ĐẠI HỌC UEH

TRƯỜNG KINH DOANH

KHOA TÀI CHÍNH – NGÂN HÀNG

BÀI TIỂU LUẬN CÁ NHÂN

ĐỀ TÀI: TÁC ĐỘNG CỦA QUẢN TRỊ VỐN LUÂN
CHUYỂN ĐẾN KHẢ NĂNG SINH LỢI CỦA CÁC
DOANH NGHIỆP PHI TÀI CHÍNH TẠI VIỆT NAM

MÔN: KINH TẾ LƯỢNG TÀI CHÍNH

Giảng viên hướng dẫn :

Sinh viên thực hiện :
Lớp – Khoá :
Mã số sinh viên :
Email :

TP.Hồ Chí Minh, ngày 10 tháng 10 năm 2023

 MỤC LỤC
DANH MỤC BẢNG......................................................................................................................................i
DANH MỤC HÌNH.......................................................................................................................................ii
PHẦN 1..........................................................................................................................................................1
1.1. Phương pháp nghiên cứu....................................................................................................................1
1.1.1. Phát triển giả thuyết nghiên cứu..................................................................................................1
1.1.2. Mô hình nghiên cứu.....................................................................................................................2
1.1.3. Phương pháp nghiên cứu.............................................................................................................3
1.2. Mục tiêu và câu hỏi nghiên cứu..........................................................................................................3
1.3. Thống kê mô tả...................................................................................................................................3
1.4. Ma trận hệ số tương quan...................................................................................................................4
1.5. Kiểm định tính dừng...........................................................................................................................5
1.6. Kiểm định các vi phạm OLS...............................................................................................................5
1.6.1. Kiểm tra hiện tượng đa cộng tuyến..............................................................................................5
1.6.2. Kiểm tra hiện tượng phương sai thay đổi....................................................................................6
1.6.3. Kiểm tra hiện tượng tự tương quan..............................................................................................6
1.6.4. Kiểm tra phần dư có tuân theo phân phối chuẩn.........................................................................6
1.6.5. Kiểm tra dạng hàm của mô hình..................................................................................................6
1.6.6. Kiểm định nội sinh.......................................................................................................................7
1.7. Ước lượng kết quả hồi quy.................................................................................................................7
1.7.1. Kết quả hồi quy các mô hình.......................................................................................................7
1.7.2. Lựa chọn mô hình hồi quy...........................................................................................................8
1.7.3. Khắc phục khuyết tật mô hình và phân tích kết quả hồi quy.......................................................8
PHẦN 2........................................................................................................................................................12
2.1. Dữ liệu nghiên cứu............................................................................................................................12
2.2. Kiểm định tính dừng chuỗi thời gian đơn biến và xác định d..........................................................12
2.3. Xác định độ trễ tối ưu.......................................................................................................................13
2.4. Kiểm định phần dư...........................................................................................................................14
2.4.1. Kiểm định hiện tượng tự tương quan.........................................................................................14
2.4.2. Kiểm định hiện tượng phương sai thay đổi...............................................................................15
2.4.3. Kiểm định tính chất White noise của phần dư...........................................................................15
2.4.4. Phân phối chuẩn của phần dư....................................................................................................15
2.5. Dự báo...............................................................................................................................................15
TÀI LIỆU THAM KHẢO...........................................................................................................................17
PHỤ LỤC PHẦN 1......................................................................................................................................18
PHỤ LỤC PHẦN 2......................................................................................................................................29
 DANH MỤC BẢNG
Bảng 1.1. Bảng thống kê mô tả...........................................................................................3
Bảng 1.2. Ma trận hệ số tương quan Pearson......................................................................4
Bảng 1.3. Bảng kiểm định tính dừng...................................................................................5
Bảng 1.4. Đa cộng tuyến.....................................................................................................5
Bảng 1.5. Kết quả kiểm định hiện tượng nội sinh các biến.................................................7
Bảng 1.6. Kết quả ước lượng các mô hình..........................................................................7
Bảng 1.7. Kết quả ước lượng FGLS và GMM....................................................................8
Bảng 1.8. Bảng so sánh giả thuyết ban đầu.......................................................................10
 DANH MỤC HÌNH
Hình 2.1. Chuỗi thời gian VNINDEX...............................................................................12
Hình 2.2. Đồ thị ACF chuỗi VNINDEX...........................................................................12
Hình 2.3. Đồ thị PACF của chuỗi VNINDEX..................................................................12
Hình 2.4. Đồ thị chuỗi VNINDEX sai phân bậc 1............................................................13
Hình 2.5. Đồ thị ACF của chuỗi VNINDEX sai phân bậc 1.............................................13
Hình 2.6. Đồ thị PACF của chuỗi VNINDEX sai phân bậc 1...........................................13
Hình 2.7. Mức độ ổn định của mô hình.............................................................................14
Hình 2.8. Các thông số của phần dư..................................................................................14
Hình 2.10. Nhiễu trắng của phần dư..................................................................................15
Hình 2.11. Kết quả dự báo VNINDEX 10 tuần tới...........................................................15
Hình 2.12. Đồ thị dự báo VNINDEX................................................................................16
Hình 2.13. So sánh kết quả dự báo và thực tế...................................................................16
 PHẦN 1
1.1. Phương pháp nghiên cứu
1.1.1. Giả thuyết nghiên cứu
Giả thuyết H1: Kỳ thu tiền có mối quan hệ ngược chiều với KNSL của DN.

