3.3.1. Mô hình và các biến phụ thuộc
- Mô hình được chọn để tính toán khảo sát như sau:
NPL/DR= a + b1Lnumber + b2CEO + b3AGE+ b4CEO_Dual+ b5LEV + b6SIZE+
- Biến phụ thuộc:
+ NPL: Tỷ lệ nợ xấu trong ngân hàng + DR: Tỷ lệ nợ
- Biến độc lập:
+ No_BOD-Quy mô hội đồng quản trị + CEO_Gender: Giới tính của CEO + age: Tuổi của CEO
+ CEO_Dual: Chủ tịch hội đồng quản trị kiêm CEO + LEV-Tỷ lệ đòn bẩy
- a: hằng số
- : sai số (error term)
Bảng 3.2. Mô tả các biến nghiên cứu
Các biến Cách tính toán Nghiên cứu trước đây
Các biến phụ thuộc
(1) NPL Khoản vay nợ xấu (NPL) là tổng số tiền đã vay mà con nợ không thực hiện các khoản thanh toán theo lịch trong một khoảng thời gian xác định. NPL là tỷ lệ của các khoản cho vay không phù hợp trong danh mục cho vay của ngân hàng trên tổng số dư nợ mà ngân hàng đang nắm giữ. Tỷ lệ nợ xấu đo lường hiệu quả của một ngân hàng trong việc nhận các khoản hoàn trả cho các khoản vay của mình.
Vu & Tran (2018), Tran (2018), Le (2018), Dang (2018), Chau (2018)
(2) DR Tổng nợ/tổng tài sản
Biến độc lập
(1) LEV Tỷ lệ đòn bảy Than (2018), Nguyen (2018), Ha (2018), Dang (2018), Chau (2018)
Đặc điểm của hội đồng quản trị
(2) LNo_BOD Loga nepeTổng số thành viên hội đồng quản trị
Staikouras et al. (2007); Belkhir (2009), Nguyen (2018), Dang (2018), Chau (2018)
(3) CEO_Dual CEO kiêm Chủ tịch hội đồng quản trị
CEO Characteristic
(4) age Logarithm of CEO age-Logarit của tuổi CEO
Griffith et al (2002), Nguyen (2018), Dang (2018), Chau (2018)
Các biến Cách tính toán Nghiên cứu trước đây
Control Variable- Biến điều khiển
(6) SIZE Tổng số tài sản của ngân hàng
3.3.2. Thống kê mô tả
Kết quả mô tả dữ liệu cho các biến chỉ ra tỷ lệ nợ xấu trung bình các ngân hàng qua các năm là 0.017 tương ứng với 2.7%; trong đó lớn nhất là 11.4% và nhỏ nhất là 0. Tỷ lện nợ DR trung bình là 0.899; lớn nhất là 0.96 và nhỏ nhất là 0.53. Về độ tuổi của các CEO trong ngân hàng trung bình là 21 tuổi; lớn nhất là 67 tuổi. Số lượng thành viên trong ban quản trị trung bình là 17 người. Quy mô ngân hàng (TTS) trung bình là 15.5 nghìn tỷ đồng. ROA trung bình là 0.009 tương ứng với 0.9%; ROE trung bình là 9.5%, Tỷ lệ đòn bẩy tài chính trung bình là 11.12.
Bảng 3.3. Kết quả chạy số liệu phần mềm Stata của các NHTM
VarName Obs SD Mean Min Max
NPL 360 0.016 0.017 0.000 0.114 DR 340 0.055 0.899 0.538 0.967 age 216 22.811 21.167 0.000 67.000 CEO_Dual 360 0.401 0.200 0.000 1.000 number 360 4.360 17.900 11.000 29.000 SIZE (ln(TTS)) 340 1.291 31.949 28.420 34.811 TTS 360 2.33e+14 1.55e+14 0.000 1.31e+15
ROA 360 0.009 0.009 -0.060 0.060
ROE 360 0.082 0.095 -0.563 0.445
3.3.3. Phân tích hồi quy
Việc lựa chọn mô hình nghiên cứu sẽ sử dụng kiểm định Hausman giữa mô hình Fixed effect và Random effect, với giả thuyết:
Ho: Mô hình Random effect là phù hợp H1: Mô hình Fixed effect là phù hợp
Trong trường hợp kiểm định Hausman cho p-value lớn hơn 0.05 thì mô hình Random effect là phù hợp và ngược lại nếu p-value của kiểm định Hausman nhỏ hơn 0.05 thì mô hình Fixed effect là phù hợp.
