3.4.3.1 Lý do lựa chọn GMM
Tác giả sử dụng phƣơng pháp hồi quy trong trả l i c u hỏi các yếu tố ảnh hƣởng đến th nh hoản NHTM. Thông thƣ ng ƣớc lƣợng theo phƣơng pháp OLS (Pooled Regress Model) sẽ không chệch, vững và hiệu quả khi không tồn tại các vi phạm về phƣơng s i th y đổi, tự tƣơng qu n và biến nội sinh. Phƣơng pháp ƣớc lƣợng bình phƣơng bé nhất (OLS) là phƣơng pháp đƣợc dùng rất phổ biến trong lĩnh vực kinh tế lƣợng. Ƣu điểm củ phƣơng pháp này hông quá phức tạp nhƣng hiệu quả. Với một số giả thiết b n đầu, phƣơng pháp này sẽ dễ dàng xác định các giá trị ƣớc lƣợng hiệu quả, không chệch và vững.
Tuy nhiên, khi nghiên cứu về dữ liệu c vi phạm một hoặc một số giả định của OLS. Khi đ , các ƣớc lƣợng thu đƣợc sẽ bị bóp méo, mất tính vững và sẽ là sai lầm nếu sử dụng chúng để phân tích. Một trong những dạng vi phạm giả định phổ biến là hiện tƣợng nội sinh, một trƣ ng hợp khi hệ số ƣớc lƣợng (hoặc biến) tƣơng qu n với phần dƣ.
Với những vi phạm trên làm cho kết quả ƣớc lƣợng theo phƣơng pháp OLS hông c n đáng tin cậy và hiệu quả nhất.
Mẫu nghiên cứu tác giả tồn tại hiện tƣợng phƣơng s i th y đổi, tự tƣơng qu n và nghi ng tồn tại hiện tƣợng nội sinh khi biến phụ thuộc trong mô hình có khả năng tác động tới các biến độc lập. Theo Arellano Bond (1991), mô hình GMM khắc phục đƣợc các giả thuyết định lƣợng bao gồm cả phƣơng s i th y đổi, tự tƣơng quan và hiện tƣợng nội sinh, cho ƣớc lƣợng tin cậy.
3.4.3.2 Thủ tục ớc l ợng GMM và kiể định c bản
Phần trên đ cố gắng trình bày một cách đơn giản, có thể hiểu đƣợc vai trò của biến công cụ trong hồi quy IV. Tuy nhiên, cách thực hiện tính toán củ các phƣơng pháp hồi quy IV là rất phức tạp, GMM là phƣơng pháp hiệu quả, ƣu việt hơn cả nên cũng há phức tạp. GMM đƣợc Lars Peter Hansen trình bày lần đầu tiên vào năm
1982 trong bài viết “LargeSample Properties of Generalized Methods of Moments Estimators”Econometrica, Vol. 50, page 1029-1054.
Nhƣ đ đề cập ở phần trên, để ƣớc lƣợng đƣợc hệ số β, chúng ta cần một bộ L vector các biến công cụ (trong ƣớc lƣợng GMM c n đƣợc gọi là các điều kiện moment) và số lƣợng biến công cụ phải hông ít hơn số biến giải thích trong mô hình (L ≥ K).
Điều kiện để một biến đƣợc chọn là biến công cụ là n hông đƣợc tƣơng qu n với phần dƣ, điều này c nghĩ là:
( ( ))
tƣởng chủ đạo củ phƣơng pháp GMM là th y thế giá trị các biến công cụ bằng giá trị trung bình của mẫu:
( ( )) ∑ ( ) ( )
và đi tìm Vector β th m n phƣơng trình trên.
Khi số lƣợng điều kiện moment lớn hơn số biến trong mô hình (L>K) thì phƣơng trình không thể xác định một nghiệm chính xác duy nhất (có nhiều nghiệm có thể thỏ m n phƣơng trình). Khi đ mô hình đƣợc gọi là overidentified. Trong trƣ ng hợp đ , chúng t phải thực hiện tính toán lại nhằm xác định giá trị β làm cho điều kiện moment ( ( )) “gần” bằng 0 nhất có thể, khái niệm “gần” đƣợc hiểu là khoảng cách với giá trị 0 là nhỏ nhất, khoảng cách đ đƣợc xác định nhƣ sau:
( ̂ ) ( ) ( )
Ma trận ngẫu nhiên, cân xứng và không âm ̂( ích thƣớc L x L) đƣợc gọi là
ma trận trọng số vì nó thể hiện mức đ ng g p củ các điều kiện moment khác nhau vào khoảng cách J. Phƣơng pháp ƣớc lƣợng GMM sẽ xác định giá trị ƣớc lƣợng β để khoảng cách J là nhỏ nhất.
Kiểm định quan trọng nhất củ phƣơng pháp ƣớc lƣợng GMM là kiểm định Overidentifying Restrictions (Overidentifying Restrictions Test) hay còn gọi là
kiểm định Sargent (Sargent Test) hoặc kiểm định J (J – Test). Đ y là iểm định cần thiết trong trƣ ng hợp số biến công cụ nhiều hơn số biến trong mô hình. tƣởng của kiểm định là xem xét biến công cụ c tƣơng qu n với phần dƣ của mô hình không. Nếu câu trả l i là hông, hi đ biến công cụ là nội sinh, thì biến công cụ đƣợc chọn là phù hợp và mô hình sử dụng biến đ để ƣớc lƣợng cũng phù hợp. Kiểm định Sargent sử dụng thống kê J (J – statistic) nhằm kiểm định giả thiết H0 - biến công cụ là nội sinh, mô hình phù hợp. Thống kê J tuân theo phân phối Chi Bình phƣơng và đƣợc trình bày trên bảng kết quả ƣớc lƣợng của phần mềm thống kê cùng với giá trị P – v lue tƣơng ứng của nó.
3.4.3.3 Tính chất của ph ng pháp ớc l ợng GMM
Khi số lƣợng mẫu phù hợp giá trị β ƣớc lƣợng đƣợc sẽ vững, hi đ giá trị ƣớc lƣợng đƣợc sẽ càng gần với giá trị thực củ n . Ƣớc lƣợng GMM sẽ cho ra các giá trị ƣớc lƣợng tuân theo phân phối chuẩn, đ y là thuộc tính rất quan trọng vì đ là cơ sở để chúng ta xây dựng giá trị dự đoán ở các độ tin cậy (confidence bands) và thực hiện các kiểm định hác. Phƣơng pháp GMM cũng cho r ết quả là các giá trị ƣớc lƣợng hiệu quả, nghĩ là giá trị phƣơng s i trong mô hình ƣớc lƣợng là nhỏ nhất.
CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM
hư ng này tác giả tr nh bày kết quả ph n tích mối quan hệ các yếu tố đến thanh khoản N TM tại Việt Nam. Trong chư ng 3 tác giả đã tr nh bày về mô h nh nghiên cứu, các phư ng pháp và dữ liệu sẽ sử dụng để mô h nh các biến. hư ng 3 cũng đưa ra một số tính chất lí thuyết đặc trưng trong mô h nh, đồng thời chỉ ra phư ng pháp cũng như cách đo lường các biến trong mô h nh nghiên cứu. Phần tiếp theo tác giả tr nh bày kết quả ph n tích định lượng trên dữ liệu bảng. Mẫu nghiên cứu của luận văn bao gồm 25 Ng n hàng với mẫu nghiên cứu 223 quan sát trong khoảng thời gian từ năm 2008–2016 tạo thành bảng c n bằng.
4.1 PHÂN TÍCH THÔNG KÊ MÔ TẢ GIỮA CÁC BIẾN TRONG MÔ HÌNH
Bảng 4.1: Thống kê mô tả giữa các biến trong mô hình
Variable Obs Mean Std. Dev. Min Max
LQD 223 0.225 0.105 0.052 0.611 SIZE 224 7.802 0.537 6.384 9.003 CA 224 0.112 0.063 0.038 0.462 ROA 224 0.891 0.811 -5.512 5.951 LLD 224 0.013 0.006 0.001 0.038 IRM 225 2.634 0.462 1.942 3.240 GDP 225 5.918 0.480 5.247 6.679 INF 225 9.067 6.893 0.879 23.116
Nguồn: Kết quả tổng hợp từ Phần mềm Stata 13(Phụ lục 1)
Phần thống ê mô tả chung cho các biến trong mô hình theo bảng 4.1, Các biến thu thập đƣợc c d o động ổn định, phần lớn các giá trị độ lệch chuẩn củ mẫu nghiên cứu đều nhỏ hơn so với giá trị trung bình. Cỡ mẫu nghiên cứu gồm 223 qu n sát cho mỗi biến, là số qu n sát đƣợc chấp nhận để thực hiện hồi quy và các iểm
định trong thống ê. Nhƣ vậy số lƣợng qu n sát và các giá trị đồng đều đảm bảo độ tin cậy củ mô hình định lƣợng trong đ ng g p bằng chứng thực nghiệm.
