TÓM TẮT:

Bài nghiên cứu này đưa ra mô hình hiệu quả cao với sự có mặt của giá trị âm (Negative super-SBM) trong phương pháp phân tích bao dữ liệu để chỉ ra thực trạng hoạt động kinh doanh của các công ty xăng dầu ở Việt Nam. Dữ liệu nghiên cứu được quan sát từ đầu năm 2019 tới quý 4 năm 2020. Kết quả nghiên cứu đã chỉ ra được sự lên và xuống trong kết quả kinh doanh của các công ty xăng dầu trong từng quý. Đồng thời cũng cho thấy sự khác biệt trong kết quả hoạt động kinh doanh xăng dầu trước và sau khi dịch Covid-19 xảy ra. Kết quả phân tích đưa ra một gợi ý mang tính khả thi để nâng cao hiệu quả tới các giai đoạn không đạt hiệu quả kinh doanh dựa vào nguyên lý dư thừa về biến số đầu vào và thiếu hụt biến số đầu ra.

Từ khóa: phương pháp phân tích bao dữ liệu, mô hình hiệu quả cao, biến số đầu vào, biến số đầu ra.

1. Đặt vấn đề

Sự phát triển ngành dầu thô trên thế giới đã có tác động mạnh mẽ đến các doanh nghiệp kinh doanh dầu ở Việt Nam. Đặc biệt trong bối cảnh ảnh hưởng từ đại dịch Covid-19 trên toàn cầu khiến ngành dầu thô trên thế giới biến động mạnh mẽ. Theo thống kê của tổ chức các nước xuất khẩu dầu OPEC sản lượng dầu thô trong quý 2 năm 2020 giảm hơn 2,66 nghìn thùng/ngày [1]. Mặc dầu sản lượng dầu thô giảm sút xong giá cả dầu thô trong 6 tháng đầu năm 2020 vẫn bị sụt giảm xuống mức 32,2 USD/ thùng [2]. Cùng với ảnh hưởng này khiến các công ty kinh doanh xăng dầu ở Việt Nam đã có ảnh hưởng không hề nhỏ. Nghiên cứu này sử dụng Mô hình hiệu quả cao để đánh giá hiệu quả kinh doanh của 9 công ty xăng dầu ở Việt Nam từ đầu năm 2019 đến hết quý 4 năm 2020.

Trong quá trình hoạt động kinh doanh, nhiều công ty xăng dầu đã không tránh khỏi sự thua lỗ, với công cụ hỗ trợ hữu ích về việc giải quyết khi xuất hiện các giá trị âm thì mô hình hiệu quả cao trong phương pháp phân tích bao dữ liệu phiên bản 15.1 đã tính toán ra được kết quả hiệu quả. Từ những kết quả, bài nghiên cứu đã xác định được vị trí của từng công ty xăng dầu trong từng thời điểm. Bởi mô hình hiệu quả cao còn có thể đưa ra được các điểm số riêng biệt và không giới hạn đối với các thời kỳ đạt hiệu quả nên mỗi công ty trong mỗi thời kỳ đã chỉ ra vị trí cụ thể.

2. Cơ sở lý luận

             Phương pháp phân tích bao dữ liệu là một phương pháp phi tuyến tính đã được hình thành và ra đời gần 40 năm. Trong các mô hình truyền thống ban đầu như là CCR [3] và BCC [4] các đơn vị (Decision making unit -DMU) mà đạt hiệu quả chỉ đưa ra được điểm số tối đa là một và không thể xác định được vị trí cụ thể cho các đơn vị đạt hiệu quả trong quá trình kinh doanh hay sản xuất. Tone (2002) [5] đã xây dựng và đưa ra mô hình hiệu quả cao dựa trên nền tảng mô hình hiệu quả của Tone (2001) [6]. Mô hình hiệu quả cao này đã được ứng dụng trong nhiều bài nghiên cứu với nhiều lĩnh vực nghiên cứu khác nhau như là đánh giá về ngành ngân hàng ở Slovakia [7], phân tích về khí thải CO2 ở Trung Quốc [8], đánh giá hiệu quả kinh tế xanh ở Trung Quốc [9], v.v…

