2.2.3.1. Phương pháp phân tích định tính
Phương pháp định tính được sử dụng nhằm mô tả và phân tích đặc điểm của nhân tố tác động đến lượng tiền gửi tại các NHTM Việt Nam. Thông qua hệ thống hóa lý luận nghiên cứu từ nhiều nguồn tài liệu trong và ngoài nước có liên quan đến tiền gửi tại các NHTM, các nhân tố tác động đến lượng tiền gửi tại các NHTM, tác giả tìm kiếm và mô tả các nhân tố tác động đến lượng tiền gửi tại các NHTM Việt Nam.
Ngoài ra, tác giả còn tiến hành phân tích các bài phỏng vấn sâu để khám phá nhân tố tác động, sau đó tiến hành điều chỉnh, bổ sung các biến phù hợp với mục tiêu nghiên cứu. Bài nghiên cứu thực hiện phỏng vấn sâu các đối tượng là nhà quản lý của NHNN, viện Kinh tế, Bảo hiểm tiền gửi Việt Nam và các NHTM Việt Nam.
Phương pháp định tính còn được tác giả sử dụng thông qua kết hợp giữa lý thuyết và thực tiễn để làm cơ sở đưa ra các kiến nghị nhằm duy trì tốc độ tăng trưởng tiền gửi tại các NHTM Việt Nam.
Phương pháp thu thập dữ liệu cho nghiên cứu là kết hợp kết quả của các cuộc phỏng vấn cá nhân riêng lẻ. Lý do chính là vì đây là cách thu thập dữ liệu tiện lợi và hiệu quả, có thể tạo ra nhiều ý tưởng hơn vì người phỏng vấn có thể trình bày quan điểm của mình và thảo luận các vấn đề sâu hơn. Bản thảo hướng dẫn phỏng vấn có các chủ đề với các câu hỏi liên quan và dựa trên khung khái niệm được xây dựng từ các tài liệu nghiên cứu. Những câu hỏi được thiết kế để giúp xác định các yếu tố chính tác động đến lượng tiền gửi tại các NHTM Việt Nam. Tác giả đã sử dụng các câu hỏi mở để cho phép người trả lời phỏng vấn
thể hiện ý kiến của họ trong các tình huống cụ thể. Các câu hỏi cũng có thể khác nhau tùy thuộc vào từng tình huống cụ thể của cuộc trò chuyện. Người phỏng vấn có thể đưa ra những câu hỏi bổ sung để có thêm thông tin chi tiết về câu trả lời cụ thể hoặc tìm ra các vấn đề mới. Hướng dẫn phỏng vấn và mẫu thông tin của người tham gia được gửi qua email cho mỗi người được phỏng vấn trước ba ngày để đảm bảo rằng các nguyên tắc của đạo đức nghiên cứu đã được tuân thủ. Các cuộc phỏng vấn cá nhân diễn ra tại trụ sở làm việc của người được phỏng vấn.
Trong cuộc phỏng vấn, người phỏng vấn tóm tắt các điểm chính theo thời gian để đảm bảo tính chính xác của thông tin được thể hiện và giải thích thêm về những vấn đề mà người được phỏng vấn chưa hiểu rõ. Người phỏng vấn đưa ra danh sách các biến được sử dụng giúp người được phỏng vấn hiểu rõ hơn.
2.2.3.2. Phương pháp phân tích định lượng
Nguồn dữ liệu được sử dụng từ các báo cáo tài chính theo năm của các NHTM Việt Nam giai đoạn 2006-2019 và tổng hợp từ kết quả khảo sát người gửi tiền. Do dữ liệu thứ cấp là dạng dữ liệu bảng nên ngoài phương pháp so sánh, phương pháp thống kê mô tả, tác giả sử dụng phương pháp hồi quy tuyến tính.
Đây là kỹ thuật thống kê dùng để ước lượng phương trình phù hợp nhất với các tập hợp kết quả quan sát của biến phụ thuộc và biến độc lập. Nó cho phép đạt được kết quả ước lượng tốt nhất về mối quan hệ giữa các biến số. Từ phương trình ước lượng này, người ta có thể dự báo về biến phụ thuộc (chưa biết) dựa vào giá trị cho trước của biến độc lập (đã biết)
Dữ liệu bảng là sự kết hợp của dữ liệu chéo và dữ liệu thời gian. Để thu thập dữ liệu bảng, chúng ta phải thu thập nhiều đối tượng giống nhau trong cùng một hoặc nhiều thời điểm. Dữ liệu bảng có ưu điểm làm tăng kích thước
mẫu một cách đáng kể, thông qua nghiên cứu các quan sát theo không gian lặp lại. Dữ liệu bảng cho phép xác định và đo lường tác động mà những tác động này không thể được xác định và đo lường khi sử dụng dữ liệu chéo và dữ liệu thời gian.
