3.3.1 Dữ liệu nghiên cứu:
Luận văn tiến hành nghiên cứu trên các NHTM tại Việt Nam, dữ liệu thu thập trong giai đoạn 2008 – 2017. Tính đến 31/12/2017 tại Việt Nam có 31 NHTMCP trong nƣớc. M u nghiên cứu còn lại sau khi loại trừ một số ngân hàng không cung cấp đầy đủ báo cáo tài chính, ngân hàng có quy mô nhỏ, ngân hàng kiểm soát đặc biệt, ngân hàng thƣơng mại sáp nhập và có ngân hàng không công bố đầy đủ tỷ lệ an toàn vốn, đã lựa chọn 19 NHTM tại Việt Nam nhƣ liệt kê tại bảng 3.2 trong giai đoạn 2008 – 2017, tức 10 năm với 190 quan sát để đƣa vào m u nghiên cứu. Nhƣ vậy dữ liệu nghiên cứu đƣợc chọn có tính đại diện cho các ngân hàng thƣơng mại (m u chọn chiếm 61,29%) thể hiện đƣợc các ngân hàng thƣơng mại có quy mô lớn, trung bình và nhỏ, các ngân hàng đều thoả quy định về vốn pháp định của Ngân hàng Nhà nƣớc Việt Nam.
Dữ liệu nghiên cứu đƣợc thu thập, tổng hợp từ báo cáo thƣờng niên, báo cáo tài chính hợp nhất đã đƣợc kiểm toán của các ngân hàng đƣợc chọn quan sát. Nguồn dữ liệu thu thập từ các website của chính ngân hàng thƣơng mại, công ty chứng khoán, các website nhƣ http://vietstock.vn, http://sbv.gov.vn. Cụ thể hơn, các chỉ số nhƣ tổng tài sản, nợ phải trả, dƣ nợ cho vay, vốn chủ sở hữu, tổng nguồn vốn huy động đƣợc đƣợc tính toán và lấy từ bảng cân đối kế toán; các yếu tố nhƣ chi phí dự phòng rủi ro, lợi nhuận sau thuế đƣợc thu thập từ báo cáo kết quả kinh doanh của NHTM trong từng năm.
Do đặc thù về nguồn dữ liệu, nên không cần phải tiến hành khảo sát, đo lƣờng và chọn m u mà chỉ nhập liệu tính toán bằng Excel các dữ liệu liên quan đến biến số của mô hình nghiên cứu, sau đó sắp xếp theo cấu trúc dữ liệu bảng cân bằng. Dữ liệu bảng là dữ liệu kết hợp giữa dữ liệu chéo và dữ liệu theo thời gian. Các dữ liệu chéo của từng đối tƣợng sẽ đƣợc đo lặp theo từng thời điểm khác nhau. Loại dữ liệu này vừa phân tích đƣợc đối tƣợng theo không gian và thời gian. Trong đề tài nghiên cứu này, luận văn sử dụng phần mềm Stata 13.0 MP để xử lý số liệu,
phân tích dữ liệu bảng và thực hiện những thống kê mô tả và phân tích thống kê hồi quy.
4Bảng 3.2: Danh sách các Ngân hàng TMCP trong mẫu nghiên cứu
STT Tên NHTM Ký hiệu Vốn điều lệ
(Tỷ đồng)
1 Ngân hàng TMCP An Bình ABB 5,319
2 Ngân hàng TMCP Á Châu ACB 10,273
3 Ngân hàng TMCP Đầu tƣ và Phát triển Việt Nam BIDV 34,187
4 Ngân hàng TMCP Công Thƣơng Việt Nam CTG 37,234
5 Ngân hàng TMCP Xuất Nhập Khẩu Việt Nam EXIM 12,355
6 Ngân hàng TMCP Phát triển nhà TP HCM HDB 9,810
7 Ngân hàng TMCP Kiên Long KLB 3,000
8 Ngân hàng TMCP Quân đội MB 18,155
9 Ngân hàng TMCP Hàng Hải Việt Nam MSB 11.750
10 Ngân hàng TMCP Nam Á NAB 3,021
11 Ngân hàng TMCP Xăng dầu Petrolimex PGB 3,000
12 Ngân hàng TMCP Đông Nam Á SEABANK 5,466
13 Ngân hàng TMCP Sài Gòn Công Thƣơng SAIGONBANK 3,080
14 Ngân hàng TMCP Sài Gòn Thƣơng Tín STB 18,852
15 Ngân hàng TMCP Kỹ thƣơng Việt Nam TCB 11,655
16 Ngân hàng TMCP Ngoại thƣơng Việt Nam VCB 35,978
17 Ngân hàng TMCP Quốc Tế Việt Nam VIB 5,644
18 Ngân hàng TMCP Bản Việt BANVIET 3,000
19 Ngân hàng TMCP Việt Nam Thịnh Vƣợng VPB 15,706
Nguồn: Tổng hợp từ Báo cáo 2017 của Ngân hàng Nhà nước Việt Nam
3.3.2 Các phƣơng pháp ƣớc lƣợng:
Dữ liệu luận văn là một dữ liệu bảng, các phƣơng pháp ƣớc lƣợng trên dữ liệu bảng thƣờng đƣợc sử dụng là mô hình hồi quy bình phƣơng tối thiểu thông
thƣờng (Pooled Ordinary Least Square –Pooled OLS), mô hình các ảnh hƣởng cố định (Fixed Effects Model –FEM), mô hình các ảnh hƣởng ng u nhiên (Random Effects Model –REM), mô hình hồi quy theo phƣơng pháp ƣớc lƣợng bình phƣơng nhỏ nhất tổng quát – GLS (Generalied least squares). Tuy rằng bản thân mỗi phƣơng pháp nghiên cứu đều có điểm ƣu và nhƣợc riêng của nó song tùy thuộc vào đặc điểm dữ liệu thu thập mà phƣơng pháp nghiên cứu nào sẽ thực sự phát huy tác dụng và cho kết quả chính xác nhất.
Mô hình bình phƣơng tối thiểu thông thƣờng (Pool OLS)
Mô hình (Pool OLS) có phƣơng trình nhƣ sau:
Yit = + 1 X1it + 2 X2it +...+ nXnit+ it Trong đó:
i: Đối tƣợng thứ i đƣợc quan sát (đơn vị chéo thứ i) t: Thời gian quan sát thứ t của đơn vị chéo thứ i
: Hệ số chặn
: Ảnh hƣởng biên của từng biến độc lập
it: Sai số của mô hình
Việc hồi quy theo Pool OLS có thể tạo ra các kết quả ƣớc lƣợng sai do các giả thuyết của mô hình bị vi phạm. Pool OLS có thể nhận diện sai do tự tƣơng quan và ràng buộc quá chặt về các đơn vi chéo, hiện tƣợng đa cộng tuyến hoặc phƣơng sai thay đổi.
Mô hình các ảnh hƣởng cố định (FEM)
Với giả định mỗi đơn vị đều có những đặc điểm riêng biệt có thể ảnh hƣởng đến các biến giải thích, FEM phân tích mối tƣơng quan này giữa phần dƣ của mỗi đơn vị với các biến giải thích qua đó kiểm soát và tách ảnh hƣởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ƣớc lƣợng những ảnh hƣởng thực (net effects) của biến giải thích lên biến phụ thuộc.
Trong đó:
Yit : thời gian (năm). Xit : biến độc lập
Ci (i=1….n) : hệ số chặn cho từng đơn vị nghiên cứu. β : hệ số góc đối với nhân tố X.
Uit : phần dƣ.
Mô hình trên đã thêm vào chỉ số i cho hệ số chặn “C” để phân biệt hệ số chặn của từng thực thể khác nhau có thể khác nhau, sự khác biệt này có thể do đặc điểm khác nhau của từng đơn vị hoặc do sự khác nhau trong chính sách quản lý, hoạt động của từng đơn vị.
Mô hình các ảnh hƣởng ngẫu nhiên (REM)
Điểm khác biệt giữa mô hình FEM và mô hình REM đƣợc thể hiện ở sự biến động giữa các đơn vị. Nếu sự biến động giữa các đơn vị có tƣơng quan đến biến độc lập – biến giải thích trong mô hình ảnh hƣởng cố định thì trong mô hình ảnh hƣởng ng u nhiên sự biến động giữa các đơn vị đƣợc giả sử là ng u nhiên và không tƣơng quan đến các biến giải thích. Chính vì vậy, nếu sự khác biệt giữa các đơn vị có ảnh hƣởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM. Trong đó, phần dƣ của mỗi thực thể (không tƣơng quan với biến giải thích) đƣợc xem là một biến giải thích mới.
