4.3.1. Kết quả phân tích hồi quy
Tác giả sẽ thực hiện tuần tự các phương pháp hồi quy OLS, FEM và REM, cùng các kiểm định lựa chọn mô hình tương ứng như F-test (Pooling test), Hausman test để lựa chọn giữa các cặp mô hình OLS – FEM – REM.
Bảng 4.4. Tổng hợp kết quả hồi quy của 3 mô hình OLS, FEM, REM
Mô hình OLS FEM REM
Biến Coef. P > |�| Coef. P > |�| Coef. P > |�|
SIZE -0.06716* 0.096 0.28970*** 0.003 0.02099 0.716 CAP 0.41489 0.347 1.29234*** 0.006 0.75537* 0.085 ROE 0.65986*** 0.002 0.30591 0.215 0.61020*** 0.006 LPR 0.70780 0.620 -1.83276 0.225 -1.10032 0.447 NPL -5.31844*** 0.000 -4.72507*** 0.000 -4.97105*** 0.000 LDR -1.20774*** 0.000 -1.16290*** 0.000 -1.13441*** 0.000 GDP -3.84020*** 0.000 -2.63560*** 0.007 -3.20216*** 0.001 INF 1.48731*** 0.000 2.06388*** 0.000 1.62144*** 0.000 UNE -8.63702* 0.085 -16.73063*** 0.001 -10.01988** 0.026 R2 hiệu chỉnh 0.6228 0.4534 0.6213 n 272 quan sát
Ghi chú: ***, **, * có ý nghĩa thống kê lần lượt ở mức 1%, 5% và 10%
Nguồn: Kết quả từ phần mềm Stata 15
Kết quả hồi quy theo mô hình OLS thể hiện ở bảng 4.4 cho thấy biến CAP và LPR không có ý nghĩa thống kê trong mô hình. Biến độc lập SIZE và UNE có tác động đến biến phụ thuộc LIQ với mức ý nghĩa 10%. Các biến ROE, NPL, LDR, GDP và INF có ý nghĩa thống kê với mức ý nghĩa 1% trong việc giải thích sự thay đổi của LIQ. Hệ số R2 hiệu chỉnh bằng 0.6228 có nghĩa 7 biến độc lập trên giải thích được 62.28% sự biến thiên của biến phụ thuộc LIQ.
Kết quả hồi quy theo mô hình FEM thể hiện ở bảng 4.4 cho thấy ngoại trừ 2 biến ROE và LPR không có ý nghĩa thống kê trong mô hình, tất cả các biến độc lập còn lại bao gồm SIZE, CAP, NPL, LDR, GDP, INF và UNE đều có ý nghĩa thống kê với mức ý nghĩa 1% trong việc giải thích sự thay đổi của LIQ. Hệ số R2 hiệu chỉnh
bằng 0.4534 có nghĩa 7 biến độc lập trên giải thích được 45.34% sự biến thiên của biến phụ thuộc LIQ.
Kết quả hồi quy theo mô hình REM thể hiện ở bảng 4.4 cho thấy 2 biến SIZE và LPR không có ý nghĩa thống kê trong mô hình. Biến độc lập CAP và UNE có tác động đến biến phụ thuộc LIQ với mức ý nghĩa lần lượt là 10% và 5%. Các biến ROE, NPL, LDR, GDP và INF có ý nghĩa thống kê với mức ý nghĩa 1% trong việc giải thích sự thay đổi của LIQ. Hệ số R2 hiệu chỉnh bằng 0.6213 có nghĩa 7 biến độc lập trên giải thích được 62.13% sự biến thiên của biến phụ thuộc LIQ.
Nhìn chung, có tất cả 5 biến độc lập có ý nghĩa thống kê trong cả 3 mô hình là NPL, LDR, GDP, INF và UNE. Các biến SIZE, CAP, ROE có tác động đến biến phụ thuộc LIQ trong 2/3 mô hình. Cả 3 mô hình đều cho ra kết quả không có mối liên hệ giữa biến LPR và tính thanh khoản LIQ.
