Chất lượng thông tin báo cáo tài chính: Nghiên cứu với ngành nguyên vật liệu tại Việt Nam trong bối cảnh hội nhập quốc tế

CHẤT LƯỢNG THƠNG TIN BÁO CÁO TÀI CHÍNH:
NGHIÊN CỨU VỚI NGÀNH NGUYÊN VẬT LIỆU
TẠI VIỆT NAM TRONG BỐI CẢNH HỘI NHẬP QUỐC TẾ
Nguyễn Ngọc Thanh
ThS. Hồng Khánh1

Tóm tắt
Q trình hội nhập thị trường tài chính quốc tế ln kèm theo những yêu cầu rất
khắt khe, đặc biệt về chất lượng thơng tin tài chính. Đây là một u cầu cấp thiết được
đặt ra, yêu cầu từng doanh nghiệp tham gia vào thị trường phải ln bảo đảm tính tin
cậy và minh bạch thơng tin tài chính được cơng bố. Áp dụng mơ hình M-score được
nghiên cứu bởi Beneish (1999), nhóm nghiên cứu xây dựng mơ hình định lượng nhằm
đánh giá chất lượng thơng tin tài chính doanh nghiệp ngành ngun vật liệu tại Việt
Nam. Dữ liệu nghiên cứu được thu thập từ 74 doanh nghiệp niêm yết trên thị trường
chứng khoán Việt Nam trong khoảng thời gian từ năm 2011 tới năm 2015. Kết quả
nghiên cứu cho thấy xác suất tồn tại sai phạm trong việc báo cáo các thông tin tài
chính của doanh nghiệp có tương quan với các chỉ tiêu về lợi nhuận biên, tốc độ tăng
trưởng doanh thu và tổng dồn tích kế tốn (accruals).
Từ khóa: báo cáo tài chính, chất lượng thơng tin, Beneish, M-score
1. Đặt vấn đề
Báo cáo tài chính là cơng cụ để các cơng ty cơng bố tình hình sản xuất kinh
doanh với những đối tượng quan tâm (chủ doanh nghiệp, nhà đầu tư, người cho vay,
cơ quan thuế và các cơ quan chức năng). Bởi vậy, báo cáo tài chính cần đảm bảo tính
chính xác, minh bạch và phản ánh đúng thực trạng doanh nghiệp. Đó là một trong
những yêu cầu bắt buộc của các doanh nghiệp trong nền kinh tế khi quá trình hội
nhập khu vực và thế giới ngày càng trở thành một xu hướng mạnh mẽ. Tuy vậy, không
phải lúc nào chất lượng thông tin của báo cáo tài chính cũng được đảm bảo. Lịch sử
tài chính thế giới đã chứng kiến nhiều sự sụp đổ của những tập đồn lớn từng có
hành vi thao túng báo cáo tài chính như Enron (Hoa Kỳ), Worldcom (Hoa Kỳ) hay
Vivendi (Pháp). Những vụ việc điển hình đó cho thấy minh bạch thơng tin tài chính rất
khó được bảo đảm ngay cả tại những quốc gia phát triển, nơi mà thông tin tài chính

1

Trường Đại học Kinh tế Quốc dân. Email:

567


được kiểm soát rất chặt chẽ và gắt gao.
Những năm gần đây, kinh tế Việt Nam được đánh giá là có triển vọng tích cực,
nhất là khi Hiệp định Đối tác xuyên Thái Bình Dương (TPP) được ký kết. Các nhóm
ngành được hưởng lợi nhiều nhất từ TPP là: dệt may, da giầy, gỗ, khu công nghiệp2.
Tuy nhiên, trong các điều kiện của TPP cũng nêu rõ, tham gia TPP đồng nghĩa với các
doanh nghiệp trong nước chỉ được phép sử dụng nguyên liệu trong nước hoặc nhập
khẩu từ các nước thuộc TPP để được hưởng thuế suất ưu đãi. Trong khi đó, các
doanh nghiệp Việt Nam hiện nay có quy mơ nhỏ, vốn ít, nên việc đầu tư vào cung ứng
nguyên vật liệu hiện tại chưa được quan tâm. Bởi vậy, trong tương lai gần, ngành
nguyên vật liệu là ngành có tiềm năng, cần được quan tâm đầu tư phát triển. Để thu
hút được nguồn đầu tư cho ngành này, tính minh bạch và trung thực của thơng tin
đóng vai trò quan trọng. Tuy nhiên hiện nay, cơ chế phát hiện và xử lý sai sót ở Việt
Nam chưa được hồn thiện. Vì vậy, vấn đề sai phạm báo cáo tài chính ngành nguyên
vật liệu cần được quan tâm hơn nữa.
Theo chuẩn mực kiểm toán Việt Nam số 240 (BTC, 2012), “Sai sót trong báo
cáo tài chính có thể phát sinh từ sai phạm hoặc nhầm lẫn. Để phân biệt giữa sai phạm
và sai sót, cần xem xét hành vi dẫn đến sai sót trong báo cáo tài chính là cố ý hay
không cố ý”. Trong chuẩn mực kiểm toán Việt Nam số 240 cũng định nghĩa: “Gian lận
là hành vi cố ý do một hay nhiều người trong Hội đồng quản trị, Ban Giám đốc, các
nhân viên hoặc bên thứ ba thực hiện bằng các hành vi gian dối để thu lợi bất chính
hoặc bất hợp pháp”3. Đối với nhà đầu tư, sai phạm báo cáo tài chính ảnh hưởng trực
tiếp đến quyết định đầu tư và lợi tức đầu tư, gây thiệt hại cho nhà đầu tư khi hành vi

sai phạm bị phát hiện. Bên cạnh đó, hiện tượng sai phạm tiếp diễn cũng làm suy giảm
niềm tin của nhà đầu tư vào thị trường cũng như ảnh hưởng tới tính thanh khoản của
thị trường cổ phiếu. Đối với các tổ chức tín dụng như ngân hàng, hành vi sai phạm báo
cáo tài chính làm tăng khả năng rủi ro tín dụng, ảnh hưởng đến tồn bộ hệ thống các tổ
chức chức tín dụng nói chung. Sai phạm báo cáo tài chính cũng có tác động xấu đối
với cơ quan thuế và các cơ quan liên quan. Sai phạm làm giảm số thuế phải nộp gây
thất thoát thuế và làm giảm thu ngân sách, ảnh hưởng xấu đến tăng trưởng và thịnh
vượng của quốc gia. Đồng thời sai phạm đòi hỏi nhà nước và pháp luật cần có những
quy định mới với mức độ can thiệp và kiểm sốt cao hơn.

2

Cơng ty Chứng khốn Ngân hàng Đầu tư và Phát Triển Việt Nam (BSC) (2015), Báo cáo tháng

10/2015, Hà Nội.
Chuẩn mực kiểm toán số 240: Trách nhiệm của kiểm toán viên liên quan đến sai phạm trong q trình
kiểm tốn báo cáo tài chính, Bộ Tài chính ban hành ngày 6 tháng 12 năm 2012.
3

568


Từ những phân tích về hậu quả của sai phạm báo cáo tài chính như trên, kết
hợp với những thơng tin về thị trường Việt Nam, cho thấy việc phát hiện sai phạm
báo cáo tài chính ngành nguyên vật liệu là rất cần thiết. Nghiên cứu này đưa ra một
công cụ hữu hiệu để phát hiện sai phạm báo cáo tài chính. Kết quả của nghiên cứu
đưa ra giải pháp giúp nhà đầu tư lựa chọn danh mục cổ phiếu đầu tư hợp lý và tối đa
hóa lợi ích đầu tư. Nghiên cứu cũng giúp người cho vay ra quyết định cho vay đúng
đắn. Đồng thời qua nghiên cứu, các nhà quản lý thị trường và hoạch định chính sách
cũng có cái nhìn đúng đắn hơn về các doanh nghiệp và có những giải pháp nhằm phát

hiện và xử lý những doanh nghiệp sai phạm, bảo vệ nhà đầu tư và các đối tượng khác
tham gia vào thị trường chứng khoán Việt Nam.
2. Tổng quan các nghiên cứu về sai phạm báo cáo tài chính doanh nghiệp
Những nghiên cứu đầu tiên về nhận diện sai phạm báo cáo tài chính là các nghiên
cứu sử dụng mơ hình dồn tích có điều chỉnh (Discretionary accruals models). Mơ hình dồn
tích có điều chỉnh là công cụ giúp phát hiện sự sai phạm trong báo cáo tài chính nếu thấy
những chênh lệch bất thường giữa con số được báo cáo và con số dự kiến. Đi đầu trong
nhóm này là nghiên cứu của DeAngelo (1986), tiếp theo đó là Friedlan (1994), Healy
(1985), Jones (1991) nhằm hồn thiện mơ hình này. Theo các nghiên cứu của DeAngelo
(1986), Friedlan (1994), Healy (1985) và Jones (1991) nhà quản lý thao túng thu nhập
thông qua thao túng các biến kế tốn dồn tích. Các biến kế tốn dồn tích có liên quan đến
thời gian sử dụng tài sản cố định, xác suất thu hồi công nợ hay thay đổi những khoản trích
trước vào cuối năm để thay đổi tình hình doanh nghiệp theo một mục tiêu xác định.
DeAngelo (1986) kiểm tra việc sai phạm bằng sự thay đổi trong tổng số biến kế tốn dồn
tích (TA) giữa thời kỳ t và t - 1, trường hợp có sai khác đồng nghĩa với có sai phạm báo
cáo tài chính. Friedlan (1994) phát triển mơ hình của DeAngelo, mơ hình mới được áp
dụng rộng rãi hơn mơ hình gốc. Healy (1985) sử dụng trung bình các biến kế tốn dồn tích
xếp theo thứ tự thanh khoản tài sản từ giai đoạn lập dự án. Jones (1991) xem xét sự thay
đổi trong các khoản dồn tích của cơng ty gây ra những tác động nào để từ đó nhận định về
khả năng sai phạm báo cáo tài chính.
Đến thế kỷ XX, nhóm các nghiên cứu sử dụng các kỹ thuật thống kê (Statistical
techniques) để nhận diện sai phạm báo cáo tài chính xuất hiện và phổ biến rộng rãi,
đem lại kết quả có độ chính xác cao. Tiêu biểu của phương pháp này là nghiên cứu M score của Beneish (1999). Trong nghiên cứu của mình, Beneish sử dụng mơ hình
probit uớc lượng khả năng cực đại mẫu ngoại sinh có trọng số (weighted exogenous
sample maximum likelihood (WESML) probit model) để xác định khả năng một công
ty thao túng thu nhập. Các biến độc lập của mơ hình được thiết kế để nhận dạng được
tình trạng thao túng thu nhập đang hoặc sắp xảy ra trong tương lại gần. Các biến độc
lập gồm có (1) DSRI - Tỷ số phải thu khách hàng trên doanh thu thuần, (2) GMI - Tỷ
số lãi gộp, (3) SGI - Tỷ số tăng trưởng doanh thu bán hàng, (4) AQI - Tỷ số chất lượng