Biểu đồ 4.1. Biến động lợi nhuận ROA và thanh khoản NHTM
Nguồn: Dự trên số liệu tác giả tổng hợp
Kết quả cho thấy biến động lợi nhuận và th nh hoản các NHTM cho thấy chiều hƣớng di chuyển cùng chiều củ t suất sinh lợi trên tổng tài sản và th nh hoản. Các yếu tố này cùng tăng c o trong gi i đoạn 2009-2010, s u đ giảm dần đến tới năm 2015. Tới 2016 c xu hƣớng hồi phục tuy nhiên hông quá c o.
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 2008 2009 2010 2011 2012 2013 2014 2015 2016 ROA LQD
Biểu đồ4.2. Biến động GDP, INF và thanh khoản NHTM
Nguồn: Dự trên số liệu tác giả tổng hợp
Đồ thị cho thấy GDP c xu hƣớng tăng trƣởng đều đặn, c o nhất là 6.68% năm 2015 và thấp nhất là 5.25% năm 2012.
Lạm phát c xu hƣớng c o thấp hông đồng nhất, c o nhất lên đến 23.12% trong năm 2008 và 18.68% vào năm 2011, tỉ lệ lạm phát đ đƣợc duy trì ở mức 7.05% vào năm 2009 – chỉ một năm s u hi đạt mức lạm phát ỉ lục năm 2008, cũng nhƣ luôn đƣợc giữ ở mức vừ phải từ năm 2013 đến n y nh những chính sách vĩ mô ịp th i củ chính phủ.
4.2 TƢƠNG QUAN CÁC BIẾN TRONG MÔ HÌNH VÀ ĐA CỘNG TUYẾN 4.2.1 Ma trận tƣơng quan đơn tuyến tính giữa các cặp biến Pearson
Hệ số tƣơng qu n dùng để chỉ mối qu n hệ giữ các biến trong mô hình. Dự vào ết quả m trận tƣơng qu n, tác giả sẽ ph n tích mối tƣơng qu n giữ các biến phụ thuộc với các biến độc lập trong mô hình và mối tƣơng qu n giữ các biến độc lập với nh u. 5.66 5.40 6.42 6.24 5.25 5.42 5.98 6.68 6.21 0.00 5.00 10.00 15.00 20.00 25.00 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 2008 2009 2010 2011 2012 2013 2014 2015 2016 GDP LQD INF
Bảng 4.2: Ma trận tƣơng quan tuyến tính đơn giữa các cặp biến
LQD SIZE CA ROA LLD IRM GDP INF LQD 1 SIZE -0.1702 1 CA 0.0808 -0.7281 1 ROA 0.1161 -0.1374 0.3954 1 LLD -0.015 0.4083 -0.3123 -0.2145 1 IRM 0.1193 -0.041 0.1104 -0.09 0.1558 1 GDP -0.2032 0.188 -0.1785 -0.1138 -0.1015 -0.4252 1 INF 0.4308 -0.3211 0.3232 0.242 -0.0694 0.4169 -0.2198 1
Nguồn: Kết quả tổng hợp từ Phần mềm Stata 13(Phụ lục 2)
Hệ số tƣơng qu n Pe rson đƣợc tính toán để chỉ r mức độ tƣơng qu n đến tuyến tính giữ các biến độc lập nhằm phát hiện hiện tƣợng đ cộng tuyến ở các biến giải thích. Những hệ số tƣơng qu n c trị tuyệt đối lớn hơn 0.8 là những biến c đ cộng tuyến c o.
