Original Title: Tác động của cấu trúc vốn đến suất sinh lời trên tổng tài sản của các doanh nghiệp ngành dầu khí
Source: doi.org/10.61602/jdi.2024.76.02
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ផលប៉ះពាល់នៃរចនាសម្ព័ន្ធដើមទុនទៅលើអត្រាប្រាក់ចំណេញលើទ្រព្យសកម្មសរុប (ROA) របស់សហគ្រាសក្នុងវិស័យប្រេង និងឧស្ម័ន

ចំណងជើងដើម៖ Tác động của cấu trúc vốn đến suất sinh lời trên tổng tài sản của các doanh nghiệp ngành dầu khí

អ្នកនិពន្ធ៖ Đào Lê Kiều Oanh (Ho Chi Minh University of Banking), Lê Đình Nhân (Ho Chi Minh University of Banking)

ឆ្នាំបោះពុម្ព៖ 2024, Journal of Development and Integration

វិស័យសិក្សា៖ Finance

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ តើការជ្រើសរើសរចនាសម្ព័ន្ធដើមទុន (Capital Structure) ជះឥទ្ធិពលយ៉ាងណាទៅលើអត្រាប្រាក់ចំណេញលើទ្រព្យសកម្មសរុប (ROA) របស់ក្រុមហ៊ុនប្រេង និងឧស្ម័ននៅប្រទេសវៀតណាម ជាពិសេសក្នុងអំឡុងពេលមានវិបត្តិ?

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យបន្ទះ (Panel Data) ពីសហគ្រាសចំនួន ៤៤ ជាមួយនឹងការសង្កេតចំនួន ៣៩៦ (ចន្លោះឆ្នាំ២០១៤-២០២២) ដោយអនុវត្តម៉ូដែលវិភាគចម្រុះ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Pooled OLS
ម៉ូដែលការ៉េអប្បបរមារួម (Pooled Ordinary Least Squares)
ងាយស្រួលក្នុងការគណនា និងផ្តល់នូវទិដ្ឋភាពទូទៅនៃទំនាក់ទំនងរវាងអថេរដោយមិនគិតពីពេលវេលាឬលក្ខណៈដោយឡែករបស់ក្រុមហ៊ុន។ មិនអាចចាប់យកលក្ខណៈពិសេសរៀងៗខ្លួនរបស់ក្រុមហ៊ុននីមួយៗ (Individual Effects) ក្នុងទិន្នន័យបន្ទះ (Panel Data) បានទេ។ ត្រូវបានច្រានចោលដោយការធ្វើតេស្ត F-test និង LM test ដោយសារមិនស័ក្តិសមសម្រាប់ទិន្នន័យនៃការសិក្សានេះ។
Random Effects Model (REM)
ម៉ូដែលឥទ្ធិពលចៃដន្យ (Random Effects Model)