569


tài sản, (5) DEPI - Tỷ số khấu hao tài sản cố định hữu hình, (6) SGAI - Tỷ số chi phí
bán hàng và quản lý doanh nghiệp, (7) LVGI - Tỷ số địn bẩy tài chính, (8) TATA - Tỷ
số biến dồn tích kế tốn so với tổng tài sản. Biến phụ thuộc là biến giả 0,1 để đánh giá
có hay khơng khả năng một cơng ty thực hiện thao túng báo cáo tài chính. Beneish sử
dụng mẫu báo cáo của 74 công ty bị thao túng thu nhập so sánh với các công ty khác
cho ra kết quả mơ hình có xác định khả năng thao túng với xác suất đúng 76%. Nhiều
nghiên cứu phát hiện sai phạm được dựa trên nghiên cứu M - score của Beneish nh
Burcu Dikmen v Gỹray Kỹỗỹkkocaolu (2005) v Marinakis (2011). Cỏc nghiên cứu
này đều cho kết quả chính xác cao.
Ngồi ra quy mơ doanh nghiệp cũng được xác định là có liên quan đến khả năng
sai phạm báo cáo tài chính doanh nghiệp. Rhee và các cộng sự (2003) thực hiện nghiên
cứu ảnh hưởng của quy mô doanh nghiệp đến khả năng thao túng thu nhập của nhà
quản trị, kết quả nghiên cứu thu được các cơng ty nhỏ có xu hướng tham gia thao túng
thu nhập nhiều hơn đồng thời xu hướng thao túng thu nhập cũng khác nhau dựa theo
quy mô: Các công ty nhỏ thao túng giảm nhằm trốn thuế, các công ty lớn thao túng để
làm đẹp báo cáo tài chính.
Ở Việt Nam có một số nghiên cứu và phát hiện sai phạm báo cáo tài chính như:
Các nghiên cứu sử dụng mơ hình dồn tích gồm có: Nghiên cứu việc điều chỉnh lợi
nhuận trong trường hợp phát hành thêm cổ phiếu của các công ty niêm yết trên thị
trường chứng khoán Việt Nam - Nguyễn Thị Un Phương (2014), Sử dụng mơ hình
Jones để nhận diện hành vi điều chỉnh lợi nhuận: Trường hợp các công ty niêm yết ở
Hose phát hành thêm cổ phiếu năm 2013 - Phan Thị Thùy Dương (2015). Các nghiên
cứu sử dụng kỹ thuật thống kê tiêu biểu gồm nghiên cứu của ThS. Phạm Thị Bích Vân
(2013). Các cách đo lường sự trung thực của chỉ tiêu lợi nhuận; nghiên cứu của
Nguyễn Trần Ngun Trân về áp dụng mơ hình Beneish dự đốn sai sót trọng yếu
trong báo cáo tài chính; nghiên cứu phát hiện sai phạm báo cáo tài chính của các doanh
nghiệp xây dựng niêm yết của Hoàng Khánh, Trần Thị Thu Hiền (2015) với ứng dụng

từ mơ hình nghiên cứu của Beneish (1999).
3. Phương pháp nghiên cứu sai phạm báo cáo tài chính ngành nguyên vật
liệu niêm yết tại Việt Nam
3.1. Dữ liệu nghiên cứu
Dữ liệu được thu thập từ báo cáo tài chính trước và sau kiểm tốn của 74 cơng ty
ngành ngun vật liệu niêm yết trên hai sàn HOSE và HNX. Báo cáo tài chính trước
kiểm toán được lấy từ năm 2011 đến 2015 và báo cáo sau kiểm toán được lấy từ năm
2010 đến 2014. Những quan sát bị lọc bỏ là những quan sát gặp phải một trong các vấn

570


đề như sau:

- Những quan sát không đủ dữ liệu: Cụ thể những quan sát bị lọc bỏ là những
quan sát thiếu một trong những khoản mục cần thu thập như đã nêu ở trên.
- Những doanh nghiệp đã bị hủy niêm yết hoặc không tiếp tục công bố báo cáo
tài chính kiểm tốn sau khi chuyển qua niêm yết trên sàn UPCOM.
- Những giá trị của quan sát ngoại lai, gây nhiễu mẫu nghiên cứu và ảnh hưởng
đến độ chính xác của mơ hình.
Sau khi xử lý dữ liệu, bộ dữ liệu thu được cho thấy tình hình sai phạm báo cáo
tài chính của các doanh nghiệp ngành nguyên vật liệu niêm yết, được miêu tả trong
bảng thống kê sau:
Bảng 1. Thống kê sai phạm của các khoản mục trong báo cáo tài chính
ngành nguyên vật liệu 2011 - 2014
STT

Khoản mục

Số quan sát sai

lệch

Tỷ lệ sai lệch
bình quân

1

Lợi nhuận sau thuế

130

77,84%

2

Tài sản ngắn hạn

125

74,85%

3

Các khoản phải thu khách hàng

62

37,13%

4

Tài sản dài hạn

49

29,34%

5

Tài sản cố định

67

40,12%

6

Khấu hao tài sản cố định

62

37,13%

7

Tổng tài sản

131

78,44%

8

Nợ ngắn hạn

139

83,23%

9

Nợ dài hạn

49

29,24%

10

Vốn chủ và các quỹ

132

79,04%

11

Doanh thu thuần

55

32,93%

12

Giá vốn hàng bán

98

58,68%

13

Chi phí bán hàng

50

29,94%

571


14

Chi phí quản lý doanh nghiệp

104

62,28%

15

Dịng tiền thuần từ hoạt động kinh doanh

139

83,23%

Nguồn: Thống kê của tác giả
Qua thống kê những khoản mục có sai phạm lớn là: Nợ ngắn hạn (83,23%), dòng
tiền thuần từ hoạt động kinh doanh (83,23%), vốn chủ sở hữu và các quỹ (79,04%), tổng
tài sản (78,44%), Lợi nhuận sau thuế (77,84%), tài sản ngắn hạn (74,85%). Các khoản
mục ít có sai phạm bao gồm: Tài sản dài hạn, nợ dài hạn, chi phí bán hàng (hơn 29%).
Các biến của mơ hình nghiên cứu
Tỷ số phải thu khách hàng trên doanh thu thuần (Days Sales in Receivables
Index)