4.3.2. Các kiểm định lựa chọn mô hình
Kiểm định sự không đồng nhất (Pooling test)
Kiểm định này dùng để so sánh giữa mô hình OLS và FEM/REM. Kiểm định được tiến hành với hai giả thuyết như sau:
H0: Không tồn tại tác động đặc trưng giữa các đối tượng (Pooled OLS phù hợp) H1: Tồn tại tác động đặc trưng giữa các đối tượng (FEM/REM phù hợp)
Bảng 4.5. Kết quả kiểm định sự không đồng nhất
F test that all u_i = 0:
F(25, 237) = 5.76 Prob > F = 0.0000
Nguồn: Kết quả từ phần mềm Stata 15
Với mức ý nghĩa 5%, ta thấy giá trị Prob = 0.0000 < 5% Bác bỏ H0 Tồn tại
Kiểm định Hausman
Kiểm định này dùng để so sánh tiếp giữa FEM và REM. Kiểm định được tiến hành với hai giả thuyết như sau:
H0: Không có tương quan giữa các biến và thành phần ngẫu nhiên, mô hình REM
phù hợp hơn
H1: Có tương quan giữa các biến và thành phần ngẫu nhiên, mô hình FEM phù hợp
hơn
Bảng 4.6. Kết quả kiểm định Hausman
Hausman test
H0: Difference in coefficients not systematic chi2 (9) = 15.53
Prob > chi2 = 0.0774
Nguồn: Kết quả từ phần mềm Stata 15
Với mức ý nghĩa 5%, ta thấy giá trị Prob = 0.0774 > 5% Chấp nhận H0 Không có tương quan giữa các biến và thành phần ngẫu nhiên, mô hình phù hợp là REM.
4.4. Các kiểm định chẩn đoán
4.4.1. Kiểm định hiện tượng đa cộng tuyến VIF
Bảng 4.7. Kết quả kiểm định đa cộng tuyến VIF
Biến VIF 1/VIF
SIZE 3.10 0.3224 CAP 2.46 0.4066 ROE 1.77 0.5660 LDR 1.63 0.6150 INF 1.53 0.6521 UNE 1.40 0.7154 LPR 1.23 0.8162 NPL 1.17 0.8534 GDP 1.15 0.8722 Mean VIF 1.71
Hệ số phóng đại phương sai VIF (Variance Inflation Factor) của tất cả các biến độc lập đều nhỏ hơn 10, giá trị trung bình VIF = 1.71 < 2 nên trong mô hình không có hiện tượng đa cộng tuyến xảy ra.
4.4.2. Kiểm định phương sai sai số thay đổi
Bảng 4.8. Kết quả kiểm định phương sai sai số thay đổi
Breusch and Pagan Lagrangian multiplier test for random effects chibar2 (01) = 85.18
Prob > chibar2 = 0.0000
Nguồn: Kết quả từ phần mềm Stata 15
Với mức ý nghĩa 5%, ta thấy giá trị Prob = 0.0000 < 5% Bác bỏ H0 Có xảy ra phương sai sai số thay đổi.
4.4.3. Kiểm định tự tương quan
Bảng 4.9. Kết quả kiểm định tự tương quan
Wooldridge test for autocorrelation in panel data H0: no first-order autocorrelation
F(1, 24) = 25.920 Prob > F = 0.0000
Nguồn: Kết quả từ phần mềm Stata 15
Với mức ý nghĩa 5%, ta thấy giá trị Prob = 0.0000 < 5% Bác bỏ H0 Có xảy ra hiện tượng tự tương quan.
4.5. Kết quả hồi quy theo phương pháp GLS
Vì mô hình REM được chọn tồn tại cả hai khuyết tật phương sai thay đổi và tự tương quan nên tiến hành khắc phục mô hình bằng cách sử dụng mô hình GLS để ước lượng lại.
