Mô hình này đo lường tác động của tăng trưởng tín dụng đến rủi ro tín dụng.
Trong mô hình (1), do biến độc lập LLt-1 là độ trễ (lag) của biến phụ thuộc LLt nên LLt-1 là biến nội sinh và LLt-1 sẽ tương quan với sai số (Arellano và Bond, 1991; Mileva, 2007). Do vậy, mô hình 1 trong đề tài này là một trường hợp của mô hình dữ liệu bảng động được đề cập bên trên và sẽ được ước lượng theo phương pháp Arellano – Bond difference GMM estimator. Dưới đây là các kiểm định quan trọng sau khi đã ước lượng mô hình.
Kiểm định tự tương quan bậc nhất
Kiểm định Arellano – Bond về tự tương quan bậc nhất (AR1) của mô hình GMM đã cho kết quả thống kê z = -4.47 và đạt giá trị xác suất là Prob = 0.000 <
55 0.05, như vậy bác bỏ H0, có nghĩa là không xuất hiện hiện tượng tự tương quan bậc nhất trong mô hình.
Kiểm định mức độ phù hợp của tập biến công cụ (Sargan overidentification
test)
Do biến L1.LL (độ trễ một của LL) bị nội sinh, để xử lý vấn đề nội sinh, đề tài sử dụng một tập biến công cụ bao gồm các độ trễ bậc một của các biến số L1.LG, L2.LG, SIZE, EQUASSETS. Để đảm bảo các biến số này phù hợp là tập biến công cụ, kiểm định Sargan được thực hiện. Kết quả kiểm định cho thấy kết quả thống kê chi = 20.52, giá trị xác suất cho kết quả Prob = 0.015, bác bỏ H0 cho thấy đây là tập biến công cụ phù hợp.
Kiểm định tính ngoại sinh của biến công cụ
Kiểm định này cũng có nghĩa là kiểm định biến công cụ không tương quan với sai số (Sargan exogeneity of instruments). Kết quả kiểm định cho thấy giá trị thống kê chi(3) = 4.49, và giá trị xác suất của nó đạt Prob = 0.213, chấp nhận H0 (H0: Biến công cụ là biến ngoại sinh). Như vậy, các biến công cụ là biến ngoại sinh. Các kiểm định trên đã cho thấy sự phù hợp về mặt tổng thể của mô hình GMM.