4.3.1 Phân tích tƣơng quan mô hình nghiên cứu
Khóa luận sử dụng ma trận tự tương quan để kiểm tra khả năng bị đa cộng tuyến của mô hình. Như được trình bày trong Bảng 4.2, mối tương quan tuyến tính giữa các biến độc lập được biểu thị bằng hệ số tương quan giữa các cặp biến. Giá trị
tuyệt đối của các hệ số tương quangiữa các biến độc lập tiến gần đến 1 thì các biến
có mối quan hệ tuyến tính chặtchẽ, ngược lại, khi giá trị của các hệ số này càng tiến
gần đến 0, các biến giảithích sẽ độc lập với nhau và kết quả ước lượng sẽ có độ tin
cậy cao.
Bảng 4.2 Ma trận tự tƣơng quan giữa các biến trong nghiên cứu
NPLt NPLt1 SIZE ROA LLR ETA LGR GDP INF
NPLt 1.0000 NPLt1 0.4600 1.0000 SIZE -0.1992 -0.0992 1.0000 ROA -0.0005 -0.0954 0.0386 1.0000 LLR 0.1583 0.0258 0.0877 -0.0675 1.0000 ETA 0.2147 0.0633 -0.7284 0.2931 0.0605 1.0000 LGR 0.1044 0.0735 0.0877 0.1396 -0.1990 -0.1994 1.0000 GDP -0.3486 -0.2031 0.1207 -0.0872 -0.0001 -0.1928 0.0523 1.0000 INF 0.1427 -0.0902 -0.1712 0.2036 -0.1196 0.1690 -0.1648 -0.1997 1.0000
Nguồn: Trích xuất từ Stata 14.2
Bảng 4.2 cho thấy rằng các giá trị tuyệt đối của hệ số cặp giữa các biến đều nhỏ hơn so với 1 vì vậy, mô hình không có hiện tượng tự tương quan giữa các biến độc lập
và không có hiện tương đa cộng tuyến). Bên cạnh đó, có thể thấy các biến độc lập gồm và tác động ngược chiều đến trong khi các biến độc lập còn lại gồm và tác động cùng chiều đến
. Không có hiện tượng đa cộng tuyến nghiêm trọng hay hiện tượng tự tương
quan giữa các biến độc lập trong mô hình do các hệ số tương quan có giá trị khá thấp so với chuẩn so sánh theo Farrar và Glauber (1967) là 0.8.
4.3.2 Kiểm định các giả thiết hồi quy mô hình nghiên cứu
4.3.2.1 Kiểm định hiện tượng đa cộng tuyến
Nghiên cứu tiến hành thực hiện kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng chỉ số phóng đại phương sai VIF (Variance Inflation Factor) (xem Bảng 4.3)
Bảng 4.3 Kết quả kiểm định chỉ số VIF
Biến VIF 1/VIF
ETA 3.20 0.312499 SIZE 2.80 0.356725 ROA 1.51 0.661668 LGR 1.22 0.816965 INF 1.20 0.836100 GDP 1.13 0.886539 LLR 1.12 0.896592 NPLt1 1.09 0.915750 Trung bình VIF 1.66
Kết quả từ Bảng 4.3 chỉ ra hệ số VIF của tất cả các biến độc lập đều nhỏ hơn 10 nên hiện tượng đa cộng tuyến trong mô hình được đánh giá là không nghiêm trọng.
4.3.2.2 Kiểm định hiện tượng phương sai thay đổi
Hiện tượng phương sai sai số thay đổi sẽ làm cho các ước lượng thu được bằng phương pháp Pooled OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Điều này sẽ gây ra hiện tượng ngộ nhận các biến độc lập trong mô hình nghiên cứu có ý nghĩa, khi đó kiểm định hệ số hồi quy và R-square không dùng được. Vì phương sai sai số thay đổi sẽ làm mất tính hiệu quả của ước lượng nên cần phải thực hiện kiểm định giả thuyết phương sai sai số thay đổi bằng
kiểm định White với giả thuyết H0: Không có hiện tượng phương sai thay đổi.
