Dữ liệu bảng có nhiều ưu điểm hơn dữ liệu chéo hoặc dữ liệu chuỗi thời gian thuần túy. Tuy nhiên, các mô hình dữ liệu bảng cũng có nhiều vấn đề về ước lượng và suy diễn, chẳng hạn như phương sai thay đổi, tự tương quan, và tương quan chéo (cross-correlation) trong các đơn vị chéo tại cùng thời điểm.
Hai phương pháp được sử dụng nổi bậc nhất để giải quyết một hoặc nhiều vấn đề này là mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM), mô hình REM cũng được biết với tên gọi là mô hình các thành phần nhiễu (ECM).
3.2.2.1 Mô hình tác động cố định FEM
Với giả định mỗi đơn vị đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, FEM phân tích mối tương quan này giữa phần dư của mỗi đơn vị với các biến giải thích qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực (net effects) của biến giải thích lên biến phụ thuộc.
Xét một mối quan hệ kinh tế, với biến phụ thuộc, Y, và hai biến giải thích quan sát được, X1 và X2, và một hoặc nhiều biến không quan sát được. Chúng ta có dữ liệu bảng cho Y, X1, và X2. Dữ liệu bảng bao gồm N-đối tượng và T-thời điểm, và vì vậy chúng ta có NxT quan sát. Mô hình hồi quy tuyến tính cổ điển không có hệ số cắt được xác định bởi:
Yit = β1Xit1 + β2Xit2 + μit với i = 1, 2,…, N và t = 1, 2,…, T
Trong đó Yit là giá trị của Y cho đối tượng i ở thời điểm t; Xit1 là giá trị của X1 cho đối tượng i ở thời điểm t, Xit2 là giá trị của X2 cho đối tượng i ở thời điểm t, và μit là sai số của đối tượng i ở thời điểm t.
Mô hình hồi quy tác động cố định, là một dạng mở rộng của mô hình hồi quy tuyến tính cổ điển, được cho bởi:
Yit = β1Xit1 + β2Xit2 + νi + εit
Trong đó μit = νi + εit. Sai số của mô hình hồi quy tuyến tính cổ điển được tách làm hai thành phần. Thành phần νi đại diện cho các yếu tố không quan sát được khác nhau giữa các đối tượng nhưng không thay đổi theo thời gian. Thành phần εit đại diện cho những yếu tố không quan sát được khác nhau giữa các đối tượng và thay đổi theo thời gian.
Phương pháp ước lượng
Có hai phương pháp ước lượng được sử dụng để ước lượng các tham số của mô hình tác động cố định. i) Ước lượng hồi quy biến giả tối thiểu (bình phương bé nhất-LSDV) với mỗi biến giả là đại diện cho mỗi đối tượng quan sát của mẫu. ii) Ước lượng tác động cố định (Fixed effects estimator).
Khi N lớn, việc sử dụng ước lượng LSDV sẽ rất cồng kềnh hoặc không khả thi. Chẳng hạn, giả sử chúng ta muốn ước lượng mô hình xác định lượng. Chúng ta có mẫu N = 1000 người lao động. Để sử dụng ước lượng LSDV, chúng ta sẽ cần tạo ra 1000 biến giả và chạy hồi quy OLS cho hơn 1000 biến. Trong trường hợp như vậy, ước lượng tác động cố định sẽ thích hợp hơn.
Nguyên tắc của ước lượng tác động cố định được hiểu như sau. Để đánh giá tác động nhân quả của các biến độc lập X1 và X2 lên biến phụ thuộc Y, ước lượng tác động cố định sử dụng sự thay đổi trong X1, X2, và Y theo thời gian. Gọi Zi kí hiệu cho một biến không quan sát được khác nhau giữa các đối tượng nhưng không đổi theo thời gian và vì vậy bao gồm cả phần sai số trong đó. Bởi vì Zi không thay đổi theo thời gian nên nó không thể gây ra bất kì sự thay đổi nào trong Yit; Sở dĩ như vậy là vì không thay đổi theo thời gian, Zi không thể giải thích bất kì sự thay đổi nào trong Yit theo thời gian. Vì vậy, loại trừ tác động cố định của Zi lên Yit bằng cách sử dụng dữ liệu sự thay đổi trong Yit theo thời gian.
3.2.2.2 Mô hình tác động ngẫu nhiên REM
Xét một mối quan hệ kinh tế bao gồm một biến phụ thuộc, Y, và hai biến giải thích quan sát được, X1 và X2. Chúng ta có dữ liệu bảng cho Y, X1, và X2. Dữ liệu bảng gồm có N đối tượng và T thời điểm, và vì vậy chúng ta có NxT quan sát.
