5. Mức độ phù hợp về mặt hình thức của khóa luận:
3.1.3. Giải thích các biến trong mô hình
3.1.3.1. Biến phụ thuộc
Biến phụ thuộc đƣợc tác giả sử dụng là biến ROA, nó đƣợc đo lƣờng bằng tỷ lệ giữa lợi nhuận sau thuế chia cho tổng tài sản bình quân và đơn vị tính là %.
Trong bốn chỉ tiêu đại diện khả năng sinh lời đƣợc đề cập ở chƣơng 2 thì khi làm nghiên cứu thực nghiệm, rất nhiều nghiên cứu đã sử dụng biến ROA làm biến đại diện cho chỉ tiêu lợi nhuận ngân hàng nhƣ Kawshala, H., & Panditharathna, K. (2017), Gul, S., Irshad, F., & Zaman, K. (2011), Đoàn Việt Hùng (2016), Adama, C. & Apélété, T. (2017),…Bên cạnh đó, nghiên cứu của San, O.T., & Heeng, T.B. (2012) đã chỉ ra biến ROA là biến đáng tin cậy nhất để đo chỉ tiêu lợi nhuận của NHTM.
3.1.3.2. Biến độc lập
3.1.3.2.1. Quy mô ngân hàng
Quy mô ngân hàng là một trong những yếu tố quyết định đến lợi nhuận của ngân hàng và đƣợc đo lƣờng bằng Logarit tự nhiên của tổng tài sản.
Logarit tự nhiên của tổng tài sản sẽ đƣợc tác giả sử dụng để nghiên cứu mối quan hệ giữa quy mô và lợi nhuận của ngân hàng. Nhìn chung, khi gia tăng quy mô tài sản, lợi nhuận ngân hàng sẽ có xu hƣớng tăng theo. Mặt khác, khi gia tăng quy mô tài sản, các ngân hàng thƣờng đa dạng hóa sản phẩm, dịch vụ nhằm đáp ứng đƣợc nhu cầu của nhiều đối tƣợng khách hàng và cũng nhằm giảm thiểu rủi ro tín dụng nhƣng điều này cũng có thể làm giảm lợi nhuận của ngân hàng. Để có thể tối đa hóa lợi nhuận, các ngân hàng cần lựa chọn quy mô hợp lý. Vì vậy, tác giả kì vọng rằng quy mô ngân hàng có tác động cùng chiều lẫn ngƣợc chiều đến lợi nhuận ngân hàng.
3.1.3.2.2. Tỷ lệ tiền gửi khách hàng
Tỷ lệ tiền gửi của khách hàng đƣợc đo lƣờng bằng cách lấy tổng tiền gửi khách hàng chia cho tổng tài sản của một ngân hàng i.
Kawshala, H., & Panditharathna, K. (2017) cho rằng tỷ lệ tiền gửi là nguồn tiền chính của ngân hàng để hoạt động. Ngân hàng càng có nhiều tiền gửi từ khách hàng thì
càng có nhiều cơ hội trong hoạt động tín dụng. Và đó là nguồn hoạt động chính để mang lại lợi nhuận cho ngân hàng. Hơn nữa, nguồn tiền gửi từ khách hàng cũng giúp ngân hàng phòng ngừa rủi ro đáng kể khi hoạt động tín dụng. Do đó, tác giả kỳ vọng rằng tỷ lệ tiền gửi từ khách hàng có tác động cùng chiều đến lợi nhuận của ngân hàng.
3.1.3.2.3. Tỷ lệ các khoản cho vay khách hàng
Tỷ lệ các khoản cho vay khách hàng đƣợc đo lƣờng bằng cách lấy tổng khoản cho vay khách hàng chia cho tổng tài sản của một ngân hàng i.
Tỷ lệ này cho thấy các khoản cho vay chiếm bao nhiêu phần trăm trong tổng tài sản ngân hàng. Dƣ nợ cho vay chiếm tỷ trọng lớn trên tổng tài sản nên có thể đƣợc xem là tiêu chí quan tâm hàng đầu trong điều hành hoạt động kinh doanh của ngân hàng. Tỷ lệ này càng cao cho thấy mức độ hoạt động cho vay của ngân hàng càng ổn định, lợi nhuận ngân hàng đƣợc tăng lên đáng kể. Tuy nhiên, khi cho vay quá nhiều có khả năng sẽ tạo ra các khoản nợ xấu gây ảnh hƣởng đến lợi nhuận ngân hàng. Do đó, yếu tố này đƣợc kì vọng sẽ có tác động hai chiều đối với lợi nhuận.
