TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM
KHOA TÀI CHÍNH DOANH NGHIỆP
-Tp.Hồ Chí Minh, tháng 9 năm 2013 -
9/2013
BÀI NGHIÊN CỨU
DỰ BÁO KIỆT QUỆ TÀI CHÍNH
CHO CÁC CÔNG TY SẢN XUẤT
Ở VIỆT NAM
Nhóm nghiên cứu:
1. Lê Thị Hữu
2. Nguyễn Thị Thu Hà
3. Tôn Thất Khánh
Hoàng
4. Nghiêm Phúc Hiếu
5. Đặng Phương Thảo
GVHD : TS. NGUYỄN THỊ UYÊN UYÊN
LỚP : CAO HỌC TCDN NGÀY – KHÓA 22
GVHD : TS. NGUYỄN THỊ UYÊN UYÊN
LỚP : CAO HỌC TCDN NGÀY – KHÓA 22
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
MỤC LỤC
1.2. Mục tiêu nghiên cứu và các vấn đề nghiên cứu: 4
1.3. Bố cục của bài nghiên cứu: 4
III.PHƯƠNG PHÁP NGHIÊN CỨU 12
3.1 Hàm hồi quy logistic nhằm mục đích dự báo khả năng phá sản của doanh nghiệp 12
3.2. Định nghĩa về thất bại của doanh nghiệp 13
3.3. Mẫu nghiên cứu 14
3.4. Lựa chọn biến dự đoán 15
IV.KẾT QUẢ HỒI QUY – PHÂN TÍCH 20
IV.3. Thảo luận 24
V.KẾT LUẬN 27

lao, sự ra đi của các cán bộ quản lý cao cấp… Tuy vậy, đây là những dấu hiệu có thể
nhận biết khi công ty đã rơi vào giai đoạn kiệt quệ trầm trọng và trong hầu hết trường hợp
sẽ dẫn đến con đường tận cùng đó là phá sản. Trong khi đó, nếu có thể dự báo trước được
những nguyên nhân, yếu tố gây ra khủng hoảng sớm hơn thì có thể sẽ giúp cho nhà quản
lý, ban giám đốc có cái nhìn thấu đáo hơn về hiện trạng của công ty từ đó đưa ra những
giải pháp khắc phục, sửa đổi, quản trị rủi ro trước khi kiệt quệ trở nên trầm trọng hơn,
không còn cách để cứu chữa. Do đó, không ngạc nhiên khi dự báo về kiệt quệ của một
công ty tiếp tục thu hút sự chú ý và được xem xét theo quy mô và thời gian trên thế giới.
1.2. Mục tiêu nghiên cứu và các vấn đề nghiên cứu:
Mục tiêu của bài nghiên cứu này là chọn ra các biến (các tỷ số tài chính) để phân biệt
các công ty "khỏe mạnh" với các công ty bị "kiệt quệ tài chính" ở Việt Nam, từ đó dự
đoán nguy cơ phá sản. Bài nghiên cứu nhằm trả lời các câu hỏi sau:
 Những tỷ số quan trọng nhất trong việc phát hiện nguy cơ phá sản?
 Những trọng số nên được gắn với các tỷ số được lựa chọn như thế nào?
 Làm thế nào để lập ra các trọng số một cách khách quan?
1.3. Bố cục của bài nghiên cứu:
 Phần I: Giới thiệu.
 Phần II : Xem xét các chứng cứ thực nghiệm trước đây.
 Phần III : Mô tả dữ liệu và phương pháp nghiên cứu.
 Phần IV : Trình bày và thảo luận các kết quả nghiên cứu.
 Phần V : Kết luận và hạn chế của bài nghiên cứu.
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 4
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
II. CÁC CHỨNG CỨ NGHIÊN CỨU THỰC NGHIỆM TRƯỚC ĐÂY:
Các nghiên cứu về phát triển mô hình thống kê để dự đoán phá sản rất phong phú và
đa dạng.
Trong giai đoạn đầu nghiên cứu về chủ đề này, theo Charitou và cộng sự không có
phương pháp thống kê tiên tiến nào để nghiên cứu. Khi ông so sánh các chỉ tiêu tài
chính của các công ty thất bại với công ty hoạt động động bình thường cho thấy rằng các
chỉ tiêu này ở các công ty bị thất bại thường mang hướng tiêu cực hơn.