Mô hình tác động ngẫu nhiên được viết dưới dạng:
Yit = β1Xit1 + β2Xit2 + νi + εit với i = 1, 2, …, N và t = 1, 2, …, T
Trong đó, sai số cổ điển được chia làm 2 thành phần. Thành phần νi đại diện cho tất cả các yếu tố không quan sát được mà thay đổi giữa các đối tượng nhưng không thay đổi theo thời gian. Thành phần εit đại diện cho tất cả các yếu tố không quan sát được mà thay đổi giữa các đối tượng và thời gian. Giả sử rằng vi được cho bởi:
Vi = α0 + ωi, với i = 1, 2, …, N
Trong đó, vi lại được phân chia làm hai thành phần: i) thành phần bất định a0, ii) thành phần ngẫu nhiên ωi.
Giả định rằng, ωi cho mỗi đối tượng được rút ra từ một phân phối xác suất độc lập với giá trị trung bình bằng 0 và phương sai không đổi, đó là, E(ωi) = 0 Var(ωi) = sω2 Cov(ωi,ωs) = 0
Mô hình tác động ngẫu nhiên có thể được viết lại:
Yit = α0Xit1 + β2Xit2 + μit Trong đó
μit = ωi + εit. Một giả định quan trọng trong mô hình tác động ngẫu nhiên là thành phần sai số μit không tương quan với bất kì biến giải thích nào trong mô hình.
Phương pháp ước lượng
Ước lượng OLS cho mô hình tác động ngẫu nhiên sẽ cho các tham số ước lượng không chệch nhưng lại không hiệu quả. Hơn nữa, các ước lượng của sai số chuẩn và do đó thống kê t sẽ không còn chính xác. Sở dĩ như vậy là vì ước lượng OLS bỏ qua sự tự tương quan trong thành phần sai số μit. Để kết quả ước lượng không chệch và hiệu quả, chúng ta có thể sử dụng ước lượng GLS khả thi (FGLS) để khắc phục hiện tượng sai số nhiễu tự tương quan. Ước lượng FGLS còn được gọi là ước lượng tác động ngẫu nhiên (Random effects estimator).
Kiểm định Hausman sẽ được sử dụng để lựa chọn phương pháp ước lượng phù hợp giữa hai phương pháp ước lượng tác động cố định và tác động ngẫu nhiên. Giả thuyết H0 cho rằng không có sự tương quan giữa sai số đặc trưng giữa các đối tượng (vi) với các biến giải thích Xit trong mô hình. Ước lượng REM là hợp lý theo giả thuyết H0 nhưng lại không phù hợp ở giả thuyết thay thế. Ước lượng FEM là hợp lý cho cả giả thuyết H0 và giả thuyết thay thế. Tuy nhiên, trong trường hợp giả thuyết H0 bị bác bỏ thì ước lượng tác động cố định là phù hợp hơn so với ước lượng tác động ngẫu nhiên. Ngược lại, chưa có đủ bằng chứng để bác bỏ H0 nghĩa là không bác bỏ được sự tương quan giữa sai số và các biến giải thích thì ước lượng tác động cố định không còn phù hợp và ước lượng ngẫu nhiên sẽ ưu tiên được sử dụng.
CHƯƠNG IV: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM 4.1 Thực trạng nền kinh tế, chính sách tiền tệ Việt Nam và tình hình hoạt động ngân hàng
4.1.1 Tình hình trích lập dự phòng rủi ro ở các NHTM Việt Nam giai đoạn 2008-2017 đoạn 2008-2017
Dự phòng rủi ro là khoản tiền được trích lập để dự phòng cho những tổn thất có thể xảy ra do khách hàng đi vay không thực hiện đúng các nghĩa vụ cam kết. Dự phòng rủi ro được tính theo dư nợ gốc và hạch toán vào chi phí hoạt động của tổ chức tín dụng. Trên cơ sở đó, tất cả các khoản cho vay của ngân hàng đều phải được trích lập dự phòng để xử lý rủi ro hằng năm theo đúng quy định.
Bảng 4.1 Dự phòng rủi ro tín dụng của các NHTM Việt Nam giai đoạn 2008 – 2017.
Năm 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Tổng chi phí DPRR TD (tỷ đồng) 15,873 10,778 16,520 26,884 29,894 30,768 36,745 47,261 56,062 74,959 Tổng tài sản (tỷ đồng) 1,588,520 2,149,809 2,965,158 3,512,791 3,705,199 4,132,051 4,719,884 5,496,393 6,479,669 7,726,783 Tổng dư nợ (tỷ đồng) 926,834 1,297,056 1,703,294 1,933,311 2,171,206 2,483,165 2,823,883 3,494,833 4,234,092 5,061,402 LLPtb (%) 1.00 0.50 0.56 0.77 0.81 0.74 0.78 0.86 0.87 0.97
Nguồn: Dữ liệu BCTN của 26 NHTM.
Mục tiêu tăng trưởng tín dụng là một trong những ưu tiên hàng đầu của Chính phủ và ngành Ngân hàng nhằm góp phần hỗ trợ doanh nghiệp (DN) và phát triển nền kinh tế trong giai đoạn hiện nay. Có thể thấy, dư nợ tín dụng năm 2017 đã tăng lên gấp 5.5 lần so với năm 2008, tương ứng với sự phát triển và mở rộng của hoạt động tín dụng, chi phí dự phòng rủi ro có xu hướng tăng lên qua các năm. Đến cuối giai đoạn, tổng chi phí dự phòng đạt 74,959 tỷ đồng năm 2017, gấp 4.72 lần so với năm 2008.
Hình 4.1 Tỷ lệ dự phòng rủi ro tín dụng trung bình của các NHTM VN được nghiên cứu.
Nguồn: BCTN của các ngân hàng và tổng hợp của tác giả
Tỷ lệ trích lập dự phòng rủi ro tín dụng có xu hướng giảm vào năm 2009 ở mức 0.5%, nguyên nhân chính là do tăng trưởng tín dụng có sự gia tăng về dư nợ cho vay nhưng chi phí trích dự phòng thì giảm xuống, điều này có thể giải thích do việc dùng dự phòng để xử lý các khoản nợ xấu đã được sử dụng. Sau đó tỷ lệ này nhìn chung có xu hướng tăng, cho thấy có một sự gia tăng tương ứng giữa việc trích lập dự phòng rủi ro và sự phát triển tín dụng theo thời gian.
4.1.2 Tình hình kinh tế Việt Nam giai đoạn 2008-2017
Sau ảnh hưởng của cuộc khủng hoảng tài chính thế giới năm 2008 – 2009, nền kinh tế Việt Nam đã có nhiều chuyển biến thăng trầm. Giai đoạn năm 2008 – 2017, nền kinh tế Việt Nam đạt mức tăng trưởng khá cao so với nhiều nước trên thế giới, đạt mức bình quân 6.03 %.
Hình 4.2: Tăng trưởng, lạm phát và tín dụng từ năm 2008-2017
Nguồn: http://cafebiz.vn
Tăng trưởng GDP của Việt Nam vẫn còn nhờ nhiều vào tín dụng ngân hàng nhưng giảm dần phụ thuộc. Nếu những năm 2008 – 2010, mức bơm tín dụng của ngân hàng vào nền kinh tế luôn trên 30% (năm 2009 là 37,7%) nhưng GDP tăng trưởng chưa tương xứng, chỉ ở mức 5,66 - 6,42%. Từ năm 2013 trở đi, mức "bơm" tín dụng đã chậm lại nhưng vẫn ở hai con số 13-18%, tăng trưởng GDP cũng tăng mạnh mẽ trở lại luôn trên mức 6,2% (trừ năm 2014 là 5,98%), đạt cao nhất trong giai đoạn 10 năm ở mức 6,81% cho năm 2017.
Tín dụng hỗ trợ tăng trưởng GDP nhưng cũng làm lạm phát tăng cao. Chỉ số giá tiêu dùng (CPI) rất cao 22,97% năm 2008, giảm dần nhưng tăng trở lại mức hai
con số 18,58% vào năm 2011 do tín dụng vẫn tăng mạnh năm 2009 (37,7%) và năm 2010 (27,6%). 1
Mức "bơm" tín dụng giảm mạnh từ năm 2011 còn 10,9% và 8,85% năm 2012 khiến lạm phát những năm sau đó lao dốc và về mức rất thấp 0,63% năm 2015 khiến nhiều chuyên gia kinh tế lo ngại giảm phát xuất hiện. Tuy nhiên, điều này đã không xảy ra khi lạm phát được kiểm soát dưới 4% cho đến năm 2017 nhờ tiền được "bơm" ở mức 14-18%.
Sau giai đoạn mấp mô giữa tăng trưởng tín dụng, tăng lạm phát và tăng GDP, các yếu tố này đã tăng trưởng hài hoà trở lại vào năm 2016, 2017 với mức GDP luôn tăng trên 6% và lạm phát dưới 4%.
Với việc bơm vốn nhiều vào nền kinh tế đã giúp GDP tăng trưởng, nhưng cũng khiến cho quy mô tín dụng luôn cao hơn quy mô GDP. Tỷ lệ tín dụng trên GDP ở mức 125% đạt được vào năm 2010 với quy mô GDP là 116 tỷ USD, năm 2011 là 124% với quy mô GDP là 135,5 tỷ USD. Đặc biệt, năm 2017 quy mô tín dụng đã lên đến 130% GDP, tương ứng với quy mô GDP ở mức 223,9 tỷ USD.