3.1.3.2.4. Tỷ lệ thanh khoản
Trong mối quan hệ giữa tính thanh khoản và lợi nhuận, chỉ số thanh khoản đƣợc tính bằng cách lấy tiền và các khoản tƣơng đƣơng tiền chia cho tổng tài sản.
Tỷ lệ trên cho ta thấy phần trăm của tiền và các khoản tƣơng đƣơng tiền trong cơcấu tổng tài sản. Tiền và các khoản tƣơng đƣơng tiền có tính thanh khoản cao, cho nên nếu tỷ số càng cao thì mức độ thanh khoản của ngân hàng sẽ càng đƣợc đảm bảo,khi đó, nguồn lợi ngân hàng thu đƣợc tăng lên. Tuy nhiên, các ngân hàng cần phải tốn thêm một khoản chi phí để duy trì khả năng thanh khoản ở mức độ ổn định. Nếu quản lí không hiệu quả khoản chi phí này sẽ làm lợi nhuận ngân hàng giảm. Hơn nữa, các khoản tiền và tƣơng đƣơng tiền có mức độ sinh lời thấp hơn so với các loại tài sản khác. Vì vậy tính thanh khoản đƣợc kì vọng tác động cùng chiều hoặc ngƣợc chiều đến lợi nhuận ngân hàng.
3.1.3.2.5. Tỷ lệ vốn CSH
Tỷ lệ này cho thấy vốn chủ sở hữu đang chiếm bao nhiêu phần trăm trên tổng tài sản của ngân hàng. Vốn chủ sở hữu đóng vai trò quan trọng trong hoạt động của ngân hàng, ảnh hƣởng đến các quyết định kinh doanh, phản ánh quy mô và hiệu quả hoạt động của chính ngân hàng đó, vì vậy ngân hàng cần quản trị tốt nguồn vốn này để tạo ra lợi nhuận kì vọng. Tỷ lệ vốn của ngân hàng càng cao, chi phí sử dụng vốn của ngân hàng càng giảm, và từ đó lợi nhuận của ngân hàng theo đó sẽ tăng lên. Hơn thế nữa, việc gia tăng tỷ lệ vốn cũng có thể mang lại các khoản thu nhập bất ngờ từ việc giảm chi phí đã dự đoán trƣớc từ những nguy cơ về kinh tế (bao gồm cả về phá sản). Vì vậy, nhóm tác giả kì vọng yếu tố này có tác động cùng chiều đến lợi nhuận.
3.1.3.2.6. Tốc độ tăng trƣởng kinh tế GDP
Trong bài nghiên cứu, tác giả sử dụng tốc độ tăng trƣởng GDP để kiểm soát cho các cho kỳ kinh tế vĩ mô. Công thức đo lƣờng tốc độ tăng trƣởng kinh tế đƣợc mô tả ở bảng 3.1.
Nếu tỷ lệ này tăng cao qua các năm là một dấu hiệu tốt, nó cho thấy các cơ hội kinh doanh đƣợc cải thiện, nhu cầu tín dụng sẽ tăng và nhƣ vậy lợi nhuận của ngân hàng cũng tăng cao hơn. Ngƣợc lại, nếu tỷ lệ này âm cho thấy rằng nền kinh tế đang bất ổn, không có sự tăng trƣởng tốt và hoạt động sản xuất kinh doanh cũng sẽ gặp khó khăn theo, nhu cầu cho vay cũng có xu hƣớng giảm nên lợi nhuận của ngân hàng cũng theo đó mà giảm sút. Do đó, tốc độ tăng trƣởng GDP đƣợc kỳ vọng sẽ tác động cùng chiều với lợi nhuận của NHTM.
3.1.3.2.7. Tỷ lệ lạm phát
Trong bài nghiên cứu này, tỷ lệ lạm phát đƣợc đo lƣờng bằng chỉ số giá tiêu dùng CPI, công thức đo lƣờng đƣợc mô tả ở bảng 3.1.
Nhìn chung, lạm phát không phải lúc nào cũng có hại cho nền kinh tế. Nếu nền kinh tế có thể duy trì tỷ lệ lạm phát ở mức vừa phải, có thể nó sẽ có tác dụng mở rộng tín dụng, gia tăng lợi nhuận cho ngân hàng và thúc đẩy tăng trƣởng kinh tế. Tuy nhiên, nếu để lạm phát tăng quá cao (ở mức từ 2-3 con số mỗi năm), nó sẽ để lại hậu quả vô cùng nặng nề cho nền kinh tế. Vì vậy, tỷ lệ lạm phát đƣợc tác giả kỳ vọng sẽ tác động hai chiều đến lợi nhuận của NHTM.
3.2. Dữ liệu nghiên cứu
Theo nhƣ thống kê của Ngân hàng Nhà nƣớc Việt Nam đƣợc cập nhật vào ngày 31/12/2019 hiện tại có tất cả 32 NHTM trong nƣớc, nhƣng chỉ lấy 27 NHTMCP, bỏ đi 5 ngân hàng: Ngân hàng Đai chúng Viêt Nam (Pvcombank), Ngân hàng TMCP Bảo Viê (Baoviet Bank); Ngân hàng TMCP Bắc (Bac A Bank); Ngân hàng TMCP Đông (EAB); Ngân hàng TMCP Viêt Nam Thƣơng Tín (Vietbank) do không có đủ dữ liêu giai đoạn đƣơc nghiên cứu. Mẫu quan sát đƣợc lấy theo năm bắt đầu từ năm 2008 đến năm 2019. Nhóm tác giả quyết định chọn giai đoạn này vì đề tài này muốn nghiên cứu các NHTM sau giai đoạn khủng hoảng năm 2008 cho đến thời điểm mới nhất gần đây đƣợc cập nhật số liệu. Số liệu chỉ tiêu lợi nhuận ROA và các biến vi mô (quy mô ngân hàng, vốn chủ sở hữu, tính thanh khoản, quy mô tín dụng, chi phí hoạt động) đƣợc thu thấp từ các báo cáo tài chính hợp nhất, báo cáo kiểm toán hợp nhất, báo cáo thƣờng niên theo chuẩn mực kế toán và các báo cáo này đƣợc trình bày trên các trang web chính thống của ngân hàng.
B ng 3.2. Danh sách tất c các NHTM được n hiên cứu đề cập
STT Tên ngân hàng Tên tiếng Anh Tên viết tắt Mã chứng khoán
1 Ngân hàng An
Bình An Binh Bank ABBANK ABB
2 Ngân hàng Châu
Asia Commercial
Joint Stock Bank ACB ACB
3 Ngân hàng Nôngnghiệp và Phát triển Nông Thôn
Vietnam Bank for Agricultural and Rural Development
Agribank AGR
4 Đầu tƣ và Phát triển Việt Nam
JSC Bank for Investment and Development of Vietnam
BIDV, BID BID
5 Ngân hàng BảnViệt Viet Capital Bank VietCapitalBank BVB
6 Công Thƣơng Việt Nam Vietnam Joint StockCommercial Bank for Industry and
Trade
7 Xuất Nhập khẩuViệt Nam
Vietnam Joint Stock Commercia
lVietnam Export Import Bank
Eximbank, EIB EIB
8
Phát triển nhà Thành phố Hồ Chí Minh
Ho Chi Minh City Housing
Development Bank HDBank HDB
9 Kiên Long
Kien Long Commercial Joint
Stock Bank KienLongBank KLB
10 Bƣu điện Liên Việt Joint stock commercial Lien Viet postal bank
LienVietPostBank
, LPB LPB
11 Quân đội Military Commercial Joint Stock Bank
Military Bank,
MB MBB
12 Hàng Hải ViệtNam
Vietnam Maritime Joint - Stock
Commercial Bank MSB MSB
13 Nam Á Nam A Bank Nam A Bank NAB
14 Quốc Dân National CitizenBank National CitizenBank, NCB NCB
15 Phƣơng Đông Orient CommercialJoint Stock Bank Orient Commercial Bank, OCB OCB 16 Xăng dầu Petrolimex Joint Stock Commercia Petrolimex Bank Petrolimex Group Bank, PG Bank PGB 17 Sài Gòn Sai Gon
Commercial Bank Sài Gòn, SCB SCB 18 Ngân hàng ĐôngNam Á South East AsiaBank SeABank SeABank 19 Sài Gòn CôngThƣơng Sai Gon Thuong TinBank Saigonbank, SGB SGB 20 Sài Gòn-Hà Nội Saigon - Hanoi SHBank, SHB SHB
Commercial Joint Stock Bank 21 Sài Gòn Thƣơng
Tín
Sai Gon Thuong Tin Commercial Joint Stock Bank
Sacombank, STB STB
22 Kỹ Thƣơng Việt Nam
VietNam Technological and Commercial Joint Stock Bank Techcombank, TCB TCB
23 Ngân hàng TiênPhong Tien Phong Bank TPBank TPB
24 Việt Á Viet A Bank VietABank, VAB VAB
25 Ngoại thƣơng Việt Nam
JSC Bank for Foreign Trade of Vietnam Vietcombank,VC B VCB 26 Quốc tế Vietnam International and Commercial Joint Stock Bank
VIBBank, VIB VIB
27 Việt Nam ThịnhVƣợng Vietnam ProsperityBank VPBank VPB
Nguồn: Tác giả tổng hợp Bên cạnh dữ liệu các biến vi mô đƣợc nêu trên, dữ liệu các biến vĩ mô nhƣ tốc độ
tăng trƣởng GDP và tỷ lệ lạm phát đƣợc tác giả lấy từ Tổng cục thống kê Việt Nam (GSO), WorldBank và IMF (Quỹ tiền tệ quốc tế).
