Luận văn Thạc sĩ Kinh tế: Tác động của cấu trúc vốn và vốn trí tuệ đến thành quả các doanh nghiệp ngành logistics tại Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC N TẾ TP C

  

Trần Thị im Cƣơng

TÁC ĐỘNG CỦA CẤU TRÚC VỐN VÀ VỐN TRÍ TUỆ ĐẾN

THÀNH QUẢ CÁC DOANH NGHIỆP NGÀNH LOGISTICS TẠI

VIỆT NAM

LUẬN VĂN THẠC SĨ N TẾ

Tp. Hồ Chí Minh – Năm 2019

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC N TẾ TP C

  

Trần Thị im Cƣơng

TÁC ĐỘNG CỦA CẤU TRÚC VỐN VÀ VỐN TRÍ TUỆ ĐẾN

THÀNH QUẢ CÁC DOANH NGHIỆP NGÀNH LOGISTICS TẠI

VIỆT NAM

Chuyên ngành: Tài chính – Ngân hàng (Hướng ứng dụng)

Mã số: 8340201

LUẬN VĂN THẠC SĨ N TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC

PGS.TS. Trần Thị Hải Lý

Tp. Hồ Chí Minh – Năm 2019

LỜ CA ĐOAN

Tôi xin cam đoan Luận văn Thạc sĩ Kinh tế với đề tài “Tác động của cấu trúc vốn và

vốn trí tuệ đến thành quả các doanh nghiệp ngành logistics tại Việt Nam” là công trình

nghiên cứu của tôi, có sự hỗ trợ của Giảng viên hướng dẫn là PGS.TS. Trần Thị Hải

Lý.

Các số liệu, kết quả trong luận văn là trung thực và chưa từng được ai công bố trong

bất kỳ công trình nào khác. Tôi sẽ chịu trách nhiệm về nội dung tôi đã trình bày trong

luận văn này.

Tp. Hồ Chí Minh, tháng 6 năm 2019

Tác giả,

Trần Thị im Cƣơng

MỤC LỤC

TRANG PHỤ BÌA

LỜ CA ĐOAN

MỤC LỤC

DANH MỤC TỪ VIẾT TẮT

QUY ƢỚC TRÌNH BÀY DẤU PHÂN CÁCH CHỮ SỐ

DANH MỤC HÌNH VẼ VÀ BIỂU ĐỒ

DANH MỤC BẢNG

TÓM TẮT

ABSTRACT

C ƢƠNG 1: G ỚI THIỆU ...................................................................................................... 1

1.1. Đặt Vấn Đề......................................................................................................................... 1

1.2. Mục Tiêu Nghiên Cứu ....................................................................................................... 6

1.3. Câu Hỏi Nghiên Cứu .......................................................................................................... 6

1.4. Phạm Vi Nghiên Cứu ......................................................................................................... 6

1.5. Cấu Trúc Luận Văn ............................................................................................................ 6

C ƢƠNG 2: TỔNG QUAN LÝ THUYẾT ............................................................................ 8

2.1. Khung Lý Thuyết ............................................................................................................... 8

2.1.1. Các học thuyết về cấu trúc vốn .................................................................................... 8

2.1.1.1. Học thuyết MM (1958) về cấu trúc vốn trong thị trường hoàn hảo ..................... 8

2.1.1.2. Học thuyết MM (1963) về cấu trúc vốn trong điều kiện thị trường có tác động

của thuế ............................................................................................................................ 10

2.1.1.3. Thuyết đánh đổi (Trade-off theory) .................................................................... 12

2.1.1.4. Thuyết trật tự phân hạng (Pecking order theory) ............................................... 14

2.1.1.5. Thuyết định thời điểm thị trường (Market timing theory).................................. 16

2.1.2. Các học thuyết và mô hình về vốn trí tuệ .................................................................. 17

2.1.2.1. Các khái niệm về vốn trí tuệ ............................................................................... 17

2.1.2.2. Các mô hình đo lường vốn trí tuệ phổ biến ........................................................ 18

2.1.2.3. Mô hình Hệ số trí tuệ giá trị gia tăng (Value Added Intellectual Coefficient - VAICTM) của Pulic (2000) ............................................................................................... 22

2.2. Tổng Quan Các Nghiên Cứu Trước ................................................................................. 27

2.2.1. Các nghiên cứu thực nghiệm về quan hệ giữa cấu trúc vốn và thành quả công ty .... 27

2.2.2. Các nghiên cứu thực nghiệm về tác động của vốn trí tuệ đến thành quả công ty, ứng

dụng mô hình VAIC (Pulic, 2000) ............................................................................. 29

C ƢƠNG 3: P ƢƠNG P ÁP NG ÊN CỨU .................................................................. 32

3.1. Dữ liệu ............................................................................................................................... 32

3.2. Khung phân tích ............................................................................................................... 32

3.3. Đo lường các biến .............................................................................................................. 33

3.3.1. Các biến độc lập .......................................................................................................... 33

3.3.2. Biến phụ thuộc............................................................................................................. 34

3.3.3. Các biến kiểm soát ...................................................................................................... 34

3.4. Phương pháp phân tích dữ liệu .......................................................................................... 34

3.4.1. Mô hình hồi quy .......................................................................................................... 34

3.4.2. Phương pháp hồi quy dữ liệu bảng .............................................................................. 35

3.4.2.1. Quy trình phân tích dữ liệu bảng bằng mô hình hồi quy .................................... 35

3.4.2.2. Kiểm định đa cộng tuyến (Multicollinearity test) ............................................... 37

3.4.2.3. Các kiểm định nhằm tìm ra phương pháp hồi quy dữ liệu bảng phù hợp nhất: Mô

hình Pooled OLS, Ảnh hưởng cố định, Ảnh hưởng ngẫu nhiên ...................................... 37

3.4.2.4. Kiểm định chẩn đoán phương sai thay đổi và sự tự tương quan ......................... 39

C ƢƠNG 4: P ÂN TÍC DỮ LIỆU ................................................................................... 41

4.1. Thống kê mô tả .................................................................................................................. 41

4.1.1. Tỷ suất sinh lời trên tổng tài sản (ROA) ..................................................................... 42

4.1.2. Tỷ lệ nợ ngắn hạn trên tổng vốn (SDA), Tỷ lệ nợ dài hạn trên tổng vốn (LDA), Tỷ lệ

tổng nợ trên tổng vốn (DA) ........................................................................................ 44

4.1.3. Hiệu quả vốn sử dụng (CEE), Hiệu quả vốn nhân lực (HCE), Hiệu quả vốn cấu trúc

(SCE), Hệ số trí tuệ giá trị gia tăng (VAIC) .............................................................. 48

4.1.4. Quy mô công ty và tăng trưởng doanh thu .................................................................. 52

4.2. Kiểm định đa cộng tuyến (Phân tích hệ số tương quan) .................................................... 53

4.3. Phân tích hồi quy................................................................................................................ 54

4.3.1. Tác động của cấu trúc vốn đến tỷ suất sinh lời trên tổng tài sản (ROA) ..................... 54

4.3.2. Tác động của vốn trí tuệ đến tỷ suất sinh lời trên tổng tài sản (ROA) ........................ 58

C ƢƠNG 5: ẾT LUẬN VÀ ĐỀ XUẤT ............................................................................. 62

5.1. Kết luận .............................................................................................................................. 62

5.2. Đề xuất ............................................................................................................................... 63

5.2.1. Các đề xuất về cấu trúc vốn ......................................................................................... 63

5.2.2. Các đề xuất về vốn trí tuệ ............................................................................................ 65

5.2.2.1. Cải thiện Hiệu quả vốn sử dụng .......................................................................... 65

5.2.2.2. Cải thiện Hiệu quả vốn trí tuệ ............................................................................. 66

5.2.3. Các chỉ số tham khảo của top 10 công ty ngành logistics về hiệu quả tài chính......... 66

5.3. Hạn chế của nghiên cứu ..................................................................................................... 69

DANH MỤC TÀI LIỆU THAM KHẢO ................................................................................. 1

PHỤ LỤC 01. DANH SÁCH CÁC CÔNG TY THUỘC MẪU NGHIÊN CỨU ................. 9

PHỤ LỤC 02. KẾT QUẢ HỒI QUY DỮ LIỆU TỪ PHẦN MỀM STATA ...................... 11

DAN ỤC TỪ V ẾT TẮT

CEE: Hiệu quả vốn sử dụng

CTCP: Công ty Cổ phần

DA: Tỷ lệ tổng nợ trên tổng vốn

GTGT: Giá trị gia tăng

HCE: Hiệu quả vốn nhân lực

HNX: Sàn Giao dịch chứng khoán Hà Nội

HOSE: Sàn Giao dịch chứng khoán Hồ Chí Minh

ICE: Hiệu quả vốn trí tuệ

LDA: Tỷ lệ nợ dài hạn trên tổng vốn

ROA: Tỷ suất sinh lời trên tổng tài sản

SCE: Hiệu quả vốn cấu trúc

SDA: Tỷ lệ nợ ngắn hạn trên tổng vốn

SG: Tăng trưởng doanh thu

Size: Quy mô

VAIC: Hệ số trí tuệ giá trị gia tăng

QUY ƢỚC TRÌN BÀY DẤU P ÂN CÁC C Ữ SỐ

Trong nghiên cứu này, hình thức các chữ số được trình bày theo kiểu Âu Mỹ nhằm

đảm bảo nhất quán với số liệu kết xuất từ phần mềm phân tích dữ liệu được sử dụng

(Stata).

- Dấu phẩy (,) thể hiện phân cách hàng nghìn.

Ví dụ: số 1,100 được hiểu là “một nghìn một trăm”.

- Dấu chấm (.) thể hiện phân cách hàng thập phân.

Ví dụ: số 14.7% được hiểu là “mười bốn phẩy bảy phần trăm”.

DAN ỤC ÌN VẼ VÀ B ỂU ĐỒ

Hình 1.1. Quy mô thị trường 3PL theo khu vực địa lý năm 2016 (tỷ USD) .................... 4

Hình 2.1. Mô hình Skandia Navigator (Nguồn: Edvinsson và Malone, 1997) .............. 22 Hình 2.2. Mô hình VAICTM (Pulic, 2000) ...................................................................... 23

Hình 2.3. Nhân lực và vốn cấu trúc trong mối quan hệ nghịch biến ............................. 25

Hình 3.1. Khung phân tích cho nghiên cứu .................................................................... 32

Hình 3.2. Quy trình phân tích hồi quy dữ liệu bảng....................................................... 36

Hình 4.1. Giá trị cao nhất và thấp nhất của ROA giai đoạn 2011-2017 ........................ 43

Hình 4.2. ROA trung bình ngành logistics cho giai đoạn 2011-2017 ............................ 43

Hình 4.3. Cấu trúc vốn trung bình năm của các công ty logistics Việt Nam, giai đoạn

2011-2017 (tỷ lệ trung bình % tổng nợ và % tổng vốn chủ sở hữu trên tổng tài sản) .. 46

Hình 4.4. Giá trị cao nhất và thấp nhất của SDA, LDA, DA giai đoạn 2011-2017 ....... 48

Hình 4.5. Giá trị trung bình của CEE, HCE, SCE giai đoạn 2011-2017 ....................... 50

Hình 5.1. Diễn biến chỉ số USD và tỷ giá VND/USD giai đoạn 2013-2017 ................ 64

DAN ỤC BẢNG

Bảng 2.1. Công thức tính VAIC và các thành phần của VAICError! Bookmark not defined.

Bảng 3.1. Tóm tắt đo lường các biến độc lập. ..................................................................... 33

Bảng 4.1. Thống kê mô tả các biến ..................................................................................... 41

Bảng 4.2. Thống kê mô tả biến ROA - Tỷ suất sinh lời trên tổng tài sản ........................... 42

Bảng 4.3. Thống kê mô tả biến SDA - Tỷ lệ nợ ngắn hạn trên tổng vốn............................ 44

Bảng 4.4. Thống kê mô tả biến LDA - Tỷ lệ nợ dài hạn trên tổng vốn .............................. 44

Bảng 4.5. Thống kê mô tả biến DA - Tỷ lệ tổng nợ trên tổng vốn ..................................... 45

Bảng 4.6. Tổng hợp các công ty logistics không sử dụng nợ vay tại các thời điểm được

thống kê, giai đoạn 2011-2017 ............................................................................................ 47

Bảng 4.7. Thống kê mô tả biến CEE - hiệu quả vốn sử dụng ............................................. 49

Bảng 4.8. Thống kê mô tả biến HCE - hiệu quả vốn nhân lực ........................................... 49

Bảng 4.9. Thống kê mô tả biến SCE - hiệu quả vốn cấu trúc ............................................. 49

Bảng 4.10. Thống kê mô tả biến VAIC - hệ số giá trị gia tăng ........................................... 51

Bảng 4.11. Danh sách các công ty logistics có chỉ số VAIC cao vượt trội (VAIC>10),

giai đoạn 2011-2017 ............................................................................................................ 51

Bảng 4.12. Thống kê mô tả biến SIZE – Quy mô công ty .................................................. 52

Bảng 4.13. Thống kê mô tả biến SG – Tăng trưởng doanh thu ......................................... 53

Bảng 4.14. Ma trận tương quan của các biến độc lập ......................................................... 53

Bảng 4.15. Kết quả phân tích hồi quy cho phương trình (1a) ............................................. 56

Bảng 4.16. Kết quả phân tích hồi quy cho phương trình (1b) ............................................. 57

Bảng 4.17. Kết quả phân tích hồi quy cho phương trình (2a) ............................................. 59

Bảng 4.18. Kết quả phân tích hồi quy cho phương trình (2b) ............................................. 61

Bảng 5.1. Tổng hợp kết quả hệ số hồi quy các biến độc lập ............................................... 62

Bảng 5.2. Các chỉ số tham khảo của top 10 công ty ngành logistics về xếp hạng ROA .... 67

TÓ TẮT

Luận văn được thực hiện với mục đích nghiên cứu thực nghiệm tác động của cấu trúc

vốn (capital structure) và vốn trí tuệ (intellectual capital) đến thành quả của các doanh

nghiệp ngành logistics tại Việt Nam. Nghiên cứu sử dụng mô hình hồi quy với các

phương pháp ước lượng phù hợp được lựa chọn giữa Pooled OLS, ảnh hưởng cố

định, ảnh hưởng ngẫu nhiên cho mẫu dữ liệu gồm 45 công ty logistics niêm yết trên

sàn Sàn Giao dịch chứng khoán Hồ Chí Minh và Sàn Giao dịch chứng khoán Hà

Nội, giai đoạn 2011-2017.

Kết quả nghiên cứu cho thấy cấu trúc vốn, được biểu hiện bằng các Tỷ lệ tổng nợ trên

tổng vốn (DA), Tỷ lệ nợ ngắn hạn trên tổng vốn (SDA), Tỷ lệ nợ dài hạn trên tổng vốn

(LDA), có tác động tiêu cực đến Tỷ suất sinh lời trên tổng tài sản (ROA). Trong khi đó,

vốn trí tuệ, được đo lường bằng Hệ số trí tuệ giá trị gia tăng (VAIC) và các thành tố

của nó bao gồm Hiệu quả vốn sử dụng (CEE), Hiệu quả vốn nhân lực (HCE) lại ảnh

hưởng tích cực đến ROA. Từ kết quả trên, một số kiến nghị được đưa ra cho các doanh

nghiệp logistics nhằm cải thiện thành quả như hạn chế vay nợ, ưu tiên các khoản vay

ngắn hạn hơn dài hạn, tăng cường hiệu quả vốn sử dụng và hiệu quả vốn nhân lực.

Từ khóa: cấu trúc vốn, vốn trí tuệ, thành quả công ty, ngành logistics

ABSTRACT

This thesis is an empirical research which aims to investigate the impact of capital

structure and intellectual capital on performance of Vietnamese logistics firms. The

regression model is employed together with appropriate estimation methods among

pooled OLS, fixed effects and random effects for analysis of data collected from 45

logistics firms listed on Ho Chi Minh Stock Exchange and Hanoi Stock Exchange,

period of 2011-2017. The research findings indicate that capital structure, in terms of

Total debt to total capital ratio (DA), Short-term debt to total capital ratio (SDA),

Long-term debt to total capital ratio (LDA), has a significant negative impact on firms’

Return on assets (ROA). On the other hand, there is a significant proof that ROA of

logistics firms is positively affected by their intellectual capital, measured by Value

added intellectual coefficient (VAIC) and its components including Capital employed

efficiency (CEE), Human capital efficiency (HCE). Based on the research results, some

recommendations are made for improving performance of logistics firms such as

reducing the use of debt, preference for short-term debt over long-term debt, improving

firm efficiency of capital employed and human capital.

Key words: capital structure, intellectual capital, firm performance, logistics industry

1

C ƢƠNG 1: G Ớ T ỆU

1.1. Đặt Vấn Đề

Trong bối cảnh môi trường kinh doanh đầy cạnh tranh ngày nay, việc tối đa hóa khả

năng sinh lời và giá trị công ty là mục tiêu mà các nhà quản lý công ty luôn theo đuổi.

Bên cạnh đó, việc tìm hiểu các yếu tố tác động đến thành quả công ty cũng là vấn đề

được nhiều nhà nghiên cứu quan tâm. Có hai hướng chính trong việc nghiên cứu nhân

tố tác động đến thành quả công ty: (1) nghiên cứu tác động các nhân tố vĩ mô từ các

đặc điểm thị trường, điều kiện của nền kinh tế; (2) nghiên cứu tác động các nhân tố bên

trong bản thân công ty về hành vi, tổ chức, nguồn lực, quản trị. Bài nghiên cứu này tập

trung vào hướng nghiên cứu thứ hai - tìm hiểu, phân tích tác động của quyết định tài

chính doanh nghiệp và nguồn lực công ty đối với thành quả công ty.

Quyết định tài trợ, cùng với quyết định đầu tư và quyết định cổ tức, là một trong những

quyết định quan trọng đối với sự hoạt động và phát triển của một doanh nghiệp, đòi hỏi

các nhà quản lý phải thận trọng và xem xét nhiều yếu tố khác nhau. Việc xác định cấu

trúc vốn phù hợp đối với doanh nghiệp ngày càng được quan tâm xuất phát từ nhu cầu

tối đa hóa lợi nhuận của doanh nghiệp và thích ứng với các điều kiện của môi trường

kinh doanh cạnh tranh (Abor, 2005).

Modigliani and Miller (1958) là những người đặt nền móng cho học thuyết cấu trúc

vốn hiện đại với học thuyết “Sự không liên quan của cấu trúc vốn” (capital structure

irrelevance). Học thuyết đã chỉ ra rằng dưới những điều kiện nào thì cấu trúc vốn

không làm ảnh hưởng đến giá trị công ty. Sau đó, có rất nhiều nghiên cứu khác đã được

tiến hành để đánh giá mối quan hệ giữa cấu trúc vốn với giá trị công ty hoặc thành quả

công ty, trong đó có thể kể đến nghiên cứu của Abor (2005), Berger và Bonaccorsi

(2006), Ahmad và cộng sự (2012).

2

Ba thập kỷ vừa qua cũng là giai đoạn đánh dấu sự phát triển của nền kinh tế tri thức,

trong đó tri thức được cho là một yếu tố quan trọng trong việc tạo nên giá trị công ty và

các ưu thế cạnh tranh. Tri thức và các tài sản vô hình khác đã và đang trở thành các ưu

tiên đầu tư của các công ty và tổ chức, từ đó mang đến nhiều sự quan tâm hơn về tài

sản tri thức và nguồn vốn trí tuệ, ví dụ như nguồn nhân lực, nghiên cứu và phát triển

(R&D), phần mềm, bằng sáng chế, thương hiệu (Ian Brinkley, 2009). Latif, Malik và

Aslam (2012) cũng đưa ra lập luận rằng nếu quản lý tốt nguồn vốn trí tuệ, các công ty

có thể tạo ra nhiều ưu thế cạnh tranh thông qua việc gia tăng giá trị gia tăng từ sự sáng

tạo của con người, cấu trúc hoạt động của công ty và quan hệ khách hàng - nhà cung

cấp.

Sự thay đổi bản chất nền kinh tế cũng dẫn đến một góc nhìn khác trong việc đánh giá

thành quả công ty, bao gồm việc kể đến vai trò của nguồn vốn trí tuệ. Để vốn trí tuệ

được quản lý hiệu quả, trước tiên nó phải được đo lường. Như Kaplan và Norton

(1996), Stewart (1997) đã khẳng định, “Nếu bạn không thể đo lường nó (vốn trí tuệ, tài

sản vô hình), bạn không thể quản lý nó”.

Edvinsson và Malone (1997) tin rằng lĩnh vực kế toán cần những phương pháp mới để

đo lường mức lợi ích tạo ra từ tài sản vô hình. Bởi vì các báo cáo tài chính truyền thống

chỉ có thể phản ánh các tài sản vô hình nhận biết được như quyền sở hữu trí tuệ, thặng

dư giá (goodwill) được trả cho một thương vụ mua bán sáp nhập,… nên việc phát triển

các phương pháp để đo tài sản vô hình được tạo ra nội bộ từ quá trình tạo ra giá trị là

rất cần thiết. Hiểu được cách giá trị được tạo ra có thể giúp việc phân bổ nguồn lực

hiệu quả hơn.

Tuy nhiên, đo lường vốn trí tuệ và tác động của nó đến thành quả công ty là điều không

đơn giản bởi sự khác biệt về đặc điểm công ty, các thông tin không được tiết lộ hay sự

khó khăn trong việc lượng hóa giá trị vốn trí tuệ. Các nhà nghiên cứu đã nỗ lực tìm lời

giải cho bài toán này. Nhiều phương pháp đo lường tài sản vô hình hiện đại đã được

3

phát triển, bao gồm Skandia Navigator, IC-index, Technology Broker, EVA (Economic Value Added), VAIC (Value Added Intellectual Coefficient). Mô hình VAICTM được

đề xuất bởi Public (2000) là một mô hình được sử dụng rộng rãi trong việc đo lường

hiệu quả ứng dụng tri thức để tạo ra giá trị gia tăng. Mô hình này đưa ra chỉ dẫn về mức độ các nguồn lực trí óc được biến đổi thành thành quả tài chính. VAICTM được ứng

dụng trong một lượng lớn các nghiên cứu ở cả các nước phát triển và đang phát triển

bao gồm Anh, Úc, Nga, Indonesia, Malaysia, Đài Loan, Pakistan và Nam Phi.

Mặc dù cấu trúc vốn và vốn trí tuệ đã trở thành đề tài nghiên cứu được quan tâm của

nhiều nhà nghiên cứu trên khắp thế giới nhưng vẫn chưa có nhiều nghiên cứu được tiến

hành trong bối cảnh Việt Nam, cụ thể đối với ngành vận tải và logistics.

