7. Kết cấu của luận văn
3.4.3.4. Biến tỷ lệ thu nhập lãi cận biên (NIM)
NIM được đo lường thông qua công thức:
NIM = Thu nhập từ lãi – chi phí từ lãi Tài sản có sinh lời Tài sản có ở đây bao gồm:
Tiền gửi tại NHNN.
Tiền, vàng gửi tại các TCTD khác và cho vay các TCTD khác. Chứng khoán kinh doanh.
Cho vay và cho thuê tài chính khách hàng
NIM cho thấy mức thu nhập ròng từ lãi mà ngân hàng nhận được do sự chênh lệch lãi suất từ hoạt động cho vay và huy động vốn.
Nguồn vốn được ngân hàng sử dụng cấp tín dụng chủ yếu đến từ nguồn tiền gửi huy động. Do đó, mà nếu như phần chênh lệch lãi suất cho vay và lãi suất huy động càng cao thì ngân hàng hưởng phần chênh lệch càng nhiều. Hơn nữa, nguồn thu nhập chính của các ngân hàng thương mại chủ yếu đến từ hoạt động cấp tín dụng, cho nên nếu như phần chênh lệch này càng cao thì lợi nhuận mang về cho các ngân hàng thương mại càng lớn. Alper and Anbar (2011) cũng đã tìm thấy mối quan hệ tích cực giữa tỷ lệ thu nhập lãi cận biên (NIM) và lợi nhuận ngân hàng.
Tác giả kỳ vọng NIM có tác động cùng chiều đến lợi nhuận ngân hàng. 3.4.3.5. Biến quy mô ngân hàng (SIZE)
Biến SIZE được đo lường bằng Logartit tự nhiên của tổng tài sản. Biến SIZE được sử dụng để nghiên cứu sự ảnh hưởng của quy mô ngân hàng đến khả năng
59
sinh lời của ngân hàng. Tác giả sử dụng số liệu tổng tài sản bình quân để đánh phù hợp hơn so với số liệu tại thời điểm.
Các lý thuyết kinh tế cho rằng các ngân hàng có quy mô lớn có thể nâng cao khả năng cạnh tranh trong việc thu hút lượng lớn khách hàng bởi vì ngân hàng có thể cung cấp dịch vụ với mức giá thấp do khai thác lợi thế kinh tế theo quy mô, từ đó mang lại lợi nhuận cao hơn cho ngân hàng. Ngoài ra, các ngân hàng quy mô lớn lớn có thể nâng cao sức mạnh của ngân hàng trên thị trường thông qua hình ảnh thương hiệu mạnh và một sự ngầm định quá lớn để sụp đổ (Kosak and COK (2008), Kosmidou (2008)).
60
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.1. Mô tả dữ liệu nghiên cứu
Trước tiên, bài nghiên cứu sẽ trình bày thống kê mô tả dữ liệu của các biến chính để thấy được tổng quan của nguồn dữ liệu.
Trong bảng 4.1, tóm tắt kết quả thống kê mô tả của các biến được sử dụng trong mô hình: tỷ suất sinh lời trên tổng tài sản (ROA), tỷ suất sinh lời trên vốn chủ sở hữu (ROE), tỷ lệ nợ xấu (NPLR), tỷ lệ chi phí dự phòng rủi ro tín dụng/tổng dư nợ (LLPR), biến đo lường mức độ thanh khoản tài sản thanh khoản nhanh/tổng tài sản (LIQ), tỷ lệ dư nợ cho vay/tổng tài sản (LTA), biến chi phí/thu nhập (CTI), biến tỷ lệ thu nhập lãi cận biên (NIM), biến quy mô ngân hàng (SIZE).
Bảng 4.1: Mô tả dữ liệu của các ngân hàng giai đoạn 2006 - 2018
ROA ROE NPLR LLPR LTA
Mean 1,05 12,52 2,19 1,09 50,69 Median 0,98 12,04 2,02 0,83 51,11 Maximum 3,28 44,49 8,83 5,15 72,83 Minimum 0,01 0,07 0,08 -1,01 20,18 Std. Dev. 0,68 7,93 1,36 0,91 12,07 Skewness 0,67 0,62 1,98 1,67 -0,17 Kurtosis 3,26 3,47 9,28 6,94 2,22 Jarque-Bera 16,05 15,31 477,45 231,04 6,30 Probability 0,00 0,00 0,00 0,00 0,04 Sum 218,05 2603,18 455,89 226,00 10542,85 SumSq. Dev. 96,48 13,019,99 380,19 173,06 30,160,28 Observations 208 208 208 208 208
ETA LIQ CTI SIZE NIM
Mean 9,14 24,22 48,25 18,34 3,83
Median 8,08 23,09 46,91 18,53 3,53
61
ETA LIQ CTI SIZE NIM
Minimum 4,12 4,83 17,41 13,36 0,72 Std. Dev. 5,18 11,67 15,67 1,30 1,50 Skewness 4,20 0,76 0,47 -0,69 1,67 Kurtosis 27,16 3,43 2,83 3,90 8,94 Jarque-Bera 5669,43 21,51 7,95 23,43 401,77 Probability 0,00 0,00 0,02 0,00 0,00 Sum 1901,24 5038,62 10035,31 3815,11 796,17 SumSq. Dev. 5553,98 28185,77 50856,22 351,72 463,72 Observations 208 208 208 208 208
Nguồn: Tổng hợp của tác giả dựa trên dữ liệu nghiên cứu
Trong đó, ý nghĩa của các thống kê như sau: Trung bình cộng Mean Trung vị Median Giá trị lớn nhất Maximum Giá trị bé nhất Minimum Độ lệch chuẩn Std. Dev. Độ nghiêng Skewness Giá trị nhọn Kurtosis
Kiểm định Jarque-Bera (dùng kiểm định xem thử dữ liệu có skewness (hệ số bất đối xứng) và kurtosis (hệ số nhọn) đáp ứng yêu cầu của phân phối chuẩn) Tổng Sum
Sum((X-mean(x))^2) Sum Sq. Dev. Số quan sát Observations
Đối với nhóm biến phản ánh tỷ suất lợi nhuận của ngân hàng: Từ kết quả thống kê cho thấy trong giai đoạn 2006 - 2018, tỷ suất sinh lời trên tổng tài sản (ROA) và tỷ suất sinh lời trên vốn chủ sở hữu (ROE) trung bình đều dương. Trong
62
đó, ROA trung bình trong giai đoạn 2006 – 2018 là 1,05%, giá trị cao nhất đạt được là 3,28% (NCB 2006), và giá trị ROA thấp nhất trong giai đoạn này là 0,01% (NCB 2012); còn ROE trung bình trong giai đoạn 2006 – 2018 là 12,52%, và ROE đạt giá trị cao nhất là 44,49% (ACB năm 2007), giá trị thấp nhất là 0,07% (NCB 2012). Với giá trị trung bình của 2 biến ROA, ROE cho thấy tỷ suất lợi nhuận của các ngân hàng Việt Nam vẫn có thể được đánh giá là đang nằm ở mức trung bình.
Chỉ số nợ xấu (NPLR) trung bình trong giai đoạn 2006 – 2018 là 2,19%, và NPLR đạt giá trị cao nhất là 8,83% (SHB năm 2012), giá trị thấp nhất là 0,08% (ACB năm 2007). Với độ lệch chuẩn tương ứng ở mức 1,36%, cho thấy mức độ dao động, phân tán khá cao trong số liệu này, điều đó cho thấy mức độ ổn định là tương đối thấp của số liệu. Điều này có thể giải thích, trong giai đoạn 2006 – 2018, tỷ lệ nợ xấu của các ngân hàng có sự biến động thường xuyên, đặc biệt giai đoạn 2012 - 2013, tỷ lệ nợ xấu của các ngân hàng tăng ở mức đáng báo động.
Chỉ số chi phí dự phòng rủi ro tín dụng/tổng dư nợ cho vay (LLPR) trung bình trong giai đoạn 2006 – 2018 là 1,09%, và LLPR đạt giá trị cao nhất là 5,15% (VPB năm 2018), giá trị thấp nhất là -1,01% (SHB năm 2012). Và với độ lệch chuẩn 0,91% cho thấy dữ liệu có sự chênh lệch rất lớn giữa các ngân hàng và giữa các năm.
Chỉ số Dư nợ/Tổng tài sản (LTA) trung bình trong giai đoạn 2006 – 2018 là 50,69%, và LTA đạt giá trị cao nhất là 72,83% (BID năm 2018), giá trị thấp nhất là 20,18% (SeABank năm 2012). Với tỷ lệ dư nợ/tổng tài sản trung bình chiếm tỷ lệ cao, cho thấy hoạt động kinh doanh của ngân hàng vẫn tập trung chủ yếu ở hoạt động tín dụng. Tuy nhiên, với tỷ lệ LTA trung bình ở 50,69% thể hiện rằng, ngoài hoạt động tín dụng hiện nay các ngân hàng có xu hướng đa dạng hóa hơn trong hoạt động kinh doanh của mình, từ đó có thể phân tán bớt rủi ro từ hoạt động tín dụng.
