Trong các mô hình nghiên cứu đã đƣợc trình bày tại chƣơng 2, có hai biến phụ thuộc đƣợc sử dụng là tốc độ TTTD và quy mô tổng dƣ nợ các khoản cho vay của ngân hàng. Do chƣa có nghiên cứu nào chỉ rõ việc sử dụng chỉ tiêu về tốc độ TTTD hay quy mô tín dụng có thể đạt hiệu quả tối ƣu trong việc xây dựng mô hình xác định các yếu tố tác động đến TTTD của ngân hàng. Vì vậy, tác giả lựa chọn cả hai yếu tố tốc độ TTTD (LoanGr) và quy mô tín dụng (lnLoan) làm biến phụ thuộc trong mô hình nghiên cứu.
Về các biến vĩ mô, dựa vào các biến vĩ mô có thể tác động đến TTTD đã đƣợc trình bày tại chƣơng 2, trong luận văn này, tác giả sử dụng các biến: Tốc độ tăng trƣởng của GDP (%), tỷ lệ lạm phát hàng năm (%).
Về vấn đề lựa chọn các biến vĩ mô là đại diện cho địa phƣơng hay số liệu chung cho cả quốc gia. Do hoạt động cho vay của các chi nhánh ngân hàng trên địa bàn tỉnh Bình thuận có thể đƣợc thực hiện đối với các khách hàng tại tỉnh Bình Thuận và các khách hàng tại tỉnh khác (cho vay ngoài địa bàn). Do đó, nếu chỉ xét riêng GDP tại tỉnh Bình Thuận thì đã bỏ qua giá trị các khoản vay ngoài địa bàn. Trong khi số liệu về TTTD và dƣ nợ cho vay của mỗi chi nhánh không thể xác định đƣợc giá trị cho vay trong và ngoài địa bàn. Nên dữ liệu về GDP đƣợc sử dụng trong nghiên cứu là dữ liệu chung cho toàn quốc. Tƣơng tự, dữ liệu về lạm phát trong nghiên cứu cũng đƣợc sử dụng là mức lạm phát chung của toàn quốc.
Về các biến vi mô, dựa trên các công trình nghiên cứu đã đƣợc thực hiện, các biến độc lập đƣợc đƣa vào mô hình bao gồm: (ia) Tốc độ TTTD kỳ trƣớc (nếu biến phụ thuộc là tốc độ TTTD), (ib) quy mô tín dụng kỳ trƣớc (nếu biến phụ thuộc là quy mô tín dụng), (ii) tốc độ tăng trƣởng tiền gửi, (iii) quy mô ngân hàng, (iv) lợi nhuận ngân hàng, (v) tỷ lệ nợ xấu. Do các yếu tố về quy mô cấp tín dụng và quy mô ngân hàng có thể có sự chênh lệch lớn giữa các đơn vị quan sát nên tác giả lấy logarit các giá trị tƣơng ứng nhằm giảm sự phƣơng sai thay đổi trong mô hình nghiên cứu. Ngoài ra, khoản mục vốn chủ sở hữu không thể xác định đƣợc đối với chi nhánh nên tại chi nhánh không thể xác định đƣợc chỉ tiêu ROE. Do đó, tiêu chí về lợi nhuận ngân hàng đƣợc xác định bằng tỷ lệ thu nhập từ lãi so với chi phí lãi mà chi nhánh đã thực hiện.
Bảng 3.2 trình bày lại các biến đƣợc sử dụng, cách xác định, đơn vị tính và dấu kì vọng của chúng trong mô hình nghiên cứu..
Bảng 3.2 Các biến trong mô hình nghiên cứu
STT Tên biến Cách xác định Đơn
vị Ký hiệu Kỳ vọng dấu tác động I Biến phụ thuộc 1 Tốc độ TTTD (Giá trị khoản cấp tín dụngt0- Giá trị các khoản cấp tín dụngt-1)/ Giá trị các khoản cấp tín dụng t-1* 100% % LoanGrt 2 Giá trị các khoản cấp tín dụng
Logarit của giá trị các khoản cấp tín dụng của chi nhánh - lnLoan II Biến độc lập 3 Tốc độ TTTD kỳ trƣớc (nếu biến phụ thuộc là LoanGr) (Giá trị khoản cấp tín dụngt-1- Giá trị các khoản cấp tín dụngt-2)/ Giá trị các khoản cấp tín dụngt-2 * 100% % LoanGrt-1 + 4 Giá trị các khoản cấp tín dụng kỳ trƣớc (nếu biến phụ thuộc là lnLoan) Logarit (Giá trị các khoản cấp tín dụng kỳ trƣớc trên bảng cân đối kế toán của chi nhánh)
- LnLoant-1 +
5 Tốc độ tăng trƣởng tiền gửi
(Giá trị tiền gửi kỳ t- Giá trị tiền gửi kỳ t0)/ Giá trị tiền gửi kỳ t0 * 100% % DepositGr + 6 Tỷ lệ nợ xấu Các khoản dƣ nợ nhóm 3, 4, 5/ tổng dƣ nợ * 100% % NPL -
7 Quy mô ngân hàng Log(tổng tài sản chi
8 Lợi nhuận ngân hàng
Thu nhập từ lãi/ chi phí
từ lãi *100% - Profit + 9 Tốc độ tăng trƣởng kinh tế (GDP t –GDP t-1)/ GDP t-1 *100% % GDP + 10 Tỷ lệ lạm phát Tỷ lệ lạm phát % INF - 3.2.2 Mô hình thực nghiệm 3.2.2.1 Dạng của mô hình
Trong giới hạn của đề tài, tác giả xây dựng mô hình hồi quy nhằm xác định các yếu tố ảnh hƣởng đến TTTD tại các chi nhánh NHTM trên địa bàn tỉnh Bình Thuận. Các số liệu đƣợc lấy từ BCTC của 13 chi nhánh NHTM tại tỉnh Bình Thuận trong giai đoạn từ 2010-2015. Dựa vào dạng mô hình hồi quy của các nghiên cứu đã đƣợc công bố, mô hình hồi quy có dạng tuyến tính nhƣ sau:
Mô hình 1: Biến phụ thuộc là quy mô tín dụng
LnLoani,t = c +β1(LnLoani,t-h) + β2 (DepositGri,t-h) +β3(NPLi,t-h) +β4(LnSizei,t-h) + β5(Profiti,t-h) + β6(GDPi,t-h) + β7(INFi,t-h) + Ui,t
Mô hình 2: Biến phụ thuộc là tốc độ TTTD
LoanGri,t = c +β1(LoanGri,t-h) +β2 (DepositGri,t-h) +β3(NPLi,t-h) +β4(LnSizei,t-h) + β5(Profiti,t-h) + β6(GDPi,t-h) + β7(INFi,t-h) + Ui,t
3.2.3 Phương pháp hồi quy dữ liệu
Do dữ liệu nghiên cứu vừa có tính thời gian (giai đoạn 2010-2015) vừa có tính không gian (13 Chi nhánh NHTM) nên dữ liệu nghiên cứu thuộc dạng dữ liệu bảng. Theo Yaffee (2003), các mô hình phân tích hồi quy dựa trên dữ liệu bảng mang cả hai yếu tố không gian và thời gian. Theo Yaffee (2003), mô hình phân tích hồi quy dựa trên dữ liệu bảng mang cả hai yếu tố không gian ký hiệu là i, và thời gian ký hiệu là t có dạng nhƣ sau:
Yit = β1it + β2it X2it + β3it X3it +…+ βkit Xkit + uit (3.1)
Việc ƣớc lƣợng dữ liệu bảng có thể thực hiện theo các mô hình: (i) mô hình hệ số không thay đổi (Pooled OLS), (ii) mô hình hiệu ứng cố định (FEM), (iii) mô hình hiệu ứng ngẫu nhiên (REM), mô hình moment tổng quát (GMM).
Mô hình hệ số không thay đổi (Pooled OLS): Mô hình hồi quy có các hệ số không biến đổi, nghĩa là các dữ liệu nghiên cứu đƣợc gộp chung rồi chạy mô
hình hồi quy bằng phƣơng pháp bình phƣơng nhỏ nhất thông thƣờng (OLS) hay còn đƣợc gọi là mô hình hồi quy gộp (Pooled OLS).
