Nguồn: Tính toán của tác giả trên phần mềm Stata

Phương trình DuPont được đặt tên theo doanh nghiệp đã phát triển mô hình này. Phương trình DuPont phân tách chỉ tiêu tỷ suất sinh lời trên tổng tài sản (ROA) và trên vốn chủ sở hữu (ROE) như sau:

ROA = (Lợi nhuận sau thuế)/(Tổng tài sản bình quân) = (Lợi nhuận sau thuế)/(Doanh thu thuần) × (Doanh thu thuần)/(Tổng tài sản bình quân) = Biên lợi nhuận (PM) × Vòng quay tổng tài sản (ATO)

ROE = (Lợi nhuận sau thuế)/(Vốn chủ sở hữu bình quân) = (Lợi nhuận sau thuế)/(Doanh thu thuần) × (Doanh thu thuần)/(Tổng tài sản bình quân) × (Tổng tài sản bình quân)/(Vốn chủ sở hữu bình quân) = Biên lợi nhuận (PM) × Vòng quay tổng tài sản (ATO) × Hệ số nhân vốn chủ sở hữu (EM)

Hai phương trình trên cho thấy, ROA bị chi phối bởi hiệu quả quản lý chi phí (thể hiện gián tiếp qua biên lợi nhuận) và hiệu quả sử dụng tài sản (thể hiện qua vòng quay tổng tài sản). ROE cũng bị chi phối bởi hai nhân tố này và cả cơ cấu vốn (thể hiện qua hệ số nhân vốn chủ sở hữu). Khi các nhân tố này thay đổi, ROA và ROE sẽ thay đổi theo. Dựa vào đó, doanh nghiệp có thể phân tích các kịch bản mà trong đó khi các nhân tố trên thay đổi thì ROA và ROE sẽ thay đổi theo như thế nào, làm cơ sở để tiến tới dự báo khả năng sinh lời tương lai.

Các nghiên cứu thực nghiệm áp dụng phương pháp DuPont

Một số nghiên cứu thực nghiệm của nước ngoài đã kiểm định mối quan hệ giữa các nhân tố trong phương trình DuPont với khả năng sinh lời tương lai theo một số hướng tiếp cận khác nhau, từ đó rút ra hàm ý cho dự báo khả năng sinh lời. Đó có thể là mối quan hệ giữa quy mô của các nhân tố này ở kỳ hiện tại với khả năng sinh lời kỳ sau, hoặc giữa sự thay đổi của các nhân tố này ở kỳ hiện tại với sự thay đổi khả năng sinh lời kỳ sau, hoặc kết hợp cả hai. Trong đó, nghiên cứu tiên phong của Fairfield và Yohn (2001) bao hàm cả hai hướng tiếp cận này, qua đó phát hiện thấy không phải quy mô mà chỉ có sự thay đổi của biên lợi nhuận (ΔPM) và của vòng quay tổng tài sản hoạt động ròng (ΔATO) kỳ trước mới có đóng góp có ý nghĩa thống kê trong dự báo sự thay đổi tỷ suất sinh lời trên tài sản hoạt động ròng (ΔROA) 1 năm sau đối với các doanh nghiệp tại Mỹ giai đoạn 1977-1996.

Các nghiên cứu tiếp theo của Soliman (2003), Chang và cộng sự (2013), Bauman (2014) đều phát triển dựa trên hướng nghiên cứu của Fairfield và Yohn (2001). Soliman (2003) chia tách PM và ATO thành những bộ phận nhỏ hơn rồi sau đó xem xét mối quan hệ của các bộ phận này với tỷ suất sinh lời kỳ sau, qua đó cho thấy, cả bộ phận bất thường của PM và của ATO đều có vai trò trong dự báo tỷ suất sinh lời trên tổng tài sản không chỉ 1 năm sau mà cả 2 và 5 năm sau. Bộ phận bất thường của hai chỉ tiêu trên được hiểu là phần chênh lệch giữa chúng với PM và ATO bình quân ngành. Đóng góp mới của nghiên cứu này là ở hướng tiếp cận trong phân tách PM và ATO bằng cách đặt chúng trong quan hệ so sánh với mức bình quân ngành, đồng thời mở rộng phạm vi thời gian kiểm định đến 5 năm... Tất cả các nghiên cứu trên đều lựa chọn ROA làm chỉ tiêu đại diện khả năng sinh lời.

Nghiên cứu của Jin (2017) có điểm khác biệt khi lựa chọn ROE làm chỉ tiêu đại diện khả năng sinh lời. Với mục tiêu nghiên cứu về lợi nhuận bền vững của các doanh nghiệp tại Canada kể từ khi áp dụng chuẩn mực báo cáo tài chính quốc tế (IFRS), nghiên cứu này chỉ ra rằng, các nhân tố trong phương trình DuPont có ý nghĩa thống kê trong dự báo ROE 1 năm sau.