Ngành logistics là một ngành còn khá mới mẻ ở Việt Nam so với một số ngành đã có

từ lâu đời hơn như ngành sản xuất hàng tiêu dùng. Nếu tính từ thời điểm thành lập

Hiệp hội Giao nhận kho vận Việt Nam thì đến nay ngành logistics Việt Nam đã có

khoảng 25 năm tuổi. Khái niệm logistics hiện vẫn chưa được hiểu rõ và đầy đủ. Năm

1988, Hội đồng quản trị logistics Hoa Kỳ (LAC - The US. Logistics Administration

Council) quan niệm “logistics là quá trình lập kế hoạch, thực hiện và kiểm soát dòng di

chuyển và lưu kho những nguyên vật liệu thô của hàng hóa trong quy trình, những

hàng hóa thành phẩm và những thông tin có liên quan từ khâu mua sắm nguyên vật liệu

cho đến khi được tiêu dùng, với mục đích thỏa mãn yêu cầu của người tiêu dùng” (theo

trích dẫn bởi Douglag,1998). Tại kỳ họp thứ 7, Khóa XI, Quốc hội nước Cộng hòa

XHCN Việt Nam ngày 14/6/2005 đã thông qua Luật thương mại 2005, trong đó có quy

định cụ thể khái niệm dịch vụ logistics. Điều 233 – Mục 4 – Chương VI của Luật

Thương mại 2005 quy định “Dịch vụ logistics là hoạt động thương mại, theo đó thương

nhân tổ chức thực hiện một hoặc nhiều công đoạn bao gồm nhận hàng, vận chuyển, lưu

kho, lưu bãi, làm thủ tục hải quan, các thủ tục giấy tờ khác, tư vấn khách hàng, đóng

gói bao bì, ghi mã ký hiệu, giao hàng hoặc các dịch vụ khác có liên quan tới hàng hóa

4

theo thỏa thuận với khách hàng để hưởng thù lao”. Theo Nghị định 140/2007/NĐ-CP,

hoạt động logistics có nhiều loại hình dịch vụ khá đa dạng, bao gồm: các dịch vụ

logistics chủ yếu (dịch vụ bốc xếp hàng hoá, dịch vụ kho bãi và lưu giữ hàng hóa, dịch

vụ đại lý vận tải, dịch vụ bổ trợ khác); các dịch vụ logistics liên quan đến vận tải (vận

tải hàng hải, thủy nội địa, hàng không, đường sắt, đường bộ, đường ống,…); các dịch

vụ logistics liên quan khác bao gồm kiểm tra và phân tích kỹ thuật, dịch vụ bưu chính,

dịch vụ thương mại bán buôn, bán lẻ,…

Trong Báo cáo ngành Logistics 2017, Bộ Công thương nhận định, “Nhìn chung, lĩnh

vực logistics thế giới sẽ chuyển dịch trọng tâm về các thị trường đang phát triển tại

châu Á. Đầu tƣ vào công nghệ và con ngƣời là sẽ yếu tố quyết định sự phát triển

của lĩnh vực logistics trong tƣơng lai.”

Hình 1.1. Quy mô thị trường 3PL theo khu vực địa lý năm 2016 (tỷ USD)

Hiệp hội Doanh nghiệp dịch vụ logistics Việt Nam (VLA) cũng nhận định tốc độ phát

triển của ngành logistics tại Việt Nam những năm gần đây đạt khoảng 14-16%, có quy

mô khoảng 40-42 tỷ USD/năm. Việt Nam đang đứng thứ 64/160 nước về mức độ phát

triển logistics và đứng thứ 4 trong ASEAN sau Singapore, Malaysia, Thái Lan (Báo

cáo “Kết nối để cạnh tranh 2016: Logistics trong nền kinh tế toàn cầu” của Ngân hàng

5

Thế giới). Hiện nay tổng số doanh nghiệp hoạt động trong lĩnh vực logistics theo khảo

sát của VLA là khoảng hơn 3000 doanh nghiệp trong đó 20% là công ty nhà nước, 70%

là công ty trách nhiệm hữu hạn và doanh nghiệp tư nhân là 10%.

Các xu hướng ứng dụng công nghệ mới ngày càng giúp các công ty logistics tăng hiệu

quả hoạt động. Trong số này có thể kể đến các công nghệ như robot di chuyển trong

kho hàng, trung tâm soạn hàng tự động với ứng dụng mã vạch, thực tế ảo, bán hàng

trực tuyến,…Qua đó cho thấy các tài sản công nghệ vô hình đã và đang đóng một vai

trò ngày càng quan trọng hơn đối với các doanh nghiệp logistics.

Công nghệ càng hiện đại thì nhu cầu về nguồn nhân lực chuyên môn cao ngày càng

tăng để có thể điều khiển, vận hành, am hiểu và có khả năng phân tích dữ liệu từ phần

mềm công nghệ. Tuy nhiên, hiện nay nguồn nhân lực trong ngành logistics còn yếu và

thiếu hụt cả về chất lượng và số lượng, đào tạo chính quy bậc đại học cũng còn rất hạn

chế. Điều này cho thấy đầu tư vào tài sản cố định (đội tàu, xe, container, kho bãi,…) và

mạng lưới phân bổ có phần được ưu tiên hơn đầu tư vào con người và tài sản trí tuệ.

Các nghiên cứu trước đây về mối quan hệ giữa vốn trí tuệ/ tài sản vô hình và thành quả

công ty chỉ tập trung vào các ngành được cho là sử dụng nhiều chất xám như các ngành

công nghệ cao, ngành công nghệ thông tin, ngành dược, ngành tài chính - ngân hàng,…

Tuy nhiên, rất ít nghiên cứu thực nghiệm về đề tài này đối với các công ty ngành

logistics.

Từ bối cảnh kinh tế, xu hướng nghiên cứu và số lượng hạn chế nghiên cứu về cấu trúc

vốn và vốn trí tuệ đối với ngành logistics Việt Nam, nghiên cứu này sẽ đi vào kiểm

định và phân tích tác động của cấu trúc vốn và vốn trí tuệ đối với thành quả các doanh

nghiệp ngành logistics tại Việt Nam. Dựa trên kết quả kiểm định hồi quy, tác giả sẽ đưa

ra các kết luận và đề xuất nhằm nâng cao hiệu quả hoạt động và khả năng sinh lợi trên

khía cạnh liên quan đến cấu trúc vốn và vốn trí tuệ.

6

1.2. ục Tiêu Nghiên Cứu

Nghiên cứu thực nghiệm về tác động của việc lựa chọn cấu trúc vốn (capital structure)

và vốn trí tuệ (intellectual capital) đến thành quả (performance) của các doanh nghiệp

ngành logistics tại Việt Nam. Từ đó đưa ra các kiến nghị và đề xuất dựa trên kết quả

nghiên cứu nhằm nâng cao hiệu quả hoạt động kinh doanh của các công ty logistics tại

Việt Nam.

1.3. Câu ỏi Nghiên Cứu

Câu hỏi nghiên cứu 1: Cấu trúc vốn có ảnh hưởng đến thành quả của các doanh

nghiệp ngành logistics tại Việt Nam không?

Câu hỏi nghiên cứu 2: Nguồn vốn trí tuệ có ảnh hưởng đến thành quả của các doanh

nghiệp ngành logistics tại Việt Nam không?

1.4. Phạm Vi Nghiên Cứu

Đối tượng nghiên cứu là các công ty đang hoạt động trong lĩnh vực logistics, được

niêm yết trên Sàn giao dịch chứng khoán Hồ Chí Minh (HOSE) và Sàn giao dịch

chứng khoán Hà Nội (HNX), trong giai đoạn 7 năm từ năm 2011 đến năm 2017.

1.5. Cấu Trúc Luận Văn

Cấu trúc luận văn gồm 5 chương.

Chƣơng 1: Giới thiệu

Chương 1 trình bày về vấn đề nghiên cứu, mục tiêu nghiên cứu, câu hỏi nghiên cứu, phạm vi nghiên cứu và cấu trúc của luận văn.

Chƣơng 2: Tổng quan lý thuyết

Chương 2 cung cấp cái nhìn tổng quan về những lý thuyết và mô hình đã được nghiên cứu trước đó được dùng làm nền tảng cho nghiên cứu này.

7

Chƣơng 3: Phƣơng pháp nghiên cứu

Ở chương này, dữ liệu và phương pháp nghiên cứu sẽ được trình bày chi tiết.

Chƣơng 4: Phân tích dữ liệu

Chương 4 trình bày phân tích định lượng dữ liệu và thảo luận các kết quả thu được.

Chƣơng 5: ết luận và đề xuất

Chương 5 tóm tắt những điểm chính của nghiên cứu, đưa ra một số kiến nghị cần thiết và trình bày một số hạn chế của nghiên cứu.

8

C ƢƠNG 2: TỔNG QUAN LÝ T UYẾT

2.1. hung Lý Thuyết

2.1.1. Các học thuyết về cấu trúc vốn

2.1.1.1. Học thuyết MM (1958) về cấu trúc vốn trong thị trƣờng hoàn hảo

Modigliani-Miller (1958) đưa ra một học thuyết được biết đến rộng rãi gọi là thuyết

“sự không liên quan của cấu trúc vốn” (capital structure irrelevance), dựa trên các giả

định sau:

- Thị trường vốn hoàn hảo, không có chi phí giao dịch, không tồn tại sự bất cân xứng

thông tin, các nhà đầu tư hành xử một cách lý trí;

- Công ty có thể được tài trợ bằng phát hành cổ phiếu hoặc trái phiếu;

- Không thuế, do đó không có lợi ích về tấm chắn thuế;

- Không chi phí phá sản, kiệt quệ tài chính;

- Kỳ vọng đồng nhất của nhà đầu tư về lợi nhuận và rủi ro trong tương lai, hay nói

cách khác, các nhà đầu tư hiện tại và tương lai có cùng kỳ vọng về lợi nhuận và rủi

ro trong tương lai;

- Ban quản lý công ty hướng đến mục tiêu tối đa hóa giá trị công ty;

- Các công ty được chia thành các nhóm có mức sinh lợi trên cổ phiếu tương đương

(“equivalent return” classes – Modigliani và Miller, 1958), hay còn gọi là các nhóm

đồng nhất về cổ phiếu (homogeneous classes of stock – Modigliani và Miller,

1958). Theo đó, suất sinh lợi trên cổ phiếu của các công ty trong cùng nhóm sẽ tỷ lệ

với nhau.

- Khả năng vay nợ của các công ty và các nhà đầu tư trên thị trường là như nhau.

Học thuyết MM (1958) gồm hai định đề như trình bày dưới đây.

9

a) Định đề MM I

Định đề MM I nêu rằng giá trị thị trường của một công ty không bị ảnh hưởng bởi mức

độ sử dụng đòn bẫy tài chính (cấu trúc vốn) của công ty đó và giá trị này được tính

bằng cách vốn hóa lợi nhuận kỳ vọng trên tổng tài sản của công ty theo một tỷ lệ pk

phù hợp với từng nhóm (Modigliani và Miller, 1958). Phương trình (1*) dưới đây minh

họa định đề MM I cho bất kỳ một công ty j nào thuộc nhóm k:

(1*)

Trong đó,

 : lợi nhuận kỳ vọng trên tổng tài sản công ty (lợi nhuận kỳ vọng trước khi trừ

chi phí lãi vay);

 Dj: giá trị thị trường của nợ;

 Sj: giá trị thị trường của vốn chủ sở hữu;

Phương trình (1*) có thể được viết lại dưới dạng chi phí sử dụng vốn bình quân

(average cost of capital) như sau:

(2*)

Như vậy, từ phương trình (2*), Modigliani và Miller (1958) đưa đến kết luận rằng chi

phí sử dụng vốn bình quân của bất kỳ công ty nào cũng độc lập với cấu trúc vốn của nó

và bằng tỷ lệ vốn hóa vốn cổ phần thuần nhất trong cùng nhóm.

Theo Jaroslav và Viera (2015), Định đề MM I ngụ ý rằng các nhà quản lý nên dành sự

quan tâm vào phía bên trái của bảng cân đối kế toán, tức tổng tài sản của công ty, hơn

10

là phía bên phải bảng cân đối kế toán (nợ và vốn chủ sở hữu) vì giá trị công ty được tạo

nên từ các tài sản thực mà công ty sở hữu.

b) Định đề MM II

Định đề MM II của Modigliani và Miller (1958) nêu rằng tỷ suất sinh lợi kỳ vọng trên

cổ phiếu ij của bất kỳ công ty j nào thuộc nhóm k đều là một hàm tuyến tính của tỷ lệ

đòn bẫy:

(3*)

Trong đó,

 ij: tỷ suất sinh lợi kỳ vọng trên cổ phiếu;

 Dj: giá trị thị trường của nợ;

 Sj: giá trị thị trường của vốn chủ sở hữu;

 pk: tỷ lệ vốn hóa thị trường của lợi nhuận kỳ vọng của các công ty trong cùng

nhóm k;

 r: chi phí sử dụng nợ.

Theo phương trình (3*), tỷ suất sinh lợi kỳ vọng trên cổ phiếu của bất kỳ công ty j nào

thuộc nhóm k sẽ bằng tỷ lệ vốn hóa pk của vốn cổ phần thuần nhất, cộng với một phần

bù liên quan đến rủi ro tài chính. Một khi tỷ lệ nợ trên vốn chủ sở hữu (Dj/Sj) tăng lên

thì chi phí sử dụng vốn chủ sở hữu (ij) cũng tăng lên do các nhà đầu tư đòi hỏi một suất

sinh lợi cao hơn. Điều này bù trừ với lợi ích thuế có được từ nợ vay và do đó làm cho

chi phí sử dụng vốn bình quân không đổi.

2.1.1.2. Học thuyết MM (1963) về cấu trúc vốn trong điều kiện thị trƣờng có

tác động của thuế

Sau khi thừa nhận rằng học thuyết MM (1958) không ứng dụng được trong các điều

kiện thị trường thực tế, năm 1963, Modigliani và Miller đã bổ sung cho học thuyết của

11

mình bằng việc bao gồm tác động của thuế đối với chi phí sử dụng vốn bình quân và

giá trị thị trường công ty.

a) Định đề trong điều kiện thị trƣờng có thuế

Trong điều kiện thị trường có thuế, định đề MM I cho rằng giá trị thị trường của một

công ty có sử dụng nợ thì cao hơn giá trị thị trường của một công ty không sử dụng nợ

một khoảng bằng với giá trị hiện tại của tấm chắn thuế từ lãi vay.

VL = VUL + PV[TS] (4*)

Trong đó,

 VL: giá trị thị trường của một công ty có sử dụng nợ;

 VUL: giá trị thị trường của một công ty không sử dụng nợ;

 PV[TS]: giá trị hiện tại của tấm chắn thuế từ lãi vay.

b) Định đề trong điều kiện thị trƣờng có thuế

Tương tự như phương trình (3*) về tỷ suất sinh lợi kỳ vọng trên cổ phiếu ij, Định đề

MM II được bổ sung năm 1963 đã kể đến tác động của thuế. Khi tỷ lệ nợ trên vốn cổ

phần tăng lên thì tỷ suất sinh lợi kỳ vọng trên cổ phiếu cũng tăng lên, nhưng với một tỷ

lệ thấp hơn so với trong điều kiện thị trường không thuế.

ij = pk + (pk – r) (1 – T) Dj/Sj (5*)

Như vậy, với học thuyết MM (1963), Modigliani và Miller đã thừa nhận cấu trúc vốn

có liên quan đến giá trị công ty do tác động từ tấm chắn thuế, và đồng thời lợi ích từ

tấm chắn thuế cũng tác động đến chi phí sử dụng vốn bình quân của công ty: tỷ lệ đòn

bẫy càng cao thì giá trị công ty càng cao, đồng thời chi phí sử dụng vốn bình quân càng

giảm. Tuy nhiên, Modigliani và Miller không khuyến khích các nhà quản lý tối đa hóa

tỉ lệ đòn bẫy mà nên cân nhắc các nguồn tài trợ ít tốn kém hơn trong một số trường hợp

12

cụ thể, bên cạnh đó, cần xem xét các yếu tố khác như thuế thu nhập cá nhân, đòi hỏi

ngày càng tăng từ chủ nợ, các chi phí khác liên quan đến vận hành công ty.

2.1.1.3. Thuyết đánh đổi (Trade-off theory)

Thuyết đánh đổi được đề xuất bởi Kraus và Litzenberger (1973), trong đó nhấn mạnh

rằng các nhà quản lý cần cân nhắc khi đánh đổi giữa lợi ích có được từ tấm chắn thuế

do sử dụng nợ vay, sự giảm chi phí đại diện và rủi ro kiệt quệ tài chính cũng như các

chi phí liên quan đến việc phá sản. Học thuyết nêu rằng lợi ích có được từ tấm chắn

thuế có thể bị bù trừ bởi bới các chi phí đại diện và chi phí phá sản (Danso và

Adomako, 2014).

Awan và Amin (2014) cho rằng, mỗi nguồn tài trợ đều có chi phí và suất sinh lợi đòi

hỏi riêng của nó, liên quan đến năng lực hoạt động của công ty và rủi ro kinh doanh,

rủi ro vỡ nợ của công ty.

Theo Myers (1984), một công ty theo đuổi học thuyết đánh đổi sẽ thiết lập một cấu trúc

vốn mục tiêu và hướng dần đến mục tiêu đó. Frank và Goyal (2008) chia phát biểu của

Myers (1984) làm hai phần được trình bày như dưới đây: thuyết đánh đổi tĩnh (static

trade-off theory) và thuyết đánh đổi năng động (dynamic trade-off theory).

2.1.1.3.1. Thuyết đánh đổi tĩnh (static trade-off theory)

Như học thuyết MM điều chỉnh (1963) đã đề xuất, bằng cách tăng tỷ lệ nợ vay, một

công ty có thể giảm lượng thuế phải đóng, từ đó làm giảm chi phí sử dụng vốn bình

quân và làm tăng giá trị công ty. Giả định không tốn chi phí cho việc nắm giữ nợ, các

công ty sẽ có xu hướng tài trợ hoàn toàn bằng nợ và không dùng đến vốn chủ sở hữu.

Tuy nhiên, nếu tỷ lệ đòn bẫy tăng quá cao, công ty sẽ đứng trước nguy cơ không đủ

khả năng trả nợ và nhạy cảm hơn với các thay đổi bất lợi của thị trường. Chi phí phá

sản làm giảm giá trị tài sản công ty và quyền sở hữu tài sản chuyển từ những người chủ

sở hữu sang chủ nợ. Các chi phí này có thể là chi phí trực tiếp liên quan đến việc phá

13

sản như chi phí đóng cửa, thanh lý tài sản, chi phí pháp lý,...Ngoài ra, công ty còn có

thể phải đối mặt với các chi phí gián tiếp khác như mất khách hàng, mất thị phần, mất

đối tác vì rằng các công ty và các đối tác trên thị trường có khuynh hướng không muốn

giao dịch kinh doanh với một công ty đứng trước nguy cơ kiệt quệ tài chính (Brealey

và Myers, 2003).

Thuyết đánh đổi tĩnh chỉ ra sự đánh đổi giữa lợi ích thuế biên và các chi phí biên liên

quan đến nợ như sau (Frank và Goyal, 2008):

- Sự gia tăng chi phí kiệt quệ tài chính sẽ làm giảm mức vay nợ tối ưu;

- Sự gia tăng tấm chắn thuế phi nợ (non-debt tax shield) sẽ làm giảm mức vay nợ tối

ưu;

- Sự gia tăng thuế suất thuế thu nhập cá nhân sẽ làm tăng mức vay nợ tối ưu;

- Tại mức cấu trúc vốn tối ưu, sự gia tăng thuế suất biên đối với trái chủ sẽ làm giảm

mức vay nợ tối ưu;

- Tác động của rủi ro từ đòn bẫy tài chính là không rõ ràng, dù biến không chắc chắn

được giả định là có phân phối xác suất chuẩn.

2.1.1.3.2. Thuyết đánh đổi năng động (dynamic trade-off theory)

Một trong các nhược điểm của thuyết đánh đổi tĩnh là chỉ xem xét sự đánh đổi giữa lợi

ích tấm chắn thuế và chi phí phá sản trong một giai đoạn đơn lẻ (single period). Khắc

phục điểm yếu này, thuyết đánh đổi năng động đã ra đời, trong đó kể đến vai trò của kỳ

vọng và chi phí điều chỉnh trong nhiều giai đoạn.

Kane và cộng sự (1984), Brennan và Schwartz (1984) là những người đưa ra các mô

hình thuyết đánh đổi năng động đầu tiên với việc sử dụng mô hình thời gian tiếp diễn

đối với thuế, chi phí phá sản, biến không chắc chắn (uncertainty), nhưng không có chi

phí giao dịch. Các mô hình này dựa trên giả định rằng các công ty có khả năng phản

ứng lại các cú sốc bất lợi ngay lập tức nên các công ty sẽ duy trì một tỷ lệ nợ cao để tận

dụng lợi ích tấm chắn thuế.

14

Fischer và cộng sự (1989) đưa thêm chi phí giao dịch vào mô hình phân tích cấu trúc

vốn năng động vì cho rằng khả năng phản ứng lại các cú sốc bất lợi ngay lập tức của

các công ty là không thực tế. Sự tồn tại của chi phí giao dịch sẽ khiến các công ty mất

một khoảng thời gian để thực hiện các điều chỉnh cân bằng lại, và theo Fischer và cộng

sự (1989), các điều chỉnh cân bằng này sẽ được thực hiện tại các thời điểm chạm

ngưỡng giới hạn trên và giới hạn dưới của nợ. Một công ty khi có lợi nhuận sẽ trả bớt

nợ, và nếu mức nợ chạm giới hạn dưới, công ty sẽ tái vốn hóa. Trong trường hợp công

ty thua lỗ và vay nợ nhiều hơn, công ty sẽ cho phép mức nợ vay dịch chuyển cho đến

khi chạm giới hạn trên và bắt đầu tiến hành các điều chỉnh cần thiết.

2.1.1.4. Thuyết trật tự phân hạng (Pecking order theory)

Thuyết trật tự phân hạng được nghiên cứu khởi đầu bởi Myers (1984), dựa trên mô

hình lựa chọn bất lợi (adverse selection) của Myers and Majluf (1984), cho rằng không

có một cấu trúc vốn tối ưu, và việc thay đổi tỉ lệ đòn bẫy phụ thuộc vào mức độ thâm

hụt tài chính bên trong công ty. Myers (1984) phát biểu rằng một công ty được cho là

tuân theo thuyết trật tự phân hạng nếu công ty đó ưa thích tài trợ từ nội bộ hơn bên

ngoài, và trong trường hợp phải tài trợ từ bên ngoài, nợ được ưa thích hơn vốn cổ phần.

