4.1.1 Thống kê mô tả Bảng 4.1: Mô tả mô hình . inrate 48 7.939583 2.943709 4.5 15 fdi 48 4.828038 5.443002 -1.730449 30.11561 export 48 16.94537 2.861851 11.68831 22.26027 cpi 48 100.4812 35.70017 55.1 159.1 reer 48 1.068387 .0658504 .94565 1.218993 unemp 48 2.331667 .2774146 1.92 2.92 gdp 48 6.681458 1.434623 3.14 9.26 npl 48 3.028542 .8016287 2.01 4.82 Variable Obs Mean Std. Dev. Min Max
Nguồn: từ tính toán của tác giả
Theo bảng 4.1 cho thấy đƣợc mô hình có 48 quan sát thể hiện cho thời gian quan sát là 48 quý tức là từ quý I năm 2003 đến quý IV năm 2014 và 9 biến yếu tố kinh tế vĩ mô tác động đến nợ xấu của hệ thống NHTM Việt Nam.
4.1.2 Kiểm tra tính dừng
Tiến hành kiểm định ADF đối với từng chuỗi NPL, GDP, UNEMP, REER, IP, CPI, IP, INRATE, FDI, EXPORT theo phụ lục từ 1 đến 9.
Bảng 4.2:Tổng hợp kết quả tính dừng của các biến kinh tế vĩ mô ở chuỗi thời gian gốc
Biến p-value for Z(t) p-value for Z(t)
NPL 0.7291 IP 0.0666
GDP 0.6001 INRATE 0.2949
UNEMP 0.0412 FDI 0.0935
REER 0.6402 EXPORT 0.7156
42
Theo kết quả kiểm định giá trị p-value for Z(t) của tất cả các biến đều > α, vậy không có bằng chứng bác bỏ giả thuyết H0, chuỗi thời gian của các biến không dừng ở thời gian gốc, ngoại trừ biến UNEMP có giá trị p-value for Z(t) < α, dừng chuỗi thời gian gốc. Nhƣ vậy, tiếp tục sai phân bậc 1 các biến còn lại.
Bảng 4.3: Tổng hợp kết quả tính dừng của các biến kinh tế vĩ mô khi sai phân bậc 1
Biến p-value for Z(t) p-value for Z(t)
NPL 0.0032 INRATE 0.0092
GDP 0.0000 FDI 0.0001
REER 0.0082 EXPORT 0.0001
IP 0.0000 CPI 0.0032
Nguồn: từ tính toán của tác giả
4.1.3 Mô hình hồi quy theo pháp ƣớc lƣợng hồi quy tuyến tính Bảng 4.4: Kết quả hồi quy OLS Bảng 4.4: Kết quả hồi quy OLS
_cons 1.042209 1.613272 0.65 0.522 -2.220941 4.305359 inrate -.0538444 .0242349 -2.22 0.032 -.1028642 -.0048246 fdi .0020994 .0109941 0.19 0.850 -.0201383 .0243371 export .0321931 .0455887 0.71 0.484 -.0600188 .1244049 ip .2484824 .0554259 4.48 0.000 .136373 .3605918 cpi .0035066 .0044543 0.79 0.436 -.005503 .0125163 reer 2.985226 1.061276 2.81 0.008 .8385937 5.131858 unemp -.7274941 .2360395 -3.08 0.004 -1.204929 -.2500591 gdp -.2238458 .0659909 -3.39 0.002 -.3573251 -.0903666 NPL Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 30.2025979 47 .642608466 Root MSE = .32684 Adj R-squared = 0.8338 Residual 4.16613778 39 .106824046 R-squared = 0.8621 Model 26.0364601 8 3.25455752 Prob > F = 0.0000 F( 8, 39) = 30.47 Source SS df MS Number of obs = 48
Nguồn: từ tính toán của tác giả
Từ kết quả hồi quy NPL theo các biến độc lập cho các kết quả sau:
- Với giá trị thống kê F đƣợc tính từ tổng bình phần dƣ của mô hình (SSM) và tổng bình phƣơng phần dƣ chƣa đƣợc giải thích (SSR) bằng 30.47 cho thấy mô hình đảm bảo đƣợc độ tin cậy của mô hình với Prob >F=0.0000.
43
- Hệ số xác định (R-squared = 0.8621) cho thấy 86,21% sự thay đổi của các biến kinh tế vĩ mô đƣợc giải thích bởi mô hình
- Kết quả của hệ số ƣớc lƣợng cho thấy chỉ có 5 biến có ý nghĩa thống kê là GDP, UNEMP, REER, IP, INRATE có ý nghĩa thống kế ở mức 5%; còn 3 biến CPI, EXPORT, và FDI không có ý nghĩa thống kê.
Tuy nhiên với hệ số R-squared lớn rất có thể mô hình bị đa cộng tuyến. Vì vậy kiểm tra đa cộng tuyến VIF
Bảng 4.5: Kết quả kiểm tra đa cộng tuyến
Mean VIF 3.98 ip 1.42 0.706698 fdi 1.58 0.634706 unemp 1.89 0.530082 reer 2.15 0.465370 inrate 2.24 0.446578 gdp 3.94 0.253587 export 7.49 0.133525 cpi 11.13 0.089882 Variable VIF 1/VIF (adsbygoogle = window.adsbygoogle || []).push({});
Nguồn: từ tính toán của tác giả
Bảng 4.5 cho thấy, biến CPI có hệ số phóng đại phƣơng sai VIF là 11,13 chứng minh đƣợc là biến CPI đã bị đa cộng tuyến. Vì vậy, cách xử lý tiếp theo của tác giả là loại biến CPI ra khỏi mô hình.
44
Bảng 4.6: Kết quả hồi quy sau khi loại biến CPI
_cons .7025577 1.547104 0.45 0.652 -2.424256 3.829372 inrate -.0552609 .0240529 -2.30 0.027 -.1038736 -.0066481 fdi -.0003235 .0105043 -0.03 0.976 -.0215534 .0209065 export .0640203 .0209675 3.05 0.004 .0216434 .1063973 ip .2576564 .0539288 4.78 0.000 .1486621 .3666506 reer 3.122466 1.041872 3.00 0.005 1.016764 5.228168 unemp -.6351538 .2038568 -3.12 0.003 -1.047164 -.2231438 gdp -.2600654 .0470828 -5.52 0.000 -.3552234 -.1649075 NPL Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 30.2025979 47 .642608466 Root MSE = .32528 Adj R-squared = 0.8353 Residual 4.23234254 40 .105808564 R-squared = 0.8599 Model 25.9702554 7 3.71003648 Prob > F = 0.0000 F( 7, 40) = 35.06 Source SS df MS Number of obs = 48
Nguồn: từ tính toán của tác giả
Kết quả kiểm định phƣơng sai thay đổi bằng kiểm định Bruesch – Pagan cho thấy mô hình không tồn tại hiện tƣợng phƣơng sai thay đổi vì p-value >α
Bảng 4.7: Kết quả kiểm tra phƣơng sai thay đổi
Prob > chi2 = 0.7846 chi2(1) = 0.07
Variables: fitted values of NPL Ho: Constant variance
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Nguồn: từ tính toán của tác giả
Tuy nhiên, kết quả kiểm định Breusch-Godfrey cho thấy có sự tự tƣơng quan của phần dƣ trong mô hình
Bảng 4.8: Kết quả kiểm tra tự tƣơng quan của phần dƣ
H0: no serial correlation
1 6.520 1 0.0107
lags(p) chi2 df Prob > chi2
Breusch-Godfrey LM test for autocorrelation
45
Nhận xét:
Ngoại trừ biến FDI là không có ý nghĩa thống kê ở mức 5% thì các hệ số còn lại của mô hình đều có ý nghĩa thống kê. Tuy nhiên hệ số ƣớc lƣợng của các biến nhƣ UNEMP (-), EXPORT (+) Và INRATE (-) khác với dấu kì vọng của Fawad Ahmad and Taqadus Bashir(2013). Trong điều kiện của biến động của nền kinh tế Việt Nam trong giai đoạn 2003 – 2014, điều này có thể đƣợc giải thích nhƣ sau:
- Hệ số ƣớc lƣợng của biến UNEMP (-) vì NPL ở Việt Nam trong giai đoạn 2003 – 2014 tập trung chủ yếu cho các đối tƣợng là doanh nghiệp mà hầu nhƣ rất ít tập trung cho phân khúc tín dụng tiêu dùng cá nhân. Do vậy, tỉ lệ thất nghiệp có tăng cũng không ảnh hƣởng gì đến NPL.
- Sở dĩ hệ số ƣớc lƣợng của biến EXPORT (+) là vì khi xuất khẩu tăng, các doanh nghiệp tiếp tục có nhu cầu cho vay để mở rộng xuất khẩu, cùng với đó là lãi suất tăng cao trong giai đoạn 2008 – 2012. Các yếu tố trên làm tăng rủi ro thanh toán các khoản nợ dẫn đến NPL tăng.
