Phương pháp phân tích nghiên cứu sử dụng là hồi quy với dữ liệu bảng (panel data). Phương pháp hồi quy với dữ liệu bảng đã được thực hiện trong rất nhiều nghiên cứu trước đó như nghiên cứu của Dietricha và Wanzenried (2011), Ali và cộng sự (2011), Alper và Anbar (2011), Nguyễn Công Tâm và Nguyễn Minh Hà (2012)… Nghiên cứu sử dụng thống kê mô tả để phân tích sơ bộ thông tin cơ bản từ mẫu, phân tích hiện tượng đa cộng tuyến, tự tương quan, phương sai sai số thay đổi. Để xác định mối tương quan giữa biến độc lập và các biến phụ thuộc, nghiên cứu ước lượng tham số hồi quy cho mô hình các nhân tố tác động ảnh hưởng tới HQHĐ của các NHTM với mô hình tác động cố định (FEM), mô hình tác động ngẫu nhiên REM) và mô hình ước lượng bình phương tối thiểu tổng quát (GLS) để có phương trình tốt nhất thể hiện mối quan hệ của các nhân tố. Cụ thể, tác giả dự kiến thực hiện luận văn theo trình tự như sau:
- Phân tích thống kê mô tả
Trên cơ sở thu thập dữ liệu, tác giả tiến hành tính toán và mã hoá số liệu của các biến trên phần mềm EXCEL, sau đó nhập dữ liệu vào phần mềm STATA 13 thực hiện thống kê mô tả. Nội dung phân tích thống kê mô tả là tóm tắt các đặc trưng của dữ liệu phản ánh một cách tổng quát số mẫu quan sát, giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn… Mô tả giúp ta có cái nhìn tổng quát hơn về HQHĐ của các NHTM tại Việt Nam hiện nay.
- Phân tích ma trận tương quan giữa các biến
Phân tích tương quan cho ta cái nhìn khái quát về mối quan hệ giữa các biến trong mô hình, kiểm tra mối tương quan giữa các biến độc lập và biến phụ thuộc cũng như giữa các biến phụ thuộc với nhau. Chúng ta phải xác định tầm quan trọng của mỗi nhân tố khi chúng được sử dụng đồng thời trong mô hình và loại bỏ mối quan hệ giữa các nhân tố nếu cần thiết. Luận văn áp dụng phương pháp phân tích tương quan để xác định sự liên kết giữa các nhân tố giải thích. Phân tích này dựa trên ma trận tương quan (correlation matrix), mục đích chính là xem xét sự thay đổi
của các biến độc lập lên biến phụ thuộc là như thế nào và bảo đảm quan hệ đa cộng tuyến giữa các biến độc lập không là vấn đề lớn trước khi thực hiện hồi quy.
- Kiểm định hiện tượng đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau. Nghĩa là mỗi biến chứa đựng một số thông tin riêng về biến phụ thuộc và thông tin đó lại có trong biến độc lập khác. Hiện tượng đa cộng tuyến trong mô hình sẽ được kiểm tra bằng hệ số tương quan cặp giữa các biến độc lập và nhân tử phóng đại phương sai (VIF). Nếu hệ số tương quan giữa các biến độc lập lớn hơn 0.8 (chuẩn so sánh theo Farrar & Glauber (1967) là 0.8) sẽ dẫn đến hiện tượng đa cộng tuyến, tuy nhiên tiêu chuẩn này thường không chính xác và có những trường hợp hệ số tương quan khá thấp nhưng vẫn xảy ra đa cộng tuyến.
Do đó, để hạn chế sai sót cũng như đảm bảo tính vững cho mô hình, luận văn sẽ kiểm định thêm bằng cách phân tích chỉ tiêu nhân tử phóng đại phương sai (VIF) bằng lệnh “vif” trong STATA. Nếu trong kết quả kiểm định phát hiện có VIF của
biến >10 (Gujarati, 2003), tác giả loại 1 biến độc lập có VIF lớn nhất và lớn hơn 10. Sau đó tiếp tục thực hiện lệnh “collin” trong STATA với các biến độc lập còn lại,
kiểm định VIF và cứ tiếp tục loại bỏ biến cho đến khi VIF của tất cả các biến độc lập đều nhỏ hơn 10. Lúc đó, mô hình phù hợp, đã khắc phục được khuyết tật đa cộng tuyến.
