Nhìn vào bảng ma trận hệ số tương quan (bảng 4.2) có thể thấy, giá trị của đường chéo là 1,000, điều đó cho thấy các biến tương quan hoàn toàn với chính nó. Mối tương quan cao nhất với biến ROA là biến LR (-0,286) và biến DR (-0,253), cả hai đều là tương quan âm, ngụ ý rằng nếu giá trị của LR và DR tăng thì lợi nhuận trên tổng tài sản của ngân hàng sẽ giảm. Mặt khác, trong tám biến thì chỉ có một biến có mối tương quan dương với ROA là biến CI, ngụ ý rằng CI tăng sẽ làm tăng lợi nhuận của ngân hàng.
Trong mối tương quan giữa các biến độc lập với nhau thì cao nhất là biến Age với biến Loan (0,705), giữa biến LLR với biến DR (0,56), giữa biến Age và biến LLR (0,515) và đều là tương quan dương.
Bảng 4.2. Ma trận hệ số tương quan
ROA DR LR LLR CI CLA LA Loan AGE
ROA 1,000 DR -0,253 1,000 LR -0,286 0,036 1,000 LLR -0,125 0,560 0,214 1,000 CI 0,022 0,227 -0,025 0,145 1,000 CLA -0,171 0,078 -0,013 0,066 0,473 1,000 LA -0,015 -0,070 -0,149 -0,052 0,025 0,076 1,000 Loan -0,163 -0,037 0,343 0,215 -0,263 -0,213 -0,243 1,000 AGE -0,163 0,256 0,278 0,515 -0,155 -0,173 -0,217 0,705 1,000
(Nguồn: Tính toán của tác giả)
Thứ nhất: Tác giả tiến hành kiểm định mô hình (1a).
ROA = 𝛽0 + 𝛽1DRit + 𝛽2CLAit + 𝛽3LAit + 𝛽4LRit + 𝛽5CI it+ 𝛽6Ln(Loanit)
+𝛽7 Ageit + ɛit (1a)
Bảng 4.3. Kết quả kiểm định VIF cho mô hình (1a)
Biến Kiểm định
DR CLA LA LR CI Loan Age
VIF 1,169 1,311 1,119 0,875 1,372 3,043 1,840
(Nguồn: Tính toán của tác giả)
Kết quả kiểm định VIF cho thấy không xảy ra hiện tượng đa cộng tuyến giữa biến độc lập với nhau (theo Tobachnick và Fidell, 1996 thì VIF vượt quá 10 sẽ xảy ra đa cộng tuyến).
Đồng thời, kết quả kiểm định Hausman cũng cho thấy sử dụng FEM phù hợp hơn dùng REM, giá trị Prob < 1% nên bác bỏ giả thuyết H0 (Giả thuyết của kiểm định Hausman là H0: REM phù hợp hơn FEM).
Bảng 4.4. Kết quả kiểm định Hausman cho mô hình (1a) Correlated Random Effects - Hausman Test
Equation: ROA
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 47,640 7 0,000
(Nguồn: Tính toán của tác giả)
Tiếp theo, ta kiểm định hiện tượng tự tương quan bằng kiểm định Wooldridge với giả thuyết H0: xảy ra hiện tượng tự tương quan và kiểm định hiện tượng phương sai sai số thay đổi bằng kiểm định White với giả thuyết H0: không xảy ra phương sai sai số thay đổi. Kết quả được trình bày ở bảng 4.6.
Bảng 4.5. Kết quả kiểm định Wooldridge và White cho mô hình (1a)
Wooldridge White
Test Value df Prob Test Value df Prob
F-statistic 38,883 (1, 134) 0,000 F-statistic 1,931 (7, 143) 0,069 Chi-square 38,883 1 0,000 Chi-square 13,515 7 0,061 Null Hypothesis: C(1) = -0.5 Null Hypothesis: C(1)=C(2)=…= C(7) = 0
(Nguồn: Tính toán của tác giả)
Kết quả kiểm định Wooldridge cho thấy không xảy ra hiện tượng tự tương quan (giá trị Prob < 1% nên bác bỏ giả thuyết H0 ). Tương tự, nhìn vào giá trị Prob của kiểm định White ta cũng bác bỏ giả thuyết H0 ở mức ý nghĩa 10%, tức xảy ra hiện tượng phương sai sai số thay đổi. Để khắc phục hiện tượng phương sai sai số thay đổi ta dùng phương pháp GLS.
Bảng 4.6. Kết quả chạy hồi quy mô hình (1a) bằng FEM Dependent Variable: ROA
Independent Variable Coefficient Std. Error t-Statistic Prob.
