

động nghịch chiều với xác suất xảy ra phá sản công ty. Kết quả này mang hàm ý

rằng nếu vốn hoá thị trường của công ty càng lớn hơn tổng nợ thì xác suất phá sản

sẽ càng thấp, và ngược lại.

Cuối cùng, bên cạnh các tỷ số tài chính được trình bày ở trên thì cơ cấu nợ và

cơ cấu tài sản cũng ảnh hưởng đến nguy cơ xảy ra phá sản. Kết quả hồi qui có được

cơ cấu nợ có tác động cùng chiều với nguy cơ phá sản, trong khi đó cơ cấu tài sàn

thì có tác động ngược chiều.

5.2 Kiến nghị

Kết quả đạt được từ nghiên cứu này có thể cung cấp bằng chứng khoa học định

lượng để kết luận rằng các yếu tố sau đây, bao gồm (i) tính thanh khoản, (ii) hiệu

quả hoạt động, (iii) đòn bẩy tài chính và (iv) kì vọng thị trường có tác động đếnnguy

cơ xảy ra phá sản doanh nghiệp. Trên cơ sở kết quả đạt được từ nghiên cứu, một số

kiến nghị sau đây được xem là phù hợp:

Thứ nhất, về tính thanh khoản

Kết quả nghiên cứu cho thấy không phải hệ số thanh khoản ngắn hạn càng lớn

thì càng tốt vì tính hợp lý của hệ số phụ thuộc vào đặc điểm của từng ngành nghề.

Hơn thế nữa hệ số này chỉ phản ánh một cách khái quát khả năng thanh toán nợ

ngắn hạn của doanh nghiệp. Bên cạnh đó, việc phân tích chỉ tiêu trên mang tính thời

điểm, không phản ánh được cả một thời kỳ, một giai đoạn hoạt động của doanh

nghiệp. Do vậy, hệ số thanh toán hiện hành cần phải được xem xét liên tục cùng với

việc phân tích chất lượng của các yếu tố tài sản ngắn hạn.

Thứ hai, về hiệu quả hoạt động

Đây là một trong những nhân tố tác động lớn đến khả năng xảy ra phá sản của

doanh nghiệp. Hiệu quả hoạt động thể hiện khả năng sinh lời của doanh nghiệp.

Muốn cải thiện chỉ tiêu này, doanh nghiệp cần có những biện pháp thúc đẩy sự gia

tăng của doanh thu, cụ thể, doanh nghiệp có thể áp dụng các chính sách gia tăng nhu

cầu mua sắm của người tiêu dùng thông qua các chương trình giảm giá, khuyến

mãi, chiết khấu. Bên cạnh đó, doanh nghiệp cần đẩy mạnh chính sách bán hàng: chú

trọng nâng cao chất lượng sản phẩm, mở rộng kênh phân phối, xây dựng giá cả hợp

lý. Ngoài ra, dịch vụ sau bán hàng cũng là một trong những chính sách hỗ trợ cho

việc thúc đẩy tăng trưởng doanh thu. Hiện nay, khi sự cạnh tranh diễn ra trong nền

kinh tế ngày càng gay gắt thì các dịch vụ sau bán hàng như: vận chuyển, lắp đặt,

bảo hành, tư vấncó một ý nghĩa đặc biệt quan trọng và trở thành vũ khí sắc bén của

cạnh tranh. Doanh nghiệp có dịch vụ sau bán hàng tốt sẽ lại được sự hưởng ứng từ

phía khách hàng trong việc tiêu thụ sản phẩm. Chính vì thế mà uy tín của doanh

nghiệp từ đó cũng được nâng lên.

Thứ ba, về đòn bẫy tài chính

Xác định được một cơ cấu vốn tối ưu là vấn đề mà các doanh nghiệp cần quan

tâm. Đòn bẫy tài chính liên quan mật thiết đến việc doanh nghiệp sử dụng nguồn tài

trợ từ nợ trong cơ cấu nguồn vốn. Trong phạm vi nghiên cứu của đề tài, kết quả đạt

được cho thấy đòn bẫy tài chính có tác động cùng chiều với nguy cơ phá sản. Do

đó, việc quản lý, kiểm soát và cơ cấu lại tỷ lệ nợ trên tổng tài sản ở mức thích hợp,

đặc biệt là các khoản nợ vay sẽ giúp doanh nghiệp giảm bớt áp lực đối với các

khoản chi phí lãi vay.

