Dữ liệu ngân hàng để tính toán các biến độc lập được thu thập từ BCTC có kiểm toán của 25 NHTM Việt Nam giai đoạn 2008-2016, các yếu tố ảnh hưởng được tính bằng giá trị trung bình 2 năm liên tiếp.
Dữ liệu vĩ mô như GDP và lạm phát được thu thập từ báo cáo của Tổng cục Thống kê Việt Nam trong giai đoạn 2008-2016.
Các dữ liệu thu thập sử dụng cho phân tích được thể hiện ở Phụ lục 2.
3.4.Phương pháp ước lượng
Thống kê mô tả
Trong bước đầu tiên, tác giả sử dụng các phương pháp thống kê mô tả nhằm phân tích sơ bộ các thuộc tính của mẫu nghiên cứu như: giá trị lớn nhất, giá trị nhỏ nhất, giá trị trung bình, phương sai và độ lệch chuẩn.
Cách tiếp cận đơn giản nhất là giả định rằng các hệ số hồi quy (hệ số chặn và hệ số góc) là không thay đổi giữa các đối tượng quan sát cũng như không thay đổi theo thời gian. Một giả định quan trọng nữa là các biến độc lập phải là các biến ngoại sinh chặt (strictly exogenous). Một biến gọi là ngoại sinh chặt nếu nó không phụ thuộc vào các giá trị quá khứ, hiện tại, và tương lai của sai số ngẫu nhiên.
Mặc dù vậy, giả thiết rằng các đối tượng quan sát có cùng hệ số chặn và hệ số góc không đổi theo thời gian có thể rất phi thực tế. Ngoài ra, rất có thể sai số ngẫu nhiên là thay đổi giữa các đối tượng quan sát hoặc thay đổi theo thời gian. Hoặc vừa thay đổi theo các đối tượng quan sát cũng như theo thời gian.
Mô hình của phương pháp này:
Yit = β0 + ∑βXit + uit
Trong đó, Yitlà biến phụ thuộc ngân hàng thứ i và t là mốc thời gian. Xit là các biến độc lập, β0 là hệ số chặn cho các ngân hàng quan sát, βlà hệ số góc, uit là phần dư.
Như đã đề cập ở trên, điểm yếu nhất của Pooled OLS là mô hình này không nói cho chúng ta biết phản ứng (hay hành vi) của biến phụ thuộc có thay đổi giữa các ngân hàng và thay đổi theo thời gian hay không. Nếu chúng ta xử lý vấn đề này bằng cách “gộp” các đặc trưng riêng của từng ngân hàng vào sai số ngẫu nhiên thì lại dẫn đến tình huống khác: sai số ngẫu nhiên có thể tương quan (correlated) ở một mức độ nào đó với biến độc lập và do vậy là vi phạm các giả định về mô hình hồi quy tuyến tính cổ điển. Điều này có thể làm cho các ước lượng thu được là chệch (biased) và không vững (inconsistent).
Phương pháp tác động cố định (Fixed Effects-FEM)
Với giả định mỗi ngân hàng đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến độc lập, FEM phân tích mối tương quan này giữa phần dư của mỗi ngân hàng với các biến độc lập qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến độc lập để chúng ta có thể ước lượng những ảnh hưởng thực (net effects) của biến độc lập lên biến phụ thuộc. Mô hình ước lượng được sử dụng trong phương pháp này là:
Yit = β0 + ∑βi Xit + uit
Phương pháp tác động cố định đã thêm vào chỉ số i cho hệ số chặn βiđể phận biệt hệ số chặn của từng ngân hàng khác nhau có thể khác nhau, sự khác biệt này có thể do đặc điểm khác nhau của từng ngân hàng hoặc do sự khác nhau trong chính sách quản lý, hoạt động của ngân hàng.
Tuy nhiên mô hình này sẽ xuất hiện hạn chế nếu đưa vào quá nhiếu biến độc lập là biến giả, hoặc các biến độc lập xảy ra hiện tượng đa cộng tuyến sẽ làm cho các ước lượng không chính xác.
Phương pháp tác động ngẫu nhiên (Random Effects-REM)
Điểm khác biệt giữa phương pháp tác động ngẫu nhiên và phương pháp tác động cố định được thể hiện ở sự biến động giữa các ngân hàng. Nếu sự biến động giữa các ngân hàng có tương quan đến biến độc lập trong mô hình tác động cố định thì trong mô hình tác động ngẫu nhiên sự biến động giữa các ngân hàng được giả sử là ngẫu nhiên và không tương quan đến các biến độc lập.
