Trong các nghiên cứu đã đƣợc trình bày ở chƣơng 2, các tác giả đã sử dụng nhiều mô hình khác nhau để thực hiện ngiên cứu nhƣ mô hình hồi quy đa biến OLS, mô hình hồi quy đa biến với dữ liệu bảng và dữ liệu thời gian kết hợp với ƣớc lƣợng Pooled OLS, Fixed Effect, Random Effect,… Tuy nhiên, trong phạm vi bài nghiên cứu này, tác giả quyết định chọn mô hình hồi quy đa biến sử dụng dữ liệu bảng. Thứ nhất là do mô hình này đã đƣợc nhiêu tác giả sử dụng nhƣ: Noman và cộng sự (2015), Bayyoud và Sayyad (2015), Akhtar và cộng sự (2011), Alshatti (2015), Muthee (2009), Gizaw (2015) và trong các bài nghiên cứu tại Việt Nam nhƣ Phạm Hữu Hồng Thái (2013), Nguyễn Mạnh Huy (2016). Đặng Thị Diệu Hƣơng (2016), Nguyễn Thị Thanh Trà (2015). Thêm vào đó, theo Baltagi (2008) mô hình hồi quy đa biến sử dụng dữ liệu bảng còn mang nhiều ƣu điểm hơn so với hồi quy thông thƣờng:
Một là, dữ liệu bảng cho phép kiểm soát sự khác biệt không quan sát đƣợc giữa các ngân hàng trong mẫu nghiên cứu.
Hai là, qua việc kết hợp chuỗi thời gian của các quan sát chéo, dữ liệu bảng cho chúng ta dữ liệu chứa nhiều thông tin hữu ích hơn, tính biến thiên nhiều hơn, ít hiện tƣợng đa cộng tuyến giữa các biến, nhiều bậc tự do và hiệu quả cao hơn.
Ba là, nghiên cứu quan sát lập đi lập lại của các đơn vị chéo, dữ liệu bảng phù hợp hơn cho việc nghiên cứu sự động thái thay đổi theo thời gian của các đơn vị chéo. Bốn là, dữ liệu bảng có thể phát hiện và đo lƣờng tốt các tác động mà ngƣời ta
không thể quan sát đƣợc trong dữ liệu chuỗi thời gian hay dữ liệu chéo thuần túy. Năm là, dữ liệu bảng giúp ta có thể nghiên cứu các mô hình hành vi phức tạp hơn. Sáu là, bằng cách cung cấp dữ liệu đối với vài nghìn đơn vị, dữ liệu bảng có thể giảm đến mức thấp nhất hiện tƣợng chệch có thể xảy ra nếu chúng ta gộp các cá nhân hay các doanh nghiệp theo những biến số có mức tổng hợp cao.
3.1.2Thiết kế mô hình nghiên cứu
Mô hình trong bài nghiên cứu này chủ yếu kế thừa từ nghiên cứu của tác giả Saeed và Zahid (2016), Li và Zou (2014) và bài nghiên cứu tại Việt Nam của Phạm Hữu Hồng Thái (2013). Trong các bài nghiên cứu này, các tác giả đã chọn tỷ suất sinh lời trên vốn chủ sở hữu ROE làm biến phụ thuộc đại diện cho khả năng sinh lời. Biến độc lập đƣợc các tác giả sử dụng là tỷ lệ nợ xấu trên tổng dƣ nợ cho vay (NPLR), tỷ lệ an toàn vốn tối thiểu (CAR), tỷ lệ dự phòng trên tổng dƣ nợ cho vay- dự phòng rủi ro tín dụng (LLPR) làm đại diện cho rủi ro tín dụng của ngân hàng. Dữ liệu của các tác giả đƣợc thu thập theo phƣơng pháp dữ liệu bảng và sử dụng các mô hình hồi quy đơn giản nhƣ Pooled OLS. Vì vậy, ngoài kế thừa nghiên cứu của các tác giả trên, tác giả vẫn sử dụng phƣơng pháp dữ liệu bảng và sẽ kết hợp ƣớc lƣợng Pooled OLS, REM, FEM nhằm tăng tính chính xác cho mô hình nghiên cứu.
Ngoài ra, trong các bài nghiên cứu Alshatti (2015), Saeed và Zahid (2016) có đề cập đến biến hệ số đòn bẩy tài chính (LEV) làm biến độc lập đại diện cho rủi ro tín dụng khi xem xét tác động của rủi ro tín dụng đến khả năng sinh lời. Nhận thấy biến LEV có vai trò quan trọng trong việc đánh giá đòn bẩy tài chính của hệ thống NHTMVN, nên tác giả quyết định thêm biến vào mô hình để thêm ý nghĩa thực tiễn cho bài nghiên cứu.
Bên cạnh đó, trong các bài nghiên cứu về các nhân tố tác động đến khả năng sinh lời, nhiều tác giả cho thấy tốc độ tăng trƣởng GDP có tác động đến khả năng sinh lời nhƣ Chouikh và Blagui (2017), Simiyu và Ngile (2015), Marak (2014), Owoputi và cộng sự (2014),…Trong khi đó, các tác giả Akhtar và cộng sự (2011), Li và Zou (2014), Phạm Hữu Hồng Thái (2013), Saeed và Zahid (2016), Boahene và cộng sự
(2012), Owoputi và cộng sự (2014),… tìm ra sự tác động của quy mô ngân hàng (BS) đến khả năng sinh lời trong ngân hàng. Ngoài ra, mối quan hệ giữa lạm phát (INF) và khả năng sinh lời cũng đƣợc nhiều tác giả tìm ra nhƣ Owoputi và cộng sự (2014), Marak (2014), Chouikh và Blagui (2017). Đồng thời, tác giả đƣa thêm biến giả để đo lƣờng tác động của cuộc khủng hoảng kinh tế thế giới 2008 - 2009 tới khả năng sinh lời của các NHTM.
Tóm lại, dựa trên các cơ sở lý thuyết mà tác giả đã trình bày đã nêu kết hợp với mô hình hồi quy tuyến tính đa biến, tác giả đƣa ra mô hình nghiên cứu của đề tài đƣợc tóm gọn nhƣ sau:
ROEit = β0 + β1NPLRit + β2CARit + β3LLPRit + β4LEVit + β5BSit + β6INFit + β7GDPit + ß8DUMit+ εit
Trong đó: β0: Hệ số chặn.
β1, … β8: Các hệ số hồi quy riêng của các biến độc lập.
i ký hiệu cho các ngân hàng, t ký hiệu cho các năm và ε đại diện cho sai số của mô hình.
Biến phụ thuộc:
- ROE: suất sinh lời trên vốn chủ sở hữu, đại diện cho khả năng sinh lời của NH (tính theo tỷ lệ phần trăm).
Biến độc lập:
- NPLR đại diện cho tỷ lệ nợ xấu trên tổng dƣ nợ cho vay của NH (tính theo tỷ lệ phần trăm).
- CAR đại diện cho tỷ lệ an toàn vốn tối thiẻu của NH (tính theo tỷ lệ phần trăm).
- LLPR đại diện cho dự phòng rủi ro tín dụng (tính theo tỷ lệ phần trăm). - LEV đại diện do hệ số đòn bẩy tài chính của NH (đƣợc tính theo tỷ lệ phần
trăm).
Biến kiểm soát:
- INF đại diện cho tỷ lệ lạm phát của Việt Nam.
- GDP đại diện cho tốc độ tăng trƣởng Việt Nam (đƣợc tính theo tỷ lệ phần trăm).
- DUM: đại diện cho biến khủng hoảng kinh tế (nhận giá trị 1 dữ liệu năm 2008 và 2009, nhận giá trị 0 cho các năm khác).
3.2 Giải thích các biến trong mô hình và kì vọng dấu về các biến 3.2.1Biến phụ thuộc 3.2.1Biến phụ thuộc
Trong các chỉ tiêu đại diện khả năng sinh lời mà chƣơng 2 đã nêu thì trong thực tế, ROE đƣợc sử dụng phổ biến để đại diện cho khả năng sinh lời khi nghiên cứu tác động của rủi ro tín dụng đến khả năng sinh lời tại các ngân hàng nhƣ Noman và cộng sự (2015), Bayyoud và Sayyad (2015), Afriyie và Akotey (2012), Alshatti (2015), Saeed và Zahid (2016),... Ngoài ra, ROE cũng là chỉ số thƣớc đo chính xác nhất để nhà quản trị, chủ sở hữu đánh giá một đồng vốn của mình bỏ ra tạo ra bao nhiêu đồng lợi nhuận. Theo Owoputi và cộng sự (2014), ROE đƣợc gọi là số nhân vốn chủ sở hữu, nó phản ánh việc lợi nhuận thu về của các cổ đông trên phần vốn góp của mình. Nó cho thấy hiệu quả việc sử dụng đồng vốn góp. Và đã trình bày ở chƣơng 2, ROE đƣợc tính bằng tỷ lệ lợi nhuận ròng chia cho vốn chủ sở hữu.
3.2.2Các biến độc lập đại diện cho rủi ro tín dụng 3.2.2.1 Tỷ lệ nợ xấu trên tổng dƣ nợ cho vay (NPLR) 3.2.2.1 Tỷ lệ nợ xấu trên tổng dƣ nợ cho vay (NPLR)
Chỉ số này thể hiện chất lƣợng tín dụng tại ngân hàng, đƣợc đo lƣờng bằng cách lấy tổng nợ xấu (nhóm 3 đến 5 theo tiêu chuẩn phân loại của NHNN) chia cho tổng dƣ nợ cho vay của ngân hàng. Các ngân hàng có danh mục cho vay quá nhiều khoản vay kém chất lƣợng và khi phát sinh vấn đề, ngân hàng phải trích lập dự phòng vào chi phí hoạt động để dự phòng cho những tổn thất có thể xảy ra, từ đó làm giảm lợi nhuận của ngân hàng. Theo Girardone và cộng sự (2004) xác định tình trạng nợ xấu đã gây ra sự kém hiệu quả trong hệ thống ngân hàng Italia. Tƣơng tự, Li và Zou (2014) nghiên cứu tác động của quản trị rủi ro tín dụng đến khả năng sinh lời của NHTM tại Châu Âu, Alshatti (2015) nghiên cứu tác động của quản trị rủi ro tín dụng đến hiệu quả hoạt động của các NHTM tại Jordan, Gizaw và cộng sự (2015)
nghiên cứu tác động của rủi ro tín dụng đến khả năng sinh lời của NHTM tại Ethiopia,… khi nghiên cứu về tác động của rủi ro tín dụng đến khả năng sinh lời đều sử dụng chỉ tiêu tỷ lệ nợ xấu để đại diện cho rủi ro tín dụng. Theo kết quả của các bài nghiên cứu thì tỷ lệ nợ xấu có tác động ngƣợc chiều đến khả năng sinh lời. Trong phạm vi nghiên cứu bài này, tác giả cũng kỳ vọng tìm ra mối tƣơng quan nghịch biến giữa tỷ lệ nợ xấu và khả năng sinh lời trong cả hai mô hình. (adsbygoogle = window.adsbygoogle || []).push({});
Giả thuyết H1: mối quan hệ ngƣợc chiều giữa NPLR và ROE.
3.2.2.2 Dự phòng rủi ro tín dụng (LLPR)
Chỉ số này đƣợc đo lƣờng bằng tỷ lệ dự phòng rủi ro trên tổng dƣ nợ. Dự phòng rủi ro tín dụng đƣợc trích lập và hạch toán vào chi phí hoạt động để dự phòng cho những tổn thất có thể xảy ra đối với các khoản tín dụng của ngân hàng. Trên bảng cân đối kế toán của ngân hàng, dự phòng là một khoản mục thuộc tài sản và làm giảm giá trị của tài sản Có, nhằm phản ánh sự suy giảm của tài sản trƣớc những tổn thất có khả năng xảy ra. Trong khi đó, trong bảng kết quả kinh doanh, dự phòng là một khoản chi phí phi tiền mặt, đƣợc ghi nhận là làm giảm lợi nhuận hoặc vốn chủ sở hữu của ngân hàng. Tƣơng tự, Noman và cộng sự (2015) khi nghiên cứu tác động của rủi ro tín dụng đến khả năng sinh lời của 18 NHTM tại Bangladesh, Kolapo và cộng sự (2012) nghiên cứu quản lý rủi ro tín dụng tại các NHTM ở Nigeria giai đoạn 2000 – 2010,… cho ra kết quả ngƣợc chiều giữa tỷ lệ dự phòng rủi ro tín dụng và khả năng sinh lời. Do đó, tác giả kì vọng rằng việc tăng LLPR sẽ góp phần làm giảm khả năng sinh lời.