Nhìn chung, trên thế giới chưa có nhiều các nghiên cứu tương tự trên được thực hiện tại các nền kinh tế đang phát triển, nhất là tại khu vực Đông Nam Á, bao gồm Việt Nam. Các nghiên cứu đã công bố ít có sự so sánh, phân biệt kết quả nghiên cứu giữa các ngành nghề khác nhau.

Tại Việt Nam, các nghiên cứu của: Nguyễn Thị Đào (2022), Nguyễn Đức Thuần (2021), Nguyễn Tuyết Khanh (2017), Nguyễn Thu Ngân (2015) đã áp dụng phương pháp DuPont trong phân tích tài chính đối với một số doanh nghiệp. Tuy nhiên, các nghiên cứu chỉ dừng lại ở việc phân tích tác động của thay đổi PM, ATO và EM tới ROA và ROE cùng kỳ, chưa nghiên cứu mối quan hệ của chúng với tỷ suất sinh lời của các kỳ sau nên chưa có nhiều đóng góp cho dự báo tài chính. Bên cạnh đó, một số nghiên cứu thậm chí chỉ được thực hiện cho một doanh nghiệp nên phạm vi rất hạn hẹp, chỉ có giá trị tham khảo đối với chính các doanh nghiệp đó. Do đó, có thể nói nghiên cứu về mối quan hệ giữa các nhân tố trong phương trình DuPont với khả năng sinh lời tương lai nhằm đóng góp cho dự báo tài chính, tiến tới thiết lập mô hình dự báo khả năng sinh lời cho các doanh nghiệp vẫn là khoảng trống tại Việt Nam.

Phương pháp nghiên cứu

Dữ liệu

Dữ liệu được thu thập từ các báo cáo tài chính thường niên đã kiểm toán của các doanh nghiệp chế biến thực phẩm niêm yết trên hai sàn giao dịch chứng khoán HNX và HoSE. Các doanh nghiệp này được phân loại theo tiêu chuẩn phân loại ngành GICS. Với số lượng doanh nghiệp là 33 và thời gian nghiên cứu 10 năm (2013-2022), bộ dữ liệu gồm 330 quan sát (dữ liệu mảng cân đối).

Mô hình kiểm định

Nghiên cứu sử dụng mô hình hồi quy đa biến được phát triển từ các nghiên cứu trước đây của nước ngoài, chủ yếu là nghiên cứu tiên phong của Fairfield và Yohn (2001) để kiểm định tác động của các nhân tố trong phương trình DuPont tới khả năng sinh lời 1 năm sau của doanh nghiệp, từ đó rút ra hàm ý cho bước đầu xây dựng mô hình dự báo khả năng sinh lời dựa trên những nhân tố này:

ROAi,t+1 = α0 + α1×PMi,t + α2×ATOi,t + α3×Sizei,t +ei,t (1)

ROEi,t+1 = β0 + β1×PMi,t + β2×ATOi,t + β3×EMi,t + β4×Sizei,t + ei,t (2)

ΔROAi,t+1 = γ0 + γ1×ΔPMi,t + γ2×ΔATOi,t + γ3×Sizei,t + ei,t (3)

ΔROEi,t+1 = δ0 + δ1×ΔPMi,t + δ2×ΔATOi,t + δ3×ΔEMi,t + δ4×Sizei,t + ei,t (4)

Trong các mô hình (1) và (2), các biến ROAi,t+1 và ROEi,t+1 lần lượt là tỷ suất sinh lời trên tổng tài sản và vốn chủ sở hữu của doanh nghiệp i trong kỳ t+1, đại diện cho khả năng sinh lời kỳ sau. Các biến PMi,t, ATOi,t, EMi,t lần lượt là biên lợi nhuận, vòng quay tổng tài sản và hệ số nhân vốn chủ sở hữu của DB i trong kỳ t. Các biến này được tính theo công thức trong phương trình DuPont.

Trong các mô hình (3) và (4), các biến ΔROAi,t+1, ΔROEi,t+1 lần lượt đo lường mức thay đổi của ROA và ROE của doanh nghiệp i trong kỳ t+1 so với kỳ t (ΔROAi,t+1 = ROAi,t+1 ‒ ROAi,t; ΔROEi,t+1 = ROEi,t+1 ‒ ROEi,t). Các biến ΔPMi,t, ΔATOi,t, ΔEMi,t lần lượt đo lường mức thay đổi của PM, ATO và EM của doanh nghiệp i trong kỳ t so với kỳ t-1 (ΔPMi,t = PMi,t ‒ PMi,t-1; ΔATOi,t = ATOi,t ‒ ATOi,t-1; ΔEMi,t = EMi,t ‒ EMi,t-1).

