Tác giả sử dụng phƣơng pháp phân tích dữ liệu theo dạng bảng. Theo Gujarati, phƣơng pháp dữ liệu bảng có một số ƣu điểm trong phân tích nhƣ sau:
- Xem xét đƣợc tính không đồng nhất của các dữ liệu thu thập. Khi đó, tác giả có thể xem xét tính đặc thù của các biến số theo từng đối tƣợng, doanh nghiệp trong mẫu khảo sát.
- Do dữ liệu bảng là sự kết hợp các chuỗi dữ liệu theo không gian và thời gian nên các thông tin sẽ trở nên đa dạng hơn, ít xảy ra hiện tƣợng đa cộng tuyến giữa các biến số.
- Trong trƣờng hợp các chuỗi dữ liệu thời gian bị hạn chế về số quan sát, phƣơng pháp phân tích dữ liệu bảng sẽ giúp mở rộng số quan sát thông qua đặc
tính mở rộng về không gian. Điều này sẽ giúp giảm thiểu sự sai lệch trong các ƣớc tính.
Thông thƣờng, khi thực hiện hồi quy dữ liệu dạng bảng, có 03 phƣơng pháp phân tích thƣờng đƣợc sử dụng, bao gồm phƣơng pháp Pooled OLS, mô hình các ảnh hƣởng cố định (Fixed Effective Model – FEM) và mô hình các ảnh hƣởng ngẫu nhiên (Random Effective Model – REM). Trong luận văn này, tác giả cũng sử dụng 03 phƣơng pháp này để ƣớc lƣợng, phân tích đánh giá tác động của các nhân tố vĩ mô đến tỷ suất sinh lời của các ngân hàng thƣơng mại trong nƣớc.
3.4.1. Mô hình Pooled OLS
Đây là phƣơng pháp tiếp cận bình phƣơng bé nhất thông thƣờng trong hồi quy dữ liệu bảng. Phƣơng pháp này sẽ bỏ qua các đặc tính về không gian và thời gian của các chuỗi dữ liệu dạng bảng. Nói cách khác, phƣơng pháp này sẽ không xem xét các đặc tính về không gian và thời gian của các đối tƣợng trong mẫu khảo sát. Tuy nhiên, thông thƣờng phƣơng pháp này dễ xảy ra hiện tƣợng tự tƣơng quan giữa các chuỗi dữ liệu (điều này đƣợc thể hiện qua giá trị thống kê Durbin Watson khá thấp)
3.4.2. Mô hình các ảnh hƣởng cố định (Fixed Effective Model – FEM)
Mô hình các ảnh hƣởng cố định xem xét đặc điểm của các chuỗi dữ liệu theo đơn vị không gian (tính đặc thù riêng của từng đối tƣợng trong mẫu dữ liệu). Do đó, giá trị tung độ gốc sẽ thay đổi theo từng đối tƣợng nhƣng hệ số độ dốc vẫn đƣợc giả định là hằng số đối với các đối tƣợng
Đặt Yi,t = (Y1,i,…, Yn,i ) đại diện cho biến phụ thuộc của n đối tƣợng trong i năm; Xi,t = (x1,i, …, xn,i) là đại diện cho các biến độc lập của n đối tƣợng trong i năm. Khi đó, mô hình ƣớc lƣợng sẽ có dạng nhƣ sau:
Ký hiệu i trong tung độ gốc cho thấy sự khác nhau trong tung độ gốc của các đối tƣợng. Sự khác biệt này sẽ phản ánh đặc điểm riêng của từng đối tƣợng. Giá trị tung độ gốc của mỗi đối tƣợng không thay đổi theo thời gian (bất biến theo thời gian)
Về mặt kỹ thuật, so với mô hình Pooled OLS, mô hình FEM đƣa thêm biến giả theo đối tƣợng để xem xét xem có sự khác biệt giữa các đối tƣợng trong mẫu khảo sát hay không. Do đó, nếu biến giả đƣa thêm vào không có nghĩa thống kê, mô hình FEM sẽ chính là mô hình Pooled OLS
3.4.3. Mô hình các ảnh hƣởng ngẫu nhiên (Random Effective Model –
REM)
Theo Gujarati, việc đƣa thêm biến giả vào mô hình sẽ làm mất đi một bậc tự do của dữ liệu. Ngoài ra, theo ông, những ngƣời làm nghiên cứu có thể đƣa một sai số ƣớc tính vào trong mô hình để biểu thị sự khác biệt về tung độ gốc giữa các đối tƣợng thay cho việc đƣa biến giả này. Khi đó, mô hình (1) sẽ đƣợc biểu thị nhƣ sau:
(2) Với i = 1, 2, …, n
Trong đó, là sai số ngẫu nhiên với một giá trị trung bình bằng 0 và phƣơng sai bằng
Khi đó, các đối tƣợng trong mẫu khảo sát sẽ có sự khác biệt với nhau về thành phần . Các này là các giá trị không quan sát đƣợc. Các giá trị này không có tƣơng quan với nhau và không bị tự tƣơng quan giữa các đơn vị theo không gian và thời gian.
Trong trƣờng hợp này, giá trị phƣơng sai của sai số trong các ƣớc tính sẽ bao gồm 2 thành phần là và . Nếu thì tức là không có sự khác biệt giữa mô hình Pooled OLS và mô hình REM.
Giữa mô hình FEM và mô hình REM, Hausman (1978) đã xây dựng một kiểm định nhằm xem xét việc lựa chọn giữa hai mô hình này. Giả thiết H0: không có sự khác biệt đáng kể giữa mô hình FEM và mô hình REM (trong trƣờng hợp này lựa chọn mô hình REM). Nói cách khác, trong trƣờng hợp này, tung độ gốc (ngẫu nhiên) của từng đơn vị không tƣơng quan với các biến độc lập. Khi bác bỏ giả thiết H0 tức là có sự khác biệt đáng kể giữa mô hình FEM và mô hình REM (khi đó mô hình FEM tốt hơn), tức là tung độ gốc của từng cá nhân có thể tƣơng quan với một hay nhiều biến độc lập.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN KẾT QUẢ
Trong chương này, tác giả sẽ tiến hành thực hiện các bước trong quy trình nghiên cứu, từ đó đưa ra các kết quả nghiên cứu thực nghiệm của mình đối với trường hợp các ngân hàng thương mại cổ phần Việt Nam. Trong quá trình này, đầu tiên, tác giả sẽ thực hiện thống kê mô tả dữ liệu để xem xét tổng quan về dữ liệu của các ngân hàng thương mại cổ phần Việt Nam trong bài nghiên cứu. Sau đó, tác giả sẽ đi vào phân tích mối quan hệ đơn biến trong cùng thời điểm giữa các nhân tố vĩ mô nền kinh tế tác động đến tỷ suất sinh lời các ngân hàng Việt Nam thông qua các hệ số tương quan Pearson. Tiếp theo đó, tác giả sẽ xem xét tác động của các biến số vĩ mô đến tỷ suất sinh lời của các ngân hàng thương mại Việt Nam trong mô hình hồi quy đa biến. Mô hình hồi quy đa biến sẽ được ước tính bằng 03 phương pháp phân tích dữ liệu dạng bảng truyền thống, bao gồm phương pháp hồi quy OLS gộp (Pooled OLS); phương pháp mô hình các ảnh hưởng cố định – Fixed Effective Model (FEM) và phương pháp mô hình các ảnh hưởng ngẫu nhiên – Random Effective Model (REM)). Sau đó, tác giả thực hiện các kiểm định nhằm chọn ra phương pháp hồi quy tốt nhất đối với trường hợp dữ liệu của các ngân hàng thương mại cổ phần Việt Nam, từ đó đưa ra các thảo luận dựa trên kết quả của mô hình hồi quy tốt nhất này