- Ước lượng các mô hình hồi quy
Sau khi thực hiện xong thống kê mô tả và phân tích tương quan giữa các biến, nghiên cứu phải đi ước lượng mô hình. Đây là một bước quan trọng trong quá trình xử lý dữ liệu. Vì dữ liệu được sử dụng là dữ liệu bảng mà theo Gujarati (2003) cho rằng việc ước lượng mô hình ước lượng bình phương tối thiểu cổ điển (OLS) theo cách thông thường sẽ không hợp lý và thiếu hiệu quả vì bỏ qua những đặc điểm riêng biệt từng cá nhân, thực thể và do đó sẽ bóp béo mối quan hệ thực tế giữa biến phụ thuộc và biến độc lập, kết quả ước lượng có thể sẽ bị thiên lệch. Thay vào đó, luận văn sử dụng 3 phương pháp ước lượng mô hình hồi quy dữ liệu bảng với mô
hình tác động cố định (FEM), mô hình tác động ngẫu nhiên (REM) và mô hình ước lượng bình phương tối thiểu tổng quát (GLS).
Mô hình tác động cố định (FEM): Theo Gujarati (2003), mô hình FEM cho rằng mỗi thực thể (ngân hàng) đều có những đặc điểm riêng biệt (không đổi theo thời gian), có thể ảnh hưởng đến các biến độc lập, có sự tương quan giữa phần dư của mỗi thực thể (có chứa các đặc điểm riêng) với các biến độc lập. FEM có thể kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) này ra khỏi các biến phụ thuộc để chúng ta có thể ước lượng những ảnh hưởng thực (net effects) của biến độc lập lên biến phụ thuộc. Các đặc điểm riêng biệt (không đổi theo thời gian) này là đơn nhất đối với 1 thực thể và không tương quan với đặc điểm của các thực thể khác.
Mô hình tác động ngẫu nhiên (REM): Điểm khác biệt giữa REM và FEM được thể hiện ở sự biến động của các thực thể. Trong REM sự biến động của các thực thể được giả định là ngẫu nhiên và không tương quan với các biến độc lập. Do đó, nếu sự khác biệt giữa các thực thể có ảnh hưởng đến biến biến phụ thuộc thì FEM sẽ phù hợp hơn REM. Trong REM, phần dư của mỗi thực thể (không tương quan với biến giải thích) được xem là một biến giải thích mới.
Mô hình ước lượng bình phương tối thiểu tổng quát (GLS): Mô hình ước
lượng OLS cho mỗi quan sát các trọng số hay tầm quan trọng như nhau. Nhưng một mô hình ước lượng đưa các thông tin này vào mô hình và do vậy có khả năng đưa ra các ước lượng tuyến tính không thiên lệch tốt nhất (BLUE). Phép biến đổi các biến gốc để các biến đã biến đổi thỏa mãn các giả thiết của mô hình cổ điển và sau đó áp dụng phương pháp OLS đối với chúng được gọi là phương pháp ước lượng bình phương tối thiểu tổng quát (GLS). Nói ngắn gọn, GLS là OLS đối với các biến đã biến đổi để thỏa mãn các giả thuyết bình phương tối thiểu tiêu chuẩn.
- Kiểm định các giả thuyết hồi quy của mô hình nghiên cứu
Kiểm định Hausman Test để lựa chọn mô hình phù hợp. Việc lựa chọn mô
hình nào còn tùy thuộc vào việc kiểm định xem mô hình nào phù hợp hơn với mẫu dữ liệu nghiên cứu. Mô hình tác động cố định FEM thường được ưa chuộng hơn vì
nó có thể đánh giá được tác động của các biến ngẫu nhiên bị bỏ xót có tương quan với biến độc lập trong mô hình. Để lựa chọn một trong hai mô hình REM hoặc FEM, chúng ta sử dụng kiểm định Hausman Test để xem xét có tồn tại tự tương quan giữa εi,t và các biến độc lập hay không với cặp giả thuyết:
Giả thuyết: H0: εi,t và biến độc lập không tương quan H1: εi,t và biến độc lập có tương quan
Khi giá trị P-value < 0.05 ta bác bỏ H0, khi đó εi,t và biến độc lập có tương quan với nhau và ta sử dụng mô hình tác động cố định. Ngược lại, ta sử dụng mô hình tác động ngẫu nhiên là mô hình cuối cùng để hồi quy.
Kiểm định hiện tượng tự tương quan. Tự tương quan là sự tương quan giữa
các thành phần của chuỗi quan sát được sắp xếp theo thứ tự thời gian (trong chuỗi thời gian) hoặc không gian (trong số liệu chéo). Nghĩa là trong mô hình hồi quy cổ điển OLS ta giả thiết rằng không có tương quan giữa các Ui, Cov (Ui, Uj) = 0 (j ≠ i), sai số ứng với quan sát này không bị ảnh hưởng bởi sai số ứng với quan sát khác. Nếu mô hình ước lượng xảy ra hiện tượng TTQ tức giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng thu được bằng phương pháp ước lượng trên vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy.
Vì vậy tác giả dùng kiểm định Wooldridge bằng câu lệnh “xtserial” để kiểm tra TTQ với giả thuyết:
Giả thuyết: H0: Mô hình không có hiện tượng tự tương quan H1: Mô hình có hiện tượng tự tương quan
Nếu kết quả kiểm định cho thấy P-value > 0.05 thì chấp nhận giả thiết H0 và lựa chọn mô hình FEM là mô hình phù hợp nhất. Nếu P-value < 0.05 thì bác bỏ giải thuyết H0, mô hình có khuyết tật TTQ và chúng ta sẽ lựa chọn mô hình GLS là mô hình cuối cùng để hồi quy.
Kiểm định hiện tượng phương sai sai số thay đổi. Phương sai sai số thay đổi là hiện tượng phương sai của các số hạng này không giống nhau. Khi phương sai của các sai số thay đổi thì các ước lượng của các hệ số hồi quy không hiệu quả,
các kiểm định t và F không còn đáng tin cậy và từ đó dẫn đến hiện tượng ngộ nhận các biến độc lập trong mô hình nghiên cứu có ý nghĩa. Việc chuẩn đoán hiện tượng PSSSTĐ trong mô hình hồi quy có thể dựa vào kiểm định Breusch-Pagan (kiểm định nhân tử Lagrange) cho mô hình REM, sử dụng trong STATA theo lệnh
“xttest0”. Và dùng kiểm định Ward để phát hiện PSSSTĐ cho mô hình FEM, sử
dụng trong STATA lệnh “xttest3” với giả thuyết:
Giả thuyết: H0: Không có hiện tượng phương sai sai số thay đổi H1: Có xảy ra hiện tượng phương sai sai số thay đổi.
Xét giá trị p nếu p-value < 0.05, bác bỏ H0 tức mô hình tồn tại khuyết tật PSSSTĐ, chúng ta sẽ lựa chọn mô hình GLS là mô hình cuối cùng để hồi quy. Tuy nhiên, nếu lựa chọn mô hình REM thì hiện tượng PSSSTĐ đã tự triệt tiêu.
- Thảo luận kết quả nghiên cứu
Các giả thuyết nghiên cứu sẽ được tiến hành kiểm định thông qua dữ liệu nghiên cứu của phương trình hồi quy được xây dựng. Tiêu chuẩn kiểm định sử dụng thống kê t và giá trị p-value (Sig.) tương ứng, độ tin cậy lấy theo chuẩn 95%, giá trị p-value sẽ được so sánh trực tiếp với giá trị 0.05 để kết luận chấp thuận hay bác bỏ giả thuyết nghiên cứu. Để xem xét sự phù hợp dữ liệu và sự phù hợp của mô hình ta sử dụng hệ số R-square, thống kê t và thống kê F để kiểm định. Để đánh giá sự quan trọng của các nhân tố ta xem xét hệ số Beta (β) tương ứng trong phương trình hồi quy được xây dựng từ dữ liệu nghiên cứu.
Từ kết quả thực nghiệm của mô hình nghiên cứu, tác giả sẽ thảo luận và đưa ra nhận xét về sự tác động của các biến độc lập tác động đến HQHĐ của các NHTM tại Việt Nam trên cơ sở lý thuyết, quan điểm của những bài nghiên cứu trước.
KẾT LUẬN CHƯƠNG 3
Xuất phát từ cơ sở lý thuyết và các nghiên cứu có liên quan từ chương 2, tác giả đã thiết lập các giả thuyết nghiên cứu giữa các nhân tố bên trong và nhân tố bên ngoài để tìm ra mối quan hệ giữa các nhân tố đó đến HQHĐ của NHTM.
Tiếp theo, tác giả trình bày rõ cách thức lấy dữ liệu nghiên cứu, thiết lập mô hình nghiên cứu, đưa các biến nghiên cứu vào mô hình. Sau khi đã có mô hình và dữ liệu đầy đủ, tác giả trình bày trình tự nghiên cứu đầy đủ các bước như phân tích, thống kê, kiểm định… để tìm ra mô hình tối ưu nhất và đạt được kết quả đáng tin cậy nhất.
