4.2.3.1. Tăng trƣởng kinh tế (GDPG)
Hình 4.11. Tốc độ tăng trƣởng kinh tế (2014 - 2018)
Nguồn: Tổng Cục Thống kê (www.gso.gov.vn)
Trong giai đoạn 2014 - 2018, kinh tế Việt Nam khởi sắc với mức tăng trưởng kinh tế khá cao. Nhìn chung tốc độ tăng trưởng GDP có xu hướng tăng hàng năm, trong đó tốc độ tăng trưởng thấp nhất là 5,98% trong năm 2014, tốc độ tăng trưởng cao nhất đạt 7,08% và đạt mức cao nhất trong 10 năm trở lại đây.
Hình 4.12. Mối quan hệ giữa GDPGt-1 và tỷ lệ nợ xấu
Nguồn: Tổng hợp từ số liệu thu thập
Xét mối quan hệ giữa tăng trưởng GDP năm trước với tỷ lệ nợ xấu, hình 4.12 cho thấy xu hướng thay đổi của tăng trưởng GDP năm trước gần như ngược chiều với tỷ lệ nợ xấu, điều này thể hiện rõ nét nhất trong giai đoạn 2016 - 2018, tốc độ tăng trưởng GDP năm trước giảm trong khi tỷ lệ nợ xấu tăng và ngược lại. Tuy nhiên, giai đoạn 2015 - 2016 trước đó, xu hướng thay đổi của hai đường là cùng chiều nhau.
4.2.3.2. Lạm phát (INF)
Trong những năm gần đây, nhờ vào việc phối hợp chặt chẽ, linh hoạt và đồng bộ các công cụ chính sách tiền tệ và chính sách tài khóa đ góp phần quan trọng gi p nước ta thực hiện tốt nhiệm vụ kiềm chế lạm phát, đưa lạm phát ở mức cao hai con số về mức một con số.
Điển hình trong giai đoạn 2014 - 2018, lạm phát được khống chế hiệu quả, đáng ch nhất là tỷ lệ lạm phát năm 2015 đạt con số ấn tượng 0,63%, đây là mức thấp nhất trong 10 năm trở lại đây. Sau đó, cùng với áp lực tăng trưởng kinh tế, sức ép lạm phát có xu hướng tăng và được duy trì ổn định, kiểm soát ở mức dưới 4% đến năm 2018.
Hình 4.13. Tỷ lệ lạm phát (2014 - 2018)
Nguồn: Tổng Cục Thống kê (www.gso.gov.vn)
Hình 4.14. Mối quan hệ giữa tỷ lệ lạm phát và tỷ lệ nợ xấu
Nguồn: Tổng hợp từ số liệu thu thập
Dựa vào hình 4.14, nhìn chung tỷ lệ lạm phát gần như có mối quan hệ cùng chiều với tỷ lệ nợ xấu, biểu hiện rõ nhất trong giai đoạn 2015 - 2017, cả hai đều có xu hướng tăng. Tuy nhiên, trong giai đoạn 2014 - 2015 và giai đoạn 2017 - 2018 xu hướng của hai đường thể hiện mối quan hệ ngược chiều.
4.3. Kết quả nghiên cứu
4.3.1. Thống kê mô tả dữ liệu nghiên cứu
Trước khi phân tích kết quả thực nghiệm, bài luận văn đưa kết quả thống kê mô tả chung cho các biến sử dụng trong mô hình dựa trên 140 quan sát của các QTDND trên địa bàn tỉnh Bến Tre trong giai đoạn 2014 - 2018 để gi p nắm được thực trạng vùng nghiên cứu (bảng 4.7).