Sau khi tìm ra mô hình phù hợp với dữ liệu, tác giả tiến hành kiểm định sự tin cậy của mô hình:
3.3.3.1. Kiểm định phương sai thay đổi
Ho: Mô hình không có phương sai thay đổi H1: Mô hình có phương sai thay đổi
Với p-value của kiểm định hetero lớn hơn 0.05 -> chấp nhận giả thuyết Ho (Mô hình không tồn tại phương sai thay đổi); ngược lại nếu p-value nhỏ hơn 0.05 -> mô hình tồn tại phương sai thay đổi.
3.3.3.2. Kiểm định tự tương quan
Ho: Mô hình không có tự tương quan H1: Mô hình có tự tương quan
Với p-value của kiểm định autocorrelation lớn hơn 0.05 -> chấp nhận giả thuyết Ho (Mô hình không tồn tại tự tương quan); ngược lại nếu p-value nhỏ hơn 0.05 -> mô hình tồn tại tự tương quan.
Trường hợp mô hình đều thỏa mãn không mắc phải một trong 2 điểm yếu triên có thể kết luận mô hình nghiên cứu đạt độ tin cậy để ước lượng. Ngược lại, khi mô hình gặp một trong 2 điểm yếu là tự tương quan và phương sai sai số thay
đổi thì cần khắc phục các điểm yếu của mô hình, tác giả tiến hành hiệu chỉnh sai số bằng mô hình GLS.
3.4. Kết quả phân tích, khảo sát biến NPL
Bảng 3.4. Phân tích biến NPL theo mô hình FEM
NPL Coef. Std. Err. t P>t age -0.00097 0.000564 -1.720 0.087 CEO_Dual CEO 0.005418 0.00297 1.820 0.070 Lnumber SIZE 0.010112 0.002876 3.520 0.001 LEV -0.00126 0.000311 -4.040 0.000 _cons -0.27657 0.079658 -3.470 0.001
Bảng 3.5. Phân tích biến NPL theo mô hình REM
NPL Coef. Std. Err. z P>z age -0.00025 0.000229 -1.110 0.266 CEO_Dual 0.012871 0.010828 1.190 0.235 CEO 0.005268 0.002712 1.940 0.052 Lnumber -0.0111 0.006706 -1.650 0.098 SIZE 0.004922 0.001318 3.740 0.000 LEV -0.00089 0.000282 -3.170 0.002 _cons -0.10023 0.038473 -2.610 0.009
Kiểm định Hausman để lựa chọn mô hình phù hợp
p-value của kiểm định Hausman bằng 0.0118 lớn hơn 0.05 nên mô hình FEM phù hợp với dữ liệu nghiên cứu.
Kiểm định tự tương quan cho mô hình: Với p-value bằng 0.0019 nhỏ hơn 0.1 nên mô hình tồn tại tự tương quan (lấy mức ý nghĩa 10%)
Kiểm định phương sai sai số thay đổi: P-value của kiểm định phương sai sai số thay đổi bằng 0.000 nên mô hình tồn tại phương sai sai số thay đổi.
Để khắc phục các khuyết tật mô hình, đề tài sử dụng mô hình hiệu chỉnh bằng mô hình GLS.
Prob>chi2 = 0.0118 = 12.89
chi2(4) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic
Prob > F = 0.0019 F( 1, 17) = 13.414 H0: no first-order autocorrelation
Wooldridge test for autocorrelation in panel data
Prob>chi2 = 0.0000 chi2 (18) = 404.04
H0: sigma(i)^2 = sigma^2 for all i in fixed effect regression model
Bảng 3.6. Kết quả hiệu chỉnh biến NPL bằng mô hình GLS NPL Coef. Std. Err. z P>z age -0.0003 0.000173 -1.730 0.083 CEO_Dual 0.015312 0.008234 1.860 0.063 CEO 0.004574 0.002549 1.790 0.073 Lnumber -0.0082 0.004587 -1.790 0.074 SIZE 0.003603 0.001055 3.420 0.001 LEV -0.00067 0.000264 -2.520 0.012 _cons -0.0683 0.029319 -2.330 0.020
Kết quả chạy phân tích dữ liệu cho thấy tuổi của CEO và số lượng thành viên hội đồng quản trị có tác động ngược chiều lên NPL (hệ số beta âm và p-value nhỏ hơn 0.1- lấy mức ý nghĩa 10%). Có thể thấy các CEO có độ tuổi càng lớn thì tỷ lệ nợ xấu có xu hướng lại càng giảm. Các CEO càng nhiều tuổi lại càng có nhiều kinh nghiệm trong việc điều hành và kiểm soát tỷ lệ nợ xấu. Kết quả khảo sát cũng cho thấy số lượng thành viên trong hội đồng quản trị càng nhiều thì tỷ lệ nợ xấu có xu hướng càng giảm đi. Việc có nhiều người trong hội đồng quản trị giúp kiểm soát tín dụng tốt hơn từ việc tham gia vào hệ thống quản lý doanh nghiệp
Kết quả khảo sát cho thấy CEO là chủ tịch hội đồng quản trị (CEO_Duality) có tác động cùng chiều lên NPL (hệ số beta dương và p-value nhỏ hơn 0.1). Kết quả này chỉ ra trong trường hợp CEO là chủ tịch hội đồng quản trị thì tỷ lệ nợ xấu tăng lên so với các doanh nghiệp không có CEO là chủ tịch hội đồng quản trị.
Giới tính CEO có tác động cùng chiều lên NPL (hệ số beta dương và p- value nhỏ hơn 0.1). CEO là nam giới thì có NPL cao hơn so với các doanh nghiệp có CEO là nữ giới.
Số lượng thành viên ban quản trị (number) có tác động ngược chiều lên NPL cho thấy trong doanh nghiệp số lượng thành viên quản trị càng nhiều thì NPL càng cao.
Quy mô doanh nghiệp SIZE có tác động cùng chiều lên NPL. Việc ngân hàng mở rộng quy mô kinh doanh dẫn tới việc huy động vốn đầu tư nhiều hơn, làm cho áp lức về lợi nhuận giữ lại để̉ đầu tư cũng tăng lên. Điều này dẫn tới sự quản lý lỏng lẻo trong việc cho vay tín dụng dẫn tới khả năng nợ xấu tăng cao.
Đòn bẩy tài chính LEV có tác động ngược chiều lên NPL cho thấy sử dụng tỷ lệ nợ càng nhiều thì NPL càng giảm. Kết quả này cho thấy hiệu quả trong việc sử dụng công cụ đòn bẩy tài chính trong việc kiểm soát NPL.
3.5. Kết quả phân tích, khảo sát biến DR (tổng nợ/tổng tài sản)
Bảng 3.7. Kết quả chạy số liệu cho biến DR theo mô hình FEM
DR Coef. Std. Err. t P>t age -0.00552 0.001378 -4.000 0.000 CEO_Dual 0 - CEO 0.019284 0.00726 2.660 0.009 Lnumber 0 - SIZE 0.039022 0.00703 5.550 0.000 LEV 0.007903 0.000761 10.380 0.000 _cons -0.34045 0.194711 -1.750 0.082
Bảng 3.8. Kết quả chạy số liệu cho biến DR theo mô hình REM DR Coef. Std. Err. z P>z age -0.00026 0.000605 -0.430 0.667 CEO_Dual -0.00551 0.028605 -0.190 0.847 CEO 0.017471 0.006931 2.520 0.012 Lnumber -0.01142 0.017997 -0.630 0.526 SIZE 0.012295 0.003454 3.560 0.000 LEV 0.008728 0.000721 12.110 0.000 _cons 0.434733 0.101652 4.280 0.000
Kiểm định Hausman để lựa chọn mô hình phù hợp
p-value của kiểm định Hausman bằng 0.000 nhỏ hơn 0.05 nên mô hình FEM phù hợp với dữ liệu nghiên cứu.
