Kết quả mô hình hồi quy phƣơng pháp Pooled OLS
Bảng 4.4 - Kết quả hồi quy theo phương pháp Pooled OLS
Nguồn: Tong hợp từ kết quả phân tích dữ liệu bằng Stata
Kết quả ƣớc lƣợng mô hình theo phƣơng pháp Pooled OLS cho thấy các hệ số hồi quy RC, OETA có ý nghĩa thống kê với các mức ý nghĩa 1% và biến BL, CPI
có mức ý nghĩa 5%, biến SIZE có ý nghĩa mức 10%. Các biến còn lại bao gồm: LIQ, PRCF, GDP không có ý nghĩa thống kê. Mức độ giải thích của mô hình là 0.2543 với ý nghĩa là các nhân tố biến độc lập giải thích đƣợc 25.43% biến thiên của biến phụ thuộc ROA.
Đối với các mô hình hồi quy tuyến tính mà dữ liệu bảng thì để tăng sự phù hợp của mô hình và đánh giá đƣợc tác động chéo của các biến thời gian và từng ngân hàng, cần phân tích hồi quy với hiệu ứng cố định hay với tác động ngẫu nhiên. Điều này đã đƣợc chứng minh qua nhiều nghiên cứu. Do đó, tác giả tiến hành hồi quy mô hình tuyến tính với các hiệu ứng cố định và tác động ngẫu nhiên nhằm đánh giá và lựa chọn mô hình phù hợp.
Kết quả mô hình hồi quy với tác động cố định (Fixed Effect
Bảng 4.5 - Kết quả mô hình FEM
Nguồn: Tong hợp từ kết quả phân tích dữ liệu bằng Stata
Kết quả từ mô hình hồi quy với tác động cố định cho thấy:
- Kiểm định F có hệ số hồi quy F = 15.10 với mức ý nghĩa 1%. Kết quả này hàm ý rằng giả thiết về các hệ số hồi quy đồng thời bằng không đều bị bác bỏ với mức ý nghĩa 1%. Nghĩa là mô hình này phù hợp và có ý nghĩa thống kê.
- Kết quả hồi quy tuyến tính có hệ số xác định R2 là 0.4125. Kết quả này hàm ý rằng, các biến độc lập đã đƣa vào mô hình giải thích đƣợc 41.25% sự thay đổi của biến phụ thuộc ROA.
- Coef là hệ số tác động của các biến độc lập lên biến phụ thuộc ROA.
- P>| | cho biết ý nghĩa thống kê của biến độc lập trong mối quan hệ với biến phụ thuộc ROA. Trong đó, biến RC, BL, OETA, CPI có ý nghĩa thống kê ở mức 1%, LIQ có mức ý nghĩa 10%, các biến còn lại bao gồm SIZE, PRCF, GDP không có ý nghĩa thống kê trong mô hình.
Bảng 4.6 - Kết quả mô hình REM
Nguồn: Tong hợp từ kết quả phân tích dữ liệu bằng Stata
Kết quả từ mô hình hồi quy với tác động ngẫu nhiên cho thấy:
- Kết quả hồi quy tuyến tính có hệ số xác định R2 là 0.4022. Kết quả này hàm ý rằng, các biến độc lập đã đƣa vào mô hình giải thích đƣợc 40.22% sự thay đổi của biến phụ thuộc ROA.
- Thống kê prob>chi2 = 0.0000. Kết quả này hàm ý rằng giả thiết về các hệ số hồi quy đồng thời bằng không đều bị bác bỏ với mức ý nghĩa 1%. Nghĩa là mô hình này phù hợp và có ý nghĩa thống kê.
- Coef là hệ số tác động của biến độc lập lên biến phụ thuộc ROA. P>| | cho biết ý nghĩa thống kê của biến độc lập trong mối quan hệ với biến phụ thuộc
ROA. Trong đó, biến RC, BL, OETA có ý nghĩa thống kê ở mức 1%, biến CPI có ý nghĩa 5%, các biến còn lại không có ý nghĩa thống kê.
Lựa chọn mô hình Random Effect hay mô hình Fix Effect
Để quyết định lựa chọn mô hình Random Effect hay mô hình Fix Effect, tác giả sử dụng kiểm định Hausman:
Bảng 4.7 - Kết quả kiểm định Hausman
Nguồn: Tong hợp từ kết quả phân tích dữ liệu bằng Stata
Kết quả kiểm định Hausman cho thấy giả thuyết Ho: “Sự khác biệt trong các hệ số hồi quy không có tính hệ thống” bị bác bỏ ở mức ý nghĩa 5%, vì prob>chi2 = 0.0536 > 5%. Kết quả này hàm ý rằng, mô hình tác động ngẫu nhiên là mô hình phù hợp hơn so với mô hình tác động cố định.
Nhƣ vậy, hồi quy với mô hình Random Effect sẽ mang lại kết quả tốt nhất. Do đó, những phần tiếp theo sau đây tác giả sẽ thảo luận kết quả hồi quy này trên cơ sở mô hình tác động ngẫu nhiên (Random Effect)
Mô hình hồi quy đƣợc viết lại nhƣ sau:
ROA i,t = � i + 0.1057 RCi,t + 0.0214 BLi,t – 0.6408 OETAi,t + 0.0294 CPIi,t
Theo mô hình tác động ngẫu nhiên (Random Effect), những biến số có ý nghĩa thống kê bao gồm: tỷ lệ vốn chủ sở hữu (RC) với mức ý nghĩa (P>|𝐿|)=0.000<1%, tỷ lệ khoản cho vay khách hàng (BL) với mức ý nghĩa (P>|𝐿|)=0.000<1%, tỷ lệ chi phí hoạt động (OETA) với mức ý nghĩa (P>|𝐿|)=0.000<1%, lạm phát (CPI) có ý nghĩa thống kê ở mức 5% vì (P>|𝐿|)=0.005<5%.
Kiểm định phƣơng sai sai số thay đổi
Kiểm định Breusch và Pagan Lagrangian multiplier mô hình REM cho biến phụ thuộc ROA với giả thuyết H0: Phƣơng sai sai số của các thực thể là không đổi.
Bảng 4.8 - Kết quả kiểm định phương sai sai số thay đổi với biến phụ thuộc ROA
Nguồn: Tong hợp từ kết quả phân tích dữ liệu bằng Stata
Kết quả cho thấy giá trị Prob > chibar2 = 0.0000 < 0.01 (Mức ý nghĩa 1%). Vì vậy mô hình REM phù hợp với nghiên cứu thông qua kiểm định Breusch – Pagan test, dữ liệu nghiên cứu có hiện tƣợng phƣơng sai sai số thay đổi.
Kiểm định tự tƣơng quan đối với mô hình ROA
Kiểm định Wooldridge đƣợc thực hiện để kiểm định tự tƣơng quan của dữ liệu bảng với giả thuyết H0: Không có tự tƣơng quan
Bảng 4.9 - Kết quả kiểm tra tự tương quan đối với biến phụ thuộc là ROA
Nguồn: Tong hợp từ kết quả phân tích dữ liệu bằng Stata
Theo kết quả thể hiện ở bảng 4.10, vì P-value = 0.0000 < 0.05 nên bác bỏ H0, kết luận dữ liệu nghiên cứu có hiện tƣợng tự tƣơng quan.
Kiểm định đa cộng tuyến đối với mô hình ROA
Bảng 4.10 - Kết quả kiểm tra tính đa cộng tuyến
Nguồn: Tong hợp từ kết quả phân tích dữ liệu bằng Stata
Quan sát ma trận tƣơng quan giữa các biến nghiên cứu trong bảng 4.2 có thể thấy không có một hệ số tƣơng quan nào vƣợt quá 0.65, nghĩa là không có hiện tƣợng đa cộng tuyến trầm trọng giữa các cặp biến độc lập. Đồng thời kết quả từ
bảng 4.10 cho thấy tất cả các giá trị VIF đều nhỏ hơn 10. Kết luận hiện tƣợng đa cộng tuyến không ảnh hƣởng nghiêm trọng đến kết quả trong mô hình.
Việc lựa chọn mô hình tại bƣớc này chỉ mang tính chất trung gian vì mô hình ROA có hiện tƣợng tự tƣơng quan và phƣơng sai sai số thay đổi nên tác giả sử dụng phƣơng pháp bình phƣơng bé nhất tổng quả khả thi (FGLS) để khắc phục hiện tƣợng tự tƣơng quan và phƣơng sai sai số thay đổi nhằm đảm bảo ƣớc lƣợng thu đƣợc vững và hiệu quả.
Hồi quy mô hình ROA với FGLS
Bảng 4.11 - Hồi quy mô hình ROA với FGLS
Nguồn: Tong hợp từ kết quả phân tích dữ liệu bằng Stata
Hồi quy FGLS mô hình ROA với mức ý nghĩa 5% có p-value (prob>chi2)=0.0000 thì mô hình nghiên cứu có dạng nhƣ sau:
ROA = 0.07574 RC + 0.01225 BL – 0.0006 SIZE + 0.01025 LIQ - 0.4263 OETA + 0.0135 CPI