335
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
ỨNG DỤNG PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU ĐA HỢP TRONG
PHÂN TÍCH PHÂN CỤM DOANH NGHIỆP: NGHIÊN CỨU THỰC NGHIỆM
TẠI CÁC DOANH NGHIỆP Ở VIỆT NAM, THÁI LAN VÀ INDONESIA
TRONG GIAI ĐOẠN 2018-2022
Đào Thị Thanh Bình, Nguyễn Anh Tuấn
Lê Thanh Bình, Phạm Văn Hùng
Trường Đại học Hà Nội
Email: binhdtt@hanu.edu.vn
Tóm tt: Trong giai đoạn năm (05) năm gần đây, môi trường kinh tế nói chung chứng
kiến sự thay đổi liên tục dưới sự tác động to lớn của yếu tố đại dịch COVID-19 và các hệ quả
nó đem lại. Việc nắm bắt được những biến động của doanh nghiệp ngày càng trở nên quan trọng
hơn, thu hút được sự quan tâm của các nhà nghiên cứu, các nhà quản trị doanh nghiệp cũng như
hoạch định chính sách. Bài nghiên cứu tập trung vào việc sử dụng các chỉ số tài chính để phân
tích phân cụm các doanh nghiệp, sử dụng phương pháp phân tích dữ liệu đa hợp (CoDA). Với
dữ liệu lấy từ báo cáo tài chính của 300 doanh nghiệp lớn tại Thái Lan, Indonesia và Việt Nam,
bài nghiên cứu hướng đến việc phân cụm các doanh nghiệp và từ đó tìm hiểu được đặc tính của
từng phân cụm cũng như sự dịch chuyển của doanh nghiệp giữa các cụm trong giai đoạn từ năm
2018 đến 2022. Kết quả thu được cho thấy các chỉ số tài chính đều thể hiện tính hiệu quả trong
việc phân loại doanh nghiệp, phân chia thành 3 phân cụm dựa theo hiệu quả kinh doanh và mức
độ rủi ro tài chính. Phân tích trong giai đoạn trước và sau COVID-19 cũng cho thấy dấu hiệu
phục hồi về kết quả kinh doanh thông qua sự chuyển dịch phân cụm của một số công ty. Đáng
chú ý hơn, các doanh nghiệp Việt Nam thể hiện hiệu suất hoạt động tốt và duy trì sự hiện diện
với số lượng lớn trong nhóm có kết quả hoạt động tốt nhất với mức độ an toàn thanh toán cao.
Từ khóa: phân tích dữ liệu đa hợp (CoDA), phân tích phân cụm, chỉ số tài chính, phân
loại doanh nghiệp, COVID-19, Việt Nam, Thái Lan, Indonesia.
1. Giới thiệu
Kể từ sau đại dịch COVID-19, các quốc gia, bao gồm cả các nước tiên tiến hay đang phát
triển, đều phải chật vật phục hồi sau những tác động tiêu cực tới nền kinh tế. Trong dự báo gần
đây do Quỹ Tiền tệ Quốc tế (IMF) đưa ra, tăng trưởng toàn cầu được dự báo sẽ tiếp tục xu
hướng giảm trong năm 2022 và 2023 ở mức 2,9% vào năm 2024 (IMF, 2023a). Mặc dù tích
cực hơn bình quân toàn cầu, tốc độ tăng trưởng của các nền kinh tế thị trường mới nổi tại Đông
Nam Á vẫn bị giảm 0,3% so với dự báo trước đó. Cụ thể, tốc độ tăng trưởng chỉ còn 4,2% vào
năm 2023 và 4,6% vào năm 2024 (IMF, 2023b). Trong tình hình suy thoái kinh tế, các công ty
lớn trở thành trụ cột hỗ trợ nền kinh tế nhờ lợi thế về quy mô, tiềm lực tài chính và sự am hiểu
thị trường.