Việc sử dụng đòn bẫy tài chính trong một mức nhất định sẽ làm cho chi phí sử

dụng vốn bình quân của doanh nghiệp giảm thấp, doanh nghiệp sẽ có nhiều thuận

lợi để tối đa hóa lợi nhuận. Tuy nhiên, điều này chỉ thích hợp khi sử dụng đòn bẫy ở

các doanh nghiệp tăng trưởng cao và ổn định với chi phí lãi vay thấp sẽ mang lại

hiệu quả đáng kể. Ngoài ra, nguy cơ vỡ nợ sẽ rất cao và có thể dẫn đến phá sản nếu

doanh nghiệp sử dụng đòn bẫy lớn nhưng lợi nhuận thu về lại không đủ để trả nợ và

lãi vay.

Đối với các khoản vay nhỏ hoặc các khoản vay có tính chất tạm thời, doanh

nghiệp có thể quyết định theo chính sách của đơn vị. Trước khi tiến hành vay các

khoản lớn và dài hạn, cần phải đánh giá một cách chặt chẽ tỷ suất sinh lợi nhằm

xem xét những khoản vay này có tạo được mức sinh lời đủ để bù đắp cho chi phí lãi

vay hay không. Cũng như các khoản vay ngắn hạn nêu trên, doanh nghiệp câng đưa

ra một kế hoạch vay cụ thể, rõ ràng về mục đích và hiệu quả sử dụng khoản vay,

tình hình tài chính của doanh nghiệp sẽ được cải thiện như thế nào so với trước khi

vay, đề ra các phương án trả nợ thích hợp. Các khoản vay phải được theo dõi trên sổ

chi tiết mở theo từng chủ nợ và theo từng khoản vay. Hàng tháng, những số liệu này

phải được đối chiếu với sổ cái và định kỳ đối chiếu với chủ nợ.

Thứ tư, về kỳ vọng thị trƣờng

Giá trị vốn hóa thị trường là thước đo quy mô của một doanh nghiệp. Giá trị

vốn hóa này thể hiện tổng giá trị thị trường của doanh nghiệp. Quy mô và tốc độ

tăng của giá trị vốn hóa thị trường là thước đo quan trọng để đánh giá thành công

hay thất bại của một doanh nghiệp niêm yết công khai. Một công ty đang phát triển

mạnh, tình hình tài chính tốt, triển vọng ngành nghề tốt, dĩ nhiên giá cổ phiếu công

ty đó sẽ cao và ngược lại. Như vậy giá cổ phiếu phản ánh sự kì vọng của nhà đầu tư,

thị trường. Nếu sự kì vọng là tốt có thể hiểu sức khỏe công ty đang tốt và nguy cơ

phá sản sẽ thấp, ngược lại thì nguy cơ phá sản sẽ cao. Với biến vốn hóa thị trường

chia tổng nợ cho thấy rằng mỗi đồng nợ có thể huy động được bao nhiêu đồng từ thị

trường để có thể thanh toán cho đồng nợ đó. Vì vậy tỷ số vốn hóa thị trường trên

tổng nợ càng cao công ty càng dễ huy động vốn từ thị trường để bảo đảm thanh

khoản và ngân lưu ổn định cho các dự án kinh doanh với chi phí hợp lý.

Do đó, các công ty cần thực hiện tốt việc công bố thông tin, đảm bảo các thông

tin tích cực đến được với các nhà đầu tư một cách chính xác, tránh và xử lý các

thông tin không tốt về công ty. Thực hiện kiểm toán hằng năm bởi các công ty kiểm

toán độc lập có uy tín giúp nhà quản lý có cái nhìn khách quan về công ty để ra các

quyết sách phù hợp và thị trường có thông tin minh bạch để định hướng dòng vốn

đầu tư. Bên cạnh đó cần có chiến lược kinh doanh dài hạn cụ thể phù hợp với từng

ngành nghề kinh doanh.