1.1.2. Mô hình nghiên cứu

Mô hình nghiên cứu:

ROA i,t = β0 + β1 * ARDi,t + β 2 * SG i,t + β 3 * LEV i,t + β 4 *AGEi,t + β5 * CR i,t + β 6 *D1i,t

+ β7 * ARDi,t * D1 i,t + β8 *D2i,t + β9 * ARDi,t * D2 i,t + ε i,t

Trong đó:

- Biến “ROA” (Tỷ suất sinh lợi trên tổng tài sản) – biến phụ thuộc: được tính bằng
cách lấy thu nhập ròng chia cho tổng tài sản và ROA thường cho biết khả năng sinh lợi
của doanh nghiệp trong một thời kỳ cụ thể dưới dạng phần trăm của tổng tài sản.

Lợi nhuận sau thuế

ROA =
Tổng tài sản

- Biến “ARD” (Kỳ thu tiền): là khoảng thời gian từ lúc doanh nghiệp bán hàng, cho
khách hàng nợ và cho đến lúc doanh nghiệp thu được tiền từ khách hàng.
Các khoản phải thu khách hàng
ARD = *365
Doanh số bán hàng
- Biến “SG” (Tốc độ tăng trưởng doanh số): khi mà doanh số của doanh nghiệp có sự
tăng trưởng vượt bậc điều này nghĩa là doanh nghiệp đang kinh doanh có hiệu quả dẫn
đến lợi nhuận của doanh nghiệp tăng lên.
Doanh số năm nay
SG = -1
Doanh số năm trước
- Biến “LEV” (Đòn bẩy tài chính): Khi một DN vay nợ quá nhiều sẽ dẫn đến doanh
nghiệp gặp phải áp lực chi phí lãi vay, lợi nhuận mà doanh nghiệp làm ra bị bào mòn
bởi các khoản lãi vay phát sinh khiến doanh nghiệp không có dòng tiền để tái đầu tư
sản xuất.

Tổng nợ
LEV =
Tổng tài sản

1
 - Biến “AGE” (Tuổi doanh nghiệp): Khi một DN đã trải qua nhiều năm kinh doanh sẽ
khiến cho DN có nhiều kinh nghiệm hơn trong việc đối phó với những khó khăn hay
khủng hoảng, không những thế những DN lâu năm thường có mối quan hệ tốt với các
bên liên quan, và uy tín cũng cao hơn so với những DN mới khởi sự.
AGE= Năm hiện tại - Năm thành lập
- Biến “CR” (Tỷ lệ thanh toán hiện hành): thể hiện khả năng đáp ứng các nghĩa vụ
ngắn hạn của DN. Khả năng thanh toán càng cao càng chứng tỏ DN có năng lực tài
chính tốt, chính vì thế DN cũng có nhiều tiền để mở rộng SXKD để mang lại lợi nhuận
nhiều hơn cho mình.

Tài sản ngắn hạn

CR =
Nợ ngắn hạn
Biến “D1”: là biến giả chỉ chu kỳ kinh tế suy thoái; D1=1 nếu nền kinh tế suy thoái, 0
nếu ngược lại.
Biến “D2”: là biến giả chỉ chu kỳ kinh tế bùng nổ; D2=1 nếu nền kinh tế bùng nổ, 0 nếu
ngược lại.
Được tính dựa trên tốc độ tăng trưởng GDP tăng (kinh tế bùng nổ), giảm (kinh tế suy
thoái) qua các năm

1.3. Thống kê mô tả
Bảng 1.1. Bảng thống kê mô tả
Biến Số quan sát Trung bình Độ lệch chuẩn GTNN GTLN
ROA 620 .0730224 .0705087 -.2974155 .4503469
ARD 620 53.15053 56.76901 .0313034 492.3526
SG 620 .113308 .4513483 -.7255975 8.735022
LEV 620 .4485215 .1928388 .0026735 .8420431
AGE 620 31.40323 14.30959 7 70
CR 620 2.610586 4.201421 .3568197 52.25814

Nguồn: Tác giả tự tổng hợp từ Stata

Kết quả thống kê mô tả cho thấy trong giai đoạn từ 2018-2022 tỷ suất sinh lợi trên
tổng tài sản trung bình của các công ty đạt khoảng 7,03% trong đó công ty có mức tỷ suất
sinh lợi trên tổng tài sản cao nhất là 45,03% và công ty đạt mức thấp nhấp là -29,74%.

Tiếp đến, kỳ thu tiền trung bình của các DN trong giai đoạn này là khoảng 53 ngày
trong đó kỳ thu tiền lớn nhất lên đến hơn 492 ngày.