Nói một cách đơn giản hơn, Myers (1984) đưa ra thứ tự ưu tiên sử dụng các nguồn vốn

của doanh nghiệp, trước hết họ sử dụng các nguồn vốn vay nội bộ, sau đó là nợ bên

ngoài và cuối cùng mới là vốn chủ sở hữu.

Mô hình lựa chọn bất lợi (adverse selection) trong mối tương quan với quyết định tài

trợ công ty của Myers và Majluf (1984) làm nền tảng cho sự ra đời của thuyết trật tự

phân hạng. Myers và Majluf (1984) giả định thị trường hoàn hảo nhưng lại tồn tại bất

cân xứng thông tin. Chính vì thế các nhà đầu tư không thể tiếp cận và đánh giá được

giá trị thực của tài sản và các dự án mới, từ đó không thể định giá đúng các cổ phiếu

công ty phát hành. Thứ nhất, về phía bản thân công ty, sử dụng nguồn tài trợ nội bộ sẽ

giúp tiết kiệm chi phí phát hành (bao gồm chi phí giao dịch, chi phí công bố thông

15

tin,…) và tránh pha loãng cổ phiếu. Thứ hai, do sự bất cân xứng thông tin giữa nhà

quản lý công ty và các nhà đầu tư bên ngoài nên quyết định tài trợ có thể được xem là

một dấu hiệu cho các nhà đầu tư thấy được sự đánh giá của nhà quản lý về cổ phiếu

công ty. Nếu một công ty phát hành thêm cổ phần mới, thị trường sẽ cho rằng cổ phiếu

công ty đang bị định giá cao (overvalued) và vì vậy giá cổ phiếu trong tương lai có xu

hướng giảm. Ngược lại, nếu công ty phát hành thêm nợ mới, thị trường sẽ cho rằng cổ

phiếu công ty đang bị định giá thấp (undervalued) và nhà quản lý tin vào triển vọng

khả quan trong tương lai. Chính vì lý do này mà các công ty sẽ ưa thích phát hành thêm

nợ mới thay vì cổ phần mới, trong trường hợp cần thiết nguồn tài trợ từ bên ngoài.

Ngoài ra, học thuyết về vấn đề đại diện (agency theory) đề xuất bới Jensen và Mecking

(1976) xoay quanh mâu thuẫn về lợi ích giữa cổ đông, chủ nợ và ban quản lý công ty

cũng được đưa vào để giải thích sự ưa thích các nguồn tài trợ. Thứ nhất là xung đột lợi

ích giữa chủ sở hữu và chủ nợ của công ty. Các công ty sẽ ưu tiên sử dụng nguồn tiền

nội bộ để tài trợ cho hoạt động của mình vì không phải chia sẻ lợi ích cho bên khác (cổ

đông mới, chủ nợ). Trong trường hợp thiếu hụt nguồn tiền nội bộ, công ty sẽ ưa thích

tài trợ bằng nợ hơn. Khi một công ty hành động dựa trên quyền và lợi ích của chủ sở

hữu, công ty sẽ chấp nhận đầu tư vào các dự án có rủi ro cao và mang lại khả năng sinh

lời lớn để tránh tình trạng đầu tư dưới mức (underinvestment) và để có thể tận dụng

hiệu quả nguồn tài trợ. Một khi khoản đầu tư thất bại, những người cho vay nợ sẽ đối

mặt với rủi ro mất tiền rất cao vì trách nhiệm pháp lý cùa các cổ đông là giới hạn

(limited liability), có thể không bù đắp hoàn toàn mất mát của chủ nợ. Thứ hai, Jensen

và Mecking (1976) cũng đề cập đến mâu thuẫn về lợi ích giữa cổ đông và ban quản lý

công ty. Cụ thể hơn, ban quản lý công ty có khuynh hướng quan tâm và hành động vì

lợi ích của bản thân như lương thưởng, đãi ngộ,… hơn là vì lợi ích của cổ đông công

ty. Điều này tạo động cơ cho các nhà quản lý tìm mọi cách để tác động, tạo ra con số

lợi nhuận ảo. Hơn nữa, đối với các công ty có lượng lớn dòng tiền dư thừa, nhà quản lý

có thể sử dụng dòng tiền đó để đầu tư quá mức vào các dự án, bao gồm cả các dự án có

16

NPV (giá trị hiện tại) âm nhưng lại đem lại lợi ích lớn cho nhà quản lý. Thế nên, để

kìm hãm hành vi này của các nhà quản lý, cổ đông công ty có thể sử dụng việc vay nợ

như một cơ chế kiểm soát từ bên thứ ba (Harris và Raviv, 1990). Lasfer (1995) cũng

cho rằng việc phát hành nợ mới sẽ giúp các nhà quản lý đưa ra các quyết định đầu tư

hiệu quả hơn.

Thuyết trật tự phân hạng có thể được xem là lời giải thích tốt cho cấu trúc vốn của các

công ty có quy mô vừa và lớn, đã hoạt động lâu dài, có khả năng tiếp cận với thị trường

trái phiếu. Ý tưởng của Myers-Majluf (1984) nhận được sự đồng tình của nhiều nhà

nghiên cứu khác như Noe (1988), Brennan và Kraus (1987), Krasker (1986),

Constantinides và Grundy (1989), Heinkel và Zechner (1990). Tuy nhiên, Frank và

Goyal (2003) cho rằng thuyết trật tự phân hạng tỏ ra không hiệu quả đối với các công

ty nhỏ và trong giai đoạn phát triển.

2.1.1.5. Thuyết định thời điểm thị trƣờng (Market timing theory)

Một học thuyết khác về cấu trúc vốn là thuyết định thời điểm thị trường được khởi

xướng bởi bởi Baker và Wurgler (2002). Thuyết này cho rằng các công ty định thời

điểm để phát hành cổ phiếu: phát hành cổ phần mới khi cổ phiếu được định giá cao

(overvalued) và mua lại cổ phần khi cổ phiếu bị định giá thấp (undervalued) (Wan

Shahdila và cộng sự, 2015; Luigi và Sorin, 2009; Mostafa và Boregowda, 2014; Baker

và Wurgler 2002). Vì vậy, dao động trong giá cổ phiếu sẽ ảnh hưởng đến quyết định về

cấu trúc vốn của công ty (Wan Shahdila và cộng sự, 2015).

Theo Baker và Wurgler (2002), có hai phiên bản định thời điểm thị trường vốn. Thứ

nhất là phiên bản năng động của Myers và Majluf (1984) với sự tham gia của các nhà

quản lý và nhà đầu tư lý trí. Phiên bản này chỉ ra rằng các công ty có thể tự tạo ra các

cơ hội định thời điểm thị trường cho mình nhằm tìm kiếm nguồn tài trợ (Luigi và

Sorin, 2009). Ví dụ, khi có một thông tin tích cực về công ty được đưa ra làm cho giá

cổ phiếu tăng, nhà quản lý công ty có thể canh định để phát hành thêm cổ phần ngay

17

thời điểm này. Phiên bản thứ hai về định thời điểm thị trường liên quan đến các nhà

quản lý và nhà đầu tư phi lý trí và sự định giá sai. Theo đó, các nhà quản lý sẽ phát

hành thêm cổ phần tại thời điểm mà họ tin rằng chi phí sử dụng vốn cổ phần tương đối

thấp và mua lại cổ phần khi họ tin rằng chi phí sử dụng vốn cổ phần tương đối cao (M.

Baker và Wurgler, 2002; Luigi và Sorin, 2009).

Với thuyết định thời điểm thị trường, không có một cấu trúc vốn tối ưu được đưa ra mà

thay vào đó, nhà quản lý công ty đưa ra quyết định tài trợ dựa trên các chiến lược định

thời điểm thị trường cổ phiếu.

2.1.2. Các học thuyết và mô hình về vốn trí tuệ

2.1.2.1. Các khái niệm về vốn trí tuệ

Vốn trí tuệ là một vấn đề được quan tâm gần đây trong quản lý doanh nghiệp, đang

trong quá trình nghiên cứu và phát triển, nên chưa có một sự thống nhất chung về khái

niệm này. Các nhà nghiên cứu khác nhau định nghĩa vốn trí tuệ theo những cách khác

nhau.

Một vài nhà nghiên cứu xem vốn trí tuệ là một yếu tố tạo ra ưu thế cạnh tranh.

Edvinsson và Malone (1997) định nghĩa rằng “vốn trí tuệ là việc sở hữu tri thức, các

kinh nghiệm được ứng dụng, tài sản công nghệ của tổ chức, mối quan hệ với khách

hàng và các kỹ năng chuyên nghiệp giúp Skandia có được thế mạnh cạnh tranh trên thị

trường (Skandia là tên một công ty lớn mà Lief Edvinsson làm Trưởng kiến trúc sư.

Ông đã phát triển mô hình Skandia Navigator cho việc ghi nhận vốn trí tuệ). Thêm vào

đó, vốn trí tuệ còn được xem là một trong những nguồn tạo nên ưu thế cạnh tranh

(Jardon và Martos, 2012; Kamukama, 2013; Sokolovská và cộng sự, 2014) và được

nhấn mạnh rằng việc quản trị hợp lý nguồn lực trí tuệ sẽ “thúc đẩy làm việc nhóm và

phát triển tri thức” (Kamukama, 2013). Cùng góc nhìn đó, Chen (2007) tin rằng “các

công ty đầu tư nguồn lực và nỗ lực vào nguồn vốn trí tuệ xanh không chỉ có thể đáp

ứng được các xu thế của luật pháp về môi trường toàn cầu nghiêm ngặt và nhận thức

18

phổ biến về môi trường của người tiêu dùng, mà sau cùng còn có thể tạo ra ưu thế cạnh

tranh”. Lin (2013) cũng đưa ra lập luận rằng “vốn trí tuệ là một nguồn lực thực sự có

thể đưa vào sử dụng trong hoạt động hằng ngày và giúp biến đổi các nguồn lực công ty

thành ưu thế cạnh tranh”.

Trong khi đó, vốn trí tuệ lại được định nghĩa một cách phổ biến dưới thuật ngữ “tài sản

vô hình”. Brooking (1998) cho rằng “vốn trí tuệ là thuật ngữ dùng để chỉ các tài sản vô

hình kết hợp giúp công ty có thể vận hành”. Khái niệm này nhất quán với khái niệm

được đưa ra bởi Bontis và cộng sự (1999): “vốn trí tuệ đơn giản là tập hợp các nguồn

lực vô hình và dòng chảy của nó”. Brooking (1998) và Bontis và cộng sự (1999) đồng

ý rằng giá trị công ty là tổng các tài sản vô hình và hữu hình.

Vốn trí tuệ cũng được biết đến như là một nhân tố tạo ra của cải (wealth creating

factor). Theo Stewart (1999), vốn trí tuệ là “các vật chất trí tuệ - tri thức, thông tin, sở

hữu trí tuệ, kinh nghiệm – mà có thể dùng để tạo ra của cải”. Tương tự, Harrison và

Sullivan (2000) cho rằng vốn trí tuệ là “tri thức có thể biến đổi thành lợi nhuận”. Còn

theo Roos, Pike và Fernstrom (2005), “vốn trí tuệ có thể được định nghĩa là tất cả các

nguồn lực phi tiền mặt và phi vật chất được kiểm soát một phần hoặc hoàn toàn bởi

một tổ chức và đóng góp vào quá trình tạo ra giá trị của tổ chức đó”.

Trong nhiều nghiên cứu, các thuật ngữ “vốn trí tuệ” (intellectual capital), “tài sản vô

hình” (intangible assets) và “tài sản dựa trên tri thức” (knowledge-based assets) được

dùng tương đương nhau. Cần lưu ý rằng thuật ngữ “vốn trí tuệ” (intellectual capital)

mang nghĩa rộng hơn thuật ngữ “sở hữu trí tuệ” (intellectual property) vì “sở hữu trí

tuệ” chỉ là một phần của tài sản vô hình có thể nhận biết được như bằng sáng chế,

thương hiệu, bản quyền.

2.1.2.2. Các mô hình đo lƣờng vốn trí tuệ phổ biến

Kể từ năm 1990 khi tài sản vô hình trở thành một đề tài nghiên cứu hấp dẫn, ngày nay

có rất nhiều mô hình và phương pháp được phát triển để đo lường tài sản vô hình. Tuy

19

nhiên, theo Sveiby (2001), có thể phân loại các mô hình này thành bốn nhóm chính: (1)

Phương pháp vốn trí tuệ trực tiếp (Direct Intellectual Capital methods - DIC), (2)

Phương pháp vốn hóa thị trường (Market Capitalization methods - MCM), (3) Phương

pháp tỷ suất sinh lợi trên tài sản (Return on Assets methods - ROA), (4) Phương pháp

thẻ chấm điểm (Score Card methods - SC).

2.1.2.2.1. Phƣơng pháp vốn trí tuệ trực tiếp (Direct intellectual capital

methods)

Các phương pháp này ước lượng giá trị tài sản vô hình bằng cách nhận diện các yếu tố

cấu thành của nó. Các thành tố này có thể được định giá trực tiếp một cách đơn lẻ hoặc

tổng hợp.

Johanson và Nilson (1996), với nghiên cứu liên quan đến kế toán chi phí nguồn nhân

lực, đã đề xuất cách đo lường vốn trí tuệ bằng cách tính tỷ lệ đóng góp tài sản nhân lực

của công ty và các chi phí lương được vốn hóa.

Mô hình The Technology Broker của Brooking (1996) định nghĩa vốn trí tuệ là sự kết

hợp của bốn nhân tố: tài sản thị trường, tài sản con người, tài sản sở hữu trí tuệ và tài

sản cơ sở hạ tầng. Brooking (1996) đo lường vốn trí tuệ bằng cách sử dụng các bảng

câu hỏi cụ thể để kiểm tra mức độ đóng góp của các biến vào mỗi nhóm tài sản.

McCutcheon (2008) phát triển mô hình Ước lượng giá trị thông qua phân tích vốn trí

tuệ (EVVICA™), trình bày cách phân tích nguồn vốn con người, mối quan hệ, cấu trúc

trong mối liên hệ với năng lực cải tiến của công ty. Mô hình này được cho là một công

cụ hữu ích trong việc đo lường các công ty giàu tài sản trí tuệ.

2.1.2.2.2. Phƣơng pháp vốn hóa thị trƣờng (Market capitalization methods)

Phương pháp vốn hóa thị trường tính sự chênh lệch giữa giá trị thị trường và giá trị sổ

sách của vốn chủ sở hữu và xem đó là giá trị của vốn trí tuệ hay tài sản vô hình.

20

Tobin (1969), được trích dẫn bởi Bharadwaj và cộng sự (1999), đề xuất chỉ số

Tobin's q, tức tỷ lệ giữa giá trị thị trường của tổng tài sản công ty với chi phí thay thế

tài sản. Nếu chỉ số Tobin's q lớn hơn 1, công ty đang đạt được tỷ suất sinh lợi cao hơn

chi phí sử dụng tài sản. Sự chênh lệch này được tạo ra một phần từ các ưu thế cạnh

tranh của nguồn vốn trí tuệ.

Một mô hình khác để đo lường vốn trí tuệ là mô hình Giá trị thị trường phân bổ đến nhà đầu tư (Investor Assigned Market Value - IAMVTM) của Standfield (2001). Mô

hình này phân biệt giữa giá trị thực của công ty và giá trị thị trường. Theo Standfield

(2001), giá trị thực của công ty được tạo nên từ bốn thành phần: vốn hữu hình, vốn trí

tuệ nhận biết được, tác nhân hủy hoại vốn trí tuệ, lợi thế cạnh tranh bền vững.

Sveiby (1989), với mô hình Bảng cân đối kế toán vô hình (The Invisible Balance

Sheet) cho rằng sự khác biệt giữagiá trị thị trường và giá trị sổ sách là do các yếu tố có

tác động lẫn nhau: vốn nhân lực, vốn tổ chức và vốn khách hàng.

2.1.2.2.3. Phƣơng pháp tỷ suất sinh lợi trên tài sản (Return on assets

methods)

Mô hình Giá trị kinh tế gia tăng (Economic Value Added - EVATM) của Stern, Stewart

và Chew (1995) ra đời với mục đích đo thành quả công ty bằng giá trị gia tăng. Stewart

(1995) đưa ra các giải thích về cách mà giá trị gia tăng được tạo ra thông qua việc tập

trung vào lợi nhuận, tận dụng vốn, vốn trí tuệ và các quyền chọn thực. Chi phí nghiên

cứu và phát triển R&D được chứng minh là có ảnh hưởng tích cực đến giá trị kinh tế

gia tăng.

Stewart (1997) phát triển một phương pháp lượng hóa giá trị tài sản vô hình, gọi là

phương pháp Giá trị vô hình tính toán (Calculated Intangible Value - CIV). Phương

pháp này dựa trên việc so sánh tỷ suất sinh lợi trên tài sản của một công ty với một

công ty tương tự trong cùng ngành. Nhân lượng chênh lệch đó với giá trị tài sản trung

bình của công ty cho ta giá trị lợi nhuận tăng thêm của công ty. Giả sử lợi nhuận tăng

21

thêm này là một dòng tiền liên tục đến vĩnh viễn (perpetuity), giá trị tài sản vô hình

được tính bằng cách lấy giá trị hiện tại của dòng tiền này.

2.1.2.2.4. Phƣơng pháp thẻ tính điểm (Scorecard methods)

Các phương pháp này xác định các thành phần tạo nên vốn trí tuệ và trên cơ sở đó, các

chỉ số khác nhau được tạo nên và được ghi nhận trong thẻ điểm. Đây là phương pháp

đo lường phi tài chính vì không hướng đến mục tiêu ước lượng giá trị bằng tiền của tài

sản vô hình.

Mô hình Thẻ ghi điểm cân bằng (Balanced scorecard) phát triển bới Robert Kaplan và

David Norton năm 1996, chủ yếu tập trung vào các phương pháp đo lường thành quả

công ty ở khía cạnh phi tài chính. Mô hình kết hợp các phương pháp đo lường khác

nhau để quản lý mối quan hệ nhân quả giữa thành quả và các nhân tố tạo ra thành quả

trên các phương diện khác nhau: đo lường tài chính (ví dụ, dòng tiền và lợi nhuận), đo

lường khách hàng (ví dụ, sự hài lòng của khách hàng), đo lường quy trình nội bộ (ví

dụ, độ dài của chu trình kinh doanh), đo lường sự tăng trưởng (ví dụ, % doanh thu được

tạo ra từ các sản phẩm mới).

Sveiby (1997) đề xuất mô hình Quản lý tài sản vô hình (Intangible Asset Monitor).

Theo đó, tài sản vô hình được chia thành ba nhóm: cấu trúc bên ngoài (thương hiệu,

mối quan hệ khách hàng - nhà cung cấp), cấu trúc bên trong (quản lý tổ chức, cấu trúc

pháp lý, R&D, phần mềm), năng lực cá nhân (học vấn, kinh nghiệm).

Skandia Navigator là mô hình được phát triển bởi Edvinsson và Malone (1997), tập

trung vào năm lĩnh vực: tài chính, khách hàng, quy trình, R&D, nhân lực (Hình 2.1).

Vốn trí tuệ được đo lường bởi 112 ma trận và được tính bằng cách nhân hệ số hiệu quả

vốn trí tuệ với giá trị công ty.

22

Hình 2.1. Mô hình Skandia Navigator (Nguồn: Edvinsson và Malone, 1997)

2.1.2.3. Mô hình Hệ số trí tuệ giá trị gia tăng (Value Added ntellectual

Coefficient - VAICTM) của Pulic (2000)

Ante Pulic (2000) đề xuất một công cụ kế toán cho việc quản trị vốn trí tuệ, được biết đến là mô hình VAICTM. Mô hình đo lường tính hiệu quả của việc sử dụng vốn trí tuệ

thay vì đo lường giá trị tuyệt đối và liên hệ sự đóng góp của vốn trí tuệ vào quá trình

tạo ra giá trị. Theo Pulic, hiệu quả tạo ra giá trị được xác định bởi hai thành phần: hiệu

quả vốn sử dụng (capital employed efficiency) và hiệu quả vốn trí tuệ (capital

employed efficiency). Hiệu quả vốn trí tuệ lại gồm hai nhân tố: hiệu quả vốn nhân lực

(human capital efficiency) và hiệu quả vốn cấu trúc (structural capital efficiency). Mô hình VAICTM được minh họa tóm tắt ở Hình 2.2.

23

Hình 2.2. Mô hình VAICTM (Pulic, 2000)

Mô hình VAIC chỉ ra rằng nếu chỉ số VAIC càng cao thì hiệu quả sử dụng các nguồn

lực càng cao và giá trị gia tăng tạo ra càng lớn. Bằng mô hình này, Pulic (2000) cung

cấp một công cụ đo lường hiệu quả sử dụng vốn trí tuệ bằng dữ liệu kế toán.

Giá trị gia tăng - GTGT (Value Added - VA)

Trong mô hình VAICTM, Pulic (2000) sử dụng giá trị gia tăng làm chỉ số cho việc tạo ra

giá trị từ các nguồn lực chính của công ty.

GTGT được tính bằng cách lấy chênh lệch giữa doanh thu đầu ra (output) và chi phí

đầu vào (input). Doanh thu đầu ra là doanh thu được tạo ra từ việc bán sản phẩm và

dịch vụ trên thị trường, trong khi đó chi phí đầu vào là tất cả các chi phí phát sinh nhằm

tạo ra doanh thu, bao gồm chi phí nhân công. Một điểm quan trọng phân biệt mô hình VAICTM (Pulic, 2000) với các mô hình khác là dưới quan điểm của Pulic, lương được

cho là một khoản đầu tư chứ không phải chi phí. Do đó, chi phí cho nhân viên bị loại ra

24

khỏi chi phí đầu vào khi tính GTGT. Bên cạnh đó, chi phí khấu hao sẽ được cộng lại

vào GTGT vì đây không phải là chi phí thực. Công thức tính GTGT như sau:

VA = OP + HC + D (6*)

Trong đó:

OP: lợi nhuận thuần

HC: chi phí cho nhân viên, được đo bằng tổng lương

D: chi phí khấu hao

Hiệu quả vốn sử dụng (Capital employed efficiency - CEE)

Theo Pulic, vốn sử dụng (capital employed) dùng để chỉ các tài sản hữu hình mà công

ty sử dụng để tạo nên giá trị, bao gồm tài sản vật chất và tài sản tài chính. Vốn sử dụng

được tính bằng cách trừ đi tài sản vô hình khỏi tổng giá trị tài sản của công ty. Sau đó,

lấy GTGT chia cho vốn sử dụng, ta được hiệu quả vốn sử dụng (CEE).