Bảng 4.10. Kết quả hồi quy cuối cùng bằng mô hình GLS Biến Coef. P > |�| SIZE -0.06716* 0.089 CAP 0.41489 0.337 ROE 0.65986*** 0.001 LPR 0.70780 0.613 NPL -5.31844*** 0.000 LDR -1.20774*** 0.000 GDP -3.84020*** 0.000 INF 1.48731*** 0.000 UNE -8.63702* 0.078 _cons 2.23231 0.000
Ghi chú: ***, **, * có ý nghĩa thống kê lần lượt ở mức 1%, 5% và 10%
Nguồn: Kết quả từ phần mềm Stata 15
Qua bảng 4.10, mô hình hồi quy có thể viết ra và phát biểu như sau:
��� = .� ���� − .� �������� + .� ������� − .� ������� − .� �������
− .� ������� + .� ������� − .� ������
Kết quả hồi quy mô hình cho thấy các biến độc lập có ý nghĩa thống kê ở mức 1%, 5%, 10% thể hiện có mối quan hệ giữa các biến độc lập và biến phụ thuộc LIQ. Mức độ và chiều hướng tác động của các biến độc lập thể hiện qua hệ số hồi quy. Cụ thể:
Mô hình có 7 biến độc lập có ý nghĩa thống kê lần lượt ở mức 1% là ROE, NPL, LDR, GDP, INF và mức 10% là SIZE và UNE. Các biến có mối quan hệ cùng chiều với biến phụ thuộc LIQ là ROE và INF. Các biến có mối quan hệ ngược chiều
với LIQ là SIZE, NPL, LDR, GDP và UNE. Nghiên cứu không tìm được mối quan hệ giữa CAP và LPR đối với LIQ.
Bảng 4.11. So sánh kết quả kiểm định thực nghiệm với giả thuyết Biến Giả thuyết Dấu kỳ vọng Kết quả Mức ý nghĩa SIZE 1 +/- - Có (10%) CAP 2 + + Không ROE 3 - + Có (1%) LPR 4 - + Không NPL 5 - - Có (1%)
DEP 6 + Loại vì đa cộng tuyến
LDR 7 - - Có (1%)
GDP 8 - - Có (1%)
INF 9 + + Có (1%)
UNE 10 +/- - Có (10%)
Nguồn: Tổng hợp từ tác giả
4.6. Thảo luận kết quả hồi quy
Sau đây là những phân tích về tác động của các nhân tố đến khả năng thanh khoản của 25 NHTMCP Việt Nam giai đoạn 2010 – 2020.
4.6.1. Tác động của quy mô ngân hàng đến tính thanh khoản
Trong mô hình, biến quy mô SIZE có hệ số hồi quy là -0.0672 với độ tin cậy đạt 90% và mức ý nghĩa là 10%. Trong điều kiện các yếu tố khác không thay đổi, quy mô ngân hàng tăng 1 đơn vị sẽ làm tính thanh khoản giảm 0.0672 đơn vị. Như vậy, quy mô ngân hàng có tác động yếu và ngược chiều đến khả năng thanh khoản của ngân hàng.
Kết quả nghiên cứu phù hợp với kỳ vọng của tác giả, chấp nhận giả thuyết 1: quy mô ngân hàng càng tăng thì khả năng thanh khoản càng giảm. Các ngân hàng lớn
đóng vai trò quan trọng trong nền kinh tế sẽ nhận được sự giúp đỡ và viện trợ từ NHTW nên các ngân hàng này sẽ nảy sinh tâm lý ỷ lại và không ưu tiên việc dự trữ tài sản thanh khoản. Cụ thể các ngân hàng trực thuộc nhà nước như BIDV, VietinBank, Vietcombank có giá trị quy mô cao nhưng tỷ lệ thanh khoản trong giai đoạn nghiên cứu cao nhất chỉ đạt 56.79%, thấp hơn tỷ lệ trung bình là 59.59%. Ngược lại, các ngân hàng với quy mô nhỏ thường gặp khó khăn khi tiếp cận các nguồn tài chính. Vì vậy các ngân hàng nhỏ thường nắm giữ một lượng tài sản thanh khoản nhất định. Cụ thể, các ngân hàng như Bản Việt, Kiên Long, Nam Á có mức thanh khoản lớn hơn 1 (trên 100%). Kết quả ước lượng này phù hợp và tương tự kết quả nghiên cứu của các tác giả như Vodová (2013); Moussa (2015); Singh & Sharma (2016) và Nguyễn Thị Tuyết Nga (2019).