2
 Đối với các biến kiểm soát, trong đó tốc độ tăng trưởng doanh số trung bình của
124 công ty trong giai đoạn 2018-2022 khoảng 11,33% trong khi đó có DN có tăng
trưởng âm -72,56% và cũng có DN tăng trưởng cao nhất lên đến hơn 873,5% (là công ty
DGC năm 2018 do sáp nhập với CTCP Hóa chất Đức Giang Lào Cai). Còn về biến LEV,
qua thống kê mô tả tác giả thấy được đòn bẩy trung bình của các DN trong giai đoạn này
là 44,85%, có DN không sử dụng đòn bẩy tài chính và cũng có DN sử dụng đòn bẩy tài
chính ở mức cao, hơn 82,2%. Còn về tuổi doanh nghiệp, tác giả thấy rằng tuổi doanh
nghiệp trung bình rơi vào khoảng 31,4 tuổi, có doanh nghiệp kinh doanh rất lâu kể từ
ngày thành lập 70 năm, doanh trẻ cũng đã thành lập 7 năm tuổi. Cuối cùng, trong giai
đoạn này đối với tỷ lệ thanh toán hiện hành trung bình khoảng 2,61 lần, trong đó có DN
có tỷ lệ thanh toán hiện hành lớn nhất là 52,26 lần và DN có giá trị này nhỏ nhất là 0,36
lần, điều này có khả năng sẽ ảnh hưởng đến mức độ xếp hạng tín nhiệm của DN trong
tương lai hoặc đối với các bên cho vay DN.

1.4. Ma trận hệ số tương quan

Bảng 1.2. Ma trận hệ số tương quan Pearson
ROA ARD SG LEV AGE CR
ROA 1.0000
ARD -0.1705 1.0000
SG 0.1452 -0.0432 1.0000
LEV -0.3994 -0.0407 0.0503 1.0000
AGE 0.1177 0.0365 0.0026 -0.0679 1.0000
CR 0.1150 -0.0230 0.0950 -0.4557 0.0533 1.0000

Nguồn: Tác giả tự tổng hợp từ Stata

Kết quả kiểm định hệ số tương quan cho thấy được mối tương quan âm giữa khả năng
sinh lợi được đo lường bằng ROA và thành phần của vốn luân chuyển như ARD. Khi
một DN giảm thời gian thu tiền và đòn bẩy tài chính sẽ làm gia tăng khả năng sinh lợi
của DN.

Đối với các biến kiểm soát thì tác giả thấy rằng có những tác động trái ngược đến khả
năng sinh lợi của DN, chẳng hạn như tốc độ tăng trưởng doanh số (SG), tuổi doanh
nghiệp (AGE) có tương quan dương với KNSL của DN còn đòn bẩy tài chính được thể
hiện thông qua LEV lại có mối tương quan ngược chiều với KNSL, trong khi đó tỷ lệ
thanh toán hiện hành (CR) lại cho thấy tác động trái ngược nhau với ROA và Tobin’s Q.
Tóm lại qua ma trận hệ số tương quan, tác giả thấy rằng có mối quan hệ ngược chiều giữa
KNSL và các thành phần của VLC (ARD, INVD, APD và CCC) đồng thời tác giả cũng
thấy các thành phần của VLC cũng có mối tương quan dương với nhau.

3
 Nhìn vào ma trận hệ số tương quan, tác giả có thể biết được mối quan hệ giữa các biến
với nhau một cách sơ lược ban đầu trước khi thực hiện phân tích hồi quy. Cụ thể, tác giả
thấy ngoại trừ quy mô doanh nghiệp, các biến khác đều có mối quan hệ ngược chiều với
cấu trúc nợ của doanh nghiệp với những ý mức ý nghĩa thống khác nhau. Như rủi ro kinh
doanh và Covid19 có mối quan hệ ngược chiều với tỷ lệ nợ nhưng mối quan hệ này lại
không có ý nghĩa thống kê. Tiếp đến khi công ty đầu tư nhiều vào tài sản cố định cũng
như cải thiện khả năng thanh toán bằng cách đầu tư vào tài sản ngắn hạn sẽ làm cho tỷ lệ
nợ của doanh nghiệp giảm xuống với mức ý nghĩa thống kê 1%. Ngoài ra tác giả cũng
tìm thấy một số quan hệ khác giữa các biến với nhau như quy mô và tuổi có quan hệ
ngược chiều với nhau ở mức ý nghĩa 5%. Hay rủi ro kinh doanh lại không có bất kỳ mối
quan hệ nào đối với các biến khác,…