អាចដោះស្រាយជាមួយទិន្នន័យបន្ទះបានល្អប្រសើរជាង Pooled OLS ដោយសន្មត់ថាឥទ្ធិពលបុគ្គលមិនមានទំនាក់ទំនងជាមួយអថេរឯករាជ្យ។ នៅក្នុងការសិក្សានេះ ម៉ូដែល REM មានបញ្ហាវ៉ារ្យង់ខុសគ្នា (Heteroskedasticity) និងបញ្ហាអូតូកូរ៉េឡាស៊ីយ៉ុង (Autocorrelation)។ ត្រូវបានជ្រើសរើសជាបឋមតាមរយៈតេស្ត Hausman តែក្រោយមកត្រូវបានរកឃើញថាមានកំហុសផ្នែកស្ថិតិ (P-value = 0.0000 ក្នុងតេស្ត Breusch-Pagan)។
Generalized Least Squares (GLS)
ម៉ូដែលការ៉េអប្បបរមាទូទៅ (Generalized Least Squares)
អាចកែតម្រូវ និងដោះស្រាយបញ្ហាកំហុសឆ្គង (Heteroskedasticity និង Autocorrelation) ដែលមាននៅក្នុងម៉ូដែល REM បានយ៉ាងមានប្រសិទ្ធភាព។ មានភាពស្មុគស្មាញក្នុងការបកស្រាយលទ្ធផល បើប្រៀបធៀបទៅនឹង OLS ធម្មតា និងទាមទារការផ្ទៀងផ្ទាត់យ៉ាងតឹងរ៉ឹង។ ម៉ូដែលចុងក្រោយដែលបង្ហាញថាបំណុលរយៈពេលខ្លី (STD) និងវិបត្តិ (Crisis) ជះឥទ្ធិពលអវិជ្ជមាន ខណៈកំណើនប្រាក់ចំណូលមានឥទ្ធិពលវិជ្ជមានទៅលើ ROA។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះផ្តោតសំខាន់លើការប្រមូលទិន្នន័យហិរញ្ញវត្ថុ និងការប្រើប្រាស់កម្មវិធីស្ថិតិកម្រិតខ្ពស់ដើម្បីវិភាគទិន្នន័យបន្ទះ (Panel Data)។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រើប្រាស់ទិន្នន័យផ្តាច់មុខពីក្រុមហ៊ុនប្រេង និងឧស្ម័ននៅប្រទេសវៀតណាម ដែលជាទីផ្សារមានការគ្រប់គ្រងដោយរដ្ឋកម្រិតខ្ពស់ និងមានប្រតិបត្តិការរុករកផ្ទាល់។ សម្រាប់ប្រទេសកម្ពុជា ដែលភាគច្រើនជាអ្នកនាំចូល និងចែកចាយ ទំនាក់ទំនងនៃរចនាសម្ព័ន្ធដើមទុនអាចមានភាពខុសគ្នាមួយចំនួន ដោយសារការពឹងផ្អែកលើការប្រែប្រួលតម្លៃប្រេងអន្តរជាតិទាំងស្រុង។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាបរិបទទីផ្សារខុសគ្នាក៏ដោយ វិធីសាស្ត្រវិភាគ និងក្របខណ្ឌអថេរនៃការសិក្សានេះ មានសារៈសំខាន់សម្រាប់ការវាយតម្លៃស្ថិរភាពហិរញ្ញវត្ថុនៃវិស័យថាមពលនៅកម្ពុជា។

