3.1.1 Mô hình hồi quy tuyến tính
3Hình 3.1 Hình mô tả mô hình hồi quy tuyến tính
Mục đích của đa số các nghiên cứu thực nghiệm trong kinh tế là giải thích mối quan hệ giữa một biến phụ thuộc Y, theo một hay nhiều biến giải thích (X11, X22, …, Xkk). Để làm điều này, chúng ta muốn biết sự tác động của Xi lên Y như thế nào, cả chiều hướng lẫn độ lớn của tác động. Trả lời câu hỏi này, chúng ta phải thu thập mẫu để có được kết quả ước lượng không chệch tác động của X lên Y. Để kết quả ước lượng là không thiên chệch đòi hỏi chúng ta phải kiểm soát các biến nhiễu, cả các biến quan sát được lẫn các biến không quan sát được. Đối với các biến nhiễu quan sát được, chúng ta có thể sử dụng mô hình hồi quy tuyến tính đa biến cổ
điển (MCLR). Đối với các biến nhiễu không quan sát được, tuỳ vào đặc điểm khác nhau giữa các đối tượng và thời gian mà chúng ta lựa chọn mô hình hồi quy tác động cố định - Mô hình FEM (Fixed Effects Model) hay tác động ngẫu nhiên - Mô hình REM (Random Effects Model). Cả hai mô hình hồi quy này đòi hỏi chúng ta phải sử dụng dữ liệu bảng.
3.1.2 Dữ liệu bảng:
Mô hình hồi tác động cố định (Fixed-effects) và tác động ngẫu nhiên (random- effects) được sử dụng trong phân tích dữ liệu bảng (đôi khi còn được gọi là dữ liệu dài: longitudinal data). Dữ liệu bảng là sự kết hợp của dữ liệu chéo (cross-section) và dữ liệu thời gian (time series). Để thu thập dữ liệu bảng, chúng ta phải thu thập nhiều đối tượng (units) giống nhau trong cùng một hoặc nhiều thời điểm.
Sử dụng dữ liệu bảng có hai ưu điểm lớn như:
i) Dữ liệu bảng cho các kết quả ước lượng các của tham số trong mô hình tin cậy hơn;
ii) Dữ liệu bảng cho phép chúng ta xác định và đo lường tác động mà những tác động này không thể được xác định và đo lường khi sử dụng sử dụng chéo hoặc dữ liệu thời gian.
3.1.3 Mô hình tác động cố định (Fixed Effects Model)
Xét một mối quan hệ kinh tế, với biến phụ thuộc, Y, và hai biến giải thích quan sát được, X11 và X22, và một hoặc nhiều biến không quan sát được. Chúng ta có dữ liệu bảng cho Y, X11, và X22. Dữ liệu bảng bao gồm N-đối tượng và T-thời
điểm, và vì vậy chúng ta có NxT quan sát. Mô hình hồi quy tuyến tính cổ điển không có hệ số cắt được xác định bởi:
Yitit= β11Xit1it1+ β22Xit2it2+ μititvới i = 1, 2, …, N và t = 1, 2, …, T
trong đó Yitit là giá trị của Y cho đối tượng i ở thời điểm t; Xit1it1 là giá trị của X11 cho đối tượng i ở thời điểm t, Xit2it2 là giá trị của X22 cho đối tượng i ở thời điểm t, và μitit là sai số của đối tượng i ở thời điểm t.
Mô hình hồi quy tác động cố định, là một dạng mở rộng của mô hình hồi quy tuyến tính cổ điển, được cho bởi:
Yitit= β11Xit1it1+ β22Xit2it2+ νii+ εitit
trong đó μitit = νii + εitit. Sai số của mô hình hồi quy tuyến tính cổ điển được tách làm hai thành phần. Thành phần νii đại diện cho các yếu tố không quan sát được khác nhau giữa các đối tượng nhưng không thay đổi theo thời gian. Thành phần εitit đại diện cho những yếu tố không quan sát được khác nhau giữa các đối tượng và thay đổi theo thời gian.
Phương pháp ước lượng
Có hai phương pháp ước lượng được sử dụng để ước lượng các tham số của mô hình tác động cố định.
i) Ước lượng hồi quy biến giả tối thiểu LSDV với mỗi biến giả là đại diện cho mỗi đối tượng quan sát của mẫu.
ii) Ước lượng tác động cố định (Fixed effects estimator).
Khi N lớn, việc sử dụng ước lượng LSDV sẽ rất cồng kềnh hoặc không khả thi. Chẳng hạn, giả sử chúng ta muốn ước lượng mô hình xác định lương. Chúng ta có mẫu N = 1000 người lao động. Để sử dụng ước lượng LSDV, chúng ta sẽ cần tạo ra 1000 biến giả và chạy hồi quy OLS cho hơn 1000 biến. Trong trường hợp như vậy, ước lượng tác động cố định sẽ thích hợp hơn.
Nguyên tắc của ước lương tác động cố định được hiểu như sau. Để đánh giá tác động nhân quả của các biến độc lập X11 và X22 lên biến phụ thuộc Y, ước lượng tác động cố định sử dụng sự thay đổi trong X11, X22, và Y theo thời gian. Gọi Zii kí hiệu cho một biến không quan sát được khác nhau giữa các đối tượng
nhưng không đổi theo thời gian và vì vậy bao gồm cả phần sai số trong đó. Bởi vì Zii không thay đổi theo thời gian nên nó không thể gây ra bất kì sự thay đổi nào trong YitYit; Sở dĩ như vậy là vì không thay đổi theo thời gian, Zii không thể giải thích bất kì sự thay đổi nào trong YitYit theo thời gian. Vì vậy, loại trừ tác động cố định của Zii lên YitYitbằng cách sử dụng dữ liệu sự thay đổi trong YitYit theo thời gian.
3.1.4 Mô hình tác động ngẫu nhiên (Random Effects Model)
Xét một mối quan hệ kinh tế bao gồm một biến phụ thuộc, Y, và hai biến giải thích quan sát được, X11 và X22. Chúng ta có dữ liệu bảng cho Y, X11, và X22. Dữ liệu bảng gồm có N đối tượng và T thời điểm, và vì vậy chúng ta có NxT quan sát.
Mô hình tác động ngẫu nhiên được viết dưới dạng:
YitYit = β11Xit1Xit1 + β22Xit2Xit2 + νii+εitεitvới i = 1, 2, …, N và t = 1, 2, …, T
Trong đó, sai số cổ điển được chia làm 2 thành phần. Thành phần νii đại diện cho tất các các yếu tố không quan sát được mà thay đổi giữa các đối tượng nhưng không thay đổi theo thời gian. Thành phần εit đại diện cho tất cả các yếu tố không quan sát được mà thay đổi giữa các đối tượng và thời gian. Giả sử rằng vii được cho bởi:
vii= α00+ ωii, với i = 1, 2, …, N
Trong đó, vii lại được phân chia làm hai thành phần: i) thành phần bất định a00.
ii) thành phần ngẫu nhiên ωii.
Giả định rằng, ωi cho mỗi đối tượng được rút ra từ một phân phối xác suất độc lập với giá trị trung bình bằng 0 và phương sai không đổi, đó là, E(ωii) = 0 Var(ωii) = sω2 Cov(ωi,ωs) = 0
Nbiến ngẫu nhiên ωi được gọi tác động ngẫu nhiên (random effects). Mô hình tác động ngẫu nhiên có thể được viết lại:
YitYit = α00Xit1Xit1 + β22Xit2Xit2 + μitit
Trong đó: μitit = ωii + εitit. Một giả định quan trọng trong mô hình tác động ngẫu nhiên là thành phần sai số μit không tương quan với bất kì biến giải thích nào trong mô hình.
Phương pháp ước lượng
Ngoài hai phương pháp tác động cố định và tác động ngẫu nhiên, trong một số trường hợp nhà nghiên cứu vẫn sử dụng ước lượng OLS thô (Pooled OLS) cho dạng dữ liệu thu thập này. Ước lượng thô là ước lượng OLS trên tập dữ liệu thu được của các đối tượng theo thời gian, do vậy nó xem tất cả các hệ số đều không thay đổi giữa các đối tượng khác nhau và không thay đổi theo thời gian (Gujarati, 2004 trang 641).
3.1.5 Lựa chọn mô hình
Câu hỏi đặt ra là mô hình nào sẽ là mô hình phù hợp:Pooled OLS,FEhayRE.
Sự phù hợp của ước lượng tác động ngẫu nhiên và tác động cố định được kiểm chứng trên cơ sở so sánh với ước lượng thô.
Cụ thể, ước lượng tác động cố định được kiểm chứng bằng kiểm định F với giả thuyết H0 cho rằng tất cả các hệ số vi đều bằng 0 (nghĩa là không có sự khác biệt giữa các đối tượng hoặc các thời điểm khác nhau). Bác bỏ giả thuyết H0 với mức ý nghĩa cho trước (mức ý nghĩa 5% chẳng hạn) sẽ cho thấy ước lượng tác động cố định là phù hợp.
Kiểm định Hausman sẽ được sử dụng để lựa chọn phương pháp ước lượng phù hợp giữa hai phương pháp ước lượng tác động cố định và tác động ngẫu nhiên (Baltagi, 2008 trang 320; Gujarati, 2004 trang 652). Giả thuyết H0 cho rằng không có sự tương quan giữa sai số đặc trưng giữa các đối tượng (vi) với các biến
giải thích Xit trong mô hình. Ước lượng RE là hợp lý theo giả thuyết H0 nhưng lại không phù hợp ở giả thuyết thay thế. Ước lượng FE là hợp lý cho cả giả thuyết H0 và giả thuyết thay thế. Tuy nhiên, trong trường hợp giả thuyết H0 bị bác bỏ thì ước lượng tác động cố định là phù hợp hơn so với ước lượng tác động ngẫu nhiên. Ngược lại, chưa có đủ bằng chứng để bác bỏ H0 nghĩa là không bác bỏ được sự tương quan giữa sai số và các biến giải thích thì ước lượng tác động cố định không còn phù hợp và ước lượng ngẫu nhiên sẽ ưu tiên được sử dụng.
3.2 Mô hình nghiên cứu dự kiến
NPLit = βₒ + β1SIZEit + β2LOAN_RATEit + β3LNKTCit + β4NPLit-1+ β5GROWTH_RATEt+ β6INFLt+ β7L_DEPOSITit+ eit
3.2.1 Giải thích các biến nghiên cứu
0-1Bảng 3.1: Bảng mô tả các biến đo lường được sử dụng trong nghiên cứu STT Tên biến Định nghĩa Cách tính Biến phụ thuộc
1 NPLit Tỷ lệ nợ xấu của chi
nhánh i tại thời gian t Nợ xấu/Tổng dư nợ
Biến giải thích
2 SIZEit Dư nợ chi nhánh i tại
thời gian t Dư nợ chi nhánh i tại thời gian t
3 LOAN_RATE
it Tăng trưởng tín dụngcủa chi nhánh i tại thời gian t
(Dư nợ quý t - Dư nợ quý t -1)/ Dư nợ quý t-1
4 LNKTCit Lợi nhuận khoán tài chính chi nhánh i tại thời gian t
Tổng thu nhập - Tổng chi phí 5 NPLit-1 Tỷ lệ nợ xấu của chi
nhánhi tại thời gian t-1 Nợ xấu quý t -1/Tổng dư nợ quý t-1
Nhân tố vĩ mô
6 GROWTH_R
ATEit Tăng trưởng GDP (GDPt - GDPt-1)/GDPt-1
Biến kiểm soát
8 L_DEPOSIT Tỷ lệ dư nợ tín dụng
trên vốn huy động Tỷ lệ dư nợ tín dụng/vốn huy động
Nguồn: Tổng hợp của tác giả
3.2.2 Giả thuyết nghiên cứu
Trên cơ sở kết quả đạt được từ các nghiên cứu thực nghiệm đã được tìm hiểu và trình bày, các giả thuyết nghiên cứu được đưa ra như sau:
0-2Bảng 3.2: Giả thuyết nghiên cứu
Giả thuyết Diễn giải Dấu kỳ
vọng H1 Quy mô dư nợ chi nhánhcó tác động cùng chiều với tỷ lệ nợ xấu.
Dư nợ chi nhánhcàng lớn thì sẽ tác động làm gia tăng tỷ lệ nợ xấu củachi nhánh
+
H2 Tăng trưởng dư nợ tín dụng có tác động cùng chiều với tỷ lệ nợ xấu. Tăng trưởng dư nợ tín dụng càng cao thì sẽ tác động làm gia tăng tỷ lệ nợ xấu
+
H3 Lợi nhuận khoán tài chính: có tác động ngược chiều với tỷ lệ nợ xấu. Lợi nhuận khoán tài chính càng cao thì tỷ lệ nợ xấu càng giảm
-
H4 Tỷ lệ nợ xấu kỳ trước có tác động cùng chiều với tỷ lệ nợ xấu. Tỷ lệ nợ xấu thời kỳ trước càng cao thì tác động làm gia tăng tỷ lệ nợ xấu hiện tại
+
H5 Tăng trưởng GDP có tác động ngược chiều với tỷ lệ nợ xấu. Tăng trưởng GDP càng cao thì sẽ tác động giảm tỷ lệ nợ xấu của chi nhánh
-
H6 Tỷ lệ lạm phát có tác động cùng chiều với tỷ lệ nợ xấu. Tỷ lệ nợ xấu càng cao thì sẽ tác động làm gia tăng tỷ lệ nợ xấu củachi nhánh
+
Tác giả sử dụng mô hình hồi quy tuyến tính đa biến để xem xét ảnh hưởng của các biến độc lập đến biến phụ thuộc. Dữ liệu bảng được sử dụng trong nghiên cứu.
3.2.3 Cơ sở dữ liệu
3.2.3.1 Các thông tin cần thu thập
Thông tin về Nợ xấu tại các chi nhánh Agribank trên địa bàn tỉnh Bến Tre và thông tin về các yếu tố ảnh hưởng đến Nợ xấu: (1) Dư nợ tín dụng, (2) Tăng trưởng tín dụng, (3)Lợi nhuận khoán tài chính, (4) Tỷ lệ nợ xấu kỳ trước, (5)Tăng trưởng GDP, (6) Tỷ lệ lạm phát.
3.2.3.2 Nguồn thông tin thu thập
Dữ liệu trong nghiên cứu là dữ liệu thời gian được thu thập từ báo cáo kết quả hoạt động kinh doanh hàng quý của 11 chi nhánh Agribank trên địa bàn tỉnh Bến Tre trong giai đoạn 2014-2018, bao gồm 4x5 là 20 quý, với số liệu của 11 chi nhánh, do đó ta sẽ có tất cả 220 quan sát. Các số liệu kinh tế vĩ mô: GDP và lạm phát được thu thập từ Tổng cục Thống kê Việt Nam.
3.2.4 Phương pháp nghiên cứu:
Do dữ liệu trong nghiên cứu vừa theo thời gian và vừa theo không gian nên phương pháp hồi quy với dữ liệu bảng được sử dụng trong nghiên cứu. Đối với phân tích hồi quy bằng dữ liệu bảng có thể sử dụng 3 mô hình đó là:
(1) Mô hình Pooled OLS - mô hình bình phương tối thiểu dạng gộp: ước lượng OLS cho các tham số ước lượng không chệch, nhưng không kiểm soát được từng đặc điểm riêng của từng ngân hàng trong nghiên cứu.
(2) Mô hình FEM (Fixed Effects Model) – mô hình tác động cố định: phát triển từ mô hình Pooled OLS khi có thêm kiểm soát được từng đặc điểm khác nhau giữa các ngân hàng, và có sự tương quan giữa phần dư của mô hình và các biến độc lập; (3) Mô hình REM (Random Effects Model) – mô hình tác động ngẫu nhiên: phát triển từ mô hình Pooled OLS khi có thêm kiểm soát được từng đặc điểm khác nhau
giữa các ngân hàng, nhưng không có sự tương quan giữa phần dư của mô hình và các biến độc lập.
Để phân tích ảnh hưởng của các yếu tố vi mô và vĩ mô tác động đến nợ xấu, tác giả tiến hành ước lượng lần lượt với 3 mô hình:
- Mô hình Pooled OLS;
- Mô hình FEM;
- Mô hình REM.
Sau đó, tác giả tiếp tục sử dụng kiểm định Hausman để xác định lựa chọn mô hình FEM hay mô hình REM là phù hợp để nghiên cứu.
TÓM TẮT CHƯƠNG 3
Dựa vào cơ sở lý luận về nợ xấu và các yếu tố ảnh hưởng đến nợ xấu được phân tích ở chương 2, tác giả đã đề xuất mô hình nghiên cứu tại chương 3. Mô hình này có sự phù hợp với mục tiêu nghiên cứu của đề tài, bao gồm Mô hình Pooled OLS; Mô hình FEM; Mô hình REM và các biến trong mô hình nghiên cứu. Ngoài ra, trongchương này cũng đã nêu các phương pháp thu thập dữ liệu nghiên cứu, kích thước mẫu và những kiểm định liên quan. Từ đó, làm cơ sở cho việc trình bày kết quả nghiên cứu từ việc chạy mô hình hồi qui trong chương 4.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1 Khái quát về hoạt động của các chi nhánh Agribank trên địa bàn tỉnh BếnTre giai đoạn 2014 - 2018 Tre giai đoạn 2014 - 2018
Thống kê số liệu của 11 chi nhánh Agribank trên địa bàn Tỉnh Bến Tre trong giai đoạn 2014 - 2018, ta có được các kết quả như sau:
0-1Hình 4.1 Tỷ lệ nợ xấu Agribank toàn tỉnh Bến Tre giai đoạn 2014 - 2018
Nguồn: Tổng hợp từ báo cáo kết quả hoạt động kinh doanh của Agribank Tỉnh Bến Tre từ năm 2014 - 2018
0-2Hình 4.2 Tỷ lệ nợ xấu tại các chi nhánh Agribank trên địa bàn Tỉnh Bến Tre giai đoạn 2014 - 2018
Nguồn: Tổng hợp từ báo cáo kết quả hoạt động kinh doanh của Agribank Tỉnh Bến Tre từ năm 2014 - 2018
Quan sát 2 biểu đồ 4.1 và 4.2 có thể thấy tỷ lệ nợ xấu của toàn chi nhánh Bến Tre và ở riêng 11 chi nhánh trên địa bàn tỉnh Bến Tre giảm dần trong giai đoạn 2014 - 2018. Nợ xấu toàn chi nhánh không vượt quá 1,4%/Tổng dư nợ vào thời điểm cao nhất và giai đoạn gần đây nhất (trong các quý năm 2018) tỷ lệ nợ xấu không vượt quá 0,4%/tổng dư nợ tín dụng.
Trong năm 2014, có một số chi nhánh có tỷ lệ nợ xấu khá cao, có chi nhánh lên đến hơn 10% nợ xấu/tổng dư nợ. Từ năm 2015, 2016 trở đi, tỷ lệ nợ xấu ở các chi nhánh đã giảm dần, và đến thời điểm 2017, 2018, chi nhánh có tỷ lệ nợ xấu cao nhất cũng không vượt quá 2%/Tổng dư nợ. Điều này cho thấy việc quản lý thu nợ của