3.3.3.1 Thống kê mô tả
Trong luận án, tác giả sử dụng thống kê mô tả để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ 28 ngân hàng thương mại cổ phần Việt Nam. Thống kê mô tả thể hiện việc dùng đồ thị mô tả dữ liệu. Để hiểu được các hiện tượng và ra quyết định đúng đắn, các phương pháp cơ bản của mô tả dữ liệu thông qua bảng thống kê mô tả như trung bình, giá trị lớn nhất, nhỏ nhất, độ lệch chuẩn. Cụ thể, mô hình nghiên cứu và phương pháp phân tích số liệu được sử dụng trong luận án như sau.
3.3.3.2 Kiểm định mô hình
Phương pháp nghiên cứu định lượng được sử dụng trong thu thập, thống kê mô tả số liệu, kiểm định mô hình, ước lượng các biến số và đánh giá mức độ tác động của các nhân tố vi mô và vĩ mô nền kinh tế tới an toàn vốn của các NHTM Việt Nam. Cụ thể, mô hình nghiên cứu và phương pháp phân tích số liệu được sử dụng trong luận án như sau.
Căn cứ vào tổng quan các nghiên cứu trước và căn cứ vào thực tiễn tại các ngân hàng thương mại cổ phần Việt Nam, tác giả đưa ra mô hình nghiên cứu và các biến nghiên cứu phù hợp với điều kiện ở Việt Nam như sau:
CARi,t = β0 + βjXi,t + ԑi,t Trong đó:
- Biến phụ thuộc – CARi,t: Hệ số an toàn vốn tối thiểu của NHTM i ở
năm t (từ năm 2009-2020). Mức độ an toàn vốn của NHTM được đo lường thông qua chỉ tiêu định lượng tỷ lệ an toàn vốn hay gọi là biến Y.
thiểu của NHTM i ở năm t. Cụ thể, các biến độc lập gồm: X1. Tỷ suất sinh lợi trên tổng tài sản (ROA);
X2. Biến tỷ lệ tiền gửi (DEP);
X3. Biến khả năng thanh khoản (LIQ);
X4. Biến tỷ lệ dư nợ cho vay trên tổng tài sản (LOA); X5. Biến tỷ lệ dự phòng rủi ro tín dụng (LLR);
X6. Biến tỷ lệ nợ xấu (NPL); X7. Biến hệ số đòn bẩy (LEV); X8. Biến quy mô ngân hàng (SIZE);
X9. Biến quy mô hội đồng quản trị (BoardS);
X10. Biến tỷ lệ thành viên độc lập trong HĐQT (IndepB); X11. Biến tỷ lệ thành viên nữ trong HĐQT (FemaleB);
X12. Biến tỷ lệ thành viên người nước ngoài trong HĐQT (ForeignB); X13. Biến trình độ học vấn của các thành viên HĐQT (EduB);
X14. Biến chỉ số giá tiêu dùng (CPI);
X15. Biến tốc độ tăng trưởng kinh tế (GDP); X16. Biến đại dịch Covid-19 (Dummy).
- β0là hằng số; βjlà các hệ số hồi quy tương ứng với 16 biến độc lập; ԑi,t là sai số ngẫu nhiên.
3.3.3.3 Phương pháp phân tích dữ liệua. Phân tích tương quan 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
4.1 Giới thiệu tổng quan về hệ số an toàn vốn của hệ thống ngân hàng thương mại cổ phần Việt Nam mại cổ phần Việt Nam
Để đảm bảo an toàn và lành mạnh cho HTNH, NHNN Việt Nam đã đưa ra những quy định đối với hoạt động của HTNH, đặc biệt là quy định về an toàn vốn. Căn cứ vào các chuẩn mực quốc tế về an toàn trong hoạt động của hệ thống ngân hàng nói chung và an toàn vốn nói riêng, Việt Nam đã ban hành một loạt các văn bản quy phạm pháp luật quy định cụ thể về an toàn vốn như: quy định về vốn điều lệ, quy định về tỷ lệ an toàn vốn cấp 1, quy định tỷ lệ an toàn vốn. Trong đó, quy định về tỷ lệ an toàn vốn là quy định được quan tâm hơn cả, do phạm vi tác động và tính chất phức tạp của tỷ lệ an toàn vốn. Chính vì vậy, trong phạm vi nghiên cứu của luận án, tác giả chủ yếu tập trung vào các quy định về tỷ lệ an toàn vốn.
Theo lộ trình đã đề ra, các NHTM Việt Nam đang tiến tới thực hiện theo các chuẩn mực về an toàn vốn Basel II, được quy định bởi Thông tư 41/2016/TT- NHNN. Việc tính CAR theo thông tư 41 sẽ bắt đầu áp dụng trong toàn HTNH tại Việt Nam từ ngày 1/1/2020. Theo thông tư 41, các ngân hàng phải đảm bảo CAR tối thiểu là 8% và CAR được tính theo chuẩn mực Basel II, tức là CAR đã tính tới rủi ro tín dụng, rủi ro hoạt động và rủi ro thị trường thay cho cách tính CAR theo các quy định trước đây (thông tư 36) – CAR mới chỉ tính tới rủi ro tín dụng. Mặc dù vậy, quy định về CAR trong thông tư 41 mới chỉ đảm bảo quy định cơ bản của Basel II. Do đó, việc thực hiện và tính CAR của Việt Nam có đặc trưng riêng khác biệt với các quốc gia khác.
Theo số liệu công bố trên website của Ngân hàng Nhà nước cho biết, ở thời điểm cuối tháng 1/2018, hệ số an toàn vốn tối thiểu của toàn hệ thống ngân hàng là 12,37%; đến cuối tháng 2/2019, hệ số CAR của toàn hệ thống là 11,8%, trong đó CAR của nhóm ngân hàng thương mại nhà nước là 9,42% và nhóm ngân hàng thương mại cổ phần là 10,76%. So với thời điểm cuối năm 2018, CAR toàn hệ thống và 2 nhóm ngân hàng thương mại đều giảm ở cuối tháng 2/2019.
Tổng hợp báo cáo của 28 ngân hàng thương mại trình bày trong kỳ họp thường niên năm 2019 cho thấy có 20/28 ngân hàng công bố hệ số CAR và một số ngân hàng đánh giá hệ số CAR của họ trong năm 2018 cải thiện hơn năm trước đó.
Bốn ngân hàng còn lại gồm: Vietinbank, OCB, VietA Bank và LienVietPost Bank không đề cập đến hệ số CAR cụ thể, hoặc chỉ có báo cáo chung về hệ số CAR của ngân hàng nằm trong quy định của Ngân hàng Nhà nước. Riêng OCB, trong năm 2018, OCB là một trong ba ngân hàng đầu tiên được Ngân hàng Nhà nước công nhận hoàn thành chuẩn mực quốc tế Basel II.
Trong nhóm 28 ngân hàng có công bố hệ số CAR năm 2018, Kienlong Bank dẫn đầu với tỷ lệ an toàn vốn tối thiểu đạt 16,62%. Kienlong Bank là ngân hàng quy mô nhỏ có vốn điều lệ 3.237 tỷ đồng và tổng tài sản 42.310 tỷ đồng. Tiếp đến là Techcombank với tỷ lệ an toàn vốn cuối năm 2018 đạt 14,3%.
Có 5 ngân hàng có hệ số CAR năm 2018 đạt trong khoảng 12,1%- 12,8%; 4 ngân hàng có hệ số CAR năm 2018 trong khoảng 11,2% - 11,88%. Được biết, đối với trường hợp VPBank CAR năm 2018 đạt 12,3% nếu áp dụng theo Basel II CAR của ngân hàng này là 11,2%; ngân hàng VIB hệ số CAR năm 2018 là 12,88% thấp nhất trong 3 năm 2016 -2018, nếu áp dụng theo Basel II hệ số CAR của VIB năm 2018 là 10,2%.
Giai đoạn 2013-2017, CAR trung bình ở mức 13% - 14%, giảm so với CAR ở giai đoạn 2009-2012. Tuy vậy, CAR trung bình của các NHTM ở giai đoạn này vẫn đảm bảo ở mức cao hơn so với quy định CAR tối thiểu và không còn ngân hàng nào có CAR dưới mức quy định tối thiểu. Đồng thời, chênh lệch về CAR giữa các NHTM đã giảm so với giai đoạn 2008-2012. Nguyên nhân dẫn đến sự thay đổi về CAR trung bình ở giai đoạn 2013-2017 là do: (i) Việt Nam thực hiện tái cơ cấu TCTD, xử lý các NHTM yếu kém, các khoản nợ xấu, tăng cường năng lực tài chính của các NHTM, đảm bảo an toàn và lành mạnh trong hoạt động ngân hàng, (ii) cơ quan quản lý và các NHTM ngày càng nhận thức được tầm quan trọng của các quy định về an toàn vốn, đồng thời (iii) các quy định về CAR ngày càng được hoàn thiện, đảm bảo theo các chuẩn mực quốc tế (đảm bảo tính CAR theo Basel I và hướng tới Basel II).
Tính tới thời điểm ngày 31/12/2019, mức vốn điều lệ của các NHTM Việt Nam đều đảm bảo quy định về mức vốn điều lệ tối thiểu. Tuy nhiên, đa số các NHTM mới chỉ đảm bảo yêu cầu về vốn điều lệ tối thiểu, các NHTM có mức vốn điều lệ vượt trội không nhiều (4 NHTM). Vốn điều lệ ở mức thấp cho thấy năng lực