4.1.1 Thống kê mô tả dữ liệu
Bảng 4.1: Đặc điểm các biến dùng trong nghiên cứu
Biến Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất NPL 90 0,0224 0,0234 0,0008 0,1817 ROE 90 0,1476 0,0814 0,0007 0,4449 ROA 90 0,0124 0,0067 0,0001 0,0328 LOANSG 90 0,5876 1,4701 -0,0237 11,3268 LS 90 0,1111 0,1012 0,0003 0,3369 LLRL 90 0,0098 0,0083 -0,0000 0,0424 GDP 90 0,0620 0,0077 0,0525 0,0755 IR 90 0,0115 0,0316 -0,0562 0,0536 INF 90 0,0004 0,0059 -0,0069 0,0091
(Nguồn: từ tính toán của tác giả)
Bảng 4.1 đã mô tả giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất và số mẫu quan sát dùng trong nghiên cứu. Cụ thể, ta thấy rằng:
+ Tỷ lệ nợ xấu của các ngân hàng dao động từ mức thấp nhất là 0,08% (tỷ lệ nợ xấu của ACB vào năm 2007) đến mức cao nhất là 18,17% (tỷ lệ nợ xấu của BIDV vào năm 2005). Giá trị trung bình của tỷ lệ nợ xấu là 2,19%.
+ Tỷ số ROE có giá trị cao nhất là 44,4905% (ROE của ACB vào năm 2007) và thấp nhất là 0,07% (ROE của NCB vào năm 2012). ROE trung bình của các ngân hàng ở mức 14,76% với độ lệch chuẩn là 8,14%.
36
+ Tỷ số ROA có giá trị cao nhất là 3,28% (ROA của NCB vào năm 2006) và thấp nhất là 0,01% (ROA của NCB vào năm 2012). ROA trung bình của các ngân hàng ở mức 1,24% với độ lệch chuẩn là 0,67%.
+ Tốc độ tăng trưởng dư nợ cho vay nhanh nhất là hơn 11,3 lần (tốc độ tăng dư nợ của NCB vào năm 2007), thấp nhất là -2,37% (tốc độ tăng dư nợ của STB vào năm 2011). Tốc độ tăng trưởng trung bình các ngân hàng niêm yết trong giai đoạn này là khoảng 58,76%.
+ Ngân hàng có thị phần dư nợ tăng nhanh nhất là BIDV với mức tăng 33,69% vào năm 2005, thấp nhất là 0,03% (tốc độ tăng thị phần dư nợ của NCB vào năm 2005). Tốc độ tăng trưởng trung bình các ngân hàng niêm yết trong giai đoạn này là khoảng 11,11%.
+ Tỷ lệ chi phí DPRRTD trên dư nợ cao nhất là 4,24% (tỷ số của MBB vào năm 2006) và thấp nhất là -0,0006% (tỷ số của SHB vào năm 2013). Tỷ lệ chi phí DPRRTD trên dư nợ trung bình là 0,98% với độ lệch chuẩn là 0,83%.
+ Tốc độ tăng trưởng tổng sản phẩm quốc gia trung bình là 6,2%. Trong giai đoạn 2005 – 2014, tổng sản phẩm quốc gia tăng nhanh nhất là 7,55% vào năm 2005 và tăng chậm nhất là 5,25% vào năm 2012.
+ Lãi suất thực cao nhất là 5,36% vào năm 2013 và thấp nhất là -5,62% vào năm 2008. Lãi suất thực trung bình là 1,15%.
+ Tỷ số lạm phát tăng cao nhất vào năm 2007 với mức tăng 0,91% và mức tăng thấp nhất là -0,69 vào năm 2014. Mức tăng trung bình hằng năm trong giai đoạn này là 0,04%.
4.1.2 Sự tương quan và hiện tượng đa cộng tuyến
Khi các biến giải thích có một mối quan hệ cộng tuyến hoàn hảo thì các ước lượng cho mô hình sẽ không thể tính toán một cách đầy đủ. Bảng 4.2 cho thấy hệ số tương quan giữa các biến đều ở mức thấp, không có cặp biến nào tồn tại sự tương quan hoàn hảo.
Trong kiểm tra đa cộng tuyến, quy tắc chung là nếu chỉ số VIF (The variance inflation factors) lớn hơn 5 thì xem như có sự tồn tại của đa cộng tuyến cao (Gujarati [11]). Bảng 4.3 cho thấy chỉ số VIF cao nhất của các biến độc lập trong nghiên cứu là 2,30 và chỉ số VIF trung bình là 1,72 thấp hơn nhiều so với mức ngưỡng.
