3.3.1. Xác định mẫu
Mỗi mẫu số liệu nghiên cứu chúng ta cần xác định rõ cỡ mẫu phù hợp. Để xác định cỡ mẫu phù hợp chúng ta có công thức:
⁄
Trong đó:
n: số quan sát cần cho nghiên cứu
C: hằng số đƣợc xác định từ xác suất sai sót loại I và loại II Δ: sai số mong muốn của nghiên cứu hiện tại
σ: độ lệch chuẩn của nghiên cứu trƣớc
Theo nghiên cứu của Phạm Thu Hiền và Nguyễn Đình Tuấn (2014) cho biết độ lệch chuẩn của biến phụ thuộc LLP là 0.648. Nghiên cứu chấp nhận sai số trong vòng 0.2 với khoảng tin cậy 95% (α = 0.5) tức là chấp nhận sai sót loại I là 5% và xác suất sai sót loại 2 là 5%. Từ đó xác định đƣợc hằng số C là 13, cho nên số quan sát cần thiết là:
⁄ á
(Nguồn: Ngân hàng Nhà nƣớc Việt Nam)
Hình 3.2: Hệ thống các Tổ chức tín dụng tại Việt Nam
Nhƣ hình 3.2, chúng ta có thể thấy hệ thống ngân hàng là chỉ là một phần của hệ thống các Tổ chức tín dụng tại Việt Nam. Tuy nhiên, hệ thống ngân hàng nói chung và hệ thống NHTM nói riêng là phố biến nhất và đóng vai trò rất lớn đối với nền kinh tế vì trong hệ thống các tổ chức tín dụng thì ngân hàng là tổ chức đƣợc thực hiện toàn bộ các hoạt động ngân hàng. Các NHTM tại Việt Nam với tổng vốn điều lệ là 462,905 tỷ đồng chiếm 92.66% của hệ thống các tổ chức tín dụng, tổng tài
sản là 8,544,922 tỷ đồng chiếm 95.29% tổng tài sản của toàn hệ thống các tổ chức tín dụng. Trong hệ thống NHTM tại Việt Nam thì các NHTM Việt Nam chiếm tỷ trọng lớn nhất với 35 ngân hàng, có tổng vốn điều lệ là 350,988 tỷ đồng, chiếm tỷ trọng 75.83% tổng vốn điều lệ của các NHTM tại Việt Nam, tổng tài sản ở mức 7,686,802 tỷ đồng, chiếm 89.96% tổng tài sản của các NHTM tại Việt Nam.
Bảng 3.2: Số lƣợng, tổng tài sản có và vốn điều lệ của hệ thống các TCTD
Loại hình ngân hàng Số lƣợng Tổng tài sản có (tỷ đồng) Tỷ trọng (%) Vốn điều lệ (tỷ đồng) Tỷ trọng (%) Ngân hàng nhà nƣớc 7 4,076,004 45.45% 147,653 29.56%
Ngân hàng tƣ nhân 28 3,610,798 40.27% 203,335 40.70%
Ngân hàng liên doanh,
100% vốn nƣớc ngoài 11 858,120 9.57% 111,917 22.40% Ngân hàng chính sách 2 173,464 1.93% 10,696 2.14%
Ngân hàng hợp tác xã 1 25,600 0.29% 3,025 0.61%
Công ty tài chính, công ty cho thuê tài chính
27 126,028 1.41% 19,204 3.84%
Quỹ tín dụng nhân dân 97,145 1.08% 3,724 0.75%
Toàn hệ thống 8,967,159 100.00% 499,554 100.00%
(Nguồn: Báo cáo thống kê một số chỉ tiêu cơ bản của Ngân hàng Nhà nƣớc) Qua khảo sát các nguồn dữ liệu có thể thu thập tác giả xác định có 19 ngân hàng trong tổng số 35 NHTM Việt Nam phù hợp để lấy mẫu trong khoảng thời gian 10 năm từ 2007 – 2016. Nhƣ vậy tổng cộng có 10*19=190 quan sát, đáp ứng yêu cầu về số lƣợng mẫu tối thiểu. Các ngân hàng đƣợc tác giả chọn để nghiên cứu là những ngân hàng Việt Nam đƣợc thành lập dƣới hình thức NHTM cổ phần và có mã chứng khoán đƣợc giao dịch trên các sàn HOSE, HNX và OTC để đảm bảo các số liệu thu thập đƣợc mang tính khách quan hơn. 19 ngân hàng đƣợc chọn có tổng vốn điều lệ là 254,955.20 tỷ đồng chiếm 72.64% tổng vốn điều lệ của các NHTM Việt Nam. Trong số 19 ngân hàng có 3 NHTMCPNN chiếm 72.73% vốn điều lệ trong tổng số 7 NHTM nhà nƣớc và có 16 NHTMCPTN chiếm 72.57% tổng vốn điều lệ trong tổng số 28 NHTMCPTN Việt Nam
Bảng 3.3: Danh sách các ngân hàng đƣợc chọn để nghiên cứu
STT Mã chứng khoán Tên ngân hàng Vốn điều lệ (tỷ đồng)
Sàn niêm yết
1 ABB Ngân hàng Thƣơng mại cổ phần An Bình 5,319.00 OTC 2 ACB Ngân hàng Thƣơng mại Cổ phần Á Châu 9,377.00 HNX
3 EIB
Ngân hàng Thƣơng mại Cổ phần Xuất nhập
khẩu Việt Nam (Eximbank) 12,355.00 HSX
4 HDBANK
Ngân hàng TMCP Phát triển T.P Hồ Chí
Minh 8,100.00 OTC
5 MARITIMEBANK
Ngân hàng Thƣơng mại cổ phần Hàng hải
Việt Nam 11,750.00 OTC
6 MBB Ngân hàng Thƣơng mại Cổ phần Quân đội 17,127.00 HSX 7 SCB Ngân hàng Thƣơng mại Cổ phần Sài Gòn 14,295.00 OTC
8 SHB
Ngân hàng Thƣơng mại cổ phần Sài Gòn -
Hà Nội 11,196.00 HNX
9 STB
Ngân hàng Thƣơng mại Cổ phần Sài Gòn
Thƣơng Tín (Sacombank) 18,852.00 HSX
10 TCB
Ngân hàng TMCP Kỹ Thƣơng Việt Nam
(Techcombank) 8,878.00 OTC
11 VIB
Ngân hàng Thƣơng mại cổ phần Quốc tế
Việt Nam 5,644.00 UPCOM
12 VPB
Ngân hàng Thƣơng mại Cổ phần Việt Nam
Thịnh Vƣợng 9,181.00 OTC
13 OCB
Ngân hàng Thƣơng mại Cổ phần Phƣơng
Đông 4,000.00 OTC
14 SEABANK
Ngân hàng Thƣơng mại Cổ phần Đông Nam
Á 5,466.00 OTC
15 NAMABANK Ngân hàng Thƣơng mại Cổ phần Nam Á 3,012 OTC 16 NCB Ngân hàng Thƣơng mại Cổ phần Quốc Dân 3,010 HNX
17 BID
Ngân hàng Thƣơng mại cổ phần Đầu tƣ và
Phát triển Việt Nam 34,187.20 HSX
18 CTG
Ngân hàng Thƣơng mại Cổ phần Công
thƣơng Việt Nam (Vietinbank) 37,234.00 HSX
19 VCB
Ngân hàng Thƣơng mại cổ phần Ngoại
3.3.2. Phƣơng pháp thu thập dữ liệu
Số liệu đƣợc thu thập thủ công từ BCTC và báo cáo thƣờng niên của các NHTM cổ phần niêm yết trên HOSE, HNX và OTC. BCTC của các NHTM cổ phần đƣợc thu thập chủ yếu từ trang http://cafef.vn/. Ngoài ra trong quá trình thu thập có một số thời điểm ngân hàng không công bố BCTC đầy đủ, thƣờng là năm 2007, 2008 tác giả sẽ thu thập từ các nguồn khác và tiến hành đối chứng nhiều nguồn khác nhau nhƣ từ báo cáo phân tích của các công ty chứng khoán, các luận văn có dẫn nguồn số liệu này.
Một vấn đề nữa đó là các ngân hàng có quy mô cũng nhƣ đặc điểm hoạt động khác nhau nên số liệu cũng mang tính đặc thù của từng ngân hàng. Do đó để giảm sự khác biệt giữa các ngân hàng (ngoại trừ những yếu tố định tính) và để tránh những tác động phức tạp của quy mô tài sản lên các biến số trong mô hình dẫn đến kết quả hồi quy thiếu chính xác, các số liệu đƣợc chuyển hóa bằng cách chia cho tổng tài sản của từng ngân hàng tƣơng ứng theo từng năm. Riêng biến quy mô tài sản đƣợc tách ra xem xét riêng trong mô hình và đƣợc làm trơn bằng cách lấy logarit tự nhiên.
3.3.3. Phƣơng pháp xử lý số liệu
Sau khi thu thập dữ liệu, tác giả sẽ tiến hành xử lý và phân tích các dữ liệu theo quy trình sau:
Hình 3.3: Quy trình xử lý và phân tích số liệu 3.3.3.1. Phƣơng pháp hồi quy
Trong nghiên cứu này tác giả sử dụng dữ liệu thu thập từ BCTC theo năm của các NHTM Việt Nam niêm yết trên HOSE, HNX và OTC trong giai đoạn 2007 - 2016. Đây là loại dữ liệu kết hợp giữa dữ liệu chéo (cross –section) và dữ liệu thời gian (time series) nên phƣơng pháp hồi quy đƣợc sử dụng ở đây là phƣơng pháp hồi quy cho dữ liệu bảng. Theo Nguyễn Ngọc Thuyết (2017a), hai mô hình hồi quy phổ biến là mô hình hồi quy tác động cố định (FEM) và mô hình hồi quy tác động ngẫu nhiên (REM) đƣợc sử dụng để phân tích dữ liệu bảng. Đây là hai mô hình đƣợc ƣu tiên sử dụng để giải quyết hai vấn đề quan trọng liên quan đến sai số trong mô hình dữ liệu bảng. Đó là sự tƣơng quan giữa các biến giải thích với các tác động riêng lẽ của các đối tƣợng quan sát khác nhau và sự tƣơng quan giữa các biến giải thích với thành phần sai số nhiễu. Sự tồn tại của một trong hai hay cả hai yếu tố trên làm cho kết quả ƣớc lƣợng theo phƣơng pháp bình phƣơng nhỏ nhất (OLS) sẽ bị chệch và
GMM FGLS
không còn hiệu quả nữa (Nguyễn Ngọc Thuyết, 2017b). Tuy nhiên, nghiên cứu vẫn sử dụng ƣớc lƣợng OLS thô cho dữ liệu bảng và thực hiện các kiểm định để thấy mô hình FEM và REM hiệu quả hơn. Theo Gujarati (2004), ƣớc lƣợng OLS thô là ƣớc lƣợng OLS trên dữ liệu thu đƣợc của đối tƣợng theo thời gian, do vậy nó xem xét tất cả các hệ số đều không thay đổi giữa các đối tƣợng khác nhau và không thay đổi theo thời gian.
Trong trƣờng hợp mô hình đƣợc lựa chọn (FEM hoặc REM) gặp phải các khuyết tật nhƣ tự tƣơng quan, phƣơng sai sai số thay đổi thì phƣơng pháp hồi quy moment tổng quát (GMM) và phƣơng pháp hồi quy bình phƣơng bé nhất tổng quát thực hành (FGLS) sẽ đƣợc sử dụng để khắc phục vấn đề trên.
Mô hình hồi quy tác động cố định (FEM)
Xét một mối quan hệ kinh tế với biến phụ thuộc Y và hai biến giải thích quan sát đƣợc là X1, X2. Mô hình hồi quy tác động cố định FEM có dạng
Yit = β1i+ β2X1it + β3X2it + εit (3.10) Với i = 1, 2, …, N và t = 1,2, …, T
Trong đó:
Yit là giá trị của Y cho đối tƣợng i ở thời điểm t X1it là giá trị của X1 cho đối tƣợng i ở thời điềm t X2it là giá trị của X2 cho đối tuợng i ở thời điềm t
εit là các thành phần sai số riêng đặc trƣng của mô hình và đƣợc chia thành 2 thành phần: εit = μi + vit. Trong đó:
μi là thành phần sai số không quan sát đƣợc không thay đổi theo thời gian vit là thành phần không quan sát đƣợc của đối tƣợng i ở thời điểm t thay đổi theo thời gian.
Mô hình hồi quy tác động ngẫu nhiên (REM)
Xét mối quan hệ kinh tế bao gồm một biến phụ thuộc Y và hai biến giải thích quan sát đƣợc X1, X2 tuơng tự nhƣ mô hình hồi quy tác động cố định ở trên. Mô hình tác động ngẫu nhiên đƣợc viết lại dƣới dạng:
Với i = 1, 2, …, N và t = 1, 2, …, T Trong đó:
Yit là giá trị của Y cho đối tƣợng i ở thời điểm t X1it là giá trị của X1 cho đối tƣợng i ở thời điềm t X2it là giá trị của X2 cho đối tuợng i ở thời điềm t
εit là các thành phần sai số riêng đặc trƣng của mô hình và đƣợc chia thành 2 thành phần: εit = μi + vit. Trong đó:
μi là thành phần sai số không quan sát đƣợc không thay đổi theo thời gian vitlà thành phần không quan sát đƣợc của đối tƣợng i ở thời điểm t thay đổi theo thời gian.
Tuy nhiên không giống nhƣ ở FEM các μi này không đổi giữa các nhóm (chỉ thay đổi giữa các đối tƣợng trong cùng nhóm), mô hình REM chấp nhận μi thay đổi tùy ý ngẫu nhiên giữa các đối tƣợng và các nhóm. (Nguyễn Ngọc Thuyết, 2017c)
Phƣơng pháp hồi quy GMM
Theo Nguyễn Ngọc Thuyết (2017d), phƣơng pháp GMM là một phƣơng pháp thống kê cho kết hợp các dữ liệu kinh tế quan sát đƣợc trong các điều kiện moment tổng thể để ƣớc lƣợng các tham số chƣa biết của mô hình kinh tế. Xét phƣơng trình hồi quy có dạng:
Yit = (β0+ μi) + β1Yit-1 + β2X2it + vit (3.12) Với i = 1, 2, …, N và t = 1, 2, …., T
Trong đó:
Xit là tập hợp các biến giải thích cho đối tƣợng i ở thời điểm t
μi là tập hợp các tham số cố định thay cho thành phần sai số không quan sát đƣợc không thay đổi theo thời gian, mỗi tham số ứng với đối tƣợng i.
vit là các thành phần sai số không quan sát đƣợc của đối tƣợng i ở thời điểm t thay đổi theo thời gian.
Đối với mô hình có sự xuất hiện biến trễ của biến phụ thuộc là Yit-1, do đó phƣơng pháp ƣớc lƣợng theo mô hình nhân tố cố định có thể nảy sinh một số vấn đề
làm chênh lệch kết quả nhƣ sau: xảy ra hiện tƣợng nội sinh của các biến, tác động cố định hàm chứa trong các sai số gồm đặc thù của các biến không quan sát đƣợc (μi) và sai số đặc thù quan sát đƣợc (vit), không giải quyết đƣợc hiện tƣợng tự tƣơng quan, dữ liệu bảng có thời gian ngắn (T nhỏ) và số lƣợng đối tƣợng nhiều (N lớn).
Để giải quyết tất cả các vấn đề này, phƣơng pháp GMM để chuyển hóa phƣơng trình thành:
ΔYit = β1ΔYit-1 + β2ΔXit + Δuit (3.12) Bằng cách biến đổi sang hồi quy ở sai phân bậc nhất , tác động cố định đặc thù sẽ bị loại trừ. Phƣơng pháp GMM sử dụng các biến phụ thuộc có độ trễ s để làm đại diện nên các ảnh hƣởng không quan sát đƣợc không thay đổi theo thời gian có thể đƣợc ƣớc lƣợng trong mô hình.
Phƣơng pháp hồi quy bình phƣơng bé nhất tổng quát thực hành (FGLS) Ý tƣởng của phƣơng pháp FGLS là dùng phép biến đối tƣơng đƣơng để đƣa mô hình chứa phƣơng sai sai số thay đổi về dạng mô hình mà phƣơng sai sai số không thay đổi, sau đó sử dụng phƣơng pháp OLS để ƣớc lƣợng mô hình này. Xét phƣơng trình hồi quy:
Y = β1+ β2X2i +….+ βkXki+ u (3.13) Khi đó chia hai vế phƣơng trình 3.13 cho X2i ta thu đƣợc phƣơng trình:
Y = α1+ α2X*2i +….+ αkX*ki+ u* (3.13)
3.3.3.2. Các kiểm định với mô hình hồi quy
Kiểm định Hausman đƣợc sử dụng để lựa chọn phƣơng pháp ƣớc lƣợng phù hợp giữa hai phƣơng pháp ƣớc lƣợng tác động cố định và tác động ngẫu nhiên (Baltagi 2008). Giả thuyết H0 cho rằng không có sự tƣơng quan giữa sai số đặc trƣng giữa các đối tƣợng (vi) với các biến giải thích Xit trong mô hình. Bác bỏ giả thuyết Ho (p-value < 0.05) dẫn đến kết luận mô hình ƣớc lƣợng tác động cố định (FEM) là phù hợp hơn so với mô hình ƣớc lƣợng ngẫu nhiên. Ngƣợc lại, nếu chƣa có đủ bẳng chứng để bác bỏ H0 thì mô hình ƣớc lƣợng ngẫu nhiên (REM) sẽ đƣợc ƣu tiên sử dụng.
Ngoài kiểm định Hausman, kiểm định F (F-test) cũng đƣợc sử dụng để kiểm chứng tính phù hợp của mô hình ƣớc lƣợng FEM, REM so với mô hình ƣớc lƣợng thô Pooled OLS.
Sau khi xác định đƣợc mô hình FEM hay REM phù hợp, các kiểm định sau đây đƣợc sử dụng để xem xét những khuyết tật của mô hình:
Kiểm định hiện tƣợng tự tƣơng quan hay còn gọi là tƣơng quan chuỗi bằng kiểm định Wooldridge để xem xét dữ liệu có tƣơng quan chuỗi trong sai số đặc trƣng của mô hình hay không. Hiện tƣợng tƣơng quan chuỗi ám chỉ rằng một số ảnh hƣởng hệ thống nào đó đã bị loại bỏ khỏi phƣơng trình và do đó làm giảm khả năng giải thích của mô hình hồi quy. Giả thuyết Ho là không có hiện tƣợng tƣơng quan chuỗi. Nếu p-value > 0.05 thì không xảy ra hiện tƣợng tƣơng quan chuỗi trong mô hình và ngƣợc lại.
Kiểm định phƣơng sai sai số thay đổi bằng kiểm định Breusch – Pagan với giả thiết Ho là phƣơng sai sai số không đổi. Nếu p-value < 0.05 thì giả thuyết Ho bị bác bỏ chứng tỏ mô hình tồn tại phƣơng sai sai số thay đổi.
Trong trƣờng hợp mô hình FEM hay REM gặp phải các khuyết tật, điều này hàm ý rằng mô hình đang gặp phải các vấn đề về tính nội sinh của các biến, cũng nhƣ các vấn đề liên quan đến tính chất động của mô hình với dữ liệu bảng.. Để giải quyết vấn đề này có nhiều cách thức khác nhau nhƣ thêm biến trễ, biến đổi dữ liệu để đảm bảo tính hợp lý của mô hình . Theo Nguyễn Ngọc Thuyết (2017d), phƣơng pháp GMM và FGLS sẽ thích hợp sử dụng trong trƣờng hợp tồn tại phƣơng sai sai số thay đổi và tự tƣơng quan trong mỗi đối tƣợng. Vì vậy trong nghiên cứu này, phƣơng pháp GMM và FGLS cho dữ liệu bảng đƣợc sử dụng để loại bỏ khuyết tật của mô hình FEM và REM.
Theo Nguyễn Minh Tiến (2014), tính hợp lý của các công cụ đƣợc sử dụng trong GMM đƣợc đánh giá qua các thống kê Sargan và Arrelano – Bond (AR):
- Kiểm định Sargan xác định các tính chất phù hợp của các biến công cụ trong mô hình GMM. Đây là kiểm định giới hạn về nội sinh của mô hình. Kiểm
định Sargan với giả thiết Ho: Biến công cụ là ngoại sinh vì thế p-value càng lớn càng tốt.
- Kiểm định Arellano – Bond (AR) về tự tƣơng quan có giả thiết Ho: không có tự tƣơng quan và đƣợc áp dụng cho số dƣ sai phân. Kiểm định tiến trình AR(1) trong sai phân bậc 1 thƣờng bác bỏ giả thiết Ho, cho nên AR (2) quan trọng hơn vì nó kiểm tra tự tƣơng quan ở các cấp độ. Theo đó p-value càng lớn càng tốt.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU