Biến Ký
hiệu Đơn vị Giải thích Kỳ vọng
dấu
Hiệu quả Suất sinh lời trên tài sản ROA % Lợi nhuận trước thuế trên Tổng tài sản bình qn
Quy mơ
Quy mơ tuyệt đối LogA Logarit cơ số 10 của Tổng tài sản +
Quy mô hệ thống DPGDP % Tổng số dư tiền gửi khách hàng và
ngân hàng khác chia Tổng GDP +
Các biến giải thích
khác
Tỷ lệ dư nợ trên Tổng vốn huy
động LTDR % Dư nợ trên Tổng vốn huy động +
Tỷ lệ các tài sản ngoại bảng trên
Tổng tài sản OBAA % Tài sản ngoại bảng trên Tổng tài sản +
Tỷ lệ vốn chủ sở hữu trên Tổng
tài sản ETA % Vốn chủ sở hữu trên Tổng tài sản +
Tỷ lệ nợ xấu trên tổng dư nợ NPLL % Nợ xấu trên Tổng dư nợ -
Tuổi của ngân hàng AGE Tuổi Tuổi của ngân hàng tại năm khảo
sát, so với năm thành lập +
Tính chất sở hữu OW
Phân loại thành các NHTM có vốn nhà nước từ 51% trở lên (có giá trị là 1) và các NHTM có tỷ lệ vốn Nhà nước thấp hơn 51% (có giá trị là 0).
+
Địa điểm trụ sở chính LCT Nợi đặt trụ sở chính: Hà Nội (có giá
trị là 1), Khác (có giá trị là 0) - Tốc độ tăng trưởng GDP % Tốc độ tăng GDP + Nguồn: Tác giả tổng hợp.
3.4. Dữ liệu nghiên cứu
Như đã nêu ở chương 1 mục 5, số liệu được sử dụng trong đề tài được tổng hợp từ báo cáo tài chính có kiểm tốn của các NHTM từ năm 2008 – 2017, được công bố trên website ngân hàng và các kênh thông tin truyền thông khác. Để đảm bảo phân tích nghiên cứu đầy đủ và thực chất mối liên hệ giữa quy mô hoạt động và hiệu quả kinh doanh của các NHTM, tác giả tiến hành lọc và đưa ra khỏi danh sách nghiên cứu một số ngân hàng: (i) Loại các ngân hàng đã thực hiện sáp nhập và hợp nhất, nguyên nhân do sau khi tiến hành hợp nhất và sáp nhập, các chỉ tiêu về tổng
2
Ghi chú: dấu “-” thể hiện tác động ngược chiều của biến với ROA, dấu “+” thể hiện tác động cùng chiều của biến với ROA.
tài sản, tổng nguồn vốn cũng như các chỉ tiêu về quy mô, lợi nhuận khác sẽ được tính dựa trên các ngân hàng hợp nhất sáp nhập, không thể hiện đúng thực chất quá trình hoạt động và phát triển để đạt được quy mô và hiệu quả của từng ngân hàng và (ii) Loại các ngân hàng không đủ số liệu do số liệu thiếu khi đưa vào kiểm định giả thuyết cũng như thực hiện hồi quy sẽ ảnh hưởng đến kết quả mơ hình.
Kết quả của q trình này thì tác giả có mẫu nghiên cứu gồm 26 ngân hàng (chiếm khoảng 74% số lượng các NHTM đang hoạt động trên thị trường), trong đó có 4 ngân hàng thuộc khối sở hữu nhà nước (tỷ lệ vốn sở hữu nhà nước chiếm tỷ trọng từ 51% trở lên) (Agribank, Vietcombank, Vietinbank và BIDV) và 22 ngân hàng thuộc khối sở hữu ngoài nhà nước (tỷ lệ vốn sở hữu nhà nước tại các NHTM có tỷ trọng thấp hơn 51%). Cụ thể tên các ngân hàng khảo sát sẽ được trình bày ở phụ lục 1.
Kích thước mẫu của nghiên cứu khoảng 260 quan sát (10 năm x 26 ngân hàng), kích thước mẫu đã đủ lớn để cho kết quả tin cậy và thuyết phục. Cỡ mẫu được tính theo cơng thức: n > 104 + m; m là số biến độc lập; n là số quan sát tối thiểu, do đó kích thước mẫu 260 > 104 + 10 (Tabachnick & Fidell, 2007; Phạm Nguyễn Thùy Vân, 2013). Do đó, kích thước mẫu như trên là phù hợp để phân tích.