Bảng 4.7. Kết quả mô tả các biến nghiên cứu Biến Số quan
sát
Trung
bình Trung vị nhỏ nhất Giá trị lớn nhất Giá trị Độ lệch chuẩn
NPLR (%) 140 0,524 0,322 0,000 4,433 0,662 CAR (%) 140 15,317 14,200 8,020 30,66 5,009 GDPGt-1 (%) 140 6,402 6,515 5,060 7,65 0,751 LGt-1 (%) 140 6,449 4,166 -10,114 46,219 9,887 INF (%) 140 2,955 3,365 0,63 4,96 1,488 LLR(%) 140 0,930 0,837 0,607 2,395 0,321 NPLRt-1 (%) 140 0,501 0,283 0,000 4,433 0,668 ROA (%) 140 0,520 0,437 -4,452 3,425 0,797 SIZE (trđ) 140 35.905 31.525 2.343 100.648 25.727
Nguồn: Phân tích dựa trên mẫu nghiên cứu
Bảng 4.7 cho thấy tỷ lệ nợ xấu bình quân ở mức 0,5%, chỉ duy nhất 01 QTDND có tỷ lệ nợ xấu là 4,4%. Điều này cho thấy hệ thống QTDND ở tỉnh Bến Tre đang hoạt động tốt, đảm bảo thực hiện đ ng định hướng của Ngân hàng Nhà Nước Việt Nam về việc duy trì tỷ lệ nợ xấu dưới 3%. Tỷ lệ an toàn vốn trung bình là 15,3% và dao động từ 8,0% đến 30,7%, bảo đảm tỷ lệ an toàn vốn tối thiểu theo quy định của Ngân hàng Nhà nước Việ Nam (8%). Mức độ mở rộng quy mô hoạt động giữa các QTDND trên địa bàn khác nhau đáng kể. Tốc độ tăng trưởng dư nợ trung bình là 6,4%, có QTDND không tăng trưởng được dư nợ, có đơn vị tăng
trưởng với tốc độ hơn 46%. Dự phòng rủi ro trung bình chiếm 0,9% tổng dư nợ. Khả năng sinh lời trên m i đồng tài sản (ROA) ở mức thấp, trung bình chỉ đạt 0,5%. Các yếu tố kinh tế vĩ mô không biến động mạnh, mức tăng trưởng kinh tế trung bình là 6,4%, tỷ lệ lạm phát được kiểm soát tốt.
Nhìn chung trong giai đoạn 2014 - 2018, hệ thống QTDND hoạt động trong môi trường thuận lợi và phát triển khá ổn định. Ngoại trừ 1 QTDND có tỷ lệ nợ xấu cao, phần lớn các QTDND kinh doanh có lợi nhuận nhưng không cao, đảm bảo an toàn trong hoạt động.
Kết quả nghiên cứu cho thấy phần lớn các biến có giá trị trung bình khá gần giá trị trung vị nên mẫu được chọn có tính đại diện khá cao.
Bảng 4.8. Ma trận hệ số tƣơng quan giữa các biến
NPLR CAR GDPGt-1 LGt-1 INF LLR NPLRt-1 ROA SIZE
NPLR 1,000 CAR 0,535 1,000 GDPGt-1 0,119 0,057 1,000 LGt-1 -0,255 -0,187 0,039 1,000 INF -0,061 0,024 -0,277 -0,020 1,000 LLR 0,311 0,142 -0,238 0,049 0,107 1,000 NPLRt-1 0,613 0,539 0,110 -0,147 -0,026 0,229 1,000 ROA -0,023 -0,089 -0,136 0,234 0,116 -0,086 -0,217 1,000 SIZE 0,129 0,036 0,133 -0,410 0,012 -0,300 0,130 -0,184 1,000 (adsbygoogle = window.adsbygoogle || []).push({});
Nguồn: Phân tích dựa trên mẫu nghiên cứu
Mối tương quan giữa các biến với nhau trong mẫu quan sát được trình bày ở bảng 4.8. Kết quả cho thấy giá trị của đường chéo là 1,000, nghĩa là các biến tương quan hoàn toàn với chính nó. Các biến độc lập trong mô hình đều có tương quan với biến phụ thuộc. Trong đó, hệ số tương quan cao nhất là giữa biến phụ thuộc (NPLR) và
biến độc lập NPLRt-1 (0,613) với tương quan dương, thấp nhất là biến ROA (-0,023) với tương quan âm.
Bảng 4.8 cũng chỉ ra giữa các biến độc lập trong mô hình vẫn tồn tại mối tương quan với nhau, đặc biệt là biến NPLRt-1và biến CAR có hệ số tương quan cao nhất là 0,539 (tương quan dương).