3.3. Phƣơng pháp nghiên cứu
Để đạt đƣợc mục tiêu nghiên cứu đƣợc đề ra, tác giả sử dụng phƣơng pháp nghiên cứu là hồi quy dữ liệu bảng (panel data). Chi tiết quy trình thực hiện đƣợc mô tả ở sơ đồ nhƣ sau:
Sơ đồ 3.1. Quy trình thực hiện ước lượng hồi quy
Nguồn: Tổng hợp của tác giả Để thực hiện quy trình nhƣ trên, tác giả sử dụng phần mềm hỗ trợ là Stata 14.0 để thực hiện ƣớc lƣợng mô hình và kiểm định mô hình. Chi tiết từng bƣớc đƣợc mô tả nhƣ sau:
Bƣớc 1: Thống kê mô tả dữ liệu
Thống kê mô tả đƣợc sử dụng nhằm mô tả những đặc tính cơ bản của dữ liệu thu thập đƣợc từ nghiên cứu qua các cách thức khác nhau. Qua thống kê mô tả này trình bày đƣợc giá trị trung bình của các biến thông qua tiêu chí giá trị trung bình, giá trị nhỏ nhất và giá trị lớn nhất, giá trị trung vị và sai số chuẩn giữa các giá trị. Thông qua các tiêu chí đƣợc thống kê đó, ta có thể hiểu đƣợc các hiện tƣợng và đƣa quyết định đúng đắn về chuỗi dữ liệu nghiên cứu.
Bƣớc 2: Kiểm định mô hình Pooled OLS, FEM và REM
Hồi quy dữ liệu bảng sử dụng ba phƣơng pháp chính, đó là phƣơng pháp Pooled OLS, phƣơng pháp tác động cố định (FEM) và phƣơng pháp tác động ngẫu nhiên (FEM).
Phương pháp Pooled OLS thực chất là việc sử dụng dữ liệu bảng để phân tích bằng hình thức sử dụng tất cả dữ liệu theo cách xếp chồng và không phân biệt từng đơn vị chéo riêng. Đây là phƣơng pháp thông thƣờng và đơn giản nhất, tƣơng tự nhƣ việc phân tích OLS bình thƣờng, không kể đến kích thƣớc không gian và thời gian của dữ liệu. Mô hình Pooled OLS đƣợc cụ thể nhƣ sau:
𝐿iiiiiiiiiiiiiii=�1+ 𝐿1𝐿1iiiiiiiiiiiiii i + 𝐿2𝐿2iiiiiiiiiiiiii i+. . +++++++++++++++ 𝐿𝐿iiiiiiiiiiiiiii + +++++++++++++++ iiiiiiiiiiiiiii
Trong đó 𝐿iiiiiiiiiiiiiii là biến phụ thuộc của quan sát i trong thời kỳ t, 𝐿iiiiiiiiiiiiiii là biến độc lập của quan sát k trong thời kỳ k.
Mô hình này có một số nhƣợc điểm, đó là nhận diện sai thể hiện ở Durbin – Watson (DW) và ràng buộc quá chặt về các đơn vị chéo, điều này khó xảy ra so với thực tế. Vì thế, để khắc phục các nhƣợc điểm trên, mô hình FEM và REM đƣợc sử dụng.
Để thể hiện tác động đặc trƣng của mỗi đơn vị chéo đến biến phụ thuộc nhằm cho tung độ gốc thay đổi đối với mỗi đơn vị nhƣng hệ số độ dốc không thay đổi. Phƣơng pháp đó đƣợc gọi là phƣơng pháp hồi quy theo mô hình tác động cố định (FEM), nghĩa là tung độ gốc có thể khác nhau giữa các đơn vị chéo nhƣng không thay đổi theo thời gian.