Biến Sizei,t là biến kiểm soát, đại diện cho quy doanh nghiệp, được đo bằng logarithm tự nhiên của tổng tài sản bình quân của doanh nghiệp i trong kỳ t.

Phương pháp kiểm định và hiệu chỉnh mô hình

Trước tiên, ma trận tương quan được thiết lập giữa các biến độc lập để chẩn đoán đa cộng tuyến. Nếu hiện tượng này là nghiêm trọng, cách đo lường các biến có thể được hiệu chỉnh để làm giảm tương quan giữa chúng. Tiếp đó, các mô hình được ước lượng bằng phương pháp hiệu ứng cố định (Fixed effects model – FEM).

Phương pháp này phù hợp đối với trường hợp có một số nhân tố tất định theo thời gian nhưng khác biệt giữa các đơn vị chéo (các doanh nghiệp) có thể tác động tới biến phụ thuộc. Bên cạnh đó, để phòng tránh khuyết tật mô hình do hiện tượng sai số không thuần nhất và tự tương quan có thể xảy ra, ước lượng Robust được áp dụng.

Kết quả nghiên cứu và luận giải

Thống kê mô tả

Các giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất và lớn nhất của các biến phần nào cho thấy phân phối xác suất của chúng. Đặc biệt, ROA, ROE, dROA và dROE có khoảng giá trị rộng, cho thấy sự khác biệt về khả năng sinh lời giữa các doanh nghiệp trong cùng ngành chế biến thực phẩm cũng như biến động khả năng sinh lời của chúng qua các năm.

Tương tự, khoảng giá trị của PM, ATO và EM cho thấy sự khác biệt đáng kể về hiệu quả quản lý chi phí, hiệu quả sử dụng tài sản và cơ cấu vốn giữa các doanh nghiệp này (Một số doanh nghiệp thậm chí có giá trị tuyệt đối của PM vượt xa 1,0 do lợi nhuận sau thuế không chỉ bao gồm lợi nhuận từ bán hàng mà còn cả lợi nhuận hoặc lỗ đáng kể từ đầu tư tài chính và lợi nhuận bất thường).

Ma trận tương quan

Bảng 2 cho thấy, hệ số tương quan giữa các biến độc lập đều ở mức thấp, do đó đa cộng tuyến trong các mô hình là không đáng lo ngại.

Nguồn: Tính toán của tác giả trên phần mềm Stata

Kết quả kiểm định mô hình và luận giải

Kết quả kiểm định các mô hình (1) và (2) lần lượt được tóm lược trong các bảng dưới đây:

Kết quả trên cho thấy, các biến PM và ATO đều có quan hệ có ý nghĩa thống kê với ROA và ROE. Riêng ROE còn chịu thêm tác động của EM. Nói cách khác, biên lợi nhuận, vòng quay tổng tài sản và hệ số nhân vốn chủ sở hữu đều tác động tới khả năng sinh lời 1 năm sau của doanh nghiệp. Trong đó, PM mang dấu âm, cho thấy sự gia tăng của biên lợi nhuận có xu hướng làm giảm khả năng sinh lời 1 năm sau. Trong khi đó, ATO mang dấu dương, cho thấy sự gia tăng vòng quay tổng tài sản có xu hướng giúp cải thiện khả năng sinh lời 1 năm sau. Kết quả này phần nào cho thấy chỉ có sự gia tăng hiệu quả sử dụng tài sản hoạt động mới có thể đem lại lợi ích bền vững cho khả năng sinh lời của doanh nghiệp.

Điều này phản ánh đúng thực tế của những doanh nghiệp vốn chưa khai thác triệt để công suất các tài sản hoạt động của mình, chẳng hạn trong giai đoạn 2019-2022 có nhiều doanh nghiệp chế biến thực phẩm không sử dụng các tài sản cố định hữu hình như nhà xưởng, trang thiết bị… ở mức công suất tối đa do nhu cầu sản xuất sụt giảm trong bối cảnh ảnh hưởng của đại dịch CPVID-19 kéo dài. Khi bối cảnh kinh tế xã hội dần trở nên thuận lợi hơn, những doanh nghiệp này không nhất thiết phải đầu tư thêm quá nhiều vào các tài sản trên mà chỉ cần tăng công suất hoạt động của chúng là có thể tăng doanh thu và lợi nhuận kỳ vọng – biểu hiện của điều này chính là gia tăng vòng quay tổng tài sản dẫn tới gia tăng khả năng sinh lời kỳ sau.

Trong khi đó, sự gia tăng của biên lợi nhuận chỉ giúp cải thiện nhất thời khả năng sinh lời cùng kỳ và tác động tích cực này khó có thể được duy trì sang kỳ sau. Điều này phù hợp với quan điểm của Penman và Zhang (2004) về lợi nhuận bền vững và những nhân tố chi phối nó.