Các doanh nghiệp lớn vẫn được nhìn nhận như tác nhân kinh tế quan trọng có ảnh hưởng
đáng kể đến sự thịnh vượng của một quốc gia (Binda, 2013; Bolt, 2002; Pollard, 1999). Vai trò
chủ chốt của nhóm các doanh nghiệp này đã được thừa nhận ở nhiều khía cạnh như: nâng cao
năng suất và thu nhập của người lao động (Idson & Oi, 1999), tác động lên kết quả của doanh
336
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
nghiệp nhỏ trong chuỗi giá trị của họ thông qua sức mạnh tập trung thị trường (Kaplan, 1950),
và tác động đến sự ổn định chính trị và kinh tế ở các quốc gia (Bolt, 2002). Đối với các nước
đang phát triển, các doanh nghiệp lớn còn là đòn bẩy đối với sự nghiệp phát triển kinh tế và
công cuộc xóa đói giảm nghèo thông qua vai trò tiên phong trong đổi mới công nghệ, áp dụng
các tiêu chuẩn quốc tế về chất lượng sản phẩm, cũng như đào tạo nguồn nhân lực, tạo ra công
ăn việc làm cho xã hội. Dựa trên Khảo sát Doanh nghiệp của Ngân hàng Thế giới với hơn
70.000 cơ sở tại 123 nền kinh tế, các công ty có vốn hóa thị trường cao được nhận xét là đại
diện cho sự đổi mới, góp phần to lớn trong việc thúc đẩy hoạt động kinh tế toàn diện ở các nước
thu nhập thấp và trung bình; điển hình như 20 doanh nghiệp lớn nhất Việt Nam đóng góp hơn
10% tổng doanh thu thuế từ lợi nhuận và lãi vốn (Ciani và cộng sự., 2020).
Với tầm ảnh hưởng to lớn của mình lên nền kinh tế của một quốc gia, thậm chí một khu
vực trong bối cảnh toàn cầu hóa, việc tìm hiểu, đo lường hiệu quả hoạt động, tình hình tài chính,
cũng như dự đoán khả năng của các công ty hàng đầu là mối quan tâm của nhiều chính phủ, các
nhà hoạch định chính sách, cũng như giới đầu tư. Trong nghiên cứu này, nhóm nghiên cứu
chúng tôi đề xuất phân loại công ty dựa trên các tỷ số tài chính dưới dạng dữ liệu đa hợp. Nghiên
cứu của tập trung vào nhóm 100 công ty hàng đầu dựa trên tổng tài sản của họ tại các quốc gia
Đông Nam Á mới nổi bao gồm Indonesia, Thái Lan và Việt Nam.
Trong số các nước ASEAN, Indonesia và Thái Lan là các nền kinh tế lớn thứ nhất và thứ
hai về GDP, trong khi Việt Nam có tốc độ tăng trưởng GDP nhanh nhất trong 10 năm (2013 -
2023) và là quốc gia duy nhất trải qua đại dịch COVID-19 với mức tăng trưởng GDP dương.
Do đó, bài nghiên cứu này quan tâm đến việc phân tích hiệu quả hoạt động của các doanh
nghiệp lớn ở các quốc gia này trong thời gian trước, trong và sau đại dịch. Thông qua việc phân
loại các doanh nghiệp theo các phân cụm, nhóm nghiên cứu muốn phân biệt đặc điểm giữa các
cụm khác nhau, đồng thời tìm hiểu sự chuyển dịch của các công ty giữa các cụm trong khoảng
thời gian của dữ liệu nghiên cứu, với hy vọng có thể hiểu rõ hơn ảnh hưởng của đại dịch đến
các công ty lớn nói riêng và các quốc gia này trong khu vực ASEAN nói chung.