Phƣơng pháp ƣớc lƣợng theo mô hình Pooled OLS đã đồng nhất hiệu ứng đặc thù theo không gian và thời gian của dữ liệu. Do mỗi không gian sẽ có đặc thù riêng và có thể thay đổi theo thời gian nên việc hồi quy theo mô hình Pooled OLS rất dễ vi phạm các giả định về mô hình hồi quy cổ điển nhƣ tự tƣơng quan, phƣơng sai thay đổi và đa cộng tuyến.
Mô hình hiệu ứng cố định (FEM): mô hình FEM có tung độ gốc biến đổi theo đơn vị không gian (không đổi theo thời gian). Để thực hiện điều này, trong mô hình FEM, các biến giả đƣợc sử dụng để đại diện cho sự khác biệt về dộ dốc của các biến số hồi quy. Tuy nhiên, việc đƣa vào nhiều biến giả sẽ làm giảm số bậc tự do và có khả năng xảy ra đa cộng tuyến.
Trong đó, tung độ gốc βi là giá trị trung bình của tất cả các tung độ gốc theo đơn vị không gian và uit là hạng sai số theo không gian và chuỗi thời gian kết hợp.
Mô hình hiệu ứng ngẫu nhiên (REM): mô hình REM với tung độ gốc ngẫu nhiên. Kết quả ngẫu nhiên này là tổng của một giá trị trung bình là β1 và sai số ngẫu nhiên đặc trƣng cho từng đơn vị không gian là εi.
Mô hình moment tổng quát (GMM): GMM là phƣơng pháp hồi quy đƣợc sử dụng nhằm đánh giá các yếu tố tác động đến biến phụ thuộc, mà trong mô hình có chứa các biến trễ của biến phụ thuộc, nghĩa là chứa các biến có dạng Yi,t−h (h là độ trễ của Y). Lúc này Yt-h là biến nội sinh (endogeous). Ngoài ra, sự hiện diện của biến số này sẽ làm tăng sự tự tƣơng quan của sai số (Arellano và Bond, 1991; Mileva, 2007). Do đó, khi mô hình xuất hiện các biến nội sinh thì việc ƣớc lƣợng theo các phƣơng pháp OLS, FEM, REM thƣờng là các ƣớc lƣợng không vững và gặp phải những vấn đề về tự tƣơng quan, phƣơng sai thay đổi, đa cộng tuyến. Mặt khác, phƣơng pháp ƣớc lƣợng moment tổng quát (GMM) có thể cho ra kết quả ƣớc lƣợng hồi quy vững và hiệu quả (Arellano, 1991).
Xét thấy, trong mô hình nghiên cứu đƣợc nêu có đề cập đến các biến độc lập là biến trể của biến phụ thuộc. Nghĩa là mô hình có chứa các biến nội sinh. Hơn nữa, các mô hình hồi quy theo Pooled OLS, FEM, REM phải đƣợc thực hiện trên dữ liệu có số lƣợng lớn trong khi mô hình nghiên cứu trong luận văn chỉ
đề cập đến 13 đơn vị không gian và 6 đơn vị theo thời gian. Theo Arellano và Bond (1991), phƣơng pháp hồi quy theo GMM có thể đƣợc thực hiện với số lƣợng dữ liệu nhỏ hơn so với các phƣơng pháp Pooled OLS, FEM, REM. Vì vậy, trong bài nghiên cứu này, tác giả lựa chọn phƣơng pháp GMM để ƣớc lƣợng mô hình nhằm tìm ra các yếu tố tác động đến TTTD.
Theo Arellano và Bond (1991), GMM là phƣơng pháp ƣớc lƣợng tốt nhất đối với các mô hình có các đặc điểm sau:
(i) Các biến độc lập không phải là một biến ngoại sinh chặt, nghĩa là chúng có mối tƣơng quan với phần dƣ hoặc tồn tại biến nội sinh trong mô hình.
(ii) Mô hình động với một hoặc hai vế của phƣơng trình có chứa biến trễ. (iii) Dữ liệu thu thập đƣợc trong thời gian ngắn và mảng không gian lớn hơn. (iv) Tồn tại mối quan hệ tuyến tính giữa biến phụ thuộc và các biến giải thích.
(v) Tồn tại vấn đề phƣơng sai thay đổi hoặc tự tƣơng quan ở các sai số đo lƣờng.
(vi) Tồn tại các tác động riêng lẻ.
