a. Phân tích tương quan
Hệ số tương quan cho biết giữa các biến được đánh giá và kiểm tra có mối tương quan với nhau hay không thông qua hệ số Pearson (r). Hệ số tương quan (r) là một chỉ số thống kê đo lường mối liên hệ tương quan giữa hai biến số. Hệ số tương quan có giá trị từ -1 đến 1. Hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số không có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Nếu giá trị của hệ số tương quan là âm (r <0) có nghĩa là khi x tăng cao thì y giảm (và ngược lại, khi x giảm thì y tăng); nếu giá trị hệ số tương quan là dương (r > 0) có nghĩa là khi x tăng cao thì y cũng tăng, và khi x tăng cao thì y cũng giảm theo.
Có nhiều hệ số tương quan, hệ số tương quan thông dụng nhất: hệ số tương quan Pearson r. Trong phân tích áp dụng cho luận văn, kiểm định hệ số tương quan
Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến độc lập với nhau có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy (giả thuyết H0: hệ số tương quan bằng 0).
Significant của kiểm định Pearson. Giả thuyết H0: hệ số tương quan bằng 0. Do đó nếu Sig. này bé hơn 5% ta có thể kết luận được là hai biến có tương quan với nhau. Hệ số tương quan càng lớn tương quan càng chặt, nếu mức ý nghĩa sig này lớn hơn 5% thì hai biến không có tương quan với nhau.
- Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếu ở bước phân tích tương quan này biến độc lập không có tương quan với biến phụ thuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.
- Kết quả phân tích tương quan Pearson cho thấy một số biến độc lập có sự tương quan với nhau. Do đó khi phân tích hồi quy cần phải chú ý đến vấn đề đa cộng tuyến. Các biến độc lập có tương quan với biến phụ thuộc và do đó sẽ được đưa vào mô hình để giải thích cho biến phụ thuộc theo Hoàng Trọng và cộng sự (2008).
b. Phân tích hồi quy tuyến tính đa biến
Để thấy được mức độ ảnh hưởng của các nhân tố tới an toàn vốn, luận án sử dụng phương pháp ước lượng Moment tổng quát - GMM (Generized Method of Moments) để thực hiện hồi quy dữ liệu nghiên cứu. GMM là mô hình hồi quy được Lars Peter Hansen công bố vào năm 1982 trong bài viết “Large Sample Properties of Generalized Methods of Moments Estimators”.
GMM là tổng hợp của các phương pháp ước lượng phổ biến như OLS; GLS; MLE. GMM là phương pháp có tính ưu việt hơn trong việc giải quyết vấn đề nội sinh của mô hình nghiên cứu (như đã chỉ ra trong phần khoảng trống nghiên cứu), đảm bảo kết quả nghiên cứu là đáng tin cậy.
Làm sạch số liệu:
Trước khi tiến hành phân tích dữ liệu tác giả thực hiện bổ sung, hiệu chỉnh thông số của các biến để đảm bảo các kết quả xử lý dữ liệu phản ánh trung thực về đối tượng nghiên cứu. Cụ thể:
Bước 1: Sau nhập dữ liệu vào bảng Excel, tác giả tiến hành kiểm tra dấu hiệu bất thường của dữ liệu. Sau đó, tính giá trị của các biến nghiên cứu.
Bước 2: Bổ sung và điều chỉnh giá trị khuyết thiếu bằng các cách như: (1) để nguyên, khi phân tích phần mềm tự gán giá trị khuyết thiếu mặc định; (2) gán giá trị khuyết thiếu bằng giá trị trung bình hoặc trung vị; (3) gán giá trị khuyết thiếu bằng 0.
Bước 3: Phân tích tương quan riêng từng cặp biến để phát hiện lỗi số liệu trong trường hợp kết quả phân tích không giải thích được. Loại bỏ số liệu làm sai lệch mối quan hệ của các biến trong trường hợp có dấu hiệu ngoại lai của số liệu.
Phân tích thống kê: Phân tích thông kê được sử dụng trong luận án để đánh giá khái quát các vấn đề trong nghiên cứu và đưa ra cơ sở cho các giải định, nhận định. Phương pháp phân tích thống kê được sử dụng để đánh giá thực trạng các nhân tố vi mô, vĩ mô nền kinh tế tác động tới an toàn vốn của các NHTM Việt Nam. Phân tích hồi qui tuyến tính là một phương pháp phân tích dùng kỹ thuật thống kê được sử dụng để phân tích mối quan hệ tuyến tính giữa một biến phụ thuộc và nhiều biến độc lập. Khi sử dụng hồi qui tuyến tính, các tham số thống kê cần được quan tâm bao gồm:
Hệ số R2 điều chỉnh (Adjusted coefficient of determination): Đo lường phần phương sai của biến phụ thuộc được giải thích bởi các biến độc lập có tính đến số lượng biến phụ thuộc và cỡ mẫu. Hệ số này càng cao, độ chính xác của mô hình càng lớn và khả năng dự báo của các biến độc lập càng chính xác.
Kiểm định độ phù hợp của mô hình với tập dữ liệu: Sử dụng trị thống kê F để kiểm định mức ý nghĩa thống kê của mô hình. Giả thuyết H0 là các hệ số Beta trong mô hình đều bằng 0. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, ta có thể an toàn khi bác bỏ giả thuyết H0 hay nói cách khác mô hình phù hợp với tập dữ liệu khảo sát.
Hệ số xác định (R2) và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mô hình. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao, R2 hiệu chỉnh lớn hơn 0,5 là mô hình đạt giá trị tốt về thống kê). Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance inflation factor): VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến theo Hoàng Trọng và cộng sự
(2008). Xác định mức độ ảnh hưởng của: yếu tố có hệ số beta càng lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu; hệ số beta được coi là có ý nghĩa nếu sig tương ứng nhỏ hơn 0,05.
Cuối cùng, nhằm bảo đảm độ chính xác của phương trình hồi quy được xây dựng là thích hợp, một loạt các dò tìm về vi phạm các giả thuyết trong hồi quy tuyến tính bội cũng được tiến hành. Các vi phạm giả thuyết được kiểm định trong phần này bao gồm: liên hệ tuyến tính (dùng biểu đồ phân tán Scatterplot), phương sai của phần dư không đổi (dùng hệ số tương quan hạng Spearman), phân phối chuẩn của phần dư (dùng Histogram và P – P plot), tính độc lập của phần dư hay còn gọi là hiện tượng tự tương quan, hiện tượng đa cộng tuyến (VIF).
Đánh giá sự phù hợp của mô hình: Mô hình hồi quy được đánh giá là phù hợp khi khắc phục được các khiếm khuyết của mô hình: (i) đa cộng tuyến; (ii) tự tương quan; (iii) phương sai sai số thay đổi.
TÓM TẮT CHƯƠNG 3
Chương này đã trình bày được hướng xây dựng mô hình hồi quy tuyến tính với các yếu tố tác động đến hệ số an toàn vốn tối thiểu dựa trên cơ sở lý thuyết và tổng quan nghiên cứu trước. Các giả thuyết thống kê cũng đã được phác thảo dựa trên lý thuyết và kết quả của các nghiên cứu trước. Số liệu để phân tích là số liệu thứ cấp thu thập trên cơ sở dữ liệu bảng của các NHTM trong giai đoạn 2009 - 2020. Thông qua các mô hình nghiên cứu định lượng nhằm hoàn thiện và khắc phục những hạn chế của các nghiên cứu trước. trong đó, luận án đã đưa biến mới, đó là biến đại dịch Covid-19 (Dummy). Các kỹ thuật phân tích dữ liệu như thống kê mô tả, mô hình hồi quy và các kiểm định có liên quan đến mô hình hồi quy đa biến sẽ được sử dụng để đưa ra các kết quả sẽ xuất hiện trong chương tiếp theo.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN