Các biến Obs. Mean Std. Dev. Min Max
LLP 257 0.0039 0.0031 -7.120e-05 0.0128 EBTP 257 0.0172 0.0075 1.336e-03 0.0348 SIZE 265 17.3460 1.4585 13.1277 20.3095 ER 256 0.1101 0.0553 3.122e-02 0.3324 TL 257 0.5283 0.1302 1.943e-01 0.7817 LG 257 0.3588 0.3704 -3.071e-01 1.6482 NPL 257 0.0101 0.0059 3.007e-04 0.0267 TYPE 270 0.1481 0.3559 0.0000 1.0000 DOWNT 270 0.5000 0.5009 0.0000 1.0000
(Nguồn: tổng hợp từ phần mềm R, theo hình 4.2 của Phần phụ lục) Theo bảng 4.1, tỷ lệ lợi nhuận trước thuế và dự phòng (EBTP) của các ngân hàng bình quân là 1.72% gần với mức bình quân 1.9% của Nguyễn Thị Thu Hiền và Phạm Đình Tuấn (2014). Mức cao nhất của EBTP là 3.48% (ngân hàng KienLongBank năm 2007), thấp nhất là 0.0013% (ngân hàng MHB năm 2012) với độ lệch chuẩn là 0.75%.
Tỷ suất tự tài trợ (ER) có mức trung bình là 11% với độ lệch chuẩn 5.53%. Ngân hàng MHB năm 2008 có ER thấp nhất là 3.12%. Mức ER cao nhất thuộc về ngân hàng Viet Capital Bank năm 2009 với mức 33.24%.
Tỷ lệ dư nợ trên tổng tài sản (TL, hệ số rủi ro tài chính) bình quân của các ngân hàng qua các năm là 52.83% với độ lệch chuẩn là 13.02%, giá trị thấp nhất và cao nhất của TL lần lượt là 19.43% và 78.17%. Các giá trị thấp nhất và cao nhất của TL thuộc về ngân hàng SeABank năm 2011 và SBG năm 2006.
Tốc độ tăng trưởng dư nợ (LG) cho vay bình quân của các ngân hàng qua các năm đạt 35.88%, mức cao nhất là 164.82% thuộc về ngân hàng VPBank năm 2007, dư nợ
tăng hơn gấp rưỡi lần so với năm trước, mức thấp nhất là -30.71% của ngân hàng HDBank năm 2008. Độ lệch chuẩn là 37.04%.
Tỷ lệ nợ xấu (NPL) bình quân của các ngân hàng qua các năm là 1.01%, kết quả này tương đương với số liệu nghiên cứu của Nguyễn Thị Thu Hiền và Phạm Đình Tuấn (2014). Tuy nhiên mức cao nhất và thấp nhất tương ứng là 2.67% (ngân hàng ABBank năm 2013) và 0.03% (ngân hàng PGBank năm 2005) có sự khác biệt so với nghiên cứu nêu trên (do khác về thời gian nghiên cứu). Độ lệch chuẩn của tỷ lệ nợ xấu là 0.59%.
Các kết quả trên khác với kết quả nghiên cứu của Nguyễn Thị Thu Hiền và Phạm Đình Tuấn (2014), Nguyễn Thị Ngọc Diệp và Nguyễn Minh Kiều (2015) do sự khác biệt về công thức tính LLP và thời gian nghiên cứu. Mặt khác, các số liệu dị biệt (outliers) đã được xác định và loại bỏ khỏi dữ liệu nhằm hạn chế những ảnh hưởng mang tính đột biến của các biến độc lập lên LLP. Số điểm dị biệt cao nhất là của biến ER với 14 giá trị thuộc về các ngân hàng ABBank (2006), KienLongBank (2006, 2008), MDBank (2007, 2009, 2011, 2012, 2013, 2014), MHB (2009), NVB (2005, 2006), PGBank (2005), VietCapitalBank (2007). Số điểm dị biệt thấp nhất (ngoại trừ các biến định danh) là của biến SIZE với 5 giá trị thuộc về các ngân hàng KienLongBank (2005), MDBank (2005, 2006), NVB (2005), PGBank (2005). Điểm đáng nói ở đây là các điểm dị biệt không phân tán ở các ngân hàng khác nhau mà tập trung chủ yếu ở một số ngân hàng như ABBank (2005-2007, 2011), MDBank (2007, 2009, 2011-2014), NVB (2005-2007, 2012, 2013), PGBank (2005-2007, 2009, 2012), SCB (2005, 2010-2012), SGB (2005, 2009-2012, 2014). Điều này phần nào phản ánh chất lượng thông tin từ BCTC của các ngân hàng kể trên chưa được đảm bảo bởi những số liệu thay đổi khác biệt (thường không kèm theo thuyết minh trong BCTC) có thể gây nhiễu đối với nhận định chung của nhà đầu tư và các đối tượng quan tâm. Chi tiết về các điểm dị biệt tại bảng 4.1 của phần Phụ lục.