            Mặc dù mô hình hiệu quả cao đã đạt được bước tiến lớn về chỉ số hiệu quả, nhưng mô hình hiệu quả cao vẫn tồn tại giới hạn về dữ hiệu khi chỉ tính toán được hiệu quả với các dữ liệu là các giá trị dương. Để giải quyết vấn đề mô hình hiệu quả cao với sự có mặt của dữ liệu âm đã tính toán được hiệu quả khi các biến số đầu vào và đầu ra xuất hiện giá trị âm. Lin và các đồng sự (2019) [10] đã có bài viết đưa ra phương pháp điều chỉnh cho mô hình hiệu quả với giá trị âm. Mô hình hiệu quả này phải đảm bảo giải quyết được các giá trị âm, đảm bảo các đơn vị đo lường bất biến, duy trì tính nhất quán [11]. Hơn thế, mô hình hiệu quả cao này còn có tính khả thi cao trong việc xếp hạng các đơn vị khi điểm số hiệu quả có thể đạt được điểm tối đa và không có giới hạn, trong khi các mô hình thông thường lại chỉ có thể đưa ra điểm hiệu quả tối đa bằng 1. Thêm vào đó, nhóm mô hình hiệu quả đo lường khoảng cách của một đơn vị được đưa ra từ đường biên hiệu quả. Kết quả đo lường khoảng cách từ đường biên hiệu quả có thể đánh giá hiệu quả đơn vị mang tính chính xác cao [12].

            Từ những đặc điểm phân tích trên cho thấy mô hình hiệu quả cao với sự có mặt của giá trị âm được coi là một mô hình đánh hiệu quả mang tính hữu hiệu và chính xác cao. Chính từ ưu điểm này mà bài nghiên cứu này đã sử dụng mô hình hiệu quả cao với sự có mặt giá trị âm vào phân tích, đánh giá và xếp hạng các công ty xăng dầu ở Việt Nam.

3. Mô hình, dữ liệu, và phương pháp nghiên cứu

3.1.  Mô hình nghiên cứu

Bài nghiên cứu ứng dụng mô hình hiệu quả với sự có mặt của dữ liệu âm để đánh giá thực trạng ngành xăng dầu ở Việt Nam từ đầu năm 2019 đến hết quý 4 năm 2020. Căn cứ theo mục tiêu nghiên cứu, mô hình nghiên cứu được xây dựng như Hình 1 theo 3 bước cụ thể như sau:

            Bước 1: Với mong muốn có một nhìn nhận và nhận định sâu sắc về thực trạng ngành Xăng dầu ở Việt Nam cho nên bài nghiên cứu này đã xác định ra chủ đề nghiên cứu. Sau đó chúng tôi đã lựa chọn các biến đầu vào và đầu ra dựa trên bảng tài chính được niêm yết trên thị trường chứng khoán ở Việt Nam, cùng với đó là căn cứ theo mô hình hiệu quả cao trong phương pháp phân tích bao dữ liệu.

            Bước 2: Theo nguyên tắc của mô hình hiệu quả cao trong phương pháp phân tích bao dữ liệu các biến số đầu vào và đầu ra cần phải kiểm tra mối quan hệ tương quan. Nếu như bất cứ một giá trị nào mà có mối quan hệ tương quan không phù hợp cần phải loại bỏ và lựa chọn lại. Nếu như các biến số có mối tương quan thích hợp thì được sử dụng để tính toán hiệu quả kinh doanh trong bước tiếp theo.

            Bước 3: Sau khi giá trị của các biến số đã được kiểm và thỏa mãn điều kiện tương quan của mô hình hiệu quả cao, những giá trị này được sử dụng và tính toán ra hiệu quả kinh doanh. Với đặc tính giải quyết được giá trị âm cho nên mô hình hiệu quả cao không giới hạn biến số dương. Sau đó, vị trí xếp hạng của từng công ty xăng dầu trong từng giai đoạn đã được xác định rõ ràng dựa vào điểm số hiệu quả kinh doanh.

Hình 1: Mô hình nghiên cứu       mo_hinh_nghien_cuu 3.2.  Nguồn dữ liệu

            Với mục tiêu nghiên cứu về thực trạng kinh doanh ngành Xăng dầu ở Việt Nam, dữ liệu của 9 công ty đang được niêm yết trên thị trường chứng khoán ở Việt Nam từ đầu năm 2019 tới hết quý 2 năm 2020 đã được thu thập từ trên trang web: https://vietstock.vn/. Danh sách của các công ty xăng dầu được thống kê trong Bảng 1.

Để có cái nhìn tổng quan về ngành Xăng dầu ở Việt Nam, nghiên cứu lựa chọn ra ba biến số đầu vào bao gồm: Tài sản ngắn hạn (TSNH), tài sản dài hạn (TSDL) và tổng cộng nguồn vốn (TCNV); và 2 biến số đầu ra bao gồm: doanh thu thuần về bán hàng và cung cấp dịch vụ (DTTH) và lợi nhuận sau thuế thu nhập doanh nghiệp (LNST).

