4.5.1. Kiểm định Breusch và Pagan Lagrangian multiplier
Tác giả sử dụng kiểm định Breusch và Pagan Lagrangian multiplier hiện tƣợng phƣơng sai sai số thay đổi sau khi ƣớc lƣợng mô hình REM với giả thuyết kiểm định nhƣ sau:
H0: Không có hiện tƣợng phƣơng sai sai số thay đổi H1: Có hiện tƣợng phƣơng sai sai số thay đổi
Kết quả kiểm định Breusch and Pagan Lagrangian multiplier ở bảng C.5 cho mô hình REM cho thấy hệ số Prob = 0.0000< 5%, do đó chấp nhận giả thuyết H1, nghĩa là mô hình có hiện tƣợng phƣơng sai sai số thay đổi. Đây là điều không mong muốn trong nghiên cứu. Để đảm bảo mô hình không bị vi phạm giả thuyết nghiên cứu, tác giả tiếp tục thực hiện các kiểm định tiếp theo.
4.5.2. Kiểm định hiện tƣợng nội sinh
Kiểm định Hansen và Sargan đƣợc Arellano & Bond (1991) đề xuất sử dụng trong mô hình để kiểm định hiện tƣợng nội sinh.
Giả thuyết sử dụng kiểm định Sargan nhằm kiểm định hiện tƣợng nội sinh trong mô hình nhƣ sau:
H0: Các biến là ngoại sinh
H1: Có hiện tƣợng nội sinh trong mô hình
Kết quả kiểm định Sargan ở bảng C.3 (Phụ lục) cho thấy các biến trong mô hình đều là biến ngoại sinh (Prob > 0.10), do đó chấp nhận giả thuyết H0 nghĩa là biến công cụ không có tƣơng quan sai số trong mô hình.
4.5.3. Kiểm định hiện tƣợng tự tƣơng quan
Tác giả sử dụng kiểm định Wooldridge cho mô hình nghiên cứu với giả thuyết kiểm định nhƣ sau:
H0: Không có hiện tƣợng tự tƣơng quan chuỗi H1: Có hiện tƣợng tự tƣơng quan chuỗi
Kết quả kiểm định Wooldridge test ở bảng C.2 cho mô hình Pooled OLS cho thấy hệ số Prob = 0.0058 < 5%, do đó chấp nhận giả thuyết H1, nghĩa là mô hình có hiện tƣợng tự tƣơng quan chuỗi.
4.5.4. Kiểm định hiện tƣợng đa cộng tuyến
Trong mô hình hồi quy, nếu các biến độc lập có quan hệ chặt với nhau, các biến độc lập có mối quan hệ tuyến tính, nghĩa là các biến độc lập có tƣơng quan chặt, mạnh với nhau thì sẽ có hiện tƣợng đa cộng tuyến, đó là hiện tƣợng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện đƣợc dƣới dạng hàm số. Để xác định mô hình có hiện tƣợng đa cộng tuyến hay không thì tác giả dựa trên hệ số VIF đƣợc mô tả ở bảng dƣới đây:
Bảng 4.6. Kết quả chạy VIF
Tên biến VIF Hệ số phóng đại
phƣơng sai R2 NPL 1.37 0.7324 0.2676 ROA 2.22 0.4498 0.5502 LA 1.39 0.7185 0.2815 ROE 2.41 0.4146 0.5854 LLP 1.40 0.7121 0.2879 SIZE 1.42 0.7022 0.2978 GDP 3.49 0.2863 0.7137 INF 3.13 0.3190 0.6810 UNE 6.83 0.1464 0.8536 Giá trị trung bình VIF 2.63
Nguồn: Tính toán từ STATA
Kết quả chạy VIF ở bảng 4.6 cho thấy hệ số VIF của các biến đều nhỏ hơn 10 và hệ số phóng đại phƣơng sai (Tolerance) đều lớn hơn 0.1, điều đó chứng tỏ rằng không có hiện tƣợng đa cộng tuyến giữa các biến trong mô hình.
Sau khi thực hiện toàn bộ kiểm định cho mô hình REM, tác giả nhận thấy rằng mô hình REM có hiện tƣợng phƣơng sai sai số thay đổi và hiện tƣợng tự tƣơng quan chuỗi do đều có hệ số Prob < 0.01. Để khắc phục đƣợc các hiện tƣợng này, mô hình bình phƣơng nhỏ nhất tổng quát (Generlized Least Squares) đƣợc tác giả sử dụng trong nghiên cứu này.
4.5.5. Ƣớc lƣợng mô hình bình phƣơng nhỏ nhất tổng quát GLS
Để khắc phục hiện tƣợng tự tƣơng quan và phƣơng sai sai số thay đổi, tác giả tiến hành sử dụng mô hình bình phƣơng nhỏ nhất (GLS). Kết quả ƣớc lƣợng mô hình GLS đƣợc trình bày nhƣ sau:
Bảng 4.7. Kết quả ước lượng mô hình GLS
NPL Hệ số Độ lệch chuẩn t Prob ROA 0.549787 0.1221794 0.45 0.653 LA 0.0121082 0.0061351 1.97 0.048 OPE 0.0063069 0.0063582 0.99 0.321 LLP 0.971642 0.115984 8.38 0.000 SIZE -0.001745 0.0007223 -2.42 0.016 GDP -0.440438 0.1050877 -4.19 0.000 INF -0.002654 0.0100406 -0.24 0.810 UNE 0.3010789 0.2192806 1.37 0.170 Hằng số 0.0510217 0.0151294 3.37 0.001 Tổng số quan sát = 234 Prob > chi2 = 0.000
Nguồn: Tính toán từ STATA
Kết quả ƣớc lƣợng mô hình GLS cho thấy có 3 biến có ý nghĩa thống kê gồm LA, SIZE, LLP và GDP, tất cả các biến còn lại đều không có ý nghĩa do có hệ số prob > 0.1. Mô hình GLS đƣợc trình bày nhƣ sau:
NPL = 0.0510217 + 0.0121082*LA + 0.971642*LLP – 0.001745*SIZE – 0.440438*GDP
4.5.6. Thảo luận kết quả ƣớc lƣợng giữa các mô hình hồi quy
Bảng 4.8 dƣới đây so sánh kết quả ƣớc lƣợng giữa các mô hình Pooled OLS (1), FEM (2), REM (3) và GLS (4). Nhìn chung, có thể thấy rằng hệ số hồi quy của ba biến gồm tỷ lệ trích lập dự phòng trên tổng dƣ nợ cho vay (LLP), quy mô ngân hàng (SIZE) và tốc độ tăng trƣởng kinh tế (GDP) đều có ý nghĩa ở mức 10% ở bốn mô hình. Riêng biến tổng dƣ nợ cho vay khách hàng trên tổng tài sản (LA) có hệ số hồi quy ở mức ý nghĩa 10% ở mô hình Pooled OLS và GLS và tỷ lệ thất nghiệp có hệ số hồi quy không có ý nghĩa ở mô hình GLS.
Bảng 4.8. So sánh kết quả hồi quy
(1) NPL (2) NPL (3) NPL (4) NPL ROA 0.0532 0.0198 0.00914 0.0550 LA 0.0120* -0.0143 0.00188 0.0121** OPE 0.00675 -0.00169 0.00112 0.00631 LLP 1.061*** 1.179*** 1.100*** 0.972*** SIZE -0.00216*** -0.00483* -0.00247*** -0.00175*** GDP -0.784*** -0.932*** -0.846*** -0.440*** INF 0.00214 0.000403 0.000929 -0.00265 UNE 0.805* 1.571*** 1.042** 0.301 Hằng số 0.0720*** 0.136*** 0.0864*** 0.0510*** N 234 234 234 234 R2 0.268 0.308
Chú thích: * Mức ý nghĩa 10% Nguồn: Tính toán từ STATA ** Mức ý nghĩa 5%
*** Mức ý nghĩa 1%
- Biến tỷ lệ các khoản cho vay trên tổng tài sản (LA)
Kết quả hồi quy ở bảng 4.8 cho thấy hệ số hồi quy có ý nghĩa thống kê ở mức 10% đối với mô hình Pooled OLS và mức 5% đối với mô hình GLS. Nhƣ vậy, trong điều kiện yếu tố không đổi, khi biến LA tăng 1 đơn vị thì bến nợ xấu tăng 0.0120 đơn vị (mô
hình Pooled OLS) và 0.0121 đơn vị (mô hình GLS), nghĩa là LA tăng sẽ làm cho biến nợ xấu tăng theo. Điều này hàm ý rằng khi ngân hàng vì mục đích gia tăng lợi nhuận nên phải thu hút khách hàng đề cho vay nhiều hơn. Khi các ngân hàng ồ ạt cho vay nhiều mà không xem xét kỹ hồ sơ cho vay thì dẫn đến việc ngân hàng không thể thu hồi đƣợc vốn vay dẫn đến kết quả là nợ xấu của ngân hàng gia tăng. Kết quả này phù hợp với nghiên cứu của Dimitrios, Helen, & Mike (2016) và Ekanayake & A.A.Azeez (2015).