4.3.2. Kết quả kiểm định giả thuyết
4.3.2.1. Kiểm định tự tƣơng quan
Giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng thu được bằng phương pháp OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi qui không còn đáng tin cậy. Tác giả tiến hành kiểm định giả thuyết không bị tự tương quan trên dữ liệu bảng bằng Kiểm định Breusch - Godfrey (BG) với giả thuyết sau:
H0: Không xảy ra hiện tượng tự tương quan H1: Xảy ra hiện tượng tự tương quan
Bảng 4.9. Kiểm định hiện tƣợng tự tƣơng quan giữa các biến
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.366 Probability 0.695 Obs*R-squared 0.789 Probability 0.674
Nguồn: Phân tích dựa trên mẫu nghiên cứu
Với mức ý nghĩa alpha = 5%, kiểm định cho kết quả nR2 = 0,789 có xác suất P-value = 0,674 > 0,05 nên ta chấp nhận giả thuyết H0, tức là không xảy ra hiện tượng tự tương quan trong mô hình.
4.3.2.2. Kiểm định đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau. Tác giả tiến hành kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng hệ số phóng đại phương sai VIF với kết quả được trình bày trong bảng 4.10.
Bảng 4.10. Kiểm định đa cộng tuyến STT Biến VIF 1 CAR 1,456 2 GDPGt-1 1,203 3 LGt-1 1,306 4 INF 1,105 5 LLR 1,303 6 NPLRt-1 1,581 7 ROA 1,155 8 SIZE 1,406
Nguồn: Phân tích dựa trên mẫu nghiên cứu
Kết quả kiểm định VIF cho thấy mô hình không xảy ra hiện tượng đa cộng tuyến, thể hiện qua giá trị VIF của tất cả các biến đều nh hơn 10 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
4.3.2.3. Kiểm định phƣơng sai sai số thay đổi
Phương sai của sai số thay đổi sẽ làm cho các ước lượng thu được bằng phương pháp OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Từ đó dẫn đến hiện tượng ngộ nhận các biến độc lập trong mô hình nghiên cứu có nghĩa, l c đó kiểm định hệ số hồi quy và R2 không dùng được. Tác giả tiến hành kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White với giả thuyết sau:
H0: Phương sai của sai số không đổi H1: Phương sai của sai số thay đổi
Bảng 4.11. Kiểm định phƣơng sai sai số thay đổi
Heteroskedasticity Test: White
F-statistic 8.731 Probability 0.000 Obs*R-squared 112.243 Probability 0.000 Scaled explained SS 737.261 Probability 0.000
Với mức nghĩa alpha = 5%, kiểm định cho kết quả nR2= 112,243 có xác suất P-value = 0,000 < 0,05 nên ta bác b giả thuyết H0, tức là xảy ra hiện tượng phương sai của sai số thay đổi trong mô hình.
4.3.2.4. Kiểm định hiện tƣợng biến nội sinh
Hiện tượng biến nội sinh sẽ làm cho các ước lượng thu được bằng phương pháp OLS không vững. Mô hình nghiên cứu sử dụng biến trễ của biến phụ thuộc (NPLRt-1) làm biến độc lập nên theo Abhiman Das và Saibal Ghosh (2007), Daniel Foos và cộng sự (2010), Gabriel Jimenez và Jesus Saurina (2006), Richard Blundell và Stephen Bond (1998), thì nghiên cứu thuộc dạng mô hình với số liệu dạng bảng động (Dynamic panel data) và với biến trễ của biến phụ thuộc (NPLRt-1) là biến nội sinh.
4.3.2.5. Kiểm định giả thuyết nghiên cứu
Với kết quả kiểm định từng phần ở trên cho thấy mô hình nghiên cứu không có hiện tượng tự tương quan và đa cộng tuyến. Tuy nhiên, mô hình có hiện tượng phương sai sai số thay đổi và biến nội sinh. Hiện tượng này sẽ làm cho các ước lượng thu được bằng phương pháp OLS không vững và không hiệu quả, các kiểm định hệ số hồi qui không còn đáng tin cậy. Do vậy, tác giả dùng phương pháp GMM để khắc phục. Kết quả kiểm định các giả thuyết nghiên cứu được trình bày trong bảng 4.12.
Bảng 4.12. Kết quả kiểm định các giả thuyết nghiên cứu (adsbygoogle = window.adsbygoogle || []).push({});
Variable Coefficient Std. Error t-Statistic Prob. C -1.416153 0.622349 -2.275495 0.025 CAR 0.034210 0.010776 3.174729 0.002 GDPGt-1 0.108561 0.075204 1.443549 0.151 LGt-1 -0.011459 0.005293 -2.165164 0.032 INF -0.034640 0.037688 -0.919132 0.360 LLR 0.562051 0.272288 2.064181 0.041 NPLRt-1 0.398611 0.111809 3.565105 0.001 ROA -0.164745 0.080287 -2.051941 0.042 SIZE 0.000003 0.000002 1.353462 0.178
Bảng 4.13. Mức độ giải thích của biến độc lập đối với biến phụ thuộc
R-squared 0.540762 Mean dependent var 0.523905 Adjusted R-squared 0.512717 S.D. dependent var 0.662496 S.E. of regression 0.462460 Sum squared resid 28.01690 Durbin-Watson stat 2.046712 J-statistic 0.011320 Instrument rank 10 Prob(J-statistic) 0.915270
Nguồn: Phân tích dựa trên mẫu nghiên cứu
Kết quả kiểm định cho thấy, trong 8 biến độc lập thì chỉ có 5 biến tác động lên biến phụ thuộc NPLR là có nghĩa thống kê. Trong đó:
Hệ số an toàn vốn (CAR) có hệ số β = 0,034, cho thấy hệ số an toàn vốn tác động cùng chiều lên NPLR ở mức nghĩa thống kê là 1% (giá trị Prob = 0,002 < 1%). Điều này cho thấy, hệ số an toàn vốn càng cao thì rủi ro tín dụng của QTDND sẽ càng cao và ngược lại. Cụ thể là khi hệ số an toàn vốn tăng 1% thì rủi ro tín dụng tăng 0,034%.
Tỷ lệ tăng trưởng GDP kỳ trước (GDPGt-1) có hệ số β = 0,109 nhưng không có nghĩa thống kê, thể hiện qua giá trị Prob = 0,151 lớn hơn mức nghĩa 10%, nghĩa biến này không tác động đến NPLR.
Tỷ lệ tăng trưởng tín dụng kỳ trước (LGt-1) có hệ số β = -0,011, tức tác động ngược chiều lên NPLR ở mức nghĩa thống kê là 5% (giá trị Prob = 0,032< 5%). Điều này cho thấy, tỷ lệ tăng trưởng tín dụng kỳ trước càng cao thì rủi ro tín dụng của QTDND sẽ càng giảm và ngược lại. Cụ thể là khi tỷ lệ tăng trưởng tín dụng kỳ trước tăng 1% thì rủi ro tín dụng giảm 0,011%.
Tỷ lệ lạm phát (INF) có hệ số β = -0,035 nhưng không có nghĩa thống kê, thể hiện qua giá trị Prob = 0,360 lớn hơn mức nghĩa 10%, nghĩa biến này không tác động đến NPLR.
Tỷ lệ dự phòng rủi ro tín dụng (LLR) có hệ số β = 0,562, tức tác động cùng chiều lên NPLR ở mức nghĩa thống kê là 5% (giá trị Prob = 0,041< 5%). Điều này cho thấy, tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ tín dụng càng cao thì rủi ro
tín dụng của QTDND sẽ càng cao và ngược lại. Cụ thể là khi dự phòng rủi ro tín dụng trên tổng dư nợ tín dụng tăng 1% thì rủi ro tín dụng tăng 0,562%.
Tỷ lệ nợ xấu kỳ trước (NPLRt-1) có hệ số β = 0,398, tức tác động cùng chiều lên NPLR ở mức nghĩa thống kê là 1% (giá trị Prob = 0.001< 1%). Điều này cho thấy, tỷ lệ nợ xấu kỳ trước càng cao thì rủi ro tín dụng của QTDND sẽ càng cao và ngược lại. Cụ thể là khi tỷ lệ nợ xấu kỳ trước tăng 1% thì rủi ro tín dụng tăng 0,398%.