thu nhập trước thuế và lãi vay / tổng tài sản, giá trị thị trường của vốn chủ sở hữu / giá trị
sổ sách của tổng nợ phải trả, và doanh thu / tổng tài sản. Sử dụng sai lầm loại I loại II là
cơ sở để đánh giá, mô hình Altman đã dự đoán chính xác 95% nguy cơ phá sản của các
công ty sản xuất ở Mỹ trong vòng 1 năm và 72% trong vòng 2 năm. Tuy nhiên, giá trị
được đưa thêm vào mô hình của Altman không phải là các tỷ số được lựa chọn mà là các
trọng số. Trong những năm qua, đã có một lượng lớn các nghiên cứu dựa trên mô hình Z-
score của Altman. Các bài nghiên cứu đã xác định những đặc điểm của doanh nghiệp kiệt
quệ được kiểm tra để xác định các yếu tố dự báo doanh nghiệp kiệt quệ, từ đó làm nổi bật
vai trò của việc phân tích các tỷ số tài chính trong dự báo kiệt quệ tài chính. Trong mô
hình Z-score (Altman, 1968), tác giả đã dùng phương pháp thống kê đa yếu tố phân biệt
MDA để tính xem mỗi biến số sẽ có trọng số là bao nhiêu, tức là mỗi nhân tố sẽ ảnh
hưởng đến kiệt quệ như thế nào. Sau khi đưa vào hơn 22 yếu tố ban đầu, 5 yếu tố đã được
chọn như là những yếu tố tiềm năng để dự báo cho kiệt quệ tài chính, bao gồm: vốn luân
chuyển/tổng tài sản, lợi nhuận giữ lại/tổng tài sản, EBIT/tổng tài sản, giá trị thị trường
của vốn cổ phần/giá trị sổ sách của nợ, doanh thu/tổng tài sản. Năm yếu tố này không
đứng riêng lẻ, độc lập để dự báo kiệt quệ mà có sự kết hợp như trong phương trình sau:
Từ phương trình này, có thể dự đoán được khả năng kiệt quệ của doanh nghiệp.
Nếu Z >2.99 doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản. Nếu 1.8< Z
<2.99: doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản . Nếu Z <1.8:
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 6
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao. Từ chỉ số Z, Altman sau
này phát triển và đưa ra mô hình Z
’
, Z
’’
vào năm 1983, 1993. Trong đó mô hình Z áp
dụng cho doanh nghiệp nhà nước, mô hình Z’ áp dụng cho doanh nghiệp tư nhân và mô
hình Z’’ có thể áp dụng cho hầu hết các ngành và các loại hình doanh nghiệp.
Sau một thập kỷ từ khi bắt đầu sử dụng MDA, Altman và cộng sự (1977) sửa đổi

(1992), Lussier & Corman (1994), Neophytou & Molinero (2004), Canbas, Cabuk, và
Kılıç (2005), Hyunjoon Kim và Zheng Gu (2008)…
Mặc dù nghiên cứu của Altman và các nhà nghiên cứu khác đạt kết quả khả quan
nhưng các mô hình này có một nhược điểm chính: Họ giả định rằng các biến trong dữ
liệu mẫu được phân bố bình thường. Sheppard (1994) lập luận rằng "Nếu tất cả các biến
này không được phân phối, các phương pháp nghiên cứu có thể dẫn đến dự đoán không
phù hợp". Hơn nữa, phân tích MDA đã bị chỉ trích vì phân loại lưỡng phân của nó không
đưa ra một khả năng thất bại nào trong việc dự đoán sự thất bại [Dimitras, Zanakis, và
Zopounidis (1996)].
Để khắc phục một số vấn đề liên quan đến việc phân tích đa biến, Ohlson (1980)
đã sử dụng hồi quy để dự đoán sự thất bại của công ty. Nhưng trước Ohlson, Martin
(1977) sử dụng mô hình nhị phân để dự đoán sự đổ vỡ trong hệ thống ngân hàng. Bằng
cách sử dụng mẫu của 105 công ty bị phá sản và 2.058 công ty hoạt động bình thường,
Ohlson (1980) phát hiện ra rằng nó có thể xác định bốn yếu tố cơ bản có ý nghĩa thống kê
trong việc xác định khả năng phá sản. Các yếu tố đó bao gồm quy mô công ty, cấu trúc
tài chính, hiệu quả hoạt động, tính thanh khoản hiện tại. Bốn yếu tố cơ bản xuất phát từ
các nhóm đầu tiên trong chín chỉ tiêu tài chính đưa vào mô hình đó là: Quy mô công ty,
tổng nợ phải trả / tổng tài sản, vốn luân chuyển / tổng tài sản, nợ ngắn hạn / Tài sản ngắn
hạn, một biến giả cho thấy cho dù tổng tài sản lớn hơn hoặc ít hơn tổng nợ phải trả, thu
nhập ròng / tổng tài sản, nguồn vốn từ hoạt động / tổng nợ phải trả, một biến giả thể hiện
thu nhập ròng có tương quan âm trong hai năm cuối với thất bại của công ty không và sự
thay đổi trong thu nhập ròng. Kết quả cho thấy mô hình Ohlson có thể dự đoán chính xác
92% đến 96% các trường hợp phá sản 1-2 năm trước đó. Sau đó, Chritine Zavgren đã
phát triển một mô hình để xứ lý vấn đề này, mô hình của bà sử dụng phân tích nhị phân
để dự đoán sự phát sản. Mô hình nhị phân phát triển bởi Zavgren (1985) đã được thử
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 8
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
nghiệm trong thời gian 5 năm trước khi thất bại. Bảy chỉ tiêu tài chính bao gồm trong mô
hình này là tổng thu nhập / tổng vốn đầu tư, doanh thu/Tài sản cố định, hàng tồn kho /
doanh thu, nợ / tổng vốn đầu tư, các khoản phải thu / hàng tồn kho, tài sản ngắn hạn / nợ

& Sharda (1994), Lacher và cộng sự (1995), Shah và Murtaza (2000), Ragothaman, S.
(2003), Nguyễn Hương Giang (2005) và Kingkarn Sookhanaphibarn, Piruna Polsiri,
Worawat Choensawat và Frank C. Lin (2007).
Ngoài ANN, một số lượng lớn các phương pháp dự đoán chính xác hơn và thông
dụng được sử dụng để dự báo thất bại của công ty. Lane và cộng sự (1986), Luoma &
Laitinen (1991) và Kauffman & Wang (2001) sử dụng "phân tích sự tồn tại", thuật toán đệ
quy phân vùng được sử dụng bởi Frydman và cộng sự (1985), Joos và cộng sự (1998), hệ
thống chuyên gia của Messier và Hansen (1988), phương pháp lập trình toán học của
Gupta và cộng sự (1990), mô hình đa nhân tố của Vermeulen và cộng sự (1998), và tập
hợp thô bởi Dimitras và cộng sự (1999). Trong giai đoạn tiên tiến hơn, các thuật toán di
truyền đã được sử dụng bởi Varetto (1998) và Barney & Alii (1999), phương pháp
CUSUM bởi Kahya & Theodossiou (1999). Trong cuối những năm 1990, Support Vector
Machine (SVM) đã được giới thiệu để giải quyết vấn đề phân loại. Fan và Palaniswami
(2000) áp dụng SVM để dự đoán khủng hoảng tài chính. Hơn nữa, cách tiếp cận hỗn hợp
đã được sử dụng bởi Lindsay và Campbell (1996), Bayesian mạng mô hình khác của
Sarkar và Sriram (2001), CN & Shenoy (2005), phân tích dữ liệu (DEA) của Cielen và
cộng sự (2004), mô hình logit hỗn hợp của Jones và Hensher (2004), mô hình tổn thất đã
được ủng hộ bởi Shumway (2001) và Beaver & Mc Nichols (2005). Từ đầu những năm
2000, một số kỹ thuật mô hình khác cũng đã được sử dụng trong nghiên cứu dự báo phá
sản và đã thực hiện tốt, trong đó có phương pháp tiếp cận Bộ Rough (McKee &
Lensberg, 2002) và phương pháp tiếp cận đa chiều scaling (Mar-Molinero & Serrano-
Cinca, 2001).
Một cuộc khảo sát kết quả của những nghiên cứu này cho thấy rằng không có mô
hình mang lại kết quả cao trong một cách nhất quán. Ở Tunisia, các nghiên cứu của các
mô hình dự báo thất bại bắt đầu vào đầu năm 2000. Abid & Zouari (2001) và Mamoghli
& Jellouli (2002) đã sử dụng các mạng thần kinh nhân tạo. Boujelben & Hassouna
(2004) - một kỹ thuật dựa trên dòng tiền được sử dụng. Tất cả các nghiên cứu Tunisia đã
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 10
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
nói ở trên, không phân biệt với cách tiếp cận được sử dụng, có một trở ngại chung liên