Hình 1: Dữ liệu GDP các quốc gia Đông Nam Á
Nguồn: www.worldeconomics.com
337
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
Biểu đồ 1: Tốc độ tăng trưởng GDP
Nguồn: www.mckinsey.com
2. Cơ sở lý thuyết
2.1. Phân loại công ty
Trong thế kỷ XXI, việc phân loại hoặc phân cụm doanh nghiệp xuất hiện ở hầu hết các
nền kinh tế phát triển. Số liệu thống kê ở Châu Âu cho thấy có khoảng 2.000 cụm doanh nghiệp,
sử dụng gần 40% lực lượng lao động, đóng góp nhiều sáng kiến thu hút hỗ trợ tài chính từ chính
phủ, Liên minh Châu Âu hay các tổ chức khác (Grashof & Fornahl, 2021). Theo Bailey (1994),
các phương pháp phân loại bao gồm hai nhóm: (1) các phương pháp phân loại theo khái niệm
phổ biến trước khi có sự ra đời của máy tính và (2) các phương pháp phân tích phân cụm định
lượng được phát triển từ những năm 1950. Trong suốt quá trình chuyển đổi giữa các phương
pháp, nhiều nhà khoa học thuộc nhiều lĩnh vực đã ghi nhận lợi ích của phân loại trong các
nghiên cứu của họ (Gkotsis, 2018; McAlister, 2023; Hooda, 2018; Hernández-Linares, 2017).
Việc phân loại các doanh nghiệp thành các nhóm riêng biệt đã hỗ trợ rất nhiều cho quá trình
phân tích chi tiết thuộc tính của những tổ chức đó (Rich, 1992). Ngoài ra, phân loại tổ chức
cũng được coi là cơ sở để dự đoán các quyết định hoặc thay đổi của tổ chức và cho phép các
nhà nghiên cứu dễ dàng xác định phạm vi mà mẫu tổ chức có thể được rút ra (Carper, 1980).
Một số tác động tích cực từ việc phân loại doanh nghiệp tới với sự thành công của họ đã
được đề cập trong nhiều nghiên cứu thực nghiệm, bao gồm: thu hút nguồn nhân lực có chuyên
môn đặc thù (McCann và cộng sự, 2008), tiếp cận các yếu tố đầu vào sản xuất chuyên biệt
(Feldman, 1994) hay kiến thức chuyên môn (Jaffe et al, 1993), thu hút thêm khách hàng bằng
cách giảm chi phí tìm kiếm của người tiêu dùng (McCann, 2008), tạo động lực để doanh nghiệp
phải đổi mới để duy trì tính cạnh tranh (Porter, 1998), hay hưởng lợi từ danh tiếng chung (Wu
et al, 2010). Do đó, những lợi ích thực tế của việc phân nhóm hoặc phân loại doanh nghiệp ngày
càng thu hút sự chú ý trong cả giới học thuật lẫn quản trị doanh nghiệp.
2.2. Các hệ số tài chính dạng dữ liệu đa hợp (CoDA)
Phân tích dữ liệu đa hợp (Compositonal Data Analysis - CoDA) là phân tích dữ liệu đa
biến không nhận giá trị âm, trong đó các giá trị tuyệt đối của dữ liệu mang ý nghĩa tương đối
(Greenacre, 2018). CoDA lần đầu tiên được Lewi (1976) giới thiệu trong lĩnh vực nghiên cứu
sinh học và sau đó được Aichison (1982) chuyển đổi sang nghiên cứu địa chất. Gần đây, dữ
liệu đa hợp ngày càng được sử dụng nhiều trong lĩnh vực tài chính, chẳng hạn như ngân hàng
(Vega Baquero & Santolino, 2022), danh mục đầu tư (Glassman & Riddick, 1996), rủi ro hệ
338
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
thống (Fiori & Porro, 2023), thị trường tài chính (Kokoszka và cộng sự, 2019; Ortells và cộng
sự, 2016; Wang và cộng sự, 2019). Phương pháp này cũng được các nhà nghiên cứu sử dụng
như một giải pháp thay thế cho các chỉ số tài chính tiêu chuẩn nhằm mục đích phân tích báo
cáo tài chính (Arimany Serrat và cộng sự, 2022; Coenders & Serrat, 2023; Linares-Mustarós và
cộng sự, 2022) và thiết lập đặc tính của các công ty đang gặp khó khăn tài chính (Linares-
Mustarós và cộng sự, 2018).