Về nguyên tắc, theo Arellano và Bond (1991), GMM xử lý hiện tƣợng tự tƣơng quan bằng cách sử dụng phân tích khác biệt (diffence) và kết hợp với các biến công cụ (instrument) phù hợp để xử lý biến số bị nội sinh. Theo đó, để ƣớc lƣợng GMM hiệu quả, biến công cụ phải thỏa mãn hai điều kiện đó là, tƣơng quan với biến nội sinh và không tƣơng quan với phần dƣ. Theo Phamj Tris Cao (2009), nếu các biến đƣợc dự đoán là nội sinh thì xếp vào nhóm biến đƣợc công cụ theo tiếp cận GMM; và khi đó chỉ có giá trị trễ của các biến này mới là công cụ thích hợp. Còn nếu nhƣ các biến giải thích đƣợc xác định là ngoại sinh nghiêm ngặt cũng nhƣ các biến công cụ đƣợc thêm vào (nếu có) thì xếp vào nhóm biến ngoại sinh. Các biến ngoại sinh nghiêm ngặt thì giá trị hiện tại và giá trị trễ của chúng đều là các công cụ thích hợp.
Nhƣ vậy, vấn đề quan trọng nhất theo phƣơng pháp ƣớc lƣợng GMM là xác định các biến nội sinh trong mô hình nhằm đƣa ra các biến công cụ phù hợp. Trong mô hình thực nghiệm nghiên cứu đƣợc đề cập và nội dung lý thuyết đƣợc trình bày tại mục 2.2.2, các yếu tố đặc thù của ngân hàng gồm tốc độ TTTD kỳ trƣớc, quy mô tín dụng kỳ trƣớc, tăng trƣởng tiền gửi, tỷ lệ nợ xấu, quy mô ngân
hàng, lợi nhuận đều có hiện tƣợng nội suy. Do đó, bài luận văn sẽ ƣớc lƣợng mô hình bằng phƣơng pháp hồi quy GMM với các biến công cụ là các biến nội sinh nêu trên.
Ngoài ra, nghiên cứu sử dụng System - GMM thay vì Difference - GMM vì System - GMM phù hợp hơn với bộ dữ liệu không thay đổi quá lớn vì khi đó độ trễ của biến phụ thuộc dễ trở thành những công cụ yếu. System-GMM cho phép ƣớc lƣợng đồng thời hai phƣơng trình, một ở sai phân (first-difference), sử dụng độ trễ giá trị các biến làm biến công cụ và ở chuỗi giá trị (level) với độ trễ sai phân các biến làm biến công cụ. Nghiên cứu cũng sử dụng các kiểm định Sargan để kiểm định sự phù hợp của các biến công cụ và tự tƣơng quan của phần dƣ mô hình.
3.2.2.2 Các bước thực hiện mô hình
Theo Arellano và Bond (1991), các thủ tục tiến hành cần thiết để lựa chọn mô hình đối với dữ liệu bảng đƣợc thực hiện nhƣ sau:
ƣớc 1: xác định các vi phạm về tự tƣơng quan, phƣơng sai thay đổi, đa cộng tuyến đối với dữ liệu nghiên cứu. Từ đó đánh giá hiệu quả của việc sử dụng mô hình hồi quy GMM.
ƣớc 2: Chạy hồi quy mô hình GMM đối với các mô hình có biến phụ thuộc lần lƣợt là LnLoan (mô hình 1) và LoanGr (mô hình 2). Từ đó, đánh giá kết quả thu đƣợc và lựa chọn mô hình tối ƣu nhằm phản ánh các yếu tố tác động đến TTTD tại Bình Thuận.
Với các bƣớc đƣợc tiến hành nhƣ trên, nội dung dƣới đây tóm tắt một số kiểm định trong quá trình hồi quy mô hình:
- Kiểm định LM của Breusch – Pagan: là kiểm định phƣơng sai của các sai số ngẫu nhiên có thay đổi hay không.
H0: Phƣơng sai các sai số ngẫu nhiên εi bằng 0 (chọn mô hình Pooled OLS).
H1: Phƣơng sai các sai số ngẫu nhiên εi khác 0 (chọn mô hình REM). Nếu P-value < 0.05, thì mô hình vi phạm giả thiết vi phƣơng sai thay đổi. - Kiểm định Wooldrdge: là một kiểm tra đối với tƣơng quan chuỗi của dữ liệu hồi quy.
