Kiểm định Hausman được sử dụng để lựa chọn phương pháp ước lượng phù hợp giữa hai phương pháp ước lượng tác động cố định và tác động ngẫu nhiên (Baltagi 2008; Gujarati 2004). Giả thiết H0 cho rằng không có sự tương quan giữa sai số đặc trưng giữa các đối tượng (vi) với các biến giải thích Xit trong mô hình. Bác bỏ giả thiết H0 (p-value
< 0.05) dẫn đến kết luận mô hình ước lượng tác động cố định là phù hợp hơn so với mô hình ước lượng tác động ngẫu nhiên. Ngược lại, nếu chưa có đủ bằng chứng để bác bỏ Ho (p-value > 0.05) thì mô hình ước lượng ngẫu nhiên (REM) sẽ được ưu tiên sử dụng (Nguyễn Ngọc Thuyết 2014e).
Ngoài kiểm định Hausman, các kiểm định F (F-test) và kiểm định Breusch-Pagan (Breusch-Pagan test) được sử dụng để kiểm chứng tính phù hợp của mô hình ước lượng FEM và REM so với mô hình ước lượng thô Pooled OLS (Torres-Reyna 2010).
Sau khi xác định được mô hình FEM hay REM là phù hợp, các kiểm định sau đây được sử dụng nhằm xem xét những khuyết tật có thể có trong mô hình:
- Kiểm tra tính dừng (stationarity) của biến phụ thuộc trong mô hình bằng kiểm định nghiệm đơn vị (Unit root test) theo phương pháp Dickey-Fuller. Theo Nguyễn Trọng Hoài và ctg (2009), đối với phân tích hồi quy, nếu chuỗi dữ liệu không dừng (có nghiệm đơn vị) thì tất cả các kết quả điển hình của một phân tích hồi quy tuyến tính cổ điển sẽ không có giá trị, không có ý nghĩa và thường được gọi là hiện tượng “hồi quy giả mạo”. Giả thiết H0 đối với kiểm định Dickey-Fuller là chuỗi dữ liệu có nghiệm đơn vị (nghĩa là không dừng). Nếu trị số p-value < 0.05 thì dữ liệu của mô hình là dữ liệu dừng (không có nghiệm đơn vị). Ngược lại nếu p-value > 0.05 thì dữ liệu không dừng. Trong trường hợp này, mô hình hồi quy tự tương quan với biến trễ (độ trễ k) hoặc sai phân (bậc k) của biến phụ thuộc được sử dụng để thay thế cho mô hình hồi quy ban đầu.
- Kiểm tra hiện tượng tự tương quan hay còn gọi là tương quan chuỗi (serial correlation) bằng kiểm định Breusch-Godfrey/Wooldrigde để xem xét dữ liệu có tương quan chuỗi (còn gọi là tự tương quan) trong sai số đặc trưng của mô hình hay không. Hiện tượng tương quan chuỗi ám chỉ rằng một số ảnh hưởng hệ thống nào đó đã bị loại bỏ khỏi phương trình và do đó làm giảm khả năng giải thích của mô hình hồi quy. Giả thiết H0 là không có hiện tượng tương quan chuỗi. Nếu trị số p-value > 0.05 thì không
xảy ra hiện tượng tương quan chuỗi trong mô hình. Ngược lại nếu p-value < 0.05 thì có sự hiện diện của hiện tượng tự tương quan (Torres-Reyna 2010).
- Kiểm định phương sai sai số thay đổi (Testing for heteroskedasticity). Theo Gujarati (2004), nếu chúng ta tiếp tục sử dụng các thủ tục kiểm định thông thường mặc dù có phương sai thay đổi, những kết luận hay sự suy diễn có thể dẫn tới sai lầm. Có nhiều phương pháp khác nhau để giúp phát hiện phương sai sai số thay đổi trong mô hình như: kiểm định Park, kiểm định Glejser, kiểm định Goldfeld-Quandt, kiểm định Preusch-Pagan-Godfrey, kiểm định White… Trong nghiên cứu này, kiểm định Preusch- Pagan-Godfrey được sử dụng do sẵn có trong gói lmtest của chương trình R. Theo Torres-Reyna (2010), giả thiết H0 của kiểm định này là phương sai sai số không đổi (homoskedasticity). Nếu trị số p-value > 0.05 thì giả thiết H0 không thể bị bác bỏ, nghĩa là không có hiện tượng phương sai sai số thay đổi. Ngược lại nếu trị số p-value < 0.05 thì trong mô hình có tồn tại phương sai sai số thay đổi (với mức ý nghĩa 5%).
