2018.
4.3.4.1. Kiểm định hồi quy tổng thể OLS, FEM và REM
Thực hiện hồi quy OLS, FEM và REM, ta có các kết quả được tổng hợp vào bảng dưới đây:
Bảng 4.9. Bảng tổng hợp kết quả hồi quy OLS, FEM và REM. Mô hình OLS RE FE NPLIT-1 LLPIT 0.2896 0.2593 0.2475 COSTIT 0.9425 1.2586 1.3367 LEVIT -0.1191 -0.1852 -0.1876 NONINTIT 0.0083 0.0171 0.0325 SIZEIT -0.0395 0.0422 0.1614 PROFITIT -0.0089 0.0990 0.1522 GDPIT -0.3616 -0.5221 -0.8065 CPIIT 0.1680 0.1676 0.1859 CONST -1.6010 -2.9168 -5.5302 R-SQUARED 12.56% 18.13% 18.98% Kiểm định F 0.0000 0.0000 Kiểm định Hausman 0.0468 < 0.05 Mức ý nghĩa 5%
(Nguồn: Tác giả tự tổng hợp từ kết quả phân tích của phần mềm Stata).
Đầu tiên, ta thực hiện hồi quy tổng thể OLS. Kết quả hồi quy cho thấy tỷ lệ nợ xấu của hệ thống ngân hàng chịu sự tác động cùng chiều của tỷ lệ chi phí trích lập dự phòng rủi ro, chi phí hoạt động, thu nhập ngoài lãi và lạm phát. Các biến còn lại bao gồm đòn bẩy, quy mô, lợi nhuận và GDP tác động ngược chiều đểu tỷ lệ nợ xấu.
R bình phương của mô hình ở mức 12.56%, đồng thời, kiểm định F với giá trị p dưới 0.05. Nhìn chung, mô hình sử dụng là phù hợp và giải thích được tương đối yếu tố nào tác động đến rủi ro tín dụng của hệ thống NHTM Việt Nam trong khoảng thời gian từ 2008 đến 2018.
Tuy nhiên, trong hồi quy tổng thể OLS, R bình phương không lớn, chỉ đạt 12.56% và dữ liệu chéo bị ràng buộc quá chặt chẽ về không gian lẫn thời gian, các yếu tố ảnh hưởng riêng lẻ không được quan tâm trong khi ảnh hưởng riêng lẻ lại là hiện tượng ít khi tránh khỏi ở những nghiên cứu thực nghiệm. Sự hạn chế này đã khiến cho hồi quy tổng thể OLS không phản ánh được kết quả thật sự của nghiên cứu. Vì vậy mà tác giả cần tiến hành hồi quy theo hai mô hình là mô hình ảnh hưởng cố định FEM và mô hình ảnh hưởng ngẫu nhiên REM để có được tốt quả tốt hơn.
Kết quả hồi quy từ hai mô hình FEM và REM đều cho kết quả giống nhau về sự tương quan đồng biến giữa rủi ro tín dụng của hệ thống ngân hàng và dự phòng rủi ro tín dụng, chỉ khác nhau về mức độ tác động. Bên cạnh đó, khi tiến hành kiểm định F, cả hai mô hình đều cho P_value bé hơn 0.05, nghĩa là cả hai mô hình đều được chấp nhận. Vì vậy, tác giả tiếp tục sử dụng kiểm định Hausman để chọn ra mô hình tốt hơn trong hai mô hình FEM và REM.
Tác giả đặt giả thuyết kiểm định như sau:
H0: Mô hình REM có ý nghĩa.
H1: Mô hình FEM có ý nghĩa.
Kết quả kiểm định Hausman cho thấy, Prob > Chi2 = 0.0468 bé hơn 0.05. Với kết quả này, tác giả bác bỏ H0 và chấp nhận H1. Điều này có ý nghĩa là khi ước lượng của hai mô hình khác nhau, ta sử dụng mô hình ảnh hưởng cố định sẽ cho ra kết quả có ý nghĩa.
Theo kết quả thu được từ mô hình ảnh hưởng cố định FEM, ta thấy các biến độc lập dự phòng rủi ro tín dụng, chi phí hoạt động, thu nhập ngoài lãi, quy mô ngân hàng, lợi nhuận của ngân hàng và lạm phát là có mối tương quan đồng biến với rủi ro tín dụng trong khi biến đòn bẩy và GDP thì có mối tương quan nghịch biến với rủi ro tín dụng của hệ thống ngân hàng.
Mặt khác, có bốn biến độc lập là có ý nghĩa thống kê bao gồm: dự phòng rủi ro tín dụng (P > |t| = 0.000, bé hơn 0.05), chi phí hoạt động (P > |t| = 0.000, bé hơn 0.05), quy mô ngân hàng (P > |t| = 0.034, bé hơn 0.05) và lạm phát (P > |t| = 0.002, bé hơn 0.05).
Song, bộ số liệu thu thập được trong luận văn là dữ liệu bảng dạng ngắn với thời gian nghiên cứu là 10 năm và số lượng ngân hàng lên đến 30 ngân hàng. Vì số liệu là dữ liệu bảng dạng ngắn nên sử dụng dù là hồi quy tổng thể OLS, mô hình ảnh hưởng ngẫu nhiên REM hay mô hình ảnh hưởng cố định FEM thì ước tính đều sẽ bị sai lệch (Cameron Colin, 2007). Vậy nên tác giả sẽ tiến hành hồi quy theo mô hình GMM như nghiên cứu của Arellano và Bond (1991).