DSRI =

Các khoản phải thut /Doanh thut
Các khoản phải thut−1 / Doanh thut−1

Theo Beneish, một sự gia tăng bất thường tỷ số phải thu khách hàng trên doanh
thu hoặc là do cơng ty đã thay đổi chính sách tín dụng thương mại hoặc là một dấu
hiệu của sai phạm báo cáo tài chính doanh nghiệp.
Tỷ số lãi gộp (Gross Margin Index)

GMI =

(Doanh thut−1 − Giá vốn hàng bánt−1 )⁄Doanh thut−1

(Doanh thut − Giá vốn hàng bánt )⁄Doanh thut

Chỉ số GMI nhỏ hơn 1 nghĩa là lợi nhuận biên đang giảm, đây được cho là một
dấu hiệu tiêu cực về triển vọng tăng trưởng của cơng ty. Khi đó cơng ty sẽ có nhiều
khả năng sai phạm để che dấu tình hình thực tại. Bởi vậy, GMI được kỳ vọng sẽ có
quan hệ thuận chiều với khả năng sai phạm báo cáo tài chính.
Tỷ số tăng trưởng doanh thu bán hàng (Sales Growth Index)

SGI =

Doanh thut
Doanh thut−1

Việc tăng trưởng doanh thu bất thường có thể là một trong các dấu hiệu sai phạm
nếu xem xét trên khía cạnh hai động cơ như sau: Thứ nhất, bóp méo doanh thu nhằm
tạo ra một kết quả đẹp, phù hợp với mục tiêu đề ra sẽ thu hút các nhà đầu tư. Thứ hai,
nếu doanh thu giảm cơng ty có thể đối mặt với giảm giá cổ phiếu trên thị trường.
Tỷ số chất lượng tài sản (Asset Quality Index)

572


1 − Tài sản ngắn hạnt + PP&Et
Tổng tài sảnt
AQI =
1 − Tài sản ngắn hạnt−1 + PP&Et−1
Tổng tài sảnt−1
Nếu AQI lớn hơn 1 đồng nghĩa với công ty gia tăng thanh lý tài sản, điều này
cũng có thể là dấu hiệu của sai phạm, đặc biệt là sai phạm ln chuyển chi phí giữa các
kỳ. Theo Beneish có mối tương quan cùng chiều giữa AQI và xác suất sai phạm báo

cáo tài chính.
Tỷ số khấu hao tài sản cố định hữu hình (Depreciation Index)

DEPI =

Khấu haot−1 ⁄(Khấu haot−1 + PP&Et−1 )
Khấu haot ⁄(Khấu haot + PP&Et )

DEPI lớn hơn đồng nghĩa với công ty đã làm giảm tỷ lệ khấu hao bằng cách tăng
thời gian sử dụng của tài sản hoặc áp dụng phương pháp trích khấu hao mới, việc này
làm lợi nhuận tăng lên.
Tỷ số chi phí bán hàng và quản lý doanh nghiệp (Sales, general and
administrative expense Index)

SAGI =

Chi phí bán hàng và quản lý doanh nghiệpt ⁄Doanh thut
Chi phí bán hàng và quản lý doanh nghiệpt−1 ⁄Doanh thut−1

Nếu SGAI lớn hơn 1 có nghĩa chi phí bán hàng và quản lý doanh nghiệp đang
tăng lên so với doanh thu, điều này có thể là một dấu hiệu của sai phạm.
Tỷ số địn bẩy tài chính (Leverage Index)

LVGI =

Tổng nợt ⁄Tổng tài sảnt
Tổng nợt−1 ⁄Tổng tài sảnt−1

Tỷ số LVGI được tính bằng cách so sánh giữa tỷ suất nợ với tổng tài sản của
năm t (trước kiểm toán) với năm t - 1 (sau kiểm toán). Vay nợ tăng hoặc giảm bất

thường có thể nguyên nhân từ sai phạm báo cáo tài chính.
Tỷ số biến dồn tích kế toán so với tổng tài sản (Total Accruals to Total Assets)

TATA =

Thu nhậpt − Dòng tiền từ hoạt động kinh doanht
Tổng tài sảnt

TATA được tính bằng chênh lệch giữa thu nhập và dòng tiền từ hoạt động kinh
doanh trên tổng tài sản. Theo Beneish, các khoản kế toán dồn tích càng lớn thì khả

573


năng sai phạm càng cao.

Tỷ số biến kế toán dồn tích có thể điều chỉnh (Discretionary Accruals)
Biến kế tốn có
thể điều chỉnh
(DAt)

=

Biến kế tốn dồn tícht
(TAt )
Doanh thut

Biến kế tốn dồn tícht−1
(TAt−1 )
Doanh thut−1

Mơ hình dồn tích điều chỉnh của Friedlan (1994) được phát triển dựa trên mơ
hình của DeAngele (1986). Mơ hình này được sử dụng với giả định sự thay đổi trong
tổng số trích trước giữa hai kỳ kế toán là do sự ảnh hưởng của hai nhân số: (1) sự thay
đổi do tăng trưởng và (2) sự thay đổi do lựa chọn kế toán của tổ chức phát triển.
Quy mô doanh nghiệp
Nghiên cứu của Rhee và các cộng sự (2003) chỉ ra rằng cơng ty nhỏ có khả năng
tham gia thao túng thu nhập nhiều hơn các công ty lớn, và xu hướng thao túng khác nhau
theo quy mơ: Cơng ty nhỏ có thể làm tăng hoặc giảm lợi, cịn các cơng ty lớn hầu hết thao
túng theo hướng lợi nhuận không bị giảm qua các năm. Biến Size được tính tốn bằng
cách lấy logarit cơ số tự nhiên của giá trị khoản mục Tổng tài sản, điều này để tránh chênh
lệch quá lớn giữa các công ty và phù hợp với hầu hết các mơ hình khác nghiên cứu về quy
mô doanh nghiệp. Trong nghiên cứu, Rhee và các cộng sự (2003) chỉ ra rằng công ty nhỏ
có khả năng tham gia thao túng thu nhập nhiều hơn các công ty lớn.
Bảng 2. Bảng mô tả thống kê các biến độc lập đưa vào mơ hình

574

Variable

Mean

Std. Dev.