- Biến tỷ lệ trích lập dự phòng cho vay khách hàng (LLP)
Tỷ lệ trích lập dự phòng cho vay khách hàng tác động cùng chiều đến biến tỷ lệ nợ xấu ở mức ý nghĩa 1% đối với tất cả mô hình đƣợc minh họa ở bảng 4.8. Kết quả ƣớc lƣợng này phù hợp với nghiên cứu của Ekanayake & A.A.Azeez (2015). Điều này hàm ý rằng khi ngân hàng gia tăng trích lập dự phòng đối với dƣ nợ cho vay khách hàng đồng nghĩa với việc hiệu quả hoạt động của ngân hàng giảm, làm gia tăng gánh nặng trong việc thu hồi nợ. Kết quả là chi phí hoạt động của ngân hàng gia tăng làm nợ xấu của ngân hàng tăng lên.
- Biến quy mô ngân hàng (SIZE)
Biến quy mô ngân hàng có tƣơng quan ngƣợc chiều với biến nợ xấu ở mức ý nghĩa 1% (mô hình 1, 3 và 4) và có mức ý nghĩa 10% (mô hình 2). Trong điều kiện các yếu tố khác không đổi, khi quy mô ngân hàng tăng 1 đơn vị thì nợ xấu giảm 0.00216 đơn vị (mô hình 1), 0.00483 đơn vị (mô hình 2), 0.00247 (mô hình 3) và 0.00175 đơn vị (mô hình 4). Điều này lý giải rằng khi quy mô ngân hàng càng lớn thì chất lƣợng tín dụng của ngân hàng ngày càng đƣợc cải thiện, hơn nữa các ngân hàng lớn cung cấp nhiều loại dịch vụ khác để gia tăng lợi nhuận thay vì lệ thuộc vào hoạt động tín dụng. Chính vì sự đa dạng về các loại dịch vụ nên tỷ lệ nợ xấu của ngân hàng giảm.
- Biến tốc độ tăng trƣởng kinh tế (GDP)
Biến tốc độ tăng trƣởng kinh tế có tác động ngƣợc chiều với biến nợ xấu với mức ý nghĩa 1% với tất cả 4 mô hình và đúng với dấu kỳ vọng của nghiên cứu. Kết quả này phù hợp với nghiên cứu của Lê Phan Thị Diệu Thảo & Bùi Công Duy (2018), Dimitrios, Helen, & Mike (2016), Ekanayake & A.A.Azeez (2015), Louzis, Vouldis, & Metaxas (2011). Khi các yếu tố khác không đổi, tốc độ tăng trƣởng kinh tế GDP
tăng 1 đơn vị thì nợ xấu giảm 0.784 đơn vị (mô hình 1), 0.932 đơn vị (mô hình 2), 0.846 đơn vị (mô hình 3) và 0.440 đơn vị (mô hình 4). Điều này lý giải rằng khi tăng trƣởng kinh tế càng cao, các doanh nghiệp và hộ gia đình có đủ thu nhập để trang trải tất cả chi phí, do đó làm tăng khả năng thanh toán các khoản nợ đến hạn cho ngân hàng làm cho tỷ lệ nợ xấu của ngân hàng giảm. Khi tăng trƣởng kinh tế thấp thì thu nhập của các hộ gia đình và doanh nghiệp giảm, do đó làm giảm khả năng thanh toán các khoản nợ đến hạn của ngân hàng làm cho tỷ lệ nợ xấu của ngân hàng gia tăng.