- Tƣơng tự nhƣ vậy, hệ số ƣớc lƣợng của biến INRATE (-) là do khi lãi suất tăng, các doanh nghiệp, nhất là các doanh nghiệp bất động sản ngại vay vốn để đầu tƣ; đồng thời các doanh nghiệp này xem gửi tiền có kỳ hạn vào NHTM nhƣ là một kênh đầu tƣ an toàn. Cả 2 yếu tố trên góp phần làm giảm NPL khi lãi suất tăng.
Nhƣng do tất cả các biến đều dừng ở sai phân bậc 1 ngoại trừ biến UNEMP là dừng ở chuỗi thời gốc, với kết luận này kết quả ƣớc lƣợng OLS trên trở nên mơ hồ và không đáng tin cậy bởi nó đƣợc hồi quy trên các chuỗi không dừng. Tuy nhiên, chúng ta có thể tận dụng kết quả của ƣớc lƣợng OLS để mở rộng phân tích về tác động nhân quả giữa NPL với lần lƣợt các biến GDP, UNEMP, REER, IP, EXPORT và INRATE.
46
4.1.4 Kiểm định hồi quy đồng liên kết
2 4 6 8 10 2003q1 2006q3 2010q1 2013q3 2017q1 2003q1-2014q4 NPL GDP
Hình 4.1 : Đồ thị phân bố của 2 chuỗi thời gian gốc NPL và GDP là không dừng
Nguồn: từ tính toán của tác giả (adsbygoogle = window.adsbygoogle || []).push({});
-3 -2 -1 0 1 2 2003q1 2006q3 2010q1 2013q3 2017q1 2003q1-2014q4 NPL GDP
Hình 4.2: Đồ thị phân bố của 2 chuỗi sai phân D.NPL và D.GDP là dừng
47
Bảng 4.9: Kết quả kiểm tra đồng kết hợp giữa biến NPL với các biến kinh tế vĩ mô
Biến giải thích NPL Phần dƣ, r Kết luận
GDP I(1) I(1) I(1) Mô hình VAR
UNEMP I(0) I(1) Không tồn tại đồng kết hợp Không xét
REER I(1) I(1) I(1) Mô hình VAR
IP I(1) I(1) I(1) Mô hình VAR
EXPORT I(1) I(1) I(1) Mô hình VAR
INRATE I(1) I(1) I(1) Mô hình VAR
Nguồn: từ tính toán của tác giả
4.1.5 Mô hình hồi quy vector
4.1.5.1 Phƣơng trình NPL- GDP Kiểm tra độ trễ tối ƣu
Bảng 4.10: Kết quả kiểm tra độ trễ tối ƣu
Exogenous: _cons Endogenous: D.NPL D.gdp 4 -43.5885 13.56* 4 0.009 .060894* 2.86458* 3.13645 3.60183 3 -50.3684 3.9033 4 0.419 .068836 2.99388 3.20533 3.56729 2 -52.32 17.815 4 0.001 .062347 2.89861 3.04965 3.30819 1 -61.2278 2.8389 4 0.585 .078205 3.12687 3.2175 3.37262 0 -62.6472 .069329 3.00685 3.03705* 3.08876* lag LL LR df p FPE AIC HQIC SBIC Sample: 2004q2 - 2014q4 Number of obs = 43 Selection-order criteria
Nguồn: từ tính toán của tác giả
Kết quả cho thấy độ trễ tối ƣu của phƣơng trình là 0 và 4. Trong trƣờng hợp, mô hình chọn độ trễ tối ƣu là 0 thì đây chính là trƣờng hợp của ƣớc lƣợng OLS và khi đó không xét trƣờng hợp này (Stata cũng thông báo lỗi vì vi phạm tính chất của mô hình VAR/VECM). Trong trƣờng hợp này tác giả chọn độ trễ tối ƣu cho phƣơng trình NPL – GDP là 4.