Min

Max

DSRI

1.014224

.3721987

.0124494

1.993307

GMI

1.036786

.2951576

.140792

1.982625

SGI

1.169072

.5394596

.400078

6.740139

AQI

1.365743

1.406413

.0693698

8.172034

DEPI

1.019567

2.22459

-4.299595

14.24286

SGAI

1.08026

.3155669

.2554609

2.13202

LVGI

1.059456

.3171233

.3040829

3.497131

TATA

-.042022

.2219446

-1.482548

.2897623

DA

-.1567351

3.771743

-15.48173

15.34251


Size

26.84054

1.365468

24.03157

30.76483

Nguồn: Tính tốn của tác giả từ phần mềm STATA 13

Bảng 3. Ma trận hệ số tương quan giữa các biến trong mơ hình
DSRI

GMI

SGI

AQI

DEPI

SGAI

LVGI

TATA

DA

DSRI

1,0000

GMI

-0,0905

1,0000

SGI

-0,2950

-0,0176

1,0000

AQI

-0,1147

0,0230

0,0699

1,0000

DEPI

-0,0599

0,1241

-0,0355

0,0216

1,0000

SGAI

0,1277

-0,0889

-0,3777

0,1003

-0,0022

1,0000

LVGI

0,0032

-0,0426

0,5428

0,1297

0,0313

-0,1660

1,0000

TATA

-0,0251

-0,0513

0,0289

-0,0135

-0,0008

0,0143

0,0986

1,0000

DA

-0,0078

-0,0519

-0,0464

0,0724

0,1552

0,0732

-0,1443

0,3231

1,0000

Size

0,0631

0,0283

-0,0085

-0,0562

0,0817

0,0706

-0,0433

0,0735

0,0372

Size

1,0000

Nguồn: Tính tốn của tác giả từ phần mềm STATA
3.2. Phương pháp nghiên cứu
Khung nghiên cứu dựa trên các nghiên cứu của Beneish 1999 về mơ hình Mscore, nghiên cứu mơ hình dồn tích của Friedlan (1994), và nghiên cứu về ảnh hưởng
của quy mô doanh nghiệp đến khả năng sai phạm báo cáo tài chính.
Các giả thiết nghiên cứu như sau:
H1: DRSI - tỷ lệ phải thu của doanh nghiệp có mối quan hệ thuận chiều với xác
suất xảy ra sai phạm báo cáo tài chính.
H2: GMI - tỷ lệ lãi gộp của doanh nghiệp có mối quan hệ thuận chiều với xác
suất xảy ra sai phạm báo cáo tài chính.
H3: SGI - tốc độ tăng trưởng doanh thu có mối quan hệ thuận chiều với xác suất
xảy ra sai phạm báo cáo tài chính.

575


H4: AQI - chất lượng tài sản của doanh nghiệp có mối quan hệ thuận chiều với
xác suất xảy ra sai phạm báo cáo tài chính.
H5: DEPI - chỉ số khấu hao có mối quan hệ thuận chiều với xác suất xảy ra sai

phạm báo cáo tài chính.
H6: SGAI - tỷ lệ chi phí bán hàng và quản lý doanh nghiệp có mối quan hệ
nghịch chiều với xác suất xảy ra sai phạm báo cáo tài chính.
H7: LVGI - địn bẩy tài chính có mối quan hệ nghịch chiều với xác suất xảy ra
sai phạm báo cáo tài chính.
H8: TATA - tổng biến kế tốn dồn tích có mối quan hệ thuận chiều với xác suất
xảy ra sai phạm báo cáo tài chính.
H9: DA - biến kế tốn dồn tích có thể điều chỉnh, có mối quan hệ thuận chiều với
xác suất xảy ra sai phạm báo cáo tài chính.
H10: Size - quy mơ doanh nghiệp có mối quan hệ nghịch chiều với khả năng sai
phạm báo cáo tài chính.
Nghiên cứu của Beneish (1999) đã xây dựng mơ hình M - score dưới dạng như sau:

𝑴𝒊 = 𝜷′ 𝑿𝒊 + 𝜺̃𝒊
Trong đó M là một biến nhị phân, M nhận giá trị 1 khi cơng ty có thực hiện thao
túng thu nhập, M nhận giá trị 0 khi khơng có thao túng; X là ma trận biến giải thích và

𝜀̃ là ma trận vectơ phần dư. Mơ hình Logistic, phương pháp Goldberger thể hiện xác
suất xảy ra hiện tượng như sau:

𝑒 𝛽0 +𝛽1 𝑋1𝑖
𝑒 𝑋𝑖𝛽
exp(𝑋𝑖 𝛽)
𝑝𝑖 =
=
=
1 + 𝑒 𝛽0 +𝛽1 𝑋1𝑖
1 + 𝑒 𝑋𝑖𝛽 1 + exp(𝑋𝑖 𝛽)
Trong mô hình, p làm hàm phi tuyến đối với X và các tham số 𝛽 . Mơ hình Logit
khơng nghiên cứu ảnh hưởng trực tiếp của biến độc Xk đối với Y mà xem xét ảnh

hưởng của Xk đến xác suất Y nhận giá trị bằng 1. Nói cách khác mơ hình xem xét tác
động của X tới kỳ vọng của Y.
Ảnh hưởng của Xk đến xác suất pi như sau:

𝜕
exp(𝑋𝑖 𝛽̂ )
(
)
𝑝𝑖 =
2 𝛽𝑘 = 𝑝𝑖 1 − 𝑝𝑖 𝛽𝑘
𝜕𝑋𝑘
(1 + exp(𝑋𝑖 𝛽̂))
Áp dụng trong bài xác định khả năng sai phạm báo cáo tài chính.