CE = Tổng tài sản – Tài sản cố định vô hình

CEE = VA/CE (**VA đã được tính theo công thức (6*))

Hiệu quả vốn trí tuệ (Intellectual Capital Efficiency - ICE)

Hiệu quả vốn trí tuệ cho thấy tính hiệu quả của một công ty trong việc sử dụng vốn trí

tuệ để tạo ra giá trị, được cấu thành bởi hiệu quả vốn nhân lực và hiệu quả vốn cấu

trúc.

Hiệu quả vốn nhân lực (Human Capital Efficiency - HCE)

Pulic (2000) nhấn mạnh vai trò của những nhân viên tri thức và tin rằng chi phí cho

nhân viên là một khoản đầu tư tạo nên giá trị doanh nghiệp và phát triển trong dài hạn.

25

Nguồn nhân lực là một nhân tố quan trọng cho thành công của các doanh nghiệp bởi vì

trong thời đại nền kinh tế tri thức, phần lớn giá trị được tạo ra từ kỹ năng và năng lực

của nhân viên, kỹ năng chuyên môn và đặc biệt là thái độ của họ. Pulic (2000) không

đưa ra các chỉ số đo lường thành quả của nhân lực mà thay vào đó, tập trung vào cách

các công ty quan tâm và mức độ đầu tư vào nguồn nhân lực của họ.

Hiệu quả vốn nhân lực được tính như sau:

HCE = VA /HC,

Trong đó HC là chi phí cho nhân viên (**VA đã được tính theo công thức (6*))

Hiệu quả vốn cấu trúc (Structural capital efficiency - SCE)

Theo Pulic (2000), vốn cấu trúc được tính bằng hiệu của GTGT và chi phí nhân viên.

Mối quan hệ nghịch biến giữa vốn cấu trúc và đầu tư nhân lực được Pulic (2000) mô tả

ở Hình 2.3.

Hình 2.3. Nhân lực và vốn cấu trúc trong mối quan hệ nghịch biến

Nguồn: Pulic A. (2000). VAICTM – An accounting tool for IC management

Hiệu quả vốn cấu trúc được tính bởi công thức:

SCE = SC/VA, trong đó SC = VA– HC

(**VA đã được tính theo công thức (6*))

26

Vốn cấu trúc đại diện cho các nguồn lực vô hình trong tổ chức ngoại trừ nguồn nhân

lực. Nó bao gồm tất cả các yếu tố và điều kiện giúp cho một tổ chức hoạt động và hỗ

trợ các hoạt động trong công việc của nhân viên như: văn hóa doanh nghiệp, thực tiễn

và quy trình làm việc, sở hữu trí tuệ. Văn hóa doanh nghiệp tạo điều kiện cho các nhân

viên cùng làm việc để hướng đến mục tiêu chung. Thực tiễn và quy trình làm việc phản

ánh quá trình chia sẻ kiến thức trong nội công ty. Sở hữu trí tuệ bao gồm các tài sản vô

hình được bảo vệ về mặt luật pháp như bằng sáng chế, bản quyền, thương hiệu, thiết

kế, bí mật kinh doanh, dữ liệu.

Bảng 2.1 dưới đây tóm tắt công thức tính VAIC và các thành phần của nó.

Hiệu quả vốn sử dụng

CEE = VA / CE

(Capital Employed Efficiency (CEE))

 VA (Value Added) = Lợi nhuận thuần +

Chi phí lương nhân viên + Khấu hao

Hiệu quả vốn nhân lực

HCE = VA / HC

 CE (Capital Employed) = Tổng tài sản –

(Human Capital Efficiency (HCE))

Tài sản cố định vô hình

Hiệu quả vốn cấu trúc

SCE = SC / VA

 HC (Human Capital) = Tổng lương cho

(Structural Capital Efficiency (SCE))

nhân viên

Hiệu quả vốn trí tuệ

ICE = HCE + SCE

(Intellectual Capital Efficiency (ICE))

 SC (Structural Capital) = VA – HC

Hệ số trí tuệ GTGT

VAIC = CEE + ICE

= CEE + HCE + SCE

(Value Added Intellectual Coefficient (VAIC))

Bảng 2.1. Công thức tính VAIC và các thành phần của VAIC

27

2.2. Tổng Quan Các Nghiên Cứu Trƣớc

2.2.1. Các nghiên cứu thực nghiệm về quan hệ giữa cấu trúc vốn và thành quả

công ty

Abor (2005) đã nghiên cứu tác động của cấu trúc vốn đến khả năng sinh lợi của

công ty (được đo bằng tỷ suất sinh lời trên vốn chủ sở hữu - ROE) đối với các công

ty niêm yết tại Ghana trong khoảng thời gian năm năm, sử dụng mô hình hồi quy.

Kết quả nghiên cứu cho thấy có mối quan hệ thuận chiều mang ý nghĩa thống kê

giữa (1) tỷ lệ nợ ngắn hạn trên tổng tài sản và ROE và (2) tỷ lệ tổng nợ trên tổng tài

sản và ROE. Tuy nhiên, tỷ lệ nợ dài hạn trên tổng tài sản lại tác động nghịch chiều

(mang ý nghĩa thống kê) đến ROE.

Taub (1975) cũng tìm thấy hệ số tương quan dương mang ý nghĩa thống kê giữa bốn tỉ

số đo lường lợi nhuận khác nhau và tỉ lệ nợ. Roden và Lewellen (1995) khi nghiên cứu

về các thương vụ mua lại bằng vốn vay (leverage buy-outs – LBOs) đã tìm thấy mối

quan hệ cùng chiều mang ý nghĩa thống kê giữa khả năng sinh lợi công ty và tỷ lệ

nợ trên tổng số giá trị thương vụ mua lại. Champion (1999) cũng cho rằng các công

ty có thể cải thiện thành quả bằng cách sử dụng đòn bẫy.

Mouna và cộng sự (2017) sử dụng mô hình hồi quy để kiểm định tác động của cấu trúc

vốn lên thành quả của các công ty tại Morocco trong giai đoạn từ năm 2014 đến năm

2016. Kết quả cho thấy tỷ lệ đòn bẫy có tác động tiêu cực đến thành quả của các công

ty. Tác giả cũng cho rằng các công ty tại Morocco có rủi ro tài chính rất cao và khuyến

nghị nên cắt giảm tài trợ từ bên ngoài để cải thiện thành quả tài chính.

Nghiên cứu về mối quan hệ giữa cấu trúc vốn và thành quả các công ty tại Jordan,

Seitun và Tian (2007) nhận thấy rằng mức độ vay nợ tỷ lệ nghịch với thành quả công ty

(ROA và ROE).

Trái lại, El-Sayed Ebaid (2009) khi tiến hành nghiên cứu thực nghiệm trên một mẫu

các công ty phi tài chính niêm yết tại Hy Lạp từ năm 1997 đến năm 2005 lại phát hiện

28

rằng quyết định lựa chọn cấu trúc vốn nhìn chung có tác động rất ít hoặc không có tác

động đến thành quả công ty.

Ahmad và cộng sự (2012) tiến hành nghiên cứu thực nghiệm về ảnh hưởng của cấu

trúc vốn (bao gồm các tỷ lệ nợ ngắn hạn, nợ dài hạn và tổng nợ) đến thành quả các

công ty (được đo bằng tỷ lệ ROA và ROE) tại Malaysia. Mô hình sử dụng các giá trị

biến không có độ trễ (non-lag values) cho thấy có tồn tại mối quan hệ mang ý nghĩa

thống kê giữa biến phụ thuộc và các biến độc lập. Tuy nhiên, kết quả trên lại không

được tìm thấy đối với mô hình sử dụng các giá trị biến có độ trễ (lagged values).

Kết quả nghiên cứu của Gill và cộng sự (2011) cũng ủng hộ cho các kết luận từ nghiên

cứu của Abor (2005) khi tìm thấy mối quan hệ cùng chiều giữa cấu trúc vốn và

thành quả công ty thuộc nhóm ngành sản xuất tại Mỹ.

Goyal (2013) với nghiên cứu về mối quan hệ giữa cấu trúc vốn và thành quả của

các ngân hàng đại chúng được niêm yết tại Ấn Độ trong giai đoạn từ năm 2008 đến

năm 2012 đã cho thấy rằng nợ ngắn hạn có tác động tích cực đến khả năng sinh lời,

được đo bằng các chỉ số ROA, ROE và EPS (lãi trên mỗi cổ phiếu). Trong khi đó,

nợ dài hạn lại có tác động tiêu cực đến khả năng sinh lời của các ngân hàng thuộc

đối tượng nghiên cứu.

Kyereboah-Coleman (2007) tiến hành nghiên cứu kiểm định ảnh hưởng của mức độ

sử dụng nợ đến thành quả các định chế tài chính vi mô tại Ghana trong giai đoạn

1995-2004. Nghiên cứu cho thấy hầu hết các định chế tài chính vi mô tại Ghana có

mức độ sử dụng đòn bẫy cao, trong đó nợ dài hạn chiếm ưu thế hơn nợ ngắn hạn.

Những định chế nào càng được tài trợ nhiều bằng nợ thì thành quả càng được cải

thiện nhờ khả năng tiếp cận được nhiều khách hàng hơn, tận dụng tính kinh tế do

quy mô, giải quyết tốt hơn các vấn đề về đạo đức, lựa chọn trái ngược và do đó

tăng khả năng chống chịu rủi ro.

29

Salehi (2009) lấy bằng chứng thực nghiệm từ 117 công ty niêm yết tại Iran trong

giai đoạn từ 2002 đến 2007 để kiểm định tác động của cấu trúc vốn đến thành quả

công ty. Kết quả nghiên cứu cho thấy các công ty càng ít sử dụng nợ thì có khả

năng đạt thành quả tốt hơn. Mối quan hệ nghịch chiều này cũng ủng hộ cho Myers

(1984) với thuyết trật tư phân hạng, rằng các công ty có xu hướng ưu tiên các

nguồn tài trợ nội bộ hơn bên ngoài.

Nghiên cứu của Mwangi (2014) và cộng sự về mối quan hệ giữa cấu trúc vốn và

thành quả các công ty phi tài chính niêm yết trên sàn chứng khoán Nairobi (NSE)

tại Kenya giúp tác giả nghiên cứu đưa ra kết luận rằng đòn bẫy có tác động ngược

chiều với tỷ suất sinh lời trên tài sản và tỷ suất sinh lời trên vốn chủ sở hữu. Từ đó,

tác giả khuyến nghị các nhà quản lý nên giảm sự phụ thuộc vào việc sử dụng nợ

vay.

2.2.2. Các nghiên cứu thực nghiệm về tác động của vốn trí tuệ đến thành quả

công ty, ứng dụng mô hình VAIC (Pulic, 2000)

Firer và Williams (2003) ứng dụng mô hình VAICTM để kiểm tra thực nghiệm mối

quan hệ giữa VAIC và ba phương thức đo lường thành quả truyền thống, bao gồm khả

năng sinh lợi (đo bằng ROA), năng suất (đo bằng vòng quay tài sản - ATO), giá trị thị

trường (đo bằng tỷ lệ giá trị thị trường trên giá trị sổ sách). Dữ liệu được thu thập từ

các công ty thuộc bốn nhóm ngành chuyên sâu về vốn trí tuệ: ngân hàng, điện tử, công

nghệ thông tin và dịch vụ. Kết quả cho thấy có tồn tại mối quan hệ đồng biến giữa hiệu

quả vốn cấu trúc (SCE) và khả năng sinh lời, nhưng lại tìm thấy mối quan hệ nghịch

biến giữa năng suất và hiệu quả vốn nhân lực (HCE). Điều này ngụ ý rằng thị trường

Nam Phi cần quan tâm đầu tư vào các tài sản hữu hình hơn là tài sản vô hình.

Dựa vào khung nghiên cứu của Firer và Williams (2003), Shiu (2006) tiến hành một

nghiên cứu thực nghiệm về tác động của VAIC và các thành phần của nó đến thành quả

30

các công ty công nghệ tại Đài Loan. Kết quả cho thấy VAIC có tác động tích cực đến

khả năng sinh lợi và định giá thị trường, nhưng lại tác động tiêu cực đến năng suất.

Mavridis (2004) nghiên cứu ảnh hưởng vốn trí tuệ đến thành quả các ngân hàng tại

Nhật và nhận thấy rằng có mối tương quan cùng chiều giữa hiệu quả vốn sử dụng và

Chỉ số thành quả tốt nhất (Best Performance Index- BPI). Tuy nhiên, hiệu quả vốn

nhân lực lại có tác động nghịch chiều đến BPI. Mavridis (2004) cũng so sánh một số

nhóm ngân hàng với nhau và nhận ra rằng các ngân hàng có thành quả kinh doanh tốt

nhất thì tận dụng nguồn vốn trí tuệ tốt hơn và ít sử dụng vốn vật chất hơn.

Dimitrios và cộng sự (2011) tiến hành nghiên cứu trên một mẫu gồm 96 công ty Ai

Cập được niêm yết trên sàn chứng khoán Athens để kiểm định tác động của vốn trí tuệ

lên thành quả các công ty này. Kết quả cho thấy có tồn tại mối quan hệ mang ý nghĩa

thống kê giữa hiệu quả vốn nhân lực và tỷ suất sinh lời trên vốn chủ sở hữu (ROE).

Latif, Malik và Aslam (2012) so sánh tác động của hiệu quả vốn trí tuệ đến thành quả

của các ngân hàng truyền thống và các ngân hàng Hồi giáo tại Pakistan. Nghiên cứu

cho thấy hiệu quả vốn nhân lực là nhân tố quyết định chính đến thành quả của các ngân

hàng Hồi giáo, trong khi đó hiệu quả vốn sử dụng lại là nhân tố quyết định chính đến

thành quả của các ngân hàng truyền thống. Trong cùng năm này, Kamal và cộng sự

(2012), với nghiên cứu của mình, cũng nhận thấy mối tương quan cùng chiều giữa hiệu

quả vốn sử dụng và tỷ suất sinh lợi của các ngân hàng tại Malaysia. Tác giả đưa ra

khuyến nghị rằng các ngân hàng Malaysia có thể cải thiện thành quả bằng cách tăng

hiệu quả vốn sử dụng.

Chen, Cheng và Hwang (2005) kiểm định mối quan hệ giữa hiệu quả vốn trí tuệ và giá

trị thị trường cũng như hiệu quả tài chính công ty dựa trên mẫu nghiên cứu gồm các

công ty niêm yết tại Đài Loan, ứng dụng mô hình VAIC. Kết quả nghiên cứu chỉ ra

rằng vốn trí tuệ có ảnh hưởng tích cực đến cả giá trị thị trường và hiệu quả tài chính

công ty.

31

Nghiên cứu được tiến hành bởi Calisir và cộng sự (2010) cũng xác nhận tác động

dương mang ý nghĩa thống kê của VAIC đến khả năng sinh lời của các công ty công

nghệ và thông tin liên lạc tại Thổ Nhĩ Kỳ. Tác giả kiểm định ảnh hưởng từng nhân tố

cấu thành của VAIC đến thành quả công ty, được đo bằng các tỷ số ROA, ROE, ATO

(vòng quay tài sản) và tỷ số giá trị thị trường trên giá trị sổ sách (market-to-book

value). Kết quả nghiên cứu cho thấy mối quan hệ thuận chiều giữa hiệu quả vốn nhân

lực (HCE) đến ROA và ROE, trong khi đó hiệu quả vốn sử dụng (CEE) có tác động

tích cực lên ROE và ATO. Hiệu quả vốn cấu trúc không có tác động mang ý nghĩa

thống kê nào đến các thước đo thành quả công ty trong nghiên cứu.

Sledzik (2013), trong nghiên cứu về các ngân hàng tại Phần Lan, đã sử dụng chỉ số

VAIC để xếp hạng các ngân hàng quốc nội và ngân hàng nước ngoài. Sledzik (2013)

nhận thấy các ngân hàng nước ngoài tạo ra GTGT một cách hiệu quả hơn nhờ việc sử

dụng nguồn nhân lực một cách hiệu quả. Cùng mục tiêu nghiên cứu như Sledzik

(2013), Ghozali và cộng sự (2014) đã sử dụng M-VAIC (VAIC điều chỉnh) làm chỉ số xếp hạng cho các ngân hàng tại Indonesia. Dựa trên mô hình VAICTM, tác giả đề xuất

mô hình M-VAIC trong đó bổ sung thêm một thành phần của VAIC là Hiệu quả vốn

quan hệ (RCE – Relational capital efficiency). Vốn quan hệ được đo bằng chi phí

marketing và Hiệu quả vốn quan hệ được đo bằng tỷ suất vốn quan hệ trên GTGT

(RC/VA). Kết quả nghiên cứu cho thấy trong giai đoạn 2009-2012, các ngân hàng nhà

nước tại Indonesia có chỉ số M-VAIC cao hơn các ngân hàng tư nhân trong nước, ngụ

ý rằng các ngân hàng nhà nước sử dụng các nguồn lực một cách hiệu quả hơn. Dựa trên

điểm xếp hạng M-VAIC, các tác giả chia các ngân hàng Indonesia làm bốn nhóm:

nhóm dẫn đầu, nhóm khá, nhóm trung bình và nhóm kém.

32

C ƢƠNG 3: P ƢƠNG P ÁP NG ÊN CỨU

3.1. Dữ liệu

 Dữ liệu bảng

 Giai đoạn: 2011-2017

 Đối tượng: các công ty thuộc nhóm ngành logistics niêm yết trên sàn Giao

dịch chứng khoán Hồ Chí Minh (HOSE) và sàn Giao dịch chứng khoán Hà

Nội (HNX)

 Nguồn thu thập dữ liệu chủ yếu là từ báo cáo tài chính được công bố trên

website các công ty thuộc đối tượng nghiên cứu

3.2. Khung phân tích

Hình 3.1. Khung phân tích cho nghiên cứu

33

3.3. Đo lƣờng các biến

3.3.1. Các biến độc lập

Tính toán các biến độc lập được trình bày tóm tắt trong Bảng 3.1 dưới đây. Trong đó các biến đo lường vốn trí tuệ được tính toán theo mô hình VAICTM (Pulic, 2000).

Tỷ lệ nợ ngắn hạn trên

SDA =

=

tổng vốn (SDA)

Tỷ lệ nợ dài hạn trên tổng

LDA =

Bảng 3.1. Tóm tắt đo lường các biến độc lập.

vốn (LDA)

Tỷ lệ tổng nợ trên tổng

DA =

=

vốn (DA)

CEE = VA / CE

 VA (Value Added) = Lợi nhuận thuần +

Hiệu quả vốn sử dụng (Capital Employed Efficiency (CEE))

Chi phí lương nhân viên + Khấu hao

HCE = VA / HC

 CE (Capital Employed) = Tổng tài sản –

Hiệu quả vốn nhân lực (Human Capital Efficiency (HCE))

Tài sản cố định vô hình

SCE = SC / VA

 HC (Human Capital) = Tổng lương cho

Hiệu quả vốn cấu trúc (Structural Capital Efficiency (SCE))

nhân viên

ICE = HCE + SCE

Hiệu quả vốn trí tuệ (Intellectual Capital Efficiency (ICE))

 SC (Structural Capital) = VA – HC

VAIC = CEE + ICE = CEE + HCE + SCE

Hệ số trí tuệ GTGT (Value Added Intellectual Coefficient (VAIC))

=

34

3.3.2. Biến phụ thuộc

Tỷ suất sinh lời trên tổng tài sản được dùng để làm thước đo cho thành quả tài chính

của công ty, được tính bởi công thức sau:

 ROA =

3.3.3. Các biến kiểm soát

Như được đề xuất trong nghiên cứu của Abor (2005), Firer và Williams (2003), Shiu

(2006), quy mô công ty và tốc độ tăng trưởng doanh thu sẽ được đưa vào mô hình để

làm tăng khả năng giải thích của mô hình hồi quy.

 Quy mô (Size) = Log [Giá trị sổ sách của tổng tài sản]

 Tăng trưởng doanh thu (SG) =

3.4. Phƣơng pháp phân tích dữ liệu

3.4.1. Mô hình hồi quy

Nghiên cứu này sử dụng phương pháp nghiên cứu định lượng, trong đó sử dụng mô

hình hồi quy để kiểm tra mối quan hệ giữa các biến độc lập và biến phụ thuộc.

Dựa trên khung phân tích đã nêu mục 3.2, phương trình hồi quy cho nghiên cứu này có

dạng như bên dưới. Phương trình (1a) và (1b) nhằm phân tích tác động của cấu trúc

vốn lên thành quả công ty; phương trình (2a) và (2b) dùng để phân tích tác động của

vốn trí tuệ đến thành quả công ty.

Phƣơng trình (1a): ROAit = β0 + β1DAit + β2Sizeit + β3SGit + uit

Phƣơng trình (1b): ROAit = β0 + β1SDAit + β2LDAit+ β3Sizeit + β4SGit + uit

35

Phƣơng trình (2a): ROAit = β0 + β1VAICit + β2Sizeit + β3SGit + uit

Phƣơng trình (2b): ROAit = β0 + β1CCEit + β2HCEit + β3SCEit + β4Sizeit + β5SGit +

uit

Trong đó,

 ROA: Tỷ suất sinh lời trên tổng tài sản;

 SDA: Tỷ lệ nợ ngắn hạn trên tổng vốn;

 LDA: Tỷ lệ nợ dài hạn trên tổng vốn;

 DA: Tỷ lệ tổng nợ trên tổng vốn;

 VAIC: Hệ số trí tuệ GTGT;

 CEE: Hiệu quả vốn sử dụng;

 HCE: Hiệu quả vốn nhân lực;

 SCE: Hiệu quả vốn cấu trúc;

 Size: Quy mô công ty;

 SG: Tăng trưởng doanh thu;

 β: hệ số biến độc lập;

 u: sai số;

 i: thứ tự công ty từ i = 1, 2, 3……N=45 (N là tổng số công ty của mẫu dữ

liệu)

 t: thứ tự đơn vị thời gian (năm); t = 1, 2, 3…… T=7

3.4.2. Phƣơng pháp hồi quy dữ liệu bảng

3.4.2.1. Quy trình phân tích dữ liệu bảng bằng mô hình hồi quy tuyến tính cổ điển

(classical linear regression)

Quy trình phân tích dữ liệu trong nghiên cứu này bao gồm bốn bước, như trình bày ở

Hình 3.2.

36

Bƣớc 1: Tiến hành kiểm tra tính đa cộng tuyến (multicollinearity) để xác định xem có

mối quan hệ qua lại lẫn nhau/ tương quan giữa các biến độc lập hay không.

