4.3.1. Ma trận tƣơng quan mô hình nghiên cứu
Bảng 4.2: Kết quả phân tích tương quan mô hình nghiên cứu
NPL NPL1 ROE CREDITGR EQUITY GDP INF
NPL 1.0000 NPL1 0.5070*** 1.0000 ROE -0.2446*** -0.2645*** 1.0000 CREDITGR -0.1795** -0.0543 0.1245 1.0000 EQUITY -0.0219 -0.1152 -0.2287*** 0.2293*** 1.0000 GDP -0.1890** -0.0824 0.2004** 0.3170*** -0.0067 1.0000 INF 0.0513 -0.1487* 0.2593*** -0.0381 0.1496* -0.1962** 1.0000
Nguồn: Kết quả từ phần mềm Stata
Dựa vào bảng 4.2: kết quả phân tích tương quan mô hình nghiên cứu, có thể thấy các biến độc lập bao gồm: Nợ xấu năm trước ( , Tỷ lệ lạm phát ( ) tác động cùng chiều đến tỷ lệ nợ xấu ( ). Ngược lại, các biến độc lập còn lại như: Khả năng sinh lời ( , Tốc độ tăng trưởng tín dụng ( ), Vốn chủ sở hữu ( ) và Tốc độ tăng trưởng ( ) có tác động ngược chiều tỷ lệ nợ xấu ( ). Ngoài ra, 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. Kết quả tương quan trên cũng phù hợp với những kết quả nghiên cứu thực nghiệm khác trên thế giới.
4.3.2. Kiểm định các giả thuyết hồi quy mô hình nghiên cứu 4.3.2.1. Kiểm định đa cộng tuyến 4.3.2.1. Kiểm định đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình có mối quan hệ phụ thuộc lẫn nhau. Sự xuất hiện của hiện tượng này có thể dẫn đến việc các ước lượng OLS và sai số chuẩn trở nên vô cùng nhạy cảm với bất kỳ sự thay đổi nhỏ nào của số liệu, dẫn đến việc ước lượng khoảng tin cậy không còn chính xác. Do đó, tác giả đã sử dụng kiểm định Vif với câu lệnh: vif để xác định xem mô hình có gặp phải hiện tượng đa cộng tuyến hay không.
Bảng 4.3: Kết quả kiểm định VIF
Biến VIF 1/VIF
ROE 1.38 0.7230
EQUITY 1.25 0.7999
INF 1.23 0.8124
GDP 1.23 0.8154
NPL1 1.12 0.8931
Trung bình VIF 1.24
Nguồn: Kết quả từ phần mềm Stata
Hệ số phóng đại phương sai VIF (Variance Inflation Factor) của tất cả các biến độc lập trong mô hình đều nhỏ hơn 101 nên hiện tượng đa cộng tuyến được đánh giá là không nghiêm trọng.
4.3.2.2. Kiểm định phƣơng sai sai số thay đổi
Một trong các giả định quan trọng khi thực hiện hồi quy tuyến tính đa biến là giả định phương sai của sai số không đổi (hay còn gọi là phương sai đồng nhất). Nếu xảy ra hiện tượng phương sai thay đổi, kết quả của phương trình hồi quy thu được khi sử dụng phương pháp OLS không còn chính xác, từ đó dẫn đến hậu quả đánh giá nhầm chất lượng của phương trình hồi quy.
Như vậy, để xét xem có tồn tại hay không hiện tượng phương sai sai số thay đồi, tác giả sẽ tiến hành kiểm định Wald bằng câu lệnh xttest3 với giả thuyết : Phương sai sai số đồng nhất/không đổi.
Bảng 4.4: Kết quả Kiểm định Wald
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i Chi2 (15) = 5267.04
Prob > chi2 = 0.0000
Nguồn: Kết quả từ phần mềm Stata
Với mức ý nghĩa α = 1%, kiểm định Wald cho kết quả Prob = 0.0000.
Như vậy, Prob < α nên bác bỏ giả thuyết , suy ra mô hình có hiện tượng phương sai sai số thay đổi với mức ý nghĩa 1%.
4.3.2.3. Kiểm định tự tƣơng quan
Tự tương quan có thể được định nghĩa như là hiện tượng các thành phần của chuỗi các quan sát được sắp xếp theo thời gian hoặc không gian có mối quan hệ với nhau. Và nếu giữa các sai số tồn tại sự tương quan thì có thể dẫn đến việc các kết quả ước lượng từ phương pháp OLS không còn độ tin cậy nữa.
Bài nghiên cứu này sẽ sử dụng kiểm định Wooldridge bằng câu lệnh xtserial <biến phụ thuộc> <các biến độc lập> để kiểm định hiện tượng tự tương quan trong mô hình với giả thuyết : Không có hiện tượng tự tương quan bậc 1.
Bảng 4.5: Kết quả kiểm định Wooldridge
Wooldridge test for autocorrelation in panel data H0: no first-order autocorrelation
F(1, 14) = 89.322 Prob > F = 0.0000
Nguồn: Kết quả từ phần mềm Stata Với mức ý nghĩa α = 1%, kiểm định Wooldridge cho kết quả Prob = 0.0000.
Như vậy, Prob < α nên bác bỏ giả thuyết , suy ra mô hình có hiện tượng tự tương quan bậc 1 với mức ý nghĩa 1%.
4.3.2.4. Tổng hợp kết quả kiểm định
Qua các kết quả kiểm định trên, có thể thấy được mô hình có hiện tượng đa cộng tuyến được đánh giá là không nghiêm trọng. Mặc dù vậy, mô hình lại gặp phải hiện tượng tự tương quan và hiện tượng phương sai sai số thay đổi.
4.3.3. Kết quả ƣớc lƣợng
4.3.3.1. Ƣớc lƣợng theo phƣơng pháp GLS
Như đã trình bày ở trên, mô hình nghiên cứu đã gặp phải các vấn đề về phương sai sai số thay đổi và tự tương quan. Tuy không làm thiên lệch kết quả ước lượng của hệ số nhưng những vấn đề này có thể làm kết quả ước lượng không còn hiệu quả, đặc biệt là làm cho các sai số chuẩn của hệ số không còn là bé nhất. Và đề khắc phục những khiếm khuyết đó, tác giả sẽ sử dụng ước lượng theo phương pháp GLS đã xử lý vi phạm tự tương quan và phương sai sai số thay đổi bằng lệnh xtgls.
Bảng 4.6: Kết quả ước lượng bằng phương pháp GLS
NPL Hệ số Sai số chuẩn P > ׀z׀ NPL1 0.3256*** 0.0360 0.000 ROE -0.0184** 0.0090 0.041 CREDITGR -0.0054*** 0.0017 0.002 EQUITY 0.0080 0.0234 0.733 GDP - 0.2225** 0.0950 0.019 INF 0.0260*** 0.0080 0.001 _CONS 2.8798*** 0.5904 0.000
Nguồn: Kết quả từ phần mềm Stata (***, **, * có ý nghĩa thống kê lần lượt ở mức 1%, 5% và 10%)
Kết quả mô hình ước lượng bằng GLS được trình bày trong bảng 4.6 cho thấy đa phần các yếu tố đặc thù của ngân hàng như: nợ xấu trong quá khứ, khả năng sinh lời, tốc độ tăng trưởng tín dụng và các yếu tố vĩ mô của nền kinh tế là tốc độ tăng
trưởng GDP và tỷ lệ lạm phát đều có ảnh hưởng đến tỷ lệ nợ xấu. Chỉ còn lại tỷ lệ vốn chủ sở hữu là không có ý nghĩa thống kê.