Log [P (C)/ (1–P (C))] = β
0
+ β
1
X
i1
+ . . . + β
n
X
in
(1)
Trong đó:
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 12
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
P(C) = Xác suất doanh nghiệp thứ i khỏe mạnh
Β
0
= Hệ số chặn
X
1
…X
n
= Các tỷ số tài chính
Β
1
…β
n
= Các hệ số của tỷ số tài chính thứ từ 1 đến n
X
in

nghiệp còn lại với P(C) thấp hơn 0.5 được phân loại thuộc nhóm doanh nghiệp khoẻ
mạnh.
3.2. Định nghĩa về thất bại của doanh nghiệp
Không có một sự thống nhất trong việc định nghĩa về thất bại của doanh nghiệp
trong hai phạm trù tài chính và kinh tế học. Năm 1993, Altman trình bày ba quan niệm
khái quát về việc thất bại doanh nghiệp: “thất bại kinh tế”, “mất khả năng thanh toán”
và “phá sản”. Thất bại kinh tế theo quan điểm của Altman là việc nhận ra rằng thu nhập
nhận được từ đầu tư là đáng kể và liên tục thấp hơn mức thu nhập nhận được từ việc đầu
tư của các hoạt động đầu tư tương tự. Tình huống mất khả năng thanh toán xảy ra khi mà
công ty không có năng lực để thanh toán các khoản nợ đến hạn. Tình trạng phá sản là tình
trạng nghiệt ngã hơn đối với một công ty, không thể giải quyết được các nghĩa vụ nợ, yêu
cầu đến sự can thiệp của toà án để giải quyết việc tái tổ chức lại doanh nghiệp hoặc là phá
sản doanh nghiệp. Cùng một luận điểm về vấn đề này, Beaver (1996) định nghĩa việc thất
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 13
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
bại của doanh nghiệp với các tiêu chuẩn trong kinh doanh như lãi suất các khoản vay,
thấu chi tài khoản ngân hàng, hay các tuyên bố phá sản.
Để tiến hành nghiên cứu này, vì kiệt quệ tài chính là dấu hiệu đầu tiên của việc thất
bại, chúng tôi áp dụng cùng định nghĩa được đưa ra trong nguồn dữ liệu chúng tôi (Ngân
hàng thương mại) bằng quan điểm rằng doanh nghiệp được xem là kiệt quệ tài chính khi
có lợi nhuận âm trong hai năm liên tiếp và tỷ số nợ trên vốn chủ sở hữu lớn hơn một.
3.3. Mẫu nghiên cứu
Theo Beaver năm 1966 và Molinero & Ezzamel, 1991, các doanh nghiệp thất bại có
những đặc điểm khác nhau trong khoảng thời gian 5 năm trước khi lâm vào cảnh thất bại.
Do đó, mục tiêu tiên quyết của nghiên cứu này là dự đoán sự kiệt quệ tài chính cho
khoảng thời gian 5 năm. Tuy nhiên, do sự giới hạn của dữ liệu, nghiên cứu sử dụng dữ
liệu tài chính của 2 năm trước khi lâm vào kiệt quệ tài chính để thiết lập các điều kiện
1
.
Các tỷ số tài chính trong cùng một kỳ được sử dụng nhằm mục đích tránh việc sử dụng

sử dụng trong mô hình. Ngoài ra, sự phân tích các nghiên cứu thực nghiệm đã được thực
hiện về dự báo sự thất bại của doanh nghiệp cho thấy rằng không có một nhóm chỉ số rõ
ràng thể hiện cho khả năng phân loại cao và có khả năng dự đoán việc phá sản có thể áp
dụng chung cho toàn bộ các nghiên cứu (Edmister, 1972).
Do vậy, nhằm mục đích khả năng loại trừ các biến giải thích vừa liên quan đến khía
cạnh kinh tế doanh nghiệp và có ý nghĩa thống kê, trước hết chúng tôi sử dụng các biến
dự báo từ rất nhiều các tỷ số tài chính đã được chứng minh là có liên quan đến các nghiên
cứu trước đây trong mô hình nghiên cứu sự thất bại trong kinh doanh của các doanh
nghiệp
2
. Từ đó, để xác định cụ thể các tỷ số tài chính có ý nghĩa và liên quan khả dĩ đến
điều kiện tài chính của doanh nghiệp, nghiên cứu so sánh thống kê mô tả cho cả các
doanh nghiệp phá sản lẫn không phá sản. Thông qua việc thực hiện quy trình này, nhóm
tỷ số phân biệt đã được hình thành, bao gồm 16 tỉ số cho các doanh nghiệp sản xuất
(Bảng 3.1).
3
2
Trong hầu hết các bằng chứng thực nghiệm việc lựa chọn các điều kiện cho các biến hồi quy được dựa trên sự lựa
chọn của các nghiên cứu thực nghiệm trước đó (Zavgren, 1984; Skogsvik, 1988) hoặc bằng cách kết hợp các sự lựa
chọn đó dựa trên các tiêu chí ưu tiên về học thuật (Keasey-Mc Guiness, 1988; Keasey-Watson, 1987; Edminster,
1972; Lo, 1986).
3
Các tỷ số tài chính có thể chia thành 4 dạng cơ bản: tỷ số đo lường khả năng thanh khoản, tỷ số đo lường khả năng
quản lý tài sản, tỷ số về cấu trúc vốn, và tỷ số đo lường hiệu quả hoạt động (lợi nhuận) của doanh nghiệp.
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 15
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Bảng 3.1: Các tỷ số thống kê cho doanh nghiệp sản xuất
Trong đó, doanh nghiệp loại H là doanh nghiệp khoẻ mạnh, còn doanh nghiệp loại F là
doanh nghiệp thất bại.
Biến Công thức Loại

H 0.1511 0.0513 13.9078 -0.0449 0.9406
F -0.0955 0.0000 0.0637 -0.9957 0.2514
R
6
Doanh thu/(Nhu cầu vốn luân
chuyển + Tài sản cố định)
H 2.3198 1.8498 17.1607 0.1482 2.0820
F 1.9179 1.0572 19.0562 -3.1113 3.7435
R
9
EBIT/(Nhu cầu vốn luân
chuyển + Tài sản cố định)
H 0.3068 0.1770 9.2627 0.0047 0.6901
F 0.1204 0.0559 1.9302 -0.2650 0.3821
R
10
Dòng tiền thuần/Doanh thu
H 0.0157 0.0036 0.8482 -0.4236 0.1139
F -0.0709 -0.0530 0.0534 -0.6216 0.1307
R
11
Vốn luân chuyển *12/Doanh
thu
H 0.2312 0.1446 3.6428 -0.8710 0.4155
F 0.0517 0.1752 3.8942 -9.0654 2.0633
R
12
Nhu cầu vốn luân
chuyển*12/Doanh thu
H 0.3329 0.2636 3.4468 -0.3694 0.3422

F 1.0953 0.6156 7.8231 0.0000 1.6158
R
26
(Nợ ngắn hạn+Nợ dài
hạn)/EBIDTA
H 4.1559 3.1615 55.0383 0.0680 4.4785
F 11.6357 12.1731 78.8952 -58.6663 27.1818
Tỷ số lợi nhuận gộp/doanh thu R
1
phản ánh khoản thu nhập gộp của một công ty so
với doanh thu của nó. Hệ số này càng cao thì càng tốt vì nó phản ánh hiệu quả hoạt động
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 16
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
của công ty. Trên thực tế mức lợi nhuận gộp giữa các ngành là khác nhau, còn trong bản
thân một ngành thì công ty nào quản lý và sử dụng yếu tố đầu vào tốt hơn thì sẽ có hệ số
lợi nhuận cao hơn. Đây là một trong các biện pháp quan trọng đo lường khả năng tạo lợi
nhuận của công ty năm nay so với các năm khác.
Tỷ số EBIDTA/Doanh thu R
2
phản ánh lợi nhuận trước lãi vay, thuế và khấu hao so
với doanh thu của nó. EBITDA là một chỉ tiêu đánh giá tỷ suất sinh lợi của doanh nghiệp,
bằng thu nhập trừ các chi phí, nhưng chưa trừ tiền trả lãi, thuế và khấu hao. EBITDA có
thể được sử dụng để phân tích và so sánh mức lãi giữa các công ty hoặc các ngành bởi
chỉ số này đã loại bỏ được ảnh hưởng do các quyết định về mặt kế toán và tài chính gây
ra. EBITDA thường được sử dụng phổ biến trong các ngành có tài sản giá trị lớn, cần
chiết khấu trong thời gian dài, đặc biệt trong lĩnh vực công nghệ thông tin. Lý do chính
EBITDA được sử dụng phổ biến là chỉ số này cho thấy mức lợi nhuận cao hơn thông
thường. Công ty sẽ khiến cho bức tranh tài chính của mình thêm sáng sủa bằng cách đưa
thêm chỉ số EBITDA, đánh lạc hướng sự chú ý của nhà đầu tư khỏi tỷ lệ nợ và chi phí
hoạt động cao. Tuy nhiên, đôi khi doanh nghiệp bị thiệt hại lợi nhuận quá nhiều do chi