Ngoài ra, bên cạnh việc quản lý chặt chẽ các khoản nợ, công ty cũng cần phải

chú ý sử dụng các loại nợ trong việc tài trợ, đầu tư vào tài sản. Hạn chế việc sử

dụng nợ ngắn hạn để đầu tư vào các loại tài sản dài hạn. Việc tăng tổng tài sản công

ty nên ưu tiên từ nguồn vốn chủ sở hữu vì sẽ làm giảm rủi ro về mặt tài chính.

Cần xây dựng các quy định cụ thể rõ ràng, mang tính thống nhất để phân loại

giữa công ty có nguy cơ phá sản và công ty không có nguy cơ phá sản. Từ đó giúp

nhà nghiên cứu cũng như nhà quản lý công ty, nhà đầu tư nhận diện được tình trạng

của công ty.

5.3 Hạn chế của đề tài và đề xuất hƣớng nghiên cứu tiếp theo

5.3.1 Hạn chế của đề tài

Thứ nhất, biến phụ thuộc của nghiên cứu là xác suất xảy ra phá sản của công

ty. Việc phân loại công ty rơi vào diện có nguy cơ và không có nguy cơ phá sản đề

tài đưa ra là: công ty có nguy cơ phá sản là công ty rơi vào ít nhất 1 trong 2 trường

hợp. Thứ nhất, công ty có ROA âm và vốn hóa thị trường nhỏ hơn tổng nợ. Thứ

hai, công ty có vốn lưu động âm và vốn hóa thị trường nhỏ hơn tổng nợ. Ngoài ra

các trường hợp còn lại thì xếp công ty vào diện không có nguy cơ phá sản. Trên

thực tế thì có thể có công ty dựa vào các nhận định trên bị xếp vào diện có nguy cơ

phá sản nhưng thực tế lại không phá sản. Ngược lại, có những công ty được xếp vào

diện không có nguy cơ nhưng thực tế lại có nguy cơ phá sản rất cao. Có thể tùy

thuộc vào ngành nghề hoạt động loại hình công ty... vì thế các nhận định trên chỉ

mang tính tương đối.

Thứ hai, các biến độc lập được đưa vào nghiên cứu thì do khó khăn trong việc

thu thập số liệu, mẫu mà đề tài chưa xét đến các biến như là ngành hoạt động, loại

hình công ty, tuổi đời, các biến và các loại chi phí, yếu tố tăng trưởng cũng chưa xét

đến yếu tố tăng trưởng bền vững là tăng trưởng dựa trên lợi nhuận giữ lại... Ở đây

đề tài chỉ tập trung vào phân tích ảnh hưởng của các tỷ số tài chính. Vì thế việc bỏ

qua một số biến giải thích như đã nêu sẽ làm giảm khả năng dự báo của mô hình

nghiên cúu.

Thứ ba, thời gian khảo sát của nghiên cứu là từ năm 2012 đến năm 2014 là

giai đoạn các công ty Việt Nam gặp rất nhiều khó khăn trong hoạt động kinh doanh.

Đây là tình hình chung của nền kinh tế thế giới, do những nguyên nhân khách quan

không phải chỉ do những khó khăn tồn tại bên trong công ty. Tuy nhiên nghiên cứu

chỉ tập trung vào phân tích các tỷ số tài chính là các biến phản ánh nội tại của công

ty. Do đó, đề tài có thể đưa ra những nhận định chưa hoàn toàn chính xác nhất về

mối liên hệ, tác động của các biến.

Thứ tư, nghiên cứu đã loại trừ công ty là các tổ chức tín dụng như: ngân hàng,

công ty chứng khoán, công ty bảo hiểm, các quỹ đầu tư, các công ty tài chính vì các

công ty này có cơ cấu về tài sản và vốn khác với các công ty sản xuất kinh doanh

khác. Dữ liệu nghiên cúu có 417 công ty trong khoảng thời gian từ 2012 đến 2014

bao gồm 1413 quan sát . Đây là mẫu tương đối lớn có thể chấp nhận để đại diện cho

tổng thể nhưng thời gian nghiên cứu chỉ có 3 năm nên khá ngắn, số quan sát có

nguy cơ phá sản là tương đối ít (chiếm 14,86%). Vì thế có thể chưa thấy được tác

động ảnh hưởng của các biến trong dài hạn, chưa xét đến tính trễ của các biến nếu

có. Bên cạnh đó, nghiên cứu cũng chỉ tập trung các công ty trên sàn chứng khoán có

báo cáo tài chính đã được kiểm toán mà chưa khảo sát các công ty có báo cáo tài

chính chưa kiểm toán và không có báo cáo tài chính tham gia niêm yết... Trong khi

đây là giai đoạn cực kỳ khó khăn đối với các công ty vừa và nhỏ. Vì vậy mô hình

được xây dựng chưa phản ánh chính xác hoàn toàn được tình hình thực tế.