Bảng 1. Danh sách công ty Dược ở Việt Nam

danh_sach_cong_ty_duoc_o_viet_nam Nguồn: Vietstock [13]

3.3. Mô hình hiệu quả  cao với sự có mặt của giá trị âm (Negative Super-SBM)

negative_super-sbm

4. Kết quả và thảo luận

            Theo nguyên tắc của phương pháp phân tích bao dữ liệu thì các biến số được sử dụng đều phải kiểm tra mối tương quan. Trong nghiên cứu này mối quan hệ giữa các biến số đầu vào, giữa các biến số đầu ra, mối quan hệ giữa biến số đầu vào và đầu ra luôn phải đảm bảo tính “đẳng phương”. Các giá trị tương quan giữa các biến số luôn phải nằm trong khoảng từ -1 tới +1 trừ 0. Đối với các biến số có mối tương quan nằm ngoài và không thỏa mãn điều kiện tương quan cần phải loại bỏ. Nếu như hệ số tương quan gần với -1 và +1, thì giá trị tương quan giữa cặp biến số là tương quan tuyến tính mạnh. Dữ liệu được sử dụng bao gồm cả dữ liệu âm và dữ liệu dương cho nên hệ số tương quan bao gồm cả hai giá trị. Theo như kết quả tính toán về hệ số tương quan giữa các biến cho thấy hệ số tương quan nhỏ nhất là , giá trị lớn nhất là 1 và không có giá trị nào bằng không. Kết quả này chỉ ra rằng, mối quan hệ giữa các biến đạt được là mối tương quan tuyến tính mạnh và các giá trị thu thập được đều phù hợp để sử dụng trong mô hình hiệu quả cao với sự có mặt của giá trị âm trong phương pháp phân tích bao dữ liệu.

            Hiệu quả kinh doanh của các công ty xăng dầu ở Việt Nam từ đầu năm 2019 đến hết quý 4 năm 2020 đã được chỉ ra chi tiết dựa vào mô hình Negative Super-SBM. Kết quả tính toán của từng đơn vị doanh nghiệp đã được thể hiện trong Bảng 2.

Bảng 2. Hiệu quả kinh doanh

hieu_qua_kinh_doanh

 Nguồn: Kết quả từ DEA-Solver 15.1

Kết quả tính toán từ phương pháp phân tích bao dữ liệu phiên bản 15.1 với sự hỗ trợ công cụ giải quyết sự có mặt các giá trị âm đã đưa ra chi tiết các điểm số hiệu quả kinh doanh của từng công ty xăng dầu trong từng quý. Kết quả Bảng 2 cho thấy có bốn công ty xăng dầu bao gồm PLX, PPY, PSC và OIL luôn thu được hiệu quả trong suốt thời gian từ đầu năm 2019 đến hết quý 4 năm 2020. Trong đó, PLX tuy không có hiệu quả đạt mức cao trong từng quý, nhưng lại có hiệu quả ổn định trong suốt thời gian với điểm số là 1. Ngược lại, TDG là công ty duy nhất đã không đạt được hiệu quả trong giao đoạn 2019-2020. Các công ty còn lại sở hữu cả thời kỳ đạt và không đạt hiệu quả. PCT có một thời kỳ không đạt hiệu quả vào quý 3 năm 2020. PEG có bốn thời điểm không đạt hiệu quả là 0.46535 (2019-Q3); 0.54112 (2020-Q1); 0.41166 (2020-Q2); và 0.37816 (2020-Q3). PMG đạt được hiệu quả trong 3 quý là 1.65917 (2019-Q1); 1.46217 (2019-Q3); và 1.25577 (2020-Q1). PIT chỉ đạt hiệu quả vào 2 quý là 1.05915 (2019-Q3) và 1.12251 (2020-Q3). Như vậy, các công ty xăng dầu trong giai đoạn từ đầu năm 2019 đến hết quý 4 năm 2020, kết quả kinh doanh luôn luôn biến động mạnh mẽ và có những chiều hướng sụt giảm hiệu quả kinh doanh trong các thời điểm dịch Covid 19 xảy ra.

5. Kết luận

            Nhìn chung, ngành Xăng dầu ở Việt Nam đã có những biến động liên tục trong từng thời kỳ. Sự ảnh hưởng của nền kinh tế thế giới và trong nước đã khiến cho hoạt động kinh doanh xăng dầu lên xuống theo. Mô hình hiệu quả cao trong phương pháp phân tích bao dữ liệu đã chỉ ra thực trạng hoạt động kinh doanh của các doanh nghiệp buôn bán xăng dầu ở Việt Nam từ đầu năm 2019 đến quý 2 năm 2020. Từ đặc điểm giải quyết các giá trị âm, tính toán đưa ra hiệu quả tối đa và bảng mức xếp hạng từng đơn vị mà mô hình hiệu quả cao này đã hỗ trợ tìm ra được các kết quả hiệu quả kinh doanh và vị trí xếp hạng của các công ty xăng dầu trong từng thời kỳ.

 

TÀI LIỆU THAM KHẢO:

  1. OPEC (2020). OPEC monthly oil market report. Retrieved from: https://www.opec.org/opec_web/en/publications/338.htm
  2. Thế Hải (2020). Giá dầu thô 6 tháng 2020 “bốc hơi” 24USD/ thùng so với cùng kỳ. <https://baodautu.vn/gia-dau-tho-6-thang-2020-boc-hoi-24-usdthung-so-voi-cung-kyd125739.html
  3. Charnes A., Cooper, W. W., Rhodes, E. (1978). Measuring the Efficiency of Decision Making Units. European Journal of Operational Research, 2 (6), 429-444.
  4. Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and Scale Inefficiencies in Data Envelopment Analysis. Management Science, 30, 1078-1092.
  5. Tone, K. (2002). A Slacks-Based Measure of Super-Efficiency in Data Envelopment Analysis. European Journal of Operational Research, 143, 32-41.
  6. Tone, K. (2001). A slacks-based measure of efficiency in data envelopment analysis. European Journal of Operational Research, 130, 498–509.
  7. Emília Zimková. (2014). Technical Efficiency and Super-efficiency of the Banking Sector in Slovakia. Procedia Economics and Finance, 12, 780-787.
  8. Jiarui Zhang, Weihua Zeng, Jinnan Wang, Fengle Yang, Hongqiang Jiang. (2017). Regional low-carbon economy efficiency in China: analysis based on the Super-SBM model with CO2 emissions. Journal of Cleaner Production, 163, 202-211.
  9. Peng-jun Zhao, Liang-en Zeng, Hai-yan Lu, Yang Zhou, Hao-yu Hu, Xin-Yuan Wei. (2020). Green economic efficiency and its influencing factors in China from 2008 to 2017: Based on the super-SBM model with undesirable outputs and spatial Dubin model. Science of The Total Environment, 741, 1-17.
  10. Ruiyue Lin, Wei Yang, Huiling Huang. (2019). A modified slacks-based super-efficiency measure in the presence of negative data. Computers & Industrial Engineering, 135, 39-52.
  11. Kaoru Tone, Tsung-Sheng Chang, Chen-Hui Wu. (2020). Handling Negative Data in Slacks-Based Measure Data Envelopment Analysis Models. European Journal of Operational Research, 282, 926-935.
  12. Anna Łozowicka. (2020). Evaluation of the Efficiency of Sustainable Development Policy Implementation in Selected EU Member States Using DEA. The Ecological Dimension. Sustainability, 1-17.
  13. Vietstock. Truy cập tại: https://vietstock.vn/.

 

USING THE NEGATIVE SUPER-EFFICIENCY SLACKS-BASED

MEASURE IN DATA ENVELOPMENT ANALYSIS TO ASSESS THE

BUSINESS PERFORMANCE OF VIETNAMESE PETROLEUM COMPANIES

PhD. NGUYEN XUAN HUYNH 1

PhD. NGUYEN THI KIM LIEN 2

1 Hanoi School of Business and Management,

Vietnam National University - Hanoi Campus

2 Department of Scientific Research and International Cooperation,

Thanh Dong University

ABSTRACT:

By using the negative super-efficiency slacks-based measure in data envelopment analysis, this study determines the performance of Vietnamese petroleum companies from 2019 to the Q4 2020. The study’s results show the business fluctuation of Vietnamese petroleum companies in every quater. These results also presents a detailed view on Vietnamese petroleum companies’ business performance before and after the Covid-19 pandemic. Based on the study’s findings, some solutions are proposed to improve the business performance of Vietnamese petroleum companies.

Keywords: data envelope analysis method, super-efficiency slacks-based measure, input variable, output variable.

[Tạp chí Công Thương - Các kết quả nghiên cứu khoa học và ứng dụng công nghệ, 

Số 11, tháng 5 năm 2021]