Các hệ số tài chính được giới thiệu vào cuối thế kỷ 19 (Horrigan, 1968) và được sử dụng
làm thước đo hiệu quả quản lý, đánh giá chiến lược, chấm điểm tín dụng và được sử dụng trong
cả những nghiên cứu về các biến số phi tài chính khác (Altman, 1968; Altman và cộng sự, 2017;
Barnes, 1987; Faello, 2015; Horrigan, 1968; Tascón và cộng sự, 2018). Mặc dù các hệ số tài
chính tiêu chuẩn được công nhận là có tác dụng trong việc đánh giá hiệu quả tài chính của
doanh nghiệp, nhưng độ tin cậy của chúng vẫn luôn bị đặt dấu hỏi về việc đánh mất tính đối
xứng khi xây dựng các hệ số tài chính tiêu chuẩn, dẫn đến làm sai lệch kết quả khi chẩn đoán
tình trạng tài chính (Cowen & Hoffer, 1982; Lev & Sunder, 1979; McLeay & Omar, 2000).
Các hệ số tài chính tiêu chuẩn có thể được dùng trong đánh giá tình hình tài chính của
từng công ty đơn lẻ (hoặc so sánh giữa các công ty), nhưng khi phân tích mẫu gồm nhiều công
ty thì việc áp dụng các phương pháp thống kê cần được sử dụng. Trong trường hợp đó, việc sử
dụng các hệ số tài chính tiêu chuẩn như biến số gặp một số hạn chế như tính bất đối xứng, phi
tuyến tính, dữ liệu ngoại lai, phân phối phi chuẩn và rủi ro chủ quan duy ý chí trong quá trình
lựa chọn các giá trị làm tử số hay mẫu số của hệ số (Coenders & Serrat, 2023). Sử dụng dữ liệu
đa hợp CoDA ở dạng hệ số tài chính đã được biến đổi không chỉ có thể loại bỏ các vấn đề tương
quan giả (Pawlowsky-Glahn & Buccianti, 2011) mà còn giảm thiểu được các vấn đề về độ lệch
hay giá trị ngoại lai của dữ liệu (Linares-Mustarós và cộng sự, 2022).
Để có thể sử dụng làm dữ liệu đa hợp, số liệu kế toán trong báo cáo tài chính phải đáp
ứng các điều kiện sau: (1) không âm và (2) không chồng chéo (Coenders & Serrat, 2023). Thực
tế, số liệu kế toán trong báo cáo tài chính có thể âm vì chúng là hệ quả của việc trừ các số liệu
kế toán dương khác. Do đó, các hệ số tài chính dưới dạng dữ liệu CoDA cần tuân theo một số
yêu cầu như sử dụng doanh thu, chi phí thay vì lợi nhuận; hoặc tài sản ngắn hạn, nợ ngắn hạn
thay vì vốn lưu động. Dữ liệu không chồng chéo tức là dữ liệu không vừa nằm trong dữ liệu
hợp nhất, vừa nằm trong dữ liệu thành phần. Ví dụ, dữ liệu trong tài sản ngắn hạn và tài sản
dài hạn cũng chính là thành phần cấu thành tổng tài sản. Các số liệu kế toán vượt qua các điều
kiện trên sẽ được chuyển đổi trước khi sử dụng trong phân tích thống kê truyền thống. Có thể
chuyển đổi các số liệu kế toán dưới dạng tỷ lệ log theo cặp (Creixans-Tenas và cộng sự, 2019;
Greenacre, 2019) hoặc tỷ lệ log tập trung (Aitchison, 1983). Trong khi các hệ số log theo cặp
có được sử dụng để phân tích báo cáo tài chính, thì các hệ số log trung tâm lại phù hợp cho
phân tích phân cụm, phân tích thành phần chính và biểu đồ hai biến (biplot) (Baquero &
Santolino, 2022; Creixans-Tenas và cộng sự, 2019; Greenacre, 2019).
3. Phương pháp nghiên cứu
3.1. Số liệu nghiên cứu
Dữ liệu được sử dụng trong bài báo này đến từ nguồn cơ sở dữ liệu ORBIS, được quản
lý Bureau Van Dijk. Các công ty được lựa chọn đến từ Việt Nam, Thái Lan và Indonesia trong
khoảng thời gian năm (05) năm tính từ 2018 đến 2022. Cơ sở dữ liệu được thu thập bao gồm
thông tin chung của các công ty như ID, mã ISIN (nếu có), trạng thái, quốc gia, loại; và thông
339
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
tin tài chính bao gồm doanh thu, lợi nhuận ròng, lợi nhuận trước thuế, tổng tài sản, tài sản ngắn
hạn, nợ dài hạn, nợ ngắn hạn, giá vốn hàng hóa, giá trị doanh nghiệp và lợi nhuận từ hoạt động
kinh doanh.
Các tiêu chí lựa chọn yêu cầu các công ty phải có sẵn tất cả các thông tin tài chính nêu
trên trong các năm từ 2018 đến 2022, loại trừ các công ty có giá trị vốn chủ sở hữu âm. Mẫu
đầu tiên được thu thập từ cơ sở dữ liệu ORBIS bao gồm 730 công ty từ Việt Nam, 1.292 công
ty từ Thái Lan và 212 công ty từ Indonesia. Để đảm bảo tính cân bằng trong dữ liệu giữa ba
quốc gia, 100 công ty có tổng giá trị tài sản cao nhất của mỗi quốc gia được lựa chọn. Dữ liệu
mẫu cuối cùng bao gồm 300 công ty từ ba quốc gia (100 công ty ở mỗi quốc gia) với tổng giá
trị tài sản lớn nhất.
3.2. Lựa chọn biến số
Dựa theo mục tiêu nghiên cứu đã đề ra, các chỉ số (tỷ số) tài chính liên quan đến khả năng
thanh toán và các tỷ lệ thành phần trong phân tích DuPont được lựa chọn. Các tỷ lệ này được
tính từ dữ liệu thông tin kế toán thu thập được.
Bước đầu tiên, các biến cho thông tin kế toán được gán thành các biến 𝑥𝑗, cụ thể như sau:
𝑥1=𝑡à𝑖 𝑠ả𝑛 𝑑à𝑖 ℎạ𝑛 (=𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛− 𝑇à𝑖 𝑠ả𝑛 𝑛𝑔ắ𝑛 ℎạ𝑛)
𝑥2=𝑇à𝑖 𝑠ả𝑛 𝑛𝑔ắ𝑛 ℎạ𝑛
𝑥3=𝑁ợ 𝑑à𝑖 ℎạ𝑛
𝑥4=𝑁ợ 𝑛𝑔ắ𝑛 ℎạ𝑛
𝑥5=𝐷𝑜𝑎𝑛ℎ 𝑡ℎ𝑢
𝑥6=𝐶ℎ𝑖 𝑝ℎí (=𝐷𝑜𝑎𝑛ℎ 𝑡ℎ𝑢 − 𝐿ợ𝑖 𝑛ℎ𝑢ậ𝑛 𝑟ò𝑛𝑔)
Tiếp theo đó, các chỉ số tài chính tiêu chuẩn sẽ được tính từ các biến x được xác định ở
trên. Bảng dưới đây cũng cấp giải thích cho ý nghĩa của từng chỉ số:
Bảng 1: Giải thích các biến
Chỉ số tài chính
Phân loại
Công thức
Khả năng thanh toán hiện hành
Khả năng
thanh toán
𝑥2
𝑥4
Tỷ số nợ dài hạn trên tổng nợ
𝑥3
𝑥3+𝑥4
Cấu trúc vốn (Tổng nợ trên tổng tài sản)
𝑥3+𝑥4
𝑥1+𝑥2
Tỷ lệ vòng quay tổng tài sản
Phân tích
của DuPont
𝑥5
𝑥1+𝑥2
Biên lợi nhuận ròng
𝑥5−𝑥6
𝑥5
Tỷ suất lợi nhuận trên tổng tài sản (ROA)
𝑥5−𝑥6
𝑥1+𝑥2
Hệ số đòn bẩy tài chính
𝑥1+𝑥2
(𝑥1+𝑥2)−(𝑥3+𝑥4)