576


Mơ hình logistic để nhận diện sai phạm báo cáo tài chính ngành nguyên vật liệu
Việt Nam - với các biến đã trình bày ở trên, có dạng như sau:

𝛃𝟎 +𝛃𝟏 (DSRI) + 𝛃𝟐 (GMI) + 𝛃𝟑 (AQI) +𝛃𝟒 (SGI) + 𝛃𝟓 (DEPI) +𝛃𝟔 (SGAI)

M=

+ 𝛃𝟕 (LVGI) + 𝛃𝟖 (TATA) + 𝛃𝟗 DA + 𝛃𝟏𝟎 Size

Sau khi thành lập mô hình, tiến hành ước lượng mơ hình bằng phần mềm
STATA 13 để xác định những biến có ý nghĩa trong mơ hình với mức ý nghĩa 15%.
Theo Hồng Khánh và Trần Thị Thu Hiền (2015), trong nghiên cứu gốc, Beneish đã
xác định từ 1 - 2,5% miền phân phối bên trái của phân phối chuẩn Mt tương ứng với

khả năng sai phạm báo cáo tài chính cao. Tương ứng với tỷ lệ này là giá trị phân loại 1,96 cho tới -2,32. Cơng ty có M - score nằm trong khoảng này thì được đánh dấu là có
dấu hiệu sai phạm và ngược lại. Tuy nhiên đối với nghiên cứu này, cần xác định một
giá trị ngưỡng mới để phù hợp với thực trạng ngành nguyên vật liệu ở Việt Nam.
Tính giá trị các giá trị phân loại M - score tương ứng tại các xác suất dự báo 1%,
5%, 10%, 15%, 20%, 25%, 30%, 35%, 40% miền phân phối bên trái bằng hàm
Normsinv trong phần mềm excel. Với Mi có giá trị lớn hơn giá trị phân loại M-score tại
một ngưỡng phân loại xác định ta đánh dấu doanh nghiệp đó có khả năng sai phạm.
Các kết quả có thể có khi so sánh kết quả từ mơ hình với kết quả kết quả kiểm tốn. Độ
chính xác của mơ hình sẽ tính bằng tổng số dự báo đúng trên tổng số quan sát.
Sau khi kiểm tra độ chính xác của mơ hình tại tất cả các ngưỡng, nhóm nghiên cứu
thống kê và chọn ngưỡng có độ chính xác cao nhất. Đồng thời với cách kiểm tra này,
nhóm nghiên cứu có thể xác định được tính chính xác của mơ hình với dữ liệu 2015.
Bảng 4. Phân loại kết quả dự báo của mơ hình
Kết quả kiểm tốn

Dự
báo

Có sai phạm

Có sai phạm

Khơng sai phạm

Dự báo đúng có sai phạm

Dự báo sai có sai phạm
(Sai lầm loại 1)

(1)

(2)
Khơng sai phạm

Dự báo sai khơng có sai phạm
(Sai lầm loại 2)
(3)

Độ chính xác của dự báo

1/(1+3)

Dự báo đúng không sai
phạm
(4)
2/(2+4)

577


Tổng độ chính xác

(1+4)/tổng số quan sát

Nguồn: Giáo trình Lý thuyết Xác suất Thống kê – Đại học Kinh tế Quốc dân
4. Kết quả nghiên cứu và thảo luận kết quả nghiên cứu phát hiện sai phạm
báo cáo tài chính ngành nguyên vật liệu niêm yết tại Việt Nam
4.1. Kết quả nghiên cứu
Sử dụng dữ liệu đầu vào, ước lượng mơ hình bằng phần mềm STATA 13 thu
được kết quả như sau:

Bảng 5. Kết quả hồi quy mơ hình
M

Coef.

Std. Err.

Z

P>|z|

[95% Conf. Int

GMI

2.003339

1.177694

1.70

0.089

-.3048991

4.311577

SGI

-1.094244

.7213457

-1.52

0.129

-2.508055

.319568

TATA

-4.307482

2.558099

-1.68

0.092

-9.321264

.7062997

Cons

1.681198

1.48165

1.13

0.257

-1.222783

4.58518

Nguồn: Tính tốn của tác giả từ phần mềm STATA 13
Kết quả hồi quy của mơ hình cho thấy cả 3 biến đều có ý nghĩa thống kê, GMI và
TATA có ý nghĩa thống kê với mức 10% với hệ số lần lượt là 2.003339 và -4.307482
và biến SGI có mức ý nghĩa thống kê 15% với hệ số -1.094244. Vì cả mơ hình chứa cả
3 biến đều có ý nghĩa thống kê nên có thể kết luận đây là mơ hình phù hợp để nhận
diện sai phạm báo cáo ngành nguyên vật liệu niêm yết tại Việt Nam.
Mô hình nhận diện sai phạm báo cáo tài chính ngành nguyên vật liệu có dạng
như sau:
M = 1,661198 + 2,003339GMI - 1,094244SGI - 4,307482TATA
Kết quả sau khi so sánh tại các ngưỡng xác suất 1%, 5%, 10%, 15% và 20%,
25%, 30%, 35%, 40% như sau:

578


Bảng 6. So sánh tính chính xác của mơ hình M-score
tại các ngưỡng phân loại với dữ liệu ngành nguyên vật liệu 2015
Dự báo đúng
có sai phạm