1.5. Kiểm định tính dừng

Bảng 1.3. Bảng kiểm định tính dừng

Biến Statistic P-value Kết luận

ROA -53.0967 0.0000 Bác bỏ H0

ARD -15.0241 0.0000 Bác bỏ H0

SG -77.4873 0.0000 Bác bỏ H0

LEV -3.0e+02 0.0000 Bác bỏ H0

AGE -54.6566 0.0000 Bác bỏ H0

CR -32.6319 0.0000 Bác bỏ H0

Nguồn: Tác giả tự tổng hợp từ Stata

Kết quả kiểm định tính dừng cho thấy giá trị p-value của các biến trong mô hình
đều nhỏ hơn 5% nghĩa là giả thuyết H0 bị bác bỏ hay các biến đều dừng ngoại trừ biến
AGE là biến không dừng. Vì tất cả các biến nghiên cứu có p-value < 5% nên chuỗi dữ
liệu có tính dừng và có thể đưa vào mô hình nghiên cứu

1.7. Ước lượng kết quả hồi quy

1.7.1. Kết quả hồi quy các mô hình
Bảng 1.4. Kết quả ước lượng các mô hình

ROA OLS FEM REM

ARD -.0002 -.0002 -.0002

4
 (-2.26) (-1.69) (-2.46)
. 0272 .0149 .0175
SG (4.87) (3.27) (3.93)
-.1709 -.1459 -.1568
LEV
(-11.76) (-5.17) (-8.10)
.0005 -.001 .0005
AGE
(3.05) (-0.35) (1.71)
-.0021 .0013 -.0008
CR
(-3.07) (0.95) (-0.87)
.0124 .0076 .0105
D1
(1.43) (0.91) (1.67)
.0198 .0153 .0211
D2
(1.81) (1.12) (2.63)
-.0000 -3.84e-06 2.35e-07
ARD1
(-0.11) (-0.04) (0.00)
.0000 .0000 .000
ARD2
(0.24) (0.17) (0.11)
.1365 .1658 .1288
_cons
(11.25) (1.75) (8.17)
Obs 620 620 620
R-sq 0.2501 0.1033 0.0985
F-test 5.79
LM-test Chi2(9) = 110.58
Hausmant test Chi2(9) = 10.70

Nguồn: Tác giả tự tổng hợp từ Stata

Trong đó *, **, *** đại diện cho các mức ý nghĩa thống kê 10%, 5%, 1%
1.7.2. Lựa chọn mô hình hồi quy
Tiến hành kiểm định F-test để lựa chọn giữa hai mô hình OLS và FEM với giả
thuyết sau:

H0 : Mô hình hồi quy OLS là mô hình tối ưu

H1: Mô hình hồi quy FEM là mô hình tối ưu

Kết quả kiểm định F-test cho giá trị p_value = 0.0000 nhỏ hơn 5%, đồng nghĩa giả
thuyết H0 bị bác bỏ, nên mô hình hồi quy FEM sẽ là mô hình hồi quy tối ưu.

Tiến hành kiểm định Hausman để lựa chọn giữa hai mô hình REM và FEM với giả
thuyết sau:

H0 : Mô hình hồi quy REM là mô hình tối ưu

H1: Mô hình hồi quy FEM là mô hình tối ưu

Kết quả kiểm định Hausman cho giá trị p_value = 0.2965 lớn hơn 5%, đồng nghĩa
chấp nhận giả thuyết H0 , nên mô hình hồi quy REM sẽ là mô hình hồi quy tối ưu.

5
1.6. Kiểm định các vi phạm OLS
1.6.1. Kiểm tra hiện tượng đa cộng tuyến
Bảng 1.5. Đa cộng tuyến

Biến VIF 1/VIF

ARD 5.80 0.172299
SG 1.04 0.957232
LEV 1.28 0.778859
AGE 1.01 0.985774
CR 1.29 0.773243
D1 2.99 0.334992
D2 3.14 0.318559
ARD1 6.34 0.157786
ARD2 3.79 0.263617
VIF trung bình 2,97
Nguồn: Tác giả tự tổng hợp từ Stata
Kết quả kiểm định đa cộng tuyến của mô hình cho thấy các hệ số VIF của các biến độc
lập đều 7 5 (cao nhất là 6,34), điều này cho thấy không tồn tại hiện tượng đa cộng tuyến
trong mô hình nghiên cứu, do đó mô hình phù hợp
1.6.2. Kiểm tra hiện tượng phương sai thay đổi
Tác giả thực hiện kiểm định Modified Wald để kiểm định hiện tượng phương sai
thay đổi với các giả thuyết sau:

H0 : Mô hình không có hiện tượng phương sai thay đổi

H1: Mô hình có hiện tượng phương sai thay đổi

Bảng 4.1. Kiểm định phương sai thay đổi đối với ROA

chibar2(01) 284.43

Pro > Chi2 0,0000

Kết quả kiểm định phương sai thay đổi trong mô hình REM cho biến phụ thuộc
ROA cho giá trị P-value = 0,0000 < 5%. Điều này đồng nghĩa với việc giả thuyết H0 bị
bác bỏ. Hay nói cách khác mô hình hồi quy biến phụ thuộc ROA có hiện tượng phương
sai thay đổi.

