4.2.1. Phân tích tương quan
Bảng 4.2: Kiểm định mối tương quan - ROA
ROA SIZE CAP NPL CIR LDR TE GDP IR
ROA 1.0000 SIZE 0.2016 1.0000 CAP 0.3202 -0.5602 1.0000 NPL -0.0014 0.0183 0.1471 1.0000 CIR -0.6933 -0.1622 -0.0556 0.0349 1.0000 LDR 0.2556 0.2050 0.0350 0.2882 -0.1267 1.0000 TE 0.0044 -0.1977 0.0882 0.0822 0.1783 0.0345 1.0000 GDP 0.0506 0.3008 -0.2606 -0.1640 -0.0338 0.1653 -0.0145 1.0000 IR -0.1254 0.1573 -0.1594 -0.1653 -0.1949 -0.2299 -0.0659 0.2346 1.0000
Nguồn: Truy xuất từ phần mềm STATA Dựa vào bảng phân tích tương quan trên, ta thấy:
Biến SIZE, CAP, LDR, TE, GDP tác động cùng chiều đến ROA. Biến NPL, CIR, IR tác động ngược chiều đến ROA.
Không có hiện tượng đa cộng tuyến nghiêm trọng do các hệ số tương quan có giá trị khá thấp (cao nhất là 0.6933, chuẩn so sánh Farrar và Glauber (1967) là 0.8).
4.2.2. So sánh giữa phương pháp phân tích trên panel data: Pooled Regression (Pooled OLS) và Fixed effects model (FEM)
Giả thuyết H0: Chọn Pooled Regression (Pooled OLS) Giả thuyết H1: Chọn Fixed effects model (FEM)
Bảng 4.3: Kết quả mô hình tác động Pooled OLS của ROA
ROA Hệ số
hồi quy Sai số chuẩn t P>|t|
Khoảng tin cậy 95% Cận trên Cận dưới SIZE 0.0033024 0.0004653 7.10 0.000 0.0023817 0.0042231 CAP 0.1250488 0.0142055 8.80 0.000 0.0969387 0.1531589 NPL -0.1240106 0.0550335 -2.25 0.026 -0.2329121 -0.0151092 CIR -0.0007291 0.0000522 -13.96 0.000 -0.0008324 -0.0006257 LDR 0.0009008 0.0021794 0.41 0.680 -0.0034117 0.0052134 TE 0.0040814 0.0012225 3.34 0.001 0.0016624 0.0065005 GDP 0.089908 0.0605812 1.48 0.140 -0.0299711 0.2097872 IR -0.0678236 0.0127806 -5.31 0.000 -0.0931141 -0.0425331 Hằng số -0.1127215 0.0154385 -7.30 0.000 -0.1432716 -0.0821714
Nguồn: Truy xuất từ phần mềm STATA Sau đó, phân tích hồi quy theo Fixed effects model (FEM)
Bảng 4.4: Kết quả mô hình tác động FEM của ROA
Nguồn: Truy xuất từ phần mềm STATA Với mức ý nghĩa 5%, ta có Prob > F = 0.0000 nhỏ hơn 5% nên bác bỏ giả thuyết H0(Pooled OLS), chọn giả thuyết H1: Chọn mô hình FEM.
ROA Hệ số
hồi quy Sai số chuẩn t P>|t|
Khoảng tin cậy 95% Cận trên Cận dưới SIZE 0.004219 0.0014673 2.88 0.05 0.0013114 0.0071266 CAP 0.1157893 0.0153554 7.54 0.000 0.0853616 0.146217 NPL -0.2018497 0.0574965 -3.51 0.001 -0.3157829 -0.0879165 CIR -0.0006899 0.0000466 -14.80 0.000 -0.0007822 -0.0005975 LDR 0.0099838 0.0028616 3.49 0.001 0.0043134 0.0156542 TE -0.004543 0.0028946 -1.57 0.119 -0.0102788 0.0011929 GDP -0.0317063 0.0702931 -0.45 0.653 -0.1709968 0.1075842 IR -0.0619479 0.0117054 -5.29 0.000 -0.0851429 -0.0387528 Hằng số -0.1390352 0.0452142 -3.08 0.003 -0.2286303 -0.0494402
4.2.3. So sánh giữa phương pháp phân tích trên panel data: Fixed effects model (FEM) và Random effects model (REM)
Giả thuyết H0: Chọn Random effects model (REM) Giả thuyết H1: Chọn Fixed effects model (FEM)
Tiến hành kiểm định Hausman Test để lựa chọn mô hình REM hay mô hình FEM là phù hợp với nghiên cứu.
Bảng 4.5: Kết quả mô hình tác động REM của ROA
Nguồn: Truy xuất từ phần mềm STATA
4.2.4. Kiểm định Hausman Test
Với mức ý nghĩa 5%, ta có Prob > chi2 = 0.0171 nhỏ hơn 5% nên bác bỏ giả thuyết H0, chọn mô hình FEM. Điều này có nghĩa là mô hình Fixed Effect Model là mô hình phù hợp hơn trong nghiên cứu. Do đó, những phần tiếp theo sau đây, kết quả hồi quy sẽ thảo luận trên cơ sở mô hình tác động ngẫu nhiên FEM.
4.2.5. Kiểm định phương sai của sai số không đổi (không bị hiện tượng phương sai thay đổi)
Thực hiện kiểm định Breusch and Pagan Lagrangian Multiplier với giả thuyết: H0: Không có hiện tượng phương sai thay đổi.
ROA Hệ số
hồi quy Sai số chuẩn z P>|z|
Khoảng tin cậy 95% Cận trên Cận dưới SIZE 0.0033093 0.0007189 4.60 0.000 0.0019003 0.0047184 CAP 0.1172052 0.0144005 8.14 0.000 0.0889807 0.1454296 NPL -0.1838302 0.0539083 -3.41 0.001 -0.2894886 -0.0781718 CIR -0.0007091 0.0000471 -15.05 0.000 -0.0008014 -0.0006168 LDR 0.0061336 0.0024874 2.47 0.014 0.0012585 0.0110087 TE 0.0015485 0.0018627 0.83 0.406 -0.0021023 0.0051992 GDP 0.0372313 0.0570838 0.65 0.514 -0.0746508 0.1491134 IR -0.0621437 0.0113298 -5.48 0.000 -0.0843498 -0.0399376 Hằng số -0.1122405 0.0227288 -4.94 0.000 -0.1567882 -0.0676928
Với mức ý nghĩa 5%, kiểm định cho kết quả là Prob > chibar2 = 0.0000 nhỏ hơn 5% nên bác bỏ giả thuyết H0, tức mô hình có hiện tượng phương sai thay đổi.
4.2.6. Kiểm định không có hiện tượng tự tương quan cao giữa các biến độc lập trong mô hình (không bị hiện tượng đa cộng tuyến nghiêm trọng)
Tiến hành kiểm định giả thuyết không bị hiện tượng đa cộng tuyến nghiêm trọng bằng cách dùng chỉ tiêu VIF.
Bảng 4.6: Kiểm định VIF - ROA
Biến ROA SIZE CAP NPL CIR LDR TE GDP IR Trungbình
VIF
VIF 3.99 2.46 2.60 1.23 2.93 1.34 1.18 1.28 1.51 2.06
Nguồn: Truy xuất từ phần mềm STATA 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 nghiêm trọng. (Gujrati, 2003).
4.2.7. Kiểm định giữa các sai số không có mối quan hệ tương quan với nhau (không bị hiện tượng tự tương quan)
Tiến hành kiểm định giả thuyết không bị tự tương quan trên dữ liệu bảng, với giả thuyết:
H0: không có hiện tượng tự tương quan. H1: có hiện tượng tự tương quan.
Với mức ý nghĩa 5%, kiểm định cho kết quả là Prob > F = 0.0000 nhỏ hơn 5% nên bác bỏ giả thuyết H0, tức mô hình có hiện tượng tự tương quan.
4.2.8. Phân tích mô hình hồi quy theo phương pháp bình phương nhỏ nhất tổng quát (General Least Square - GLS)
Qua kết quả kiểm định từng phần ở trên, ta thấy mô hình có hiện tượng đa cộng tuyến được đánh giá là không nghiêm trọng. Tuy vậy, mô hình có hiện tượng phương sai thay đổi và có hiện tượng tự tương quan.
Do vậy, tác giả sử dụng phương pháp bình phương nhỏ nhất tổng quát (General Least Square - GLS) để khắc phục hiện tượng tự tương quan, hiện tượng phương sai thay đổi nhằm đảm bảo ước lượng thu được vững và hiệu quả.
Bảng 4.7: Kiểm định GLS - ROA
ROA Hệ số
hồi quy Sai số chuẩn Z P>|z|
Khoảng tin cậy 95% Cận trên Cận dưới SIZE 0.0032452 0.0004247 7.64 0.000 0.0024127 0.0040776 CAP 0.1272666 0.0127496 9.98 0.000 0.102278 0.1522553 NPL -0.093998 0.0404169 -2.33 0.020 -0.1732136 -0.0147824 CIR -0.0006825 0.0000411 -16.59 0.000 -0.0007631 -0.0006018 LDR 0.0008925 0.0021108 0.42 0.672 -0.0002399 0.0062391 TE 0.0032395 0.0015304 2.12 0.034 0.0002399 0.0062391 GDP 0.1196724 0.0498697 2.40 0.016 0.0219297 0.2174152 IR -0.0559171 0.0099066 -5.64 0.000 -0.0753337 -0.0365006 Hằng số -0.1134042 0.0144646 -7.84 0.000 -0.1417543 -0.085054 Số quan sát 136 Mức ý nghĩa 5%
Nguồn: Truy xuất từ phần mềm STATA Mô hình được xem là không phù hợp khi tất cả các hệ số hồi quy bằng 0, và mô hình được xem là phù hợp nếu có ít nhất một hệ số hồi quy khác không. Giả thuyết:
H0: các hệ số hồi quy đều bằng không. H1: có ít nhất một hệ số hồi quy khác không.
Kết quả mô hình nghiên cứu cho thấy: mô hình có ý nghĩa ở mức ý nghĩa 5%, do Prob > chi2 = 0.0000 nhỏ hơn 5% nên kết quả mô hình phù hợp và có thể sử dụng được.
Vậy kết quả mô hình nghiên cứu có phương trình như sau:
ROAit = -0.1134042 + 0.0032452*SIZEit + 0.1272666*CAPit -
0.093998*NPLit - 0.0006825*CIRit + 0.0032395*TEit + 0.1196724*GDPit - 0.0559171*IRit+ εit
Biến SIZEit tác động cùng chiều đến ROAit và có ý nghĩa thống kê với mức ý nghĩa 1% (P>|z|=0,000<1%), phù hợp với giả thuyết đưa ra và phù hợp với kết quả nghiên cứu của Syafri (2012), Lutfullah Lutf (2018), Za adi Ally (2014), Khizer Ali (2011), Dr. Aremu, Mukaila Ayanda (2013). Điều đó có nghĩa là khi quy mô tăng lên 1% sẽ làm cho ROA tăng 0.32452%.
Biến CAPit tác động cùng chiều đến ROAit và có ý nghĩa thống kê với mức ý nghĩa 1% (P>|z|=0,000<1%), phù hợp với giả thuyết đưa ra và phù hợp với kết quả nghiên cứu của Za adi Ally (2014), Gemechu Abdissa Shuremo (2016), Trịnh Quốc Trung và Nguyễn Văn Sang (2013), Muhamad Abduh (2013), Ahmad Aref Almazari (2014). Điều đó có nghĩa là khi vốn chủ sở hữu tăng lên 1% sẽ làm cho ROA tăng 0.1272666%.
Biến NPLit tác động ngược chiều đến ROAitvà có ý nghĩa thống kê với mức ý nghĩa 5% (P>|z|=0,002<5%), phù hợp với giả thuyết đưa ra và phù hợp với kết quả nghiên cứu của Lutfullah Lutf (2018), Gemechu Abdissa Shuremo (2016), Nguyễn, Việt Hùng (2008), Trịnh Quốc Trung và Nguyễn Văn Sang (2013), Trần Việt Dũng (2014). Điều đó có nghĩa là khi rủi ro tín dụng tăng lên 1% sẽ làm cho ROA giảm 9.3998%.
Biến CIRit tác động ngược chiều đến ROAit và có ý nghĩa thống kê với mức ý nghĩa 1% (P>|z|=0,000<1%), phù hợp với giả thuyết đưa ra và phù hợp với kết quả nghiên cứu của Ahmad Aref Almazari (2014), Nguyễn Việt Hùng (2008), Hồ Thị Hồng Minh, Nguyễn Thị Cành (2015), Syafri (2012). Điều đó có nghĩa là khi hiệu quả quản lý tăng lên 1% sẽ làm cho ROA giảm 0.06825%.
Biến TEit tác động cùng chiều đến ROAit và có ý nghĩa thống kê với mức ý nghĩa 5% (P>|z|=0,034<5%), phù hợp với giả thuyết đưa ra và phù hợp với kết quả nghiên cứu của Mai Bình Dương và Phạm Thị Hà An (2017), Phan Thị Hạnh, Lê
Đức Hoàng (2010). Điều đó có nghĩa là khi đầu tư công nghệ tăng lên 1% sẽ làm cho ROA tăng 0.32395%.
Biến GDPit tác động cùng chiều đến ROAit và có ý nghĩa thống kê với mức ý nghĩa 5% (P>|z|=0,016<5%), phù hợp với giả thuyết đưa ra và phù hợp với kết quả nghiên cứu của Syafri (2012), Lutfullah Lutf (2018), Muhamad Abduh (2013), Hồ Thị Hồng Minh, Nguyễn Thị Cành (2015), Nguyen Thi My Linh and Bui Ngoc Toan (2015). Điều đó có nghĩa là khi tỷ lệ tăng trưởng kinh tế tăng lên 1% sẽ làm cho ROA tăng 11.96724%.
Biến IRit tác động ngược chiều đến ROAit và có ý nghĩa thống kê với mức ý nghĩa 1% (P>|z|=0,000<1%), phù hợp với kết quả nghiên cứu của Gemechu Abdissa Shuremo (2016) và thực tế tại Việt Nam. Điều đó có nghĩa là khi lãi suất tăng lên 1% sẽ làm cho ROA giảm 5.59171%.