Ý tƣởng cơ bản của mô hình ảnh hƣởng ng u nhiên cũng bắt đầu từ mô hình:
Yit = Ci + β Xit + Uit
Thay vì trong mô hình trên, Ci là cố định thì trong REM có giả định rằng nó là một biến ng u nhiên với trung bình là C và giá trị hệ số chặn đƣợc mô tả nhƣ sau:
Ci = C + εi (i=1,...n)
εi : Sai số ng u nhiên có trung bình bằng 0 và phƣơng sai là σ2 Thay vào mô hình ta có:
Yit = C + β Xit + εi + Uit hay Yit = C + β Xit + wit wit = εi + uit εi: Sai số thành phần của các đối tƣợng khác nhau
uit: Sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng đối tƣợng và theo thời gian.
3.3.3 Lựa chọn các phƣơng pháp ƣớc lƣợng:
- Để lựa chọn một trong hai mô hình hồi quy FEM và REM ta sử dụng kiểm định Hausman test để lựa chọn. Kiểm định Hausman có giả thuyết nhƣ sau: H0: Không có sự khác biệt có tính hệ thống giữa hai phƣơng pháp FEM và REM. Nếu P-value nhỏ hơn 0.05 thì với mức ý nghĩa 5%, giả thuyết H0 bị bác bỏ, từ đó lựa chọn FEM thay vì REM, tuy nhiên, nếu P-value lớn hơn 0.05, thì với mức ý nghĩa 5%, ta chấp nhận H0. Sử dụng REM để tránh làm mất quá nhiều bậc tự do và hạn chế đa cộng tuyến.
- Sử dụng kiểm định F-test để lựa chọn mô hình phân tích hồi quy phù hợp giữa FEM và Pool OLS. Kiểm định F giả thuyết H0 nhƣ sau: Các đặc điểm riêng về chủ thể không gian không giải thích đƣợc biến phụ thuộc vì vậy OLS là tốt hơn FEM. Sau khi chạy mô hình hồi quy theo phƣơng pháp FEM, nếu P-value nhỏ hơn 0.05 thì với mức ý nghĩa 5%, ta bác bỏ H0, lựa chọn FEM thay vì OLS.
- Trƣờng hợp khi kiểm định F cho thấy OLS thích hợp hơn FEM và kiểm định Hausman cho thấy REM thích hợp hơn FEM thì để lựa chọn một trong hai mô hình hồi quy REM và Pool OLS ta sử dụng kiểm định Breusch – Pagan Lagrangian để lựa chọn với giả thuyết H0 nhƣ sau: OLS thích hợp hơn REM. Khi đó P-value nhỏ hơn 0.05 thì với mức ý nghĩa 5%, ta bác bỏ H0, lựa chọn mô hình REM là phù hợp hơn.
3.3.4 Kiểm định sự phù hợp của mô hình:
i m đ nh hiện tư ng đa cộng tuyến
Mô hình hồi quy tốt sẽ loại trừ các trƣờng hợp những biến độc lập có mối quan hệ chi phối l n nhau. Nếu xảy ra đa cộng tuyến, dấu của hệ số hồi quy sẽ bị sai lệch, khoảng tin cậy bị nới rộng bất thƣờng.
Để xác định hiện tƣợng đa cộng tuyến, tác giả sẽ căn cứ theo quy tắc kinh nghiệm tức là VIF (hệ số phóng đại phƣơng sai của các biến giải thích) lớn hơn 10
giả sẽ loại trừ các biến số có VIF lớn 10, từ đó loại bỏ hiện tƣợng đa cộng tuyến trong mô hình.
i m đ nh phương sai sai số thay đổi
Nếu phƣơng sai của sai số không đổi thì phép hồi quy đạt tiêu chuẩn về tính hiệp phƣơng sai đồng nhất. Ngƣợc lại, nếu chỉ số này thay đổi thì những kết luận từ quá trình kiểm định, ƣớc lƣơng thƣờng dễ bị sai lầm.