Giả thuyết H2: mối quan hệ cùng chiều giữa LLPR và ROE.
3.2.2.3 Đòn bẩy tài chính (LEV)
Chỉ số này đƣợc đo lƣờng bằng tỷ lệ tổng nợ phải trả trên tổng vốn chủ sở hữu. Đòn bẩy tài chính còn là công cụ quan trọng để dự kiến ROE, ngân hàng hoạt động kinh doanh có hiệu quả thể hiện ở hệ số đòn bẩy tài chính cao, làm tăng tỷ lệ sinh lời của vốn chủ sở hữu. Mặt khác, khi ngân hàng huy động nợ cao thì rủi ro phá sản hay mất thanh khoản càng lớn, chính vì thế chi phí huy động vốn sẽ cao hơn để bù đắp
vào rủi ro mà họ có thể gánh chịu và khi đó tác dụng của đòn bẩy tài chính sẽ giảm đi, thậm chí làm giảm ROE. Thêm vào đó, các nghiên cứu trƣớc đây cũng cho thấy mối quan hệ tƣơng quan giữa ROE và LEV nhƣ Alshatti (2015), Saeed và Zahis (2016),… Do đó, tác giả kì vọng là đòn bẩy tài chính sẽ tác động cùng chiều đến khả năng sinh lời của NHTMVN.
Giả thuyết H3: mối quan hệ cùng chiều giữa LEV và ROE.
3.2.2.4 Tỷ lệ an toàn vốn tối thiểu (CAR)
Chỉ số này là thƣớc đó quan trọng để đo mức độ an toàn hoạt động của ngân hàng. Nghiên cứu của Isanzu (2017) nhận định rằng CAR tăng thể hiện sức mạnh, khả năng của ngân hàng nhƣ một bộ đệm giúp giảm các thiệt hại khi cho vay. Đồng thời, kết quả cũng cho thấy các NHTM tại Trung Quốc phụ thuộc vào vốn chủ sở hữu và nó đƣợc sử dụng nhằm nâng cao khả năng sinh lời giúp gia tăng hoạt động tài chính. Tuy nhiên, tác giả nhận định rằng khi hệ số CAR tăng có nghĩa là vốn trong ngân hàng ít đƣợc mang đi đầu tƣ thì khả năng lợi nhuận sẽ giảm xuống. Thực tế, NHNN vì muốn các NHTM tăng vốn nhằm đáp ứng định hƣớng triển khai Basel II tại Việt Nam đã giảm tỷ lệ xuống 8% theo Thông tƣ số 41/2016/TT-NHNN. Tƣơng tự, các nghiên cứu của Noman và cộng sự (2015), Li và Zou (2014), Rasika và Sampath (2015),… cho rằng lợi nhuận ngân hàng có xu hƣớng giảm vì tăng hệ số CAR. Chính vì thế, tác giả cũng kì vọng biến tỷ lệ an toàn vốn tối thiểu có mối quan hệ ngƣợc chiều với khả năng sinh lời.
Giả thuyết H4: mối quan hệ ngƣợc chiều giữa CAR và ROE.
3.2.2.5 Quy mô ngân hàng (BS)
Chỉ số này đƣợc đo bằng tỷ lệ của tổng tài sản ngân hàng trên tổng tài sản của toàn hệ thống ngân hàng. Các ngân hàng lớn sẽ có ƣu thế hơn trong việc nắm giữ quyền lực thị trƣờng và có đủ điều kiện thuận lợi để hoạt động một cách tối ƣu. Các ngân hàng lớn có khả năng cao hơn trong việc chấp nhận rủi ro của hoạt động chuyển hóa tài sản do đƣợc hƣởng khoản bảo hiểm tiền gửi cao. Đƣợc cho là có khả năng xử lý rủi ro tốt hơn, các ngân hàng lớn cũng khá linh hoạt với việc dịch chuyển kỳ
hạn bằng cách giảm phí bảo hiểm. Ảnh hƣởng của quy mô ngân hàng đối với khả năng sinh lời cũng đƣợc đề cập trong các nghiên cứu của Saeed và Zahid (2016), Owoputi và cộng sự (2014), Phạm Hữu Hồng Thái (2013), Boahene và cộng sự (2012),… đều cho thấy sự ảnh hƣởng cùng chiều. Chính vì thế, tác giả cũng kì vọng biến quy mô ngân hàng có mối quan hệ cùng chiều với khả năng sinh lời.