Dữ liệu nghiên cứu được trình bày dưới dạng dữ liệu chéo và theo chuỗi thời gian hay còn được gọi là dữ liệu bảng. Dữ liệu bảng với nhiều ưu điểm như ít xảy ra đa cộng tuyến giữa các biến và cho hiệu quả cao hơn nên thường được sử dụng trong các mơ hình nghiên cứu kinh tế. Do tình hình cơng bố số liệu của các ngân hàng tại Việt Nam khơng thống nhất, cụ thể và đầy đủ, vì vậy bảng số liệu đề tài sử dụng mang tính chất khơng cân bằng (unbalance panel data).
Ngoài ra cịn có số liệu về GDP Việt Nam lấy từ thống kê của Tổng cục thống kê Việt Nam.
3.5. Phƣơng pháp nghiên cứu
Sau khi tiếp cận nghiên cứu của Athanasoglou et al., (2008) để xây dựng mơ hình nghiên cứu thì mục này sẽ trình bày các phương pháp hồi quy để ước lượng
các hệ số hồi quy với bộ dữ liệu bảng không cân bằng, cụ thể bao gồm các phương pháp ước lượng Pooled OLS, RE, FE và System GMM. Sau đó tác giả tiến hành thực hiện các kiểm định cần thiết để đánh giá khuyết tật mơ hình và lựa chọn phương pháp ước lượng phù hợp.
Đầu tiên, phương pháp ước lượng hồi quy Pooled OLS được sử dụng dựa trên giả định các hệ số hồi quy không chịu tác động của các ngân hàng riêng biệt cũng như không thay đổi theo thời gian. Đây thực chất chỉ là phương pháp ước lượng OLS thơng thường vì phương pháp này khơng phân biệt chuỗi thời gian trong bảng, dữ liệu sẽ được gộp như kiểu dữ liệu chéo. Việc dựa trên rất nhiều giả định và không quan tâm đến chuỗi dữ liệu của các ngân hàng theo thời gian chính là những nhược điểm của mơ hình, sai số ngẫu nhiên có thể sẽ tương quan với biến độc lập làm cho kết quả ước lượng bị thiên chệch và khơng vững. Do đó để sử dụng mơ hình cần phải thực hiện các kiểm định cần thiết để đánh giá khuyết tật mơ hình:
- Thứ nhất, kiểm định Breusch-Pagan (Breusch-Pagan test) để phát hiện hiện tượng phương sai thay đổi với giả thuyết H0 là khơng có hiện tượng phương sai thay đổi. Nếu giá trị p-value của thống kê chi bình phương nhỏ hơn 0,05 thì bác bỏ giả thuyết H0, kết luận mơ hình tồn tại hiện tượng phương sai thay đổi và ngược lại.
- Thứ hai, kiểm định Wooldridge (Wooldridge test) đánh giá tự tương quan mơ hình với giả thuyết H0 là khơng có hiện tượng tự tương quan trong mơ hình. Nếu giá trị p-value của thống kê chi bình phương nhỏ hơn 0,05 thì bác bỏ giả thuyết H0, kết luận mơ hình tồn tại hiện tượng tự tương quan và ngược lại.
- Thứ ba, dùng hệ số nhân tử phóng đại phương sai (VIF) để xem xét vấn đề đa cộng tuyến. Khi có hiện tượng này xảy ra trong mơ hình, các hệ số hồi quy của mơ hình khơng xác định. Nếu biến nào có hệ số VIF lớn hơn 10 thì xảy ra hiện tượng đa cộng tuyến trong mơ hình.
Trong trường hợp giả thuyết hiện tượng phương sai thay đổi và hiện tượng tự tương quan bị vi phạm, có thể dùng phương pháp ước lượng hồi quy cluster để điều chỉnh trong ước lượng nhằm khắc phục các nhược điểm dữ liệu, tuy nhiên sẽ không
giải quyết triệt để các vấn đề này.
Để khắc phục nhược điểm của mơ hình Pooled OLS, giả định các ngân hàng được quan sát đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, mơ hình tác động cố định (FEM) sử dụng phương pháp tác động cố định phân tích mối tương quan giữa phần dư của mỗi đơn vị với các biến giải thích qua đó kiểm sốt và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực của biến giải thích lên biến phụ thuộc. Trong mơ hình sẽ khơng có hiện tượng tự tương quan và kết quả hồi quy đáng tin cậy hơn. Nhưng nếu trong mơ hình tác động cố định có sự tương quan giữa biến độc lập với sự biến động của các ngân hàng thì mơ hình tác động ngẫu nhiên (REM) giả định sự biến động này là ngẫu nhiên và không tương quan với biến độc lập. Kết quả hồi quy sẽ cho các tham số ước lượng không chệch nhưng sẽ khơng hiệu quả vì đã bỏ qua sự tự tương quan trong trong thành phần sai số mơ hình. Nhìn chung, mơ hình REM hay FEM được sử dụng dựa trên giả định có hay khơng sự tương quan giữa sai số mơ hình và các biến độc lập. Việc lựa chọn một trong ba mơ hình Pooed OLS, REM, FEM phụ thuộc các kiểm định riêng cho từng mơ hình. Cụ thể, để lựa chọn giữa các mơ hình Pooled OLS và FEM và REM, tác giả kiểm định về sự tương quan chéo giữa các đơn vị quan sát (Breusch – Pagan Larganian multiplier test) để là cơ sở lựa chọn giữa Pooled OLS và REM, kiểm định sự tồn tại của các ảnh hưởng cố định (F-test) để lựa chọn giữa Pooled OLS và FEM. Nếu sau hai kiểm định này, mơ hình Pooled OLS khơng được lựa chọn thì tiếp tục thực hiện kiểm định Hausman (Hausman test) để chọn mơ hình hiệu quả hơn giữa REM và FEM.
