Trong các nghiên cứu đã đƣợc trình bày ở chƣơng 2, các tác giả đã sử dụng nhiều mô hình kinh tế lƣợng khác nhau để thực hiện nghiên cứu nhƣ mô hình hồi quy đa biến OLS, mô hình hồi quy đa biến với dữ liệu bảng ( Dữ liệu bảng là sự kết hợp của dữ liệu chéo và dữ liệu thời gian) kết hợp với ƣớc lƣợng Pooled OLS, Random Effect, Fixed Effect, mô hình GMM tổng quát, mô hình Var. Tuy nhiên, trong phạm vi bài nghiên cứu này, tác giả quyết định chọn mô hình hồi quy đa biến sử dụng dữ liệu bảng. Mô hình hồi quy dữ liệu bảng này có nhiều ƣu điểm hơn so với các mô hình hồi quy thông thƣờng. Nó cho thấy sự khác biệt không quan sát đƣợc giữa các NHTMCP trong mẫu nghiên cứu. Với phƣơng thức dữ liệu bảng, tác động của các yếu tố đến từng NHTMCP đƣợc giải thích một cách cụ thể qua từng năm và chúng ta có thể nghiên cứu các mô hình hành vi phức tạp hơn.
3.1.2 Thiết kế mô hình nghiên cứu
Mô hình trong bài nghiên cứu này chủ yếu kế thừa từ nghiên cứu của tác giả Hussain, I. và Junaid (2012), Lê Tấn Phƣớc (2016). Trong các bài nghiên cứu này, các tác giả đã chọn dƣ nợ cho vay kỳ này so với kỳ trƣớc làm biến phụ thuộc đại diện cho tăng trƣởng tín dụng. Biến độc lập đƣợc các tác giả sử dụng là tỷ lệ tính thanh khoản của ngân hàng (LQTA), tỷ lệ nợ xấu (NPL), tỷ lệ vốn chủ sở hữu ETA làm đại diện cho các biến nội tại của ngân hàng. Tuy nhiên trong bài nghiên cứu của mình, tác giả đã bổ sung thêm biến giả (DUM) để xem xét trong giai đoạn 2008-2009, khủng hoảng tài chính toàn cầu có ảnh hƣởng đến mức độ tăng trƣởng tín dụng hay không. Dữ liệu của các tác giả đƣợc thu thập theo phƣơng pháp dữ liệu bảng và sử dụng các mô hình hồi quy đơn giản nhƣ Pooled OLS. Vì vậy, ngoài kế thừa nghiên cứu của các tác giả trên, tác giả vẫn sử dụng phƣơng pháp dữ liệu bảng
nhƣng sẽ kết hợp ƣớc lƣợng Pooled OLS, FEM, REM nhằm tăng tính chính xác cho mô hình nghiên cứu.
Ngoài ra, trong bài nghiên cứu của Natalia T. Tamirisa và Deniz O. Igan (2007) có đề cập đến biến tỷ lệ chi phí hoạt động trên tổng thu nhập hoạt động (CTI) làm biến độc lập. Nhận thấy biến CTI có vai trò quan trọng việc đánh giá chất lƣợng quản lý cũng nhƣ hiệu quả hoạt động của hệ thống NHTM, nên tác giả quyết định thêm biến vào mô hình để tăng ý nghĩa thực tiễn cho bài nghiên cứu.
Bên cạnh đó, trong các bài nghiên cứu về các nhân tố tác động đến tăng trƣởng tín dụng, nhiều tác giả đã cho thấy đƣợc rằng tốc độ tăng trƣởng GDP có tác động đến tăng trƣởng tín dụng nhƣ Kai Guo và Vahram Stepanyan 2011 , Hussain, I. và Junaid (2012), Sharma, P. and Gounder (2012), Nguyễn Thanh Nhàn, Nguyễn Thị Minh Nguyệt, Nguyễn Thị Hồng Hải (2014), Lê Tấn Phƣớc (2016). Trong khi đó, các tác giả Kai Guo và Vahram Stepanyan (2011), Hussain, I. và Junaid (2012), Nguyễn Thành Tâm 2016 ,… tìm ra sự tác động của lạm phát đến tăng trƣởng tín dụng trong ngân hàng. Do đó, để tăng tính chính xác và ổn định cho mô hình, tác giả đã chọn các biến tốc độ tăng trƣởng GDP (GDP), lạm phát INF làm đại diện cho biến kiểm soát vĩ mô.
Tóm lại, dựa các cơ sở lý thuyết mà tác giả đã trình bày ở trên kết hợp với mô hình hồi quy tuyến tính đa biến, tác giả đƣa ra mô hình nghiên cứu của đề tài đƣợc tóm gọn nhƣ sau:
CGit = β1 + β2LQTAit + β3ETAit + β4NPLit + β5CTIit + β6GDPit + β7INFit + β8DUMit + uit (3.1) Trong đó:
β1: Hệ số chặn.
β2,…, β8: Các hệ số hồi quy riêng của các biến độc lập.
Biến độc lập:
LQTA: đại diện cho tính thanh khoản của tài sản tại ngân hàng đƣợc tính theo phần trăm
ETA: đại diện cho vốn chủ sở hữu trên tổng tài sản đƣợc tính theo tỷ lệ phần trăm NPL: đại diện cho tỷ lệ nợ xấu của ngân hàng đƣợc tính theo tỷ lệ phần trăm CTI: đại diện cho tỷ lệ chi phí hoạt động trên tổng thu nhập hoạt động đƣợc tính theo tỷ lệ phần trăm
GDP: đại diện cho tốc độ tăng trƣởng GDP đƣợc tính theo tỷ lệ phần trăm INF: đại diện cho tốc độ tăng trƣởng CPI đƣợc tính theo tỷ lệ phần trăm DUM: biến giả.
Biến phụ thuộc:
CG: đại diện cho tốc độ tăng trƣởng tín dụng đƣợc tính theo tỷ lệ phần trăm