Chính vì vậy, nếu sự khác biệt giữa các ngân hàng có ảnh hưởng đến biến phụ thuộc thì phương pháp REM sẽ thích hợp hơn so với phương pháp FEM. Trong đó, phần dư của mỗi ngân hàng (không tương quan với biến độc lập) được xem là một biến độc lập mới. Mô hình ước lượng trong phương pháp này có dạng:
Yit = β0 + ∑βi Xit + uit + eit
ei: Sai số thành phần của các ngân hàng khác nhau (đặc điểm riêng khác nhau của từng ngân hàng).
uit: Sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng ngân hàng và theo thời gian.
Nhìn chung phương pháp REM hay phương pháp FEM tốt hơn cho nghiên cứu phụ thuộc vào giả định có hay không sự tương quan giữa eivà biến độc lập X. Nếu giả định rằng không tương quan thì phương pháp FEM phù hợp hơn và ngược lại.
So sánh giữa phương pháp Pooled OLS và phương pháp FEM
Để lựa chọn giữa hai phương pháp này, ta sử dụng kiểm định F-test, với giả thuyết H0:Chọn Pooled Regression.
Kiểm định F phải có giá trị p-value nhỏ hơn α (1%, 5%, 10%) để kiểm chứng mức độ phù hợp của mô hình hồi quy với tổng thể .
Nếu p-value F <α nghĩa là mô hình hồi quy có ý nghĩa áp dụng và suy luận ra tính chất của tổng thể.
So sánh giữa phương pháp Pooled OLS và phương pháp REM
Kiểm định Breusch and Pagan Lagrangian Multiplier Giả thuyết H0: Phương sai của các ngân hàng là không đổi. - Nếu p-value < α thì bác bỏ giả thuyết H0
- Nếu p-value > α thì chấp nhận giả thuyết H0
So sánh giữa phương pháp REMvà phương pháp FEM.
Theo Baltagi (2008) và Gujarati (2004), kiểm định Hausman 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 ui với các biến độc lập Xit trong mô hình với cặp giả thuyết được kiểm định như sau:
Kiểm định Hausman:
H0: Cov(Xit,ui) = 0 (random effects) H1: Cov((Xit,ui) ≠ 0 (fixed effects) - Nếu p-value < α thì bác bỏ giả thuyết H0
- Nếu p-value > α thì chấp nhận giả thuyết H0
Như vậy, theo giả thuyết H0 ước lượng REM là hợp lý 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, ước lượng tác động cố định là phù hợp hơn so với ước lượng tác động ngẫu nhiên trong trường hợp giả thuyết H0 bị bác bỏ. Ngược lại, không bác bỏ được sự tương quan giữa sai số và các biến độc lập trong trường hợp
chưa có đủ bằng chứng để bác bỏ H0 thì ước lượng tác động cố định không còn phù hợp và ước lượng ngẫu nhiên sẽ ưu tiên được sử dụng.
Phương pháp bình phương bé nhất tổng quát khả thi (General Least Square – GLS
Ý tưởng của phương pháp là như sau: giả sử đã biết dạng thay đổi của phương sai sai số, khi đó dùng các phép biến đổi tương đương để đưa về một mô hình mới mà sai số ngẫu nhiên trong mô hình này có phương sai sai số không đổi, sau đó sử dụng phương pháp OLS để ước lượng mô hình mới này.
Để minh họa phương pháp GLS khi mô hình có hiện tượng phương sai sai số thay đổi,chúng ta xét mô hình:
Y = β1 + β2 X2 +...+ βk Xk + u
Giả sử mô hình thỏa mãn các giả thiết của mô hình OLS, ngoại trừ giả thiết phương sai sai số không đổi. Và giả sử rằng phương sai sai số là thay đổi theo dạng:
i2 = 2X2i2
Khi đó ta thực hiện như sau:
Chia hai vế của mô hình cho X2i và thu được:
Hay:
Trong đó:
Với mô hình Yi* ta dễ dàng chứng tỏ được rằng sai số ngẫu nhiên mới trong mô hình, u*, có phương sai là không đổi và bằng 2
. Do đó có thể áp dụng OLS để thu đượccác ước lượng tốt nhất cho các hệ số j (j=1,k), và từ đó suy ra ước lượng cho các hệ số j. Việc biến đổi một mô hình có khuyết tật thành mô hình không có
khuyết tật và sử dụng OLS cho mô hình đã biến đổi như trên được gọi là phương pháp bình phương bé nhất tổng quát.
