6. BỐ CỤC CỦA LUẬN ÁN
3.2.3. Mô hình vector tự hồi quy dữ liệu bảng (panel vector autoregression) và
phân tích nhân quả Granger
Ngoài mô hình đánh giá mối quan hệ tương quan qua mức độ ảnh hưởng của nợ xấu đến hiệu quả chi phí, và ngược lại. Luận án còn xem xét mối quan hệ nhân quả giữa chúng qua mô hình PVAR (mô hình tự hồi quy véc-tơ dữ liệu bảng, panel vector autoregression) bằng ước lượng GMM và kỹ thuật phân tích nhân quả Granger. Thuật ngữ tự hồi quy là do sự xuất hiện của giá trị trễ của biến phụ thuộc trong vế phải và thuật ngữ véc-tơ là do làm việc với một véc-tơ của hai (hay nhiều) biến. Hai biến được đưa vào mô hình là hiệu quả chi phí, nợ xấu, và những độ trễ của hai biến.
Việc đánh giá mối quan hệ nhân quả Granger trên cũng đã được Berger & DeYoung (1997) nghiên cứu trong mối tương quan giữa ba biến gồm: Hiệu quả chi phí (theo phương pháp tham số SFA), nợ xấu, và vốn hóa ngân hàng. Tuy nhiên, luận án chỉ đánh giá mối quan hệ giữa hai biến là nợ xấu và hiệu quả chi phí vì các lý do sau: (i) Thứ nhất, kích thước mẫu trong nghiên cứu nhỏ so với các nghiên cứu trước kia, nên loại bỏ biến vốn hóa ngân hàng (capitalization) để mô hình có ý
67
nghĩa giải thích tốt hơn; (ii) thứ hai, vốn hóa ngân hàng để kiểm định cho giả thuyết “rủi ro đạo đức” bởi giảm vốn hóa làm tăng nợ xấu ngân hàng. Còn luận án chỉ tiến hành kiểm định các giả thuyết liên quan đến hiệu quả chi phí và nợ xấu; thứ ba, để khắc phục những sai lệch trong ước lượng và phù hợp với kích thước mẫu nhỏ, thời gian ngắn thì ước lượng GMM sẽ giải quyết các vấn đề bỏ qua biến.
Mục tiêu của mô hình PVAR và phân tích kỹ thuật nhân quả nhằm:
- Một là, mô hình PVAR cho kết quả để đánh giá nợ xấu có là nguyên nhân gây ra sự thay đổi của hiệu quả chi phí, hay hiệu quả chi phí là nguyên nhân gây ra sự thay đổi của nợ xấu, hay cả hai.
- Hai là, phân tích mô hình PVAR sẽ đánh giá được phản ứng trong hiện tại và tương lai của hiệu quả chi phí dưới cú sốc của nợ xấu, và ngược lại.
- Ba là, mô hình PVAR còn thể hiện kết quả phân ra phương sai của hiệu quả chi phí và nợ xấu. Phân rã phương sai cho thấy phương sai sai số dự báo trước s bước của hiệu quả chi phí (với s = 1, 2, …) được giải thích bởi cú sốc của nợ xấu, và ngược lại.
- Và cuối cùng, kết quả mô hình PVAR và kết hợp mô hình dữ liệu bảng động có thể dùng để kiểm định giả thuyết nghiên cứu của luận án.
Mô hình PVAR được xây dựng với 𝑧𝑖,𝑡 = [𝑁𝑃𝐿𝑖,𝑡, 𝐶𝐸𝑖,𝑡]′ như một vector của k biến nội sinh cho ngân hàng 𝑖 tại thời điểm 𝑡. Mối quan hệ động giữa các biến nội sinh được thể hiện ở phương trình:
𝑧𝑖𝑡 = 𝐴0𝑖 + 𝐴(ℓ)𝑧𝑡−1+ 𝑒𝑖𝑡 (3.11) 𝑖 = 1, … , 234 𝑡 = 2007, … , 2014
Trong đó, 𝐴0𝑖 là một (𝑘 × 1) vector hệ số chặn không đổi theo thời gian cho từng ngân hàng cụ thể, 𝐴(ℓ) là ma trận (𝑘 × 𝑘) của hệ số các biến trễ (tham số để ước lượng), 𝐴(ℓ) ≡ ∑𝑝 𝐴𝑗ℓ𝑗−1
𝑗=1 , để thu thập các ảnh hưởng riêng và chéo của các độ trễ biến phụ thuộc trong các quan sát. Còn 𝑒𝑖𝑡 là một (1 × 𝑘) vector của các sai số đo lường với đặc điểm 𝐸(𝑒𝑖𝑡) = 0, 𝐸(𝑒𝑖𝑡𝑒′
𝑖𝑡) = ∑ 𝑒, 𝐸(𝑒𝑖𝑡𝑒′
𝑖𝑡) =0 cho tất cả
𝑡 > 𝑠.
68
coefficient). Thông thường, để giải quyết vấn đề trên, đặc biệt ở dữ liệu bảng có nhiều quan sát với ít mốc thời gian, thì thực hiện chuyển đổi mô hình để loại bỏ các tác động cố định riêng lẻ và sau đó sử dụng các phương pháp ước lượng GMM sử dụng độ trễ các quan sát làm biến công cụ.