Thứ năm, dữ liệu nghiên cứu được thu thập hoàn toàn từ các báo cáo tài

chính sau kiểm toán được công bố. Tuy nhiên, hiện nay tại Việt Nam chưa có tổ

chức nào uy tín cung cấp số liệu có tính thống nhất và độ tin cậy cao để phục vụ

công tác nghiên cứu. Do đó, trong một chừng mực nào đó thì việc tự thu thập số

liệu có ảnh hưởng đến kết luận của nghiên cứu.

5.3.2 Đề xuất hướng nghiên cứu tiếp theo

Với các hạn chế của đề tài thì nghiên cứu tiếp theo có thể thực hiện mở rộng ở

các khía cạnh như:

Xây dựng lại các chỉ tiêu để nhận diện công ty có nguy cơ phá sản sao cho đầy

đủ hơn và phản ánh đúng với tình hình thực tế hơn. Đưa thêm các biến độc lập để

tăng khả năng giải thích của mô hình như các biến ngành, biến chi phí, tuổi đời, yếu

tố tăng trưởng bền vững...

Tăng thời gian khảo sát nghiên cứu để có thể đánh giá tổng thể trong dài hạn.

Mở rộng đối tượng nghiên cứu ra ngoài phạm vi các sàn chứng khoán, các công ty

vừa và nhỏ để tăng số lượng quan sát. Từ đó làm tăng giá trị thực tế của mô hình.

Việc ước lượng mô hình không dừng lại ở mô hình hồi qui logistic mà có thể

thực hiện với các mô hình probit, mô hình phân biệt để có cái nhìn tổng thể, so sánh

hiệu quả dự báo của các mô hình.

Cuối cùng, dữ liệu cần đối chiếu, so sánh với nhiều nguồn khác nhau để đảm

bảo tính chính xác.

TÀI LIỆU THAM KHẢO

Tài liệu tiếng Việt

1. Hoàng Tùng (2011),„Phân tích rủi ro tín dụng doanh nghiệp bằng mô hình

hồi quy logistic‟,Tạp chí Khoa học và Công nghệ Đà Nẵng, số 43/2011, trang 17-

22.

2. Hoàng Tùng (2011), „Mô hình định lượng phân tích rủi ro tín dụng doanh

nghiệp‟,Tạp chí Khoa học và Đào tạo Ngân hàng, số 6/2011, trang 37- 41.

3. Đinh Thị Thanh Vân (2012),„Đánh giá nợ xấu theo quy định Việt Nam và

tiêu chuẩn quốc tế‟, Tạp chí kinh tế và phát triển, số 186, trang 31-36.

4. Nguyễn Trọng Hòa (2009), Xây dựng mô hình xếp hạng tín dụng đối với

các doanh nghiệp Việt Nam trong nền kinh tế chuyển đổi, Luận văn tiến sỹ kinh tế,

Trường Đại học Kinh tế Quốc dân.

5. Bùi Nguyễn Trọng Đạt (2015), Dự báo kiệt quệ tài chính và phá sản của

các doanh nghiệp niêm yết trên sàn chứng khoán sử dụng các biến tài chính, các

biến thị trường và các biến vĩ mô,Luận văn thạc sỹ, Trường Đại học Kinh tế

Tp.HCM.

6. Nguyễn Thị Phương Thảo (2012), Mô hình dự báo phá sản cho các doanh

nghiệp phi tài chính tại Việt Nam,Luận văn thạc sỹ, Trường Đại học Kinh tế

Tp.HCM.

7. Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2007), Thống kê ứng dụng

trong kinh tế xã hội, NXB Thống Kê.

8. Trần Ngọc Thơ (2007), Tài chính doanh nghiệp hiện đại, NXB Thống Kê.

9. Phạm Hữu Hồng Thái (2015), Sách chuyên khảo: Phân tích và quản lý

danh mục đầu tư, NXB Tài chính.

