3.2.1. Thu thập dữ liệu
Dữ liệu đặc trưng hoạt động của mỗi ngân hàng được thu thập từ báo cáo tài chính hợp nhất đã kiểm toán của 25 NHTMCP ở Việt Nam trong giai đoạn từ 2007- 2017. Số liệu được thu thập tại thời điểm cuối năm của từng ngân hàng. Sau đó, tác giả thực hiện tính toán các biến phụ thuộc dựa trên các dữ liệu đã thu thập. Dữ liệu nghiên cứu là dữ liệu không cân bằng vì NHTMCP Tiên Phong được thành lập ngày 05/05/2008 nên số liệu đối với ngân hàng được thu thập từ năm 2008 đến năm 2017.
Đối với các biến vĩ mô, dữ liệu được thu thấp từ nguồn số liệu thống kê hàng năm của Tổng cục thống kê Việt Nam.
3.2.2. Thống kê mô tả dữ liệu
Thống kê mô tả được xem là nền tảng của phân tích định lượng, được sử dụng để mô tả các đặc tính cơ bản của các biến dựa trên dữ liệu đã thu thập. Việc thực hiện thống kê mô tả giúp tác giả có cái nhìn tổng quát về dữ liệu, phát hiện những quan sát có sai biệt hoặc những yếu tố bất thường của mô hình. Thông qua kết quả từ việc thống kê mô tả sẽ giúp cho tác giả xem xét được mức độ thay đổi và độ đồng đều của dữ liệu thu thập và có thể phát hiện những giá trị dao động sai lệch trong mẫu quan sát.
Kết quả của thống kê mô tả chỉ ra số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất của các biến quan sát. Dựa trên các chỉ số của thống kê mô tả ta có thể thấy được sự đồng đều trong bộ dữ liệu thu thập. Nếu bộ dữ liệu thu thập là phù hợp, không có yếu tố bất thường thì ta có thể sử dụng để nghiên cứu. Còn trong trường hợp phát hiện các yếu tố bất thường thì ta phải tiến hành loại bỏ hoặc lập luận để tìm ra cách lý giải cho sự bất hợp lý đó.
3.2.3. Kiểm tra tƣơng quan
Hệ số tương quan đo lường mức độ quan hệ tuyến tính giữa hai biến, không phân biệt là biến độc lập hay biến phụ thuộc. Thông qua ma trận hệ số tương quan, ta có phân tích được mức độ hoặc mối tương quan giữa biến độc lập với biến phụ thuộc và giữa các biến phụ thuộc với nhau. Hệ số tương quan càng lớn nói lên mức độ tương quan càng cao, điều này có thể dẫn đến hiện tượng đa cộng tuyến trong mô hình nghiên cứu.
3.2.4. Kiểm tra đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập có mối quan hệ phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Nói một cách khác là hai biến độc lập có mối quan hệ chặt chẽ với nhau, thực chất là một biến nhưng trong mô hình lại tách ra thành hai biến. Hiện tượng đa cộng tuyến vi phạm những giả định của mô hình tuyến tính cổ điển là các biến độc lập không có mối quan hệ với nhau. Nếu các biến độc lập có mối quan hệ tuyến tính với nhau sẽ dẫn đến các hậu quả như: sai số
chuẩn của các hệ số ước lượng lớn dẫn đến khoảng tin cậy lớn, thống kê ít có ý nghĩa, dấu của các ước lượng của các hệ số hồi quy có thể bị sai lệch, v.v..
Để kiểm định có hay không xảy ra hiện tượng đa cộng tuyến, ngoài sử dụng ma trận hệ số tương quan, tác giả còn sử dụng hệ số phóng đại phương sai ( IF). Nếu có hiện tượng đa cộng tuyến xảy ra, tác giả sẽ thực hiện kh c phục bằng biện pháp bỏ bớt các biến có đa cộng tuyến hoặc gia tăng kích thước mẫu.
3.2.5. Phân tích hồi quy và lựa chọn mô hình phù hợp
Trong bài luận văn này, tác giả sử dụng ba mô hình hồi quy dữ liệu bảng là mô hình Pooled OLS, mô hình hiệu ứng tác động cố định (Fixed effect model – FEM) và mô hình hiệu ứng tác động ngẫu nhiên (Random effect model – REM).
Sau khi tiến hành hồi quy theo các mô hình hồi quy trên, tác giả tiến hành thực hiện các kiểm định để lựa chọn mô hình phù hợp nhất trong ba mô hình: Pooled OLS, FEM và REM.