Với giả định mỗi đơn vị đều có những đặc điểm riêng biệt có thể ảnh hƣởng đến các biến giải thích, FEM phân tích mối tƣơng quan này giữa phần dƣ của mỗi đơn vị với các biến giải thích qua đó kiểm soát và tách ảnh hƣởng của các đặc điểm riêng biệt
(không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ƣớc lƣợng những
ảnh hƣởng thực (net effects) của biến giải thích lên biến phụ thuộc. Mô hình FEM có dạng nhƣ sau:
𝐿iiiiiiiiiiiiiii = 𝐿i + 𝐿𝐿iiiiiiiiiiiiiii + +++++++++++++++iiiiiiiiiiiiiii
Trong đó 𝐿iiiiiiiiiiiiiii là biến phụ thuộc của quan sát i trong thời gian t, 𝐿iiiiiiiiiiiiiii là biến độc lập của quan sát i trong thời gian t, 𝐿i là hệ số chặn cho từng đơn vị nghiên cứu, 𝐿 là hệ số góc đối với nhân tố x và 𝐿iiiiiiiiiiiiiiilà phần dƣ.
Điểm khác biệt giữa mô hình ảnh hƣởng ngẫu nhiên và mô hình ảnh hƣởng cố định đƣợc thể hiện ở sự biến động giữa các đơn vị. Nếu sự biến động giữa các đơn vị có tƣơng quan đến biến độc lập – biến giải thích trong mô hình ảnh hƣởng cố định thì trong mô hình ảnh hƣởng ngẫu nhiên sự biến động giữa các đơn vị đƣợc giả sử là ngẫu nhiên và không tƣơng quan đến các biến giải thích.
Chính vì vậy, nếu sự khác biệt giữa các đơn vị có ảnh hƣởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM. Trong đó, phần dƣ của mỗi thực thể (không tƣơng quan với biến giải thích) đƣợc xem là một biến giải thích mới.
Ý tƣởng của mô hình REM cũng bắt đầu từ mô hình nhƣ sau:
𝐿iiiiiiiiiiiiiii = 𝐿i + 𝐿𝐿iiiiiiiiiiiiiii + +++++++++++++++iiiiiiiiiiiiiii
Thay vì trong mô hình trên, 𝐿i là cố định thì trong REM có giả định rằng nó là một biến ngẫu nhiên với trung bình là C1 và giá trị hệ số chặn đƣợc mô tả nhƣ sau
𝐿i = 𝐿 + si (i = 1, … , 𝐿)
Trong đó si là sai số ngẫu nhiên có trung bình bằng 0 và phƣơng sai là 2. Thay vào mô hình tác giả đƣợc:
𝐿iiiiiiiiiiiiiii = 𝐿 + 𝐿𝐿iiiiiiiiiiiiiii + siiiiiiiiiiiiiii + 𝐿iiiiiiiiiiiiiii hay 𝐿iiiiiiiiiiiiiii = 𝐿 + 𝐿𝐿iiiiiiiiiiiiiii + 𝐿iiiiiiiiiiiiiii và 𝐿iiiiiiiiiiiiiii= siiiiiiiiiiiiiii + 𝐿iiiiiiiiiiiiiii
Trong đó siiiiiiiiiiiiiii là sai số thành phần của các đối tƣợng khác nhau (đặc điểm khác nhau của từng doanh nghiệp) và 𝐿iiiiiiiiiiiiiii là sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng đối tƣợng và theo thời gian.
So với phƣơng pháp FEM, phƣơng pháp REM có thể khắc phục toàn bộ nhƣợc điểm của phƣơng pháp FEM nhƣng REM coi mỗi đặc điểm riêng của các đơn vị si không tƣơng
quan với các biến độc lập. Do đó nếu xảy ra hiện tƣợng này thì REM ƣớc lƣợng không còn chính xác.
Bƣớc 3: Kiểm định các hệ số hồi quy phù hợp với mô hình
Đầu tiên tác giả sẽ thực hiện kiểm định thừa biến để loại bỏ những biến không cần thiết ra khỏi mô hình. Các biến đƣợc sử dụng là các biến không có ý nghĩa thống kê từ kết quả ƣớc lƣợng của các mô hình Pooled OLS, FEM và REM. Để thực hiện, tác giả sử dụng kiểm định Wald để kiểm tra sự cần thiết của các biến không có ý nghĩa thống kê đối với mô hình.
Sau khi loại bỏ biến thừa (nếu có), tác giả sẽ chạy lại mô hình phù hợp đƣợc lƣa