Trong mối quan hệ giữa các biến độc lập, có một lƣu cho thấy biến lãi suất (R) và biến tỷ lệ lạm phát (INF) có mối quan hệ tƣơng quan dƣơng có nghĩa thống kê khá cao (hệ số tƣơng quan là 0,874). Điều này cho thấy có sự nghi ngờ về việc hai biến số này có mối quan hệ với nhau. Nói cách khác, có nghi ngờ cho thấy hai biến số trên bị hiện tƣợng cộng tuyến trong mô hình hồi quy. Do đó, tác giả sẽ đi vào kiểm định hiện tƣợng đa cộng tuyến giữa các biến độc lập trong mô hình thông qua việc xem xét hệ số nhân tử phóng đại phƣơng sai VIF.
4.4. Phân tích mối quan hệ đa biến giữa các biến số với hiệu quả hoạt động của các ngân hàng thƣơng mại của các ngân hàng thƣơng mại
4.4.1. Kết quả kiểm định đa cộng tuyến của mô hình hồi quy ban đầu
Sau khi phân tích mối quan hệ đơn biến giữa các biến số độc lập và các biến phụ thuộc, tác giả tiếp tục thực hiện phân tích mối quan hệ đa biến giữa các yếu tố vĩ mô nền kinh tế với tỷ suất sinh lời trên tổng tài sản của các ngân hàng thƣơng mại (ROA). Tuy nhiên, do ở trên tác giả có nghi ngờ về hiện tƣợng cộng tuyến giữa các biến độc lập trong mô hình nên tác giả sẽ ƣu tiên thực hiện kiểm định hiện tƣợng đa cộng tuyến giữa các biến độc lập trong mô hình hồi quy trƣớc. Kết quả kiểm định hiện tƣợng đa cộng tuyến thông qua hệ số VIF đƣợc trình bày trong bảng 4.3 nhƣ sau:
Bảng 4.3: Kết quả kiểm định hiện tượng đa cộng tuyến giữa các biến trong mô hình hồi quy
Các biến số Hệ số VIF R 13,70 INF 8,91 LINDEX 4,37 GRER 3,23 GRM2 2,13 GRGDP 1,16 Trung bình VIF 5,58
Nguồn: Kết quả tổng hợp từ Phần mềm Stata dựa trên số liệu tác giả tổng hợp
Theo Hoàng Trọng Chu Nguyễn Mộng Ngọc (2008, tr.252), hệ số nhân tử phóng đại phƣơng sai VIF của các biến trong mô hình đều phải nhỏ hơn 10, nếu lớn hơn 10 thì cho thấy trong mô hình, một số biến độc lập có quan hệ chặt chẽ với nhau, nói cách khác mô hình có xảy ra hiện tƣợng đa cộng tuyến. Trong trƣờng hợp này, tác giả nhận thấy hệ số VIF của biến lãi suất R lớn hơn 10 (hệ số là 13,70). Kết hợp với kết quả kiểm định tƣơng quan Pearson giữa các biến số trong ma trận tƣơng quan ở trên, tác giả thấy rằng giữa lãi suất liên ngân hàng và tỷ lệ lạm phát có mối quan hệ tƣơng quan khá cao. Điều này cũng khá phù hợp trong thực tế ở Việt Nam, khi lãi suất liên ngân hàng (lãi suất danh nghĩa) chịu ảnh hƣởng khá lớn từ tỷ lệ lạm phát trong nƣớc. Đa phần những biến động trong lãi suất liên ngân hàng đều do lạm phát gây ra, ít chịu ảnh hƣởng của lãi suất
thực nên những biến động của lãi suất liên ngân hàng trong mẫu nghiên cứu của tác giả sẽ gần nhƣ biến động hoàn toàn theo tỷ lệ lạm phát.
Trong trƣờng hợp này, tác giả sẽ phải khắc phục hiện tƣợng cộng tuyến giữa các biến số độc lập trong mô hình. Do tác giả đã lấy tối đa số quan sát có thể đƣợc nên tác giả sẽ không thể mở rộng thêm bộ dữ liệu bằng việc thu thập thêm các quan sát. Ngoài ra, mục tiêu ban đầu của tác giả là muốn đồng nhất các đơn vị đo lƣờng giữa các biến số nên việc thay đổi dạng hàm cho lãi suất sẽ không đƣợc sử dụng (một lý do khác là việc lấy logarithm của chuỗi dữ liệu lãi suất sẽ không hiệu quả, kết quả vẫn cho thấy sẽ có hiện tƣợng cộng tuyến giữa hai biến số trong trƣờng hợp này). Vì vậy, để khắc phục hiện tƣợng cộng tuyến, tác giả sẽ loại bỏ biến lãi suất ra khỏi mô hình hồi quy. Khi đó, các biến trong mô hình sẽ không gặp phải hiện tƣợng đa cộng tuyến.