6
1.6.3. Kiểm tra hiện tượng tự tương quan
Tác giả thực hiện kiểm định Wooldridge để kiểm định hiện tượng tự tương quan với
các giả thuyết sau:

H0 : Mô hình không có hiện tượng tự tương quan

H1: Mô hình có hiện tượng tự tương quan

Bảng 1.2: Kết quả kiểm định sự tự tương quan

F(1, 123) 46,801

Prob > F 0,0000

Kết quả kiểm định tự tương quan trong mô hình REM cho biến phụ thuộc ROA tại
cho giá trị Prob.>F nhỏ hơn 5% nên giả thuyết H0: Mô hình không xuất hiện hiện tượng
tự tương quan bị bác bỏ. Đồng nghĩa với việc mô hình REM cho biến phụ thuộc ROA có
hiện tượng tự tương quan.

1.6.6. Kiểm định nội sinh

Tác giả dùng hồi quy GMM để kiểm định mô hình có mắc phải hiện tượng nội sinh
hay không. Kết quả kiểm định được tác giả trình bày như sau:

Bảng 1.6. Kết quả kiểm định hiện tượng nội sinh các biến

Biến GMM C statistic chi2(1) P Kết luận

ARD 3.17471 0.0748 Biến ngoại sinh

SG 12.5231 0.0004 Biến nội sinh

LEV 6.1882 0.0129 Biến nội sinh

AGE 4.35229 0.0370 Biến nội sinh

CR 77.1308 0.0000 Biến nội sinh

D1 2.87165 0.0902 Biến ngoại sinh

D2 4.45912 0.0347 Biến nội sinh

ARD1 0.013604 0.9071 Biến ngoại sinh

ARD2 0.10661 0.7440 Biến ngoại sinh

7
 Nguồn: Tác giả tự tổng hợp từ Stata

Kết quả kiểm định cho thấy biến ARD, D1, ARD1, ARD2 là biến ngoại sinh thì tất cả
các biến đều mắc phải hiện tượng nội sinh.

1.7.3. Khắc phục khuyết tật mô hình và phân tích kết quả hồi quy
Sau khi chọn được mô hình REM là mô hình hồi quy tối ưu, tác giả tiến hành khắc
phục hai khuyết tật phương sai thay đổi và tự tương quan của mô hình bằng phương pháp
hồi quy FGLS.

Bảng 1.7. Kết quả ước lượng FGLS

ROA FGLS
-0.0002***
ARD
(-16.7)
0.0286***
SG
(12.01)
-0.1513***
LEV
(-50.4)
0.0004***
AGE
(6.86)
-0.001**
CR
(-2.16)
0.0133***
D1
(14.03)
0.0154***
D2
(14.62)
-0.0000**
ARD1
(-2.18)
0.0000*
ARD2
1.84
_cons 0.125***
(36.55)
p-value 0.0000

Trong đó *, **, *** đại diện cho các mức ý nghĩa thống kê 10%, 5%, 1%
Nguồn: Tác giả tự tổng hợp từ Stata

Kỳ thu tiền (ARD) có mối quan hệ ngược chiều với ROA có ý nghĩa thống kê với
mức ý nghĩa 1%. Kết quả nghiên cứu này của tác giả phù hợp với giả thuyết H1 mà tác
giả đặt ra ban đầu. Giải thích cho kết quả này là bởi vì đối với các DN sản xuất, thương
mại thông thường thì việc thực hiện chính sách nới lỏng tín dụng hay cho khách hàng nợ
sẽ giúp DN nâng cao được mối quan hệ tốt đẹp với khách hàng tuy nhiên điều này cũng
đồng nghĩa với việc một khoản tiền lớn của DN đang bị khách hàng chiếm dụng, khiến
cho DN thiếu hụt dòng tiền để duy trì hoạt động sản xuất kinh doanh hoặc tái đầu tư vào

8
các dự án khác có tiềm năng sinh lợi hơn nên dẫn đến lợi nhuận của DN cũng sẽ bị hao
hụt nếu như DN vẫn bị khách hàng chiếm dụng vốn.

Tiếp đến đối với các biến kiểm soát thuộc về các đặc điểm của DN thì tác giả lại
thấy có những mối quan hệ khác nhau. Đầu tiên, đối với tốc độ tăng trưởng doanh số
(SG), kết quả hồi quy FGLS cho thấy biến này có mối quan hệ cùng chiều với khả năng
sinh lợi của DN. Giải cho điều này là khi một DN đang có sự tăng trưởng trong doanh số
đồng nghĩa với việc hoạt động sản xuất kinh doanh của DN đang thuận lợi, tức là khi
doanh số càng tăng mạnh thì lợi nhuận thu về của DN cũng tương ứng.

Đối với biến đòn bẩy tài chính (LEV), kết quả hồi quy FGLS của tác giả cho thấy
LEV có mối quan hệ ngược chiều với khả năng sinh lợi của DN với mức ý nghĩa thống
kê 1%. Lý giải cho điều này là khi một DN vay quá nhiều nợ thì lợi nhuận làm ra của DN
phần lớn phải trả lãi vay khiến cho dòng tiền đầu tư của DN bị thiếu hụt, chưa kể đến
trong một chu kỳ kinh doanh khó khăn thì việc không đáp ứng được nhu cầu các khoản
nợ đến hạn sẽ khiến DN lâm vào phá sản hoặc trường hợp khả quan hơn thì DN sẽ không
thể vay được nguồn vốn rẻ vì các chủ nợ lúc này cảm thấy rủi ro cao khi cho DN vay
tiền.