10. Nguyễn Văn Tuấn,Mô hình hồi quy Logistic,truy cập tại

https://www.youtube.com/watch?v=0yILsvQZ0Uw

11. Nguyễn Văn Tuấn, Phân tích hồi quy logistic, truy cập tại

http://www.ykhoa.net/baigiang/lamsangthongke/lstk15_logistic.pdf

12. Võ Hồng Đức (2013), Cách tiếp cận mới về xếp hạng tín nhiệm Ngân hàng

thương mại Việt Nam, truy cập tại

http://www.ou.edu.vn/ncktxh/Documents/Seminars/Duc_Thien_%20Xep%20Hang

%20Tin%20Nhiem%20NHTM.pdf

Tài liệu tiếng Anh

1. Altman, E. I. (1968), Financial ratios, discriminant analysis and the

prediction of corporate bankruptcy, The Journal of Finance, Vol. 23, No. 4, pp.

589-609.

2. Altman, E. I., Haldeman R. G., and Narayanan R (1977), ZETA™Analysis:

New Model to Identify Bankruptcy Risk of Corporations, Journal of Banking and

Finance 1: pp 29-54.

3. Altman, E.I. (2000), Predicting financial distress of companies: Revisiting

the Z-score and zeta models, download: pages.stern.nyu.edu/~ealtman/Zscores.pdf

4. Altman, E. I., Zhang, L. and Yen, J. (2007), Corporate Financial Distress

Diagnosis in China, New York University Salomon Center Working Paper,

download: http://pages.stem.nvu.edu/~ealtman/WP-China.pdf.

5. Beaver, W.H. (1966), Financial Ratios as Predictors ofFailure, Journal of

Accounting Research, Vol. 4 (Supplement), pp. 71-111.

6. Lifschutz, S. and Jacobi, A. (2010), Predicting Bankruptcy: Evidencefrom

Israel, International Journal of Business and Management, Vol. 5, No. 4

7. Ohlson, J. A. (1980), Financial Ratios and the Probabilistic Prediction of

Bankruptcy, Journal of accounting research, Vol. 18. No.l

8. Ooghe, H. and Prijcker, S. D. (2006), Failure processes and causes of

company bankruptcy: a typology, Vlerick Leuven Gent Management School

Working Paper Series

download: http://econpapers.repec.org/paper/vlgvlgwps/2006-21 .htm

9. Rashid, A. and Abbas, Q. (2011), Predicting Bankruptcy in Pakistan,

Theoretical and Applied Economics, Vol. XVIII, No. 9, pp. 103-128

10. Zhang, L. and ctg, Corporate Financial Distress Diagnosis in China,

Natural Science Foundation of China (NSFC),

download: http://pages.stem.nyu.edu/~ealtman/ZhanglingPaper.pdf.

11. Puagwatana. S and Gunawardana. D.K (2005), Logistic Regression Model

for Business Failures Prediction of Technology Industry in Thailand, Special Issue

of the International Journal of the Computer, the Internet and Management, Vol. 13

No.SP2

12. Sori, Z. M. and Karbhari, Y. (2004), “Bankruptcy prediction during the

IMF crisis: evidence from Malaysian listed industrial companies”,

download: http://paoers.ssm.com/sol3/papers.cfm7abstract id=596183

13. Samarakoon, L.P. and Hasan, T. (2003), Altman’s Z-Score Models of

Predicting Corporate Distress: Evidence from the Emerging Sri Lankan Stock

Market, Journal of Academy of Finance, Vol. l,pp. 119-125.

14. Wang. Y, and Campbell. M (2010), Financial ratios and the prediction of

bankruptcy: the Ohlson model applied to Chinese publicly traded companies,

Proceedings of ASBB, Vol. 1 7 Number 1.