Dự báo đúng

khơng sai phạm

Dự báo sai có
sai phạm

Dự báo sai
khơng sai phạm

Ngưỡng 1%

25

8

1

30

Ngưỡng 5%

25

17

1

21

Ngưỡng 10%

25

20

1

18

Ngưỡng 15%

25

25

1

13

Ngưỡng 20%

25

26

1

12

Ngưỡng 25%

25

26

1

12

Ngưỡng 30%

25

26

1

12

Ngưỡng 35%

25

26

1

12

Ngưỡng 40%

25

26

1

12

Nguồn: Tính tốn của tác giả
So sánh giữa kết quả áp dụng mô hình M - score thu được với kết quả nhận diện
sai phạm của kiểm tốn độc lập, độ chính xác của mơ hình nghiên cứu tại giá trị phân
loại 20% miền phân phối thu được là lớn nhất. Tại các ngưỡng lớn hơn 20%, độ chính
xác của mơ hình khơng tăng cho thấy kết quả đã bão hòa và ngưỡng 20% là ngưỡng
phân loại chấp nhận được của mơ hình. Tại ngưỡng này, tương ứng với giá trị phân
loại -0,84, mơ hình phân loại đúng 96,15% quan sát có sai phạm và 68,42% quan sát
khơng có sai phạm. Đây là một kết quả cao cho phép nhận diện chính xác tới 79,68%
báo cáo tài chính có sai lệch.
4.2. Thảo luận về kết quả nghiên cứu
Nhận xét về kết quả mô hình
Từ việc ước lượng mơ hình hồi quy logistic bằng phần mềm STATA 13, ta thu
được kết quả mơ hình như sau:
M = 1,661198 + 2,003339GMI - 1,094244SGI - 4,307482TATA
Hệ số góc của GMI bằng 2,003339 có ý nghĩa thống kê ở mức ý nghĩa 10% thể
hiện tác động riêng của biến GMI - tỷ lệ lãi gộp lên xác suất sai phạm báo cáo tài

579


chính. Tỷ lệ lãi gộp tính được từ báo cáo tài chính doanh nghiệp năm (t - 1) đã kiểm
tốn và năm t chưa kiểm tốn càng cao thì khả năng doanh nghiệp sai phạm báo cáo tài

chính càng cao.
Hệ số góc của biến SGI bằng -1,094244 và có ý nghĩa thống kê ở mức 15%. Có
nghĩa là tăng trưởng doanh thu tăng thì khả năng sai phạm giảm. Điều này có thể được
giải thích bằng nghiên cứu của José A. C. Moreira (2006)4. Trong nghiên cứu, Moreira
nhận định rằng có mối quan hệ chặt chẽ giữa hệ thống kế toán và thuế: Các ưu đãi thuế
là động cơ khiến doanh nghiệp cố ý làm giảm doanh thu. Tuy nhiên động cơ này chỉ
xuất hiện trong trường hợp doanh nghiệp khơng có nhu cầu tài chính cao, bởi giảm
doanh thu đồng nghĩa cổ phiếu doanh nghiệp giảm sức hấp dẫn trong mắt các nhà đầu
tư hay ngân hàng sẽ cân nhắc việc cho vay. Như vậy, lý do khiến tăng trưởng doanh
thu nghịch chiều với khả năng sai phạm báo cáo tài chính có thể là các doanh nghiệp
ngành ngun vật liệu Việt Nam khơng có nhu cầu vốn lớn.
Hệ số góc của biến TATA - biến kế tốn dồn tích trên tổng tài sản là -4,307482 với
mức ý nghĩa thống kê 10%, cho thấy với mẫu nghiên cứu, chênh lệch thu nhập và dòng
tiền từ kinh doanh trên tổng tài sản tăng thì khả năng sai phạm báo cáo tài chính giảm.
Vậy các nhân tố ảnh hưởng đến khả năng sai phạm báo cáo tài chính của cơng ty
là: Tỷ lệ lãi gộp - GMI, tỷ lệ tăng trưởng doanh thu - SGI và biến kế tốn dồn tích trên
tổng tài sản - TATA. Trong ba nhân tố ảnh hưởng, chỉ có tỷ lệ lãi gộp GMI có chiều
ảnh hưởng giống như kỳ vọng ban đầu: GMI có tác động thuận chiều đến khả năng sai
phạm, hai nhân tố còn lại là SGI và TATA ảnh hưởng nghịch chiều đến khả năng sai
phạm báo cáo tài chính của các công ty ngành nguyên vật liệu.
Về ngưỡng giá trị phân loại và tính chính xác của mơ hình nghiên cứu
Ngưỡng giá trị phân loại được xác định dựa vào việc so sánh tính chính xác của
mơ hình tại các ngưỡng 1%, 5%, 10%, 15% và 20%, 25%, 30%, 35%, 40% miền phân
phối bên trái. Từ ngưỡng 1% đến 20% miền phân phối bên trái, giá trị nhận diện đúng
tăng dần và đạt cực đại tại ngưỡng 20% với việc nhận diện đúng 51/64 công ty ngành
nguyên vật liệu Việt Nam có sai phạm hay khơng. Từ ngưỡng 20% miền phân phối
bên trái trở đi độ chính xác của mơ hình khơng thay đổi, bởi vậy ngưỡng phân loại của
mơ hình là 20% được chấp nhận. Điều này hoàn toàn hợp lý với thực trạng ở Việt
Nam, các chuẩn mực kế tốn của Việt Nam đang trong q trình hình thành và chặt
chẽ hơn, hành vi vi phạm chỉ bị xử phạt ở mức hành chính chưa đủ để răn đe, cịn mơ

4

José A. C. Moreira (2006), Are Financing Needs a Constraint to Earnings Management? Evidence for
Private Portuguese Firms, working paper.

