4.2.1. Thống kê mô tả dữ liệu
Kết quả thống kê mô tả các biến nghiên cứu được trình bày tại bảng 4.2
Bảng 4.2: Thống kê mô tả dữ liệu Biến Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất NLPi,t 272 0,023 0,020 0,001 0,245 NPLi,t-1 272 0,022 0,021 0,000 0,245 LLPi,t 272 0,066 0,003 0,000 0,019 LEVi,t 272 0,893 0,074 0,067 0,982 SIZEi,t 272 7,832 0,550 6,308 9,080 ROAi,t 272 0,009 0,007 -0,055 0,047 LGi,t 272 0,457 1,112 -0,313 11,317 INFt 272 0,085 0,065 0,006 0,440 GDPt 272 0,061 0,006 0,053 0,071
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
Sau khi thực hiện thống kê mô tả cho các biến trong mô hình ta thu được kết quả theo bảng 4.2. Giá trị trung bình của NLPi,t là 0,023, trong đó giá trị lớn nhất là 0,245 và nhỏ nhất đạt 0,001. Đối với biến LLPi,t có giá trị lớn nhất là 0,019, giá trị nhỏ nhất là 0,000 và giá trị trung bình là 0,066. Về quy mô đại diện bởi logarit của
tổng tài sản có giá trị trung bình đạt 7,832, giá trị nhỏ nhất là 6,308 và giá trị lớn nhất là 9,080.
Kết quả thể hiện dữ liệu có sự dao động ổn định, đa phần các giá trị có độ lệch chuẩn của mẫu nghiên cứu đều nhỏ hơn so với giá trị trung bình. Tuy nhiên, biến LG có sự dao động tương đối mạnh so do trong giai đoạn nghiên cứu các NHTM Việt Nam đang trong thời kỳ phát triển nóng, khi gặp khủng hoảng tài chính dẫn đến tốc độ tăng trưởng tín dụng biến động mạnh.
Dữ liệu nghiên cứu bao gồm 272 quan sát cho mỗi biến. Kích thước mẫu này đủ lớn để kết quả hồi quy đảm bảo độ tin cậy về mặt thống kê khi thực hiện phân tích hồi quy tuyến tính đa biến.
4.2.2. Phân tích hệ số tƣơng quan
Để đo lường mối tương quan tuyến tính giữa hai biến, tác giả sử dụng hệ số tương quan Pearson. Kết quả phân tích ma trận hệ số tương quan giữa các biến trong mô hình được thể hiện trong bảng 4.3 cho thấy hệ số tương quan cặp giữa các biến độc lập đều nhỏ hơn 0,8. Vì thế mô hình sẽ không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
Bảng 4.3:Ma trận hệ số tƣơng quan Tên
biến NLPi,t NPLi,t-1 LLPi,t LEVi,t SIZEi,t ROAi,t LGi,t INFt GDPt NLPi,t 1,000 NPLi,t-1 0,306 1,000 LLPi,t 0,384 0,305 1,000 LEVi,t -0,033 0,079 0,154 1,00 SIZEi,t 0,040 0,138 0,435 0,610 1,00 ROAi,t -0,058 -0,128 -0,023 -0,169 -0,191 1,00 LGi,t -0,163 -0,103 -0,283 -0,054 -0,242 0,180 1,00 INFt -0,043 -0,213 -0,101 -0,141 -0,280 0,367 0,065 1,00 GDPt -0,243 -0,110 -0,18 0,113 0,043 -0,053 0,173 0,011 1,00
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
4.2.3. Kết quả kiểm định hiện tƣợng đa cộng tuyến
Bảng 4.4:Kết quả kiểm định hiện tƣợng đa cộng tuyến
Biến VIF 1/VIF
NPLi,t-1 2,16 0,462321 LLPi,t 1,67 0,597708 LEVi,t 1,47 0,680127 SIZEi,t 1,27 0,789051 ROAi,t 1,23 0,815523 LGi,t 1,18 0,846554 INFt 1,16 0,862440 GDPt 1,09 0,915711 Trung bình VIF 1,40
