Luận văn sử dụng các kiểm định có liên quan đến mô hình hồi quy tuyến tính sử dụng dữ liệu bảng như hiện tượng đa cộng tuyến, tự tương quan, phương sai thay đổi và hiện tượng nội sinh.
4.2.2.1. Kiểm định hiện tượng đa cộng tuyến
Trong các giả định của mô hình hồi quy tuyến tính cổ điển (CLRM), có giả thiết các biến độc lập không có mối quan hệ tuyến tính chính xác. Nếu giả thiết này vi phạm, sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mô hình có tương quan tuyến tính với nhau.
Bảng 4.3: Ma trận hệ số tương quan giữa các biến trong mô hình
LLR GGDP CPI EXI ESI GL SIZE ETA OEXPR NIM LDR ROE
LLR 1,00 GGDP 0,01 1,00 CPI -0,21 -0,13 1,00 EXI -0,12 0,06 0,29 1,00 ESI -0,21 -0,01 0,94 0,33 1,00 GL 0,30 -0,11 -0,02 0,21 -0,05 1,00 SIZE 0,22 0,18 -0,33 -0,17 -0,27 -0,16 1,00 ETA -0,09 -0,10 0,29 0,03 0,24 0,06 -0,66 1,00 OEXPR 0,27 -0,08 -0,02 -0,14 -0,04 -0,02 -0,17 0,26 1,00 NIM 0,38 -0,04 0,15 0,14 0,17 -0,02 -0,09 0,29 0,69 1,00 LDR -0,12 0,08 0,25 0,22 0,27 0,01 -0,24 0,58 0,20 0,35 1,00 ROE 0,08 -0,07 0,33 0,26 0,37 -0,06 0,28 -0,14 0,04 0,37 0,07 1,00
Nguồn: Tính toán từ dữ liệu nghiên cứu trên Stata 14
Ma trận hệ số tương quan trong Bảng 4.3 thể hiện kết quả các biến nghiên cứu. Kết quả cho thấy cặp biến ESI – CPI có hệ số tương quan lớn hơn 0,9. Điều này báo hiệu hiện tượng đa cộng tuyến có thế xảy ra giữa hai biến này.
Để kiểm định đa cộng tuyến giữa các biến trong mô hình nghiên cứu, luận văn sử dụng kiểm định VIF – hệ số phóng đại phương sai (variance inflation factor). Một quy ước chung là nếu VIF > 10 thì đó là dấu hiệu đa cộng tuyến cao.
Theo kết quả kiểm định VIF, có 2 biến là CPI và ESI có hệ số VIF lớn hơn 10 do đó có hiện tượng đa cộng tuyến trong mô hình.
Bảng 4.4: Hệ số VIF
Tên biến VIF 1/VIF
CPI 20,91 0,047820 ESI 17,62 0,056761 NIM 3,78 0,264610 SIZE 3,38 0,296042 ETA 2,94 0,340339 OEXPR 2,48 0,403221 GGDP 2,46 0,406032 EXI 2,46 0,406847 ROE 2,14 0,467499 l,LLR 1,59 0,628246 LDR 1,51 0,660404 l,GGDP 1,44 0,693491 GL 1,41 0,707463 l,GL 1,13 0,882244 Mean VIF 4,66
Nguồn: Tính toán từ dữ liệu nghiên cứu trên Stata 14
4.2.2.2. Kiểm định hiện tượng tự tương quan
Giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng thu được bằng phương pháp OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Luận văn tiến hành kiểm định giả thuyết không có tự tương quan trên dữ liệu bảng.
Để kiểm định hiện tượng tự tương quan, luận văn sử dụng kiểm định Wooldridge (Wooldridge Test). Với mức ý nghĩa α = 5%, kiểm định Wooldridge cho kết quả p-value = 0,0224 < 0,05 nên bác bỏ giả thuyết H0, tức là mô hình có hiện tượng tự tương quan.
4.2.2.3. Kiểm định hiện tượng phương sai thay đổi
Phương sai sai số thay đổi sẽ làm cho các hệ số ước lượng không còn hiệu quả vì phương sai không còn là phương sai nhỏ nhất, do đó việc kiểm định giả thuyết không còn đáng tin cậy, những kết quả dự báo không còn tối ưu.
Để kiểm định hiện tượng phương sai thay đổi, luận văn sử dụng kiểm định White (White’s test). Với mức ý nghĩa α = 5%, kiểm định White cho kết quả p-value = 0,0035 < 0,05 nên bác bỏ giả thuyết H0, tức là mô hình có hiện tượng phương sai thay đổi.
4.2.2.4. Kiểm định hiện tượng nội sinh
Vấn đề biến nội sinh có nghĩa là các biến độc lập ở trong tình trạng không hoàn toàn độc lập với biến phụ thuộc và phát sinh mối quan hệ 2 chiều giữa các biến này. Hiện tượng nội sinh sẽ làm cho ước lượng thu được bằng mô hình OLS không vững.
Mô hình nghiên cứu sử dụng biến trễ của biến phụ thuộc (LLRi,t-1) làm biến độc lập nên theo các nghiên cứu thực nghiệm trước đây về các yếu tố nội tại bên trong ngân hàng, khi các nhà kinh tế học sử dụng mô hình hồi quy có biến trễ của biến phụ thuộc làm biến độc lập (Das và Ghosh (2007), Foos và cộng sự (2010)) thì nghiên cứu thuộc dạng mô hình với số liệu dạng bảng động có biến trễ của biến phụ thuộc là biến nội sinh.
Do đó phương pháp GMM được sử dụng để khắc phục hiện tượng nội sinh nhằm mang lại kết quả ước lượng vững. Tính vững của mô hình ước lượng bằng phương pháp GMM phụ thuộc vào các biến trễ làm biến công cụ. Một điều kiện cần thiết cho các biến công cụ là nó không được tương quan với phần dư của mô hình. Để giải quyết vấn đề này, luận văn sử dụng 2 kiểm định được đưa ra bởi Arellano and Bond (1991). Đầu tiên là kiểm định Hansen để xác định tính phù hợp của các biến công cụ trên mô hình GMM (overidentifying restrictions). Sau đó sẽ kiểm định phần dư của mô hình có tự tương quan bậc 2 hay không bằng kiểm định Arellano – Bond. Nếu cả hai kiểm định đều cho kết quả thuận lợi thì kết quả ước lượng từ phương pháp GMM là hoàn toàn có thể tin cậy và được sử dụng cho phân tích kết quả.