4.2.1 Thống kê mô tả và các kiểm định
Bảng 4. 1: Mô hình hồi quy tuyến tính OLS
F(7, 256) = 29.83
Model 0.111 7 0.0159 Prob > F = 0
Residual 0.136 256 0.0005 R-squared = 0.449
Total 0.247 263 0.0009 Root MSE = 0.023
Nplr Coef. Std. Err. T P>t [95% Conf. Interval]
Roe -0.010 0.014 -0.710 0.477 -0.037 0.017 Size -0.003 0.000 -6.930 0.000 -0.004 -0.002 Llp 0.059 0.059 0.990 0.322 -0.058 0.175 Loan -0.013 0.007 -1.950 0.052 -0.026 0.000 Ldr 0.009 0.006 1.600 0.110 -0.002 0.020 Inf 0.147 0.034 4.290 0.000 0.079 0.214 Gdp 0.017 0.009 1.760 0.079 -0.002 0.035 _cons 0.110 0.018 6.010 0.000 0.074 0.146
Nguồn: kết quả từ phần mềm Stata
Bảng 4.1 thể hiện kết quả hồi quy tuyến tính với bốn biến mang ý nghĩa thống kê ở mức 10% và R2 = 44,9%. Tuy nhiên đây là mô hình dữ liệu bảng động nên phƣơng pháp hồi quy OLS không vững và bị chệch. Do đó, tác giả sẽ sử dụng phƣơng pháp ƣớc lƣợng GMM với biến trễ là biến nợ xấu của năm trƣớc. Tiếp theo, tác giả thực hiện thống kê mô tả các biến trong mô hình nghiên cứu.
Bảng 4. 2: Thống kê mô tả
Variable Obs Mean Std. Dev. Min Max
Nplr 264 0.04 0.03 0.01 0.20 Roe 264 0.11 0.01 0.04 0.25 Size 264 29.95 5.05 19.00 35.00 Llp 264 0.02 0.03 0.003 0.34 Loan 264 0.34 0.27 -0.22 1.48 Ldr 264 0.68 0.32 -0.02 1.99 Inf 264 0.09 0.06 0.01 0.20 Gdp 264 0.063 0.009 0.052 0.084
Bảng 4.2 trình bày kết quả thống kê mô tả của các biến. Giá trị trung bình của tỷ lệ nợ xấu là 0.033; giá trị nhỏ nhất là 0,01 và giá trị lớn nhất xấp xỉ 0,2. Lợi nhuận ròng trên vốn chủ sở hữu có giá trị trung bình, giá trị nhỏ nhất và giá trị lớn nhất lần lƣợt là: 0,11; 0,04 và 0,25 tƣơng ứng.
Quy mô ngân hàng có giá trị biến thiên từ 19 đến 35 với giá trị trung bình là 29,95. Tỷ lệ dự phòng RRTD biến động trong mức 0,003 đến 0,34 với mức trung bình 0,02. Tƣơng tự, tăng trƣởng dƣ nợ cho vay biến động từ -0,22 đến 1,48 và giá trị trung bình đạt 0,34. Tỷ lệ thanh khoản có giá trị nhỏ nhất tƣơng ứng -0,02 và giá trị lớn nhất tƣơng ứng 1,99 với giá trị trung bình 0,68. Tỷ lệ lạm phát có giá trị trung bình, giá trị nhỏ nhất và giá trị lớn nhất lần lƣợt là: 0,01; 0,20 và 0,09 tƣơng ứng. Và GDP biến động trong mức 0,052 đến 0,084 với mức trung bình 0,063.
Bảng 4. 3: Ma trận hệ số tƣơng quan
nplr Roe size Llp loan ldr inf Gdp
Nplr 1 Roe 0.181 1 Size -0.631 -0.284 1 Llp 0.018 -0.005 0.067 1 Loan 0.283 0.242 -0.561 -0.010 1 Ldr 0.218 -0.024 -0.381 -0.131 0.323 1 Inf 0.522 0.369 -0.610 -0.076 0.312 0.003 1 Gdp -0.041 -0.039 0.121 0.364 0.005 -0.288 -0.237 1
Nguồn: kết quả từ phần mềm Stata
Ma trận hệ số tƣơng quan (Correlation) ở bảng 4.3 cho biết hệ số tƣơng quan giữa các biến trong mô hình hồi quy. Các hệ số tƣơng quan đều nhỏ hơn 0,8 nên mô hình nghiên cứu không có hiện tƣợng đa cộng tuyến. Tuy nhiên để đảm bảo kết quả khách quan, tác giả tiến hành kiểm định hệ số VIF.