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
Kết quả kiểm định hiện tượng đa cộng tuyến với nhân tử phóng đại phương sai cho giá trị VIF trung bình VIF là 1,4 (nhỏ hơn 10) và tất cả các giá trị VIF của các biến độc lập không vượt quá 10. Do đó, với tiêu chuẩn nhân tử phóng đại phương sai VIF thì mô hình nghiên cứu không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
4.2.4. Phân tích hồi quy
Tác giả thực hiện hồi quy dữ liệu bảng theo ba mô hình Pooled OLS – FEM – REM, thu được kết quả hồi quy sau:
Biến phụ thuộc: NPLt POOLED FEM REM NPLt1 0.189*** 0.099 0.189*** (0.056) (0.058) (0.056) LLP 2.037*** 3.145*** 2.037*** (0.380) (0.492) (0.380) LEV -0.016 -0.004 -0.016 (0.019) (0.021) (0.019) SIZE -0.005* 0.000 -0.005* (0.003) (0.006) (0.003) ROA -0.165 -0.170 -0.165 (0.161) (0.184) (0.161) LG 0.001 -0.170 0.001 (0.001) (0.001) (0.001) INF 0.006 -0.000 0.006 (0.019) (0.022) (0.019) GDP -0.492 0.026** -0.492 (0.189) (0.193) (0.189) Cons 0.080 -0.456 0.080 (0.020) (0.039) (0.020) N 272 272 272 R-sq 0.023 0.194 F-test 0.000 *p<0.1, ** p<0.05, *** p<0.01
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
Sau khi thực hiện hồi quy, tác giả tiến hành kiểm định để lựa chọn mô hình hồi quy tốt nhất.
4.2.5. Kiểm tra và xử lý khiếm khuyết của mô hình
4.2.5.1. Kết quả kiểm định lựa chọn giữa mô hình Pooled OLS và mô hình FEM
Để lựa chọn giữa mô hình Pooled OLS và mô hình FEM, tác giả sử dụng kiểm định với giả thuyết như sau:
+Giả thuyết H0: Mô hình Pooled OLS phù hợp với mẫu nghiên cứu hơn.
Kết quả kiểm định bằng phần mềm Stata theo Bảng 4.5 cho giá trị p-value = 0,0421 < α = 0,05. Vì vậy, bác bỏ giả thuyết H0 với mức ý nghĩa 5%
Kết luận: Mô hình FEM sẽ phù hợp hơn mô hình Pooled OLS
4.2.5.2. Kết quả kiểm định lựa chọn giữa mô hình Pooled OLS và mô hình REM
Tác giả thực hiện kiểm định Breusch, T. S. và A. R. Pagan (1980) để lựa chọn giữa mô hình Pooled OLS và mô hình dữ liệu bảng REM với giả thuyết như sau:
+ Giả thuyết H0: Mô hình Pooled OLS phù hợp với mẫu nghiên cứu hơn.
+ Giả thuyết H1: Mô hình REM phù hợp với mẫu nghiên cứu hơn. Kết quả kiểm định bằng phần mềm Stata được thể hiện theo bảng sau:
Bảng 4.6:Kết quả kiểm định so sánh mô hình Pooled OLS và REM
Breusch and Pagan Lagrangian multiplier test for random effects NPLt[BANK1,t] = Xb + u[BANK1] + e[BANK1,t]
Estimated results: Var sd = sqrt(Var) NPLt .0003984 .0199596 e .0003054 .0174768 u 0 0 Test: Var(u) = 0 chibar2(01) = 0.00 Prob > chibar2 = 1.0000
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
Dựa vào kết quả kiểm định ta có p-value = 1,0000 > α = 0,05. Suy ra, chấp nhận giả thuyết H0 ở mức ý nghĩa 5%.
Kết luận: Mô hình hồi quy Pooled OLS sẽ phù hợp hơn REM.