Bảng 4.4 Kết quả kiểm định White White’s test for Ho: homoscedasticity
against Ha: unrestricted heteroskedasticity
Chi2 (44) = 85.19 Prob > chi2 = 0.0002
Nguồn: Trích xuất từ Stata 14.2
Kết quả kiểm định White cho kết quả Prob > chi2 = 0.0002 nên bác bỏ giả thuyết
H0 hay mô hình có hiện tượng phương sai sai số thay đổi.
4.3.2.3 Kiểm định hiện tượng tự tương quan
Giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng thu được bằng phương pháp Pooled OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Vì vậy, khóa luận tiến hành kiểm định giả thiết
các sai số không có tương quan với nhau với giả thuyết H0: không có hiện tượng tự
Bảng 4.5 Kết quả kiểm định hiện tƣợng tự tƣơng quan Wooldridge test for autocorrelation in panel data
H0: no first-order autocorrelation
F( 1, 24) = 17.294 Prob > F = 0.0004
Nguồn: Trích xuất từ Stata 14.2
Với mức ý nghĩa 1%, kiểm định cho kết quả Prob = 0.0004 < 1% nên bác bỏ giả
thuyết H0 hay mô hình bị hiện tượng tự tương quan giữa các sai số.
4.3.2.4 Tổng hợp kết quả kiểm định
Qua kết quả kiểm định từng phần, có thể thấy mô hình có hiện tượng đa cộng tuyến được đánh giá là không nghiêm trọng. Tuy nhiên, mô hình có hiện tượng tự tương quan giữa các sai số và có hiện tượng phương sai sai số thay đổi.
4.3.3 Ƣớc lƣợng mô hình theo phƣơng pháp GMM
Căn cứ vào kết quả kiểm định ở trên, mô hình có hiện tượng phương sai sai thay đổi và hiện tượng tự tương quan giữa các sai số. Bên cạnh đó, mô hình sử dụng biến trễ của biến phụ thuộc ( ) làm biến độc lập nên theo Richard Blundell và Stephen Bond (1998) thì mô hình nghiên cứu thuộc mô hình với số liệu dạng bảng
động (Dynamic panal data). Ngoài ra với việc sử dụng biến trễ ( ) thì khả
năng mô hình bị hiện tượng nội sinh.
Cũng theo Richard Blundell và Stephen Bond (1998) khóa luận thực hiện phương pháp ước lượng momen tổng quát – Generalized Method of Moments (GMM) để khắc phục hiện tượng tự tương quan giữa các sai số và hiện tượng nội sinh để đảm bảo ước lượng thu được vững và hiệu quả.
Bảng 4.6 Kết quả ƣớc lƣợng theo GMM
Biến Hệ số Sai số chuẩn Giá trị P > | |
NPLt1 .2686397 .1274238 0.037 SIZE .0019542 .0007641 0.012 ROA -.3162466 .1651454 0.058 LLR .2843406 .0982117 0.004 ETA .1284258 .0283274 0.000 LGR .0242069 .0053777 0.000 GDP -.6727716 .212411 0.002 INF .0511262 .017982 0.005 Prob > F = 0.000
Arellano – Bond test for AR(1) in first differences: z = -2.68 Pr > z = 0.007 Arellano – Bond test for AR(2) in first differences: z = -0.59 Pr > z = 0.552 Sargan test of overid. Restrictions: chi2(16) = 19.59 Prob > chi2 = 0.239 Sargan test excluding group: chi2(11) = 11.09 Prob > chi2 = 0.436 Difference (null H = exogenous): chi2(5) = 8.50 Prob > chi2 = 0.131
Nguồn: Trích xuất từ Stata 14.2
Với biến phụ thuộc sau khi sử dụng phương pháp GMM để khắc phục hiện
tượng nội sinh và tự tương quan giữa các sai số, mô hình có ý nghĩa ở mức ý nghĩa 1% do Prob > F = 0.000 nên kết quả mô hình phù hợp và có thể sử dụng được. Biến nội sinh là , cùng với độ trễ 1 năm và với độ trễ 2 năm, biến công cụ sử dụng là .
Kiểm định Arellano – Bond với giả thuyết H0: Không có hiện tượng tự tương quan và được áp dụng cho số dư sai phân. Kết quả AR(2) có mức ý nghĩa là 0.552 > 10% nên không có ý nghĩa thống kê vì vậy mô hình không có hiện tượng tự tương quan. Kiểm định Sargan (kiểm định giới hạn về nội sinh của mô hình) xác định tính chất phù hợp của các biến công cụ trong mô hình GMM. Với mức ý nghĩa là 0.436 > 10% nên mô hình không có hiện tượng nội sinh. Ngoài ra mô hình có số lượng biến công cụ (24) nhỏ hơn số lượng các nhóm (25) nên đảm bảo tính vững cho mô hình.
4.4 Thảo luận kết quả nghiên cứu
Biến nợ xấu trong quá khứ
Kết quả Bảng 4.6 cho thấy nợ xấu trong quá khứ có tác động cùng chiều với nợ xấu hiện tại đúng như kì vọng ở chương 3. Hệ số hồi quy độ trễ 1 năm của nợ xấu có mối tương quan dương và có ý nghĩa thống kê ở mức 5%. Như vậy, trong điều kiện tất cả các yếu tố khác không đổi, khi biến nợ xấu trong quá khứ NPLt1 tăng 1 đơn vị, làm cho biến NPLt tăng 0.2686 đơn vị tức là làm cho nợ xấu hiện tại tăng lên. Điều này cho thấy, khi chất lượng tín dụng có xu hướng giảm ở năm trước sẽ kéo theo năm sau giảm và ngược lại. Điều này có ý nghĩa là nợ xấu có ảnh hưởng lâu dài đối với hê thống ngân hàng.
Theo giả thuyết “quản lý kém”, nợ xấu trong quá khứ cao thể hiện khả năng quản trị rủi ro trong cho vay của các NHTM kém khiến cho nợ xấu hiện tại tăng. Nói cách khác, NHTM nào kiểm soát tốt nợ xấu sẽ góp phần làm nợ xấu những năm sau không phải đối diện với rủi ro tăng cao. Bên cạnh đó, các NHTM nên chú trọng công tác kiểm soát rủi ro, kiểm soát nợ xấu để phòng ngừa nợ xấu có tính xu hướng theo thời gian.
Biến quy mô ngân hàng
Biến quy mô ngân hàng có tương quan dương với nợ xấu hiện tại với mức ý nghĩa 5%. Trong điều kiện các yếu tố khác không đổi, khi SIZE tăng 1 đơn vị thì nợ xấu tăng 0.019 đơn vị. Điều này đúng với kỳ vọng nghiên cứu được đề cập ở chương 3.
Kết quả này phù hợp với giả thuyết “quá lớn để sụp đổ”, tức là do ngân hàng càng lớn sẽ càng chấp nhận rủi ro quá mức bằng cách tăng sử dụng vốn cho vay của mình, do đó khiến rủi ro nợ xấu gia tăng. Tại Việt Nam, các NHTM lớn thường có nhiều hệ thống chi nhánh, công ty con tuy nhiên, nhiều trong số đó có trình độ quản lý yếu kém, khả năng kiểm soát nợ xấu không theo kịp với quy mô nên nợ xấu
chiếm tỷ lệ cao. Bên cạnh đó, nhữngNHTM lớn thường có lợi thế huy động vốn từ
dân cư. Trong điều kiện dồi dàothanh khoản, bên cạnh cho vay, các NHTM lớn còn
đầu tư dưới nhiều hình thức khác như: ủy thác các công ty liên quan đầu tư chứng
khoán, trái phiếu vàng, ngoại hối, bất động sản, gửi các TCTD khác để kiếm lợi
nhuận, đầu tư vào các doanh nghiệp khác… Khi gặp các biến động trên thị trường
như biến động lãi suất, giá vàng, hoặc thị trường chứng khoán sụt giảm, thì các
khoản đầu tư nàybị thua lỗ dẫn đến không thể thu hồi các khoản ủy thác đầu tư, từ
đó làm tăng nợ xấu. Thêm vào đó, các NHTM quy mô lớn đa số là các NHTMNN,
các NHTMNN này thường cho các DNNN vay, mà các DNNN này hoạt động kinh
doanh kém hiệu quả, từ đó gâyra rủi ro cho ngân hàng. Vì các NHTM ở Việt Nam
đóng vai trò rất quan trọngtrên thị trường tài chính nên nếu một ngân hàng sụp đổ
sẽ làm ảnh hưởng toàn bộ hệ thống ngân hàng Việt Nam. Do đó, không thể loại trừ
trường hợp cácNHTM đều tin vào sự bảo lãnh của NHNN và họ luôn mang tâm lý
sẵn sàng đẩy mạnh huy động vốn và hạ thấp tiêu chuẩn tín dụng mà không lo ngại
nợ xấutrong tương lai.
Biến hiệu quả lợi nhuận
Kết quả thực nghiệm cho thấy ROA tác động ngược chiều đến tỷ lệ nợ xấu hiên tại đúng như kỳ vọng với mức ý nghĩa 10%. Trong điều kiện tất cả các yếu tố khác không đổi, khi ROA tăng 1 đơn vị sẽ làm cho NPL hiện tại giảm 0.3162 đơn vị. Điều này phù hợp với giả thuyết “quản lý kém” của Berger và De Young (1997). Điều này có ý nghĩa là những ngân hàng có nợ xấu cao xuất phát từ việc quản trị ngân hàng kém dẫn đến nhiều hoạt động rủi ro và làm nợ xấu gia tăng. Trái lại, ngân hàng nào kinh doanh tốt, suất sinh lời cao tức là ngân hàng có khả năng kiểm
nhuận chứng tỏ nợ xấu giảm. Như vậy, các ngân hàng cần chú trọng hơn trong công tác quản lý ngân hàng để giảm rủi ro nợ xấu tăng cao.
Biến dự phòng rủi ro tín dụng
Kết quả kiểm định phù hợp với kỳ vọng nghiên cứu: Dự phòng rủi ro tín dụng tác động cùng chiều với nợ xấu hiện tại với mức ý nghĩa 1%. Trong điều kiện các yếu tố khác không đổi, khi LLR tăng 1 đơn vị thì NPL hiện tại tăng 0.2843 đơn vị. Điều này có thể được giải thích rằng khi tỷ lệ dự phòng rủi ro tín dụng giảm có thể là do hiệu quả của ngân hàng tăng làm nợ xấu giảm và ngược lại. Việc trích lập dự phòng
sẽ ảnh hưởng trực tiếp đến khoản mục chi phí dự phòng rủi ro cho các khoản vay,
nghĩa là quyết định tăng khoản trích lập dự phòng dư nợ cho vay tại ngân hàng sẽ
trực tiếp ảnh hưởng đến chi phí hoạt động của ngân hàng. Cuối cùng, quyết định
này sẽ làm giảm số thuế thu nhập phải nộp do phần lợi nhuận trước thuế bị sụt
giảm. Chính vì vậy,các NHTM có khuynh hướng sử dụng nghiệp vụ này như công
cụ tránh thuế. Một vài nghiên cứu cho thấy, các NHTM thường sử dụng dự phòng
rủi ro tín dụng như một công cụ che giấu thu nhập vì hoạt động kinh doanh chính
của ngân hàng chính là hoạt động tín dụng (Fonseca và Gonzales, 2008). Các nhà
quản lý dễ dàng điều chỉnh các khoản dự phòng này tăng lên vào thời điểm kinh doanh thuận lợi để giảm lợi nhuận báo cáo và chuyển lợi nhuận sang các năm có
tình hình kinh doanh khó khăn(Wahlen, 1994).
Biến tỷ lệ an toàn vốn ngân hàng
Kết quả hồi quy cho thấy biến ETA tác động cùng chiều với nợ xấu ở mức ý nghĩa 1%, điều này trái ngược với kỳ vọng nghiên cứu. Trong điều kiện các yếu tố khác không đổi, khi ETA tăng 1 đơn vị thì NPL hiện tại tăng 0.1284 đơn vị. Kết quả này trái ngược với giả thuyết “rủi ro đạo đức” của Keeton và Morris (1987). Có thể giải thích kết quả là do từ ngày 22/11/2016 Chính phủ ban hành Nghị định 141/2006NĐ-CP quy định các NHTMCP tăng vốn pháp định lên mức tối thiểu là 1,000 tỷ đồng vào cuối năm 2008 và 3,000 tỷ đồng vào cuối năm 2010. Điều này làm các NHTM chịu áp lực tăng vốn điều lệ để đạt mức 3,000 tỷ đồng do NHNN
quy định. Kết quả là vốn điều lệ của các ngân hàng tăng lên tục. Tiếp đó ngày 01/03/2012, Thủ tướng Chính phủ ban hành quyết định 254/QĐ-TTg phê duyệt đề án cơ cấu lại hệ thống các tổ chức tín dụng. Theo đề án này, các TCTD yếu kém được NHNN khuyến khích sát nhập, hợp nhất với nhau hoặc sát nhập, hợp nhất với các TCTD mạnh. Theo đó, hoạt động mua bán, sát nhập giữa các TCTD diễn ra rất sôi nổi điển hình như NHTMCP Phát triển nhà đồng bằng song Cửu Long sát nhập vào BIDV, PG Bank sát nhập vào Vietinbank (ký kết hồ sơ sát nhập ngày 22/05/2015, nhưng chưa sát nhập chính thức), NHTMCP Mekong sát nhập vào NHTMCP Hàng hải, NHTMCP Phương Nam sát nhập vào Sacombank và 3 NHTMCP yếu kém gồm NHTMCP Xây dựng Việt Nam, NHTMCP Đại dương và NHTMCP Dầu khí Toàn Cầu được NHNN mua lại với giá 0 đồng để trở thành Ngân hàng TNHH Nhà nước Một thành viên. Quá trình mua bán, sát nhập cũng làm vốn chủ sở hữu của các ngân hàng tăng lên đáng kể. Khi vốn chủ sở hữu tăng buộc các ngân hàng phải tăng quy mô cho vay. Tuy nhiên, thị trường bước vào giai đoạn bão hòa sau thời gian tăng trưởng tín dụng nóng vì vậy để đảm bảo tín dụng tăng trưởng các ngân hàng đã lựa chọn các khách hàng có độ an toàn thấp hơn. Các khách hàng có độ an toàn thấp hơn tương ứng với năng lực tài chính để hoàn trả các khoản vay thấp điều này khiến nợ xấu tăng.
Biến tốc độ tăng trƣởng tín dụng
Kết quả từ Bảng 4.6 cho thấy tốc độ tăng trưởng tín dụng là nhân tố quan trọng ảnh hưởng đến tỷ lệ nợ xấu. Kết quả cũng cho thấy LGR có tương quan dương đúng như kỳ vọng của nghiên cứu với mức ý nghĩa 1%. Khi các yếu tố khác không đổi, LGR tăng 1 đơn vị sẽ làm NPL tăng 0.0242 đơn vị.
Kết quả này phù hợp với các nghiên cứu của Sinkey và Greenwalt (1991) và Salas và Saurina (2002). Điều này phù hợp với giả thuyết “rủi ro tín dụng có tính chu kỳ”. Theo đó, khi cho vay tăng trong thời kỳ phát triển kinh tế vì lợi nhuận kỳ vọng từ các dự án đầu tư được cải thiện và do đó lợi nhuận kỳ vọng từ tất cả các khoản vay cũng tăng lên, điều này được giải thích bằng việc mở rộng các khoản vay đã khiến