quản lý tài sản. Nó thể hiện cách thức công ty kết hợp sử dụng các tài sản lưu động và cố
định của mình để mang lại nguồn thu cho công ty (bằng doanh thu hoặc bằng lợi nhuận
trước lãi vay và thuế). Nếu tỷ số càng cao càng cho thấy khả năng sử dụng tốt những tài
sản này và ngược lại vì nguồn đầu ra của công ty là một trong các cách thức để tài trợ cho
nguồn đầu vào một cách nhanh chóng nhất. Rõ ràng, một công ty đang trên đà phát triển
không hề muốn tỷ số này nhỏ một cách bất thường chút nào, vì điều đó sẽ ảnh hưởng đến
khả năng tài trợ vốn của các chủ sở hữu và chủ nợ của nó.
Tỷ số dòng tiền thuần/doanh thu R
10
là một tỷ số thuộc nhóm chỉ tiêu đánh giá dòng
tiền, nó thể hiện khả năng thu tiền mặt từ doanh thu có tốt hay không. Nếu tỷ số này thấp
chứng tỏ hoạt động của công ty có thể cao nhưng nguồn thu lại quá thấp, công ty có thể
có chế độ công nợ bán chịu đối với khách hàng tốt, dẫn đến các khoản phải thu vượt quá
mức, trong khi tiền mặt thu về chưa kịp lúc, điều đó có thể dẫn tới tình trạng mất thanh
khoản tức thời nếu tình hình vẫn tiếp tục diễn ra. Một tỷ số cao cho thấy khả năng sinh
lợi và thanh khoản của công ty là khá tốt.
Tỷ số vốn luân chuyển*12/doanh thu R
11
và tỷ số nhu cầu vốn luân chuyển*12/doanh
thu R12 thuộc nhóm chỉ tiêu đo lường hiệu quả quản lý nguồn tài nguyên của công ty hay
hiệu năng quản trị tài sản ngăn hạn công ty như thế nào. Nếu tỷ số này càng thấp cho thấy
nguồn vốn lưu động của công ty ty bỏ ra không cao nhưng được sử dụng một cách linh
hoạt để đem lại nguồn doanh thu đáng kể và ngược lại. Tuy nhiên nó lại không thể đánh
giá được hiệu suất sử dụng toàn bộ nguồn vốn của công ty.
Tỷ số chi phí sản xuất/doanh thu R
14
, Chi phí tài chính/EBIDTA R
15
, chi phí tài
chính/doanh thu R16 là nhóm chỉ số đánh giá tỷ suất chi phí so với khả năng sinh lợi.

Quyết định cấu trúc vốn này cần được tối ưu và linh hoạt trong suốt vòng đời từ giai đoạn
khởi sự cho đến lúc chấm dứt của bất kì công ty nào.
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 19
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
IV.KẾT QUẢ HỒI QUY – PHÂN TÍCH
IV.1. Kết quả hồi quy
Chúng tôi áp dụng hồi quy logistic để phân tích hồi quy, dựa vào kết quả của mô
hình, các dấu hiệu của các hệ số của các biến và ý nghĩa thống kê của các biến để đưa ra
các yếu tố có ảnh hưởng đến khả năng xảy ra kiệt quệ tài chính trong các công ty sản xuất
được niêm yết trên hai sàn HOSE và HNX. Bảng 4.1 trình bày kết quả của hồi quy Logit
ước tính xác suất của kiệt quệ tài chính của các công ty trong tương lai 2 năm tới. Kết quả
mô hình cho thấy có rất nhiều yếu tố có dấu như kì vọng, mặc dù không phải tất cả các
biến đều có ý nghĩa. Chúng tôi tìm thấy có 5 biến có ý nghĩa (tại mức ý nghĩa 1% và 5%)
trong mô hình bao gồm: R
5
(Lợi nhuận ròng/Doanh thu), R
9
(EBIT/Nhu cầu vốn luân
chuyển + Tài sản cố định), R
12
(Nhu cầu vốn luân chuyển/Doanh thu),

R
22
(Nợ dài
hạn/Vốn đầu tư), R
26
(Tổng nợ / EBIDTA).
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 20
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM

Step 1 Step 131.355 16 .000
Block 131.355 16 .000
Model 131.355 16 .000
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 21
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Model Summary
Step
-2 Log
likelihood
Cox & Snell
R Square Nagelkerke R Square
1 38.880
a
.414 .828
a. Estimation terminated at iteration number 12 because parameter
estimates changed by less than .001.
Sau khi đã chọn được các biến có ảnh hưởng đến khả năng xảy ra kiệt quệ tài chính
của một doanh nghiệp, để xác định một cách rõ ràng hơn về các tác động của các nhân tố
đến khả năng xảy ra kiệt quệ tài chính của doanh nghiệp, chúng tôi tiến hành chạy hồi
quy binary logistic một lần nữa cho 5 biến đã tìm thấy ở trên. Kết quả được trình bày
trong bảng 4.3.
Tại bảng 4.4, kiểm định Omnibus tests cho chúng ta thấy hệ số sig. của mô hình tiến
về 0 chứng tỏ các biến đưa vào trong mô hình là phù hợp ở mức ý nghĩa thống kê 1%,
trong khi đó -2log likelihood xấp xỉ 64.629 (Càng tiến về 0 mô hình càng phù hợp), một
mức phù hợp hợp lý cho thấy mô hình có khả năng giải thích cho biến phụ thuộc là khá
tốt.
Mô hình logit được viết như sau:
Log(y) = -3.259 - 49.553 R
5
– 12.386 R

-2 Log
likelihood
Cox & Snell
R Square
Nagelkerke
R Square
1 64.269
a
.350 .701
a. Estimation terminated at iteration number 11
because parameter estimates changed by less
than .001.
Đối với hồi quy logistic, nếu xác xuất dự đoán không chính xác vượt quá một giá trị
xác định là 0,5 thì mô hình được cho là không có khả năng dự báo chính xác. Dựa vào
bảng 4.5 cho thấy xác suất các công ty không rơi vào tình trạng kiệt quệ tài chính là
97,7% và các công ty rơi vào tình trạng kiệt quệ tài chính là 63,0%. Mức độ dự báo chính
xác của toàn mô hình là 93,9% một con số rất cao càng khẳng định khả năng dự báo
chính xác và bền vững của mô hình đã cho.
Bảng 4.5: Mức độ dự báo chính xác
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 23
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Classification Table
a
Observed
Predicted
DIS Percentage
Correct0 1
Step 1 DIS 0 214 5 97.7
1 10 17 63.0
Overall Percentage 93.9

IV.3. Thảo luận
Dựa trên các phân tích của các hằng số và các hệ số khác nhau của các biến độc lập,
mô hình logit để dự đoán kiệt quệ tài chính của các công ty sản xuất có thể được viết như
sau:
Log(y) = -3.259 -49.553 R
5
– 12.386 R
9
+ 2.303 R
12
+5.017 R
22
+ 0.069 R
26
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 24
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Như vậy các biến có ý nghĩa với hệ số đều có dấu như mong đợi và thể hiện tác động
của các yếu tố đến kiệt quệ tài chính của doanh nghiệp.
Các hệ số R
5
và R
9
đều là các tỷ số đo lường khả năng sinh lợi công ty. Vì lợi nhuận
là một trong những nguồn kinh phí hoạt động, công ty tạo ra lợi nhuận càng nhiều, càng
nhiều vốn lưu động hoặc tiền mặt gia tăng, làm tăng cường sức khỏe tài chính của công
ty. Nhiều công ty phải đối mặt với khủng hoảng tài chính khi họ có lợi nhuận âm. Khi chi
phí lãi vay và các loại thuế bị ảnh hưởng bởi các quyết định tài chính được trừ vào lợi
nhuận trước thuế do đó lợi nhuận sau thuế sẽ thể hiện tốt nhất cho số tiền sẵn có của chủ
sở hữu công ty. Khi so sánh thu nhập ròng (lợi nhuận sau lãi vay và thuế) với doanh thu,
chúng ta có thể đánh giá được quyết định hoạt động và quyết định tài chính của công ty.