- Biến tỷ lệ thất nghiệp (UNE)
Biến tỷ lệ thất nghiệp có tác động cùng chiều với biến nợ xấu với mức ý nghĩa 10% (mô hình 1), 1% (mô hình 2) và 5% (mô hình 3). Khi tỷ lệ thất nghiệp tăng 1 đơn vị thì tỷ lệ nợ xấu tăng 0.805 đơn vị (mô hình 1), 1.571 đơn vị (mô hình 2) và 1.042 đơn vị (mô hình 3). Điều đó lý giải rằng khi tỷ lệ thất nghiệp gia tăng, các cá nhân và hộ gia đình không có đủ thu nhập để trang trải các chi phí sinh hoạt hằng ngày. Để trang trải các chi phí hằng này thì họ phải vay mƣợn NH và khi vay mƣợn quá nhiều thì không có khả năng thanh toán các khoản nợ quá hạn cho NH. Kết quả là các NHTM không có khả năng thu hồi đƣợc các khoản nợ quá hạn dẫn đến việc gia tăng nợ xấu.
TÓM TẮT CHƢƠNG 4
Trong chƣơng này, tác giả đã trình bày kết quả mô hình hồi quy về các yếu tố tác động đến tỷ lệ nợ xấu của các NHTM tại Việt Nam trong giai đoạn 2010 – 2018. Sau khi ƣớc lƣợng mô hình hồi quy Pooled OLS, FEM và REM, tác giả sử dụng kiểm định Hausman để lựa chọn mô hình FEM hay REM. Sau khi kiểm định Hausman, tác giả tiếp tục kiểm định các khuyết tật của mô hình nghiên cứu bao gồm kiểm định hiện tƣợng đa cộng tuyến, phƣơng sai sai số thay đổi, hiện tƣợng nội sinh và hiện tƣợng tự tƣơng quan. Kết quả kiểm định cho thấy mô hình có hiện tƣợng phƣơng sai sai số thay đổi và hiện tƣợng tự tƣơng quan. Để khắc phục khuyết tật này, tác giả sử dụng mô hình bình phƣơng nhỏ nhất tổng quát (GLS) và kết quả hồi quy cho thấy có 4 biến có ý nghĩa ở mức 5% là LA và mức 1% là LLP, SIZE và GDP. Sau khi ƣớc lƣợng mô hình GLS, tác giả so sánh kết quả ƣớc lƣợng giữa 4 mô hình trên nhằm có cách nhìn
CHƢƠNG 5. KẾT LUẬN VÀ KHUYẾN NGHỊ
Từ phân tích kết quả ở chƣơng 4, chƣơng này sẽ tóm tắt lại toàn bộ kết quả nghiên cứu và các đề xuất liên quan nhằm cải thiện lợi nhuận của các NHTM Việt Nam. Đồng thời, chƣơng này cũng đƣa ra những hạn chế của nghiên cứu và hƣớng nghiên cứu mở rộng trong tƣơng lai.
5.1. Thảo luận kết quả hồi quy
Ngày nay, NHTM là một mắc xích quan trọng góp phần thúc đẩy kinh tế của một quốc gia phát triển. Để làm đƣợc điều này thì NHTM phải hoạt động một cách hiệu quả trong lĩnh vực tài chính và tiền tệ. So với những năm trƣớc đây thì có thể thấy rằng hệ thống NHTM Việt Nam đang ngày càng lớn mạnh và cạnh tranh với nhiều NHTM trên thế giới và các sản phẩm dịch vụ của NHTM đang ngày càng đa dạng và mở rộng để phù hợp với xu hƣớng hội nhập quốc tế của nền kinh tế Việt Nam. Tuy nhiên, có thể thấy rằng hoạt động tín dụng đang là một trong những hoạt động chiếm tỷ trọng lớn trong doanh thu hoạt động hằng năm của NHTM. Trong quá trình hoạt động tín dụng luôn xảy ra tình trạng NHTM cho vay khách hàng cá nhân và doanh nghiệp nhƣng không thể thu hồi đƣợc nợ do khách hàng không đủ năng lực tài chính để chi trả. Điều này sẽ khiến các khoản vay trở nên quá hạn và dẫn đến nợ xấu. Bên cạnh đó, nợ xấu của NHTM không chỉ bị tác động bởi yếu tố dƣ nợ cho vay khách hàng cá nhân tăng nhanh mà còn bị tác động bởi nhiều yếu tố vi mô và vĩ mô khác thông qua quá trình hoạt động ngân hàng.