Việc chuyển từ mô hình về thực chất là gán trọng số X2i cho quan sát thứ i. Vì vậy phương pháp ước lượng thông qua mô hình mới còn được gọi là phương pháp ước lượng bình phương bé nhất có trọng số (WLS – weighted least squares).
3.5.Các kiểm định
Kiểm định đa cộng tuyến
Đa cộng tuyến xảy ra khi các biến độc lập có tương quan với nhau gây ra hiện tượng dấu của hệ số hồi quy bị đảo chiều hoặc các biến độc lập mất ý nghĩa thống kê. Để kiểm tra hiện tượng này tác giả dung hệ số phóng đại phương sai VIF.
VIFj = 1
1 − Rj2
Với Rj là hệ số xác định của mô hình hồi quy phụ. Đa cộng tuyến xảy ra khi 1 trong những VIF tìm được >10 (Gujrati, 2003).
Kiểm định phương sai thay đổi
Bản chất các mối quan hệ kinh tế, hoặc công cụ và phương pháp thu thập, xử lý số liệu làm cho phương sai của các sai số thay đổi khi giá trị của biến độc lập X thay đổi gây ra hiện tượng Hệ số ước lượng không còn hiệu quả vì phương sai không còn là phương sai nhỏ nhất, việc kiểm định giả thuyết không còn đáng tin cậy. Những kết quả dự báo không còn là tối ưu.
Kiểm định Modofied Wald được dung để kiểm định phương sai sai số ui thay đổi qua các thực tế trong trường hợp mô hình sử dụng FEM hoặc sử dụng kiểm định nhân từ Lagrange trong trường hợp mô hình sử dụng REM
H0: Var (u) = 0: Phương sai qua các thực tế là không đổi. Với p-value > α giả thuyết H0 được chấp nhận.
Kiểm định tự tương quan
Do quán tính của các chuỗi thời gian mang tính chu kỳ tự tương quan xảy ra khi sai số của thời kỳ này có tương quan với sai số của thời kỳ trước đó.
Kiểm định Wooldridge được dung để kiểm định tự tương quan trong dữ liệu bảng.
H0: Không có hiện tượng tự tương quan. Với p-value > α giả thuyết H0 được chấp nhận.
Nếu mô hình được chọn có xảy ra hiện tượng tự tương quan hay phương sai thay đổi qua các ngân hàng, tác giả sử dụng phương pháp ước lượng bình phương tối thiểu tổng quát khả thi (General Least Square – GLS) để khắc phục hiện tượng này.
Kết luận chương 3
Từ cơ sở lý thuyết của chương 2 về rủi ro phá sản NHTM và các yếu tố ảnh hưởng, đồng thời kế thừa thành tựu và khắc phục những hạn chế của những nghiên cứu trước đó, tác giả xác định mô hình cần sử dụng để phân tích và các biến trong mô hình.
Chương 3 đã tổng hợp kiến thức về phân tích phân tích hồi quy dữ liệu bảng theo các phương pháp OLS, FEM, REM, GLS và các kiểm định đảm bảo mô hình lựa chọn mang tính vững, phù hợp. Điểm quan trọng nhất là Chương 3 đã phân tích và luận giải về cách thức trình tự phân tích để thực hiện từng mục tiêu, các phương pháp ước lượng và kiểm định để xác định từng yếu tố ảnh hưởng đến rủi ro phá sản của NHTM.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1.Thống kê mô tả dữ liệu
Dữ liệu được thu thập từ 25 NHTM Việt Nam giai đoạn 2008-2016 với các thông số về thống kê được thể hiện ở bảng sau:
Bảng 4.1: Thống kê mô tả các biến
Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12
Bảng 4.1 khái quát các thông số cơ bản của dữ liệu nghiên cứu, bao gồm giá trị trung bình, đô lệch chuẩn, giá trị nhỏ nhất và lớn nhất, từ đó chỉ ra sự phân tán giữa các quan sát trong mẫu.
Mức trung bình của rủi ro thể hiện qua Z-score là 21.3894, Z-score biến động lớn với độ lệch chuẩn là 9.4540, trải dài từ giá trị nhỏ nhất là 2.2199 của TPBank năm 2016, thể hiện mức độ rủi ro rất cao, tới giá trị lớn nhất là 46.8612 của ngân hàng NamABank năm 2012 thể hiện mức độ an toàn tương đối cao.
