Mối liên hệ tương quan theo thời gian là mối liên hệ giữa các dãy số biến động theo thời gian, trong đó có một số dãy số biểu hiện biến động của các chỉ tiêu nguyên nhân và một dãy số biểu hiện biến động của chỉ tiêu kết quả (sự biến động của nó phụ thuộc vào biến động của các chỉ tiêu nguyên nhân). Kết quả phân tích tương quan thể hiện trong bảng 4.2.
Bảng 4.2. Ma trận hệ số tương quan giữa các biến và kiểm định hệ số phóng đại phương sai VIF
ROA ROE CAR TCR DLR LTA NPL DIV SIZE INT GDP CPI VIF
ROA 1.0000 ROE 0.5720 1.0000 CAR 0.2713 -0.2650 1.0000 1.88 TCR -0.2837 -0.3917 -0.2487 1.0000 1.18 DLR -0.0296 -0.0397 0.0137 -0.0975 1.0000 1.69 LTA -0.1125 -0.0418 -0.0900 0.0780 -0.5941 1.0000 1.66 NPL -0.1873 -0.2110 -0.0061 0.1023 0.0612 0.0331 1.0000 1.12 DIV 0.0004 0.1389 -0.2024 0.0154 -0.0401 0.0046 -0.0578 1.0000 1.25 SIZE -0.1239 0.2630 -0.6590 0.1531 0.0230 0.0942 0.0327 0.2876 1.0000 2.02 INT 0.3739 0.1521 0.2820 -0.2583 -0.0870 -0.0810 0.1465 -0.2948 -0.3331 1.0000 6.53 GDP 0.0293 0.1097 -0.0941 -0.0100 -0.1120 0.1112 -0.2499 0.2996 -0.0061 -0.3397 1.0000 2.03 CPI 0.3950 0.2038 0.2565 -0.2367 -0.1457 0.0032 0.0297 -0.1968 -0.3249 0.8362 0.0319 1.0000 5.43
Theo kết quả phân tích tương quan giữa các biến tại bảng 4.2 thì hầu hết hệ số tương quan giữa các biến đều khá thấp. Kết quả cho thấy ROA có tương quan mạnh nhất với CPI (0.3950) và tương quan yếu nhất với DIV (0.0004). Đối với ROE, TCR có tác động mạnh nhất (-0.3917) và DLR tác động yếu nhất (-0.0397)
Đối với các biến độc lập, chỉ duy nhất biến INT và CPI có tương quan mạnh nhất với nhau (0.8362). Theo Farrar & Glauber (1967), nếu hệ số tương quan giữa các biến độc lập lớn hơn 0.8 thì mối quan hệ giữa các cặp biến sẽ rất chặt chẽ, có sự ảnh hưởng lẫn nhau và mô hình có khả năng mắc 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) trong STATA.
Kết quả các chỉ số VIF cũng được thể hiện trong bảng 4.2 của các biến độc lập đều < 10, từ đó kết luận mô hình không xuất hiện khuyết tật đa cộng tuyến. Điều đó cho thấy các biến độc lập có thể được sử dụng để ước lượng và bước đầu đánh giá được các dự báo của mô hình.