37
Do đó, mô hình nghiên cứu đã vượt qua bài kiểm tra về đa cộng tuyến, hay nói các khác mô hình rất ít khả năng xảy ra đa cộng tuyến.
Bảng 4.2: Sự tương quan giữa các biến trong mô hình nghiên cứu
ROE ROA LOANSG LS LLRL GDP IR INF
ROE 1,00 ROA 0,62 1,00 LOANSG -0,02 0,27 1,00 LS 0,16 -0,26 -0,24 1,00 LLRL -0,02 -0,23 -0,21 0,44 1,00 GDP 0,15 0,21 0,24 0,00 0,11 1,00 IR -0,14 -0,14 0,05 0,00 0,01 -0,06 1,00 INF 0,26 0,27 0,21 -0,00 -0,09 0,40 -0,59 1,00
(Nguồn: từ tính toán của tác giả)
Bảng 4.3: Kết quả kiểm tra đa cộng tuyến thông qua chỉ số VIF Biến độc lập VIF 1/VIF
ROA 2,30 0,434550 INF 2,12 0,471605 ROE 2,10 0,476881 IR 1,70 0,589126 LS 1,52 0,656458 GDP 1,36 0,735476 LLRL 1,35 0,740117 LOANSG 1,30 0,771016 VIF trung bình 1,72
38
4.1.3 Kết quả phân tích hồi quy (Pooled OLS, FEM và REM)
Kết quả hồi quy dữ liệu bảng với 3 mô hình: mô hình đánh giá tác động ngẫu nhiên (REM), mô hình đánh giá tác động cố định (FEM) và mô hình Pooled OLS được trình bày qua bảng 4.4.
Bảng 4.4: Kết quả ước lượng hồi quy mô hình Pooled OLS, FEM và REM
Biến/Chỉ số Mô hình (adsbygoogle = window.adsbygoogle || []).push({});
Pooled OLS FEM REM
ROE -6,0343*** -5,0878*** -5,1529*** ROA 17,5723 28,5226* 26,1166* LOANSG 10,1537** -0,2233*** -0,2175*** LS 1,9533* 12,9494*** 5,6310*** LLRL 26,5407** 21,0150* 20,8906* GDP -24,0491* -22,7642** -22,5968** IR -1,1209 -0,5264 -0,5967 INF -2,2671 -4,7550 -4,4255 Hằng số -2,3640*** -3,8522*** -3,0115*** R2 0,4992 0,6582 0,6195 F-statistic/Wald.Chi2 10,0900 17,5700 114,0500 Prob(F-statistic)/Prob.Chi2 0,0000 0,0000 0,0000
Chú thích: *, ** và *** có ý nghĩa thống kê tương ứng ở mức 10%, 5% và 1%.
(Nguồn: từ tính toán của tác giả (phụ lục 3, trang iv))
4.1.4 Kết quả kiểm định Breusch Pagan Lagrangia
Kiểm định Breusch Pagan Lagrangian dùng để lựa chọn giữa mô hình REM và mô hình Pooled OLS. Giả thuyết H0 trong bài kiểm tra là Var (μ) = 0, tức là sai số về sự khác biệt giữa các ngân hàng là 0 hoặc không tồn tại. Kết quả kiểm định với chỉ số Chibar2 = 55,99 và Prob>Chibar2 = 0,0000 < α = 5% nên ta có quyền đã bác bỏ giả thuyết H0 ở mức ý nghĩa 5%. Điều này đồng thời cho thấy mô hình REM phù hợp hơn mô hình Pooled OLS.
39
4.1.5 Kết quả kiểm định Hausman
Kiểm định Hausman được sử dụng để lựa chọn phương pháp ước lượng phù hợp giữa phương pháp ước lượng tác động cố định (FEM) và phương pháp ước lượng tác động ngẫu nhiên (REM) (Hausman [12]). Giả thuyết H0 cho rằng không có sự tương quan giữa sai số đặc trưng của các đối tượng với các biến giải thích trong mô hình. Kết quả chỉ số Prob.Chi-Square trong kiểm định là 0,0910 < α = 5% nên ta kết luận bác bỏ giả thuyết H0 và lựa chọn mô hình FEM.
4.1.6 Kết quả kiểm định F
Kiểm định F dùng để lựa chọn giữa mô hình Pooled OSL và FEM cho kết quả giá trị F là 12,96 với Prob.F là 0,0000 < α = 5%. Kết quả này cho thấy mô hình FEM dùng để ước lượng sẽ tốt hơn mô hình Pooled OSL.
Bảng 4.5: Tóm tắt kết quả các kiểm định lựa chọn mô hình
Kiểm định Breusch và Pagan Lagrangian
Chibar2 (01) 55,99 Prob>Chibar2 0,0000
Kiểm định Hausman
Chi-Square 13,66 Prob.Chi-Square 0,0910
Kiểm định F
Thống kê F 12,96 Prob.F(8, 77) 0,0000
(Nguồn: từ tính toán của tác giả (phụ lục 3, trang iv))
Tóm lại, kết quả từ 3 kiểm định trên (kiểm định Breusch Pagan Lagrangian, kiểm định Hausman và kiểm định F) đã chứng minh phương pháp ước lượng tác động cố định (FEM) là phù hợp cho nghiên cứu này.
4.1.7 Kết quả kiểm định phương sai thay đổi
Phép kiểm định phương sai thay đổi cho mô hình hồi quy với tác động cố định (Modiffied Wald Test) với giả thuyết H0: sigma(i)^2 = sigma^2. Kết quả kiểm định cho thấy chỉ số Chi2 = 42,45 và chỉ số Prob>chi2 = 0,0000 < α = 5%. Kết quả này cho phép ta bác bỏ giả thuyết H0 ở mức ý nghĩa 5%, tức là mô hình có tồn tại hiện tượng phương sai thay đổi. Điều này cảnh báo các ước tính về sai số chuẩn của mô hình có thể không chính xác.
40
4.1.8 Kết quả kiểm định tự tương quan
Kiểm định Wooldridge dùng để kiểm định tự tương quan trong dữ liệu bảng với giả thuyết H0 là không có tự tương quan bậc nhất. Kiểm định cho kết quả chỉ số F = 10,019 và chỉ số Prob>F = 0,0133 < α = 5%. Kết quả này đồng nghĩa với giả thuyết H0 bị bác bỏ ở mức ý nghĩa 5%, tức mô hình tồn tại hiện tự tương quan.
Tuy nhiên, tự tương quan thường được xem một vấn đề đối với dữ liệu có thời gian dài từ 20 – 30 năm (Baltagi [6]), còn đối với số năm quan sát nhỏ hơn thì vấn đề này không quan trọng và có thể bỏ qua.
Nếu chấp nhận bỏ qua vấn đề tự tương quan mà chỉ tập trung xử lý phương sai thay đổi thì mô hình hồi quy FEM với tùy chọn “robust” (trong Stata 12) có thể giải quyết được vấn đề (Hoechle [13]). Nếu muốn đồng thời xử lý tự tương quan và phương sai thay đổi thì mô hình FGLS có thể cân nhắc sử dụng. Bên cạnh đó, mô hình hồi quy các tác động cố định với phương pháp ước lượng sai số của Driscoll và Kraay cũng là một giải pháp tốt để xử lý tự tương quan và phương sai thay đổi trong dữ liệu bảng.
4.1.9 Phân tích hồi quy FGLS
Với t=10 < i=9, ta có thể sử dụng phương pháp ước lượng FGLS để khắc phục hiện tượng phương sai thay đổi và tự tương quan. Theo Wooldridge [28], cách khắc phục phương sai sai số thay đổi và tự tương quan của sai số là chọn mô hình hồi quy bình phương bé nhất tổng quát (Generalized Least Squares - GLS). Phương pháp bình phương bé nhất tổng quát (GLS) thực chất là phương pháp bình phương bé nhất thông thường (OLS) áp dụng cho các biến đã được biến đổi từ một mô hình vi phạm các giả thiết cổ điển thành một mô hình mới thỏa các giả thiết cổ điển. Do đó các tham số ước lượng được từ mô hình mới sẽ đáng tin cậy hơn. Phương pháp ước lượng bình phương tổng quát tối thiểu khả thi (Feasible Generalized Least Squares - FGLS) tiệm cận với ước lượng GLS áp dụng khi không biết phương sai Ω. Tuy nhiên, với số quan sát là 90 thuộc dạng mẫu vừa và nhỏ thì phương pháp FGLS có thể không đạt được hiệu quả như mong đợi. Hơn nữa, các kiểm định lựa chọn mô hình cũng cho thấy ước lượng hồi quy tác động cố định sẽ phù hợp hơn. Điều này cảnh báo FGLS có thể sẽ không phù hợp trong trường hợp này.
41 (adsbygoogle = window.adsbygoogle || []).push({});
4.1.10 Kết quả kiểm định Pesaran
Kiểm định Pesaran về tính độc lập hay phụ thuộc về mặt không gian của dữ liệu bảng (cross-sectional independence or cross-sectional dependence). Kiểm định này đã cho kết quả bác bỏ giả thuyết về sự độc lập không gian với mọi mức ý nghĩa tiêu chuẩn (Pesaran’s test of cross sectional independence= -1,274, Pr = 1,7973). Do đó, kết quả hồi quy cần được tính toán theo phương pháp ước lượng sai số của Driscoll và Kraay – phương pháp ước lượng rất hiệu quả cho dữ liệu có sự phụ thuộc thời gian và không gian (cross-sectional and temporal dependence).
4.1.11 Kết quả phân tích hồi quy với ước lượng sai số theo Driscoll và Kraay Kraay
Từ kết quả kiểm định Wooldrige và kiểm định Modified Wald, tác giả tiến hành hồi quy các tác động cố định với phương pháp ước lượng sai số của Driscoll và Kraay [9] (thuật ngữ tiếng Anh là: Fixed effects estimates with Driscoll and Kraay standard errors, viết tắt là: FEM_Dris_Kraay). Phương pháp này từng được sử dụng trong nghiên cứu của Mehmood, Younas & Ahmed [21] để ước lượng mô hình dữ liệu bảng cùng lúc tồn tại hiện tượng tự tương quan và phương sai thay đổi.
Bảng 4.6: Kết quả ước lượng hồi quy 3 mô hình FEM_Robust, FGLS và FEM_Dris_Kraay Mô hình
Biến/Chỉ số FEM_Robust FGLS FEM_Dris_Kraay
ROE -5,088* (1,720) -6,788*** (0,913) -5,088*** (0,745) ROA 28,523* (11,747) 26,241* (11,517) 28,523** (5,791) LOANSG -0,223** (0,018) -0,166*** (0,042) -0,223*** (0,018) LS 12,949** (2,877) 1,947** (0,749) 12,949** (3,145) LLRL 21,015* (8,003) 28,926*** (6,048) 21,015*** (3,378)
42
Mô hình
Biến/Chỉ số FEM_Robust FGLS FEM_Dris_Kraay
GDP -22,764 (11,166) -32,072*** (8,243) -22,763*** (3,849) IR -0,526 (1,858) -1,341 (2,230) -0,526 (0,824) INF -4,755 (9,195) 7,182 (13,456) -4,755 (7,397) Hằng số -3,852*** (0,685) -1,862*** (0,499) -3,852*** (0,327) R2 0,658 0,658 0,658 Prob(F-statistic)/Prob.Chi2 0,000 0,000 0,000
Chú thích: Giá trị trong dấu ngoặc đơn là sai số chuẩn; *, ** và *** thể hiện hệ số có ý nghĩa thống kê tương ứng ở mức 10%, 5% và 1%.
(Nguồn: từ tính toán của tác giả (phụ lục 4, trang xi))
Kết quả kiểm định sự phù hợp của mô hình cho thấy mô hình hoàn toàn phù
hợp (Prob(F-statistic)/Prob.Chi2= 0,000) và có R2 hơn 65,8%. Kết quả hồi quy mô
hình FEM_Dris_Kraay và mô hình FGLS đều công nhận tác động của các biến ROE, LOANSG, LLRL và GDP có ý nghĩa thống kê ở mức 1%, các biến ROA và LS có ý nghĩa thống kê ở mức 5%, riêng biến IR và INF không có ý nghĩa thống kê. Sau đây, đề tài sẽ phân tích chi tiết hơn ý nghĩa các mối quan hệ của từng biến độc lập với biến phụ thuộc tỷ lệ nợ xấu.
4.2 GIẢI THÍCH KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN VỀ CÁC GỢI Ý CHÍNH SÁCH KIỂM SOÁT TỶ LỆ NỢ XẤU GỢI Ý CHÍNH SÁCH KIỂM SOÁT TỶ LỆ NỢ XẤU
4.2.1 Mối quan hệ giữa tỷ suất sinh lợi trên vốn chủ sở hữu và tỷ lệ nợ xấu xấu
Kết quả nghiên cứu cho thấy ở mức ý nghĩa 1% giả thuyết H1 được chấp nhận, tức là tỷ số tỷ suất lợi nhuận trên vốn chủ sở hữu có tác động ngược chiều với tỷ lệ nợ xấu. Kết quả này phù hợp với lý thuyết kinh tế và tương đồng với nghiên cứu Klein [19].
43
Như ta đã biết, ROE là một trong những chỉ số quan trọng phản ánh hiệu quả hoạt động kinh doanh của ngân hàng. Trong lĩnh vực ngân hàng, ROE thường lớn hơn rất nhiều so với ROA do tổng tài sản thường lớn gấp nhiều lần vốn chủ sở hữu, hay nói cách khác hệ số đòn bẩy tài chính trong lĩnh vực ngân hàng thường rất lớn. Mặc khác, NPL là một trong những tỷ số phản ánh chất lượng tín dụng của ngân hàng. Mối quan hệ ngược chiều của ROE và NPL cho thấy kết quả hoạt động kinh doanh của ngân hàng có mối quan hệ không thể tách rời với chất lượng tín dụng. Kết quả hoạt động kinh doanh tốt sẽ đi liền với chất lượng tín dụng tốt. Ngược lại, khi kết quả kinh doanh không tốt nhiều khả năng chất lượng tín dụng cũng sẽ sụt giảm. Điều này có thể giải thích thông qua tâm lý kinh doanh của các ngân hàng. Khi kết quả kinh doanh không tốt, các ngân hàng có xu hướng sẳn sàng bỏ qua một vài tiêu chuẩn để mở rộng hoạt động nghiệp vụ. Sự thận trọng trong kinh doanh lúc này sẽ bị sự kỳ vọng cải thiện kết quả kinh doanh lấn áp. Chất lượng tín dụng cũng vì sự thiếu thận trọng này mà có xu hướng sụt giảm, tỷ lệ nợ xấu nhiều khả năng sẽ gia tăng.
Thực tế diễn biến của ROE bình quân và NPL bình quân của các NHTMCP niêm yết cũng phù hợp với kết quả kiểm định. Giai đoạn trước khủng hoảng 2008 thì chỉ số ROE bình quân của các ngân hàng niêm yết đều tăng trong khi tỷ lệ nợ xấu bình quân giảm dần. Đến năm 2008 thì đã có sự đổi chiều hoàn toàn, ROE bình quân giảm và NPL bình quân tăng. Năm 2009 – 2010 thì chiều hướng lặp lại giai đoạn 2006 – 2007. Giai đoạn 2011- 2012, NPL bình quân liên tục tăng mạnh, trong khi ROE bình quân tụt dốc thảm hại. Có thể nói, trong giai đoạn 2005 – 2012, mặc dù liên tục có nhiều biến động xảy ra nhưng ROE và NPL luôn vận động ngược chiều nhau. Riêng giai đoạn gần đây 2013 – 2014, cả ROE bình quân và NPL bình quân đều giảm mạnh.
Năm 2014, tỷ số ROE của phần lớn các ngân hàng đều sụt giảm. Cụ thể 6/9 ngân hàng có tỷ số ROE giảm so với năm 2013, chỉ có 3 ngân hàng có ROE tăng là BIDV (với ROE cuối năm 2014 đạt 15,26%, tăng hơn 1,42% so với năm 2013), ACB với ROE đạt 7,64% (tăng hơn năm trước 1,07%), Vietcombank với ROE đạt 10,65% (cao hơn năm 2013 0,22%). Trong nhóm các ngân hàng có ROE sụt giảm, Eximbank là ngân hàng có sự sụt giảm nhiều nhất từ 4,32% năm 2013 xuống còn 0,39% năm
44
2014. Riêng MB có ROE năm 2014 đạt 15,79% mặt dù có giảm so với mức 16,32% ở năm 2013 nhưng vẫn là ngân hàng có chỉ số ROE cao nhất.
Nguyên nhân là do các ngân hàng phải tăng chi phí trích lập dự phòng để giải quyết nợ xấu nên lợi nhuận bị sụt giảm mạnh dẫn đến hiệu quả kinh doanh diễn biến theo chiều hướng xấu, trong khi chất lượng nợ xấu được cải thiện dần. Trong thời gian tới, khi chất lượng tín dụng được đảm bảo ở ngưỡng an toàn thì lợi nhuận của