Bƣớc 2: Chọn phương pháp phân tích dữ liệu bảng phù hợp nhất - pooled POS, ảnh

hưởng cố định (fixed-effect) hay ảnh hưởng ngẫu nhiên (random effect) - cho nghiên

cứu, sử dụng kiểm định F (F-test), kiểm định nhân tử Lagrange (Lagrange multiplier

test) và kiểm định Hausman (Hausman specification test).

Bƣớc 3: Kiểm định phương sai thay đổi (heteroscedasticity) bằng cách sử dụng kiểm

định Breusch-Pagan và kiểm tra sự tự tương quan bằng kiểm định Wooldridge; tiến

hành các biện pháp khắc phục có thể trong trường hợp có tồn tại phương sai thay đổi và

tự tương quan.

Bƣớc 4: Trình bày kết quả phân tích dữ liệu hồi quy cuối cùng.

Hình 3.2. Quy trình phân tích hồi quy dữ liệu bảng

37

3.4.2.2. Kiểm định đa cộng tuyến (Multicollinearity test)

Một trong các giả định của mô hình hồi quy tuyến tính cổ điển là các biến giải thích

(biến độc lập) phải độc lập với nhau. Nếu các biến độc lập trong một mô hình hồi quy

đa biến có mối liên hệ cao, tương quan lớn thì sẽ xảy ra vấn đề đa cộng tuyến. Đa cộng

tuyến làm cho các hệ số hồi quy có sai số chuẩn tương đối lớn so với giá trị của các hệ

số. Thậm chí, trong một vài trường hợp, mặc dù các hệ số hồi quy không mang ý nghĩa thống kê nhưng đa cộng tuyến làm cho độ tương thích của mô hình (R2) vẫn ở mức rất

cao.

Để kiểm tra đa cộng tuyến, tác giả sử dụng ma trận tương quan (correlation matrix).

Theo quy ước thông thường được chấp nhận, nếu sự tương quan giữa hai biến độc lập

lớn hơn 0.5 thì xem như mô hình hồi quy gặp phải vấn đề đa cộng tuyến.

Có một vài cách có thể được sử dụng để xử lý vấn đề đa cộng tuyến. Thứ nhất, ta có

thể loại bỏ các biến cộng tuyến với nhau ra khỏi mô hình. Một cách khác là biến đổi

các biến tương quan cao thành dạng tỷ số hoặc tăng độ lớn mẫu thống kê. Cách cuối

cùng là không thay đổi gì cả nếu mỗi hệ số đều có độ lớn và dấu phù hợp.

3.4.2.3. Các kiểm định nhằm tìm ra phƣơng pháp hồi quy dữ liệu bảng phù hợp

nhất: Mô hình Pooled OLS, Ảnh hƣởng cố định, Ảnh hƣởng ngẫu nhiên

Phương pháp pooled OLS là phương pháp ước lượng bình phương nhỏ nhất thông

thường được áp dụng cho dữ liệu vừa có tính chất là dữ liệu chéo (cross-sectional) vừa

có tính chất chuỗi thời gian (time series). Pooled OLS giả định rằng các hằng số và hệ

số góc thì không đổi theo thời gian và không đổi giữa các cá thể. Do đó, phương pháp

pooled OLS không kể đến việc khác nhau giữa các các thể và sự thay đổi theo thời

gian.

Ngược lại, mô hình ảnh hưởng cố định lại kể đến tính đặc thù của các cá thể. Nếu ảnh

hưởng đặc thù của các cá thể không được phát hiện nhưng nó lại tương quan với các

38

biến độc lập thì ước lượng bình phương nhỏ nhất sẽ không khách quan và không nhất

quán. Mô hình ảnh hưởng cố định giả định rằng sự khác biệt cá thể được phản ánh lên

các giao điểm tọa độ, có nghĩa là mỗi cá thể có một hằng số cố định riêng mặc dù hệ số

góc của chúng giống nhau. Mô hình ảnh hưởng cố định kiểm soát các yếu tố đặc thù

không đổi theo thời gian bằng cách loại bỏ chúng ra khỏi mô hình để chúng ta có thể

đánh giá được ảnh hưởng đơn thuần của các biến độc lập lên biến phụ thuộc.

Tương phản với mô hình ảnh hưởng cố định, mô hình ảnh hưởng ngẫu nhiên giả định

rằng các hiệu ứng đặc thù được phản ánh bới một biến ngẫu nhiên, không liên hệ với

các biến độc lập. mô hình này cho phép ước lượng được các yếu tố đặc thù đã bị loại

bỏ khỏi trong mô hình ảnh hưởng cố định.

Để lựa chọn được phương pháp phân tích hồi quy phù hợp nhất cho dữ liệu bảng, các

kiểm định F, kiểm định nhân tử Lagrange và kiểm định Hausman được sử dụng.

Đầu tiên, kiểm định F được tiến hành để chọn giữa phương pháp pooled OLS và

phương pháp ảnh hưởng cố định. Theo giả thiết Ho của F-test, các hằng số (phản ánh

tính đặc thù) thì giống nhau giữa các cá thể, đơn vị. Nếu giả thiết Ho bị bác bỏ, phương

pháp ảnh hưởng cố định được cho là phù hợp hơn.

Trong trường hợp giả thiết Ho không bị bác bỏ và phương pháp pooled OLS được lựa

chọn, chúng ta nên tiến hành kiểm định nhân tử Lagrange để kiểm tra xem phương

pháp pooled OLS hay phương pháp ảnh hưởng ngẫu nhiên thì phù hợp hơn. Giả thiết

Ho được đưa ra là phương sai giữa các cá thể bằng 0. Nếu giả thiết này không bị bác

bỏ, phương pháp pooled OLS sẽ được chọn vì là phương pháp phù hợp nhất. Ngược

lại, phương pháp pháp ảnh hưởng ngẫu nhiên sẽ được chọn.

Nếu kết quả của kiểm định F và kiểm định nhân tử Lagrange cho ảnh hưởng ngẫu

nhiên đều mang ý nghĩa thống kê, ta sẽ tiến hành kiểm định Hausman để chọn giữa

phương pháp ảnh hưởng cố định và ảnh hưởng ngẫu nhiên. Giả thiết Ho cho kiểm định

này là không có sự khác biệt giữa các hệ số ước lượng của phương pháp ảnh hưởng cố

39

định và ảnh hưởng ngẫu nhiên. Nếu giả thiết Ho bị bác bỏ, có thể kết luận rằng phương

pháp ảnh hưởng cố định thì hiệu quả hơn, và ngược lại.

Sau khi tiến hành các kiểm định này, phương pháp phân tích dữ liệu bảng phù hợp và

hiệu quả nhất sẽ được lựa chọn.

3.4.2.4. Kiểm định chẩn đoán phƣơng sai thay đổi và sự tự tƣơng quan

3.4.2.4.1. Kiểm định chẩn đoán phƣơng sai thay đổi: kiểm định Breusch-Pagan

Một trong các giả định của mô hình hồi quy tuyến tính cổ điển là phương sai của sai số

phải không đổi. Một khi vấn đề phương sai thay đổi xảy ra, các ước lượng vẫn khách

quan và nhất quán, tuy nhiên lại kém hiệu quả vì phương sai giữa các ước lượng này

không còn là con số nhỏ nhất. Từ đó, các sai số chuẩn không còn đáng tin cậy, có thể

quá lớn hoặc quá nhỏ, làm cho các kết luận trở nên không chính xác.

Hai kiểm định được dùng phổ biến để chẩn đoán đoán phương sai thay đổi là kiểm định

White và kiểm định Breusch-Pagan. Tuy nhiên do mẫu thống kê của nghiên cứu này

không quá lớn nên kiểm định Breusch-Pagan sẽ phù hợp hơn. Giả thiết Ho là phương

sai của các sai số thì đồng nhất. Nếu Ho bị bác bỏ, chứng tỏ rằng có tồn tại vấn đề

phương sai thay đổi trong mẫu dữ liệu.

3.4.2.4.2. Kiểm định chẩn đoán tự tƣơng quan: kiểm định Wooldridge

Sự tự tương quan xảy ra khi hiệp phương sai giữa các sai số theo thời gian hoặc giữa

các cá thể khác không, hay nói cách khác hiệp phương sai giữa các sai số có sự tương

quan với nhau. Hậu quả của vấn đề này cũng tương tự như vấn đề phương sai thay đổi

đã nêu ở trên, làm cho các ước lượng trở nên kém hiệu quả.

Kiểm định Wooldridge nhằm kiểm định sự tự tương quan bậc nhất (first order

autocorrelation). Dưới giả thiết Ho, các sai số không tương quan với các giá trị trước

đó gần nhất của nó. Giả thiết Ho bị bác bỏ cho thấy sự tồn tại sự tự tương quan.

40

3.4.2.4.3. Các biện pháp khắc phục cho vấn đề phƣơng sai thay đổi và tự tƣơng

quan

Trong trường hợp có tồn tại vấn đề phương sai thay đổi và tự tương quan, ta có thể

dùng ước lượng sai số chuẩn White (White’s standard error estimates) và ước lượng sai

số chuẩn Rogers (Rogers’s standard error estimates) để khắc phục, nhằm làm cho kết

quả ước lượng trở nên chính xác hơn.

41

C ƢƠNG 4: PHÂN TÍCH DỮ LIỆU

4.1. Thống kê mô tả

Bộ dữ liệu phục vụ cho nghiên cứu bao gồm 298 quan sát, được lấy từ 45 công ty thuộc

ngành logistics tại Việt Nam, cho giai đoạn 7 năm từ năm 2011 đến năm 2017.

Thống kê mô tả cho toàn bộ mẫu dữ liệu giai đoạn 2011-2017 được trình bày trong

Bảng 4.1.

Bảng 4.1. Thống kê mô tả các biến

Biến (Variable)

Số quan sát (Obs)

Trung bình (Mean)

Sai số chuẩn (Std. Dev.)

Giá trị nhỏ nhất (Min)

Giá trị lớn nhất (Max)

298

0.1108081

0.1078704

-0.1189679

0.7168318

ROA

298

0.0499326

0.0647376

0

0.4337961

SDA

298

0.1035493

0.1372620

0

0.6029061

LDA

298

0.1534818

0.1674745

0

0.6160223

DA

298

0.3160193

0.1995693

-0.0255566

1.0570230

CEE

298

3.0105540

2.6643440

-0.2751975

28.051110

HCE

298

0.5877574

0.461751

0.1113283

6.4847570

SCE

298

3.9143310

2.7765390

1.0613030

29.237470

VAIC

298

11.652600

0.5667879

10.605450

13.052740

SIZE

298

0.5682962

7.3972840

-0.8509265

127.45790

SG

Biến (Variable)

Phân vị thứ 10 (10th percentile)

Trung vị (Median)

Số quan sát (Obs)

Phân vị thứ 25 (25th percentile)

Phân vị thứ 75 (75th percentile)

298

0.0881657

0.1320297

0.0189191

0.0479915

ROA

298

0

0

0.0235118

0.0806657

SDA

298

0

0

0.0274555

0.1869669

LDA

298

0

0

0.0873524

0.2801355

DA

298

0.1336282

0.2006985

0.2677385

0.3655390

CEE

298

1.3916290

1.5690230

2.4029550

3.4691960

HCE

298

0.2875876

0.3757021

0.5878578

0.7145680

SCE

298

2.0254510

2.3976180

3.3445280

4.4905900

VAIC

298

11.000950

11.297750

11.544000

11.955810

SIZE

298

-0.1373948

-0.0253363

0.1004079

0.2198442

SG

42

4.1.1. Tỷ suất sinh lời trên tổng tài sản (ROA)

Bảng 4.2. Thống kê mô tả biến ROA - Tỷ suất sinh lời trên tổng tài sản

ROA

Percentiles

Smallest

1%

-0.0739758

-0.1189679

5%

0.0021406

-0.0847381

10%

0.0189191

-0.0739758

298

Obs

25%

0.0479915

-0.0638180

298

Sum of Wgt.

50%

0.0881657

0.1108081

Mean

0.1078704

Largest

Std. Dev.

75%

0.1320297

0.5523390

90%

0.2422193

0.5797314

0.0116360

Variance

95%

0.2985788

0.6023404

2.2389630

Skewness

99%

0.5797314

0.7168318

10.442340

Kurtosis

Từ Bảng 4.2 có thể thấy các công ty thuộc ngành logistics Việt Nam có tỷ suất sinh lời

trên tổng tài sản (ROA) trung bình ở mức 11.08%. Giá trị trung vị (median) ROA ở

mức 0.0881657 cho thấy rằng 50% trong tổng số các (quan sát mẫu) doanh nghiệp

trong ngành có tỷ suất ROA không vượt quá 8.82%. Phân vị thứ 10 nhận một giá trị

dương 0.0189191 cũng ngụ ý rằng ít nhất 90% số công ty trong mẫu thống kê hoạt

động kinh doanh có lời với ROA trên 1.89%, không rơi vào tình trạng thua lỗ. Đáng

chú ý nhất là Công ty cổ phần Dịch vụ Hàng hóa Nội Bài với tỷ lệ ROA luôn trên mức

50% trong giai đoạn từ 2011 đến 2017, đỉnh điểm đạt 71.68% vào năm 2013. Trong

khi đó, Công ty cổ phần PGT Holdings là công ty có tỷ suất sinh lời trên tổng tài sản

thấp nhất với một tỷ số âm khá lớn, lên đến -11.897% vào năm 2017 và -7.398% vào

năm 2016. Độ lệch chuẩn 10.787% cho thấy có sự khác biệt tương đối lớn giữa tỷ suất

ROA của các công ty trong cùng ngành qua các năm.

43

80.000%

71.683%

60.000%

40.000%

Min

20.000%

Max

-11.897%

0.000%

-20.000%

Hình 4.1. Giá trị cao nhất và thấp nhất của ROA giai đoạn 2011-2017

Sự thay đổi tỷ suất sinh lời trên tổng tài sản trung bình từ năm 2011 đến năm 2017

được trình bày ở Hình 4.2. Có thể thấy giai đoạn này lại được chia nhỏ thành hai giai

đoạn với hai xu hướng tăng trưởng khác nhau mà cột mốc là năm 2014: giai đoạn

2011-2014 với đường ROA dốc nhẹ lên; và giai đoạn 2014-2017 với đường ROA dốc

xuống. Như vậy, nếu xem ROA là một chỉ số đo thành quả công ty thì thông qua tỷ số

ROA trung bình ngành, có thể nhận định rằng các công ty logistics Việt Nam hoạt

động kém hiệu quả hơn kể từ thời điểm năm 2014 trở về sau.

Tỷ suất 0.14

0.12

0.10

0.08

0.06

0.04

ROA trung bình

0.02

0.00

Năm

2011

2012

2013

2014

2015

2016

2017

Hình 4.2. ROA trung bình ngành logistics (mẫu thống kê) cho giai đoạn 2011-2017

44

4.1.2. Tỷ lệ nợ ngắn hạn trên tổng vốn (SDA), Tỷ lệ nợ dài hạn trên tổng vốn

(LDA), Tỷ lệ tổng nợ trên tổng vốn (DA)

Thống kê mô tả chi tiết cho các biến tỷ lệ nợ ngắn hạn trên tổng vốn (SDA), tỷ lệ nợ

dài hạn trên tổng vốn (LDA), tỷ lệ tổng nợ trên tổng vốn (DA) được thể hiện ở Bảng

4.3, Bảng 4.4 và Bảng 4.5.

Bảng 4.3. Thống kê mô tả biến SDA - tỷ lệ nợ ngắn hạn trên tổng vốn

SDA

Percentiles

Smallest

0

0

1%

0

0

5%

0

0

10%

298

Obs

0

0

25%

298

Sum of Wgt.

0.0235118

50%

0.0499326

Mean

0.0647376

Largest

Std. Dev.

0.0806657

0.2427431

75%

0.1305909

0.2745496

90%

0.0041910

Variance

0.1791784 0.2745496

0.4044033 0.4337961

95% 99%

2.0657660 9.7049830

Skewness Kurtosis

Bảng 4.4. Thống kê mô tả biến LDA - tỷ lệ nợ dài hạn trên tổng vốn

LDA

Percentiles

Smallest

0

0

1%

0

0

5%

0

0

10%

298

Obs

0

0

25%

298

Sum of Wgt.

0.0274555

50%

0.1035493

Mean

0.1372620

Std. Dev.

Largest

0.1869669

0.5436917

75%

0.3027191

0.5732195

90%

0.0188409

Variance

0.3789541

0.5892757

95%

1.4057120

Skewness

0.5732195

0.6029061

99%

4.4376580

Kurtosis

45

Bảng 4.5. Thống kê mô tả biến DA - tỷ lệ tổng nợ trên tổng vốn

DA

Percentiles

Smallest

0

1%

0

0

5%

0

0

10%

0

298

Obs

0

25%

0

298

Sum of Wgt.

50%

0.0873524

0.1534818

Mean

0.1674745

Largest

Std. Dev.

75%

0.2801355

0.5979265

90%

0.3909958

0.6010393

0.0280477

Variance

95%

0.4856355

0.6108135

0.8477612

Skewness

99%

0.6010393

0.6160223

2.6873220

Kurtosis

Qua các thống kê mô tả trên, có thể thấy các công ty ngành logistics sở hữu một cấu

trúc vốn trung bình tương đối thấp với DA trung bình ở mức 15.348%, trong đó

4.993% đến từ tỷ lệ nợ vay ngắn hạn trên tổng tài sản và 10.355% đến từ tỷ lệ nợ vay

dài hạn trên tổng tài sản. Như vậy, nợ dài hạn được các công ty logistics ưa thích sử

dụng hơn và bằng gấp đôi nợ ngắn hạn. Hình 4.3 bên dưới cho thấy cấu trúc vốn trung

bình của các công ty logistics Việt Nam khá ổn định trong giai đoạn từ năm 2011 đến

năm 2017.

46

100%

90%

80%

70%

60%

82.47%

84.57%

84.80%

84.78%

84.83%

85.38%

85.48%

50%

40%

30%

20%

10%

17.53%

15.43%

15.22%

15.20%

15.17%

14.62%

14.52%

0%

2011

2012

2013

2014

2015

2016

2017

Tổng nợ

Tổng VCSH

Hình 4.3. Cấu trúc vốn trung bình năm của các công ty logistics Việt Nam, giai đoạn 2011-2017 (tỷ lệ trung bình % tổng nợ và % tổng vốn chủ sở hữu trên tổng tài sản)

Tỷ lệ 15.348% tổng nợ trên tổng vốn là tương đối thấp so với cấu trúc vốn trung bình

của các công ty Việt Nam từ năm 2006 đến 2015 theo nghiên cứu của Vo (2017). Theo

Vo (2017), tỷ lệ tổng nợ trên tổng tài sản (TDTA) trung bình của các công ty Việt Nam

là 47.81%, trong đó tỷ lệ nợ dài hạn trên tổng tài sản (LTDTA) và tỷ lệ nợ ngắn hạn

trên tổng tài sản (STDTA) lần lượt là 11.69% và 36.12%. Có thể thấy các công ty

logistics Việt Nam sử dụng nợ vay dài hạn gần tương đương với các công ty Việt Nam

khác, tuy nhiên mức sử dụng nợ ngắn hạn lại thấp hơn nhiều. Xét trong hệ quy chiếu

với các nước đang phát triển khác, theo nghiên cứu của Booth và cộng sự (2001), tỷ lệ

sử dụng đòn bẫy của các công ty Việt Nam ở mức trung bình, cao hơn các nước Nam

Mỹ như Brazil (30.3%-30.7%), Mexico (34.7%-35.4%), nhưng lại thấp hơn các nước

đang phát triển ở châu Á như Ấn Độ (66.1%-67.1%), Hàn Quốc (73.4%-72.8%), Thái

Lan (49.4%-50.9%).

47

Điều đáng ngạc nhiên là các phân vị thứ nhất, thứ 5, thứ 10, thứ 25 của các tỷ số SDA,

LDA, DA đều nhận giá trị 0. Mô tả này cho thấy rằng có đến ít nhất 25% số công ty

logistics tại Việt Nam qua các năm trong mẫu dữ liệu duy trì một cấu trúc tài chính

hoàn toàn không sử dụng nợ vay, mà ngược lại, chỉ dùng vốn chủ sở hữu để tài trợ cho

các hoạt động vận hành và đầu tư của công ty (thống kê ở Bảng 4.6).

Bảng 4.6. Tổng hợp các công ty logistics không sử dụng nợ vay tại các thời điểm được thống kê, giai đoạn 2011-2017

Tên công ty

Giai đoạn

CTCP Dịch vụ Bến Thành

2013-2017

ã chứng khoán BSC

CTCP Cảng Cát Lái

2017

CLL

CTCP Cảng Đoạn Xá

2012-2017

DXP

CTCP Vận tải Sản Phẩm Khí Quốc tế

2017

GSP

CTCP Thương mại Dịch vụ Vận tải Xi măng Hải Phòng

2014

HCT

CTCP Hải Minh

2012-2017

HMH

CTCP Vận tải Hà Tiên

HTV

2011-2012; 2015-2017

CTCP Dịch vụ Hàng hóa Nội Bài

2011-2017

NCT

CTCP PGT Holdings

2015-2017

PGT

CTCP Vận tải Xăng dầu đường Thủy Petrolimex

2011-2012

PJT

CTCP Vận tải và Dịch vụ Petrolimex Hải Phòng

2015

PTS

CTCP Đại lý Vận tải SAFI

2014-2017

SFI

CTCP Tàu cao tốc Superdong - Kiên Giang

2011-2017

SKG

CTCP Kho vận Miền Nam

2011-2014

STG

CTCP Vận tải Đa phương thức Duyên Hải

2016-2017

TCO

CTCP Cáp treo Núi Bà Tây Ninh

2011-2017

TCT

CTCP Cảng Rau Quả

2015-2016

VGP

CTCP Phát triển Hàng Hải

2011-2017

VMS

CTCP Logistics Vinalink

2011-2017

VNL

CTCP Giao nhận Vận tải Ngoại thương

2011-2014

VNT

CTCP Bến xe Miền Tây

2011-2017

WCS

48

Cấu trúc vốn giữa các công ty trong cùng ngành logistics có biên độ dao động khá lớn,

nhỏ nhất ở mức 0 và cao nhất ở mức trên 60%, như minh họa bằng biểu đồ ở Hình 4.4

bên dưới. Theo đó, công ty có tỷ lệ nợ vay trên tổng vốn cao nhất là Công ty cổ phần

70%

61.602%

60.291%

60%

50%

43.380%

40%

Min=0

30%

Max

20%

10%

0%

SDA

LDA

DA

Kho vận Miền Nam, với DA = 61.602%.