580


hình gốc của Beneish nghiên cứu tại Mỹ có các quy chuẩn về hệ thống báo cáo tài
chính rõ ràng minh bạch, các chế tài xử phạt vi phạm tính trung thực báo cáo tài chính
mạnh và mang tính răn đe cao.
Ngưỡng xác suất nhận diện sai phạm là 20% miền phân phối, ứng với giá trị
phân loại -0,84. Tại giá trị này độ chính xác của mơ hình là cao nhất cho phép nhận
diện chính xác 79,68% báo cáo tài chính sai lệch theo kết quả kiểm tốn.
5. Kết luận
Việt Nam là quốc gia đang trong thời kỳ phát triển, kinh tế khởi sắc và cuối năm
2015 tăng trưởng vượt mức kỳ vọng. Một trong những yếu tố cốt lõi của sự phát triển
là Việt Nam đã cải thiện được mơi trường đầu tư từ đó thu hút khối lượng lớn vốn đầu
tư nước ngồi. Mặc dù mơi trường đầu tư đang có nhiều cải thiện, nhưng có thể thấy
vẫn còn tồn tại một số văn bản pháp lý chưa được chặt chẽ, trong đó có các tiêu chuẩn
về kế tốn kiểm tốn.
Một thị trường tài chính hiệu quả địi hỏi sự minh bạch của các thơng tin được
cơng bố, đặc biệt là các thông tin trên báo cáo tài chính để duy trì niềm tin và thu hút
đầu tư của các nhà đầu tư trong và ngoài nước, phù hợp với các chuẩn mực quốc tế
theo các hiệp định và các khu vực mậu dịch lớn.
Đóng góp của nghiên cứu là xây dựng một mơ hình nghiên cứu có tính ứng dụng
cao để nhận biết có hay khơng sai phạm báo cáo tài chính. Mơ hình được xây dựng dựa
trên số liệu báo cáo tài chính các cơng ty ngành nguyên vật liệu giai đoạn 2011 - 2014
và kiểm định độ chính xác với số liệu các cơng ty ngành này năm 2015. Bên cạnh việc
xây dựng mô hình dự báo sai phạm báo cáo tài chính ngành nguyên vật liệu, nghiên

cứu cũng đưa ra khuyến nghị cho các đối tượng sử dụng báo cáo tài chính ngành này
như nhà đầu tư, tổ chức tài chính và các cơ quan chức năng để tránh được rủi ro.
Hạn chế của nghiên cứu này là mẫu nghiên cứu việc sai phạm báo cáo tài chính
chưa đủ lớn, nghiên cứu chỉ giới hạn ngành nguyên vật liệu. Tuy nhiên, nghiên cứu
này phần nào cũng giúp được các đối tượng sử dụng thơng tin trên báo cáo tài chính có
thể nhận biết được có hay khơng sai phạm nếu xuất hiện bất thường trong các khoản
mục của báo cáo tài chính. Những hạn chế kể trên sẽ được khắc phục trong những
nghiên cứu sau.

581


Tài liệu tham khảo
1. Beneish (1997), Detecting GAAP violation: Implications for assessing
earnings manage- ment among firms with extreme financial performance.
Journal of Accounting and Public Policy, 16(3), trang 271 - 309.
2. Beneish (1999), Incentives

and

penalties

related

to

earnings

overstatements that violate GAAP. The Accounting Review, 74(4), trang
425 - 457.

3. Bonner, Palmrose & Young (1998), Fraud type and auditor litigation: An
analysis of SEC Accounting and Auditing Enforcement Releases, The
Accounting Review (October), trang 503-532.
4. Dikmen, Kỹỗỹkkocaolu (2010), The Detection of Earnings Manipulation: The
Three Phase Cutting Plane Algorithm using Mathematical Programming.
Journal of Forecasting, 2010, Số 29, Tập 5, trang 442 - 466.
5. DeAngelo, DeAngelo & Skinner (1994), Accounting

choice in troubled

companies, Journal of Accounting and Economics, 17(1), trang113 -143.
6. Friedlan (1994), Accounting choices of Issuers of Initial Public Offerings,
Contemporary Accounting Research, Số 11, Tập 1, trang 1- 31.
7. Healy (1985), The effect of bonus schemes on accounting decisions, Journal
of Accounting and Economics 7 (1985), trang 85 -1 07.
8. Hoàng Khánh, Trần Thị Thu Hiền (2015), Phát hiện sai phạm báo cáo tài
chính của các doanh nghiệp xây dựng niêm yết, Tạp chí Kinh tế và Phát triển,
số 218(II) tháng 8, năm 2015, trang 42 - 59.
9. Jones, J. (1991), Earnings Management During Import Relief Investigation,
Journal of Accounting Research Vol. 29 No. 2 Autumn 1991
10. Marinakis (2011), An investigation of earnings management and earnings
manipulation in the UK, PhD thesis, University of Nottingham.
11. Nguyễn Quang Dong, Nguyễn Thị Minh (2012), Giáo trình Kinh tế lượng,
Nxb Đại học Kinh tế Quốc dân, Hà Nội.
12. Nguyễn Trần Nguyên Trân (2014), Nghiên cứu về sai sót báo cáo tài chính
của các cơng ty niêm yết trên thị trường chứng khoán Việt Nam, Luận án
Tiến sĩ, Đại học Đà Nẵng.

582

13. Nguyễn Thị Uyên Phương (2014), Nghiên cứu việc điều chỉnh lợi nhuận
trong trường hợp phát hành thêm cổ phiếu của các cơng ty niêm yết trên thị
trường chứng khốn Việt Nam, Luận văn Thạc sĩ, Đại học Đà Nẵng.
14. Phan Thị Thùy Dương (2015), Sử dụng mơ hình Jones để nhận diện điều
chỉnh lợi nhuận: Trường hợp các công ty niêm yết ở Hose phát hành thêm cổ
phiếu năm 2013, Luận văn Thạc sĩ, Đại học Đà Nẵng.
15. Phạm Thị Bích Vân (2013), Các cách đo lường sự trung thực của chỉ tiêu lợi
nhuận, Tạp chí Ngân hàng số 1 tháng 1 năm 2013, trang 39-43.
16. Rhee, Kim và Liu (2003), The Effect of Firm Size on Earnings Management,
Website Đại học Hawai’i, truy cập ngày 25 tháng 4 năm 2015, từ
< />
583