ការយល់ដឹងពីឥទ្ធិពលនៃកម្ចីរយៈពេលខ្លី និងសូចនាករប្រាក់ចំណេញ នឹងជួយឱ្យអ្នកគ្រប់គ្រងនៅកម្ពុជាអាចរៀបចំផែនការហិរញ្ញវត្ថុការពារហានិភ័យបានទាន់ពេលវេលា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ស្វែងយល់ពីទ្រឹស្តី អេកូណូមេទ្រី និងទិន្នន័យបន្ទះ (Panel Data): និស្សិតត្រូវសិក្សាពីភាពខុសគ្នារវាង Pooled OLS, Fixed Effects (FEM), Random Effects (REM) និង GLS ដោយអាចអានសៀវភៅ Econometrics របស់អ្នកនិពន្ធ GujaratiWooldridge
  2. អនុវត្តការប្រើប្រាស់កម្មវិធីវិភាគស្ថិតិ: ដំឡើង និងរៀនប្រើប្រាស់កម្មវិធី StataR។ អនុវត្តការវាយកូដបញ្ជា (Commands) សម្រាប់ការធ្វើតេស្ត Hausman test, Breusch-Pagan LM test និងតេស្តអូតូកូរ៉េឡាស៊ីយ៉ុង។
  3. ប្រមូល និងរៀបចំទិន្នន័យ (Data Collection): ប្រមូលទិន្នន័យរបាយការណ៍ហិរញ្ញវត្ថុរបស់ក្រុមហ៊ុនសាធារណៈពី ផ្សារមូលបត្រកម្ពុជា (CSX) ឬទិន្នន័យក្រុមហ៊ុនថាមពលក្នុងតំបន់អាស៊ាន មកគណនាជាសមាមាត្រដូចជា ROA, Short-term Debt (STD), Long-term Debt (LTD)
  4. កសាងម៉ូដែល និងផ្ទៀងផ្ទាត់កំហុសឆ្គង (Model Testing): ដំណើរការទិន្នន័យដើម្បីស្វែងរកម៉ូដែលដែលស័ក្តិសមបំផុត (FEM ឬ REM) រួចធ្វើការត្រួតពិនិត្យរកមើលបញ្ហា Heteroskedasticity។ ប្រសិនបើមានបញ្ហា ត្រូវបំប្លែងទៅប្រើប្រាស់ Feasible Generalized Least Squares (FGLS)
  5. វិភាគលទ្ធផល និងផ្តល់អនុសាសន៍ (Interpretation & Policy): បកស្រាយមេគុណ (Coefficients) និងកម្រិតអត្ថន័យស្ថិតិ (P-value) នៃម៉ូដែលចុងក្រោយ ដើម្បីធ្វើការសន្និដ្ឋានថាតើបំណុលប្រភេទណាដែលប៉ះពាល់ខ្លាំងដល់ប្រាក់ចំណេញ ព្រមទាំងសរសេរជាអនុសាសន៍យុទ្ធសាស្ត្រអាជីវកម្ម។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Return on Asset (ROA) អត្រាប្រាក់ចំណេញលើទ្រព្យសកម្មសរុប គឺជារង្វាស់ដែលបង្ហាញពីប្រសិទ្ធភាពរបស់ក្រុមហ៊ុនក្នុងការចាត់ចែងនិងប្រើប្រាស់ទ្រព្យសកម្មរបស់ខ្លួនដើម្បីបង្កើតជាប្រាក់ចំណេញ។ វាត្រូវបានគណនាដោយយកប្រាក់ចំណេញសុទ្ធក្រោយបង់ពន្ធ ចែកនឹងទ្រព្យសកម្មសរុបជាមធ្យម។ ដូចជាការវាស់ស្ទង់ថាតើម៉ាស៊ីនមួយគ្រឿងតម្លៃ១០០ដុល្លារ អាចបង្កើតប្រាក់ចំណេញត្រលប់មកវិញបានប៉ុន្មានដុល្លារក្នុងមួយឆ្នាំ។
Capital structure រចនាសម្ព័ន្ធដើមទុន គឺជាការបែងចែកសមាមាត្ររវាងបំណុល (Debt) និងដើមទុនកម្មសិទ្ធិ (Equity) ដែលក្រុមហ៊ុនមួយប្រើប្រាស់ដើម្បីផ្តល់ហិរញ្ញប្បទានដល់ប្រតិបត្តិការ និងការវិនិយោគរបស់ខ្លួន។ ដូចជារូបមន្តផ្សំរវាង "លុយខ្លួនឯង" និង "លុយគេ (ខ្ចីបំណុល)" ដើម្បីយកទៅធ្វើជាដើមទុនរកស៊ី។