Variable VIF 1/VIF Size 2.51 0.398 Inf 2.07 0.484 Loan 1.54 0.648 Ldr 1.54 0.649 Gdp 1.39 0.720 Roe 1.19 0.838 Llp 1.16 0.866 Mean VIF 1.63
Nguồn: kết quả từ phần mềm Stata
Các hệ số VIF từ bảng 4.4 đều nhỏ hơn 10, nên mô hình không tồn tại hiện tƣợng đa cộng tuyến.
Bảng 4. 5: Kiểm định hiện tƣợng phƣơng sai thay đổi
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance
Variables: fitted values of nplr chi2(1) = 20.98
Prob > chi2 = 0.0000
Nguồn: kết quả từ phần mềm Stata
Bảng 4.5 thể hiện kết quả kiểm định hiện tƣợng phƣơng sai thay đổi. Với giá trị p-value = 0,0000 nhỏ hơn α = 5% nên giả thuyết H0: phƣơng sai là hằng số bị bác bỏ. Nghĩa là mô hình tồn tại hiện tƣợng phƣơng sai thay đổi. Tiếp theo, tác giả xem xét hiện tƣợng tự tƣơng quan trong mô hình.
Bảng 4. 6: Kiểm định hiện tƣợng tự tƣơng quan
Wooldridge test for autocorrelation in panel data H0: no first-order autocorrelation
Nguồn: kết quả từ phần mềm Stata
Bảng 4.6 thể hiện kết quả kiểm định “Wooldridge test for autocorrelation in panel data” cho hiện tƣợng tự tƣơng quan. Với giá trị p-value = 0,0031 nhỏ hơn α = 5%. Nên giả thuyết H0 “không có hiện tƣợng tự tƣơng quan” bị bác bỏ và tác giả có thể kết luận rằng mô hình tồn tại hiện tƣợng tự tƣơng quan. Đến đây, mô hình vẫn tồn tại các khuyết tật nhƣ hiện tƣợng nội sinh, hiện tƣợng phƣơng sai thay đổi và hiện tƣợng tự tƣơng quan. Để khắc phục những tồn tại trên, phƣơng pháp GMM đƣợc dùng để ƣớc lƣợng với sự có mặt của biến trễn (là độ trễ một năm của nợ xấu).
Bảng 4. 7: Mô hình hồi quy bằng phƣơng pháp GMM
nplr Coef. Std. Err. Z P>z [95% Conf. Interval]
Roe 0.133 0.030 4.360 0.000 0.073 0.193 Size -0.002 0.001 -3.860 0.000 -0.004 -0.001 Llp 0.008 0.057 0.140 0.889 -0.104 0.120 Loan 0.025 0.006 4.460 0.000 0.014 0.037 Ldr 0.003 0.004 0.950 0.340 -0.004 0.010 Inf 0.054 0.018 2.930 0.003 0.018 0.089 Gdp 0.775 0.263 2.940 0.003 0.259 1.292 Lnplr -0.013 0.061 -0.210 0.831 -0.133 0.106 _cons 0.033 0.030 1.090 0.275 -0.026 0.093
Nguồn: kết quả từ phần mềm Stata
Kết quả hồi quy mô hình bằng phƣơng pháp GMM cho thấy, mô hình có năm biến có ý nghĩa thống kê ở mức 5%. Các biến lần lƣợt là lợi nhuận ròng trên vốn chủ sở hữu; quy mô ngân hàng; tăng trƣởng dƣ nợ; tỷ lệ lạm phát và tăng trƣởng GDP. Tuy nhiên để đảm bảo mức độ phù hợp của các biến công cụ dùng trong mô hình GMM tác giả tiến hành kiểm định sự phụ hợp của biến công cụ với giả thuyết H0 là “H0: overidentifying restrictions are valid” (tạm dịch là biến công cụ phù hợp).