Hình 4.4. Giá trị cao nhất và thấp nhất của SDA, LDA, DA giai đoạn 2011-2017

4.1.3. Hiệu quả vốn sử dụng (CEE), Hiệu quả vốn nhân lực (HCE), Hiệu quả vốn

cấu trúc (SCE), Hệ số trí tuệ giá trị gia tăng (VA C)

Thống kê mô tả chi tiết cho các biến hiệu quả vốn sử dụng (CEE), hiệu quả vốn nhân

lực (HCE), hiệu quả vốn cấu trúc (SCE) được thể hiện ở Bảng 4.7, Bảng 4.8 và Bảng

4.9.

49

Bảng 4.7. Thống kê mô tả biến CEE - hiệu quả vốn sử dụng

CEE

Smallest -0.0255566 -0.0113691 0.0091450 0.0106532

1% 5% 10% 25% 50%

Percentiles 0.0091450 0.0858623 0.1336282 0.2006985 0.2677385

298 298 0.3160193 0.1995693

Obs Sum of Wgt. Mean Std. Dev.

75% 90% 95%

0.3655390 0.6107152 0.8431469

Largest 1.0117160 1.0369710 1.0383790

0.0398279 1.6713840

Variance Skewness

99%

1.0369710

1.0570230

5.9816940

Kurtosis

Bảng 4.8. Thống kê mô tả biến HCE - hiệu quả vốn nhân lực

HCE

Smallest -0.2751975 -0.1823235 0 1.1252750

1% 5% 10% 25% 50%

Percentiles 0 1.250607 1.391629 1.569023 2.402955

298 298 3.0105540 2.6643440

Obs Sum of Wgt. Mean Std. Dev.

75% 90% 95% 99%

3.469196 5.081128 7.098720 14.73606

7.0987300 4.9009010 37.8149800

Variance Skewness Kurtosis

Largest 12.5197000 14.7360600 21.6629200 28.0511100

Bảng 4.9. Thống kê mô tả biến SCE - hiệu quả vốn cấu trúc

SCE

1% 5% 10%

Percentiles 0.1257607 0.2532590 0.2875876

Smallest 0.1113283 0.1224309 0.1257607

298

25%

0.3757021

0.1372837

298

50%

0.5878578

0.5877574 0.4617510

Obs Sum of Wgt. Mean Std. Dev.

75% 90% 95% 99%

0.7145680 0.8087446 0.8699830 1

Largest 0.9643508 1 4.633754 6.484757

0.2132140 9.2394540 109.86540

Variance Skewness Kurtosis

50

Dựa trên kết quả mô tả, có thể thấy tương phản rất lớn giữa chỉ số trung bình (mean)

của hiệu quả vốn sử dụng CEE (0.3160), hiệu quả vốn cấu trúc SCE (0.5878) với hiệu

quả vốn nhân lực HCE (3.0106). Kết quả này cũng nhất quán với mô tả số liệu trong

nghiên cứu của Firer và Williams (2003) cho mẫu dữ liệu gồm 75 công ty thuộc ngành

trí thức cao ở Nam Phi, khi mà CEE và SCE trung bình đều nhỏ hơn 1 và HCE lớn hơn

1. Tuy nhiên, hiệu quả vốn nhân lực HCE của các công ty logistics Việt Nam (3.0106)

có phần cao hơn nhiều so với các công ty thuộc đối tượng nghiên cứu của Firer và

3.50

3.0106

3.00

2.50

2.00

1.50

1.00

0.5878

0.3160

0.50

0.00

CEE (Hiệu quả vốn sử dụng)

HCE (Hiệu quả vốn nhân lực)

SCE (Hiệu quả vốn cấu trúc)

Williams (2003) tại Nam Phi (2.078).

Hình 4.5. Giá trị trung bình của CEE, HCE, SCE giai đoạn 2011-2017

Hiệu quả vốn sử dụng CEE dao động từ -0.0255 (Công ty cổ phần PGT Holdings, năm

2017) đến 1.0570 (Công ty cổ phần Ánh Dương Việt Nam, năm 2015). Độ lệch chuẩn

của CEE ở mức 0.1996.

Trong khi đó, độ lệch chuẩn của biến hiệu quả vốn nhân lực HCE khá lớn, lên đến

2.66, chứng tỏ tỷ lệ này của các công ty logistics dao động ở một biên độ khá rộng.

Công ty có tỷ lệ HCE cao nhất là Công ty cổ phần Container Việt Nam (28.0511, năm

51

2014) và công ty có tỷ lệ HCE thấp nhất là Công ty cổ phần PGT Holdings (-0.2752,

năm 2017).

Theo Pulic (2000), hệ số giá trị gia tăng VAIC là tổng của các tỷ lệ CEE, HCE và SCE.

Mô tả chi tiết cho biến VAIC được trình bày ở Bảng 4.10 bên dưới.

Bảng 4.10. Thống kê mô tả biến VAIC - hệ số giá trị gia tăng

VAIC

Smallest 1.061303 1.284204 1.375037 1.420403

1% 5% 10% 25% 50%

Percentiles 1.375037 1.770106 2.025451 2.397618 3.344528

298 298 3.914331 2.776539

Obs Sum of Wgt. Mean Std. Dev.

75% 90% 95% 99%

4.490590 6.307752 8.093737 15.874470

Largest 13.630360 15.874470 22.829560 29.237470

7.709171 4.534160 33.849110

Variance Skewness Kurtosis

Theo mô tả trên, hệ số giá trị gia tăng có giá trị trung bình ở mức 3.9143 và có một độ

lệch chuẩn khá lớn (2.7765). Công ty có hệ số giá trị gia tăng đứng đầu ngành là Công

ty cổ phần Container Việt Nam (29.2375, năm 2014) và thấp nhất ngành là Công ty cổ

phần Phát triển Hàng Hải (1.0613, năm 2011). Top các công ty có chỉ số VAIC vượt

trội (lớn hơn 10) được liệt kê tóm tắt trong Bảng 4.11.

Bảng 4.11. Danh sách các công ty logistics có chỉ số VAIC cao vượt trội (VAIC>10), giai đoạn 2011-2017

Tên công ty

Giai đoạn

ã chứng khoán

VAIC (làm tròn 2 chữ số thập phân)

CLL HAH HMH SKG VSC

CTCP Cảng Cát Lái CTCP Vận tải và Xếp dỡ Hải An CTCP Hải Minh CTCP Tàu cao tốc Superdong - Kiên Giang CTCP Container Việt Nam

2011-2012 2012-2015 2011 2015-2016 2014

11.89 - 15.87 11.28 - 13.63 22.83 10.93 - 11.15 29.24

52

4.1.4. Quy mô công ty và tăng trƣởng doanh thu

Quy mô công ty (được xử lý bằng cách lấy log của tổng tài sản) có sự chênh lệch khá

nhiều đối với các công ty khác nhau, dao động từ 10.60545 đến 13.05274. Số liệu tuyệt

đối trước xử lý của tổng tài sản các công ty nằm trong biên độ từ vài chục tỷ đến hàng

chục ngàn tỷ đồng. Top 4 các công ty logistics niêm yết có tài sản đồ sộ nhất là Công

ty cổ phần Gemadept (GMD), Tổng Công ty cổ phần Vận tải Dầu khí (PVT), Công ty

cổ phần Cảng Hải Phòng (PHP), Công ty cổ phần Vận tải Biển Việt Nam (VOS). Còn

lại, có rất nhiều công ty logistics có quy mô nhỏ đang hoạt động tại Việt Nam, tuy

nhiên không niêm yết hoặc không đủ điều kiện để niêm yết trên sàn chứng khoán nên

chưa thể bao gồm trong dữ liệu nghiên cứu này.

Bảng 4.12. Thống kê mô tả biến SIZE – Quy mô công ty

SIZE

Percentiles 10.630850 10.727950 11.000950 11.297750

Smallest 10.605450 10.625410 10.630850 10.640320

298 298

Obs Sum of Wgt.

1% 5% 10% 25% 50%

11.544000

11.652600 0.5667879

Mean Std. Dev.

75% 90% 95% 99%

11.955810 12.447570 12.731430 12.984800

Largest 12.979900 12.984800 13.005090 13.052740

0.3212486 0.4717179 2.804089

Variance Skewness Kurtosis

Về tăng trưởng doanh thu, các công ty trong mẫu nghiên cứu có tỷ lệ tăng trưởng

doanh thu trung bình 56.83%. Tuy nhiên, giá trị trung vị chỉ ở mức 10.04%, đại diện

cho tỷ lệ tăng trưởng doanh thu của một nửa số công ty trong mẫu dữ liệu. Tăng trưởng

doanh thu cao đột biến năm 2017 (tăng 127.46 lần so với doanh thu năm 2016) của

Công ty cổ phần Cảng Rau Quả (VGP) đã làm khuếch đại tỷ lệ tăng trưởng doanh thu

trung bình của toàn ngành. Mức tăng trưởng doanh thu khủng của VGP cũng xảy ra

đồng thời với tăng trưởng tài sản đột biến 21.19 lần vào năm 2017 của công ty.

53

Bảng 4.13. Thống kê mô tả biến SG – Tăng trưởng doanh thu

SG

Percentiles

-0.5227056 -0.2335240 -0.1373948 -0.0253363

Smallest -0.8509265 -0.7095201 -0.5227056 -0.4985583

298 298

Obs Sum of Wgt.

0.1004079

1% 5% 10% 25% 50%

0.5682962 7.3972840

Mean Std. Dev.

0.2198442 0.3629612 0.4760118

75% 90% 95%

Largest 1.3494710 2.4626320 8.6792950

54.7198100 17.0270200

Variance Skewness

99%

2.4626320

127.4579000

292.4997000

Kurtosis

4.2. Kiểm định đa cộng tuyến (Phân tích hệ số tƣơng quan)

Như đã đề cập ở phần 3.4.2.2., trong nghiên cứu này, ma trận tương quan được sử dụng

để kiểm định đa cộng tuyến. Kết quả kiểm định được trình bày trong Bảng 4.14.

Bảng 4.14. Ma trận tương quan của các biến độc lập

SDA LDA DA CEE HCE SCE VAIC SIZE SG

-0.0926 1.0000

0.1445 -0.1747 0.1462 0.0346 0.1335 1.0000 -0.0904 0.0465 0.0325 0.0435 0.0927 1.0000 SDA 1.0000 LDA 0.2822 1.0000 0.6179 0.9287 1.0000 DA -0.2361 -0.2025 -0.2573 1.0000 CEE -0.0026 0.0148 0.0112 HCE -0.0243 -0.0214 -0.0270 -0.1881 0.1994 1.0000 SCE VAIC -0.0235 -0.0039 -0.0123 -0.0482 0.9861 0.3441 1.0000 SIZE 0.2074 0.5631 0.5416 -0.0450 0.0190 SG

Kết quả phân tích hệ số tương quan cho thấy hầu hết giữa các cặp biến độc lập có mối

tương quan rất thấp (ρ<0.3), trừ các trường hợp sau đây:

54

 Hệ số tương quan giữa DA với SDA (ρ=0.6179), giữa DA với LDA (ρ=0.9287) khá

cao, với lý do SDA và LDA là một phần của DA. Hơn nữa, SDA và LDA cũng

không xuất hiện chung trong một phương trình hồi quy, như đã nêu ở mục 3.4.1.

 Tương tự, hệ số tương quan giữa VAIC với HCE cũng rất cao (ρ=0.9861) vì HCE là

một nhân tố thành phần của VAIC. Mặt khác, VAIC và HCE cũng không xuất hiện

chung trong một phương trình hồi quy, như đã nêu ở mục 3.4.1.

 Hệ số tương quan giữa biến SIZE và DA (ρ=0.5416), giữa SIZE và LDA (ρ=0.5631)

ở ngưỡng trên 0.5 cũng được cho là có dấu hiệu của đa cộng tuyến. Để giải quyết vấn

đề đa cộng tuyến này, biến SIZE sẽ bị loại bỏ khỏi các phương trình (1a) và (1b) đã

nêu ở mục phần 3.4.1, tức các phương trình hồi quy kiểm định tác động cấu trúc vốn

lên hiệu quả tài chính công ty.

4.3. Phân tích hồi quy

4.3.1. Tác động của cấu trúc vốn đến tỷ suất sinh lời trên tổng tài sản (ROA) –

Phƣơng trình (1a) và (1b)

Như đã nêu ở mục 3.4.1, phương trình hồi quy (1a) và (1b) được thiết lập để kiểm tra

tác động của cấu trúc vốn đến thành quả công ty. Cụ thể, phương trình (1a) kiểm định

mối quan hệ giữa tỷ lệ tổng nợ trên tổng vốn (DA) và tỷ suất sinh lời trên tổng tài sản

(ROA), còn phương trình (1b) kiểm định tác động của các nhân tố thành phần của DA,

tức tỷ lệ nợ ngắn hạn trên tổng vốn (SDA) và tỷ lệ nợ dài hạn trên tổng vốn (LDA), lên

ROA.

Phƣơng trình (1a): ROAit = β0 + β1DAit + β2Sizeit + β3SGit + uit

Phƣơng trình (1b): ROAit = β0 + β1SDAit + β2LDAit+ β3Sizeit + β4SGit + uit

Tuy nhiên, do vấn đề đa cộng tuyến xảy ra giữa biến SIZE và DA, giữa SIZE và LDA

(theo kết quả phân tích hệ số tương quan ở mục 4.2) nên biến SIZE sẽ bị loại ra khỏi

55

hai phương trình trên. Vì biến SIZE (đo lường quy mô công ty) chỉ là biến kiểm soát

được thêm vào để tăng tính giải thích cho mô hình nên việc loại bỏ biến SIZE ra khỏi

phương trình hồi quy (1a) và (1b) cũng không làm ảnh hưởng đến vấn đề cần nghiên

cứu. Phương trình (1a) và (1b) được viết lại dưới dạng sau:

Phƣơng trình (1a) điều chỉnh: ROAit = β0 + β1DAit + β2SGit + uit

Phƣơng trình (1b) điều chỉnh: ROAit = β0 + β1SDAit + β2LDAit+ β3SGit + uit

Như đã trình bày ở mục 3.4.2.3, các kiểm định F, kiểm định Lagrangian và kiểm định

Hausman sẽ được dùng để tìm ra phương pháp hồi quy dữ liệu bảng phù hợp nhất trong

ba phương pháp: Pooled OLS, Ảnh hưởng cố định, Ảnh hưởng ngẫu nhiên.

Đầu tiên, xét kết quả phân tích hồi quy cho phương trình (1a), được trình bày tóm tắt ở

Bảng 4.15 bên dưới. Với kiểm định F, giá trị p=0.0000 chứng tỏ phương pháp ảnh

hưởng cố định (FE) là phù hợp hơn so với phương pháp Pooled OLS. Tiếp đến, kiểm

định Hausman được tiến hành để chọn giữa hai phương pháp ảnh hưởng cố định (FE)

và ảnh hưởng ngẫu nhiên (RE). Giá trị p=0.4298 cho kiểm định Hausman cho thấy

phương pháp ảnh hưởng ngẫu nhiên (RE) là phương pháp hồi quy phù hợp nhất. Tuy

nhiên, mô hình hồi quy này lại tồn tại vấn đề phương sai thay đổi. Do đó, phương pháp

cluster đã được dùng để khắc phục vấn đề này.

Hệ số hồi quy cho các biến độc lập đều có ý nghĩa thống kê ở mức 1%, trong đó hệ số

của biến DA là -0.1391, hệ số của biến SG là -0.0006. Qua đó cho thấy tỷ lệ tổng nợ

trên tổng vốn (DA) có tác động tiêu cực đến tỷ suất sinh lời trên tổng tài sản (ROA).

Tương tự, mối quan hệ nghịch chiều cũng xảy ra đối với biến tăng trưởng doanh thu

(SG) và ROA.

56

Bảng 4.15. Kết quả phân tích hồi quy cho phương trình (1a) – Tác động của DA lên ROA

(Nguồn: trích xuất kết quả phân tích từ phần mềm Stata 13.0, tổng hợp bởi tác giả)

Phƣơng trình (1a): ROAit = β0 + β1DAit + β2SGit + uit

Pooled OLS

Ảnh hƣởng cố định (FE)

Ảnh hƣởng ngẫu nhiên (RE)

Ảnh hƣởng ngẫu nhiên (dùng cluster khắc phục khuyết tật mô hình)

TÊN BIẾN

ệ số β

-0.2562***

p-value ệ số β 0.000

-0.1304***

p-value ệ số β 0.000

-0.1391***

p-value 0.000

ệ số β -0.1391***

p-value 0.000

DA

(0.0344)

(0.0263)

(0.0254)

SG

-0.0007 (0.0008)

0.399

-0.0006* (0.0003)

0.054

-0.0006* (0.0003)

0.053

0.000

(0.0204) -0.0006*** (0.0000)

Constant (hằng số)

0.1505 (0.0078)

0.000

0.1312 (0.0046)

0.000

0.1288 (0.0149)

0.000

0.000

0.1288 (0.0156)

0.1610

0.1595

0.1599

0.1599

R-squared

F-test

F(44, 251) = 38.88 Pro > F = 0.0000

chi2 (2) = 1.69 Prob > chi2 = 0.4298

Hausman- test

iểm định khuyết tật mô hình

Đã khắc phục PSTĐ

Prob > chi2 = 0.0000 (có hiện tượng PSTĐ)

Phương sai thay đổi (PSTĐ)

tương

Pro > F = 0.0956 (không có hiện tượng TTQ)

Tự quan (TTQ)

Ghi chú:

 Giá trị sai số chuẩn được thể hiện trong dấu ngoặc đơn

 Ký hiệu * thể hiện các mức ý nghĩa thống kê

(*** p<0.01, ** p<0.05, * p<0.1)

 Số liệu được làm tròn bốn chữ số thập phân

Tiếp theo, xét kết quả phân tích hồi quy cho phương trình (1b), được trình bày tóm tắt

ở Bảng 4.16 bên dưới.

57

Bảng 4.16. Kết quả phân tích hồi quy cho phương trình (1b) – Tác động của SDA và LDA lên ROA

(Nguồn: trích xuất kết quả phân tích từ phần mềm Stata 13.0, tổng hợp bởi tác giả)

Phƣơng trình (1b): ROAit = β0 + β1SDAit + β2LDAit+ β3SGit + uit

Pooled OLS

Ảnh hƣởng cố định (FE)

Ảnh hƣởng ngẫu nhiên (RE)

Ảnh hƣởng ngẫu nhiên (dùng cluster khắc phục khuyết tật mô hình)

TÊN BIẾN

ệ số β

p-value

ệ số β

p-value

ệ số β

p-value

ệ số β

p-value

-0.3375***

0.000

-0.1213**

0.019

-0.1309***

0.010

-0.1309***

0.000

SDA

(0.0939)

(0.0513)

(0.0506)

(0.0243)

-0.2309***

0.000

0.000

-0.1426***

0.000

-0.1344***

-0.1426***

0.000

LDA

(0.0439)

(0.0329)

(0.0317)

(0.0262)

-0.0005

0.500

0.053

-0.0006*

0.052

0.000

-0.0006*

-0.0006***

SG

(0.0008)

(0.0003)

(0.0003)

(0.0000)

0.1519

0.000

0.1311

0.000

0.1287

0.000

0.1287

0.000

Constant (hằng số)

(0.0079)

(0.0046)

(0.0150)

(0.0156)

0.1634

0.1583

0.1589

0.1589

R-squared

F-test

F(44, 250) = 38.60 Pro > F = 0.0000

Hausman-test

chi2 (3) = 1.92 Prob > chi2 = 0.5897

iểm định khuyết tật mô hình

Đã khắc phục PSTĐ

Phương sai thay đổi (PSTĐ)

Tự tương quan (TTQ)

Prob > chi2 = 0.0000 (có hiện tượng PSTĐ) Pro > F = 0.0933 (không có hiện tượng TTQ)

Ghi chú:

 Giá trị sai số chuẩn được thể hiện trong dấu ngoặc đơn

 Ký hiệu * thể hiện các mức ý nghĩa thống kê

(*** p<0.01, ** p<0.05, * p<0.1)

 Số liệu được làm tròn bốn chữ số thập phân

Tương tự kết quả hồi quy của phương trình (1a), phương pháp ảnh hưởng ngẫu nhiên

(RE) là phương pháp hồi quy phù hợp nhất cho phương trình (1b), thông qua kiểm định

58

F (p = 0.0000) và kiểm định Hausman (p = 0.5897). Độ tương thích của mô hình hồi

quy đối với phương pháp ảnh hưởng ngẫu nhiên là 15.89%. Tuy nhiên, mô hình hồi

quy này tồn tại vấn đề phương sai thay đổi, và do đó, phương pháp cluster đã được

dùng để khắc phục vấn đề này.

Hệ số hồi quy cho các biến độc lập đều có ý nghĩa thống kê ở mức 1% (sau khi khắc

phục khiếm khuyết mô hình bằng phương pháp cluster), trong đó hệ số của biến SDA

là -0.1309, hệ số của biến LDA là -0.1426, hệ số của biến SG là -0.0006. Dựa trên kết

quả hồi quy đã trình bày, có thể kết luận rằng tỷ lệ nợ ngắn hạn trên tổng vốn (SDA), tỷ

lệ nợ dài hạn trên tổng vốn (LDA) và tăng trưởng doanh thu (SG) đều có tác động tiêu

cực đến tỷ suất sinh lời trên tổng tài sản (ROA). Độ lớn (trị tuyệt đối) hệ số hồi quy của

LDA lớn hơn SDA cho thấy việc sử dụng nợ dài hạn có ảnh hưởng tiêu cực đối với

ROA nhiều hơn nợ ngắn hạn. Kết quả này cũng tương đồng với kết quả nghiên cứu của

Mouna và cộng sự (2017) về tác động của cấu trúc vốn lên thành quả của các công ty

tại Morocco và nghiên cứu của Seitun và Tian (2007) với nhóm đối tượng là các công

ty tại Jordan.

4.3.2. Tác động của vốn trí tuệ đến tỷ suất sinh lời trên tổng tài sản (ROA) –

Phƣơng trình (2a) và (2b)

Như đã nêu ở mục 3.4.1, phương trình hồi quy (2a) và (2b) được thiết lập để kiểm tra

tác động của vốn trí tuệ đến thành quả công ty. Nói rõ hơn, phương trình (2a) kiểm

định mối quan hệ giữa hệ số trí tuệ giá trị gia tăng (VAIC) và tỷ suất sinh lời trên tổng

tài sản (ROA), còn phương trình (2b) kiểm định tác động các nhân tố thành phần của

VAIC, tức hiệu quả vốn sử dụng (CEE), hiệu quả vốn nhân lực (HCE) và hiệu quả vốn

cấu trúc (SCE), lên ROA.

