Luận văn nghiên cứu các yếu tố ảnh hưởng đến TTTD của các NHTM Việt Nam từ năm 2009 đến năm 2018, do vậy dữ liệu thu thập là số liệu của 16 NHTM Việt Nam hoạt động liên tục trong khoảng thời gian 10 năm. Hay nói cách khác dữ liệu nghiên cứu có dạng dữ liệu bảng, vừa có yếu tố không gian (16 NHTM Việt Nam) và vừa có yếu tố thời gian (từ năm 2009 đến năm 2018). Đối với mỗi dạng mô hình chúng ta sẽ có những phương pháp ước lượng phù hợp. Đối với mô hình tĩnh sẽ có phương pháp tĩnh để ước lượng và ngược lại mô hình động ta sẽ ước lượng bằng phương pháp động. Đối với các mô hình có dữ liệu bảng tĩnh tuyến tính thì chúng ta có thể ước lượng bằng các phương pháp như Pooled OLS, Fixed Effect, Random effects,...Tuy nhiên, trong mô hình nghiên cứu này có sự tồn tại của các vấn đề tự tương quan của các sai số, vấn đề biến nội sinh, biến trễ biến phụ thuộc sẽ làm ảnh hưởng sai lệch đến kết quả ước lượng. Do đó, với loại mô hình tồn tại các vấn đề này ta có thể chọn một phương pháp ước lượng khác phù hợp hơn đó là phương pháp moment tổng quát (GMM)
Phương pháp Pooled OLS hay còn gọi là phương pháp ước lượng bình
phương bé nhất dữ liệu gộp. Phương pháp này được sử dụng với giả định không có sự khác biệt giữa các đơn vị chéo, hay nói cách khác là mô hình hồi quy có các hệ số không biến đổi. Tuy nhiên, điều này rất hiếm xảy ra trong thực tế. Việc ước lượng theo phương pháp Pooled OLS rất dễ bị vi phạm các giả định về tự tương quan, phương sai thay đổi và đa cộng tuyến.
Mô hình tác động cố định (Fixed Effect Model - FEM): đây là mô hình phổ
biến được sử dụng đối với dữ liệu bảng. Mô hình này đưa ra 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. Trong mô hình FEM tung độ gốc thay đổi theo không gian nhưng không đổi theo thời gian, do đó các biến giả được sử dụng để đưa vào mô hình nhằm đại diện cho sự khác biệt về độ dốc của các biến hồi quy. Tuy nhiên, nếu đưa quá nhiều biến giả vào mô hình sẽ làm giảm số bậc tự do và có khả năng gây ra hiện tượng đa cộng tuyến cho mô hình.
Mô hình ước lượng được sử dụng: Yit = it + k* X’k,it + uit
Trong đó tung độ góc k là giá trị trung bình của tất cả các tung độ góc theo đơn vị không gian, uit là sai số theo không gian và thời gian kết hợp
Mô hình tác động ngẫu nhiên (Random Effect Model - REM) còn được gọi
là mô hình các thành phần sai số. Mô hình REM tương tự như mô hình FEM, tuy nhiên trong mô hình REM các hệ số chặn của từng đơn vị chéo được phát sinh từ một hệ số chặn chung không đổi theo thời gian và một biến ngẫu nhiên i là một thành phần của sai số thay đổi theo không gian nhưng không thay đổi theo thời gian. Trong khi FEM nhận định các đơn vị chéo khác nhau ở hệ số chặn cố định thì REM lại cho rằng các đơn vị chéo khác nhau ở sai số
Mô hình ước lượng được sử dụng:
Với it = i + uit làsai số phức hợp
Trong đó tung độ góc k là giá trị trung bình của tất cả các tung độ góc theo đơn vị không gian, uit là sai số theo không gian và thời gian kết hợp
Mô hình moment tổng quát (GMM): Phương pháp GMM là một phương pháp thống kê được sử dụng phổ biến trong các ước lượng với dữ liệu bảng động tuyến tính hoặc các dữ liệu bảng vi phạm tính chất HAC (Heteroskedasticity and AutoCorrelation). Phương pháp GMM lần đầu tiên được xây dựng bởi giáo sư kinh tế Đại học Chicago - Lars Peter hansen năm 1982. Các ước lượng của phương pháp GMM sẽ phù hợp sử dụng khi dữ liệu bảng có nhiều quan sát với ít mốc thời gian (T<N), có mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập, mô hình có chứa biến trễ, biến nội sinh, trong mô hình tồn tại vấn đề phương sai thay đổi hoặc tự tương quan. Khi trong mô hình nghiên cứu xảy ra các vấn đề này thì các ước lượng theo phương pháp OLS, FEM hay REM sẽ không còn phù hợp vì có thể gây ra những thiên lệch về kết quả nghiên cứu hoặc gặp phải các vấn để khuyết tật mô hình như tự tương quan, phương sai thay đổi hoặc hiện tượng đa cộng tuyến. Theo như Arellano và Bond (1991) đối với những mô hình này thì phương pháp ước lượng GMM sẽ cho ra kết quả ước lượng hồi quy vững và hiệu quả hơn.
Trong phạm vi nghiên cứu của luận văn này, mô hình nghiên cứu là mô hình động có chứa biến trễ của biến phụ thuộc, đồng thời có chứa các biến nội sinh. Hơn nữa, luận văn chỉ nghiên cứu dựa trên dữ liệu của 16 NTHM Việt Nam trong khoảng thời gian 10 năm từ năm 2009 đến năm 2018. Trong khi đó, các mô hình hồi quy theo OLS, REM, FEM thì đòi hỏi dữ liệu nghiên cứu phải lớn và mô hình nghiên cứu là mô hình tĩnh. Do đó, tác giả chọn phương pháp GMM để ước lượng mô hình nhằm tìm ra các yếu tố ảnh hưởng đến TTTD của các NHTM Việt Nam một cách hiệu quả và chính xác nhất.
Như chúng ta đã biết phương pháp ước lượng GMM có thể giải quyết tốt các vấn đề liên quan đến biến nội sinh, vấn đề tự tương quan của phần dư, đồng thời khắc phục sự tự tương quan giữa các tác động riêng lẻ với các biến giải thích trong mô hình bảng tĩnh. Theo như Arellano và Bond (1991) thì phương pháp GMM sử
dụng các biến công cụ để giải quyết vấn đề biến nội sinh trong mô hình. Vì vậy, trước khi áp dụng phương pháp ước lượng GMM thì vấn đề cần làm là phải xác định được đâu là biến nội sinh trong mô hình và từ đó đưa ra được các biến công cụ cho phù hợp.