Kết quả cụ thể của việc nghiên cứu sẽ được tác giả trình bày ở chương tiếp theo.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 4.1 Khái quát thực trạng hoạt động của NHTM Việt Nam
4.1.1Khái quát về hệ thống NHTM Việt Nam giai đoạn 2007 – 2018
Về cơ bản trước thời kỳ đổi mới năm 1986, kinh tế Việt Nam nói chung và HTNH nói riêng đã không theo định hướng thị trường. Chỉ có NHNN Việt Nam hoạt động như một công cụ ngân sách của chính phủ. Tuy nhiên, những thay đổi đã biến đổi từ một nền kinh tế khép kín thành một nền kinh tế định hướng thị trường. Điều này dẫn đến sự thay đổi của HTNH theo chiều hướng tốt. Từ tháng 5 năm 1990, khi 2 pháp lệnh quan trọng đã được công bố: một là pháp lệnh về NHNN Việt Nam và hai là pháp lệnh về ngân hàng, hợp tác xã tín dụng và công ty tài chính đã chuyển đổi HTNH Việt Nam từ một cấp thành hai cấp, trong đó NHNN hiện nay chủ yếu hoạt động như một ngân hàng trung ương, trong khi các ngân hàng và các công ty tài chính có thể hoạt động độc lập với các hoạt động thương mại. Kể từ đó, HTNH ở Việt Nam đã phát triển với tốc độ rất nhanh, dẫn đến số lượng tổ chức ngân hàng đạt 100 vào cuối năm 2018 (trong đó có 2 ngân hàng chính sách, 4 NHTM nhà nước, 31 NHTM cổ phần, 2 ngân hàng liên doanh và 61 chi nhánh/ngân hàng nước ngoài).
4.1.2Lợi nhuận của các NHTM Việt Nam giai đoạn 2007 – 2018
Xuất phát từ các thay đổi về luật và chính sách giai đoạn 2008-2010, báo cáo đánh giá thực trạng của ngành ngân hàng tại thời điểm tháng 9-2018 nổi lên các vấn đề còn tồn tại là vốn thực của các ngân hàng và xử lý nợ xấu. Một phần lớn của báo cáo dành để đánh giá về thực trạng tái cơ cấu tại các ngân hàng yếu kém. Lợi nhuận thực của một số ngân hàng do lợi nhuận hạch toán chủ yếu dựa vào phần lãi dự thu nhưng thực tế chưa thu được. Với việc chỉ đích danh một số ngân hàng mặc dù vẫn có lãi lớn, nhưng dòng tiền từ hoạt động kinh doanh là âm, báo cáo kết luận có chuyện các ngân hàng huy động vốn tiết kiệm để trả lãi (dùng tiền người sau trả cho người trước). Sau đó là sự thoái trào, nợ xấu nổi lên và trở thành gánh nặng lớn níu kéo lợi nhuận của các NHTM niêm yết. Lợi nhuận sau thuế của các ngân hàng trong năm 2007 đạt 606 tỷ đồng, tăng dần cho đến năm 2011 đạt mức 1,511 tỷ đồng và điều chỉnh giảm còn 1,478 tỷ đồng kết thúc năm 2016. Kể từ năm 2017 lợi nhuận của ngân hàng có xu hướng tăng trưởng đáng kể đạt 2,111 tỷ đồng vào năm 2017 và 2,835 tỷ đồng vào năm 2018.
Biểu đồ 4.2. Lợi nhuận và thu nhập của các NHTM giai đoạn 2007– 2018
Nguồn: Báo cáo tài chính của các NHTM
Mặc dù tăng trưởng tín dụng chậm hơn, nhưng thu nhập ngoài lãi tăng mạnh đã giúp các ngân hàng đạt kết quả khả quan. Lợi nhuận ngành ngân hàng được kỳ
vọng tiếp tục gam màu sáng, bởi trong nửa đầu năm 2019, không ít ngân hàng đã hoàn thành vượt mục tiêu lợi nhuận cả năm. Tốc độ tăng lãi của các ngân hàng kể từ năm 2013 thể hiện hướng bắt nhịp trong những so sánh thúc đẩy, sau những năm chùng xuống tái cơ cấu và nặng gánh nợ xấu. Trước hết, tăng trưởng kinh tế với tốc độ cao đã trở lại. Điều này không phải là vấn đề vĩ mô với các NHTM, mà tạo động lực rất cụ thể vào lợi nhuận. Chỉ riêng quy mô tín dụng đã tăng hơn gấp đôi trong so sánh trên cũng đủ thấy lực đẩy đối với lợi nhuận các NHTM lớn như thế nào, dù hiệu quả được đánh giá ở các chỉ số khác.
Song song với hoạt động tín dụng, hoạt động dịch vụ cũng tạo lực đẩy rất lớn cho lợi nhuận ngân hàng. Trong một nền kinh tế ngày một hiện đại hơn, một thị