Bảng 4.9: Thống kê mô tả số liệu nghiên cứu
CG CTI DG_TA GDP IG IL_TA NIM NPL ROE TA_GDP
Mean 0.042461 0.383169 0.663469 0.057796 0.048757 0.920065 0.008828 0.033818 0.044175 0.550101 Median 0.043849 0.363062 0.677593 0.057658 0.047400 0.921389 0.008247 0.030727 0.032079 0.528367 Maximum 0.117217 0.703818 0.768850 0.076793 0.100700 0.966463 0.013250 0.057880 0.097920 0.752709 Minimum -0.046695 0.262488 0.295978 0.031233 0.011450 0.883971 0.006752 0.017292 0.021272 0.401811 Std. Dev. 0.042781 0.093327 0.090694 0.010430 0.023240 0.016457 0.001706 0.010204 0.022816 0.084588 Skewness -0.399878 1.591366 -2.521421 -0.171231 0.460936 0.245393 1.035902 0.819112 0.879523 0.742644 Kurtosis 2.474866 6.318395 10.82908 3.288692 2.671414 3.905161 3.362872 2.873143 2.453103 3.168857 Jarque-Bera 1.067939 24.66512 101.1790 0.234060 1.117454 1.236885 5.161393 3.149845 3.958895 2.607024 Probability 0.586273 0.000004 0.000000 0.889558 0.571937 0.538783 0.075721 0.207024 0.138146 0.271576 Sum 1.188904 10.72874 18.57713 1.618294 1.365205 25.76181 0.247170 0.946892 1.236905 15.40284
Sum Sq. Dev. 0.049415 0.235168 0.222087 0.002937 0.014583 0.007313 7.86E-05 0.002811 0.014055 0.193188
Observations 28 28 28 28 28 28 28 28 28 28
Bảng 4.10: Bảng tương quan biến trong mô hình
CG CTI DG_TA GDP IG IL_TA NIM NPL ROE TA_GDP
CG 1.000000 0.141113 0.282295 0.245871 -0.118087 0.072295 0.008073 -0.324475 0.190092 -0.246885 CTI 0.141113 1.000000 0.160200 0.376206 0.063662 0.222466 -0.078121 0.178042 0.171839 -0.377619 DG_TA 0.282295 0.160200 1.000000 0.114515 -0.284989 -0.392276 -0.112632 -0.021012 -0.179823 -0.240769 GDP 0.245871 0.376206 0.114515 1.000000 0.013504 0.275227 -0.048812 -0.205309 -0.061518 -0.292506 IG -0.118087 0.063662 -0.284989 0.013504 1.000000 -0.306148 -0.269838 -0.144854 -0.475702 0.065220 IL_TA 0.072295 0.222466 -0.392276 0.275227 -0.306148 1.000000 0.091829 0.331084 0.696992 0.131329 NIM 0.008073 -0.078121 -0.112632 -0.048812 -0.269838 0.091829 1.000000 0.133085 0.297482 -0.035607 NPL -0.324475 0.178042 -0.021012 -0.205309 -0.144854 0.331084 0.133085 1.000000 0.344000 0.273601 ROE 0.190092 0.171839 -0.179823 -0.061518 -0.475702 0.696992 0.297482 0.344000 1.000000 0.143593 TA_GDP -0.246885 -0.377619 -0.240769 -0.292506 0.065220 0.131329 -0.035607 0.273601 0.143593 1.000000
Bảng thống kê mô tả các biến trong mô hình cho thấy:
Giá trị trung bình của các biến: CG là 0,042; biến CTI là 0,383, biến DG_TA là 0,663; biến GDP là 0,057, biến IG là 0,048, biến IL_TA là 0,92, biến NIM là 0,0088, biến NPL là 0,0338; biến ROE là 0,044; biến TA_GDP là 0,55.
Giá trị Skewness của các biến CG, DG_TA, GDP nhỏ hơn 0 nên phân phối lệch trái, giá trị này của các biến CTI, DG, IG, IL_TA, NIM, NPL, ROE, TA_GDP lớn hơn 0 nên phân phối lệch phải. Giá trị Skewness của tất cả các biến còn lại đều nằm trong khoảng [-3;3]. Vì vậy, tất cả các biến trong mô hình hồi quy đều tuân theo phân phối chuẩn. Điều này thoải mãn điều kiện của mô hình hồi quy.
Xét mối tương giữa các biến trong mô hình hồi quy:
Hệ số tương quan r cho thấy của tất cả các cặp biến trong mô hình đều nhỏ hơn 0,8 nên các cặp biến này có mối tương quan trung bình hoặc nhỏ. Vì vậy khi thực hiện hồi quy mô hình có các biến này sẽ hạn chế được hiện tượng đa cộng tuyến xảy ra.
Kiểm định nghiệm đơn vị Uniroot Test để kiểm tra tính dừng của chuỗi số liệu. Mục đích của phần này là kiểm tra tính dừng của các chuỗi thời gian nhằm tránh những rắc rối khi sử dụng dữ liệu trong các phân tích sau này do vấn đề hồi quy giả gây ra. Đểkiểm tra tính dừng của số liệu, tác giả tập trung thực hiện các kiểm định chính thức theo phương pháp ADF, với độ trễ của các biến được lựa chọn dựa trên tiêu chuẩn thông tin Akaike (AIC), các giả thuyết đặt ra cho mỗi biến là:
H0: = 0 (có nghiệm đơn vị - chuỗi thời gian không dừng). H1: < 0 (không có nghiệm đơn vị - chuỗi thời gian dừng).
Kết quả của kiểm định nghiệm đơn vị bằng cách sử dụng phương pháp ADF được trình bày trong bảng 4.11 dưới đây:
Bảng 4.11: Kết quả kiểm định nghiệm đơn vị các biến
trong mô hình nghiên cứu
Biến P_value của kiểm định ADF
Level 1St Different CG 0,0003 CTI 0,0038 DG_TA 0B0,0036 GDP 0,0376 IG 0,0426 IL_TA 0,0067 0,0000 NIM 0,0444 NPL 0,0966 0,0087 ROE 0,3732 0,0000 TA_GDP 0,5482 0,0000
Ta thấy: với mức ý nghĩa 5%, tại mức Level, giá trị p_value của biến NPL, ROE, TA_GDP lớn hơn 5% nên ta chấp nhận H0, bác bỏ H1tức các biến này là chuỗi thời gian không dừng. Trong khi giá trị p_value của các biến: CG, CTI,DG_TA, GDP,
IG, IL_TA, NIM nhỏ hơn 5% nên ta bác bỏ H0, chấp nhận H1 tức các biến này là các chuỗi thời gian dừng ở mức Level.
Thực hiện sai phân bậc 1(1st Difference) đối với các chuỗi thời gian không dừng, ta có giá trị p_value biến nhỏ hơn 5% tức là giả thiết H0 bị bác bỏ và NPL,
ROE, TA_GDP là chuỗi thời gian dừng ở mức sai phân bậc 1.
Như vậy: Các biến NPL, ROE, TA_GDP là các chuỗi thời gian dừng ở mức sai phân bậc 1 với mức ý nghĩa 5%, và CG, CTI, DG_TA, GDP, IG, IL_TA, NIM là chuỗi thời gian không dừng ở mức Level với mức ý nghĩa 5%. Dữ liệu chuỗi thời gian của các biến đáp ứng được yêu cầu củachuỗi thời gian dừng trong hồi quy mô hình để tránh những rắc rối do hiện tượng hồi quy giả gây ra.