- Kiểm định Breusch – Pagan Larganian multiplier (LM)
Giả thuyết H0: khơng có sự tương quan chéo giữa đơn vị quan sát (cross- sectional independence)
Kết quả kiểm định có p-value nhỏ hơn 0,05 thì bác bỏ giả H0 nghĩa là có sự tương quan chéo giữa các ngân hàng, mơ hình REM sẽ được ưu tiên sử dụng.
- Kiểm định F-test
Giả thuyết H0: khơng có sự khác biệt giữa các đối tượng quan sát
Khi kết quả kiểm định có Prob (F-stat) nhỏ hơn 0,05 thì bác bỏ giả thuyết H0 nghĩa là có sự khác biệt giữa các đối tượng là các ngân hàng hoặc các thời điểm khác nhau, mơ hình FEM sẽ được lựa chọn trong trường hợp này để giải thích mối tương quan giữa các biến.
- Kiểm định Hausman
Giả thuyết H0: khơng có sự tự tương quan giữa sai số đặc trưng của các đối tượng với các biến độc lập
Khi kết quả kiểm định có p-value Hausman nhỏ hơn 0,05 thì bác bỏ giả thuyết H0 nghĩa là có sự tự tương quan giữa sai số đặc trưng của các đối tượng với các biến độc lập thì ước lượng tác động cố định là phù hợp hơn so với ước lượng tác động ngẫu nhiên. Ngược lại, khi chưa đủ cơ sở để bác bỏ giả thuyết H0 thì khơng bác bỏ được sự tương quan giữa sai số và biến độc lập thì ước lượng tác động cố định khơng cịn phù hợp và ước lượng tác động ngẫu nhiên sẽ thay thế.
Tuy nhiên, REM và FEM chỉ thực hiện được ở mơ hình bảng tĩnh, trường hợp tồn tại tác động cố định riêng lẻ trong mơ hình bảng động tuyến tính (biến trễ của biến phụ thuộc được sử dụng như là biến giải thích) thì khơng thể sử dụng REM hoặc FEM để ước lượng. Thật vậy, uớc lượng dữ liệu bảng luôn tồn tại hai vấn đề cần kiểm định liên quan đến phần dư của mơ hình là sự tương quan của biến độc lập với tác động riêng lẻ và sự tương quan của biến độc lập với thành phần sai số nhiễu. Sự tồn tại của một và/hoặc hai vấn đề này làm cho kết quả ước lượng OLS bị thiên chệch hoặc khơng hiệu quả. Có thể giải quyết bằng cách sử dụng ước lượng tác động cố định để loại bỏ các thành phần tác động riêng lẻ và sử dụng ước lượng tác động ngẫu nhiên để kiểm soát hiện tượng tương quan với sai số nhiễu. Nhưng với mơ hình bảng động tuyến tính, sử dụng sai phân để loại bỏ tác động cố định nhưng không loại bỏ được hiện tượng tương quan sai số nhiễu vì biến trễ ln tương quan với phần dư của mơ hình, do đó giả thuyết của mơ hình REM cũng bị vi phạm. Đặc
biệt, khi mơ hình xuất hiện vấn đề nội sinh thì khơng những Pooed OLS mà còn REM, FEM đều không cho ra các ước lượng hiệu quả, thậm chí mơ hình bị xác định sai. Đây là một trong những giả thuyết mà rất ít nghiên cứu thực hiện khi sử dụng các mơ hình này để ước lượng. Có khá nhiều ngun nhân làm mơ hình bị hiện tượng nội sinh, một trong những nguyên nhân của hiện tượng này là biến trễ của biến phụ thuộc được sử dụng như là một biến độc lập trong mơ hình (mơ hình Dynamic Panel Data). Trong bài, luận văn tiến hành kiểm định vấn đề nội sinh như sau: tiến hành hồi quy mơ hình 1 nhưng thay biến phụ thuộc là biến trễ của chính biến phụ thuộc, sau đó lấy phần dư (resid) và hồi quy lại mơ hình 1 có bổ sung thêm phần dư nhằm kiểm định sự tác động của phần dư đến biến phụ thuộc, trong trường hợp nếu hệ số hồi quy của phần dư có ý nghĩa thống kê thì kết luận mơ hình bị hiện tượng nội sinh và ngược lại. Đây là một trong những cơ sở quan trọng mà phướng pháp ước lượng System GMM được sử dụng để khắc phục các khuyết điểm mà ba mơ hình Pooled OLS và FEM và REM khơng thể giải quyết được. Chính vì vậy mà kết quả ước lượng sẽ cho ra các hệ số đáng tin cậy và hiệu quả cao.