Kiểm định phƣơng sai sai số thay đổi đƣợc thực hiện sau kiểm định Hausman. Nếu mô hình đƣợc chọn là mô hình FEM tôi sẽ sử dụng lệnh xttest3 để kiểm định phƣơng sai sai số thay đổi. Ngƣợc lại mô hình sử dụng là mô hình REM tôi sử dụng lệnh xttest0.
Điểm chung của các kiểm định này là giả thiết H0. H0: Phƣơng sai sai số không đổi, nếu P-value lớn 0.05 thì với mức ý nghĩa 5% chấp nhận H0. Mô hình không có hiện tƣợng phƣơng sai sai số thay đổi.
i m đ nh hiện tư ng tự tương quan
Khi xảy ra hiện tƣợng tự tƣơng quan sẽ làm cho các ƣớc lƣợng R2 quá cao so với thực tế, ƣớc lƣợng bị sai chệch. Gây ảnh hƣởng xấu đến mô hình hồi quy.
Để phát hiện hiện tƣợng tự tƣơng quan, tác giả sử dụng lệnh “xtserial <biến phụ thuộc> <biến độc lập>. Kiểm định này có giả thuyết H0 nhƣ sau: Không có hiện tƣợng tự tƣơng quan, nếu P – value lớn hơn 0.05 thì với mức ý nghĩa 5%, chấp nhận H0. kết luận mô hình không có hiện tƣợng tự tƣơng quan.
i m đ nh tự tương quan chuỗi giữa các phần dư đơn v chéo
Khi mô hình xuất hiện khuyết tật phƣơng sai sai số thay đổi, để đƣa ra biện pháp xử lý thống kê khắc phục mô hình ta tiến hành kiểm định tƣơng quan giữa phần dƣ của đơn vị chéo bằng cấu trúc lệnh xtcsd,pesaran abs với giả thuyết H0: không có hiện tƣợng tƣơng quan giữa các phần dƣ của đơn vị chéo. Khi P-value <0.05 ta chấp nhận H0: mô hình không có hiện tƣợng tƣơng quan giữa các phần dƣ của đơn vị chéo.
3.3.5 Xử lý các sai phạm của mô hình:
Phƣơng pháp GLS đƣợc sử dụng để kiểm soát hiện tƣợng tự tƣơng quan và phƣơng sai thay đổi. Phƣơng pháp GLS sẽ ƣớc tính mô hình theo phƣơng pháp OLS ngay cả trong trƣờng hợp có sự tồn tại của hiện tƣợng tự tƣơng quan và phƣơng sai thay đổi. Các sai số đƣợc rút ra từ mô hình sẽ đƣợc dung để ƣớc tính ma trận phƣơng sai - hiệp phƣơng sai của sai số. Sau đó sử dụng ma trận này để chuyển đổi các biến ban đầu và ƣớc tính giá trị các tham số cần tìm trong mô hình.
KẾT LUẬN CHƢƠNG 3
Dựa trên những cơ sở lý thuyết của chƣơng 2, chƣơng 3 đã trình bày đƣợc các nhân tố đƣợc chọn đƣa vào mô hình. Giải thích về phƣơng pháp nghiên cứu, trình bày cách xử lý dữ liệu và các bƣớc nghiên cứu và kiểm định. Chƣơng 3 đã tạo ra tiền đề khá vững chắc cho việc tiến hành hồi quy và kiểm định mô hình ở chƣơng 4.
CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1 Phân tích thống kê mô tả:
Dữ liệu nghiên cứu đƣợc tổng hợp từ báo cáo thƣờng niên, báo cáo tài chính của 19 NHTM trong thời gian 10 năm từ năm 2008 đến năm 2017, tổng cộng có 190 quan sát. Kết quả thống kê mô tả cho thấy giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất cho mỗi biến quan sát nhƣ sau:
5Bảng 4.1 Thống kê mô tả Biến Số quan sát Giá trị trung bình Độ lệch
chuẩn Giá trị nhỏ nhất Giá trị lớn nhất CAR 190 0.16104 0.07799 0.08020 0.55500 LLR 190 0.01176 0.01116 0.00035 0.11132 LOA 190 0.53426 0.13287 0.19429 0.81626 DEP 190 0.61870 0.13028 0.18511 0.89217 SIZE 190 18.10551 1.32828 14.45300 20.86602 LIQ 190 0.21368 0.10657 0.04502 0.61038 ROE 190 0.10106 0.07225 0.00081 0.42478 GDP 190 0.06035 0.00599 0.05030 0.06810 INF 190 0.07798 0.07187 0.00600 0.21300
Nguồn: Tính toán của tác giả từ dữ liệu bằng phần mềm Stata
6Bảng 4.2 Thống kê giá trị trung bình theo từng năm
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 CAR 23.00% 16.07% 17.71% 15.39% 16.27% 15.01% 13.96% 15.16% 14.58% 13.90% LLR 0.74% 0.61% 0.62% 0.96% 1.40% 1.15% 1.81% 1.57% 1.49% 1.41% LOA 51.93% 53.97% 48.41% 45.67% 49.23% 51.14% 52.14% 58.46% 61.23% 62.08% DEP 56.55% 56.48% 51.49% 48.16% 59.92% 64.11% 68.59% 72.18% 72.71% 68.52% LIQ 28.65% 28.21% 24.87% 27.63% 24.07% 20.40% 19.09% 13.99% 12.34% 14.43% ROE 9.85% 13.42% 13.96% 14.81% 10.13% 8.64% 7.17% 6.36% 7.17% 9.54% SIZE 16.959 17.425 17.905 18.130 18.122 18.260 18.379 18.463 18.612 18.799 GDP 6.23% 5.32% 6.78% 5.89% 5.03% 5.42% 5.98% 6.68% 6.21% 6.81% INF 19.90% 6.50% 11.75% 21.30% 6.81% 6.04% 1.84% 0.60% 1.83% 1.41%
Nguồn: Tính toán của tác giả
0.08020 (8,02%) và giá trị lớn nhất 0.55500 (55,5%). Nhƣ vậy giá trị trung bình CAR của các NHTM tƣơng đối cao hơn 9% so với yêu cầu của NHNN. Tổng quan trong giai đoạn 2008 – 2017 số liệu trên bảng 4.2 cho thấy các ngân hàng đã tuân thủ chặt chẽ quy định vốn tối thiểu của NHNN là 8% có hiệu lực từ năm 2005 và 9% có hiệu lực từ 01/10/2010.
- Tỷ lệ dự phòng rủi ro tín dụng (LLR) của các NHTM trong dữ liệu nghiên cứu trung bình 0.01176 (1.176%) với độ lệch chuẩn 1,11%. Tổng quan số liệu trên bảng 4.2 trong giai đoạn 2008-2017 tỷ lệ dự phòng rủi ro tín dụng tăng dần qua các năm.
- Trung bình tỷ lệ cho vay trên tổng tài sản (LOA) của các NHTM Việt Nam đạt 53,43% với độ lệch chuẩn 13,29%. Số liệu trên bảng 4.1 thể hiện dƣ nợ cho vay mức cho vay thấp nhất chiếm 19.42% tổng tài sản và lớn nhất đạt đến 81.63% tổng tài sản. Nhƣ vậy bình quân giai đoạn 2008 – 2018 có hơn một nửa tổng tài sản của ngân hàng dùng vào việc cho vay và cho vay là nguồn chính tạo ra thu nhập từ lãi cho ngân hàng. Điều đó khẳng định các NHTM Việt Nam có mức độ phụ thuộc cao vào hoạt động tín dụng và chất lƣợng tài sản ngân hàng chủ yếu phụ thuộc chất lƣợng các khoản cho vay.
- Tỷ lệ tiền gửi của khách hàng trên tổng tài sản (DEP) đạt trung bình 61.87%, độ lệch chuẩn 13.02%. Một khoảng cách lớn trong việc thu hút nguồn tiền gửi của các ngân hàng từ mức 18.5% đến 89.2%.
- Quy mô của các ngân hàng (SIZE) kết quả phân tích cho thấy quy mô ngân hàng trung bình đạt 18.10, độ lệch chuẩn 1.32. Biến SIZE của các NHTM Nhà nƣớc nhƣ BID, CTG, VCB có giá trị cao hơn rất nhiều so với các ngân hàng còn lại do các NHTM Nhà nƣớc có giá trị tổng tài sản lớn hơn vì đã đƣợc tích lũy qua thời