Biến LEV thể hiện đòn bẩy VCSH trên tổng huy động, có giá trị trung bình là 0.1179, trải từ mức giá trị nhỏ nhất là 0.0460 tới 0.4146, dù giá trị lớn nhất và nhỏ nhất cách nhau khá xa, tuy nhiên độ lệch chuẩn chỉ là 0.0611, do đó có thể thấy sự phân tán không cao giữa các ngân hàng. Giá trị LEV nhỏ nhất là tại SCB năm 2016 và lớn nhất tại LPB năm 2009.
Biến LLP thể hiện chi phí DPRR tín dụng trên thu nhập lãi thuần, giá trị trung bình là 0.2096, giá trị nhỏ nhất là -0.3011 tại SHB năm 2012, giá trị lớn nhất là 1.6142 tại SCB năm 2010, thể hiện mức độ rủi ro tín dụng rất cao do chí phí DPRR tín dụng gấp 1.6 lần thu nhập lãi thuần. Độ lệch chuẩn là 0.1781 cho thấy mức độ phân tán cao của biến LLP giữa các ngân hàng.
Biến NIR thể hiện Thu nhập lãi thuần/Tổng tài sản bình quân, với mức trung bình 0.0291, giá trị nhỏ nhất thể hiện khả năng sinh lời thấp, với giá trị -0.0070 tại TPBank năm 2011, và giá trị lớn nhất cho thấy khả năng tận dụng vốn giá rẻ hay chênh lệch lớn giữa lãi suất cho vay và huy động, với giá trị 0.0718 tại VPB năm 2016. Với độ lệch chuẩn là 0.0116, cho thấy mức độ phân tán không cao giữa các ngân hàng.
Biến LDR là tỷ số Tổng dư nợ cho vay bình quân trên Tổng huy động bình quân, thể hiện khả năng thanh khoản của ngân hàng. Giá trị trung bình của biến này là 0.5729, với độ lệch chuẩn là 0.1533 cho thấy mức độ phân tán không quá cao giữa các ngân hàng. Giá trị nhỏ nhất là 0.2173 tại TPBank năm 2011, thể hiện mức độ thanh khoản cao, nhưng cần lưu ý về hiệu quả sử dụng vốn. Giá trị lớn nhất là 0.9916 tại OCB năm 2009, đây là tỷ lệ rất cao, cho thấy nguy cơ xảy ra rủi ro thanh khoản cho ngân hàng là rất lớn.
Biến SIZE thể hiện quy mô ngân hàng dựa trên tổng tài sản bình quân, với giá trị trung bình là 133 ngàn tỷ, giá trị tổng tài sản thấp nhất là 5 ngàn tỷ tại KLB năm 2009, và cao nhất là là 929 ngàn tỷ tại BIDV năm 2009. Với độ lệch chuẩn là 165 ngàn tỷ cho thấy mức phân tán giá trị rất cao.
Biến GDP thể hiện tốc độ tăng trưởng GDP hàng năm của Việt Nam, với giá trị trung bình là 5.95%, độ lệch chuẩn là 0.50% cho thấy mức tăng trưởng tương đối ổn định qua các năm.
Biến INF thể hiện tỷ lệ lạm phát, với giá trị trung bình là 7.21%, khoảng biến thiên 5.15% với giá trị nhỏ nhất là 0.63% vào năm 2015 và lớn nhất là 18.68% vào năm 2011, cho thấy có sự biến động lớn về tỷ lệ lạm phát trong thời kỳ 2009-2016.
4.2.Phân tích đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau. Nghiên cứu tiến hành kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng chỉ tiêu VIF.
Bảng 4.2: Phân tích đa cộng tuyến qua phương pháp phương sai phóng đại
Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12
VIF của tất cả các biến độc lập đều nhỏ hơn 10 nên hiện tượng đa cộng tuyến trong mô hình được đánh giá là không nghiệm trọng (Gujrati, 2003).
4.3.Phân tích tương quan mô hình nghiên cứu
Bảng 4.3: Hệ số tương quan giữa các biến
Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12
Dựa vào bảng 4.3, ta thấy:
+ Biến độc lập GDP tác động ngược chiều đến Z. + Các biến độc lập còn lại tác động cùng chiều đến Z.
+ Không có hiện tượng đa cộng tuyến nghiêm trọng (tự tương quan giữa các