Kết quả ph n tích m trận tự tƣơng qu n giữ các biến trong mô hình theo bảng 4.2 cho thấy hông tồn tại các hệ số tƣơng qu n cặp biến lớn hơn 0.8, do đ hông tồn tại hiện tƣợng đ cộng tuyến.
Kết luận: Mô hình hông xảy r đ cộng tuyến nghiêm trọng với tiêu chuẩn
tƣơng qu n cặp tuyến tính theo dữ liệu thu thập.
4.2.2 Kiểm định đa cộng tuyến trong mô hình bằng nhân tử phóng đại phƣơng sai VIF
Bảng 4.3: Kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phƣơng sai
Biến VIF 1/VIF SIZE 2.78 0.360077 CA 2.73 0.366406 IRM 1.61 0.620854 INF 1.49 0.671443 ROA 1.48 0.674616 GDP 1.34 0.746926 LLD 1.32 0.759753 Trung bình VIF 1.82
Nguồn: Kết quả tổng hợp từ Phần mềm Stata 12 (Phụ lục 3)
Dự vàobảng 4.3 ết quả iểm tr đ cộng tuyến với nh n tử ph ng đại phƣơng s i, giá trị trung bình VIF củ các biến trong mô hình đều nhỏ hơn 10, trung bình VIF chỉ là 1.82. Đồng th i các biến đều c VIF nhỏ hơn 10, nên hông xảy r hiện tƣợng đ cộng tuyến mạnh trong mô hình dữ liệu nghiên cứu.
Kết luận: Với tiêu chuẩn nh n tử ph ng đại phƣơng s i VIF, mô hình hông tồn tại
hiện tƣợng đ cộng tuyến trong mẫu dữ liệu nghiên cứu.
4.3 KIỂM ĐỊNH LỰA CHỌN MÔ HÌNH
Các mô hình thông thƣ ng đƣợc sử dụng trên ph n tích dữ liệu bảng là ba dạng mô hình Pooled OLS, FEM và REM đƣợc chi thành h i nh m. Mô hình Pooled OLS hông ph n biệt sự hác biệt giữ các ng n hàng. Trong hi mô hình FEM và REM qu n t m tới sự hác biệt giữ các ng n hàng.
Xuất phát từ h i nhận định trên cùng với việc ph n tích lự chọn iểm định mô hình, tác giả lự chọn mô hình Pooled OLS–mô hình ƣớc lƣợng hồi quy hông qu n t m tới sự hác biệt giữ các ng n hàng, và mô hình hiệu ứng tác động cố định hoặc ngẫu nhiên đƣợc lự chọn bằng iểm định H usm n mô hình đo lƣ ng sự hác biệt giữ các ng n hàng làm h i mô hình ph n tích dữ liệu bảng cho bài nghiên cứu này. Ngoài r , phƣơng pháp ƣớc lƣợng GMM dự trên Arell no Bond (1991) cũng trên dữ liệu bảng đƣợc sử dụng trong bài nghiên cứu này nhằm đảm bảo ết quả ƣớc lƣợng tin cậy, hắc phục đƣợc các huyến huyết định lƣợng đảm bảo tính chất BLUE củ ƣớc lƣợng.
4.3.1 Kiểm định lựa chọn mô hình Pooled và mô hình dữ liệu bảng FEM
Giả định củ iểm định là các qu n sát giữ các Ng n hàng qu các năm hông tìm thấy sự hác biệt, mô hình Pooled phù hợp với dữ liệu. Khi dữ liệu mẫu tồn tại sự hác biệt các Ng n hàng qu các năm thì dữ liệu bảng FEM phù hợp với mẫu nghiên cứu hơn.
Bài nghiên cứu sử dụng iểm định lự chọn mô hình Pooled và mô hình dữ liệu bảng FEM.
Giải thuyết H0: Mô hình Pooled phù hợp với mẫu nghiên cứu hơn FEM Giả thuyết H1: Mô hình FEM phù hợp với mẫu nghiên cứu hơn Pooled
Bảng 4.4: Kết quả kiểm định lựa chọn Pooled và FEM
Giá trị thống ê F P-value
7.27 0.0000
Nguồn: Kết quả tổng hợp từ Phần mềm Stata 12 (Phụ lục 4)
Kiểm định cho p-v lue củ mô hình nhỏ hơn 0.05 đủ cơ sở bác bỏ giả thuyết H0. Vậy mô hìnhhồi quy theo FEM sẽ phù hợp so với mô hình Pooled OLS.