H1: Mô hình vi phạm tƣơng quan chuỗi.
Nếu P-value < 0.05, thì bác bỏ giả thiết H0 hay mô hình vi phạm hiện tƣợng tƣơng quan chuỗi.
- Kiểm định Sargan: Xác định tính chất phù hợp của các biến công cụ trong mô hình GMM. Đây là kiểm định giới hạn về nội sinh của mô hình. Kiểm định Sargan sử dụng giả thuyết:
Ho: Biến công cụ là ngoại sinh, nghĩa là không tƣơng quan với sai số của mô hình.
Nếu giá trị p < mức ý nghĩa α thì bác bỏ giả thuyết Ho, nghĩa là biến công cụ sử dụng có tƣơng quan với sai số của mô hình. Ngƣợc lại, nếu p value của hệ số Sargan > α thì chƣa đủ cơ sở để bác bỏ giả thuyết Ho, nghĩa là các biến công cụ là ngoại sinh, không có tƣơng quan với sai số của mô hình.
Arellano-Bond (1991), giá trị pvalue của thống kê Sargan càng lớn thì càng có cơ sở mạnh để chấp nhận giả thuyết Ho.
- Kiểm định R(2): Đƣợc đề xuất bởi Arellano-Bond (1991) để kiểm tra tính chất tự tƣơng quan của sai số theo phƣơng pháp GMM ở dạng sai phân bậc nhất. Do chuỗi sai phân bậc nhất mặc nhiên có tƣơng quan bậc nhất AR(1) nên kết quả kiểm định đƣợc bỏ qua. Tƣơng quan bậc 2 AR(2) đƣợc kiểm định trên chuỗi sai phân của sai số để phát hiện hiện tƣợng tự tƣơng quan của sai số bậc nhất AR(1). Giả thuyết đƣợc sử dụng trong kiểm định AR(2) là:
Ho: Không có tự tƣơng quan và đƣợc áp dụng cho sai phân của sai số.
Nếu giá trị p < mức ý nghĩa α thì bác bỏ giả thuyết Ho, nghĩa là có hiện tƣợng tự tƣơng quan trong mô hình. Ngƣợc lại, nếu p value của hệ số AR(2) > α thì chƣa đủ cơ sở để bác bỏ giả thuyết Ho, nghĩa là : Không có tự tƣơng quan và đƣợc áp dụng cho sai phân của sai số.
Arellano-Bond (1991), giá trị pvalue của thống kê Sargan càng lớn thì càng có cơ sở mạnh để chấp nhận giả thuyết Ho.
CHƢƠNG IV: KẾT QUẢ NGHIÊN CỨU
Chương 4 trình bày và phân tích các kết quả đạt được của luận văn theo trình tự phân tích thống kê mô tả, phân tích ma trận tương quan, phân tích hồi quy và thảo luận về kết quả hồi quy đạt được.
4.1 Tăng trƣởng tín dụng tại các chi nhánh Ngân hàng thƣơng mại tỉnh Bình Thuận giai đoạn 2010-2015
Bình Thuận là một tỉnh thuộc khu vực duyên hải Nam Trung bộ, liền kề với vùng kinh tế trọng điểm phía nam. Tỉnh có 10 đơn vị hành chính bao gồm: 1 thành phố (Phan Thiết), 1 thị xã (La Gi) và 8 huyện (Tuy Phong, Bắc Bình, Hàm Thuận Bắc, Hàm Thuận Nam, Tánh Linh, Hàm Tân, Đức Linh, Phú Quý).
Về hoạt động ngân hàng, tại thời điểm 31/12/2015, trên địa bàn tỉnh Bình Thuận có 20 chi nhánh NHTM, tăng 5 đơn vị so với thời điểm đầu năm 2010. Chi tiết về số lƣợng các chi nhánh NHTM hoạt động trên địa bàn tỉnh Bình Thuận đƣợc trình bày tại bảng 4.1
Bảng 4.2: Số lượng các NHTM hoạt động trên địa bàn tỉnh Bình Thuận
Năm 2010 2011 2012 2013 2014 2015
Số lƣợng 12 15 17 17 20 20
Nguồn: Ngân hàng Nhà nước chi nhánh tỉnh Bình Thuận
Với vị trí giáp biển, Bình Thuận có điều kiện thuận lợi để phát triển kinh