3.2.6. Kiểm tra và xử lý khiếm khuyết của mô hình 3.2.6.1. Kiểm định các khiếm khuyết của mô hình 3.2.6.1. Kiểm định các khiếm khuyết của mô hình
Kiểm định hiện tượng phương sai thay đổi phần dư trên dữ liệu bảng
Phương sai thay đổi là hiện tượng phương sai của các phần dư không phải là hằng số, tức là phương sai sẽ khác nhau ở các quan sát khác nhau. Phương sai thay đổi đã vi phạm một trong những giả thiết quan trọng của mô hình tuyến tín cổ điểm. Việc mô hình ước lượng có hiện tượng phương sai thay đổi sẽ dẫn đến các hâu quả như: các ước lượng OLS vẫn là các ước lượng không chệch nhưng không còn hiệu quả, ước lượng của các phương sai sẽ bị chệnh nên sẽ làm mất hiệu lực của kiểm định hệ số hồi quy.
Để kiểm định có hay không xảy ra hiện tượng phương sai thay đổi, tác giả sẽ sử dụng kiểm định Wald trên dữ liệu bảng thu thập.
Sau khi kiểm tra các khiếm khuyết của mô hình thông qua kiểm định Wald đã cho thấy mô hình có xảy ra hiện tượng phương sai sai số thay đổi mà các mô hồi quy như Pooled OLS, FEM và REM đều không thể kiểm soát được. Vì thể tác giải sẽ xử lý bằng phương pháp GMM.
Phương pháp GMM là phương pháp tổng quát của rất nhiều phương pháp ước lượng phổ biến như OLS, FEM, REM, GLS, 2SLS, v.v… Phương pháp ước lượng GMM là một phương pháp hiệu quả, kh c phục được nhiều vấn đề như tự tương quan, phương sai thay đổi, nội sinh. Sử dụng phương pháp này cho ra các hệ số ước lượng vững, không chệch và hiệu quả. Thông qua kiểm định qua thống kê của Arellano-Bond và Sargan test đã chứng minh được sự hợp lý của các biến công cụ được sử dụng trong phương pháp GMM.
Kết luận chƣơng 3
Chương 3 trình bày việc xây dựng các biến, quy trình thu thập và xử lý dự liệu, xây dựng mô hình nghiên cứu và chọn lựa phương pháp ước lượng phù hợp. Về mô hình nghiên cứu, chương này cũng đã đưa ra được mô hình ước lượng, đo lường sự ảnh hưởng của các yếu tố và nhằm kiểm định các giả thuyết nghiên cứu đã được nêu ra.
Trên cơ sở kiểm định các khiếm khuyết cửa dữ liệu trong mô hình nghiên cứu, bao gồm kiểm định phương sai thay đổi, đa cộng tuyến, phân tích ma trận hệ số tương quan, phương pháp GMM để ước lượng hồi quy các mô hình nghiên cứu để cho kết quả nghiên cứu có độ tin cậy cao.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU CÁC YẾU TỐ TÁC ĐỘNG ĐẾN RỦI RO TÍN DỤNG TẠI CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM
4.1. Dữ liệu nghiên cứu
- Nhóm dữ liệu đặc trƣng hoạt động của ngân hàng
Dữ liệu đặc trưng hoạt động của mỗi ngân hàng được thu thập từ số liệu báo cáo tài chính và báo cáo thường niên của các NHTM cổ phần tại Việt Nam được đưa vào nghiên cứu. Số liệu được thu thập tại thời điểm cuối năm của các ngân hàng. Các dữ liệu được thu thập bao gồm: tổng tài sản, tổng dư nợ, tổng nợ xấu, số dư dự phòng rủi ro tín dụng, tổng nợ của các ngân hàng. Tất cả các dữ liệu trên của mỗi ngân hàng được thu thập tại thời điểm cuối mỗi năm từ 2007 đến 2017.
- Nhóm dữ liệu kinh tế vĩ mô
Dữ liệu yếu tố vĩ mô bao gồm chỉ số lạm phát và chỉ số GDP của nền kinh tế Việt Nam thu thập từ Tổng cục thông kê Việt Nam từ năm 2007 đến 2017. Dữ liệu vĩ mô sẽ không thay đổi cho từng ngân hàng.
Bảng 4.1: Nguồn thu thập dữ liệu
Dữ liệu Nguồn thu thập dữ liệu
Tỷ lệ nợ xấu (NPL) Báo cáo tài chính, báo cáo thường niên
của từng ngân hàng
Dự phòng rủi ro tín dụng (LLP) Báo cáo tài chính, báo cáo thường niên của từng ngân hàng
Tỷ lệ đòn bẩy (LEV) Báo cáo tài chính, báo cáo thường niên
của từng ngân hàng
Quy mô ngân hàng (SIZE) Báo cáo tài chính, báo cáo thường niên của từng ngân hàng
Dữ liệu Nguồn thu thập dữ liệu
của từng ngân hàng
Tốc độ tăng trưởng tín dụng (LG) Báo cáo tài chính, báo cáo thường niên của từng ngân hàng
Lạm phát (INF) Dữ liệu của Tổng cục thống kê Việt Nam
Tốc độ tăng trưởng GDP (GDP) Dữ liệu của Tổng cục thống kê Việt Nam
4.2. Kết quả nghiên cứu
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