Tác giả tiếp tục so sánh mô hình Pooled và REM về sự phù hợp.
4.3.2 Kiểm định lựa chọn mô hình Pooled và mô hình dữ liệu bảng REM
Tác giả iểm định Breusch, T. S. và A. R. P g n. (1980) lự chọn mô hình Pooled và REM với giả thuyết nhƣ s u:
Giả thuyết H0: Mô hình Pooled phù hợp dữ liệu mẫu nghiên cứu hơn REM Giả thuyết H1: Mô hình REM phù hợp dữ liệu mẫu nghiên cứu hơn Pooled
Bảng 4.4: Kết quả kiểm định lựa chọn Pooled và REM
Chi bình phƣơng (χ2) P-value
122.50 0.0000
Nguồn: Kết quả tổng hợp từ Phần mềm Stata 12 (Phụ lục 5)
Kiểm định cho giá trị p-v lue nhỏ hơn 0.05, nên chúng t bác bỏ giả thuyết H0. Vậy mô hình REM phù hợp hơn so với mô hình Pooled.
4.3.3 Kiểm định lựa chọn mô hình FEM và mô hình dữ liệu bảng REM
Tác giả tiếp tục thực hiện iểm định H usm n nhằm lự chọn giữ h i mô hình REM và FEM với giả thuyết dữ iện nhƣ s u:
Giả thuyết H0: Mô hình REM phù hợp dữ liệu mẫu nghiên cứu hơn FEM Giả thuyết H1: Mô hình FEM phù hợp dữ liệu mẫu nghiên cứu hơn REM
Bảng 4.5: Kết quả kiểm định lựa chọn FEM và REM
Chi bình phƣơng (χ2) P-value
14.39 0.0133
Nguồn: Kết quả tổng hợp từ Phần mềm Stata 12 (Phụ lục 6)
Kiểm định cho p-v lue cho mô hình nhỏ hơn 0.05, nên đủ cơ sở để bác bỏ giả thuyết H0 ở mức nghĩ 5%. Vậy mô hình hồi quy theo phƣơng pháp FEM phù hợp với dữ liệu mẫu hơn mô hình REM.
S u hi ph n tích lự chọn iểm định mô hình, mô hình hồi quy theo phƣơng pháp FEM – hiệu ứng tác động cố định phù hợp với dữ liệu mẫu hơn. Các tiếp cận trên GMM dự trên Arell no Bond (1991) cũng dự trên hiệu ứng cố định FEM.
4.4 KIỂM ĐỊNH CÁC KHIẾM KHUYẾT ĐỊNH LƢỢNG
S u hi lự chọn mô hình trên dữ liệu bảng phù hợp với dữ liệu mẫu ph n tích, tác giả iểm tr các giả thiết vi phạm củ mô hình nghiên cứu. Nhằm lự chọn phƣơng pháp ƣớc lƣợng tin cậy iểm soát các giả thiết định lƣợng.
4.4.1 Kiểm định hiện tƣợng phƣơng sai thay đổi phần dƣ trên dữ liệu bảng - Greene (2000)
Hiện tƣợng phƣơng s i th y đổi c thể ảnh hƣởng đến tính hiệu quả củ ƣớc lƣợng mô hình, mất tính tin cậy củ iểm định hệ số. Tác giả tiến hành iểm định phƣơng s i số th y đổi bằng phƣơng pháp iểm định Greene (2000) với giả thuyết nhƣ s u:
Giả thuyết H0: Mô hình không có hiện tƣợng phƣơng s i th y đổi Giả thuyết H1: Mô hình c hiện tƣợng phƣơng s i th y đổi
Bảng 4.6:Kết quả kiểm tra phƣơng sai thay đổi của 2 mô hình
Chi bình phƣơng (χ2) P-value
284.74 0.0000
Từ Bảng 4.6 ết quả iểm định Greene (2000) bằng phần mềm St t cho thấy