4.4.2. Kết quả kiểm định đa cộng tuyến của mô hình hồi quy hiệu chỉnh
Bảng 4.4 đƣa ra kết quả kiểm định hiện tƣợng đa cộng tuyến từ mô hình hồi quy đã đƣợc hiệu chỉnh:
Bảng 4.4: Kết quả kiểm định hiện tượng đa cộng tuyến giữa các biến trong mô hình hồi quy đã được hiệu chỉnh
Các biến số Hệ số VIF LINDEX 1,77 GRM2 1,66 GRER 1,59 INF 1,54 GRGDP 1,13 Trung bình VIF 1,53
Nguồn: Kết quả tổng hợp từ Phần mềm Stata dựa trên số liệu tác giả tổng hợp
Kết quả cho thấy tất cả các hệ số VIF đều rất nhỏ. Điều này cho thấy mô hình hồi quy hiệu chỉnh (sau khi loại bỏ biến lãi suất ra khỏi mô hình) không còn bị hiện tƣợng cộng tuyến giữa các biến số độc lập. Vì vậy, tác giả sẽ chấp nhận kết quả này và tiếp tục thực hiện các bƣớc tiếp theo trong việc phân tích mối quan hệ đa biến giữa các biến số.
Trong phần phân tích đa biến, tác giả sẽ thực hiện lần lƣợt các hồi quy mô hình lý thuyết theo 03 phƣơng pháp phân tích là mô hình hồi quy OLS gộp (Pooled OLS), mô hình hồi quy các ảnh hƣởng cố định (FEM) và mô hình hồi quy các ảnh hƣởng ngẫu nhiên (REM). Tiếp đó, tác giả sẽ thực hiện lần lƣợt các kiểm định để xem phƣơng pháp phân tích nào là phù hợp nhất trong điều kiện mẫu dữ liệu của tác giả, từ đó tác giả sẽ phân tích kết quả theo phƣơng pháp phân tích hồi quy phù hợp nhất. Trong phần này, tác giả sẽ trình bày kết quả của
phƣơng phân tích hồi quy phù hợp nhất và các kiểm định cho thấy phƣơng pháp hồi quy này là tốt nhất trong điều kiện mẫu dữ liệu tác giả thu thập đƣợc. Các kết quả của 02 mô hình còn lại sẽ đƣợc trình bày trong phụ lục của luận văn.
4.4.3. Kết quả hồi quy mô hình tác động của các nhân tố đến tỷ suất sinh lời ngân hàng
Bảng 4.5: Kết quả hồi quy tác động của các nhân tố hiệu quả hoạt động của các ngân hàng thương mại
Biến độc lập
Biến phụ thuộc: ROA
Hệ số tác động Giá trị thống kê z Giá trị p
Hằng số -0,071 -2,18 0,029 GRGDP -0,039 -0,90 0,368 INF 0,069*** 3,31 0,001 GM2 0,043*** 2,25 0,002 LINDEX 0,026** -2,12 0,025 GRER -0,008** -2,03 0,034 Số quan sát 220 R2 0,1132
Nguồn: Kết quả tổng hợp từ Phần mềm Stata dựa trên số liệu tác giả tổng hợp.
Ghi chú: Các biến trong bảng kết quả lần lượt tương ứng như sau: ROA:
Tỷ suất sinh lời trên tổng tài sản – Biến phụ thuộc được sử dụng để đo lường cho
hiệu quả hoạt động của các ngân hàng thương mại; GRGDP: Tốc độ tăng
độc lập; GRM2: Tốc độ tăng trưởng tổng lượng cung tiền M2 của nền kinh tế – biến độc lập; R: Lãi suất lên ngân hàng qua đêm – biến độc lập; LINDEX:
Logarithm của chỉ số thị trường chứng khoán – biến độc lập; GRER: Tốc độ
tăng trưởng của dự trữ ngoại hối – biến độc lập. Trong ngoặc () là kết quả của
giá trị thống kê p – value. Ký hiệu *,** và *** cho thấy các biến số có ý nghĩa thống kê lần lượt ở mức 10%, 5% và 1%.
Bảng 4.3 cho thấy tác động của các biến số vĩ mô nền kinh tế tác động đến tỷ suất sinh lời. Với mức nghĩa 10%, kết quả cho thấy:
- Đối với tác động của tăng trưởng kinh tế (GRGDP): Hệ số tác động của
biến tăng trƣởng kinh tế đến tỷ suất sinh lời của các ngân hàng thƣơng mại không có nghĩa thống kê.
- Đối với tác động của tỷ lệ lạm phát (INF): Kết quả cho thấy hệ số của
biến INF = 0,069 và có nghĩa thống kê cao (p – value = 0,001). Điều này cho thấy, khi tỷ lệ lạm phát trong nƣớc tăng lên 1%, tỷ suất sinh lời của các ngân hàng thƣơng mại sẽ tăng khoảng 0,069% trong các hoạt động của mình.