Tiếp đến, thông qua kết quả hồi quy tác giả thấy rằng tuổi DN (AGE) có mối quan
hệ cùng chiều với khả năng sinh lợi với mức ý nghĩa thống kê 1%. Khi DN hoạt động
kinh doanh càng lâu năm thì DN có nhiều kinh nghiệm hơn trong lúc chu kỳ kinh doanh
khó khăn đồng thời DN cũng có được mối quan hệ thâm niên với các đối tác làm ăn của
mình cũng như là có uy tín trên thị trường nên DN có thể được tiếp cận nguồn vốn giá rẻ
và nhờ nguồn vốn này DN có thể đầu tư mở rộng sản xuất, gia tăng lợi nhuận của mình.

Đối với tỷ lệ thanh toán ngắn hạn (CR), tác giả thấy rằng biến này có mối quan hệ
ngược chiều với ROA với mức ý nghĩa thống kê 5%, tỷ lệ thanh toán hiện hành và KNSL
có quan hệ ngược chiều với nhau và mối quan hệ này có ý nghĩa thống kê. Giải thích cho
việc này do việc nếu một doanh nghiệp có hệ số này quá lớn chứng tỏ là tài sản ngắn hạn
của doanh nghiệp quá lớn và chưa được sử dụng để đem về dòng tiền kinh doanh về cho
doanh nghiệp. Điều này dẫn đến sự tồn động của tài sản và doanh nghiệp hiện chưa có kế
hoạch mở rộng sản xuất kinh doanh làm cho tốc độ tạo ra khả năng sinh lợi giảm.

Hai biến giả D1 và D2 lần lượt mô tả chu kỳ kinh tế suy thoái và chu kỳ kinh tế
bùng nổ. Ở kết quả của mô hình hồi quy biến ROA cho thấy biến giả D1 và D2 đều có ý

9
nghĩa thống kê với mức 1%. Kết quả nghiên cứu hàm ý rằng chu kỳ kinh tế có ảnh hưởng
đến khả năng của các DN tại Việt Nam.

Biến giả tương tác (D1*ARD) và (D2*ARD) lần lượt mô tả hiệu quả quản trị khoản
phải thu trong các giai đoạn kinh tế suy thoái và giai đoạn kinh tế bùng nổ. Kết quả cho
thấy biến giả tương tác (D1*ARD) có mối quan hệ ngược chiều với ROA ở mức ý nghĩa
thống kê 5%. Bên cạnh đó, hệ số ước lượng của biến tương tác (D2*ARD) có mối quan
hệ cùng chiều với cả ROA ở mức ý nghĩa thống kê 10%. Kết quả phù hợp với kỳ vọng
của tác giả, và trong kết quả trên cho thấy việc hiệu quả quản trị phải thu trong nền kinh
tế suy thoái gây tác động tiêu cực đến khả năng sinh lời của doanh nghiệp do đó trong
thời kỳ suy thoái doanh nghiệp cần có kế hoạch thu hồi nợ từ khách hàng gia tăng dự trữ
tiền mặt.

10
 PHẦN 2
2.1. Dữ liệu nghiên cứu
Dữ liệu nghiên cứu được lấy từ dữ liệu lịch sử hàng tuần của chỉ số VNINDEX đăng
tải trên Website Investing.com trong khoảng thời gian tác giả thu thập là từ 09/01/2015
đến 30/06/2023.
Hình 2.1. Đồ thị ACF (trái) và PACF (phải) của chuỗi VNINDEX

11
 Nguồn: Tác giả tổng hợp từ Stata
2.2. Kiểm định tính dừng chuỗi thời gian đơn biến và xác định d
Tác giả sẽ sử dụng kiểm định Dickey-Fuller để kiểm định tính dừng của chuỗi
VNINDEX, giả thuyết tác giả đưa ra như sau:
H0 : Chuỗi VNINDEX là chuỗi không dừng
H1: Chuỗi VNINDEX là chuỗi dừng

Kết quả kiểm định Dickey-Fuller đối với chuỗi VNINDEX cho giá trị p-value =
0.7468 lớn hơn 5% đồng nghĩa với việc chấp nhận giả thuyết H0 nên có thể kết luận chuỗi
VNINDEX là không dừng do đó tiếp tục lấy sai phân của chuỗi VNINDEX.