4.3.3.2. Ƣớc lƣợng theo phƣơng pháp GMM
Tuy nhiên, kết quả ước lượng bằng phương pháp GLS có một nhược điểm là không thể khắc phục được hiện tượng nội sinh. Nói cách khác, hiện tượng nội sinh sẽ làm cho kết quả thu được bằng phương GLS không còn vững nữa. Cụ thể, mô hình nghiên cứu sử dụng biến trễ của biến phụ thuộc ( làm biến độc lập, nên theo Dimitrios P. Louzis, Angelos T. Vouldis và Vasilios L. Metaxas (2010); Nir Klein (2013) thì mô hình nghiên cứu có dạng dữ liệu bảng động (Dynamic panel data) và biến trễ của biến phụ thuộc ( ) chính là biến nội sinh.
Như vậy, hiện tượng nội sinh sẽ làm cho các ước lượng thu được bằng các phương pháp thông thường như OLS, FEM, REM, GLS,… không đạt hiệu quả cao và các kết quả hồi quy cũng không còn đáng tin cậy. Vậy nên, tác giả sẽ sử dụng phương pháp ước lượng GMM để khắc phục hiện tượng này nhằm đảm bảo các kết quả thu được chính xác hơn.
Do đó, mô hình nghiên cứu của tác giả sẽ được ước lượng bởi phương pháp GMM hệ thống hai bước và thực hiện bằng phần mềm Stata 13 với lệnh xtabond2. Ngoài ra, tác giả cũng thêm vào lệnh collapse và robust để tránh gây ra sự chênh lệch do số lượng công cụ vượt quá số lượng quan sát và vấn đề phương sai thay đổi, tự tương quan bên trong chủ thể. Kết quả kiểm định các giả thuyết nghiên cứu được trình bày trong Bảng 4.7 như sau:
Bảng 4.7: Kết quả ước lượng bằng phương pháp GMM NPL Hệ số Sai số chuẩn P > ׀t׀ NPL1 0.6207*** 0.1748 0.003 ROE -0.0522 0.0413 0.227 CREDITGR 0.0038 0.0116 0.744 EQUITY -0.2857* 0.1549 0.086 GDP -0.2477** 0.1032 0.031 INF 0.0541* 0.0286 0.079 _CONS 4.5987 *** 1.1951 0.002 Số quan sát 120 Số nhóm 15 Số biến công cụ 14 Prob > chi2 0.000
AR(2) test – P.value 0.463
Hansen test – P.value 0.869
Nguồn: Kết quả từ phần mềm Stata (***, **, * có ý nghĩa thống kê lần lượt ở mức 1%, 5% và 10%)
Biến phụ thuộc trong mô hình là , biến nội sinh là và bộ công cụ là , , , , , và . Sau khi sử dụng phương pháp GMM để khắc phục các hiện tượng nội sinh, tự tương quan và phương sai sai số thay đổi, mô hình sẽ có ý nghĩa ở mức 1% do chi2 = 0.0000 cho nên kết quả ước lượng của mô hình là phù hợp và có thể sử dụng được.
Bên cạnh đó, tính hợp lý của bộ công cụ được sử dụng trong phương pháp GMM còn được đánh giá qua các kiểm định Arellano-Bond và Hansen:
- Kiểm định Arellano - Bond (1991) có giả thiết : Không có hiện tượng tự tương quan và được áp dụng cho số dư sai phân. Kết quả của mô hình trên không bác bỏ giả thiết không tự tương quan của lệnh thứ hai AR(2) do P - value = 0.463 > 10%, tức chấp nhận giả thiết . Điều này chứng tỏ mô hình trên khá tốt vì không tồn tại hiện tượng tự tương quan.
- Kiểm định Hansen có giả thiết : các biến công cụ có hiệu lực, nghĩa là không tương quan với sai số của mô hình. Kết quả của mô hình đã khẳng định rằng các công cụ có thể coi là hợp lệ vì chấp nhận giả thiết do P – value = 0.869 > 10%. Điều đó cũng đồng nghĩa với việc mô hình đã được khắc phục hiện tượng nội sinh.
