Original Title: Tác động của nắm giữ tiền đến hiệu quả tài chính có điều tiết bởi sở hữu Nhà nước tại các doanh nghiệp Việt Nam
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ឥទ្ធិពលនៃការកាន់កាប់សាច់ប្រាក់ទៅលើប្រសិទ្ធភាពហិរញ្ញវត្ថុដោយមានការសម្របសម្រួលពីកម្មសិទ្ធិរដ្ឋនៅតាមសហគ្រាសវៀតណាម

ចំណងជើងដើម៖ Tác động của nắm giữ tiền đến hiệu quả tài chính có điều tiết bởi sở hữu Nhà nước tại các doanh nghiệp Việt Nam

អ្នកនិពន្ធ៖ Lê Hoàng Vinh (University of Economics and Law, Vietnam National University - Ho Chi Minh City), Lê Thị Thanh Hồng (University of Economics and Law, Vietnam National University - Ho Chi Minh City)

ឆ្នាំបោះពុម្ព៖ 2022, Tạp chí Khoa học & Đào tạo Ngân hàng

វិស័យសិក្សា៖ Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ អត្ថបទនេះស៊ើបអង្កេតអំពីរបៀបដែលការកាន់កាប់សាច់ប្រាក់ (Cash holdings) ជះឥទ្ធិពលដល់ប្រសិទ្ធភាពហិរញ្ញវត្ថុរបស់ក្រុមហ៊ុន និងថាតើកម្មសិទ្ធិរដ្ឋ (State ownership) ដើរតួជាអ្នកសម្របសម្រួលទំនាក់ទំនងនេះដែរឬទេ នៅក្នុងបរិបទនៃក្រុមហ៊ុនមិនមែនហិរញ្ញវត្ថុនៅប្រទេសវៀតណាម។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះអនុវត្តការជ្រើសរើសគំរូតាមគោលដៅ និងប្រើប្រាស់បច្ចេកទេសតំរែតំរង់ទិន្នន័យជាកញ្ចប់ (Panel data regression) ដើម្បីវិភាគទិន្នន័យហិរញ្ញវត្ថុ និងទីផ្សារភាគហ៊ុន។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Pooled OLS & Random Effects Model (REM)
គំរូតំរែតំរង់ទិន្នន័យរួមបញ្ចូលគ្នា និង គំរូផលប៉ះពាល់ចៃដន្យ
ជាវិធីសាស្ត្រមូលដ្ឋានដែលងាយស្រួលក្នុងការប៉ាន់ស្មានដំបូងសម្រាប់ទិន្នន័យជាកញ្ចប់ (Panel Data)។ ផ្អែកលើលទ្ធផលនៃការធ្វើតេស្ត Hausman និង LM គំរូទាំងពីរនេះមិនស័ក្តិសមសម្រាប់ទិន្នន័យក្នុងការសិក្សានេះទេ។ មិនត្រូវបានជ្រើសរើសជាលទ្ធផលចុងក្រោយ ដោយសារមានគំរូផ្សេងដែលផ្តល់ភាពសុក្រឹតជាង។
Fixed Effects Model (FEM)
គំរូផលប៉ះពាល់ថេរ
អាចគ្រប់គ្រងអថេរដែលមិនប្រែប្រួលតាមពេលវេលារបស់ក្រុមហ៊ុននីមួយៗបានល្អ និងមានភាពស័ក្តិសមជាង Pooled OLS និង REM។ មានបញ្ហាអថេរទាក់ទងគ្នា (Autocorrelation) និងភាពប្រែប្រួលនៃរេកង់ខុសគ្នា (Heteroskedasticity) តាមរយៈការធ្វើតេស្ត Wooldridge និង Modified Wald។ ទោះបីជាស័ក្តិសមជាងអថេរមូលដ្ឋានផ្សេងទៀត ប៉ុន្តែលទ្ធផលមិនរឹងមាំដោយសារកំហុសទិន្នន័យដែលបានរកឃើញ។
Generalized Least Squares (GLS)
វិធីសាស្ត្រការ៉េអប្បបរមាទូទៅ
អាចដោះស្រាយនិងកែតម្រូវបញ្ហាអថេរទាក់ទងគ្នា (Autocorrelation) និងភាពប្រែប្រួលនៃរេកង់ខុសគ្នា (Heteroskedasticity) យ៉ាងមានប្រសិទ្ធភាព។ ទាមទារឱ្យមានការយល់ដឹងស៊ីជម្រៅពីការកែតម្រូវកំហុសទិន្នន័យ (Data error corrections) មុននឹងអនុវត្ត។ ផ្តល់លទ្ធផលចុងក្រោយដ៏រឹងមាំ ដែលបញ្ជាក់ថាការកាន់កាប់សាច់ប្រាក់ និងកម្មសិទ្ធិរដ្ឋមានឥទ្ធិពលវិជ្ជមានទៅលើប្រសិទ្ធភាពហិរញ្ញវត្ថុក្នុងកម្រិតអត្ថន័យ 1%។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកជាចម្បងលើទិន្នន័យហិរញ្ញវត្ថុបន្ទាប់បន្សំ និងកម្មវិធីវិភាគស្ថិតិស្តង់ដារ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងប្រទេសវៀតណាម ដោយប្រើប្រាស់ទិន្នន័យពីក្រុមហ៊ុនមិនមែនហិរញ្ញវត្ថុចំនួន ៣៩៩ ដែលបានចុះបញ្ជី។ ដោយសារបរិបទស្ថាប័ន កម្រិតអភិវឌ្ឍន៍ទីផ្សារមូលបត្រ និងរចនាសម្ព័ន្ធកម្មសិទ្ធិរដ្ឋនៅវៀតណាមអាចមានភាពខុសគ្នាពីកម្ពុជា លទ្ធផលនេះប្រហែលជាមិនអាចយកមកអនុវត្តដោយផ្ទាល់បានទាំងស្រុងទេ ប៉ុន្តែវាផ្តល់ជាគំរូដ៏ល្អសម្រាប់ការសិក្សាអំពីសហគ្រាសរដ្ឋនៅកម្ពុជា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ និងរបកគំហើញនៃការសិក្សានេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការវាយតម្លៃប្រសិទ្ធភាពនៃការគ្រប់គ្រងសាច់ប្រាក់របស់សហគ្រាសរដ្ឋ និងក្រុមហ៊ុនចុះបញ្ជីនៅកម្ពុជា។

សរុបមក ការវិភាគនេះផ្តល់នូវក្របខ័ណ្ឌស្រាវជ្រាវដ៏រឹងមាំមួយសម្រាប់អ្នកបង្កើតគោលនយោបាយ និងអ្នកវិនិយោគនៅកម្ពុជា ក្នុងការធ្វើឱ្យប្រសើរឡើងនូវការគ្រប់គ្រងសាច់ប្រាក់នៅក្នុងក្រុមហ៊ុនដែលមានភាគហ៊ុនរបស់រដ្ឋ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ប្រមូលទិន្នន័យក្រុមហ៊ុននៅកម្ពុជា: ស្វែងរកទិន្នន័យពីរបាយការណ៍ហិរញ្ញវត្ថុប្រចាំឆ្នាំរបស់ក្រុមហ៊ុនដែលបានចុះបញ្ជីនៅលើផ្សារមូលបត្រកម្ពុជា CSX ដូចជា PPWSAPAS ក្នុងរយៈពេលយ៉ាងតិច ៥ ឆ្នាំ។
  2. រៀបចំអថេរសម្រាប់វាស់ស្ទង់ (Variables Preparation): គណនាអថេរ Tobin's Q សម្រាប់វាស់ស្ទង់ប្រសិទ្ធភាពហិរញ្ញវត្ថុ និងកំណត់អថេរឯករាជ្យដូចជា អត្រាសាច់ប្រាក់កាន់កាប់ និងភាគរយនៃកម្មសិទ្ធិរដ្ឋ។
  3. អនុវត្តការវិភាគទិន្នន័យដោយប្រើកម្មវិធី: ប្រើប្រាស់កម្មវិធីស្តង់ដារដូចជា StataR/Python ដើម្បីដំណើរការតំរែតំរង់ទិន្នន័យជាកញ្ចប់ (Panel Data Regression) តាមរយៈគំរូ Pooled OLS, FEM, និង REM
  4. ធ្វើតេស្ត និងកែតម្រូវភាពមិនប្រក្រតីនៃទិន្នន័យ: ដំណើរការតេស្ត Hausman, LM, Wooldridge និង Modified Wald លើកម្មវិធី Stata ដើម្បីស្វែងរកកំហុសទិន្នន័យ បន្ទាប់មកកែតម្រូវដោយប្រើវិធីសាស្ត្រ GLS ដើម្បីទទួលបានលទ្ធផលដែលរឹងមាំ។
  5. ចងក្រងជារបាយការណ៍ និងផ្តល់អនុសាសន៍គោលនយោបាយ: បកស្រាយតួនាទីរបស់អថេរសម្របសម្រួល (Moderating variable) ថាតើកម្មសិទ្ធិរដ្ឋជួយពង្រឹងការគ្រប់គ្រងសាច់ប្រាក់ឬទេ រួចសរសេរជារបាយការណ៍ណែនាំសម្រាប់ក្រុមប្រឹក្សាភិបាល ឬក្រសួងពាក់ព័ន្ធ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Cash holdings សំដៅលើបរិមាណសាច់ប្រាក់សុទ្ធ ឬសមមូលសាច់ប្រាក់ដែលក្រុមហ៊ុនរក្សាទុកក្នុងដៃ ឬក្នុងគណនីធនាគារ ដើម្បីធានាដល់ប្រតិបត្តិការប្រចាំថ្ងៃ ការពារហានិភ័យផ្សេងៗ និងដើម្បីចាប់យកឱកាសវិនិយោគភ្លាមៗ។ ដូចជាលុយបម្រុងដែលយើងទុកក្នុងកាបូប ដើម្បីទិញម្ហូបប្រចាំថ្ងៃ និងត្រៀមទុកពេលមានអាសន្នឈឺថ្កាត់។
Moderating variable ជាអថេរមួយដែលជះឥទ្ធិពលដល់កម្លាំង ឬទិសដៅនៃទំនាក់ទំនងរវាងអថេរឯករាជ្យ (Independent variable) និងអថេរអាស្រ័យ (Dependent variable) ដោយអាចធ្វើឱ្យឥទ្ធិពលនោះកើនឡើង ថយចុះ ឬផ្លាស់ប្តូរទិសដៅ។ ដូចជាកម្រិតភ្លើងចង្ក្រាន ដែលជាអ្នកកំណត់ថាតើកម្ដៅនឹងធ្វើឱ្យទឹកពុះលឿន ឬយឺតប៉ុណ្ណា។
Tobin's Q ជារង្វាស់មួយសម្រាប់វាយតម្លៃប្រសិទ្ធភាពហិរញ្ញវត្ថុរបស់ក្រុមហ៊ុន ដោយធ្វើការប្រៀបធៀបតម្លៃទីផ្សារសរុបរបស់ក្រុមហ៊ុន ទៅនឹងតម្លៃដែលត្រូវចំណាយដើម្បីជំនួសទ្រព្យសកម្មរបស់វា (Replacement cost of assets)។ ដូចជាការប្រៀបធៀបតម្លៃផ្ទះដែលយើងអាចលក់បាននៅលើទីផ្សារបច្ចុប្បន្ន ជាមួយនឹងប្រាក់ដែលយើងត្រូវចំណាយដើម្បីសាងសង់ផ្ទះនោះឡើងវិញពីចំណុចសូន្យ។