4.2.5.3. Kết quả kiểm định lựa chọn giữa mô hình FEM và mô hình REM
Tác giả tiếp tục thực hiện kiểm định Hausman nhằm lựa chọn giữa hai mô hình FEM và REM với giả thuyết như sau:
+ Giả thuyết H1: Mô hình FEM phù hợp với mẫu nghiên cứu hơn. Kết quả kiểm định bằng phần mềm Stata được thể hiện ở bảng sau:
Bảng 4.7:Kết quả kiểm định so sánh mô hình FEM và REM
---- Coefficients ----
(b) (B) (b-B) sqrt(diag(V_bV_B))
fem rem Difference S.E.
NPLt1 .0992766 .1885418 -.0892652 .0158967 LLP 3.14545 2.036709 1.108741 .3124079 LEV -.0042121 -.0015815 -.0026305 .0101165 SIZE .000407 -.0053283 .0057353 .0047087 ROA -.1695701 -.1647892 -.0047809 .0895406 LG -.0002067 -.0007869 .0005802 .0005268 INF .0257739 .0057813 .0199926 .0121491 GDP -.4557762 -.4921739 .0363977 .0406267
b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic
chi2(8) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 37.95
Prob>chi2 = 0.0000
(V_b-V_B is not positive definite)
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
Bảng kết quả kiểm định cho giá trị p-value = 0.0000 < α = 0.05. Suy ra, đủ cơ sở để bác bỏ giả thuyết H0 ở mức ý nghĩa 5%.
Kết luận: Mô hình hồi quy FEM sẽ phù hợp hơn mô hình REM.
4.2.5.4. Kết quả kiểm định hiện tƣợng phƣơng sai tha đổi phần dƣ trên dữ liệu bảng
Hiện tượng phương sai thay đổi có thể ảnh hưởng đến tính hiệu quả của ước lượng mô hình và mất đi tính tin cậy của kiểm định hệ số. Tác giả tiến hành kiểm định phương sai sai số thay đổi bằng phương pháp kiểm định Wald với giả thuyết kiểm định như sau:
+Giả thuyết H0: Mô hình không có hiện tượng phương sai thay đổi.
+ Giả thuyết H1: Mô hình có hiện tượng phương sai thay đổi.
Bảng 4.8:Kết quả kiểm định hiện tƣợng phƣơng sai tha đổi
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i chi2 (25) = 22565.49
Prob>chi2 = 0.0000
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
Kết quả kiểm định Wald bằng phần mềm Stata cho thấy kết quả giá trị p-value = 0,0000 < α = 0,05. Vì vậy, bác bỏ giá thuyết H0 ở mức ý nghĩa 5%.
Kết luận: Tồn tại hiện tượng sai thay đổi trong mô hình nghiên cứu.
4.2.5.5. Kết quả kiểm định hiện tƣợng tự tƣơng quan phần dƣ trên dữ liệu bảng
Hiện tượng tự tương quan phần dư có thể ảnh hưởng đến tính hiệu quả của ước lượng mô hình cũng như làm mất đi độ tin cậy của kiểm định hệ số. Để kiểm tra hiện tượng tự tương quan, tác giả sử dụng phương pháp kiểm định được đề xuất bởi Wooldridge (2002) & Drukker (2003) và đặt giả thuyết kiểm định như sau:
+ Giả thuyết H0: Mô hình không có hiện tượng tự tương quan (bậc 1).
+ Giả thuyết H1: Mô hình có hiện tượng tự tương quan (bậc 1).
Wooldridge test for autocorrelation in panel data H0: no first-order autocorrelation
F( 1, 24) = 13.352 Prob > F = 0.0013
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
Kết quả kiểm định bằng phần mềm Stata cho thấy kết quả với giá trị p-value = 0,0010 < α = 0,05. Suy ra, đủ cơ sở để bác bỏ giả thuyết H0 ở mức ý nghĩa 5%.
Kết luận: Tồn tại hiện tượng tự tương quan (bậc 1) trong mô hình nghiên cứu.
4.2.5.6. Kết quả phân tích hồi quy
Để xác định mức độ tác động của các yếu tố bên trong và bên ngoài Ngân hàng đến rủi ro tín dụng, tác giả đã lần lượt thực hiện cả ba mô hình hồi quy dữ liệu bảng là: Pooled OLS, FEM và REM. Tuy nhiên, việc mô hình có xảy ra cả hiện tượng phương sai sai số thay đổi và hiện tượng tự tương quan phần dư mà các ước lượng hồi quy như: Pooled OLS, FEM và REM đều không thể kiểm soát được nên tác giả tiến hành hồi quy thêm phương pháp ước lượng GMM.
Bảng 4.10:Kết quả kiểm định hồi quy theo phƣơng pháp GMM Biến phụ thuộc: NPLt GMM NPLt1 0.203*** (0.016) LLP 2.385*** (0.242) LEV -0.005 (0.004) SIZE -0.004*** (0.001) ROA -0.150*** (0.040) LG -0.001***
(0.000) INF 0.011** (0.005) GDP -0.353*** (0.038) Cons 0.064 (0.010) N 272 Number of instruments 73 *p<0.1, ** p<0.05, *** p<0.01
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
Theo kết quả phân tích hồi quy theo phương pháp GMM, ta thấy số lượng các biến công cụ là 73 cao hơn nhiều lần so với số lượng đối tượng quan sát. Nguyên nhân vì mẫu khảo sát nhỏ dẫn đến kết quả của ước lượng có thể không chính xác.
Roodman (2009) đã phát triển một mô hình GMM hiện đại, kh c phục những được nhược điểm của mô hình GMM cổ điển và có thể sử dụng trong trường hợp mẫu nhỏ. Vì thế tác giả tiếp tục thực hiện hồi quy theo phương pháp ước lượng GMM Roodman.
Bảng 4.11:Kết quả kiểm định hồi qu theo phƣơng pháp GMM Roodman
Biến phụ thuộc: NPLt GMM NPLt1 0.220*** (0.025) LLP 2.481*** (0.503) LEV -0.002 (0.003) SIZE -0.006*** (0.002)
ROA -0.078 (0.051) LG -0.001** (0.000) INF 0.020*** (0.007) GDP -0.273*** (0.044) Cons 0.063 (0.011) N 272 Number of instruments 19
Sargan test of overid. restrictions 0.557
Arellano-Bond test for AR(2) in
first differences 0.991
*p<0.1, ** p<0.05, *** p<0.01
Nguồn: Kết quả tổng hợp từ phần mềm Stata dựa trên số liệu đã thu thập
Theo kết quả phân tích hồi quy theo phương pháp GMM của Roodman, ta thấy số lượng các biến công cụ là 19, thấp hơn số lượng quan sát là 25, đồng thời giá trị Sargan 0,557 (lớn hơn 0,05) cho thấy các biến công cụ đại diện được hồi quy trong mô hình GMM Roodman là hợp lệ và có tính đầy đủ. Trong khi đó, giá trị AR(2) của mô hình là: 0,991 (lớn hơn 0,05) cũng thỏa mãn dữ kiện của phương pháp GMM nên mô hình kiểm soát được hiện tượng tự tương quan trong hồi quy. Đồng thời giá trị AR(2) của mô hình GMM Roodman là 0,991 lớn hơn mô hình GMM cổ điển là 0,884, vì thế mô hình GMM Roodman cho kết quả đáng tin cậy hơn mô hình GMM cổ điển. Tác giả sẽ sử dụng kết quả của phương pháp GMM Roodman là kết quả chính cho bài nghiên cứu.