Ngoài ra, để mô hình không quá yếu cũng cần chắc chắn rằng số lượng các biến công cụ phải nhỏ hơn hoặc bằng số lượng các nhóm. Và trong kết quả ước lượng trên, số lượng biến công cụ (14) < số lượng nhóm (15) nên có thể đảm bảo tính vững của kết quả.
Bảng 4.8: Kết quả kiểm định thực nghiệm bằng ước lượng GMM với lý thuyết kinh tế
Biến Dấu kỳ vọng Kết quả nghiên cứu
(+) Đúng dấu, có ý nghĩa thống kê
(-) Đúng dấu, không có ý nghĩa thống kê (-) Đúng dấu, có ý nghĩa thống kê
(+) Dấu dương, không có ý nghĩa thống kê (-) Đúng dấu, có ý nghĩa thống kê
(+) Đúng dấu, có ý nghĩa thống kê
Như vậy, các biến độc lập gồm tỷ lệ nợ xấu năm trước ( ) và tỷ lệ lạm phát ( ) có tác động cùng chiều đến nợ xấu. Ngược lại, các biến tỷ lệ vốn chủ sở hữu ( ) và tốc độ tăng trưởng GDP ( ) lại có tác động ngược chiều đến tỷ lệ nợ xấu. Nhưng nhìn chung, biến độc lập có ảnh hưởng mạnh nhất là tỷ lệ nợ xấu năm trước với hệ số 0.6207. Các biến còn lại là tỷ suất sinh lời ( và tốc độ tăng trưởng tín dụng ( có chiều tác động giống với chiều kỳ vọng nhưng không có ý nghĩa thống kê.
4.3.4. Thảo luận kết quả nghiên cứu
Tỷ lệ nợ xấu năm trƣớc có tương quan dương với tỷ lệ nợ xấu ở kỳ hiện tại và có ý nghĩa thống kê ở mức 1%. Trong trường hợp các yếu tố khác giữ nguyên, tỷ lệ nợ xấu năm trước tăng 1 đơn vị sẽ làm cho tỷ lệ nợ xấu năm nay tăng lên 0.6207 đơn vị. Điều này cho thấy rằng các ngân hàng có tỷ lệ nợ xấu cao ở kỳ trước sẽ dẫn đến tỷ lệ nợ xấu cao trong kỳ này do khả năng quản trị rủi ro trong công tác cho vay của ngân hàng vẫn còn chưa hiệu quả, điều này cũng phù hợp với giả thuyết “Quản lý kém”. Các nghiên cứu thực nghiệm của Salas và Saurina (2002) và Nir Klein (2013) cũng thu được kết quả tương tự. Tại Việt Nam, trong giai đoạn nghiên cứu, các NHTM nào kiểm soát tốt nợ xấu của những năm trước thì những năm sau thường có rủi ro nợ xấu thấp hơn, chủ yếu nhờ việc thực hiện tốt công tác kiểm soát, phòng ngừa nợ xấu tốt, mà điển hình là NHTM Đầu tư và Phát triển Việt Nam (BIDV). Nguyên nhân mà nợ xấu của các NHTM Việt Nam thay đổi trong thời gian nghiên cứu là do ảnh hưởng từ một số chính sách chủ yếu sau:
- Quyết định số 780/QĐ – NHNN về việc Phân loại nợ đối với nợ được điều chỉnh kỳ hạn trả nợ, gia hạn nợ được ban hành từ ngày 23/04/2012. Đây được xem là một giải pháp để kiềm hãm lại đà tăng của nợ xấu cũng như hỗ trợ các doanh nghiệp tiếp cận với nguồn vốn khi nền kinh tế rơi vào tình trạng suy giảm, vì quyết định này cho phép các NHTM giữ nguyên nhóm nợ đối với các khoản nợ được cơ cấu lại thời gian trả nợ nếu doanh nghiệp vẫn còn triển vọng
có thể phục hồi kinh doanh, sản xuất, từ đó đã giúp nhiều khoản nợ không bị rơi vào nợ xấu.