Soft-budget constraint ជាទ្រឹស្តីសេដ្ឋកិច្ចដែលពន្យល់ពីស្ថានភាពដែលសហគ្រាស (ជាពិសេសសហគ្រាសរដ្ឋ) មិនងាយប្រឈមនឹងការក្ស័យធនទោះបីជាខាតបង់ជាប់រហូតក៏ដោយ ព្រោះរដ្ឋាភិបាលតែងតែចេញមុខជួយសង្គ្រោះហិរញ្ញវត្ថុ ឬផ្តល់ឥណទានអនុគ្រោះជានិច្ច។ ដូចជាកូនដែលចាយលុយខ្ជះខ្ជាយរហូតដល់អស់ពីខ្លួន ប៉ុន្តែនៅតែមិនអត់ឃ្លាន ព្រោះដឹងថាឪពុកម្តាយនឹងចាំតែឱ្យលុយបន្ថែមជានិច្ច។
Pecking order theory ជាទ្រឹស្តីហិរញ្ញវត្ថុដែលអះអាងថា ក្រុមហ៊ុនតែងតែមានជម្រើសតាមលំដាប់លំដោយក្នុងការស្វែងរកប្រភពទុន ដោយចាប់ផ្តើមពីការប្រើប្រាស់ប្រាក់ចំណេញរក្សាទុក (Internal funds) បន្ទាប់មកការខ្ចីបំណុល (Debt) និងចុងក្រោយទើបឈានដល់ការបោះផ្សាយភាគហ៊ុនថ្មី (Equity) ដើម្បីកាត់បន្ថយថ្លៃដើម។ ដូចជាពេលយើងចង់ទិញកុំព្យូទ័រថ្មី យើងនឹងយកលុយសន្សំខ្លួនឯងមកប្រើមុនគេ បើខ្វះទើបខ្ចីធនាគារ ហើយបើនៅតែខ្វះទើបហៅមិត្តភ័ក្តិមកចូលហ៊ុនគ្នា។
Generalized Least Squares (GLS) ជាបច្ចេកទេសស្ថិតិកម្រិតខ្ពស់មួយប្រភេទដែលត្រូវបានប្រើប្រាស់ដើម្បីកែតម្រូវបញ្ហានៅក្នុងគំរូតំរែតំរង់ (Regression model) នៅពេលដែលទិន្នន័យមានបញ្ហាទាក់ទងគ្នាឯង (Autocorrelation) និងភាពប្រែប្រួលមិនថេរ (Heteroskedasticity) ដើម្បីឱ្យការប៉ាន់ស្មានមានភាពសុក្រឹតនិងអាចទុកចិត្តបាន។ ដូចជាការប្រើប្រាស់វ៉ែនតាវេជ្ជសាស្ត្រដើម្បីកែតម្រូវភ្នែកដែលមើលរូបភាពព្រិលៗ ឱ្យអាចមើលឃើញទិន្នន័យបានច្បាស់លាស់ និងត្រឹមត្រូវជាងមុន។
Heteroskedasticity ជាបញ្ហាក្នុងការវិភាគស្ថិតិទិន្នន័យ ដែលកើតឡើងនៅពេលដែលភាពប្រែប្រួល (Variance) នៃកំហុសក្នុងគំរូ (Error terms) មិនមានភាពថេរនៅទូទាំងតម្លៃនៃអថេរឯករាជ្យ ដែលធ្វើឱ្យលទ្ធផលនៃគំរូធម្មតា (ដូចជា OLS) លែងមានភាពរឹងមាំនិងសុក្រឹត។ ដូចជាការបាញ់គោលដៅដែលព្រួញខ្លះចំកណ្តាលល្អ តែព្រួញខ្លះទៀតខ្ទាតទៅឆ្ងាយគ្មានសណ្តាប់ធ្នាប់ ដែលធ្វើឱ្យយើងពិបាកក្នុងការទាយពីកម្រិតភាពជាក់លាក់របស់អ្នកបាញ់។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