Cons 4,442 0,473 9,400 0,000 DR -0,074 0,022 -3,465 0,000 CLA 0,757 1,267 0,597 0,551 LA 0,009 0,078 0,117 0,907 LR -3,142 0,647 -4,854 0,000 CI 0,935 0,902 1,037 0,302 Loan 0,199 0,05 3,647 0,000 AGE -0,114 0,015 -7,406 0,000 R-squared 0,725 Prob(F-statistic) 0,000 Durbin-Watson stat 1,620
(Nguồn: Tính toán của tác giả)
Từ kết quả ước lượng ta có mô hình hồi quy như sau:
ROA = 4,442 – 0,074*DR + 0,757*CLA + 0,009*LA – 3,142*LR + 0,935*CI + 0,199 *Ln(Loan) - 0,114*AGE + ɛ
Kết quả ước lượng mô hình cho thấy, trong 7 biến độc lập thì chỉ có 4 biến tác động lên biến phụ thuộc ROA là có ý nghĩa thống kê. Trong đó:
Tỷ lệ nợ xấu (DR) có hệ số β1 = -0,074, cho thấy tỷ lệ nợ xấu tác động ngược chiều lên ROA ở mức ý nghĩa thống kê là 1% (giá trị Prob = 0,000 < 1%). Điều này cho thấy, tỷ lệ nợ xấu càng cao thì lợi nhuận trên tổng tài sản của ngân hàng sẽ càng giảm.
Chi phí cho mỗi tài sản vay (CLA) có hệ số β2 = 0,757, tức tác động cùng chiều lên ROA nhưng không có ý nghĩa thống kê, thể hiện qua giá trị Prob = 0,551 lớn hơn mức ý nghĩa 10%, nghĩa là nó không tác động lên ROA.
Tỷ lệ cho vay và ứng trước (LA) có hệ số β3 = 0,009, tức tác động cùng chiều lên ROA nhưng cũng không có ý nghĩa thống kê, thể hiện qua giá trị Prob = 0,907 lớn hơn 10%, nghĩa biến này không tác động đến ROA.
Đòn bẩy tài chính (LR) có hệ số β4 = -3,142, tức tác động ngược chiều lên ROA ở mức ý nghĩa thống kê là 1%. Tương tự thì việc ngân hàng sử dụng đòn bẩy tài chính lớn thì lợi nhuận trên tổng tài sản của ngân hàng sẽ càng giảm.
Ngược lại, Tỷ lệ Lãi tín dụng trên Tín dụng đã cấp (CI) và Tổng dư nợ (Loan) lại tác động cùng chiều lên ROA với hệ số Beta lần lượt là β5 = 0,935 và β6 = 0,199 nhưng chỉ có sự tác động của biến Loan là có ý nghĩa thống kê ở mức ý nghĩa 1%. Điều này cho thấy, việc ngân hàng mở rộng hoạt động tín dụng sẽ làm tăng ROA.
Thời gian hoạt động của ngân hàng (Age) cũng tác động trái chiều lên ROA ở mức ý nghĩa thống kê 1% với hệ số β7 = -0,114, có nghĩa là thời gian hoạt động của ngân hàng càng cao thì ROA của ngân hàng sẽ càng nhỏ. Điều này có thể giải thích là do thời gian hoạt động của ngân hàng ngày càng tăng cũng đồng nghĩa với việc gia tăng trong tổng tài sản của ngân hàng, do đó, làm giảm chỉ số ROA.
Giá trị R2 = 0,721 cho thấy các biến độc lập giải thích khoảng 72,1% sự biến thiên của biến phụ thuộc, cho thấy mức độ phù hợp của mô hình là khá cao.
Thứ hai: Tác giả tiến hành kiểm định mô hình (1b).
ROA = 𝛽0 + 𝛽1DRit + 𝛽2CLAit + 𝛽3LAit + 𝛽4LRit + 𝛽5CI it+ 𝛽6Ln(Loanit)
+𝛽7 Ageit + ɛit (1b)
Cũng tương tự như đối với phương trình (1a), đầu tiên tác giả tiến hành kiểm định hiện tượng đa cộng tuyến thông qua chỉ số VIF, kết quả được trình bày ở bảng 4.7.
Bảng 4.7. Kết quả kiểm định VIF cho mô hình (1b)
Biến Kiểm định
LLR CLA LA LR CI Loan Age
VIF 1,536 1,317 1,052 0,091 1,344 3,028 2,102
(Nguồn: Tính toán của tác giả)
Tương tự như trên thì kết quả kiểm định VIF cho thấy mô hình không xảy ra hiện tượng đa cộng tuyến.
Tiếp theo tác giả cũng sử dụng kiểm Hausman để kiểm tra xem sử dụng FEM hay REM là phù hợp hơn.
Bảng 4.8. Kết quả kiểm định Hausman cho mô hình (1b) Correlated Random Effects - Hausman Test
Equation: ROA
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 50,847 7 0,000
(Nguồn: Tính toán của tác giả)
Kết quả kiểm định Hausman cũng cho thấy sử dụng mô hình FEM phù hợp hơn so với REM, thể hiện qua giá trị Prob = 0,000 < 1%, tức là có thể bác bỏ giả thuyết H0: mô hình REM phù hợp hơn.
Bảng 4.9. Kết quả kiểm định Wooldridge và White cho mô hình (1b)
Wooldridge White
Test Value df Prob Test Value df Prob
F-statistic 38,634 (1, 134) 0,000 F-statistic 1,921 (7, 143) 0,070 Chi-square 38,634 1 0,000 Chi-square 13,448 7 0,062 Null Hypothesis: C(1) = -0.5 Null Hypothesis: C(1)=C(2)=…=C(7) = 0
(Nguồn: Tính toán của tác giả)
Kết quả kiểm định Wooldridge cho thấy không xảy ra hiện tượng tự tương quan (giá trị Prob < 1% nên bác bỏ giả thuyết H0 : xảy ra hiện tượng tự tương quan ). Tương tự, nhìn vào giá trị Prob của kiểm định White ta cũng bác bỏ giả thuyết H0
(H0: phương sai sai số không thay đổi)ở mức ý nghĩa 10%, tức xảy ra hiện tượng phương sai sai số thay đổi. Để khắc phục hiện tượng phương sai sai số thay đổi ta dùng phương pháp GLS.
Bảng 4.10. Kết quả chạy hồi quy mô hình (1b) bằng FEM Dependent Variable: ROA
Independent Variable Coefficient Std. Error t-Statistic Prob.
Cons 4,399 0,457 9,634 0,000 LLR -4,003 4,718 -0,849 0,398 CLA 1,098 1,321 0,831 0,408 LA 0,042 0,079 0,530 0,597 LR -3,099 0,641 -4,837 0,000 CI 0,133 0,865 0,154 0,878 Loan 0,205 0,055 3,717 0,000 AGE -0,119 0,016 -7,276 0,000 R-squared 0,733 Prob(F-statistic) 0,000 Durbin-Watson stat 1,605
(Nguồn: Tính toán của tác giả)
Từ kết quả ước lượng ta có mô hình hồi quy như sau:
ROA = 4,399 – 4,003*LLR + 1,098*CLA + 0,042*LA – 3,099*LR + 0,133*CI + 0,1205 *Ln(Loan) - 0,119*AGE + ɛ
Tỷ lệ dự phòng rủi ro tín dụng (LLR) có hệ số β1 = -4,003, cho thấy tỷ lệ dự phòng rủi ro tín dụng tác động ngược chiều lên ROA nhưng không có ý nghĩa thống kê (giá trị Prob = 0,398 > 10%). Điều này cho thấy, tỷ lệ dự phòng rủi ro tín dụng không ảnh hưởng đến lợi nhuận trên tổng tài sản của ngân hàng về mặt ý nghĩa thống kê.
Chi phí cho mỗi tài sản vay (CLA) có hệ số β2 = 1,098, tức tác động cùng chiều lên ROA nhưng cũng không có ý nghĩa thống kê, thể hiện qua giá trị Prob = 0,408 lớn hơn mức ý nghĩa 10%, nghĩa là nó không tác động lên ROA.
Tỷ lệ cho vay và ứng trước (LA) có hệ số β3 = 0,042, tức tác động cùng chiều lên ROA nhưng cũng không có ý nghĩa thống kê, thể hiện qua giá trị Prob = 0,597 lớn hơn 10%, nghĩa biến này cũng không tác động đến ROA.
Đòn bẩy tài chính (LR) có hệ số β4 = -3,099, tức tác động ngược chiều lên ROA và có ý nghĩa thống kê ở mức ý nghĩa là 1%. Nghĩa là, việc ngân hàng sử dụng đòn bẩy tài chính lớn thì lợi nhuận trên tổng tài sản của ngân hàng sẽ càng giảm.
Ngược lại, Tỷ lệ Lãi tín dụng trên Tín dụng đã cấp (CI) và Tổng dư nợ (Loan) lại tác động cùng chiều lên ROA với hệ số Beta lần lượt là β5 = 0,133 và β6 = 0,205 nhưng chỉ có sự tác động của biến Loan là có ý nghĩa thống kê ở mức ý nghĩa 1%. Điều này cho thấy, việc ngân hàng mở rộng hoạt động tín dụng sẽ làm tăng ROA.
Thời gian hoạt động của ngân hàng (Age) cũng tác động trái chiều lên ROA ở mức ý nghĩa thống kê 1% với hệ số β7 = -0,119, có nghĩa là thời gian hoạt động của ngân hàng càng cao thì ROA của ngân hàng sẽ càng nhỏ. Điều này có thể giải thích là do thời gian hoạt động của ngân hàng ngày càng tăng cũng đồng nghĩa với việc gia tăng trong tổng tài sản của ngân hàng, do đó, làm giảm chỉ số ROA.
Giá trị R2 = 0,733 cho thấy các biến độc lập giải thích khoảng 73,3% sự biến thiên của biến phụ thuộc, cho thấy mức độ phù hợp của mô hình là khá cao.
Từ việc phân tích mô hai mô hình hồi quy (1a) và (1b) có thể thấy cả hai yếu tố đo lường rủi ro tín dụng được sử dụng là tỷ lệ nợ xấu (DR) và tỷ lệ dự phòng rủi ro tín dụng (LLR) đều tác động ngược chiều lên ROA nhưng chỉ có biến DR là có ý nghĩa thống kê ở mức ý nghĩa 1%.