PHỤ LỤC

Dữ liệu nghiên cứu

firm

year X1

X2

X3

X4

X5

X6

X7

X8

X9

X10 X11 X12 Y

AAA

2014 1,368 0,072 0,037 0,053 1,213 0,043 0,447

0,348

0,236 0,866 0,799 0,488 0

AAA

2013

0,96

0,104 0,054 0,069 1,006 0,068

0,52

0,146

0,278 0,586 0,861

0,43

AAA

2012 1,212 0,129 0,065 0,104 1,122 0,092 0,415

0,109

0,103 0,598 0,956 0,481 0

AAM 2014 6,299 0,034

0,03

0,013 1,465 0,009 0,134

-0,177 -0,016 4,566 0,922 0,779 0

AAM 2013 5,776 0,032 0,028 0,028 1,766 0,016 0,145

0,099

0,057 4,098 0,929 0,778 0

AAM 2012 8,201 0,052 0,045 0,032 1,699 0,019 0,107

-0,24

-0,134 8,307 0,898 0,785 0

ABT

2014 2,424 0,187 0,115 0,084 0,667 0,125 0,367

-0,16

-0,046 3,074 0,971 0,864 0

ABT

2013 2,178 0,185 0,123 0,088 0,777 0,114 0,397

-0,157

0,334 2,089

0,865 0

ABT

2012 3,285 0,204 0,159 0,142 1,229 0,115 0,255

-0,043

0,08

3,535

0,838 0

ACC

2014 2,254 0,198 0,135 0,127

1,18

0,108 0,333

-0,046

0,358

2,85

0,989 0,742 0

ACC

2013 3,885 0,169 0,131 0,142 1,459 0,098 0,201

-0,043 -0,106 5,333

0,78

ACC

2012 3,046 0,308 0,231 0,223 1,363 0,163 0,252

0,122

0,09

2,578

0,768 0

ACL

2014 1,068 0,045 0,016 0,046 1,098 0,042 0,665

-0,134

0,165 0,377 0,979 0,695 0

ACL

2013 1,074 0,019 0,007 0,043 1,373 0,031 0,626

-0,044 -0,136 0,388 0,947 0,637 0

ACL

2012 1,113 0,053 0,019 0,046 1,241 0,037 0,669

-0,199

0,048 0,569

0,97

0,722 0

ADC

2014 1,549 0,241 0,098 0,105 2,535 0,041 0,592

0,335

0,228

1,01

0,918 0

ADC

2013 1,516 0,231 0,093 0,096 2,116 0,046 0,596

0,295

0,387 0,671

0,904 0

ADC

2012 1,572 0,294 0,132 0,106 2,267 0,047

0,6

0,478

0,54

0,256

0,942 0

AGF

2014 1,354 0,086 0,032 0,039 1,245 0,032

0,61

-0,09

-0,015 0,403 0,991 0,818 0

AGF

2013 1,284 0,029 0,011

0,03

1,358 0,022 0,636

0,095

0,438 0,355 0,991 0,809 0

AGF

2012 1,273 0,052 0,021 0,059 1,784 0,033 0,579

0,049

-0,089 0,304 0,981 0,723 0

ALT

2014 4,854 0,005 0,004

0,604

0,108

0,089

0,018 2,807 0,925 0,485 0

ALT

2013 4,287 0,011 0,009 0,002 0,559 0,004 0,107

-0,087 -0,056 2,763

0,458 0

ALT

2012 2,836 -0,035 -0,029 -0,032 0,579 -0,056 0,166

-0,181 -0,064 1,679

0,471 0

ALV

2014 3,278 0,027

0,02

0,032 0,167 0,191 0,229

-0,615

0,389

1,86

0,751 0

ALV

2013 2,407 0,035 0,023 0,054

0,52

0,103 0,306

0,272

-0,048 0,875

0,737 0

ALV

2012 1,913 0,029 0,019 0,042 0,389 0,107 0,357

-0,274

0,131 0,651

0,683 0

AMV 2014 4,317 -0,561 -0,352 -0,119

0,16 -0,745 0,532 -0,461

-0,067 0,599 0,153 0,352 1

AMV 2013 2,089 0,007 0,006 0,016 0,286 0,057 0,223

-0,192

0,127 2,523 0,749

0,35

AMV 2012 3,165 -0,025

-0,02 0,021 0,399 0,053 0,131

-0,003 -0,146 3,444 0,656 0,271 0

Thống kê mô tả

Ma trận tƣơng quan

Kiểm định đa cộng tuyến

Mô hình FE

Mô hình RE

Kiểm định Hausman

Kiểm định Wald

Kiểm định mức độ dự báo chính xác của mô hình

Đƣờng cong ROC