Nghiên cứu đã thực hiện hồi quy lần lượt với các phương pháp Pooled OLS, FEM, REM. Sau đó lựa chọn phương pháp ước lượng phù hợp nhất và kiểm tra các “khuyết tật” của mô hình. Kết quả kiểm tra phương sai sai số thay đổi bằng kiểm định Breusch-pagan cho thấy mô hình hồi quy Pooled OLS có hiện tượng phương sai sai số thay đổi. Vì vậy, kết quả ước lượng bằng Pooled OLS không còn tin cậy.
Sử dụng kiểm định Hausman để lựa chọn mô hình phù hợp giữa FEM, REM, kết quả cho thấy REM là mô hình được chọn (Prob = 0.9973 > 0.05). Tuy nhiên, REM bị hiện tượng phương sai sai số thay đổi và tự tương quan. Tác giả sử dụng phương pháp ước lượng SGMM để khắc phục hai hiện tượng trên. Ngoài ra, kết quả nghiên cứu cũng cho thấy CAR và ROA có thể giải thích qua lại lẫn nhau trong cùng một kỳ và car kỳ trước (t-1) cũng ảnh hưởng đến CAR kỳ này. Do đó, mô hình hồi quy có khả năng sẽ bị hiện tượng nội sinh. Để khắc phục đồng thời các “khuyết tật” phương sai sai số thay đổi, tự tương quan và nội sinh, tác giả sử dụng phương pháp ước lượng SGMM hai bước để ước lượng mô hình, xem mô hình có tốt hơn mô hình REM hay không. Sau đây là kết quả ước lượng mô hình theo SGMM.
Bảng 4.25: Kết quả kiểm định mô hình SGMM
WC-Robust
car Coef. Std. Err. z P>z Conf. [95% Interval] Car L1. 0.006118 0.0253798 0.24 0.810 -0.04363 0.055862 ROA -0.39551 0.0069692 -56.75 0.000 -0.40917 -0.38185 SIZE -0.02359 0.0018254 -12.92 0.000 -0.02716 -0.02001 LIQ -0.03773 0.0033759 -11.17 0.000 -0.04434 -0.03111 DEP 0.007968 0.0019844 4.02 0.000 0.004079 0.011857 LOA -0.01272 0.0033672 -3.78 0.000 -0.01932 -0.00612 LEV -0.00069 0.0000788 -8.76 0.000 -0.00084 -0.00054 LLR 0.428966 0.0699199 6.14 0.000 0.291925 0.566006 NPL -0.06377 0.0065159 -9.79 0.000 -0.07654 -0.051 GDP 0.003325 0.0002396 13.88 0.000 0.002856 0.003795 CPI -0.0004 0.0000352 -11.29 0.000 -0.00047 -0.00033 Boards 0.00153 0.0001808 8.46 0.000 0.001176 0.001884 Indepb 0.005121 0.0011473 4.46 0.000 0.002872 0.007369 Femaleb 0.014426 0.0012385 11.65 0.000 0.011999 0.016854 Foreignb 0.000406 0.0009335 0.43 0.664 -0.00142 0.002236 Edub 0.033382 0.0019889 16.78 0.000 0.029484 0.03728 Dummy 0.010465 0.0013323 7.85 0.000 0.007853 0.013076 _Cons 0.292921 0.0127137 23.04 0.000 0.268003 0.31784
Bảng 4.25 cho thấy kết quả nghiên cứu chỉ ra rằng, các yếu tố nội tại cũng như vĩ mô tác động đến hệ số an toàn vốn của các ngân hàng thương mại cổ phần Việt Nam với mức nghĩa là 5%. Các yếu tố bao gồm:
✔ Tỷ suất sinh lợi trên tổng tài sản (ROA);
✔ Biến tỷ lệ tiền gửi (DEP);
✔ Biến khả năng thanh khoản (LIQ);
✔ Biến tỷ lệ dư nợ cho vay trên tổng tài sản (LOA);
✔ Biến tỷ lệ dự phòng rủi ro tín dụng (LLR);
✔ Biến tỷ lệ nợ xấu (NPL);
✔ Biến hệ số đòn bẩy (LEV);
✔ Biến quy mô ngân hàng (SIZE);
✔ Biến quy mô hội đồng quản trị (BoardS);
✔ Biến tỷ lệ thành viên nữ trong HĐQT (FemaleB);
✔ Biến trình độ học vấn của các thành viên HĐQT (EduB);
✔ Biến chỉ số giá tiêu dùng (CPI);
✔ Biến tốc độ tăng trưởng kinh tế (GDP).
✔ Biến tỷ lệ thành viên độc lập trong HĐQT (IndepB)
✔ Biến Covid-19 thể hiện bằng biến giả (Dummy = 1 là năm 2020, các năm còn lại là 0).
Tuy nhiên, có một yếu tố không ảnh hưởng đến hệ số an toàn vốn của các ngân hàng thương mại cổ phần Việt Nam với mức ý nghĩa là 5%. Yếu tố đó là:
✔ Biến tỷ lệ thành viên người nước ngoài trong HĐQT (ForeignB). Ước lượng sử dụng phương pháp OLS không vững và hiệu quả khi có tồn tại các hiện tượng phương sai thay đổi, tự tương quan và nội sinh. Mô hình SGMM trong luận án là mô hình đưa độ trễ bậc 1 của biến phụ thuộc CAR để làm một trong các biến giải thích. Phần dư của mô hình này sẽ có tương quan với độ trễ bậc 1 của biến phụ thuộc. Mặt khác, một số biến giải thích khác trong mô hình cũng không hoàn toàn ngoại sinh nên cần xử lý nội sinh. Với các nguyên nhân gây ra nội sinh này, các phương pháp đơn giản hơn như OLS, FEM và REM không đáp ứng đủ và SGMM là một lựa chọn trong luận án này.
Trong kiểm định mô hình nghiên cứu, phương pháp mô hình SGMM là phù hợp nhất với bộ dữ liệu. Nghiên cứu này nhằm mục đích xác định các yếu tố nội tại
trong ngân hàng và các yếu tố vĩ mô của nền kinh tế tác động như thế nào đến hệ số an toàn vốn của ngân hàng. Dữ liệu nghiên cứu sử dụng dữ liệu của 28 ngân hàng thương mại (NHTM) cổ phần Việt Nam được thu thập trong khoảng thời gian từ năm 2009 - 2020. Thông qua các phép kiểm định biến công cụ, hiện tượng tự tương quan bậc 2 trong bảng dữ liệu được xem là các kiểm định cần thiết để kết quả với chạy mô hình SGMM được công nhận. Các hệ số của mô hình nghiên cứu cho thấy là đạt yêu cầu. Nghiên cứu sử dụng hồi quy dữ liệu bảng với phương pháp SGMM nhằm khắc phục các “khuyết tật” của mô hình.
Trong mô hình hồi quy tuyến tính đa biến, nếu các biến độc lập có quan hệ chặt với nhau, các biến độc lập có mối quan hệ tuyến tính, nghĩa là các biến độc lập có tương quan chặt, mạnh với nhau thì sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Nói một cách khác là hai biến độc lập có quan hệ rất mạnh với nhau, đúng ra hai biến này nó phải là 1 biến nhưng thực tế trong mô hình nhà nghiên cứu lại tách làm 2 biến. Hiện tượng đa cộng tuyến vi phạm giả định của mô hình hồi qui tuyến tính cổ điển là các biến độc lập không có mối quan hệ tuyến tính với nhau. Có hai cách: dựa vào hệ số phóng đại phương sai VIF, hoặc dựa vào ma trận hệ số tương quan. Tuy nhiên cách dùng ma trận hệ số tương quan ít được sử dụng, chủ yếu sửa dụng cách nhận xét chỉ số VIF. Như vậy, với kết quả phân tích ở trên cho thấy việc kiểm định sự phù hợp của mô hình được thể hiện kết quả VIF như sau:
Bảng 4.26: Kết quả kiểm định hiện tượng đa cộng tuyến
Variable VIF 1/VIF
Dummy 4.46 0.224257 Gdp 4.21 0.237659 Size 3.06 0.327271 Dep 2.5 0.400017 Loa 2.5 0.400703 Boards 2.46 0.406226 Cpi 2.21 0.451711 Liq 2.16 0.462978 Lev 2.15 0.465086 Edub 2.09 0.478925 Femaleb 1.71 0.584262 Foreignb 1.38 0.722605 Llr 1.37 0.728038 Indepb 1.3 0.76892 Npl 1.1 0.912474 Roa 1.05 0.951403 Mean VIF 2.23
(Nguồn: Tác giả điều tra và xử lý từ Stata 13) Bảng 4.26 cho thấy các giá trị VIF nhỏ hơn 10. Như vậy, kết quả trên là phù hợp với bộ dữ liệu nghiên cứu và các biến độc lập không có tương quan với nhau hay nói khác hiện tượng đa cộng tuyến không xảy ra.
SGMM là phương pháp phù hợp để ước lượng mô hình động. Phương pháp này được khuyến nghị sử dụng System GMM để loại bỏ các vấn đề nội sinh, và phương pháp này cũng cho các ước lượng vững khi có hiện tượng phương sai thay đổi và tự tương quan. Để đảm bảo các ước lượng theo phương pháp System GMM là phù hợp, kiểm định Sargan và/hoặc Hansen được sử dụng, kèm theo kiểm định về tự tương quan. Kiểm định Sargan xem xét tính phù hợp của bộ biến công cụ trong mô hình, trong đó giả thuyết H0 là biến công cụ là biến ngoại sinh. Như vậy, kết quả hồi quy mô hình tác động của các biến nghiên cứu tới CAR là hoàn toàn đáng tin cậy do đã khắc phục được các khiếm khuyết của mô hình
(Nguồn: Tác giả điều tra và xử lý từ Stata 13)
Hình 4. 17: Kết quả phân tích mô hình SGMM
Hình 4.17 cho thấy Kết quả phân tích mô hình SGMM đã khắc phục được các “khuyết tật” của mô hình, kết quả ước lượng đáng tin cậy. Kết quả ước lượng cho thấy 12 yếu tố bên trong ngân hàng và 03 yếu tố bên ngoài ngân hàng của các ngân hàng thương mại như: ROA, DEP, LIQ, LOA, LLR, NPL, LEV, SIZE, Indepb, Femaleb, Edub, CPI, GDP và Dummy. 15 yếu tố này có ý nghĩa thống kê với mức ý nghĩa là 5%. Trong khi đó, một yếu tố tỷ lệ thành viên người nước ngoài trong HĐQT (ForeignB) không có ý nghĩa thống kê ở mức ý nghĩa 5%. Đặc biệt, trong luận án có đưa biến mới, đó là Covid-19 thông qua biến giả (Dummy). Kết quả nghiên cứu cho thấy, hiệu quả hoạt động kinh doanh của các ngân hàng trong bối cảnh dịch Covid-19 có sự khác biệt về thống kê. Từ năm 2020 đến nay, kinh tế thế giới, bao gồm Việt Nam, chịu ảnh hưởng nghiêm trọng bởi đại dịch Covid-19. Việc thực hiện giãn cách xã hội nhằm phục vụ công tác phòng, chống dịch bệnh Covid-19 đã phần nào ảnh hưởng đến quá trình kinh doanh của các các ngân hàng thương mại. Nhìn chung, đại dịch COVID-19 đã đang và sẽ ảnh hưởng rõ rệt đến
khả năng tài chính của cả khách hàng cá nhân, doanh nghiệp và ngân hàng. Thời gian qua, với sự hỗ trợ kịp thời và hiệu quả của Chính phủ, ngành Ngân hàng không gặp phải những bất lợi đáng kể so với phần còn lại của nền kinh tế. Tuy nhiên, vẫn có những lo ngại tiềm ẩn khi những tác động vốn đang được trì hoãn diễn ra trong tương lai. Điều này được thể hiện qua các chỉ số vĩ mô sụt giảm trong năm 2020. Ngoài ra, tác giả cũng xét về dấu các hệ số ước lượng của mô hình đúng như kì vọng ban đầu mà tác giả đưa ra các giả thuyết. Để chi tiết hơn, tác giả đi sâu phân tích thảo luận kết quả hồi quy của mô hình SGMM.