Pooled OLS ម៉ូដែលការ៉េអប្បបរមារួម គឺជាវិធីសាស្ត្រវិភាគស្ថិតិទិន្នន័យបន្ទះដែលច្របាច់បញ្ចូលទិន្នន័យទាំងអស់ចូលគ្នា ដោយមិនគិតពីភាពខុសគ្នារវាងក្រុមហ៊ុននីមួយៗ ឬការប្រែប្រួលតាមពេលវេលាឡើយ។ ដូចជាការវាយតម្លៃសិស្សទាំងអស់ក្នុងសាលាដោយប្រើស្តង់ដារតែមួយ ដោយមិនខ្វល់ថាសិស្សម្នាក់ៗមានប្រវត្តិ ឬចំណុចខ្លាំងខុសគ្នាយ៉ាងណានោះទេ។
Fixed Effects Model (FEM) ម៉ូដែលឥទ្ធិពលថេរ គឺជាម៉ូដែលសេដ្ឋកិច្ចមាត្រដែលផ្តោតលើការប្រែប្រួលនៅក្នុងក្រុមហ៊ុននីមួយៗតាមពេលវេលា ដោយគ្រប់គ្រងនិងលុបបំបាត់ចោលនូវកត្តាថេរផ្សេងៗ (ដែលមិនប្រែប្រួលតាមពេលវេលា) របស់ក្រុមហ៊ុននោះ។ ដូចជាការតាមដានការសម្រកទម្ងន់របស់មនុស្សម្នាក់ៗ ដោយប្រៀបធៀបតែជាមួយទម្ងន់ចាស់របស់គេផ្ទាល់ មិនយកទៅប្រៀបធៀបលាយឡំជាមួយអ្នកដទៃ។
Random Effects Model (REM) ម៉ូដែលឥទ្ធិពលចៃដន្យ គឺជាម៉ូដែលវិភាគទិន្នន័យដែលសន្មត់ថាលក្ខណៈដោយឡែករបស់ក្រុមហ៊ុននីមួយៗគឺជារឿងចៃដន្យ និងមិនមានទំនាក់ទំនងជាមួយអថេរដែលកំពុងសិក្សា ដែលអនុញ្ញាតឱ្យគេប្រៀបធៀបទាំងក្នុង និងរវាងក្រុមហ៊ុន។ ដូចជាការសិក្សាពីឥទ្ធិពលនៃអាកាសធាតុទៅលើការលក់ការ៉េម ដោយចាត់ទុកថាទីតាំងលក់នីមួយៗមានអំណោយផលល្អឬអាក្រក់ដោយចៃដន្យ។
Generalized Least Squares (GLS) ម៉ូដែលការ៉េអប្បបរមាទូទៅ គឺជាវិធីសាស្ត្រស្ថិតិកម្រិតខ្ពស់ដែលត្រូវបានប្រើប្រាស់ដើម្បីកែតម្រូវម៉ូដែលនៅពេលដែលមានបញ្ហាវ៉ារ្យង់ខុសគ្នា (Heteroskedasticity) ឬមានបញ្ហាអូតូកូរ៉េឡាស៊ីយ៉ុង (Autocorrelation) ក្នុងទិន្នន័យ ដែល OLS ធម្មតាមិនអាចដោះស្រាយបាន។ ដូចជាការពាក់វ៉ែនតាជំនួយដើម្បីមើលរូបភាពដែលព្រិលឬញ័រ ឱ្យត្រលប់មកច្បាស់ និងត្រឹមត្រូវតាមទម្រង់ដើមវិញ។
Heteroskedasticity វ៉ារ្យង់ខុសគ្នា គឺជាបញ្ហាក្នុងអេកូណូមេទ្រីដែលទំហំនៃកំហុសឆ្គង (Error term) នៅក្នុងម៉ូដែលស្ថិតិមិនថេរ ប៉ុន្តែវាប្រែប្រួលទៅតាមកម្រិតនៃអថេរឯករាជ្យ ដែលធ្វើឱ្យលទ្ធផលប៉ាន់ស្មានមិនសូវសុក្រឹតនិងអាចនាំឱ្យមានការសន្និដ្ឋានខុស។ ដូចជាការបាញ់ធ្នូ ដែលកូនសរហោះចូលចំកណ្តាលល្អនៅចម្ងាយជិត តែរាយប៉ាយពិបាកទាយទុកនៅចម្ងាយឆ្ងាយ។
Multicollinearity ពហុកូលីនេអ៊ែរ ឬបញ្ហាពហុទំនាក់ទំនង គឺជាស្ថានភាពដែលអថេរឯករាជ្យពីរ ឬច្រើននៅក្នុងម៉ូដែលមួយមានទំនាក់ទំនងគ្នាយ៉ាងជិតស្និទ្ធ (វាស់ដោយ VIF) ដែលធ្វើឱ្យពិបាកក្នុងការបែងចែកឥទ្ធិពលដាច់ដោយឡែករបស់អថេរនីមួយៗទៅលើលទ្ធផល។ ដូចជាមានមនុស្សពីរនាក់កំពុងប្រាប់ផ្លូវអ្នកក្នុងពេលតែមួយ ហើយពួកគេនិយាយរឿងតែមួយដូចគ្នា ដែលធ្វើឱ្យអ្នកកាន់តែច្របូកច្របល់ជាជាងបានការ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