1
Hình 4.3: Mối liên hệ giữa tốc độ tăng trưởng GDP và tình hình trích lập dự phòng rủi ro tín dụng của các NHTM Việt Nam từ năm 2008 đến năm 2017
Nguồn: BCTN của các ngân hàng và tổng hợp của tác giả
Có thể thấy được rằng khi tốc độ tăng trưởng GDP tăng thì tỷ lệ trích dự phòng rủi ro tín dụng giảm và ngược lại thể hiện liên tục từ năm 2010 đến 2013. Tuy nhiên, mối tương quan này vẫn chưa được biểu hiện rõ nét trên cả giai đoạn nghiên cứu, khi giai đoạn năm 2008-2010, 2013-2015, hoặc 2015-2016 thì tốc độ tăng trưởng GDP và dự phòng rủi ro tín dụng có quan hệ thuận chiều. Như vậy, qua số liệu thu thập, có thể nhận thấy được tăng trưởng GDP và dự phòng rủi ro tín dụng có mối tương quan với nhau nhưng thể kết luận chắc chắn được là tương quan thuận hay tương quan nghịch.
4.1.3 Thực trạng chính sách tiền tệ Việt Nam
Giai đoạn 2008-2017, mục tiêu trong điều hành chính sách tiền tệ linh hoạt thay đổi theo thời gian phù hợp với đặc điểm của nền kinh tế, cụ thể như sau:
Năm 2008, ngân hàng nhà nước đã thực hiện thắt chặt chính sách tiền tệ nhằm giải quyết tình trạng lạm phát do những năm trước để lại và chuyển sang nới lỏng năm 2009, sau đó quay lại thắt chặt, thận trọng cho đến đầu năm 2011. Có thể thấy trong thời buổi khủng hoảng kinh tế bao trùm, ngân hàng nhà nước đã phải liên tục thay đổi chính sách tiền tệ sao cho phù hợp với các mục tiêu đề ra.
Giai đoạn 2011-2015, tình hình kinh tế trong nước và thế giới vẫn tiếp tục diễn biến phức tạp do ảnh hưởng của khủng hoảng 2008. Nền kinh tế trong nước vẫn tiếp tục bộc lộ những bất ổn, lạm phát tăng cao, kinh tế tăng trưởng chậm lại, thị trường chứng khoán suy giảm mạnh, thị trường bất động sản “đóng băng” khiến ngân hàng nhà nước phải mở ra các gói cứu trợ, mặt bằng lãi suất cho vay ở mức cao, tỷ giá biến động… khiến nhiều tổ chức tín dụng cũng như doanh nghiệp lâm vào khó khăn. Trong tình thế khó khăn đó, ngân hàng nhà nước đã có sự đổi mới mạnh mẽ việc điều hành chính sách tiền tệ theo hướng chủ động, nới lỏng, dẫn dắt thị trường. Cụ thể là, thực hiện công bố định hướng điều hành lãi suất và triển khai đồng bộ các biện pháp để đạt mục tiêu là giảm dần mặt bằng lãi suất, từ lãi suất huy động đến cho vay, góp phần tháo gỡ khó khăn cho doanh nghiệp và cả các tổ chức tín dụng. Nhờ đó, nguồn vốn trong nền kinh tế được lưu thông, tạo tiền đề cho sự phục hồi của nền kinh cũng như nâng cao năng lực cạnh tranh. Đây là những mắt xích kinh tế quan trọng nhất của nền kinh tế ttrong giai đoạn này.
Từ năm 2016, tình hình kinh tế vĩ mô của Việt Nam đi vào ổn định và phát triển. Theo đó, ngân hàng nhà nước tiếp tục điều hành chính sách tiền tệ theo hướng chủ động, nới lỏng thận trọng, đồng thời phối hợp chặt chẽ với chính sách tài khóa và các chính sách kinh tế vĩ mô khác nhằm kiểm soát lạm phát ở mức 4%/năm, ổn định kinh tế vĩ mô, duy trì ổn định thị trường tiền tệ qua đó góp phần hỗ trợ tăng trưởng kinh tế.
Bảng 4.2: Lãi suất tiền gửi trung bình hằng năm
Năm 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Lãi suẩt
(%) 12.73 7.91 11.19 13.99 10.50 6.69 4.92 4.68 4.80 4.78
Nguồn: Số liệu công bố bởi World Bank
Hình 4.4: Mối liên hệ giữa lãi suất và dự phòng rủi ro tín dụng qua các năm
Nguồn: World Bank, BCTN của các ngân hàng và tổng hợp của tác giả
Dựa vào biểu đồ biểu diễn mỗi quan hệ trên, có thể thấy được lãi suất và dự