Chỉ số Vốn chủ sở hữu/Tổng tài sản (ETA) trung bình giai đoạn 2006 – 2018 là 9,14%, ETA đạt giá trị cao nhất là 49,10% (NCB năm 2006) và giá trị thấp nhất là 4,12% (BID năm 2008). Với giá trị trung bình khá cao, cho thấy nhìn chung các ngân hàng Việt Nam vẫn đáp ứng và đảm bảo mức độ an toàn vốn.
63
Chỉ số (LIQ) trung bình 24,22%, LIQ có giá trị cao nhất 69,41% (HDBank năm 2006) và giá trị thấp nhất 4,83% (STB năm 2018). Với độ lệch chuẩn 11,67%, ta thấy độ phân tán dữ liệu nghiên cứu là rất cao.
Chỉ số CTI trung bình 48,25%, giá trị cao nhất của CTI là 92,74% và thấp nhất 17,41%. Độ lệch chuẩn 15,67%, cũng cho thấy mức độ tập trung của dữ liệu là không cao. Điều này có thể là do có những giai đoạn chi phí hoạt động của ngân hàng tăng đột biến dẫn đến có sự chênh lệch lớn trong chỉ số CTI giữa các năm.
Chỉ số phản ánh quy mô tổng tài sản bình quân năm (SIZE) có giá trị trung bình 18,34 (tương ứng 92.422 tỷ đồng) và giá trị lớn nhất 1.257.661 tỷ đồng thuộc ngân hàng BID (2018), giá trị nhỏ nhất 635,7 tỷ đồng thuộc NCB (2006).
Chỉ số thể hiện tỷ lệ thu nhập lãi cận biên (NIM) trung bình 3,83%, đạt giá trị lớn nhất 11,36% (VPB 2017) và giá trị thấp nhất 0,72% (HDBank năm 2013). Với độ lệch chuẩn 1,50%, dữ liệu có mức độ tập trung cũng khá cao.
4.2. Kết quả nghiên cứu thực nghiệm
4.2.1. Phân tích tương quan giữa các biến trong mô hình
Sử dụng ma trận hệ số tương quan
Bảng 4.2: Ma trận tương quan giữa các biến trong mô hình nghiên cứu NPLR LLPR LTA ETA LIQ CTI SIZE NIM NPLR 1,000 0,254 -0,083 -0,016 -0,063 0,250 0,038 -0,042 LLPR 0,254 1,000 0,039 -0,067 -0,273 -0,175 0,272 0,547 LTA -0,083 0,039 1,000 -0,237 -0,631 -0,042 0,453 0,092 ETA -0,016 -0,067 -0,237 1,000 0,307 -0,106 -0,612 0,129 LIQ -0,063 -0,273 -0,631 0,307 1,000 -0,311 -0,586 -0,293 CTI 0,250 -0,175 -0,042 -0,106 -0,311 1,000 0,065 -0,216 SIZE 0,038 0,272 0,453 -0,612 -0,586 0,065 1,000 0,101 NIM -0,042 0,547 0,092 0,129 -0,293 -0,216 0,101 1,000
Nguồn: Tổng hợp của tác giả dựa trên dữ liệu nghiên cứu
Bảng 4.2 cho thấy hệ số tương quan giữa các cặp biến sử dụng trong mô hình hồi quy. Kết quả cho thấy, tất cả hệ số tương quan giữa các biến đều có hệ số tương
64
quan nhỏ hơn 0,8; hệ số tương quan cao nhất (-0,631 và -0,612) thể hiện mối tương quan giữa biến LTA và LIQ, biến SIZE và ETA. Do vậy, khi sử dụng mô hình hồi quy này khả năng xảy ra hiện tượng đa cộng tuyến giữa các biến là khá thấp.
Sử dụng nhân tử phóng đại phương sai VIF
VIF (Variance Inflation Factors) được tính bằng cách chạy mô hình hồi quy phụ (hồi quy giữa một biến độc lập với tất cả các biến còn lại trong mô hình) và tính VIF theo công thức: VIF=1/(1-R2i phụ).
Nếu VIF < 10 thì không có hiện tượng đa cộng tuyến xảy ra.
Bảng 4.3: Chỉ số VIF mô hình 1 (Với biến NPLR – Rủi ro tín dụng) Biến R2 VIF NPLR 0,07 1,08 LTA 0,50 2,02 ETA 0,41 1,70 LIQ 0,69 3,22 CTI 0,36 1,57 SIZE 0,57 2,32 NIM 0,29 1,41 Mean 1,90
Bảng 4.4: Chỉ số VIF mô hình 2 (Với biến LLPR – Rủi ro tín dụng)
Nguồn: Tổng hợp của tác giả dựa trên dữ liệu nghiên cứu
Kết quả kiểm định VIF cho thấy, hệ số phóng đại VIF của các biến trong mô hình 1 và mô hình 2 đều nhỏ hơn 10; giá trị VIF trung bình của mô hình 1 bằng 1,90 (bảng 4.3) và giá trị VIF trung bình của mô hình 2 bằng 2,06 (bảng 4.4). Điều này
Biến R2 VIF LLPR 0,38 1,63 LTA 0,52 2,10 ETA 0,41 1,70 LIQ 0,70 3,31 CTI 0,36 1,57 SIZE 0,58 2,39 NIM 0,42 1,73 Mean 2,06
65
cho thấy rằng mô hình nghiên cứu không xảy ra hiện tượng đa cộng tuyến.
4.2.2. Lựa chọn phương pháp hồi quy bội phù hợp
Khi sử dụng ma trận tương quan sẽ góp phần cho thấy mối quan hệ giữa các biến độc lập và biến phụ thuộc, song nó chỉ cho thấy từng mối quan hệ cặp giữa một biến độc lập với biến phụ thuộc. Trong khi đó mục đích của đề tài là nghiên cứu đồng thời tác động của nhiều biến độc lập lên biến phụ thuộc. Do đó, đề tài dử dụng phương pháp hồi quy bội để phân tích. Phương pháp này sẽ được thực hiện trên 3 mô hình hồi quy dữ liệu bảng POOL LS, FEM (mô hình tác động cố định), REM (mô hình tác động ngẫu nhiên).
Để lựa chọn ra một mô hình phù hợp nhất trong 3 mô hình trên, đề tài tiến hành các kiểm định so sánh tính phù hợp giữa mô hình POOL và FEM, giữa FEM và REM đối với dữ liệu bảng. Kiểm định đầu tiên được dùng là kiểm định F theo phương pháp Likelihood ratio (LR test) để so sánh chọn POOL hay FEM.
Với giả định Ho: chọn mô hình POOL nếu P value < 0,05 thì bác bỏ Ho, kết luận chọn mô hình FEM, ngược lại thì chọn POOL.
Kiểm định thứ 2 là kiểm định Hausman dùng để so sánh giữa FEM và REM, giả định Ho: chọn REM, nếu P-value < 0,05 thì bác bỏ Ho, kết luận mô hình FEM phù hợp hơn, ngược lại thì chọn REM.
4.2.2.1. Mô hình (1.a) ROA phụ thuộc biến NPLR
Kiểm định Likelihood Ratio
Kết quả kiểm định Likelihood Ratio, cho thấy hệ số P value = 0,0000 < 5%. Do đó, bác bỏ giả thuyết Ho nghĩa là mô hình FEM phù hợp hơn mô hình POOL.
Kiểm định Hausman
Trong khi đó, kiểm định ý nghĩa thống kê Hausman P value = 0,2714 > 5%, chấp nhận Ho có nghĩa là mô hình REM phù hợp hơn mô hình FEM. Do vậy, ước lượng mô hình theo REM sẽ phù hợp hơn so với 2 mô hình POOL và FEM.
4.2.2.2. Mô hình (1.b) ROE phụ thuộc biến NPLR
66
Kết quả kiểm định Likelihood Ratio, cho thấy hệ số P value = 0,0000 < 5%. Do đó, bác bỏ giả thuyết Ho nghĩa là mô hình FEM phù hợp hơn mô hình POOL.
Kiểm định Hausman
Trong khi đó, kiểm định ý nghĩa thống kê Hausman P value = 0,2887 > 5%, chấp nhận giả thuyết Ho có nghĩa là mô hình REM phù hợp hơn mô hình FEM. Do vậy, ước lượng mô hình theo REM sẽ phù hợp hơn so với 2 mô hình POOL và mô hình FEM.
4.2.2.3. Mô hình (2.a) ROA phụ thuộc biến LLPR
Kiểm định Likelihood Ratio
Kết quả kiểm định Likelihood Ratio, cho thấy hệ số P value = 0,0004 < 5%. Do đó, bác bỏ giả thuyết Ho nghĩa là mô hình FEM phù hợp hơn mô hình POOL.
Kiểm định Hausman
Trong khi đó, kiểm định ý nghĩa thống kê Hausman P value = 0,0058 < 5%, bác bỏ giả thuyết Ho có nghĩa là mô hình FEM phù hợp hơn mô hình REM. Do vậy, ước lượng mô hình theo FEM sẽ phù hợp hơn so với 2 mô hình POOL và mô hình REM.
4.2.2.4. Mô hình (2.b) ROE phụ thuộc biến LLPR
Kiểm định Likelihood Ratio
Kết quả kiểm định Likelihood Ratio, cho thấy hệ số P value = 0,0000 < 5%. Do đó, bác bỏ giả thuyết Ho nghĩa là mô hình FEM phù hợp hơn mô hình POOL.
Kiểm định Hausman
Trong khi đó, kiểm định ý nghĩa thống kê Hausman P value = 0,06 > 5%, chấp nhận giả thuyết Ho có nghĩa là mô hình REM phù hợp hơn mô hình FEM. Do vậy, ước lượng mô hình theo REM sẽ phù hợp hơn so với 2 mô hình POOL và mô hình FEM.
4.2.3. Kiểm định giả thuyết về phân phối chuẩn
67
> 0 hoặc < 0 là lệch phải, lệch trái) và hệ số nhọn (kurtosis = 3 là cân, > 3 hoặc < 3 là tù hay nhọn).
Giả định Cặp giả thuyết với mức ý nghĩa 5%.
Ho: Phân phối là chuẩn (skewness = 0, kurtosis = 3).
H1: Phân phối là không chuẩn (skewness # 0, kurtosis # 3).
Nếu kết quả Pvalue > 5% bác bỏ Ho, hay các biến của mô hình kiểm định tuân theo quy luật phân phối chuẩn.
4.3. Phân tích kết quả thực nghiệm
Bảng 4.5 Kết quả h i quy mô hình
Biến Mô hình
1.a ROA 1.b ROE
Coefficient Prob. Coefficient Prob.
Mô hình REM REM
NPLR -0.023202 0.2180 *** -0.311882 0.1896 *** LTA 0.004670 0.1444 *** 0.029322 0.4668 *** NIM 0.110833 0.0000 *** 1.318956 0.0000 *** SIZE 0.006839 0.8474 *** 0.339676 0.4491 *** CTI -0.028047 0.0000 *** -0.308591 0.0000 *** LIQ 0.012598 0.0009 *** 0.177298 0.0002 *** ETA 0.025735 0.0001 *** -0.494056 0.0000 *** CONS 1.125555 0.1427 *** 15.54323 0.1089 *** Số quan sát 208 208 208 208 R2 0.734006 0.633654 R2_a 0.724697 0.620832 Prob(F-statistic) 0.000000 0.000000
68
Biến Mô hình
1.a ROA 1.b ROE
Coefficient Prob. Coefficient Prob.
Prob(Jarque-Bera-statistic) 0.000000 0.000000
Biến Mô hình
2.a ROA 2.b ROE
Coefficient Prob. Coefficient Prob.
Mô hình FEM REM
LLPR -0.248282 0.0000 *** -3.052595 0.0000 *** LTA 0.003561 0.2332 *** 0.000830 0.9809 *** NIM 0.161793 0.0000 *** 2.223424 0.0000 *** SIZE 0.073666 0.0501 *** 0.630091 0.0919 *** CTI -0.031063 0.0000 *** -0.334127 0.0000 *** LIQ 0.010521 0.0022 *** 0.122428 0.0038 *** ETA 0.029699 0.0000 *** -0.511433 0.0000 *** CONS 0.139444 0.8558 *** 13.55174 0.0963 *** Số quan sát 208 208 208 208 R2 0.847378 0.720977 R2_a 0.829229 0.711211 Prob(F-statistic) 0.000000 0.000000 Prob(Jarque-Bera-statistic) 0.000000 0.000000
Ghi chú: thống kê t *, **, ***, có ý nghĩa thống kê lần lượt tại 10%, 5%, 1%.
Nguồn: Tổng hợp của tác giả dựa trên dữ liệu nghiên cứu
Đánh giá sự phụ hợp của mô hình
Hai giá trị khá quan trọng khi chạy mô hình hồi quy tuyến tính đa biến, đó là hệ số R bình phương (R Square) và R bình phương hiệu chỉnh (còn gọi là R bình phương điều chỉnh, hay Adjusted R Square). Hai giá trị này dùng đo sự phù hợp của mô hình hồi quy, còn gọi là hệ số xác định (coefficient of detemination).
69
R2 và R2_a cho biết rằng các biến độc lập trong mô hình có thể giải thích được bao nhiêu phần trăm sự thay đổi trong khả năng sinh lời của ngân hàng. Hay nói