- Thông tư 02/2013/TT – NHNN ban hành ngày 21/01/2013 quy định về Phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài. Thông tư này yêu cầu việc phân loại nợ và trích lập dự phòng theo chuẩn mực Basel II mà nhiều nước trên thế giới đang áp dụng. Không chỉ có vậy, thực hiện thông tư này sẽ khiến cho nợ xấu bộc lộ và có thể gây ra khó khăn bước đầu cho cả ngân hàng và doanh nghiệp. Thế nhưng chỉ có việc nhìn nhận đúng bản chất của nợ xấu mới có thể đưa ra được phương pháp xử lý dứt điểm.
- Nghị định số 53/2013/NĐ – CP ban hành ngày 18/05/2013 về Thành lập, tổ chức và hoạt động của công ty quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC) như là một biện pháp nhằm xử lý nợ xấu.
- Quyết định 843/2013/QĐ-TTg: Phê duyệt Đề án “Xử lý nợ xấu của hệ thống các tổ chức tín dụng” vào ngày 31/05/2013 đã đề cao nguyên tắc xử lý nợ xấu cần phải khẩn trương, quyết liệt, đồng bộ, được thực hiện bằng nhiều biện pháp phù hợp và phải được đặt trong tổng thể chương trình tái cơ cấu nền kinh tế. - Thông tư 09/2014/TT – NHNN được ban hành vào ngày 18/03/2014 về việc
sửa đổi, bổ sung một số điều trong Thông tư 02/2013/TT – NHNN, cụ thể là cho phép các tổ chức tài chính tiếp tục được thực hiện việc cơ cấu lại thời hạn trả nợ và giữ nguyên nhóm nợ kể từ ngày 20/03/2014 đến hết ngày 01/04/2015 nhưng với điều kiện là mỗi khoản vay chỉ được tái cơ cấu một lần.
Tỷ lệ vốn chủ sở hữu có tương quan âm với tỷ lệ nợ xấu và có ý nghĩa thống kê ở mức ở mức 10%. Điều này thể hiện rằng các ngân hàng có tỷ lệ vốn chủ sở hữu càng thấp thì sẽ có mức nợ xấu càng cao. Cụ thể, trong trường hợp các yếu tố khác giữ nguyên, nếu tỷ lệ vốn chủ sở hữu tăng lên 1 đơn vị sẽ làm tỷ lệ nợ xấu giảm xuống 0.2857 đơn vị. Kết quả này cũng nhất quán với giả thuyết “Rủi ro đạo đức” của Keeton và Morris (1987). Trong thực tế tại Việt Nam, các NHTM có mức độ
vốn hóa thấp thường chỉ đủ khả năng tập trung vốn vào một vài đối tượng cho vay nhất định, từ đó dẫn đến sự thiếu tính đa dạng và linh hoạt trong các khoản vay và dẫn đến nguy cơ nảy sinh nợ xấu khi có rủi ro xuất hiện là rất cao. Ngược lại, những NHTM có mức độ vốn hóa cao sẽ có thể đa dạng hóa nhiều danh mục cho vay, hơn nữa đảm bảo được tỷ lệ an toàn vốn tối thiểu và từ đó vừa giúp giảm nguy cơ nợ xấu vừa đảm bảo năng lực cho vay của ngân hàng mình. Như vậy, các ngân hàng có mức tăng vốn chủ sở hữu được duy trì ở mức cao thì tỷ lệ nợ xấu cũng giảm và ngược lại, mối liên hệ này được thể hiện rõ nhất là ở NHTM Hàng hải Việt Nam (Maritime Bank) trong những năm cuối của giai đoạn nghiên cứu.
Nguyên nhân mà tỷ lệ vốn chủ sở hữu của các NHTM Việt Nam thay đổi trong giai