4.6.2. Tác động của khả năng sinh lời đến tính thanh khoản
Trong mô hình, biến khả năng sinh lời ROE có hệ số hồi quy là 0.6599 với độ tin cậy đạt 99% và mức ý nghĩa là 1%. Trong điều kiện các yếu tố khác không thay đổi, tỷ lệ vốn chủ sở hữu tăng 1 đơn vị sẽ làm tính thanh khoản tăng 0.6599 đơn vị. Như vậy, khả năng sinh lời có tác động mạnh và cùng chiều đến khả năng thanh khoản của ngân hàng.
Kết quả nghiên cứu không phù hợp với kỳ vọng của tác giả, bác bỏ giả thuyết 3 nên khả năng sinh lời càng tăng thì khả năng thanh khoản càng tăng. Khả năng thanh khoản của ngân hàng tăng khi ROE tăng có thể được giải thích bởi các lý do sau. Thứ nhất, lợi nhuận sau thuế ngân hàng tạo ra dùng để trang trải chi phí hoạt động và đáp ứng yêu cầu rút tiền từ khách hàng, giải ngân các khoản cấp tín dụng; hoặc tích lũy lợi nhuận đó và chuyển sang thành tài sản thanh khoản như một nguồn cung thanh khoản dự trữ. Do đó, ngân hàng tạo ra nhiều lợi nhuận sau thuế sẽ củng cố khả năng thanh khoản của ngân hàng. Thứ hai, ngân hàng có tỷ suất ROE cao thể hiện hiệu quả hoạt động của ngân hàng, tạo dựng lòng tin và uy tín đối với khách hàng và nhà đầu tư. Điều này sẽ giúp ngân hàng thuận lợi hơn trong việc huy động vốn dẫn đến nâng cao khả năng thanh khoản. Kết quả này tương tự kết quả nghiên
cứu của các tác giả như Vũ Thị Hồng (2015); Singh & Sharma (2016); Mai Thị Phương Thùy & Bùi Thị Điệp (2018); Phạm Quốc Việt & Nguyễn Văn Vinh (2019).
4.6.3. Tác động của tỷ lệ nợ xấu đến tính thanh khoản
Trong mô hình, biến tỷ lệ nợ xấu NPL có hệ số hồi quy là -5.3184 với độ tin cậy đạt 99% và mức ý nghĩa là 1%. Trong điều kiện các yếu tố khác không thay đổi, tỷ lệ nợ xấu tăng 1 đơn vị sẽ làm tính thanh khoản giảm 5.3184 đơn vị. Như vậy, tỷ lệ nợ xấu có tác động mạnh và ngược chiều đến khả năng thanh khoản của ngân hàng.
Kết quả nghiên cứu phù hợp với kỳ vọng của tác giả, chấp nhận giả thuyết 5: tỷ lệ nợ xấu càng tăng thì khả năng thanh khoản càng giảm. Hoạt động cho vay khách hàng là khoản mục chiếm tỷ trọng lớn nhất trong tổng tài sản trên bảng cân đối kế toán ngân hàng và thu nhập từ hoạt động này luôn chiếm 70-80% trên tổng thu nhập của các NHTM (Nguyễn Thị Gấm, Nguyễn Thanh Tùng & Phạm Thanh Hưng, 2017). Vì vậy, những khoản nợ xấu khó thu hồi sẽ làm giảm thu nhập của ngân hàng do ngân hàng không thu được gốc và lãi từ người đi vay nhưng vẫn phải trả lãi tiền gửi cho khách hàng. Hơn nữa, những khoản nợ xấu không thu hồi được tương đương với khoản tiền gửi khách hàng bị mất đi do ngân hàng sử dụng tiền gửi huy động để cho vay. Kết quả này tương tự kết quả nghiên cứu của các tác giả như Luchetta (2007); Arif & Anees (2012); Phạm Quốc Việt & Nguyễn Văn Vinh (2019); Joseph & cộng sự (2012).
4.6.4. Tác động của tỷ lệ cho vay đến tính thanh khoản
Trong mô hình, biến tỷ lệ cho vay LDR có hệ số hồi quy là -1.2077 với độ tin cậy đạt 99% và mức ý nghĩa là 1%. Trong điều kiện các yếu tố khác không thay đổi, tỷ lệ cho vay tăng 1 đơn vị sẽ làm tính thanh khoản giảm 1.2077 đơn vị. Như vậy, tỷ lệ cho vay có tác động mạnh và ngược chiều đến khả năng thanh khoản của ngân hàng.
Kết quả nghiên cứu phù hợp với kỳ vọng của tác giả, chấp nhận giả thuyết 7: tỷ lệ cho vay càng tăng thì khả năng thanh khoản càng giảm. Các ngân hàng thường tập trung nguồn vốn vào hoạt động cho vay do thu nhập chủ yếu của các ngân hàng
đến từ hoạt động này. Các khoản này thường có tính thanh khoản thấp hơn so với tiền mặt hay chứng khoán, do vậy tỷ lệ cho vay càng lớn thì tính thanh khoản của ngân hàng càng giảm. Hơn nữa, tổng nguồn vốn huy động được chủ yếu là trong ngắn hạn, ngân hàng cho vay nhiều thì phần còn lại tài trợ cho các tài sản thanh khoản sẽ ít hơn và khả năng thanh khoản sẽ giảm. Kết quả này tương tự kết quả nghiên cứu của các tác giả như Aspachs & cộng sự (2005); Lucchetta (2007); Vũ Thị Hồng (2015); Nguyễn Thị Ngọc Diệp & Nguyễn Thanh Lâm (2016).
4.6.5. Tác động của tỷ lệ tăng trưởng kinh tế đến tính thanh khoản
Trong mô hình, biến tỷ lệ tăng trưởng kinh tế GDP có hệ số hồi quy là -3.8402 với độ tin cậy đạt 99% và mức ý nghĩa là 1%. Trong điều kiện các yếu tố khác không thay đổi, tỷ lệ tăng trưởng kinh tế tăng 1 đơn vị sẽ làm tính thanh khoản giảm 3.8402 đơn vị. Như vậy, tỷ lệ tăng trưởng kinh tế có tác động mạnh và ngược chiều đến khả năng thanh khoản của ngân hàng.
Kết quả nghiên cứu phù hợp với kỳ vọng của tác giả, chấp nhận giả thuyết 8: tỷ lệ tăng trưởng kinh tế càng tăng thì khả năng thanh khoản càng giảm. Khi kinh tế tăng trưởng, các nhu cầu về tín dụng và các sản phẩm dịch vụ khác của ngân hàng tăng theo, khả năng nắm giữ tài sản thanh khoản sẽ thấp do các NHTM thực hiện hoạt động cho vay nhiều hơn để đáp ứng nhu cầu của khách hàng thay vì chú trọng về đảm bảo vốn. Điều này đúng với diễn biến thời gian nghiên cứu, trong giai đoạn hậu khủng hoảng từ 2010 – 2013 tình hình kinh tế có nhiều biến động giảm nên tỷ lệ nắm giữ tài sản thanh khoản của các NHTM khá cao và trên mức trung bình. Tuy nhiên từ giai đoạn 2014 – 2019 nền kinh tế có sự khởi sắc và tăng trưởng ổn định nên tỷ lệ thanh khoản của các ngân hàng có xu hướng giảm dần. Kết quả này tương tự kết quả nghiên cứu của các tác giả như Aspachs & cộng sự (2005); Vodová (2011); Moussa (2015); Singh & Sharma (2016) và Nguyễn Thị Tuyết Nga (2019).
4.6.6. Tác động của tỷ lệ lạm phát đến tính thanh khoản
Trong mô hình, biến tỷ lệ lạm phát INF có hệ số hồi quy là 1.4873 với độ tin cậy đạt 99% và mức ý nghĩa là 1%. Trong điều kiện các yếu tố khác không thay đổi,
tỷ lệ lạm phát tăng 1 đơn vị sẽ làm tính thanh khoản tăng 1.4873 đơn vị. Như vậy, tỷ lệ lạm phát có tác động mạnh và cùng chiều đến khả năng thanh khoản của ngân hàng.
Kết quả nghiên cứu phù hợp với kỳ vọng của tác giả, chấp nhận giả thuyết 9: