Tên biến Dấu kỳ vọng Nguồn
Quy mô ngân hàng
(SIZE) -
Dreca, N. (2013), Phạm Hữu Hồng Thái (2013), Thân Thị Thu Thủy và Nguyễn Kim Chi (2015), Võ Hồng Đức và cộng sự (2014). Tỷ số tổng tiền gửi trên tổng tài sản (DEP) + Phạm Hữu Hồng Thái (2013) Tỷ số tổng dư nợ trên tổng tài sản (LOAN) - Büyüksalvarci, A. và Abdioglu, H. (2011), Dreca, N. (2013), Shingjergji, A. và Hyseni,
M., (2015), Phạm Hữu Hồng Thái (2013), Thân Thị Thu Thủy và Nguyễn Kim Chi
(2015). Tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ (LLR) - Shingjergji, A. và Hyseni, M., (2015). Hệ số thanh khoản (LIQ) +
Aspal, P. K., & Nazneen, A. (2014), Phạm Hữu Hồng Thái (2013), Võ Hồng Đức và cộng
sự (2014).
trên tài sản (ROA) Tỷ lệ thu nhập lãi thuần trên tổng tài
sản có sinh lãi (NIM)
- Phạm Hữu Hồng Thái (2013) Đòn bẩy
tài chính (LEV) - Büyüksalvarci, A. và Abdioglu, H. (2011),
Nguồn: Tác giả tự tổng hợp
3.2. MÔ TẢ CÁCH CHỌN MẪU VÀ THU THẬP DỮ LIỆU
Đề tài nghiên cứu phạm vi 31 ngân hàng TMCP được Ngân hàng Nhà nước (NHNN) công bố vào ngày 30/6/2018. Mẫu nghiên cứu gồm 31 Ngân hàng TMCP Việt Nam đại diện cho hệ thống tài chính để có cái nhìn tổng quan sự tác động của các nhân tố ảnh hưởng đến hệ số an toàn vốn của các Ngân hàng TMCP. Tác giả lựa chọn giai đoạn 2011 – 2017, đây là giai đoạn tái cấu trúc hệ thống ngân hàng xuất phát từ nguyên nhân nợ xấu tăng cao và đạt đỉnh ở năm 2012 là 3.44% đe dọa đến sự an toàn của hệ thống ngân hàng Việt Nam. Hơn nữa, đây cũng là giai đoạn sau khủng hoảng tài chính năm 2008.
Dữ liệu được thu thập từ các báo cáo tài chính (BCTC) kiểm toán hợp nhất cuối năm bao gồm bảng cân đối kế toán, báo cáo kết quả kinh doanh, báo cáo lưu chuyển tiền tệ, thuyết minh báo cáo tài chính của các ngân hàng TMCP tại Việt Nam trong giai đoạn từ 2011 - 2017, sau đó tiến hành tính toán các chỉ số cần sử dụng. Số liệu được thu thập và sắp xếp theo dữ liệu bảng - kết hợp từ hai thành phần dữ liệu chéo và dữ liệu chuỗi thời gian.
3.3. PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU
Hình 3.1: Quy trình nghiên cứu
Nguồn: tác giả tự tổng hợp
Bước 1: Thống kê mô tả
Tác giả sử dụng phần mềm Eveiws 8.1 để thống kê mô tả nhằm xác định những đặc tính cơ bản như tên biến, số mẫu quan sát, giá trị trung bình, trung vị, giá trị lớn nhất, giá trị nhỏ nhất và độ lệch chuẩn.
Bước 2: Phân tích ma trận tương quan giữa các biến
Một trong số các giả định của hồi quy tuyến tính là không có tương quan giữa các biến độc lập, và khi giả thuyết này bị vi phạm thì hiện tượng đa cộng tuyến xảy ra. Hậu quả là các biến bị đa cộng tuyến sẽ bị mất đi ý nghĩa trong mô hình hoặc hệ số hồi quy có thể bị sai dấu, đa cộng tuyến nghiêm trọng hơn (đa cộng tuyến hoàn hảo) sẽ không thể ước lượng được mô hình. Do đó, việc phân tích tương quan giữa các biến trong mô hình là rất cần thiết, phân tích tương quan được thực hiện thông qua ma trận tương quan. Nhưng ma trận tương quan lại mắc phải nhược điểm là chỉ phát hiện được tương quan cặp, không phát hiện được tương quan nhóm. Vì vậy,
Bước 1: Thống kê mô tả
Bước 2: Phân tích ma trận tương quan giữa các biến
Bước 3: Chạy mô hình theo phương pháp POOLED OLS, FEM, REM
Bước 4: Kiểm định lựa chọn Mô hình
ngoài ma trận tương quan còn có thể sử dụng nhân tử phóng đại phương sai (VIF) sẽ giúp phân tích tương quan nhóm tốt hơn.
Bước 3: Chạy mô hình theo phương pháp POOLED OLS, FEM, REM
Tác giả chạy mô hình hồi quy lần lượt theo các phương pháp POOLED OLS, FEM, REM. Mô hình hồi quy theo phương pháp bình phương nhỏ nhất (POOLED OLS) là để xác định những yếu tố nào thực sự tác động đến hệ số an toàn vốn của ngân hàng. Mô hình hồi quy theo phương pháp tác động cố định (FEM) với giả định rằng mỗi ngân hàng đều có những đặc điểm riêng biệt có thể tác động đến các biến độc lập. Mô hình hồi quy theo phương pháp tác động ngẫu nhiên (REM) phân tích mối tương quan giữa phần sai số của mỗi ngân hàng với các biến độc lập, qua đó có thể kiểm soát được các đặc điểm riêng biệt giữa các ngân hàng.
Bước 4: Kiểm định lựa chọn Mô hình
Để lựa chọn ra một mô hình phù hợp nhất trong ba mô hình trên tác giả tiến hành kiểm định so sánh giữa mô hình theo các phương pháp POOLED OLS và FEM và REM đối với dữ liệu bảng.
Kiểm định đầu tiên được dùng là kiểm định F (kiểm định Redundant) để so sánh lựa chọn giữa mô hình theo phương pháp POOLED OLS hoặc FEM, với giả định H0: chọn mô hình theo phương pháp POOLED OLS, nếu P-value < 0,05 thì bác bỏ H0, kết luận chọn mô hình theo phương pháp FEM, ngược lại thì chọn mô hình theo phương pháp POOLED OLS.
Kiểm định thứ hai là kiểm định Hausman dùng để so sánh lựa chọn giữa mô hình theo phương pháp FEM hoặc REM, với giả định H0: chọn mô hình theo phương pháp REM, nếu kết quả kiểm định cho thấy P-value < 0,05 thì bác bỏ H0, kết luận mô hình theo phương pháp FEM phù hợp hơn và ngược lại thì chọn mô hình phương pháp REM.
Kiểm định thứ ba là kiểm định Breusch – Pagan Lagrangian để so sánh lựa chọn giữa mô hình theo phương pháp POOLED OLS hoặc REM, với giả định H0: chọn mô hình theo phương pháp REM, nếu P-value < 0,05 thì bác bỏ H0, kết luận chọn mô hình theo phương pháp POOLED OLS, ngược lại thì chọn mô hình theo phương pháp REM.
Theo lý thuyết có nhiều phương pháp kiểm định nhưng tác giả sử dụng một số phương pháp kiểm định phù hợp với mô hình. Các phương pháp kiểm định được sử dụng trong bài viết này là:
Kiểm định hiện tượng đa cộng tuyến
Đầu tiên, tác giả kiểm định đa cộng tuyến, hiện tượng này có thể dẫn tới một số hậu quả là các ước lượng bị chệch, dấu các hệ số hồi quy thay đổi so với thực tế, giá trị thống kê t nhỏ, khoảng tin cậy rộng dẫn đến không có ý nghĩa.
Có 3 cách phát hiện đa cộng tuyến là: Thứ nhất, hệ số R2
cao, nhưng tỷ số t-statistic thấp. Hoặc, hệ số tương quan giữa các biến độc lập cao, nếu lớn hơn 0,8 thì có thể chắc chắn có đa cộng tuyến.
Thứ hai, sử dụng mô hình hồi quy phụ. Tác giả ước lượng mô hình hồi quy phụ giữa một biến độc lập bất kỳ với các biến độc lập còn lại. Sau đó, để kiểm tra đa cộng tuyến tác giả dùng phương pháp kiểm định tham số để kiểm tra sự ảnh hưởng của các biến độc lập.
Thứ ba, sử dụng nhân tử phóng đại phương sai (VIF). Tốc độ gia tăng của phương sai và hiệp phương sai có thể thấy qua nhân tử phóng đại phương sai gắn liền với biến Xi, ký hiệu là VIF(Xi). VIF(Xi) được thiết lập dựa trên cơ sở của hệ số xác định R2, trong hồi quy của biến Xi với các biến khác như sau:
VIF(Xi) = 1 1 − 𝑅𝑖2
Theo lý thuyết nếu hệ số VIF ≥ 10 thì có hiện tượng đa cộng tuyến giữa hai biến độc lập trong mô hình.
Cách xử lý hiện tượng đa cộng tuyến (nếu có) bằng các phương pháp như sử dụng thông tin tiên nghiệm, tăng kích thước mẫu, bỏ biến.
Kiểm định phương sai thay đổi
Một trong những giả thiết quan trọng của mô hình hồi quy tuyến tính cổ điển là phương sai của từng yếu tố ngẫu nhiên Ui là một số không đổi và bằng σ2. Đây là giả thiết phương sai không thay đổi, tức là, phương sai bằng nhau. Khi có phương sai thay đổi, các ước lượng OLS (phương pháp bình phương nhỏ nhất) không hiệu quả. Hiện tượng này cho thấy mức độ phân tán không như nhau của giá trị biến phụ thuộc quan sát được xung quanh đường hồi quy. Chính vì hiện tượng này có ảnh hưởng khá nghiêm trọng đến kết quả nghiên cứu nên tác giả thực hiện kiểm định
phương sai của sai số thay đổi bằng một trong các kiểm định như Breusch-Pagan- Godfrey, Harvey, Glejser, hoặc White. Trong các kiểm định thì kiểm định White được sử dụng phổ biến nhất. Các kiểm định này được tiến hành trên mô hình hồi quy phụ với cặp giả thiết của kiểm định là H0: phương sai của sai số ngẫu nhiên của mô hình không đổi và H1: phương sai của sai số ngẫu nhiên của mô hình thay đổi. Nếu H0 đúng thì thống kê nR2 có phân phối xấp xỉ với phân phối Chi – bình phương với k bậc tự do. Nếu Prob(Chi-Square) < 0,05 thì bác bỏ giả thiết H0, nghĩa là có hiện tượng phương sai thay đổi trong mô hình.
Để khắc phục hiện tượng phương sai thay đổi, tác giả sử dụng phương pháp bình phương nhỏ nhất có trọng số (WLS) trong phương pháp bình phương nhỏ nhất tổng quát (GLS).
Hiện tượng tự tương quan
Tự tương quan là sự tương quan giữa các thành phần của dãy quan sát theo thời gian hoặc không gian. Khi có tự tương quan, các ước lượng OLS (phương pháp bình phương nhỏ nhất) không hiệu quả. Vì vậy, một trong những giả thuyết quan trọng của mô hình hồi quy tuyến tính cổ điển là các sai số ngẫu nhiên Ui trong hàm hồi quy tổng thể không xảy ra hiện tương tự tương quan. Có nhiều cách phát hiện tự tương quan như phương pháp đồ thị, kiểm định Durbin-Watson, kiểm định Breusch- Godfrey…
Đối với kiểm định Durbin – Watson:
Kiểm định tương quan bậc nhất Đặt giả thuyết: H0: p = 0; H1: p ≠ 0
Nếu d <du hoặc (4 – d) < du thì bác bỏ giả thuyết H0 và chấp nhận H1, nghĩa là có tự tương quan dương hoặc âm. Tuy nhiên kiểm định Durbin-Watson vẫn có khuyết điểm: cỡ mẫu n lớn thì các giá trị dL, du không có trong bảng, để khắc phụ nhược điểm này thì có thể kiểm định Durbin-Watson theo kinh nghiệm: Nếu 1 < d < 3 thì kết luận mô hình không có tự tương quan.
Đối với kiểm định Breusch-Godfrey:
Giả thuyết:
H0: ρ1 = 0 (không có tự tương quan bậc 1) H1: ρ1 khác 0 (có tự tương quan bậc 1)
Nếu P-Value > a = 5% thì ta chấp nhận H0. Tức là không có tự tương quan bậc 1. Để khắc phục hiện tượng tự tương quan, tác giả sử dụng thủ tục lặp Cochrane –Orcutt hai bước trong phương pháp bình phương nhỏ nhất tổng quát (GLS) bằng cách thêm AR(1) vào mô hình hồi quy nếu mô hình có tự tương quan bậc 1 hoặc cả AR(1), AR(2) vào mô hình hồi quy nếu mô hình có tự tương quan bậc 2.
TÓM TẮT CHƯƠNG 3
Chương 3 đã trình bày dữ liệu nghiên cứu và cách thu thập dữ liệu nghiên cứu. Các phương pháp phân tích dữ liệu và kiểm định phụ vục cho việc nghiên cứu. Chương 4 tiếp theo sẽ trình bày kết quả nghiên cứu với những phân tích và các kiểm định cần thiết.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. KẾT QUẢ NGHIÊN CỨU 4.1.1. Thống kê mô tả 4.1.1. Thống kê mô tả
Trước tiên, bài nghiên cứu sẽ trình bày thống kê dữ liệu của các biến chính qua các năm để thấy được tổng quan nguồn dữ liệu.