12
 Hình 2.2. Đồ thị chuỗi VNINDEX sai phân bậc 1

100
50
0
dprice
-50
-100
-150

2022w1 2022w13 2022w26 2022w40 2023w1

weekly

Nguồn: Tác giả tổng hợp từ Stata

Tác giả lại có giả thuyết sau:
H0 : Chuỗi VNINDEX sai phân bậc 1 là chuỗi không dừng
H1: Chuỗi VNINDEX sai phân bậc 1 là chuỗi dừng

Kết quả kiểm định Dickey-Fuller đối với chuỗi VNINDEX sai phân bậc 1 cho giá trị
p-value = 0.0000 nhỏ hơn 5% đồng nghĩa với việc bác bỏ giả thuyết H0 nên nghĩa là
chuỗi VNINDEX sai phân bậc 1 là chuỗi dừng đồng thời có thể xác định được d=1 trong
mô hình ARIMA(p,d,q). Để có thể chắc chắn hơn, tác giả kiểm định giá trị thống kê t thì
thấy rằng giá trị tuyệt đối của t lớn hơn giá trị tuyệt đối của các mức ý nghĩa thống kê.
Hình 2.3. Kết quả kiểm định Dickey-Fuller cho chuỗi VNINDEX sai phân bậc 1
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value

Z(t) -6.027 -3.449 -2.874 -2.570

MacKinnon approximate p-value for Z(t) = 0.0000
Nguồn: Tác giả tổng hợp từ Stata

13
2.3. Xác định độ trễ tối ưu
Hình 2.4. Đồ thị ACF (trái) và PACF (phải) của chuỗi VNINDEX sai phân bậc 1

Nguồn: Tác giả tổng hợp từ Stata

Đối với đồ thị ACF, tác giả thấy rằng không có giá trị nào vượt ra ngoài khoảng tin
cậy, do đó q = 0, còn đối với đồ thị PACF lại có các giá trị vượt ra ngoài khoảng tin cậy
như p = 10, 18, 19, 21, 22. Như vậy, chúng ta có được các mô hình ARIMA(10,1,0) và
ARIMA(18,1,0), ARIMA(19,1,0), ARIMA(21,1,0), ARIMA(22,1,0) tuy nhiên chúng ta
có thể lựa chọn ba mô hình ARIMA(10,1,0) và ARIMA(18,1,0), ARIMA(19,1,0) để so
sánh cũng hợp lý.
Hình 2.5. Giản đồ tương quan tại các độ trễ khác nhau

Nguồn: Tác giả tổng hợp từ Stata

Giản đồ tự tương quan trên cho thấy có 10 giá trị độ trễ nhưng không có một hệ số tự
tương quan có ý nghĩa thống kê.
Hình 2.6. Kết quả chọn lựa mô hình phù hợp

Model Obs df AIC BIC

ARIMA(10,1,0 51 12 536.82 560.0019

14
 )
ARIMA(18,1,0
51 20 543.0354 581.6719
)
ARIMA(19,1,0
51 21 542.2809 582.8493
)
Nguồn: Tác giả tổng hợp từ Stata
Theo phương pháp nội dung thông tin, ta sẽ chọn lựa mô hình có AIC và BIC là nhỏ
nhất, như kết quả trên thấy được mô hình ARIMA(10,1,0) là mô hình phù hợp, do đó tác
giả sử dụng mô hình này để dự báo VNINDEX trong thời gian 10 tuần tới.
2.4. Kiểm định phần dư
2.4.1. Kiểm định hiện tượng tự tương quan
Tác giả sử dụng kiểm định Durbin-Watson để kiểm định hiện tượng tự tương quan của
phần dư, kết quả kiểm định được tác giả trình bày như sau:
Hình 2.7. Kiểm định tự tương quan bằng Durbin-Watson Test

Nguồn: Tác giả tổng hợp từ Stata

Kết quả kiểm định cho thấy hệ số Durbin-Watson bằng 1.976715, tức nằm trong
khoảng (1,3) nghĩa là phần dư không có hiện tượng tự tương quan.
Ngoài ra kiểm định khác là kiểm định Breusch-Pagan cũng cho kết quả p-value =
0.2482 lớn hơn 5% nghĩa là chấp nhận giả thuyết H0 hay nói cách khác mô hình không có
hiện tượng tự tương quan.
2.4.2. Kiểm định hiện tượng phương sai thay đổi
Tác giả sử dụng kiểm định White để kiểm định hiện tượng phương sai thay đổi của
phần dư, giả thuyết kiểm định được tác giả trình bày như sau:
H0 : Mô hình không có hiện tượng phương sai thay đổi
H1: Mô hình có hiện tượng phương sai thay đổi
Hình 2.8. Kiểm định phương sai thay đổi

Nguồn: Tác giả tổng hợp từ Stata

Kết quả kiểm định White cho thấy giá trị p-value = 0.5852 lớn hơn 5% nghĩa là chấp
nhận giả thuyết H0 hay nói cách khác mô hình không có hiện tượng phương sai thay đổi.

15
2.4.3. Kiểm định tính chất White noise của phần dư
Tác giả kiểm định tính chất White noise của phần dư bằng cách đưa ra hai giả thuyết
sau:
H0 : Phần dư có tính nhiễu trắng
H1: Phần dư không có tính nhiễu trắng
Hình 2.9. Tính chất White noise của phần dư

Nguồn: Tác giả tổng hợp từ Stata

Kết quả cho thấy giá trị p-value = 0.9995 lớn hơn 5% đồng nghĩa với việc chấp nhận
giả thuyết H0 hay phần dư có tính nhiễu trắng.
2.5. Dự báo
Tác giả thực hiện dự báo cho giá của VNINDEX trong thời gian 10 tuần tới bằng
Dynamic forecast và thu được kết quả như sau:
Hình 2.10. Kết quả dự báo VNINDEX 10 tuần tới
Time VNINDEX forecast
2023w2 986.3296
2023w3 983.2047
2023w4 942.0922
2023w5 933.6801
2023w6 906.4753
2023w7 889.6199
2023w8 887.7396
2023w9 871.4824
2023w10 878.5478
2023w11 857.715

Nguồn: Tác giả tổng hợp từ Stata

16
 Hình 2.11. Đồ thị dự báo VNINDEX bằng mô hình ARIMA(10,1,0)

1600
1400
1200
1000
800

2022w1 2022w13 2022w26 2022w40 2023w1 2023w13

weekly

price Du bao VNINDEX trong 10 tuan toi

Nguồn: Tác giả tổng hợp từ Stata

Hình 2.12. Dự báo phần dư trong 10 tuần tới
1600 1400
y prediction, dyn(w(2023w1))
1000 1200
800

2022w1 2022w13 2022w26 2022w40 2023w1 2023w13

weekly

Nguồn: Tác giả tổng hợp từ Stata

Kết quả dự báo cho thấy giá dự báo của chỉ số VNINDEX bám rất sát đồ thị của chuỗi
dữ liệu gốc price. Điều này chứng tỏ mô hình ARIMA (10,1,0) đã giải thích gần như
chính xác được sự biến động của chuỗi thời gian về giá cả của chỉ số VNINDEX. Do đó
có thể nói mô hình ARIMA(10,1,0) là một mô hình khá tin cậy đối với dự báo ngắn hạn.

17
 TÀI LIỆU THAM KHẢO
Titman and Wessels, 1988. The Determinants of Capital Structure Choice. The Journal
of Finance, Vol. 43, No. 1, pp. 1- 19.
Tran Dinh Khoi Nguyen and Neelakantan Ramachandran, 2006. Capital Structure in
Small and Mediumsized Enterprises. The case of Vietnam, Asean Economic Bulletin,
Vol.23, pp.192-211.
Website: Investing.com.

18
 PHỤ LỤC PHẦN 1
Khai báo biến

Thống kê mô tả

Ma trận hệ số tương quan Pearson

Kiểm định tính dừng

19
20
21
Mô hình hồi quy OLS

Hồi quy với biến giả LSDV

22
Mô hình hồi quy FEM

Mô hình hồi quy REM

Mô hình hồi quy BETWEEN

23
Mô hình hồi quy FIRST DIFFERENCE

Kiểm định Hausman

24
Kiểm định phương sai thay đổi

Kiểm định tự tương quan

Khắc phục mô hình bằng FGLS

Kiểm định đa cộng tuyến

Kiểm định phân phối chuẩn của phần dư

25
Kiểm định mô hình có bỏ sót biến hay không

Kiểm tra biến nội sinh

26
27
28
Khắc phục hiện tượng nội sinh bằng GMM

29
 PHỤ LỤC PHẦN 2
Kiểm định tính dừng của chuỗi Vnindex bằng Dickey-Fuller

30
31
Kiểm định tính dừng của chuỗi Vnindex sai phân bậc 1 bằng Dickey-Fuller

32
33
Mô hình ARIMA(10,1,0)

Phần dư

ACF và PACF của Resid

34
Tự tương quan

Phân phối chuẩn

Phương sai thay đổi

Nhiễu trắng

Sai số

35
encode MACK,gen(Company)
xtset Company YEAR
gen ARD1= ARD*D1
gen ARD2= ARD*D2
summarize ROA ARD SG LEV AGE CR
corr ROA ARD SG LEV AGE CR
xtunitroot llc ROA , trend lags(0)
xtunitroot llc ARD , trend lags(0)
xtunitroot llc SG , trend lags(0)
xtunitroot llc LEV , trend lags(0)
xtunitroot llc AGE , trend lags(0)
xtunitroot llc CR , trend lags(0)
reg ROA ARD SG LEV AGE CR D1 D2 ARD1 ARD2
est store POLS
xtreg ROA ARD SG LEV AGE CR D1 D2 ARD1 ARD2,fe
est store FEM
xtreg ROA ARD SG LEV AGE CR D1 D2 ARD1 ARD2,re
est store REM
hausman FEM REM
xtreg ROA ARD SG LEV AGE CR D1 D2 ARD1 ARD2,re
xtserial ROA ARD SG LEV AGE CR D1 D2 ARD1 ARD2
xtreg ROA ARD SG LEV AGE CR D1 D2 ARD1 ARD2,re
xttest0
reg ROA ARD SG LEV AGE CR D1 D2 ARD1 ARD2
vif
xtgls ROA ARD SG LEV AGE CR D1 D2 ARD1 ARD2, panels (heter) corr(psar1) igls

36