Tuy nhiên dữ liệu bảng cũng có hạn chế như phương sai không đồng nhất, tự tương quan,... Chính vì vậy, tác giả sử dụng các kỹ thuật nổi bật nhất là mô hình bình phương nhỏ nhất (OLS), mô hình hồi quy tác động cố định (FEM) và mô hình hồi quy tác động ngẫu nhiên (REM) để phân tích.
Hồi quy bình phương nhỏ nhất (Pooled Ordinary Least Square- Pooled OLS)
Phương pháp hồi quy bình phương nhỏ nhất kết hợp tất cả các quan sát, bỏ qua yếu tố thời gian cũng như khác biệt giữa các quan sát chéo. Phương pháp này thực hiện chồng dữ liệu lên nhau để hồi quy. Đây là phương pháp đơn giản nhất. Tuy nhiên, phương pháp này có hạn chế là do số liệu chéo và số liệu chuỗi thời gian không khắc phục được tính không đồng nhất giữa các quan sát chéo, cho kết quả thường bị chệch và không hiệu quả. Để khắc phục hạn chế này cần sử dụng mô hình FEM và REM.
Hồi quy tác động cố định (Fixed Effect Model – FEM)
Mô hình FEM cho phép kết hợp khác nhau giữa các cặp quan sát chéo bằng cách cho hệ số chặn thay đổi. Tất cả sự khác nhau giữa các quan sát chéo sẽ được thể hiện ở hệ số chặn, mô hình FEM cho phép các đường hồi quy có độ dốc như nhau. Mô hình này phù hợp trong trường hợp tồn tại mối liên hệ tương quan giữa biến độc lập và sai số mô hình vì phần sai số được chuyển vào hệ số chặn. FEM giúp giảm thiểu được sai sót kỹ thuật khi bỏ sót biến độc lập quan trọng của mô hình. Tuy nhiên, mô hình hồi quy tác động cố định có nhược điểm là các biến không thay đổi theo thời gian sẽ bị loại bỏ ra khỏi phương
trình.
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. 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 = β 11X it1it1 + β 22X it2it2 + μitit với 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; X it1it1 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 = β 11X it1it1 + β 22X it2it2 + 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.
Hồi quy tác động ngẫu nhiên (Random Effect Model – REM)
Sự khác biệt giữa mô hình FEM và REM thể hiện ở sự biến động giữa các đơn vị. Sự biến động giữa các đơn vị có tương quan đến biến độc lập trong mô hình ảnh hưởng cố định thì trong mô hình ảnh hưởng ngẫu nhiên sự biến động giữa các đơn vị được giả định là ngẫu nhiên và không có tương quan đến các biến giải thích. Vì vậy, nếu có sự khác biệt giữa các đơn vị có ảnh hưởng đến biến phụ thuộc thì mô hình REM sẽ phù hợp hơn so với mô hình FEM.
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 + εitit
Với 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 νii được cho bởi:
νii = α00 + ωii, với i = 1, 2, …, N
Trong đó, νii lại được phân chia làm hai thành phần: i) thành phần bất định α00, 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) = Var(ωii) = sω2 Cov (ωi, ωs) = 0
N biến ngẫu nhiên ωi được gọi tác động ngẫu nhiên (random effects). Mô hình tác động ngẫu nhiên có thể được viết lại:
YitYit = α00 Xit1Xit1 + β22 Xit2Xit2 + 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.
Để lựa chọn mô hình hồi quy tác động cố định hay mô hình hồi quy tác
động ngẫu nhiên, ta sử dụng kiểm định Hausman (Baltagi (2008), Gujarati (2004). 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 REM là hợp lý theo giả thuyết H0 nhưng lại không phù hợp ở giả thuyết thay
thế. Ước lượng FEM 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 FEM không còn phù hợp và ước lượng REM sẽ ưu tiên được sử dụng.
Căn cứ vào kết quả kiểm định, lựa chọn mô hình phù hợp với số liệu nghiên cứu. Mô hình được sử dụng để phân tích tác động vẫn có khả năng xảy ra các khuyết tật, do vậy cần có các kiểm định để khắc phục những khuyết tật có thể có trong mỗi mô hình ước lượng.
Đối với mô hình FEM có thể xảy ra khuyết tật như phương sai của sai số thay đổi, tự tương quan và đa cộng tuyến. Mô hình REM đã loại bỏ được hiện tượng đa cộng tuyến và tự tương quan, nhưng có thể xảy ra hiện tượng phương sai của sai số thay đổi. Để lựa chọn được mô hình phù hợp và khắc phục những khuyết tật có thể xảy ra thì cần tiến hành các kiểm định.