Mô hình hồi quy đƣợc dùng trong bài nghiên cứu (theo phƣơng pháp GMM Roodman):
NLPi,t = β0 + 0,22 NLPi,t-1 + 2,48 LLPi,t – 0,006 SIZEi,t – 0,001 LGi,t + 0,02 INFt – 0,273 GDPt + εi,t
4.3. Thảo luận kết quả nghiên cứu
4.3.1. Về các yếu tố bên trong ngân hàng
4.3.1.1. Rủi ro tín dụng ngân hàng trong quá khứ
Kết quả phân tích cho thấy yếu tố rủi ro tín dụng trong quá khứ với độ trễ là 1 năm có tác động cùng chiều và có ý nghĩa thống kê, khi tỷ lệ nợ xấu năm trước tăng 1% thì tỷ lệ nợ xấu năm nay sẽ tăng 0,22%. Kết quả này phù hợp với những nghiên cứu của Daniel Foos & ctg (2010), Somanadevi Thiagarajan & ctg (2011). Nguyên nhân do hoạt động tín dụng của ngân hàng không chỉ trong ng n hạn mà còn trong dài hạn. Đối với những khoản tín dụng dài hạn sẽ tác động đến rủi ro tín dụng của ngân hàng trong năm mà còn những năm sau.
4.3.1.2. Các khoản dự phòng rủi ro
Mô hình hồi quy cho kết quả các khoản dự phòng rủi ro có tác động cùng chiều và có ý nghĩa thống kê đối rủi ro tín dụng của ngân hàng, cụ thể khi ngân hàng tăng 1% tỷ lệ dự phòng sẽ tác động làm tăng 2,48% tỷ lệ nợ xấu của ngân hàng. Điều này là phù hợp với kỳ vọng ban đầu. Các ngân hàng trong trường hợp dự đoán khả năng xảy ra rủi ro cao sẽ xây dựng một mức dự phòng cao hơn để giảm thiểu sự biến động trong thu nhập. Hay nói cách khác, việc trích lập dự phòng rủi ro tín dụng của các ngân hàng có thể phản ánh được tình hình rủi ro tín dụng tại ngân hàng đó.
Thực trạng về các khoản dự phòng rủi ro của các NHTM Việt Nam cũng thể hiện được tác động cùng chiều của dự phòng rủi ro đối với tỷ lệ nợ xấu.
Hình 4.1:Tỷ lệ dự phòng rủi ro tín dụng trên tổng tài sản của 25 NHTM cổ phần Việt Nam (2007-2017)
Nguồn: Tổng hợp và tính toán từ dữ liệu thu thập được từ Báo cáo tài chính hợp nhất của 25 NHTM cổ phần Việt Nam
Với số liệu thống kê từ mẫu 25 NHTM cổ phần Việt Nam cho thấy từ năm 2007, theo đà tăng của tỷ lệ nợ xấu, các NHTM cũng phải trích lập dự phòng rủi ro tín dụng nhiều hơn cho các khoản nợ xấu này khiến cho tỷ lệ dự phòng rủi ro tín dụng trên tổng tài sản có xu hướng tăng cao nhất năm 2008 là 1,04%. Tuy nhiên, tỷ lệ dự phòng từ năm 2009 đến năm 2011 lại có xu hướng giảm, đi ngược lại với xu hướng tăng lên của tỷ lệ nợ xấu trong hệ thống ngân hàng Việt Nam. Từ năm 2011 đến năm 2012, các NHTM tăng cường trích lập dự phòng rủi ro tín dụng, đến năm 2012 là tỷ lệ dự phòng rủi ro tín dụng trong tổng tài sản là 0,88%, điều này được giải thích bởi năm 2012 tỷ lệ nợ xấu của các ngân hàng đạt tỷ lệ cao nhất. Từ năm 2013 trở đi tỷ lệ nợ xấu của các ngân hàng đã được cải thiện đáng kể, các ngân hàng yếu kém đã được NHNN kiểm soát, theo dõi chặt chẽ, tỷ lệ nợ xấu giảm đáng kể khiến cho việc trích lập dự phòng rủi ro cho các khoản nợ xấu của các ngân hàng cũng giảm theo, nguyên nhân là do các ngân hàng đã và đang tăng tốc trong việc
0.74% 1.04% 0.91% 0.84% 0.79% 0.88% 0.85% 0.81% 0.78% 0.81% 0.77% 1.50% 2.06% 1.90% 2.04% 2.86% 4.08% 3.61% 3.25% 2.55% 2.46%