Đối với 2 biến phân loại là loại hình ngân hàng (TYPE) và thời kỳ suy thoái (DOWNT), thống kê mô tả của 2 biến này thể hiện trong bảng 4.2 của phần Phụ lục. Kết
quả cho thấy tỷ lệ NHTMCPTN chiếm 85.2% tổng số dữ liệu quan sát (tương ứng với 230 quan sát của 23 NHTM), tỷ lệ NHTMCPNN chiếm 14.8% tổng số dữ liệu quan sát (tương ứng với 40 quan sát của 4 NHTM). Số quan sát trong thời kỳ suy thoái (2010- 2014) bằng với số quan sát trong thời kỳ còn lại (2005-2009) do khoảng thời gian phân đoạn bằng nhau giữa 2 thời kỳ.
4.2. Sự tương quan giữa các biến trong mô hình
Mối quan hệ giữa các biến được thể hiện qua ma trận tương quan ở hình 4.1. Hình 4.1. Ma trận tương quan của các biến trong mô hình
Việc áp dụng phương pháp xác định tương quan giữa các biến tùy thuộc vào tính chất phân phối của biến. Kết quả kiểm định Shapiro-Wilk theo bảng 4.3 của phần Phụ lục cho thấy tất cả các biến trong mô hình không tuân theo luật phân phối chuẩn. Do đó kiểm định Spearman được sử dụng để xem xét mối tương quan giữa các biến như hình 4.1.
Qua ma trận tương quan tại hình 4.1, có thể thấy rằng hệ số tương quan giữa các biến là tương đối thấp (tương quan cao nhất là mối quan hệ nghịch chiều giữa 2 biến SIZE & ER với hệ số tương quan là -0.61). Điều này cho thấy chất lượng của bộ biến trong mô hình là khá tốt và tránh nguy cơ gặp phải hiện tượng đa cộng tuyến khi thực hiện hồi quy.
Đối với biến phụ thuộc LLP, biến số có tương quan cao nhất là NPL (tỷ lệ nợ xấu, hệ số tương quan 0.49), kế tiếp là biến SIZE (quy mô ngân hàng, hệ số tương quan là 0.4). Các mối tương quan trên phù hợp cả về mặt lý thuyết lẫn thực nghiệm bởi chi phí dự phòng được tính trực tiếp từ dư nợ xấu (nhóm 3-5) của ngân hàng, và các ngân hàng càng lớn (về tài sản và dư nợ) thì chi phí trích lập dự phòng càng cao do ảnh hưởng về mặt quy mô. Nhìn chung hầu hết các biến đều có mối tương quan thuận chiều như kỳ vọng ban đầu ngoại trừ 2 biến ER (hệ số tự tài trợ) và LG (tốc độ tăng trưởng dư nợ tín dụng) có quan hệ nghịch chiều với biến LLP.
Ngoài ra, chi tiết kiểm định Spearman đối với các biến được thể hiện trong bảng 4.4 của phần Phụ lục. Kết quả thể hiện các biến đều có quan hệ với biến phụ thuộc LLP với độ tin cậy rất cao (ngoại trừ biến ER không đúng với kỳ vọng ban đầu và trị số p- value > 5%). Các kết quả này ủng hộ giả thuyết H1a, H1b, H1d, H1e và H1f.
Đối với mối tương quan giữa các biến phân loại (TYPE, DOWNT) với biến phụ thuộc LLP, chúng ta có thể xem xét thông qua biểu đồ 4.2.
Theo biểu đồ hộp 4.2 có thể thấy rằng giá trị trung vị và bách phân vị 25%, 75% giữa 2 nhóm NHTMCPTN & NHTMCPNN hoàn toàn khác nhau, do vậy tồn tại mối tương quan giữa LLP và biến loại hình ngân hàng (TYPE) như giả thuyết H1g đặt ra. Cụ
thể là các NHTMCPNN có tỷ lệ trích lập dự phòng bình quân cao hơn so với các NHTMCPTN.
Hình 4.2. Biểu đồ hình hộp thể hiện quan hệ giữa LLP với loại hình ngân hàng (TYPE) và thời kỳ suy thoái (DOWNT)
(Nguồn: kết xuất từ phần mềm R) Đối với quan hệ giữa LLP và DOWNT (thời kỳ suy thoái), các giá trị trung vị, bách phân vị 25%, 75% của thời kỳ suy thoái (2010-2014) đều cao hơn so với thời kỳ trước, tuy không chênh lệch nhiều như tương quan giữa LLP và TYPE nêu trên. Điều đó cũng cho thấy tồn tại mối tương quan thuận chiều giữa LLP và thời kỳ suy thoái như giả thuyết H1h đặt ra.
Để có thể xác lập các nhận định trên một cách vững chắc hơn, kiểm định Wilcoxon được sử dụng để kiểm định các giả thuyết H1g và H1h. Kết quả thể hiện theo bảng 4.5 của phần Phụ lục cho phép kết luận rằng tại mức ý nghĩa 0.1%, chi phí dự phòng rủi ro tín dụng (LLP) theo loại hình ngân hàng (TYPE) và theo thời kỳ suy thoái (DOWNT) là không giống nhau. Các NHTMCPNN có mức trích lập dự phòng bình quân cao hơn so
với các NHTMCPTN và chi phí trích lập dự phòng trong thời kỳ suy thoái thì cao hơn so với thời kỳ trước đó.
4.3. Ảnh hưởng tương tác và tầm ảnh hưởng của các biến trong mô hình
Hình 4.3. Biểu đồ thể hiện tương quan giữa LLP & EBTP theo biến TYPE và DOWNT
Một mục tiêu khác của đề tài là tìm bằng chứng về hoạt động “quản trị lợi nhuận” của các NHTM. Vì vậy, mối quan hệ giữa chi phí dự phòng rủi ro tín dụng (LLP) và lợi nhuận trước thuế và dự phòng (EBTP) được xem xét nhiều hơn trong quan hệ tương tác với các biến phân loại như loại hình ngân hàng (TYPE) và thời kỳ suy thoái (DOWNT) thể hiện trong các biểu đồ của hình 4.3.
Qua đó có thể thấy sự phân bố điểm theo loại hình ngân hàng (TYPE) và theo thời kỳ suy thoái (DOWNT) là khác nhau, đặc biệt là đối với loại hình NHTM. Khi phân chia theo loại hình ngân hàng trong biểu đồ thứ nhất, hệ số góc của đường ước lượng tương quan giữa LLP và EBTP theo loại hình NHTMCPNN lớn hơn so với đường ước lượng theo loại hình NHTMCPTN. Tương tự như vậy khi quan sát biểu đồ thứ ba theo loại hình ngân hàng trong các thời kỳ kinh tế khác nhau.
Riêng ở biểu đồ thứ 2 phân chia theo các giai đoạn thời gian, 2 đường ước lượng tương quan giữa LLP và DOWNT có sự cách biệt thể hiện chi phí dự phòng rủi ro tín dụng bình quân ở giai đoạn suy thoái cao hơn so với giai đoạn trước đó, tuy nhiên về hệ số góc giữa chúng dường như không khác biệt lớn.
Nhìn chung, qua quan sát đồ thị, có thể nhận xét rằng ảnh hưởng tương tác của các biến TYPE và DOWNT lên mối tương quan giữa LLP và EBTP là có xảy ra. Do đó khi xem xét các nhân tố ảnh hưởng lên LLP, các biến tương tác như EBTP.TYPE, EBTP.DOWNT và EBTP.TYPE.DOWNT cũng cần được đưa vào mô hình hồi quy theo như mô hình 3.2.
Về tầm ảnh hưởng của các biến trong mô hình, chỉ số LMG được tính cho tất cả các biến giải thích trong 2 trường hợp không có và có biến tương tác theo bảng 4.2.
Bảng 4.2. Chỉ số LMG tính cho các biến trong mô hình (2 trường hợp)
Các biến giải thích Trường hợp (1) Trường hợp (2)
Chỉ số LMG Xếp hạng Chỉ số LMG Xếp hạng EBTP 0.10965324 2 0.06103569 3 SIZE 0.08849993 3 0.05369664 4 ER 0.02505078 8 0.02105028 10 TL 0.02670993 7 0.01887209 11 LG 0.03888648 5 0.03174554 8 NPL 0.11968189 1 0.11158456 1 TYPE 0.05764578 4 0.03715930 6 DOWNT 0.02672387 6 0.02152127 9 EBTP.TYPE NA NA 0.07035997 2 EBTP.DOWNT NA NA 0.05351186 5 EBTP.TYPE.DOWNT NA NA 0.03577270 7
Trường hợp(1) không có biến tương tác; Trường hợp(2) có biến tương tác.
(Nguồn: tổng hợp kết quả tính LMG từ phần mềm R) Kết quả từ bảng 4.2 cho thấy trong trường hợp không có biến tương tác, các biến ảnh hưởng nhiều nhất đến LLP lần lượt là NPL (Tỷ lệ nợ xấu), EBTP (Lợi nhuận trước thuế và dự phòng), SIZE (Quy mô tài sản ngân hàng). Trong trường hợp đưa thêm biến tương tác vào mô hình, ngoài 3 biến kể trên, các biến tương tác cũng chiếm vị trí quan trọng gây ảnh hưởng lên biến phụ thuộc LLP.
4.4. Kết quả ước lượng các mô hình hồi quy và kiểm định lựa chọn mô hình
Ước lượng đối với dữ liệu bảng được ưu tiên thực hiện theo 2 mô hình: FEM và REM. Các mô hình thể hiện dưới 2 trường hợp là không có biến tương tác và có biến tương tác. Điều này giúp cho việc quan sát ảnh hưởng tương tác trong các mô hình một
cách rõ ràng và cụ thể hơn. Ngoài ra, phương pháp ước lượng theo mô hình Pooled OLS cũng được thực hiện và kết quả được trình bày tại hình 4.3 và 4.9 của phần Phụ lục.