បញ្ហា (The Problem)៖ ឯកសារនេះស្រាវជ្រាវអំពីកត្តាខាងក្នុងដែលជះឥទ្ធិពលដល់ហានិភ័យក្ស័យធន (Bankruptcy risk) របស់ក្រុមហ៊ុនដែលបានចុះបញ្ជីនៅលើទីផ្សារមូលបត្រប្រទេសវៀតណាម ដោយប្រើប្រាស់សន្ទស្សន៍ Z-score កែសម្រួល។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រមូលទិន្នន័យបន្ទះ (Panel data) ពីក្រុមហ៊ុនចំនួន ៤៣៩ ក្នុងចន្លោះឆ្នាំ ២០០៨-២០១៩ និងប្រើប្រាស់កម្មវិធីសូហ្វវែរ Stata 14 ដើម្បីរត់ម៉ូដែលវិភាគតារាងតំរែតំរង់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Ordinary Least Square (OLS) ម៉ូដែលតំរែតំរង់ការ៉េអប្បបរមា (OLS) |
មានភាពងាយស្រួលក្នុងការគណនា និងបកស្រាយលទ្ធផលជាមូលដ្ឋាននៃទំនាក់ទំនងរវាងអថេរ។ | មិនអាចគ្រប់គ្រង ឬចាប់យកលក្ខណៈពិសេសដែលមិនបានសង្កេតឃើញ (unobserved heterogeneity) របស់ក្រុមហ៊ុននីមួយៗបានទេ។ | អាចពន្យល់ពីការប្រែប្រួលបាន ៨៦,៧៤% ប៉ុន្តែត្រូវបានបដិសេធតាមរយៈតេស្ត F-test ថាមិនមែនជាម៉ូដែលល្អបំផុតសម្រាប់ការសិក្សានេះទេ។ |
| Fixed Effects Model (FEM) ម៉ូដែលផលប៉ះពាល់ថេរ (FEM) |
អាចគ្រប់គ្រងលក្ខណៈពិសេសរៀងៗខ្លួនរបស់ក្រុមហ៊ុនដែលមិនប្រែប្រួលតាមពេលវេលា ដែលជួយកាត់បន្ថយភាពលម្អៀងនៃលទ្ធផល។ | ត្រូវការទិន្នន័យច្រើន (Panel data) និងមិនអាចប៉ាន់ស្មានឥទ្ធិពលនៃអថេរដែលមិនប្រែប្រួលតាមពេលវេលាបានទេ។ | ជាម៉ូដែលដែលសមស្របបំផុតតាមរយៈការធ្វើតេស្ត Hausman (p = 0.000) ដោយអាចពន្យល់ពីការប្រែប្រួលនៃហានិភ័យបានរហូតដល់ ៨៦,៧៨%។ |
| Random Effects Model (REM) ម៉ូដែលផលប៉ះពាល់ចៃដន្យ (REM) |
មានប្រសិទ្ធភាពខ្ពស់ជាងម៉ូដែល FEM ប្រសិនបើលក្ខណៈពិសេសដែលមិនបានសង្កេតឃើញរបស់ក្រុមហ៊ុនមិនមានទំនាក់ទំនងជាមួយអថេរឯករាជ្យ។ | អាចផ្តល់លទ្ធផលលម្អៀង និងមិនត្រឹមត្រូវ ប្រសិនបើសម្មតិកម្មគោលត្រូវបានបំពាន (ដូចករណីក្នុងការសិក្សានេះ)។ | ត្រូវបានបដិសេធដោយការធ្វើតេស្ត Hausman (p = 0.000) ដែលបង្ហាញថាមិនស័ក្តិសមនឹងទិន្នន័យនេះទេ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្រ្តនេះតម្រូវឱ្យមានទិន្នន័យហិរញ្ញវត្ថុប្រវត្តិសាស្រ្តរយៈពេលវែង និងកម្មវិធីវិភាគស្ថិតិកម្រិតខ្ពស់។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ទិន្នន័យពីក្រុមហ៊ុនចំនួន ៤៣៩ ដែលបានចុះបញ្ជីនៅលើទីផ្សារមូលបត្រប្រទេសវៀតណាម (HOSE និង HNX) ពីឆ្នាំ ២០០៨ ដល់ ២០១៩។ សម្រាប់ប្រទេសកម្ពុជា ទិន្នន័យនេះអាចមានភាពខុសគ្នាខ្លាំង ដោយសារទីផ្សារមូលបត្រកម្ពុជា (CSX) នៅក្មេងខ្ចី មានក្រុមហ៊ុនចុះបញ្ជីតិចតួច និងមានរចនាសម្ព័ន្ធហិរញ្ញវត្ថុខុសពីវៀតណាម។ ដូច្នេះ សន្ទស្សន៍និងមេគុណគោលមួយចំនួនអាចនឹងមិនអាចអនុវត្តផ្ទាល់បានទេ ប្រសិនបើគ្មានការកែសម្រួល។
ទោះបីជាបរិបទទីផ្សារមានទំហំខុសគ្នា ប៉ុន្តែវិធីសាស្រ្តវាយតម្លៃហានិភ័យដោយប្រើ Z-score និងសូចនាករហិរញ្ញវត្ថុនេះ មានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់កម្ពុជា។