Phương pháp ước lượng GMM được Lars Peter Hansen giới thiệu lần đầu tiên vào năm 1982 trong bài viết “Large Sample Properties of Generalized Methods of Moments Estimators”. Rất nhiều phương pháp ước lượng phổ biến như OLS, GLS, MLE, 2SLS… chỉ là phương trình đặt biệt của GMM. Phương pháp GMM bao gồm hai dạng ước lượng thay thế lẫn nhau là Difference GMM (DGMM) được phát triển bởi Arellano & Bond (1991) và System GMM (SGMM) được nhóm tác giả Arellano & Bover (1995) và Blundell & Bond (1998) xây dựng theo cách tiếp cận mới dựa trên giả định khác so với DGMM. Đặc trưng của DGMM là chuyển đổi dữ liệu bằng cách sử dụng phương pháp sai phân để loại bỏ các tác động cố định của các quan sát, sau đó sử dụng biến trễ của biến phụ thuộc đóng vai trị là biến đại diện cho biến sai phân phụ thuộc trong khi đặc trưng của SGMM là thay biến phụ thuộc và các biến nội sinh giống nhau khác bằng biến không tương quan với các tác động cố định, đồng thời cho phép đưa vào các biến giải thích khơng thay đổi theo thời gian mà những biến này không hiện diện trong DGMM.
Ước lượng SGMM đòi hỏi nhiều giả định hơn và nếu đáp ứng được các giả định này thì SGMM sẽ cho ra ước lượng hiệu quả hơn. Trên thực tế, nhiều cơng trình nghiên cứu cũng khẳng định SGMM có nhiều lợi ích hơn so với DGMM vì SGMM được phát triển từ DGMM khắc phục được một số hạn chế mơ hình như hiện diện được biến khơng thay đổi theo thời gian (trong DGMM khi sử dụng sai phân thì những biến có tính chất khơng thay đổi theo thời gian sẽ biến mất), đồng thời các nghiên cứu cũng cho thấy kết quả ước lượng từ SGMM hiệu quả hơn và vững hơn so với DGMM (Bond, 2002; Roodman, 2006; Baum, 2007; Roodman, 2009; Efendic et al., 2011). Do đó trong bài nghiên cứu, phương pháp System GMM sẽ được ưu tiên sử dụng.
Bất cứ mơ hình nào cũng đều có những kiểm định riêng, với GMM cần kiểm định giả thuyết liên quan đến sự tư tương quan của phần dư, tính phù hợp của biến đại diện, tính vững của hệ số ước lượng để đảm bảo tính hiệu quả và độ tin cậy mơ hình.
- Kiểm định Arellano và Bond
Ước lượng GMM yêu cầu có sự tự tương quan bậc một và khơng có sự tự tương quan bậc hai của phần dư (Arellano & Bond, 1991).
Giả thuyết H0: khơng có sự tự tương quan bậc một (kiểm định AR1) hoặc bậc hai (kiểm định AR2) của phần dư.
Như vậy, để kết quả phù hợp thì cần bác bỏ giả thuyết H0 ở kiểm định AR1 và chấp nhận giả thuyết H0 ở kiểm định AR2. Thông thường, p-value AR1 phải nhỏ hơn 0,05 và p-value AR2 lớn hơn 0,1 thì mới kết luận được biến cơng cụ được sử dụng phù hợp.
- Kiểm định F-test
Mục đích của kiểm định nhằm kiểm tra tính phù hợp của mơ hình. Giả thuyết H0: tất cả các hệ số ước lượng đều bằng 0.
Nếu Prob (F-stat) nhỏ hơn 0,05 thì bác bỏ giả thuyết H0 mơ hình được xác định phù hợp và ngược lại nếu Prob (F-stat) lớn hơn 0,05 thì khơng có cơ sở bác bỏ
giả thuyết H0, kết luận mơ hình khơng phù hợp và khơng thể sử dụng kết quả để giải thích sự biến động của các nhân tố đến hiệu quả kinh doanh.