Kiểm định tự tương quan cho mô hình: Với p-value bằng 0.0019 nhỏ hơn 0.1 nên mô hình tồn tại tự tương quan (lấy mức ý nghĩa 10%)
Kiểm định tự phương sai sai số thay đổi: P-value của kiểm định phương sai sai số thay đổi bằng 0.000 nên mô hình tồn tại phương sai sai số thay đổi
Prob>chi2 = 0.0000 = 451.24
chi2(4) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic
Prob > F = 0.0756 F( 1, 17) = 3.581 H0: no first-order autocorrelation
Bảng 3.9. Kết quả hiệu chỉnh biến DR bằng mô hình GLS DR Coef. Std. Err. z P>z age 0.000105 0.000441 0.240 0.812 CEO_Dual -0.01998 0.02097 -0.950 0.341 CEO 0.010746 0.006492 1.660 0.098 Lnumber -0.00354 0.011682 -0.300 0.762 SIZE 0.009519 0.002687 3.540 0.000 LEV 0.008792 0.000672 13.080 0.000 _cons 0.502269 0.074665 6.730 0.000
Giới tính của CEO có tác động cùng chiều lên tỷ lệ nợ DR (hệ số beta + và p-value nhỏ hơn 0.1). Kết quả chỉ ra với các ngân hàng có CEO là nam có xu hướng sử dụng nợ ít hơn so với các doanh nghiệp có CEO là nữ giới. Như vậy với CEO là nam giới sẽ có xu hướng cẩn thận hơn trong việc sử dụng tỉ lệ nợ.
Quy mô doanh nghiệp SIZE có tác động cùng chiều lên tỷ lệ nợ DR. Kết quả này chỉ ra các doanh nghiệp mở rộng quy mô sẽ sử dụng đáng kể nguồn vốn vay bên ngoài thay vì sử dụng nguồn vốn bên trong doanh nghiệp (từ lợi nhuận giữ lại hoặc huy động vốn từ phát hành cổ phiếu).
Prob>chi2 = 0.0000 chi2 (18) = 4754.03
H0: sigma(i)^2 = sigma^2 for all i in fixed effect regression model
Quy mô hội đồng quản trị có tác động đến năng lực giám sát, quản lý và tham vấn của các nhà quản lý và do vậy, có tác động trực tiếp đến các tỷ lệ GNP và DR. Hiện nay có hai cách tiếp cận khác nhau về quy mô hội đồng quản trị, quan điểm đầu tiên, cho rằng số lượng thành viên hội đồng quản trị được coi là yếu tố quyết định thiết yếu của quản trị doanh nghiệp hiệu quả vì quy mô hội đồng lớn thúc đẩy khả năng của công ty hiểu rõ hơn và đáp ứng với các bên liên quan khác nhau, vì các hội đồng lớn hơn có thể cung cấp sự đa dạng hơn giúp các công ty bảo đảm nguồn lực và giảm bớt những bất trắc liên quan. Hơn nữa, phân công hội đồng bị ảnh hưởng bởi quy mô hội đồng vì các hội đồng lớn có nghĩa là nhiều giám đốc hơn và có thể tạo thành nhiều ủy ban hơn để giao nhiệm vụ khác nhau và tạo điều kiện phân chia công việc cho số lượng thành viên lớn hơn. Nhiều nghiên cứu cho thấy các công ty có nhiều thành viên hội đồng quản trị biểu hiện phá sản thấp hơn.
Quan điểm khác, cho rằng quy mô hội đồng có liên quan nghịch đảo với khả năng của hội đồng quản trị để đưa ra lời khuyên và tham gia hoạch định chiến lược do những khó khăn liên quan đến việc tổ chức và điều phối các nhóm thành viên HĐQT số lượng lớn, quan điểm này cho thấy rằng hội đồng lớn phải đối mặt với vấn đề giao tiếp và phối hợp ảnh hưởng đến sự linh hoạt của họ trong việc ra quyết định. Cũng theo quan điểm này, quy mô hội đồng quản trị có ý nghĩa thống kê tiêu cực đối với việc chấp nhận rủi ro được đo bằng độ lệch chuẩn của thu nhập và được giải thích rằng quy mô hội đồng nhỏ sắp xếp lợi ích giữa các cổ đông và nhà quản lý tốt hơn dẫn đến giảm thiểu rủi ro ngân hàng.