Trong trường hợp mô hình được chọn (FEM hoặc REM) gặp phải các khuyết tật như tự tương quan và phương sai sai số thay đổi. Điều này hàm ý rằng mô hình đang gặp phải các vấn đề về tính nội sinh của biến, cũng như các vấn đề liên quan đến tính chất động của mô hình dữ liệu bảng. Nghĩa là các biến trễ bên vế phải của phương trình bị bỏ qua (Greene 2008; Bond 2002) và các vấn đề về thiên chệch động của mô hình (Nickell 1981; Bond 2002; Baum 2006). Để giải quyết các vấn đề trên có nhiều cách thức khác nhau như thêm biến trễ, biến đổi dữ liệu để đảm bảo tính hợp lý của mô hình ước lượng... Theo Nguyễn Ngọc Thuyết (2014d), phương pháp GMM sẽ thích hợp sử dụng trong trường hợp tồn tại phương sai thay đổi và tự tương quan trong mỗi đối tượng. “Phương pháp ước lượng moment tổng quát (GMM) có thể cho ra các hệ số ước lượng vững, không chệch, phân phối chuẩn và hiệu quả ngay cả trong điều kiện giả thuyết nội sinh bị vi phạm” (Thân Thị Thu Thuỷ và Nguyễn Kim Chi 2015). Vì vậy, trong phạm vi của bài nghiên cứu này, mô hình ước lượng bằng phương pháp D-GMM (phương pháp sai phân
GMM – Difference GMM) của Arellano và Bond (1991) cho dữ liệu bảng động (Dynamic Panel) được áp dụng để loại trừ các khuyết tật của mô hình FEM (hoặc REM).
Theo Nguyễn Minh Tiến (2014), tính hợp lý của các công cụ được sử dụng trong phương pháp D-GMM được đánh giá qua các thống kê Sargan và Arellano-Bond (AR):
- Kiểm định Sargan xác định tính chất phù hợp của các biến công cụ trong mô hình GMM. Đây là kiểm định giới hạn về nội sinh (over-identifying restrictions) của mô hình. Kiểm định Sargan với giả thiết H0: Biến công cụ là ngoại sinh, nghĩa là không tương quan với sai số của mô hình. Vì thế, giá trị p của thống kê Sargan càng lớn càng tốt.
- Kiểm định Arellano-Bond (AR) về tự tương quan (autocorrelation) có giả thiết H0: không có tự tương quan, và được áp dụng cho số dư sai phân. Kiếm định tiến trình AR(1) trong sai phân bậc 1 thường bác bỏ giả thiết H0. Cho nên, kiểm định AR(2) quan trọng hơn vì nó kiểm tra tự tương quan ở các cấp độ. Theo đó, p-value càng cao càng tốt. Ngoài ra còn có kiểm định Wald để xem xét sự có mặt của biến không cần thiết trong mô hình. Giả thiết H0 của kiểm định này là tất cả các hệ số hồi quy đều bằng 0. Nếu trị số p-value < 0.05 thì giả thiết H0 bị bác bỏ nghĩa là tồn tại ít nhất 1 hệ số khác 0. Khi p-value càng thấp thì sự kết hợp của các biến trong mô hình càng có ý nghĩa thống kê.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 4 gồm các nội dung thống kê mô tả dữ liệu nghiên cứu, phân tích tương quan giữa các biến trong mô hình, phân tích mức độ tác động của các nhân tố đến dự phòng rủi ro tín dụng, kết quả ước lượng mô hình hồi quy, kiểm định mức độ phù hợp của mô hình và các khuyết tật có thể có của mô hình để đưa ra mô hình tối ưu. Đây là chương trọng tâm nhất của đề tài trình bày các kết quả và những phân tích về các nhân tố tài chính ảnh hưởng dự phòng rủi ro tín dụng của các NHTM. Qua đó cho thấy nhân tố nào ảnh hưởng nhiều nhất đến dự phòng rủi ro tín dụng. Từ các kết quả nêu trên, chương này cũng đưa ra mô hình hồi quy phù hợp thể hiện mối quan hệ giữa các nhân tố tài chính và dự phòng rủi ro tín dụng của các ngân hàng thương mại.
Song song với với việc xác định ảnh hưởng của các nhân tố, một nội dung khác của chương này là tìm kiếm bằng chứng thực nghiệm để xác định xem ngân hàng có sử dụng công cụ LLP để quản trị lợi nhuận hay không và mức độ “quản trị lợi nhuận” của các loại hình NHTM qua các thời kỳ kinh tế như thế nào.