ការសម្របវិធីសាស្រ្តទស្សន៍ទាយហានិភ័យនេះទៅក្នុងបរិបទកម្ពុជា នឹងជួយពង្រឹងអភិបាលកិច្ចសាជីវកម្ម និងទំនុកចិត្តរបស់អ្នកវិនិយោគក្នុងប្រព័ន្ធហិរញ្ញវត្ថុដែលកំពុងលូតលាស់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Zscore index | សន្ទស្សន៍ហិរញ្ញវត្ថុដែលត្រូវបានប្រើប្រាស់ដើម្បីទស្សន៍ទាយប្រូបាប៊ីលីតេ (លទ្ធភាព) នៃការក្ស័យធនរបស់ក្រុមហ៊ុនមួយ ដោយផ្អែកលើការរួមបញ្ចូលគ្នានៃសមាមាត្រហិរញ្ញវត្ថុផ្សេងៗ។ | ដូចជាពិន្ទុពិនិត្យសុខភាពដែលប្រាប់យើងជាមុនថា តើក្រុមហ៊ុនមួយមានហានិភ័យនឹងដួលរលំឬអត់។ |
| return on total assets | សូចនាករវាស់ស្ទង់សមត្ថភាពរបស់ក្រុមហ៊ុនក្នុងការបង្កើតប្រាក់ចំណេញពីទ្រព្យសកម្មសរុបដែលខ្លួនមាន វាបង្ហាញពីប្រសិទ្ធភាពនៃការប្រើប្រាស់ធនធាន។ | ដូចជាការវាស់ស្ទង់ថា តើម៉ាស៊ីនមួយអាចផលិតទំនិញបានចំណេញប៉ុន្មាន បើធៀបនឹងតម្លៃដើមនៃម៉ាស៊ីននោះ។ |
| current ratio | សមាមាត្ររវាងទ្រព្យសកម្មចរន្ត (ដែលអាចបង្វិលជាសាច់ប្រាក់បានលឿន) និងបំណុលចរន្ត (ដែលត្រូវសងក្នុងរយៈពេលខ្លី) ដើម្បីវាយតម្លៃសមត្ថភាពសងបំណុលរយៈពេលខ្លីរបស់ក្រុមហ៊ុន។ | ដូចជាការប្រៀបធៀបលុយនៅក្នុងហោប៉ៅរបស់អ្នកផ្ទាល់ ជាមួយនឹងលុយដែលអ្នកជំពាក់គេហើយត្រូវសងនៅខែក្រោយ។ |
| financial leverage | ការប្រើប្រាស់បំណុល (លុយខ្ចី) ដើម្បីផ្តល់ហិរញ្ញប្បទានដល់ប្រតិបត្តិការ ឬការវិនិយោគរបស់ក្រុមហ៊ុន ក្នុងគោលបំណងបង្កើនប្រាក់ចំណេញ ប៉ុន្តែក៏បង្កើនហានិភ័យហិរញ្ញវត្ថុផងដែរ។ | ដូចជាការខ្ចីលុយគេយកមករកស៊ី ដើម្បីចំណេញបានកាន់តែច្រើន ប៉ុន្តែបើរកស៊ីខាត នឹងជំពាក់បំណុលគេវណ្ឌក។ |
| capital intensity | កម្រិតនៃការប្រើប្រាស់ទ្រព្យសកម្មអចិន្ត្រៃយ៍ (ដូចជាម៉ាស៊ីន រោងចក្រ) បើធៀបនឹងទំហំទ្រព្យសកម្មសរុប សម្រាប់ដំណើរការអាជីវកម្មរបស់ក្រុមហ៊ុន។ | ដូចជាការវាស់មើលថា តើហាងកាហ្វេមួយត្រូវចំណាយលុយទិញម៉ាស៊ីនឆុងកាហ្វេថ្លៃៗប៉ុន្មានភាគរយនៃដើមទុនសរុបរៀបចំហាង។ |
| Fixed effects model (FEM) | ម៉ូដែលស្ថិតិមួយប្រភេទដែលត្រូវបានប្រើប្រាស់ក្នុងទិន្នន័យបន្ទះ (Panel data) ដើម្បីគ្រប់គ្រងលក្ខណៈពិសេសរបស់ក្រុមហ៊ុននីមួយៗដែលមិនប្រែប្រួលតាមពេលវេលា ដែលអាចធ្វើឱ្យមានភាពលម្អៀងដល់លទ្ធផល។ | ដូចជាការប្រៀបធៀបពិន្ទុសិស្សម្នាក់ៗដោយគិតបញ្ចូលនូវកម្រិតឆ្លាតវៃពីកំណើតរបស់ពួកគេរួចជាស្រេច ដើម្បីដឹងថាការខិតខំរៀនពិតជាធ្វើឱ្យពិន្ទុឡើងមែនឬអត់។ |
| Ordinary least square model (OLS) | វិធីសាស្រ្តស្ថិតិក្នុងការស្វែងរកបន្ទាត់តំរែតំរង់ដែលស័ក្តិសមបំផុត ដោយកាត់បន្ថយផលបូកនៃការ៉េនៃកំហុសរវាងទិន្នន័យជាក់ស្តែង និងទិន្នន័យដែលបានទស្សន៍ទាយតាមម៉ូដែល។ | ដូចជាការគូសបន្ទាត់ត្រង់មួយនៅកណ្តាលហ្វូងចំណុចទិន្នន័យ ដើម្បីមើលពីនិន្នាការទូទៅរបស់វាឱ្យបានច្បាស់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