Giả thuyết H5: mối quan hệ cùng chiều giữa BS và ROE.
3.2.2.6 Tỷ lệ lạm phát (INF)
Chỉ số này cơ bản đo lƣờng giá cả hàng hóa dịch vụ và cho biết liệu nền kinh tế có bị lạm phát hay giảm phát hay không. Theo Pasiouras và Kosmidou (2007), tác động lạm phát đến lợi nhuận của ngân hàng còn phụ thuộc vào dự đoán của các nhà quản lý về lạm phát trong từng thời kỳ. Ngân hàng nên dự đoán chính xác tỷ lệ lạm phát, từ đó có chính sách điều chỉnh lãi suất huy động và cho vay phù hợp nhằm tăng lợi nhuận. Nhìn chung, tác động của lạm phát có hai mặt. Nếu duy trì ở mức lạm phát vừa phải nó sẽ thúc đẩy nền kinh tế phát triển. Tuy nhiên, khi mức lạm phát ở trên 10% đối với nƣớc ta và khó kiểm soát có thể sẽ gây ra nhiều hậu quả nặng nề. Do đó, tác giả kì vọng tỷ lệ lạm phát sẽ tác động hai chiều đến khả năng sinh lời của ngân hàng.
Giả thuyết H6: mối quan hệ cùng chiều hay ngƣợc chiều giữa INF và ROE.
3.2.2.7 Tốc độ tăng trƣởng (GDP)
Chỉ số này thể hiện cho tốc độ GDP thực hàng năm. Theo Obamuyi (2013), điều kiện kinh tế sẽ ảnh hƣởng tích cực đến các hoạt động của ngành tài chính. Nghiên cứu của Dietrich và Wanzenried (2011) cũng có nhận định tƣơng tự, tăng trƣởng kinh tế giúp ổn định thu nhập trong dân cƣ cao, làm tăng nhu cầu cho vay và dẫn đến hoạt động kinh doanh ngân hàng đƣợc thúc đẩy hiệu quả hơn do đó làm gia tăng lợi nhuận của ngân hàng. Ngƣợc lại, trong thời kì kinh tế suy thoái, thu nhập giảm, hoạt động kinh doanh của ngân hàng sẽ trở nên khó khăn hơn, hiệu quả kinh doanh giảm, lợi nhuận theo đó cũng giảm theo. Do đó, tác giả kì vòng tác động của tốc độ tăng trƣởng cùng chiều với khả năng sinh lời của ngân hàng.
Giả thuyết H7: mối quan hệ cùng chiều giữa GDP và ROE.
3.2.2.8 Khủng hoảng kinh tế 2008 – 2009 (DUMMY)
Tác giả đƣa thêm yếu tố biến giả là tác động của khủng hoảng tài chính, nhằm xét xem rằng trong giai đoạn khủng hoảng tài chính các năm 2008 và năm 2009 có ảnh hƣởng đến khả năng sinh lời của các NHTM niêm yết trên sàn chứng khoán tại Việt Nam. Theo nghiên cứu của Dietrich và Wanzenried (2011), các ngân hàng niêm yết trên sàn chứng khoán có nhiều lợi ích trong cuộc khủng hoảng hơn những ngân hàng không đƣợc niêm yết. Bởi ROE phản ảnh nỗ lực tối đa hóa của các cổ đông, thực tiễn thƣờng thấy ở các ngân hàng niêm yết. Do đó, một số ngân hàng niêm yết có thể giảm hiệu quả vốn chủ sở hữu của mình nhằm làm tăng ROE. Tƣơng tự, theo Beltratti và Stulz (2009), các ngân hàng với vốn cấp 1 cao, nhiều tiền gửi và cho vay nhiều hoạt động tốt hơn trong cuộc khủng hoảng. Các ngân hàng ở các nƣớc với sự giám sát vốn chặt chẽ có lợi nhuận cao hơn bởi sự can thiệp nhiều hơn của các nhà quản lý trong cuộc khủng hoảng. Qua các thực nghiệm trên, tác giả kì vọng