Lợi nhuận ròng trên tổng tài sản (ROA) có hệ số β = -0,165, tức tác động ngược chiều lên NPLR ở mức nghĩa thống kê là 5% (giá trị Prob = 0,042< 5%). Điều này cho thấy, lợi nhuận ròng trên tổng tài sản càng cao thì rủi ro tín dụng của QTDND sẽ càng thấp và ngược lại. Cụ thể là khi lợi nhuận ròng trên tổng tài sản tăng 1% thì rủi ro tín dụng giảm 0,165%.
Quy mô tổng tài sản (SIZE) có hệ số β = 0,000003 nhưng không có nghĩa thống kê, thể hiện qua giá trị Prob = 0,178 lớn hơn mức nghĩa 10%, nghĩa biến này không tác động đến NPLR.
Kết quả nghiên cứu cũng cho thấy R2 = 54,1% cho thấy biến độc lập giải thích được 54,1% biến phụ thuộc.
Hệ số Dubin -Watson = 2,047 thuộc khoảng giá trị từ 1 đến 3 nên chấp nhận hiện tượng tương quan giữa các biến độc lập không xảy ra, kiểm định này phù hợp với giả thuyết ban đầu (Trần Thị Phương Hoa, 2016)
4.4. Thảo luận kết quả nghiên cứu, so sánh với kết quả thực nghiệm trƣớc
Kết quả nghiên cứu cho thấy hệ số an toàn vốn (CAR) tác động cùng chiều lên rủi ro tín dụng (NPLR), kết quả này trái ngược với kỳ vọng ban đầu và không tương đồng với kết quả nghiên cứu của Sinkey và Greenawalt (1991), Boudriga và cộng sự (2009). Hệ số an toàn vốn thể hiện năng lực tài chính của TCTD, là thước đo mức độ an toàn hoạt động, xác định khả năng của TCTD trong việc thanh toán các khoản nợ đến hạn và đối mặt với các rủi ro khác như rủi ro tín dụng. Hệ số an
toàn vốn cao đồng nghĩa với nổ lực tăng vốn tự có, vốn chủ sở hữu để đảm bảo cho tài sản có rủi ro, hoặc giảm tỷ lệ nợ xấu. Có thể giải thích kết quả nghiên cứu bởi tốc độ tăng vốn tự có nhanh hơn tốc độ tăng tài sản có rủi ro, hệ số an toàn vốn cao, lớp phòng vệ của QTDND với rủi ro vững chắc. Kết quả này mang nghĩa hệ số an toàn vốn đóng vai trò là một chỉ số dự báo về rủi ro tài chính, cần được duy trì ở mức phù hợp.
Mặt khác, tỷ lệ tăng trưởng tín dụng kỳ trước (LGt-1) cũng tác động ngược chiều lên rủi ro tín dụng (NPLR) tương tự kết quả nghiên cứu của Robert T. Clair (1992), Võ Thị Qu và Bùi Ngọc Toản (2014). Tăng trưởng tín dụng kéo theo tổng dư nợ tăng, làm cho tỷ lệ nợ xấu giảm. Ngoài ra, khi tốc độ tăng trưởng tín dụng càng thấp thì các đơn vị càng đẩy mạnh hoạt động cho vay, bên cạnh sức ép lợi nhuận, các đơn vị thực hiện cho vay dựa trên uy tín của khách hàng và giá trị tài sản đảm bảo, bất chấp hậu quả dẫn đến sự gia tăng nợ xấu. Với kết quả này không mang nghĩa muốn giảm nợ xấu thì các QTDND phải gia tăng dư nợ, mà cần có quyết định chính xác, đ ng mực trong quá trình giải ngân, đảm bảo tăng trưởng tín dụng cao nhưng bền vững.
Trong khi đó, tỷ lệ dự phòng rủi ro tín dụng (LLR) có tác động cùng chiều với rủi ro tín dụng (NPLR). Hầu hết các nghiên cứu cũng cho kết quả tương tự như: Ahmad (2003), Hasna Chaibi và Zied Ftiti (2015), Trần Thị Phương Hoa (2016), Nguyễn Quốc Anh (2016),... LLR cao hơn cho thấy sự gia tăng rủi ro tín dụng và suy giảm chất lượng cho vay. Có thể thấy rằng trích lập dự phòng cao dẫn đến nợ