Từ kết quả chạy số liệu của 34 NHTM cổ phần của Việt Nam trong luận văn cho thấy trong trường hợp này, quy mô hội đồng quản trị lớn hơn sẽ tăng
cường năng lực giám sát và cập nhật các nguồn thông tin tốt hơn. Quy mô của hội đồng quản trị và mức chấp nhận rủi ro có quan hệ nghịch đảo.
Qua nghiên cứu khảo sát, luận văn cũng nhận thấy thành viên hội đồng quản trị không điều hành đóng vai trò là yếu tố khách quan bên ngoài trong quá trình tham vấn và đưa ra quyết định của hội đồng quản trị, và có ảnh hưởng tích cực đến việc quản lý rủi ro tài chính. Điều này phù hợp với kết quả chạy số liệu cho cả 2 chỉ số NPL và DR với 30 NHTM ở Việt Nam. Tuy nhiên, tỷ lệ thành viên hội đồng quản trị không điều hành thể hiện tính độc lập và sức mạnh của hội đồng quản trị lại không có tác động đáng kể đến rủi ro tín dụng và rủi ro thanh khoản.
Sự kiêm nhiệm hai chức vụ có nghĩa là một người nắm giữ hai vị trí quyền lực trong hội đồng quản trị, đó là CEO và chủ tịch. Lý thuyết đại diện (Agency Theory) cho rằng khi CEO nắm giữ hai vị trí quyền lực của CEO và Chủ tịch, tập trung quyền lực trong một tay của cùng một người, khi đó, tập đoàn sẽ được hưởng những lợi ích truyền thống của sự thống nhất giữa chỉ huy và kiểm soát. Những quyết sách phù hợp và có tính thời cơ được triển khai nhanh hơn và các ngân hàng sẽ bắt được các cơ hội. Mặt khác, khi CEO đồng thời là Chủ tịch, vi phạm quy tắc giám sát và chức năng kiểm soát, sẽ là những nhân tố chủ yếu dẫn đến tăng rủi ro ngân hàng. Nhưng khi tách biệt 2 chức vụ này, xung đột giữa Chủ tịch HĐQT và CEO có thể xảy ro do Chủ tịch lấn sân điều hành. Từ đây có thể đưa ra giải pháp là để đảm bảo hiệu quả hoạt động của ngân hàng, cần thực hiện các quy tắc kế toán và xây dựng bộ ứng xử trong hoạt động để giảm thiểu sự độc quyền và xung đột.
Tuổi của CEO đóng và trò quan trọng trong việc chấp nhận rủi ro của ngân hàng. CEO tuổi càng cao thì sẽ càng khó chấp nhận rủi ro hơn. Còn trái lại, CEO tuổi càng trẻ thì sẽ năng động, tự tin và lạc quan hơn nên sẽ chấp nhận rủi ro dễ
hơn. CEO nhiều tuổi sẽ giàu kinh nghiệm quản lí nhưng lại sợ thua lỗ nặng nề nên đôi lúc còn hơi cứng nhắc trong việc quyết định thay đổi chiến lược hay chính sách phát triển của ngân hàng. Kết quả chạy khảo sát các chỉ số NPL và DR của 34 NHTM trong luận văn đều cho thấy tuổi của các thành viên HĐQT ảnh hưởng rất rõ rệt tới khẩu vị rủi ro của các NHTM Việt Nam, và tuổi cao hơn, sự rủi ro ít hơn.
Sự hiện diện của phụ nữ trong ban giám đốc đã trở thành một vấn đề rất được quan tâm trong những năm gần đây. Nhiều nghiên cứu cho thấy các nữ giám đốc nỗ lực nhiều hơn để giám sát các giám đốc điều hành. Một số nhà nghiên cứu