Sargan test of overidentifying restrictions H0: overidentifying restrictions are valid
chi2(202) = 8.316166 Prob > chi2 = 0.9929
Nguồn: kết quả từ phần mềm Stata
Trong mô hình này, giá trị p-value trong kiểm định Sargan (với giả thuyết “H0: overidentifying restrictions are valid”) là lớn (p-value = 0,9929 lớn hơn 5%), nên không có đủ bằng chứng để bác bỏ giả thuyết H0. Do đó, phƣơng pháp ƣớc lƣợng GMM có giá trị trong nghiên cứu này.
Bảng 4. 9: Kiểm định hiện tƣợng tự tƣơng quan
Arellano-Bond test for zero autocorrelation in first-differenced errors
Order Z Prob > z
1 -1.8655 0.0621
2 -1.3473 0.1779
Nguồn: kết quả từ phần mềm Stata
Theo Driffill & các cộng sự (1998), phƣơng pháp hồi quy GMM tốt hơn các phƣơng pháp hồi quy thông thƣờng trên dữ liệu bảng trong việc kiểm tra sự chuyển động của các biến tài chính. Tác giả sử dụng kiểm định Sargan nhằm xác định tính chất phù hợp của các biến công cụ trong ƣớc lƣợng GMM. Kiểm định Sargan với giả thuyết H0: biến công cụ là ngoại sinh, nghĩa là biến công cụ không tƣơng quan với sai số của mô hình Bảng 4.8 kiểm định Sargan đã thoả điều kiện. Để kiểm định hiện tƣợng tự tƣơng quan, bài nghiên cứu sử dụng kiểm định Arellano-Bond với giả thuyết H0: không có hiện tƣợng tự tƣơng quan. Kiểm định Arellano-Bond cho thấy, chấp nhận giả thuyết H0, tức là mô hình khá tốt do không có hiện tƣợng tự tƣơng quan giữa các sai số. Vì giá trị p-values cho bậc 1 và bậc 2 đều lớn hơn 5%. Để kiểm định cuối cùng cho khuyết tật phƣơng sai thay đổi tác giả dùng dùng kiểm định White/Koenker nR2 test statistic.
OLS heteroskedasticity test(s) using levels of IVs only Ho: Disturbance is homoskedastic
White/Koenker nR2 test statistic: 13.37 Chi-sq(11) P-value = 0.1008
Nguồn: kết quả từ phần mềm Stata
Theo kết quả kiểm định ở bảng 4.10, giá trị p-values = 0. lớn hơn 5% nên giả thuyết H0:Disturbance is homoskedastic không có bằng chứng để bác bỏ. Nên mô hình không tồn tại hiện tƣợng phƣơng sai thay đổi.
Nhƣ vậy mô hình nghiên cứu sau cùng không tồn tại các khiếm khuyết về đa cộng tuyến, tự tƣơng quan, phƣơng sai thay đổi, nội sinh do xử lý bởi phƣơng pháp GMM với sự có mặt của biến công cụ. Mô hình nghiên cứu cuối cùng có dạng:
nplrit= 0,033 + 0,133*roe – 0,002*size + 0,025*loan + 0,054*inf + 0,775*gdp (p-values) 0,000 0,000 0,000 0,003 0,003
4.2.2 Thảo luận kết quả
Mô hình nghiên cứu có 5 biến có ý nghĩa thống kê ở mức 5% với các kiểm định đƣợc thực hiện và các khiếm khuyết không tồn tại trong mô hình. Các biến có nghĩa thống kê và tác động đến nợ xấu của các NHTM trong nghiên cứu này là lợi nhuận trên VCSH, quy mô ngân hàng, tăng trƣởng dƣ nợ cho vay, tỷ lệ lạm phát và tăng trƣởng tổng sản phẩm quốc nội.
Đối với biến lợi nhuận trên VCSH: kết quả cho thấy mối quan hệ cùng chiều giữa lợi nhuận trên VCSH và nợ xấu tại các NHTM, trái với giả thuyết mà tác giả đặt ra ban đầu. Mối quan hệ này giải thích rằng khi lợi nhuận trên VCSH tăng 1 đơn vị thì nợ xấu tăng 0,133 đơn vị. Điều này có thể giải thích rằng hiệu quả kinh doanh của ngân hàng thƣờng có liên quan đến hành vi chấp nhận rủi ro của các nhà quản trị ngân hàng (Hu và các cộng sự, 2004; Jimenez và Saurina, 2006; Boudriga và các cộng sự, 2009; Nikolaidou và Vogiazas, 2011). Các nhà nghiên cứu trên cho rằng các ngân hàng muốn đạt đƣợc mức lợi nhuận cao thì họ sẽ chấp nhận mức rủi ro
càng cao. Đồng thời, nếu biến lợi nhuận trên VCSH cao có thể do nguồn vốn chủ sở hữu thấp, cổ đông ít, từ đó có sự kiểm soát không chặt, dẫn đến rủi ro cao.
Đối với biến Quy mô ngân hàng: mối quan hệ giữa quy mô ngân hàng và nợ xấu là ngƣợc chiều trong mô hình hồi quy. Kết quả nghiên cứu phù hợp với giả thuyết ban đầu và các nghiên cứu của Salas và Saurina, 2002; Hu và các cộng sự, 2004; Cole và các cộng sự, 2004. Theo Hu và các cộng sự (2004), các ngân hàng có quy mô lớn sẽ có nhiều nguồn lực và kinh nghiệm hơn trong công tác xử lý và phân tích các vấn đề sự lựa chọn đối nghịch (adverse selection) và rủi ro đạo đức (moral hazard). Trong khi đó các ngân hàng có quy mô nhỏ không thể giải quyết tốt vấn đề sự lựa chọn đối nghịch do thiếu năng lực và kinh nghiệm để đánh giá chất lƣợng tín dụng của ngƣời đi vay. Do vậy, các ngân hàng có quy mô nhỏ thƣờng có tỷ lệ nợ xấu cao trong danh mục cho vay hơn so với các ngân hàng có quy mô lớn. Nghĩa là các ngân hàng lớn sẽ có nhiều nguồn lực để xây dựng và vận hành kiểm soát nội bộ, do đó họ có thể triển khai các hoạt động quản lý, giám sát và kiểm tra dƣ nợ cho vay của khách hàng và giám sát việc sử dụng vốn vay chặt chẽ và thƣờng xuyên.
Biến Tăng trƣởng dƣ nợ cho vay có tác động cùng chiều đến nợ xấu của các NHTM. Kết quả nghiên cứu phù hợp với giả thuyết ban đầu và các nghiên cứu trƣớc đây của Keeton (1999); Salas và Saurina (2002). Tăng trƣởng tín dụng thƣờng dẫn đến việc các ngân hàng sẽ nới lỏng chính sách cho vay, điều kiện cho vay, rút ngắn thời gian thẩm định và dẫn đến không đánh giá hiệu quả khả năng trả nợ cũng nhƣ giá trị của tài sản đảm bảo một cách chính xác. Điều này sẽ dẫn đến khả năng khách hàng không trả đƣợc nợ cao và từ đó sẽ phát sinh các khoản nợ xấu đối với ngân hàng.
Là một trong hai biến vĩ mô có ảnh hƣởng đáng kể đến nợ xấu và mang ý nghĩa thống kê, lạm phát là yếu tố quan trọng và có tác động cùng chiều đến nợ xấu theo kết quả nghiên cứu của tác giả. Tuy các nhà nghiên cứu về ảnh hƣởng của lạm phát đối với nợ xấu của các NHTM, nhƣng kết quả chƣa thật sự đồng nhất giữa các nghiên cứu về mối quan hệ giữa nợ xấu và tỷ lệ lạm phát. Trong nghiên cứu này,
với bối cảnh nghiên cứu là 22 NHTM Việt Nam và bộ dữ liệu đƣợc lấy từ phần mềm Fiinpro Database thì kết quả nghiên cứu từ mô hình đã cho thấy rằng tỷ lệ lạm phát là yếu tố làm gia tăng nợ xấu của các NHTM. Với hệ số hồi quy dƣơng, đồng nghĩa khi tỷ lệ lạm phát tăng 1 đơn vị thì tỷ lệ nợ xấu tăng 0,054 đơn vị.
Đối với tăng trƣởng GDP, mối quan hệ giữa tăng trƣởng GDP và nợ xấu là cùng chiều. Khi GDP tăng trƣởng 1 đơn vị thì nợ xấu sẽ tăng 0,775 đơn vị. Thông thƣờng, khi nền kinh tế tăng trƣởng, nợ xấu sẽ đƣợc cải thiện vì khi tăng trƣởng kinh tế, đời sống, mức sống của ngƣời dân sẽ tăng lên, các cá nhân, hộ gia đình, các doanh nghiệp sẽ đẩy mạnh hoạt động đầu tƣ, sản xuất kinh doanh, dẫn đến nhu cầu vay vốn tăng lên. Đồng thời tăng trƣởng GDP góp phần cải thiện thu nhập và khả năng sinh lời từ các dự án đầu tƣ của các chủ thể trong nền kinh tế, điều này giúp nâng cao khả năng hoàn trả các nghĩa vụ tài chính của khách hàng đối với ngân hàng. Nhƣ vậy, nợ xấu sẽ giảm đi. Tuy nhiên, theo kết quả hồi quy của luận văn, mối quan hệ giữa tăng trƣởng GDP và nợ xấu là cùng chiều, kết quả này trái với kỳ vọng ban đầu, nhƣng tác giả đã tìm đƣợc nghiên cứu của Bonilla (2011) để củng cố cho kết quả của mình. Bonilla (2011) đã tìm ra sự tƣơng quan ngƣợc chiều giữa GDP và nợ xấu khi nghiên cứu các ngân hàng ở Tây Ban Nha; nhƣng khi thực hiện tại các NHTM của Ý thì mối quan hệ giữa chúng là cùng chiều. Nghĩa là khi tăng trƣởng GDP, nợ xấu sẽ tăng lên, với lý do nhu cầu vay vốn ngày càng tăng, nếu khách hàng không sử dụng đúng mục đích vay hoặc ngân hàng cho vay ồ ạt, không có những chính sách và biện pháp để kiểm tra, giám sát các khoản cho vay thì nợ xấu sẽ tăng lên.
TÓM TẮT CHƢƠNG 4
Chƣơng 4 đã dựa trên các kỹ thuật thống kê, phân tích, so sánh và tổng hợp để trình bày thực trạng huy động vốn, hoạt động cho vay cũng nhƣ tình hình nợ xấu và tỷ lệ nợ xấu của các NHTM ở Việt Nam. Sau đó, bằng việc sử dụng phƣơng pháp nghiên cứu định lƣợng với mô hình GMM đã xây dựng nên mô hình bao gồm những yếu tố chính tác động đến Nợ xấu tại các NHTM Việt Nam trong giai đoạn 2007 – 2018. Kết quả nghiên cứu ở hai mô hình cho thấy: mô hình có 5 biến có ý nghĩa thống kê ở mức 5% là hiệu quả kinh doanh, quy mô ngân hàng, tăng trƣởng tín dụng, tăng trƣởng tổng sản phẩm quốc nội và tỷ lệ lạm phát. Mô hình ƣớc lƣợng cuối cùng là hiệu quả vì các khuyết tật đã đƣợc kiểm định nên không tồn tại các khiếm khuyết trong mô hình. Kết quả nghiên cứu sẽ là cơ sở để tác giả đề xuất những khuyến nghị nhằm nâng cao hoạt động kiểm soát và quản lý nợ xấu của các NHTM tại Việt Nam.
CHƢƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ 5.1 Kết luận
Trong các yếu tố vĩ mô và yếu tố vi mô ảnh hƣởng đến nợ xấu NHTM Việt Nam thì yếu tố vi mô của NHTM là yếu tố quyết định ảnh hƣởng đến tỷ lệ nợ xấu NHTM và tác động mạnh đến nợ xấu của các NHTM, do giá trị p-values gần nhƣ bằng 0, nhỏ hơn rất nhiều so với mức ý nghĩa 5%. Các biến đó là hiệu quả kinh doanh, quy mô ngân hàng, tăng trƣởng tín dụng. Ngoài ra, hai yếu tố vĩ mô gồm lạm phát và GDP là những yếu tố có ảnh hƣởng đến tỷ lệ nợ xấu các NHTM theo