Phƣơng trình (2a): ROAit = β0 + β1VAICit + β2Sizeit + β3SGit + uit

Phƣơng trình (2b): ROAit = β0 + β1CCEit + β2HCEit + β3SCEit + β4Sizeit + β5SGit +

uit

59

Đầu tiên, xét kết quả phân tích hồi quy cho phương trình (2a), được trình bày tóm tắt ở

Bảng 4.17 bên dưới. Kiểm định F và kiểm định Hausman đều có ý nghĩa thống kê ở

mức 1% và 5%, chứng tỏ phương pháp ảnh hưởng cố định (FE) là phù hợp hơn so các

phương pháp hồi quy còn lại. Mô hình hồi quy đang xét cũng tồn tại các khuyết tật mô

hình, bao gồm phương sai thay đổi và tự tương quan. Do đó, phương pháp robust và

cluster đã được dùng để khắc phục vấn đề này.

Bảng 4.17. Kết quả phân tích hồi quy cho phương trình (2a) – Tác động của VAIC lên ROA

(Nguồn: trích xuất kết quả phân tích từ phần mềm Stata 13.0, tổng hợp bởi tác giả)

Phƣơng trình (2a): ROAit = β0 + β1VAICit + β2Sizeit + β3SGit + uit

Pooled OLS

Ảnh hƣởng cố định (FE)

Ảnh hƣởng ngẫu nhiên (RE)

TÊN BIẾN

Ảnh hƣởng cố định (dùng robust và cluster khắc phục khuyết tật mô hình) p-value ệ số β

ệ số β

p-value

ệ số β

p-value

ệ số β

p-value

0.0136***

0.000

0.0044***

0.000

0.0048***

0.000

0.0044*

0.059

VAIC

(0.0021)

(0.0012)

(0.0012)

(0.0023)

-0.0295***

0.005

-0.0251*

0.075

-0.0227*

0.068

0.178

-0.0251

SIZE

(0.0105)

(0.0141)

(0.0124)

(0.0184)

-0.0008

0.327

-0.0005

0.185

-0.0005

0.149

0.014

-0.0005**

SG

(0.0008)

(0.0004)

(0.0004)

(0.0002)

0.4013

0.001

0.3868

0.019

0.3536

0.015

0.082

0.3868

Constant

(0.1211)

(0.1636)

(0.1452)

(0.2173)

R-squared

0.1352

0.1035

0.1150

0.1035

F-test

F(44, 250) = 38.69 Pro > F = 0.0000

Hausman-test

chi2 (3) = 9.39 Prob > chi2 = 0.0245

Kiểm định khuyết tật mô hình

Prob > chi2 = 0.0000

Đã khắc phục PSTĐ

Đã khắc phục TTQ

(có hiện tượng PSTĐ) Pro > F = 0.0401 (có hiện tượng TTQ)

Phương sai thay đổi (PSTĐ) Tự tương quan (TTQ)

60

Ghi chú:

 Giá trị sai số chuẩn được thể hiện trong dấu ngoặc đơn

 Ký hiệu * thể hiện các mức ý nghĩa thống kê

(*** p<0.01, ** p<0.05, * p<0.1)

 Số liệu được làm tròn bốn chữ số thập phân

Theo kết quả hồi quy, biến hệ số trí tuệ giá trị gia tăng (VAIC) tỷ lệ thuận với biến

ROA theo một hệ số là 0.0044, có ý nghĩa thống kê ở mức 10%. Trong khi đó, tăng

trưởng doanh thu (SG) lại tác động nghịch chiều, còn quy mô (SIZE) tỏ ra không có tác

động đến ROA. Từ đó cho thấy, doanh nghiệp nào có hệ số VAIC càng lớn thì hiệu

quả tài chính đạt được có thể càng cao. Kết quả này ủng hộ cho kết quả nghiên cứu

của Shiu (2006) về tác động của VAIC đến thành quả các công ty công nghệ tại Đài

Loan.

Kế đến, xét kết quả phân tích hồi quy cho phương trình (2b), được trình bày tóm tắt ở

Bảng 4.18 bên dưới. Tương tự kết quả hồi quy của phương trình (2a), phương pháp ảnh

hưởng cố định (FE) là phương pháp hồi quy phù hợp nhất cho phương trình (2b), thông

qua kiểm định F (p = 0.0000) và kiểm định Hausman (p = 0.0040). Độ tương thích của

mô hình hồi quy là 46.31%. Các vấn đề về phương sai thay đổi và tự tương quan được

khắc phục bằng phương pháp robust và cluster.

Kết quả hồi quy cho thấy hiệu quả vốn sử dụng (CEE) và hiệu quả vốn nhân lực (HCE)

có tác động tích cực đến ROA với các hệ số lần lượt là 0.4559 và 0.0049, ở mức ý

nghĩa 1%. Tuy nhiên, giữa hai biến hiệu quả vốn cấu trúc (SCE) và ROA lại không có

mối quan hệ thống kê nào. Kết quả này trái ngược hoàn toàn với kết quả nghiên cứu

của Firer và Williams (2003), trong đó nêu rằng SCE là yếu tố duy nhất có tác động

đến khả năng sinh lợi của công ty.

61

Bảng 4.18. Kết quả phân tích hồi quy cho phương trình (2b) – Tác động của CEE, HCE, SCE lên ROA

(Nguồn: trích xuất kết quả phân tích từ phần mềm Stata 13.0, tổng hợp bởi tác giả)

Phƣơng trình (2b): ROAit = β0 + β1CCEit + β2HCEit + β3SCEit + β4Sizeit + β5SGit + uit

Pooled OLS

Ảnh hƣởng cố định (FE)

Ảnh hƣởng ngẫu nhiên (RE)

Ảnh hƣởng cố định (dùng robust và cluster khắc phục khuyết tật mô hình)

TÊN BIẾN

p-value 0.000

p-value 0.000

p-value 0.000

p-value 0.000

CEE

ệ số β 0.3762*** (0.0217)

ệ số β 0.4559*** (0.0254)

ệ số β 0.4353*** (0.0232)

ệ số β 0.4559*** (0.0543)

0.000

0.000

0.000

0.009

HCE

0.0136*** (0.0016)

0.0049*** (0.0008)

0.0053*** (0.0008)

0.0049*** (0.0018)

0.011

0.541

0.333

0.808

SCE

0.0242** (0.0094)

0.0033 (0.0054)

0.0051 (0.0053)

0.0033 (0.0135)

-0.0083

0.000

0.274

0.0354***

0.0259***

0.004

0.0354*

0.099

SIZE

(0.0076)

(0.0099)

(0.0089)

(0.0210)

0.906

0.014

0.032

0.004

SG

-0.0001 (0.0006)

-0.0006** (0.0002)

-0.0005** (0.0002)

-0.0006*** (0.0002)

0.707

0.000

0.001

0.073

Constant

0.0337 (0.0897)

-0.4618 (0.1188)

-0.3479 (0.1060)

-0.4618 (0.2512)

R-squared

0.5602

0.4631

0.4806

0.4631

F-test

F(44, 248) = 45.41 Pro > F = 0.0000

Hausman-test

chi2 = 17.29 Prob > chi2 = 0.0040

iểm định khuyết tật mô hình

Phương sai đổi

Đã khắc phục PSTĐ

Prob > chi2 = 0.0000 (có hiện tượng PSTĐ)

thay (PSTĐ)

Tự

tương

Đã khắc phục TTQ

Pro > F = 0.0002 (có hiện tượng TTQ)

quan (TTQ) Ghi chú:  Giá trị sai số chuẩn được thể hiện trong dấu ngoặc đơn  Ký hiệu * thể hiện các mức ý nghĩa thống kê (*** p<0.01, ** p<0.05, * p<0.1)  Số liệu được làm tròn bốn chữ số thập phân

62

C ƢƠNG 5: ẾT LUẬN VÀ ĐỀ XUẤT

5.1. ết luận

Bảng 5.1. Tổng hợp kết quả hệ số hồi quy các biến độc lập

TÊN B ẾN

Tác động vốn trí tuệ lên ROA ệ số β

Tác động cấu trúc vốn lên ROA ệ số β -0.1391*** -0.1309*** -0.1426***

0.0044* 0.4559*** 0.0049*** 0.0033

DA SDA LDA VAIC CEE HCE SCE SIZE SG

-0.0006***

-0.0251 -0.0005**

0.0354* -0.0006***

Qua kết quả phân tích hồi quy cho mẫu dữ liệu 45 công ty logistics niêm yết trên sàn

chứng khoán HSX và HNX, có thể thấy cấu trúc vốn và vốn trí tuệ có tác động đến

thành quả công ty theo các hướng khác nhau. Cấu trúc vốn, được biểu hiện bằng các tỷ

lệ tổng nợ trên tổng vốn (DA), tỷ lệ nợ ngắn hạn trên tổng vốn (SDA), tỷ lệ nợ dài hạn

trên tổng vốn (LDA), có tác động tiêu cực đến tỷ suất sinh lời trên tổng tài sản (ROA).

Điều này chỉ ra rằng nếu các công ty logistics sử dụng càng nhiều nợ vay, bất kể là nợ

ngắn hạn hay nợ dài hạn, để tài trợ cho hoạt động kinh doanh của mình thì khả năng

sinh lời của công ty có thể càng bị giảm đi. Trong khi đó, hệ số trí tuệ giá trị gia tăng

(VAIC) - tỷ số đo lường hiệu quả chung của công ty trong việc sử dụng các nguồn lực

để tạo ra giá trị gia tăng, lại có tác động tích cực đến ROA. Xét tác động các nhân tố

thành phần của VAIC, kết quả hồi quy cho thấy rằng chỉ có hiệu quả vốn sử dụng

(CEE) và hiệu quả vốn nhân lực (HCE) là ảnh hưởng cùng chiều đến ROA, còn hiệu

quả vốn cấu trúc (SCE) lại không cho thấy có tác động nào mang ý nghĩa đến ROA.

63

Như vậy, một công ty logistics nếu càng cố gắng gia tăng hệ số VAIC thì khả năng

sinh lời, hay hiệu quả tài chính của công ty sẽ càng được cải thiện. Hệ số VAIC có thể

được gia tăng thông qua việc tăng hiệu quả vốn sử dụng (CEE) và hiệu quả vốn nhân

lực (HCE), có nghĩa là các công ty logistics cần đầu tư cả vào tài sản hữu hình và vô

hình.

Yếu tố quy mô (SIZE) có tác động không rõ ràng đến ROA vì cho hai kết quả không

nhất quán nhau khi hồi quy trong hai phương trình (2a) và (2b). Do đó, tác giả sẽ

không bàn về tác động của biến này đến hiệu suất sinh lời của công ty.

Cuối cùng, kết quả nghiên cứu cũng cho thấy yếu tố tăng trưởng doanh thu (SG) có

mối quan hệ ngược chiều với ROA. Doanh thu tăng trưởng với tốc độ nhanh làm hạn

chế phần nào khả năng sinh lời của công ty.

5.2. Đề xuất

Từ kết quả nghiên cứu, một số đề xuất về chính sách quản trị tài chính công ty được

đưa ra như sau.

5.2.1. Các đề xuất về cấu trúc vốn

Thứ nhất, các doanh nghiệp logistics nên giảm nợ vay để đạt được một tỷ suất sinh lời

trên tổng tài sản cao hơn. Đối với mảng logistics vận tải, đặc biệt là vận tải biển, các

công ty thường phải vay các khoản vay ngoại tệ lớn để đầu tư cho đội tàu của mình.

Điều này khiến các công ty logistics chịu nhiều rủi ro về biến động tỷ giá. Giai đoạn từ

cuối năm 2011 đến đầu năm 2017, đồng đô la Mỹ liên tục tăng giá. Cuối năm 2011, tỷ

giá đạt 20,282 VNĐ, tăng 10.01% so với cùng kỳ năm trước. Năm 2015 được coi là

một năm đầy biến động trước bối cảnh USD liên tục tăng giá do kỳ vọng Fed điều

chỉnh tăng lãi suất và Trung Quốc bất ngờ phá giá đồng Nhân dân tệ, kéo theo làn sóng

giảm giá mạnh đồng tiền của các đối tác thương mại chính của Việt Nam. Kết quả là,

năm 2015, Ngân hàng Nhà nước thực hiện điều chỉnh tăng tỉ giá 3% và nới biên độ lên

64

mức +/-3%. Việc đồng VNĐ mất giá sẽ tạo lợi thế cho xuất khẩu nhưng đồng thời cũng

đe dọa các doanh nghiệp vay vốn nước ngoài. Trong trường hợp có biến động tỷ giá bất

lợi, lợi ích thu được từ tấm chắn thuế tạo ra từ đòn bẫy sẽ không bù đắp được các

khoản lỗ tỷ giá lớn và rủi ro tài chính có thể có. Một ví dụ trong ngành là Công ty cổ

phần Vận tải dầu khí Việt Nam – PVTran (PVT). Cuối năm 2015, PV Tran đầu tư mua

tàu trọng tải 30,000 DWT nhằm đáp ứng nhu cầu vận chuyển than tăng lên năm 2016.

Tuy nhiên, do PV Tran có lượng vốn vay ngoại tệ tính đến thời điểm cuối năm 2015 là

100 triệu USD, công ty đã chịu mức lỗ tỷ giá khoảng 140 tỷ đồng. Mặt khác, nếu

khoản đầu tư tài sản cố định phụ thuộc quá nhiều từ nguồn tài trợ bên ngoài thì chi phí

nợ vay có thể sẽ tạo áp lực lớn đến các công ty vận tải trong nước một khi có biến động

về lãi suất, tỷ giá, chi phí đầu vào,… Trường hợp của Vinalines là một minh họa điển

hình. Giai đoạn 2005-2010, theo Thanh tra Chính phủ, Vinalines đã chi tới 1 tỷ USD để

đầu tư, mua sắm tàu mà chủ yếu là tàu cũ, tàu già. Việc khai thác không hiệu quả, giá

cước vận tải thấp và chi phí nợ vay ngân hàng đã nhấn chìm đội tàu biển hùng hậu của

ngành hàng hải Việt Nam.

Hình 5.1. Diễn biến chỉ số USD và tỷ giá VND/USD giai đoạn 2013-2017

65

Thứ hai, trong trường hợp các doanh nghiệp logistics buộc phải tìm kiếm nguồn tài trợ

bên ngoài, nên ưu tiên các khoản vay ngắn hạn hơn khoản vay dài hạn. Như kết quả

nghiên cứu, tỷ lệ nợ dài hạn trên tổng vốn (LDA) có độ lớn hệ số hồi quy (nghịch

chiều) lớn hơn tỷ lệ nợ ngắn hạn trên tổng vốn (SDA). Do đó, vay nợ dài hạn càng cao

sẽ làm khả năng sinh lời của công ty càng giảm. Một trong những nguyên nhân của

mối quan hệ này có thể được giải thích là do thời gian vay nợ càng dài sẽ khiến các

công ty chịu nhiều rủi ro thị trường, rủi ro kiệt quệ tài chính, rủi ro tỷ giá,… Ngoài ra,

để tạo sự an toàn trong hoạt động cũng như đa dạng hóa nguồn tài trợ thì doanh nghiệp

có thể tìm kiếm vốn từ các quỹ đầu tư mạo hiểm hay từ thị trường chứng khoán.

5.2.2. Các đề xuất về vốn trí tuệ

5.2.2.1. Cải thiện Hiệu quả vốn sử dụng (CEE)

Cải thiện hiệu quả vốn sử dụng hay hiệu quả sử dụng tài sản hữu hình có thể đạt được

thông qua việc tăng hiệu quả sử dụng các tài sản vật chất và tài sản tài chính. Tài sản

vật chất bao gồm các tài sản cố định như tòa nhà, kho bãi, xe, tàu, container, máy móc,

thiết bị; còn tài sản tài chính bao gồm tiền mặt, tiền gửi, các chứng khoán ngắn và dài

hạn. Các công ty cần quản lý tốt việc sử dụng các tài sản này để chúng có thể giúp tạo

ra giá trị lớn. Bất cứ dự án nào có liên quan các khoản đầu tư tài sản vật chất lớn cần

được cân nhắc đánh giá kỹ trước khi thực hiện để đảm bảo chi phí không vượt quá lợi

ích tiềm năng.

Bên cạnh các tài sản vật chất, tài sản tài chính được xem là một nguồn tài sản hữu hình

quan trọng. Các công ty logistics cần có các chính sách quản lý vốn lưu động hiệu quả,

biết cách dùng dòng tiền nhàn rỗi để đầu tư vào các kênh thích hợp. Ngoài ra, đối với

các loại chứng khoán nắm giữ, công ty càng phải thận trọng trong việc quản lý rủi ro,

đa dạng hóa danh mục đầu tư trong khi vẫn tối đa khả năng sinh lời.

66

5.2.2.2. Cải thiện Hiệu quả vốn trí tuệ

Hiệu quả vốn trí tuệ (ICE) có thể được tạo ra thông qua việc tăng hiệu quả vốn nhân

lực (HCE). Vốn nhân lực, hay nói cách khác là việc sử dụng tri thức, là một tài sản đầy

giá trị của bất kỳ một tổ chức nào. Ngành logistics là một ngành đặc thù đang “khát”

nhân lực đủ trình độ chuyên môn và nghiệp vụ để thực hiện các công việc nhằm đáp

ứng nhu cầu ngày càng cao của khách hàng cá nhân, doanh nghiệp và bắt kịp với thời

đại công nghệ 4.0 cũng như hội nhập mạng lưới logistics toàn cầu. Trong quá trình tạo

ra giá trị, năng suất lao động của nhân viên đặc biệt cần được quan tâm, và do đó đòi

hỏi việc quản trị tốt nguồn nhân lực. Các công ty logistics cần thiết lập các mô tả công

việc rõ ràng, đặt các mục tiêu cụ thể và một lịch trình làm việc được vạch sẵn. Nhân

viên cần được tạo động lực bởi các chính sách về lương, thưởng và phúc lợi. Thêm vào

đó, các công ty nên đầu tư vào các chương trình đào tạo nhằm nâng cao chất lượng

nhân sự và khuyến khích đồng thời sáng tạo cá nhân cũng như các kỹ năng làm việc

nhóm.

Là một phần của vốn trí tuệ, tuy nhiên, theo kết quả trong nghiên cứu này, vốn cấu trúc

không có tác động ý nghĩa đến ROA. Vốn cấu trúc đại diện cho các nguồn lực vô hình

trong tổ chức ngoại trừ nguồn nhân lực, bao gồm tất cả các yếu tố và điều kiện giúp

cho một tổ chức hoạt động và hỗ trợ các hoạt động trong công việc của nhân viên như:

văn hóa doanh nghiệp, thực tiễn và quy trình làm việc, sở hữu trí tuệ. Như vậy, vốn cấu

trúc ở một mức độ nào đó chưa phải là tài sản vô hình cần ưu tiên hàng đầu của các

công ty logistics, mà thay vào đó nên dành tập trung vào phát triển nguồn lực con

người.

5.2.3. Các chỉ số tham khảo của top 10 công ty ngành logistics về hiệu quả tài

chính

Nghiên cứu này không tập trung vào việc tìm kiếm các tỷ lệ tối ưu về cấu trúc vốn và

vốn trí tuệ cho các công ty logistics; tuy nhiên, tác giả sẽ trích lọc số liệu của top 10

67

công ty (niêm yết) trong ngành về hiệu quả tài chính (ROA) và đưa ra một bảng chỉ số

tham khảo cho các công ty khác. Các chỉ số này được trình bày trong Bảng 5.2 bên

dưới.

Bảng 5.2. Các chỉ số tham khảo của top 10 công ty ngành logistics về xếp hạng ROA

Cấu trúc vốn

Vốn trí tuệ

Tên công ty

Mã CK

ROA trung bình cho giai đoạn 2011- 2017

DA (tổng nợ trên tổng vốn)

SDA (nợ ngắn hạn trên tổng vốn)

LDA (nợ dài hạn trên tổng vốn)

VAIC (hệ số trí tuệ GTGT)

CEE (hiệu quả vốn sử dụng)

HCE (hiệu quả vốn nhân lực)

NCT

57.80%

0.00%

0.00%

0.00%

5.05129

0.87446

3.46667

CTCP Dịch vụ Hàng hóa Nội Bài

TCT

27.75%

0.36%

0.36%

0.00%

6.31400

0.41734

5.09348

CTCP Cáp treo Núi Bà Tây Ninh

SKG

26.72%

0.00%

0.00%

0.00%

8.42445

0.36983

7.20113

CTCP Tàu cao tốc Superdong - Kiên Giang

MAS

25.20%

10.86%

4.22%

6.64%

3.12696

0.84198

1.83668

CTCP Dịch vụ Hàng không Sân bay Đà Nẵng

WCS CTCP Bến xe Miền Tây

24.91%

0.00%

0.00%

0.00%

3.37834

0.49372

2.31723

DVP

24.45%

12.84%

4.74%

8.09%

5.73929

0.43431

4.52951

CTCP Đầu tư và Phát triển Cảng Đình Vũ

HAH

19.00%

25.36%

6.03%

19.33%

9.83966

0.19353

8.77669

CTCP Vận tải và Xếp dỡ Hải An

DXP CTCP Cảng Đoạn Xá

17.87%

0.00%

0.00%

0.00%

3.61147

0.40354

2.59503

VSC

16.54%

10.35%

1.25%

9.10%

8.29353

0.29306

7.23436

CTCP Container Việt Nam

HMH CTCP Hải Minh

14.84%

0.02%

0.02%

0.00%

6.65573

0.27534

5.68151

Từ Bảng 5.2, có thể thấy rằng 4 trong số Top 10 công ty logistics sở hữu một cấu trúc

vốn hoàn toàn không dùng nợ vay, bao gồm CTCP Dịch vụ Hàng hóa Nội Bài, CTCP

Tàu cao tốc Superdong - Kiên Giang, CTCP Bến xe Miền Tây và CTCP Cảng Đoạn

Xá. Ngoại trừ công ty CTCP Vận tải và Xếp dỡ Hải An với tỷ lệ DA (tổng nợ trên tổng

68

vốn) ở mức 25.36%, các công ty còn lại trong Top 10 có tỷ lệ DA không vượt quá

13%.

Bên cạnh đó, hệ số trí tuệ giá trị gia tăng VAIC của các công ty trong Top 10 đa số đều

lớn hơn hoặc bằng hệ số VAIC trung bình ngành (3.9) và trung vị (3.3). Các công ty

dịch vụ khai thác cảng hàng không, cụ thể là CTCP Dịch vụ Hàng hóa Nội Bài và

CTCP Dịch vụ Hàng không Sân bay Đà Nẵng, có tỷ lệ hiệu quả vốn sử dụng (CEE)

cao vượt trội (0.87 và 0.84). Sở dĩ có được điều này là vì các công ty này có quy mô tài

sản vừa phải (tổng tài sản trung bình dưới 500 tỷ đồng), trong đó giá trị tài sản cố định

hữu hình chưa tới 100 tỷ, nhưng lại khai thác hiệu quả và tạo ra giá trị gia tăng lớn. Xét

về hiệu quả vốn nhân lực (HCE), các công ty dẫn đầu về chỉ số này phải kể đến CTCP

Vận tải và Xếp dỡ Hải An (8.78), CTCP Container Việt Nam (7.23), CTCP Tàu cao tốc

Superdong - Kiên Giang (7.20), gần như gấp đôi trung bình ngành. Các giả định có thể

được đưa ra cho chỉ số HCE cao như đã nêu đến từ một trong các trường hợp sau: (1)

công ty sở hữu nguồn nhân lực chất lượng cao tạo ra giá trị gia tăng cao hơn nhiều so

với mức lương và phúc lợi họ được nhận; (2) công ty tối giản nguồn lực con người, tập

trung đầu tư vào tài sản vật chất, trang thiết bị và phần mềm, công nghệ để tạo ra lợi

nhuận. Trường hợp thứ (2) có khả năng cao hơn bởi số liệu từ bảng 25 cho thấy các

công ty này có hiệu quả vốn sử dụng (CEE) không cao, có nghĩa là vốn sử dụng thì khá

lớn nhưng chưa đạt hiệu quả: CTCP Vận tải và Xếp dỡ Hải An (0.19), CTCP Container

Việt Nam (0.29), CTCP Tàu cao tốc Superdong - Kiên Giang (0.36).

Nhìn chung, bức tranh tổng thể về cấu trúc vốn và vốn trí tuệ của các công ty logistics

có thể được tóm gọn bởi các đặc điểm sau:

- Ít (hoặc không) vay nợ;

- Các công ty tập trung vào đầu tư vào tài sản cố định và cơ sở vật chất để hoạt động

kinh doanh, đặc biệt là các công ty thuộc lĩnh vực vận tải, kho bãi,… có xu hướng giảm

chi phí cho nhân lực (giảm về số lượng hoặc về chi phí nhân công) - ở đây đang đề cập

69

đến tính tương đối giữa mức độ ưu tiên đầu tư vào hai hướng khác nhau của bản thân

công ty;

- Ngược lại, các công ty không có nhiều tài sản vật chất và quy mô hạn chế, đặc biệt là

các công ty hoạt động trong lĩnh vực khai thác dịch vụ cảng hàng không, giao

nhận,…có khuynh hướng đầu tư nhiều vào nguồn lực con người để tạo ra giá trị gia

tăng cao;

5.3. Hạn chế của nghiên cứu

Nghiên cứu tồn tại một vài hạn chế như được nêu dưới đây.

Thứ nhất, nghiên cứu chưa thể sử dụng các thước đo dựa trên giá trị thị trường

(market-based) để đo lường thành quả công ty (ví dụ, Tobin’s q) khi nghiên cứu mối

quan hệ giữa cấu trúc vốn và vốn trí tuệ đến thành quả công ty. Thay vào đó, thước đo

kế toán, cụ thể là ROA, được dùng trong nghiên cứu này. Các thước đo thành quả dựa

trên kế toán (accouting-based) có điểm hạn chế là phụ thuộc rất nhiều vào các con số

kế toán trên báo cáo tài chính để đánh giá một công ty, trong khi các thước đo dựa trên

giá trị thị trường thì tập trung vào khả năng và mức độ một công ty đang tạo ra sự giàu

có cho các cổ đông (cổ phần tăng giá trên thị trường). Firer và Williams (2003), trong

nghiên cứu của mình về vốn trí tuệ và các thước đo truyền thống đo lường thành quả

công ty, đã sử dụng hai thước đo dựa trên kế toán (tỷ suất sinh lời trên tổng tài sản và

vòng quay tài sản) và một thước đo dựa trên giá trị thị trường (tỷ số giá trị thị trường

trên giá trị sổ sách của vốn chủ sở hữu). Sự kết hợp giữa hai cách tiếp cận này tạo ra sự

đánh giá chính xác hơn về thành quả công ty.

Thứ hai, phạm vi của nghiên cứu này chỉ giới hạn trong một ngành kinh tế nên chưa

thể đưa ra sự so sánh giữa các nhóm ngành khác nhau hay đưa ra các kết luận mang

tính phổ quát cho các công ty trên thị trường chứng khoán Việt Nam. Vì giới hạn về

thời gian và nguồn lực nên tác giả chỉ tập trung nghiên cứu một ngành trong mối quan

tâm nghiên cứu của mình với kỳ vọng đưa ra các kết luận cụ thể cho ngành được

70

nghiên cứu. Trong khuôn khổ ngành, theo số liệu từ Tổng cục thống kê, số lượng

doanh nghiệp logistics năm 2015 lên đến 26,449 doanh nghiệp, chủ yếu với quy mô

nhỏ. Tuy nhiên, chưa đến 100 công ty thuộc nhóm ngành được niêm yết. Thêm vào đó,

dữ liệu nghiên cứu được thu thập cho giai đoạn từ năm 2011 đến năm 2017, tức chưa

thể thu thập được dữ liệu quá khứ cách xa (đặc biệt là giai đoạn khủng hoảng kinh tế -

tài chính Việt Nam năm 2007-2008) và chưa cập nhật dữ liệu cho năm gần nhất (2018)

vì thời điểm công bố báo cáo tài chính kiểm toán cho năm 2018 của các công ty quá

cận kề so với thời điểm tiến hành nghiên cứu.

Thứ ba, khi ứng dụng mô hình VAIC của Pulic (2000), tác giả dựa trên giả định của

Pulic (2000) rằng người lao động được trả lương, thưởng và các phúc lợi từ công ty

tương xứng hoàn toàn với sức lao động và trí óc mà họ bỏ ra. Chính vì thế, vốn nhân

lực (human capital) được đo bằng tổng chi phí lương cho nhân viên. Trên thực tế, điều

này không hoàn toàn đúng. Tuy nhiên, giả định của Pulic (2000) giúp lượng hóa vốn

nhân lực một cách dễ dàng hơn thông qua các con số cụ thể được chuẩn hóa trên báo

cáo tài chính.

Thứ tư, việc phân loại ngành trong nghiên cứu này chỉ mang tính tương đối. Như đã

trình bày ở phần đặt vấn đề, ngành logistics còn khá mới ở Việt Nam, và hoạt động về

logistics bao gồm cả vận tải, khai thác cơ sở hạ tầng tại các điểm nút, kho bãi và bốc

dỡ, giao nhận hàng hóa,…Bên cạnh đó, nhiều công ty hoạt động đa ngành bao gồm

lĩnh vực logistics, nhưng tỷ trọng logistics không chiếm trọng yếu trong toàn bộ hoạt

động kinh doanh của công ty thì cũng có khả năng bị loại ra khỏi mẫu dữ liệu.

DAN ỤC TÀ L ỆU T A ẢO

Abdullah, Y., Metin, C. (2007). Intellectual capital performance of quoted banks on the

Istanbul stock exchange market. Journal of Intellectual Capital, 8(2), 256-271

Abor, J. (2005). The effect of capital structure on profitability an empirical analysis of

listed firms in Ghana. The journal of risk finance, 6(5), pp.438-445.

Ahmad, Z., Abdullah, N.M.H. and Roslan, S. (2012). Capital structure effect on firms

performance: Focusing on consumers and industrials sectors on Malaysian

firms. International review of business research papers, 8(5), pp.137-155.

Ahmeti, F., Prenaj, B. (2015). A critical review of Modigliani and Miller’s theorem of

capital structure.

Andrews, K.R. (1971), The Concept of Corporate Strategy. Dow Jones-Irwin,

Homewood, IL

Banker, R.D., Datar S.M. (1989). Sensitivity, Precision, and Linear Aggregation of

Signals for Performance Evaluation. Journal of Accounting Research, 27(1), 21-39

Báo cáo logistics Việt Nam 2017 – Logistics: Từ kế hoạch đến hành động. Nhà xuất

bản Công thương, Bộ Công thương.

Bontis, N. (2001). “Assessing knowledge assets: a review of the models used to

measure intellectual capital”. International Journal of Management Reviews, 3(1), 41-

60

Bontis, N., Dragonetti, N. C., Jakobsen, K. and Ross, G. (1999). The knowledge

toolbox: A review of the tools available to measure and manage intangible resources.

European Management Journal, 17(4), 391–402

Booth, L., Aivazian, V., Demirguc Kunt, A. and Maksimovic, V., (2001). Capital

structures in developing countries. The journal of finance, 56(1), pp.87-130.

Bradley, M., Jarrell, G.A. and Kim, E.H. (1984). On the existence of an optimal capital

structure: Theory and evidence. The journal of Finance, 39(3), pp.857-878.

Brooking, A. (1998). Intellectual capital: Core asset for the third millennium

enterprise. London: International Thomson Business Press

Bukh, P. N. (2003). The relevance of intellectual capital disclosure: a paradox?

Accounting, Auditing & Accountability Journal, 16(1), 49-56.

Calisir, F., Cigdem, A. G., Bayraktaroglu, A. E., & Deniz, E. (2010). Intellectual

capital in the quoted turkish ITC sector. Journal of Intellectual Capital, 11(4), 538-554

Chan, Y.C, Kweh, Q.L & Ting, I.W.K. (2013). Measuring intellectual capital

efficiency in the Malaysian software sector. Journal of Intellectual Capital, 14(2), 310-

324

Chen, M. C., Cheng, S. J., & Hwang, Y. (2005). An empirical investigation of the

relationship between intellectual capital and firms’ market value and financial

performance. Journal of Intellectual Capital, 6(2), 159-176.

Chen, Y. (2007). The positive effects of green intellectual capital on competitive

advantages of firms. Journal of Business Ethics (2008) 77(3), 271–286

Ching Choo, H., Robert, L., & Michael, T. (2007). An evidence-based taxonomy

of intellectual capital. Journal of Intellectual Capital, 8(3), 386-408.

Dimitrios, M., Dimitrios, C., Charalampos, T., & Georgios, T. (2011). The impact of

intellectual capital on firms' market value and financial performance. Journal of

Intellectual Capital, 12(1), 132-151.

Douglag M. Lambert (1998), Fundermental of logistics, McGraw – Hill., tr. 4.

Edvinsson, L., & Malone, M. S. (1997). Intellectual Capital: Realizing Your

Company’s True Value by Finding Its Hidden Brainpower. New York: HarperCollins

El-Sayed Ebaid, I. (2009). The impact of capital-structure choice on firm performance:

empirical evidence from Egypt. The Journal of Risk Finance, 10(5), pp.477-487.

Firer, S., & Williams, S. M. (2003). Intellectual capital and traditional measures of

corporate performance. Journal of Intellectual Capital, 4(3), 348-360.

Frank, M.Z. and Goyal, V.K. (2008). Trade-off and pecking order theories of debt.

In Handbook of empirical corporate finance (pp. 135-202). Elsevier.

Ghozali, I., Ulum, I., and Purwanto, A. (2014). Intellectual capital performance of

Indonesian banking sector: a modified VAIC (M-VAIC) perspective. International

Journal of Finance & Accounting, 6(2), pp.103-123.

Gigante, G. (2011). A knowledge oriented approach to the investigation of Italian

banks performances. International Journal of Economics and Finance, 3(5), 12-23

Gill, A., Biger, N. and Mathur, N. (2011). The effect of capital structure on profitability

Evidence from the United States. International Journal of Management, 28(4), p.3.

Goh, P. C. (2005). Intellectual capital performance of commercial banks in

Malaysia. Journal of Intellectual Capital, 6(3), 385-396.

Goyal, A.M. (2013). Impact of capital structure on performance of listed public sector

banks in India. International Journal of Business and Management Invention, 2(10),

pp.35-43.

Grant, R.M. (1991). The resource-based theory of competitive advantage: implications

for strategy formulation. California Management Review, Vol. 33, pp. 14-35.

Harris, M. and Raviv, A. (1991). The theory of capital structure. the Journal of

Finance, 46(1), pp.297-355.

Harrison, S., and Sullivan, P. H. (2000). Profiting from intellectual capital: Learning

from leading companies. Journal of Intellectual Capital 1 (1): 33–46

Jaros, J. and Bartosova, V. (2015). To the capital structure choice: Miller and

Modigliani model. Procedia Economics and Finance, 26, pp.351-358.

Kamal, Mat, Rahim, Husin and Ismail (2012). Intellectual capital and firm performance

of commercial banks in Malaysia. Asian Economic and Financial Review, 2(4), 577-

590

Kamath, G. B. (2007). The intellectual capital performance of the Indian

banking sector. Journal of Intellectual Capital, 8(1), 96-123.

Kamath, G. B. (2008). Intellectual capital and corporate performance in Indian

pharmaceutical industry. Journal of Intellectual Capital, 9(4), 684-704.

Kamath, G. B. (2010). The intellectual capital performance of banking sector in

Pakistan. Pakistan Journal of commerce and social sciences, 4(1), 84-99.

Kamukama, N. (2013). Intellectual capital: company’s invisible source of competitive

advantages. Competitiveness Review, 23(3), pp 260-283

Kaplan, R.S. and Norton, D.P. (1996), The Balanced Scorecard- Translating Strategy

into Action. Boston, MA: Harvard Business School Press

Kyereboah-Coleman, A. (2007). The impact of capital structure on the performance of

microfinance institutions. The Journal of Risk Finance, 8(1), pp.56-71

Latif, M., Malik, M. S., & Aslam, S. (2012). Intellectual capital efficiency and

corporate performance in developing countries: a comparison between Islamic and

conventional banks of Pakistan. Interdisciplinary Journal of Contemporary Research

in Business, 4(1), 405-420

Leonard I. Nakamura (2009). Intangible Assets and National Income Accounting:

Measuring a Scientific Revolution, Working Paper No. 09-11, Federal Reserve Bank of

Philadelphia, May 8, 2009

Leonard Nakamura (2001). What is the U.S. Gross Investment in Intangibles? (At

Least) One Trillion Dollars a Year!,Working Paper No. 01-15, Federal Reserve Bank

of Philadelphia, October 2001

Lev, B. (2001). Intangibles: Management, measurement, and reporting. Washington

DC: Brookings Institution Press

Lipunga, A.M. (2015). Intellectual capital performance of the commercial banking

sector of Malawi. International Journal of Business and Management, 10(1)

Makki, M. A. M., & Lodhi, S. A. (2009). Impact of Intellectual Capital on

Return on Investment in Pakistani corporate Sector. Australian Journal of Basic and

Applied Sciences, 3(3), 2995-3007.

Makki, M. A. M., Lodhi, S. A., & Rahman, R. (2008). Intellectual Capital Performance

of Pakistani Listed Corporate Sector. International Journal of Business and

Management, 3(10).

Margaritis, D. and Psillaki, M. (2010). Capital structure, equity ownership and firm

performance. Journal of banking & finance, 34(3), pp.621-632.

Marr, B. and Schiuma, G. (2001). Measuring and managing intellectual capital and

knowledge assets in new economy organizations. Handbook of Performance

Measurement, M Bourne (ed), Gee, London, 2001

Mavridis, D. G. (2004). The intellectual capital performance of the Japanese

banking sector. Journal of Intellectual Capital, 5(1), 92-115.

Modigliani, F. and Miller, M.H. (1958). The cost of capital, corporation finance and the

theory of investment. The American economic review, 48(3), pp.261-297.

Mouna, A., Jianmu, Y., Havidz, S.A.H. and Ali, H. (2017). The impact of capital

structure on firm performance in Morocco. International Journal of Application or

Innovation in Engineering and Management, 6(10), pp.11-16

Mwangi, L.W., Makau, M.S. and Kosimbei, G. (2014). Relationship between capital

structure and performance of non-financial companies listed in the Nairobi Securities

Exchange, Kenya. Global Journal of Contemporary Research in Accounting, Auditing

and Business Ethics, 1(2), pp.72-90

Ordóñez de Pablos, P. (2013). Intellectual capital strategy management for knowledge-

based organizations. IGI Global

Pek Chen, G. (2005). Intellectual capital performance of commercial banks in

Malaysia. Journal of Intellectual Capital, 6(3), 385-396.

Porter, M.E. (1979). How competitive forces shape strategy. Harvard Business Review,

57.

Porter, M.E. (1980). Competitive strategy: Techniques for analyzing industries and

competitors. New York: Free Press, 1980.

Prahalad, C. K., & Hamel, G. (1994). Strategy as a field of study: Why search for a

new paradigm? Strategic Management Journal, 15(s2), 5-16

Pulic, A. (2000b). VAIC - “an accounting tool for IC management. International

Journal of Technology Management, 20(5), 702-714.

Pulic, A. (2004). Do we know if we create or destroy value? International Journal of

Entrepreneurship and Innovation Management, 4(4), 349-359

Roos G., Pike S., Fernstrom L. (2005). Managing intellectual capital in practice. New

York: Butterworth-Heinemann, p19

Shahar, W.S.S., Shahar, W.S.S., Bahari, N.F., Ahmad, N.W., Fisal, S. and Rafdi, N.J.

(2015). A review of capital structure theories: Trade-off theory, pecking order theory,

and market timing theory. In Proceeding of the 2nd International Conference on

Management and Muamalah, 16th-17th November, e-ISBN (pp. 978-967)

Śledzik, K. (2013). The intellectual capital performance of polish banks: An

application of VAIC™ model. Financial Internet Quarterly “e-Finanse, 9(2)

Sliwka D. (2001). On the use of non-financial performance measures in management

compensation. Bonn Econ discussion papers, University of Bonn

Sokolovská, B., Cagánová, D., Cambál, M., & Saniuk, A. (2014). Intellectual capital of

employees as a competitive advantage of an enterprise. European Conference on

Intellectual Capital, 384-392.

Stewart, T. A. (1999). Intellectual capital: The new wealth of organizations. New

York: Currency Doubleday

Stewart, T.A. (1997). Intellectual Capital: The New Wealth of Organizations. New

York: Currency Doubleday

Sveiby K. E. (1997) - The New Organizational Wealth: Managing and Measuring

Knowledge-Based Assets, Berrett-Koehler Publishers Inc., San Francisco

Sveiby K. E. (1997) "The Intangible Assets Monitor", Journal of Human Resource

Costing & Accounting, Vol. 2 Iss: 1, pp.73-97

Sveiby, K. E. (2001). A knowledge-based theory of the firm to guide strategy

formulation. Journal of Intellectual Capital, 2(4)

Tian, M. (2013).Characteristics and determinants of capital structure in the US context.

A dissertation in part-fulfilment of the requirement for the degree of msc in finance and

investment of the University of Nottingham.

Vo, M. L. (2017). Mối quan hệ giữa cấu trúc vốn và giá trị doanh nghiệp: trường hợp

công ty niêm yết trên sở giao dịch chứng khoán thành phố hồ chí minh (HSX). Tạp chí

khoa học Đại học Mở TP.HCM, số 53 (2), pp. 45-57.

Vo, X.V., (2017). Determinants of capital structure in emerging markets: Evidence

from Vietnam. Research in International Business and Finance, 40, pp.105-113.

P Ụ LỤC 01. DAN SÁC CÁC CÔNG TY T UỘC ẪU NG ÊN CỨU

STT Mã CK Tên công ty

CTCP Dịch vụ Bến Thành

1 2 3 4 BSC CAG CTCP Cảng An Giang (Niêm yết 4/12/2017) CDN CTCP Cảng Đà Nẵng CLL

5 DL1 CTCP Cảng Cát Lái CTCP Đầu tư Phát triển Dịch vụ Công trình Công cộng Đức Long Gia Lai

CTCP Vận tải Sản Phẩm Khí Quốc tế

DVP CTCP Đầu tư và Phát triển Cảng Đình Vũ DXP CTCP Cảng Đoạn Xá GMD CTCP Gemadept GSP HAH CTCP Vận tải và Xếp dỡ Hải An HCT CTCP Thương mại Dịch vụ Vận tải Xi măng Hải Phòng HHG CTCP Hoàng Hà HMH CTCP Hải Minh HTV CTCP Vận tải Hà Tiên

6 7 8 9 10 11 12 13 14 15 MAC CTCP Cung ứng và Dịch vụ Kỹ thuật Hàng Hải 16 17 18 19 20 21 22 23 24 25 26 27 28 MAS CTCP Dịch vụ Hàng không Sân bay Đà Nẵng NCT CTCP Dịch vụ Hàng hóa Nội Bài PDN CTCP Cảng Đồng Nai CTCP PGT Holdings PGT CTCP Cảng Hải Phòng PHP CTCP Thương mại và Vận tải Petrolimex Hà Nội PJC CTCP Vận tải Xăng dầu đường Thủy Petrolimex PJT CTCP Logistics Portserco PRC CTCP Vận tải và Dịch vụ Petrolimex Hải Phòng PTS Tổng Công ty cổ phần Vận tải Dầu khí PVT SFI CTCP Đại lý Vận tải SAFI SKG CTCP Tàu cao tốc Superdong - Kiên Giang STG CTCP Kho vận Miền Nam

Tên công ty

CTCP Đại lý Giao nhận Vận tải Xếp dỡ Tân Cảng

CTCP Vận tải Xăng dầu Vipco

CTCP Container Việt Nam

TCL TCO CTCP Vận tải Đa phương thức Duyên Hải CTCP Cáp treo Núi Bà Tây Ninh TCT CTCP Dịch vụ Vận tải và Thương mại TJC TMS CTCP Transimex VGP CTCP Cảng Rau Quả VIP VMS CTCP Phát triển Hàng Hải VNF CTCP Vinafreight VNL CTCP Logistics Vinalink VNS CTCP Ánh Dương Việt Nam VNT CTCP Giao nhận Vận tải Ngoại thương VOS CTCP Vận tải Biển Việt Nam VSA CTCP Đại lý Hàng hải Việt Nam VSC VTO CTCP Vận tải Xăng dầu Vitaco

STT Mã CK 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 WCS CTCP Bến xe Miền Tây

P Ụ LỤC 02. ẾT QUẢ Ồ QUY DỮ L ỆU TỪ P ẦN Ề STATA

1. Thống kê mô tả các biến

2. Thiết lập dữ liệu

3. Hồi quy phƣơng trình (1a): ROAit = β0 + β1 DAit + β2 Sizeit + β3 SGit + uit

4. Hồi quy phƣơng trình (1b): ROAit = β0 + β1 SDAit + β2 LDAit+ β3 Sizeit + β4

SGit + uit

5. Hồi quy phƣơng trình (2a): ROAit = β0 + β1 VA Cit + β2 Sizeit + β3 SGit + uit

6. Hồi quy phƣơng trình (2b): ROAit = β0 + β1 CCEit + β2 CEit + β3 SCEit +

β4 Sizeit + β5 SGit + uit