- Đối với tác động của cung tiền (M2): Hệ số tác động của biến tăng trƣởng cung tiền M2 đến tỷ suất sinh lời của các ngân hàng thƣơng mại là 0,043 và có nghĩa thống kê cao (p – value = 0,002). Điều này cho thấy khi cung tiền của nền kinh tế tăng lên 1% sẽ kéo theo sự gia tăng 0,043% trong tỷ suất sinh lời của các ngân hàng thƣơng mại.
- Đối với tác động của thị trường chứng khoán (INDEX): Kết quả cho thấy chỉ số thị trƣờng chứng khoán có tác động dƣơng tới ROA của các ngân hàng và có nghĩa thống kê (p – value = 0,025). Hệ số tác động của chỉ số thị trƣờng chứng khoán đến ROA là 0,026 cho thấy khi chỉ số thị trƣờng chứng khoán tăng lên 1%, tỷ suất sinh lời trên tổng tài sản của các ngân hàng thƣơng mại tăng là 0,026%.
- Đối với tác động của dự trữ ngoại hối (ER): Hệ số tác động của dự trữ ngoại hối đến ROA của các ngân hàng = -0,008 và có nghĩa thống kê (p – value = 0,034). Điều này cho thấy khi dự trữ ngoại hối của nền kinh tế tăng lên 1% sẽ làm cho tỷ suất sinh lời của các ngân hàng thƣơng mại giảm đi 0,008%
4.4.4. Các kết quả kiểm định lựa chọn mô hình phù hợp nhất2
4.4.4.1. Kiểm định lựa chọn giữa mô hình Pooled OLS và mô hình các ảnh hưởng cố định (FEM)
Bảng 4.6: Kết quả kiểm định lựa chọn giữa mô hình Pooled OLS và mô hình các ảnh hưởng cố định (FEM)
Chỉ tiêu Giá trị
Thống kê F (19, 195) 3,82
Giá trị P – value 0,000
Nguồn: Kết quả tổng hợp từ Phần mềm Stata dựa trên số liệu tác giả tổng hợp.
Giả thuyết H0: Không có sự khác biệt giữa các ngân hàng trong mẫu dữ
liệu khảo sát (Không có sự khác biệt giữa mô hình Pooled OLS và mô hình FEM)
Với mức nghĩa 10%, kết quả kiểm định thống kê F trong việc lựa chọn giữa mô hình Pooled OLS và mô hình các ảnh hƣởng cố định (FEM) cho thấy bác bỏ giả thuyết H0, tức là mô hình FEM tốt hơn mô hình Pooled OLS. Điều này cho thấy khi đƣa thêm biến giả ngân hàng vào sẽ phản ánh tốt hơn sự khác biệt giữa các ngân hàng trong mẫu khảo sát.
4.3.2.2. Kiểm định lựa chọn giữa mô hình Pooled OLS và mô hình các ảnh hưởng ngẫu nhiên (REM)
Bảng 4.7: Kết quả kiểm định lựa chọn giữa mô hình Pooled OLS và mô hình các ảnh hưởng ngẫu nhiên (REM)
Chỉ tiêu Giá trị
Thống kê Chi bình phƣơng 43,17
Giá trị P – value 0,000
Nguồn: Kết quả tổng hợp từ Phần mềm Stata dựa trên số liệu tác giả tổng hợp. Giả thuyết H0: Không có sai số tiềm ẩn trong mẫu dữ liệu khảo sát (Không có sự khác biệt trong sai số giữa mô hình Pooled OLS và mô hình REM)
Với mức nghĩa 10%, kết quả kiểm định thống kê Chi bình phƣơng trong việc lựa chọn giữa mô hình Pooled OLS và mô hình các ảnh hƣởng ngẫu nhiên (REM) cho thấy bác bỏ giả thuyết H0, tức là mô hình REM tốt hơn mô hình Pooled OLS. Điều này cho thấy trong mô hình hồi quy có một số thành phần sai số tiềm ẩn mà mô hình Pooled OLS không phản ánh đƣợc.
4.3.2.3. Kiểm định lựa chọn giữa mô hình các ảnh hưởng ngẫu nhiên (REM) và mô hình các ảnh hưởng cố định (FEM)
Bảng 4.8: Kết quả kiểm định lựa chọn giữa mô hình các ảnh hưởng ngẫu nhiên (REM) và mô hình các ảnh hưởng cố định (FEM)
Chỉ tiêu Giá trị
Thống kê Chi bình phƣơng 0,000
Giả thiết H0: Không có mối quan hệ tương quan tung độ gốc và các biến độc lập trong mô hình hồi quy (Không có sự khác biệt đáng kể giữa mô hình FEM và mô hình REM)
Với mức nghĩa 10%, kết quả kiểm định thống kê Chi bình phƣơng (Hausman test) trong việc lựa chọn giữa mô hình các ảnh hƣởng cố định (FEM) và mô hình các ảnh hƣởng ngẫu nhiên (REM) cho thấy chấp nhận giả thuyết H0, tức là mô hình REM tốt hơn mô hình FEM. Điều này cho thấy trong mô hình hồi quy, không có mối quan hệ tƣơng quan giữa hệ số tung độ gốc và các biến độc lập trong mô hình.