48
Bảng 4.11: Kết quả ƣớc lƣợng mô hình VAR của NPL- GDP
_cons .0191943 .1158181 0.17 0.868 -.2078051 .2461936 L4D. .5506937 .1254564 4.39 0.000 .3048037 .7965837 gdp L4D. -.5114913 .4554937 -1.12 0.261 -1.404242 .3812599 NPL D_gdp _cons .0054359 .0384245 0.14 0.887 -.0698748 .0807466 L4D. -.0350344 .0416222 -0.84 0.400 -.1166124 .0465435 gdp L4D. .4023696 .1511174 2.66 0.008 .1061849 .6985542 NPL D_NPL Coef. Std. Err. z P>|z| [95% Conf. Interval]
D_gdp 3 .786345 0.3984 28.4813 0.0000 D_NPL 3 .260883 0.2059 11.14992 0.0038 Equation Parms RMSE R-sq chi2 P>chi2
Det(Sigma_ml) = .0334597 SBIC = 2.80316 FPE = .0442505 HQIC = 2.648036 Log likelihood = -48.98435 AIC = 2.557411 Sample: 2004q2 - 2014q4 No. of obs = 43 Vector autoregression
Nguồn: từ tính toán của tác giả
Nhận xét: biến L4D.NPL tác động có ý nghĩa đến biến D.NPL trong phƣơng trình D.NPL; cũng nhƣ L4D.GDP cũng tác động đến biến D.GDP trong phƣơng trình D.GDP.
Kiểm tra tính ổn định
Bảng 4.12: Kết quả kiểm tra tính ổn định của NPL- GDP
VAR satisfies stability condition.
All the eigenvalues lie inside the unit circle. .7541666 .754167 -6.939e-17 - .7541666i .754167 -6.939e-17 + .7541666i .754167 -.7541666 .754167 1.804e-16 - .8907596i .89076 1.804e-16 + .8907596i .89076 -.8907596 .89076 .8907596 .89076 Eigenvalue Modulus Eigenvalue stability condition
49 (adsbygoogle = window.adsbygoogle || []).push({});
Kết quả cho thấy các giá trị eigenvalue của mô hình đều nhỏ hơn 1, do vậy, các mô hình đảm bảo đƣợc tính ổn định.
Kiểm tra sự tự tƣơng quan của phần dƣ
Mô hình cho thấy đƣợc sự ổn định, tuy nhiên, để kết quả phân tích đƣợc tin cậy cần kiểm tra sự tự tƣơng quan của các sai số. Lệnh varlmar sẽ thực hiện kiểm định nhân tử Lagrange (LM test) với giả thuyết H0 cho rằng không có sự tự tƣơng quan của sai số. Chúng ta thực hiện LM test cho mô hình với 2 độ trễ đầu tiên nhƣ sau:
Kết quả kiểm tra sự tự tƣơng quan của phần dƣ cho thấy mô hình không có sự tự tƣơng quan của phần dƣ ở các độ trễ 2 độ trễ đầu tiên.
Bảng 4.13: Kết quả kiểm tra sự tự tƣơng quan của phần dƣ của NPL- GDP
H0: no autocorrelation at lag order
2 0.6128 4 0.96163 1 2.8142 4 0.58939 lag chi2 df Prob > chi2 Lagrange-multiplier test
50
Kiểm tra độ tin cậy
Kiểm tra độ tin cậy của các hệ số đƣợc thực hiện qua kiểm định Wald. Kiểm định Wald sẽ kiểm tra độ tin cậy của các hệ số trong từng phƣơng trình (D.NPL và D.GDP). Trên Stata, kiểm định Wald đƣợc thực hiện bằng lệnh varwle nhƣ sau.
Bảng 4.14: Kết quả kiểm tra độ tin cậy của NPL- GDP
4 34.75808 4 0.000 lag chi2 df Prob > chi2 Equation: All
4 28.4813 2 0.000 lag chi2 df Prob > chi2 Equation: D_gdp
4 11.14992 2 0.004 lag chi2 df Prob > chi2 Equation: D_NPL
Nguồn: từ tính toán của tác giả
Kết quả kiểm định Wald cho thấy, ít nhất 1 hệ số của mỗi phƣơng trình đều khác 0 và có ý nghĩa thống kê. Nhƣ vậy, mô hình đảm bảo đƣợc sự tin cậy trong hệ số ƣớc lƣợng.
Phân tích nhân quả Granger
Bảng 4.15: Kết quả phân tích nhân quả của NPL- GDP
D_gdp ALL 1.261 1 0.261 D_gdp D.NPL 1.261 1 0.261 D_NPL ALL .7085 1 0.400 D_NPL D.gdp .7085 1 0.400 Equation Excluded chi2 df Prob > chi2 Granger causality Wald tests
Nguồn: từ tính toán của tác giả
Với giá trị p-value bằng 0.400 trong phƣơng trình của “D.NPL” và 0.261 trong phƣơng trình D.GDP đều lớn hơn 0.05, điều này cho thấy chúng ta chƣa có bằng
51
chứng để xác nhận mối quan hệ nhân quả giữa D.NPL và D.GDP. Nghĩa là chúng ta chƣa thể bác bỏ giả thuyết tăng trƣởng GDP sẽ làm giảm tỉ lệ NPL hoặc ngƣợc lại.
Tƣơng tự với các biến còn lại, kết quả kiểm tra tính ổn định, sự tự tƣơng quan của phần dƣ và kiểm tra độ tin cậy đều ra kết quả tốt xem phụ lục. Ở đây tác giả chỉ phân tích nhân quả Granger
4.1.5.2 Phƣơng trình NPL- REER
Bảng 4.16: Kết quả phân tích nhân quả của NPL- REER
Nguồn: từ tính toán của tác giả
Với giá trị p_value tại dòng “D.REER Excluded” trong phƣơng trình của “D_NPL”, điều này cho thấy rằng có thể bác bỏ giả thuyết Ho: tỷ giá thực hiệu lực không tác động lên tỷ lệ nợ xấu của hệ thống NHTM Việt Nam. Điều đó có nghĩa, tỷ giá thực hiệu lực có tác động lên tỷ lệ nợ xấu của hệ thống NHTM Việt Nam. Ở khía cạnh ngƣợc lại, phƣơng trình của “D_REER”, dòng “D.NPL excluded” có giá trị p_value bằng 0.777 cho thấy rằng tỷ lệ nợ xấu có tăng lên không làm tăng tỷ giá thực hiệu lực của hệ thống NHTM Việt Nam.
4.1.5.3 Phƣơng trình NPL- IP
Bảng 4.17: Kết quả phân tích nhân quả của NPL- IP (adsbygoogle = window.adsbygoogle || []).push({});
D_ip ALL 1.7178 1 0.190 D_ip D.npl 1.7178 1 0.190 D_npl ALL .03357 1 0.855 D_npl D.ip .03357 1 0.855 Equation Excluded chi2 df Prob > chi2 Granger causality Wald tests
Nguồn: từ tính toán của tác giả
Với giá trị p-value bằng 0.855 trong phƣơng trình của “D.NPL” và 0.190 trong phƣơng trình D.IP đều lớn hơn 0.05, điều này cho thấy chúng ta chƣa có bằng chứng
D_reer ALL .08026 1 0.777 D_reer D.npl .08026 1 0.777 D_npl ALL 7.372 1 0.007 D_npl D.reer 7.372 1 0.007 Equation Excluded chi2 df Prob > chi2 Granger causality Wald tests
52
để xác nhận mối quan hệ nhân quả giữa D.NPL và D.IP. Nghĩa là chúng ta chƣa thể bác bỏ giả thuyết tăng trƣởng IP sẽ làm tăng tỉ lệ NPL hoặc ngƣợc lại.
4.1.5.4 Phƣơng trình NPL- EXPORT
Bảng 4.18: Kết quả phân tích nhân quả của NPL- EXPORT
D_export ALL .35812 1 0.550 D_export D.npl .35812 1 0.550 D_npl ALL 1.6179 1 0.203 D_npl D.export 1.6179 1 0.203 Equation Excluded chi2 df Prob > chi2 Granger causality Wald tests
Nguồn: từ tính toán của tác giả
Với giá trị p-value bằng 0.203 trong phƣơng trình của “D.NPL” và 0.550 trong phƣơng trình D.EXPORT đều lớn hơn 0.05, điều này cho thấy chúng ta chƣa có bằng chứng để xác nhận mối quan hệ nhân quả giữa D.NPL và D.EXPORT. Nghĩa là chúng ta chƣa thể bác bỏ giả thuyết tăng trƣởng xuất khẩu sẽ làm giảm tỉ lệ NPL hoặc ngƣợc lại.
4.1.5.5 Phƣơng trình NPL- INRATE
Bảng 4.19: Kết quả phân tích nhân quả của NPL- INRATE
D_inrate ALL .02959 1 0.863 D_inrate D.npl .02959 1 0.863 D_npl ALL .17151 1 0.679 D_npl D.inrate .17151 1 0.679 Equation Excluded chi2 df Prob > chi2 Granger causality Wald tests
Nguồn: từ tính toán của tác giả
Với giá trị p-value bằng 0.0.679 trong phƣơng trình của “D.NPL” và 0.863