Với việc áp dụng phƣơng pháp ƣớc lƣợng dữ liệu bằng phƣơng pháp bình phƣơng nhỏ nhất (GLS) cho mô hình hồi quy dữ liệu bảng, khóa luận đã xác định mức độ tác động của các yếu tố vi mô và vĩ mô đến tỷ lệ nợ xấu của NHTM tại Việt Nam trong giai đoạn 2010 - 2018. Các yếu tố đó bao gồm: lợi nhuận sau thuế trên tổng tài sản (ROA), tỷ lệ dƣ nợ cho vay khách hàng trên tổng tài sản (LA), tỷ lệ chi phí hoạt động trên tổng thu nhập hoạt động (OPE), tỷ lệ lợi nhuận sau thuế trên tổng vốn CSH (ROE), tỷ lệ dự phòng cho vay khách hàng trên tổng dƣ nợ cho vay khách hàng (LLP), quy mô ngân hàng (SIZE), tốc độ tăng trƣởng kinh tế (GDP), tỷ lệ lạm phát (INF), tỷ lệ thất nghiệp (UNE). Kết quả nghiên cứu đã củng cố cơ sở lý thuyết đƣợc
đề cập ở chƣơng 2 và cho thấy tỷ lệ nợ xấu của NHTM sẽ gia tăng khi các yếu tố đặc thù về vĩ mô gia
tăng nhƣ tỷ lệ dƣ nợ cho vay khách hàng trên tổng tài sản (LA), tỷ lệ dự phòng cho vay khách hàng trên tổng dƣ nợ cho vay khách hàng (LLP). Bên cạnh đó có các yếu tố giúp góp phần làm giảm nợ xấu của NHTM là quy mô ngân hàng (SIZE) và tốc độ tăng trƣởng kinh tế (GDP).
Đề tài nghiên cứu các yếu tố tác động đến nợ xấu của NHTM tại Việt Nam đã đạt một số vấn đề cơ bản nhƣ sau:
Thứ nhất, đề tài đã làm rõ các khái niệm cơ bản về tín dụng cũng nhƣ khái niệm về
nợ xấu. Bên cạnh đó, đề tài còn chỉ ra các yếu tố tác động và mức độ tác động của chúng đối với tỷ lệ nợ xấu của các NHTMCP tại Việt Nam trong giai đoạn 2010 – 2018.
Thứ hai, dựa trên các mô hình nghiên cứu thực nghiệm trên thế giới, khóa luận đã
trình bày mô hình chính thức về các yếu tố tác động đến nợ xấu của NHTM tại Việt Nam và đƣa ra các phƣơng thức ƣớc lƣợng cho phù hợp đối với mô hình nghiên cứu.
Thứ ba, sau khi ƣớc lƣợng mức độ tác động về các yếu tố tác động đến nợ xấu của
NHTM tại Việt Nam và dựa trên kết quả ƣớc lƣợng có đƣợc, khóa luận gợi ý một số chính sách và khuyến nghị đối với các nhà chính sách và cơ quan quản lý NHTM nhằm hỗ trợ NHTM giảm thiểu tỷ lệ nợ xấu.
5.2. Khuyến nghị
Dựa vào kết quả nghiên cứu thực nghiệm có sẵn, Khóa luận đƣa ra một số hàm ý chính sách, khuyến nghị dành cho các nhà chính sách và cơ quan quản lý NHTM nhằm giúp NHTM giảm thiểu tỷ lệ nợ xấu, gia tăng lợi nhuận nhằm gia tăng hiệu quả hoạt động NHTM góp phần phát triển kinh tế
Thứ nhất, về biến tỷ lệ trích lập dự phòng trên tổng dƣ nợ cho vay khách hàng. Dựa
trên kết quả phân tích có đƣợc, có thể thấy rằng biến tỷ lệ dự phòng trên tổng dƣ nợ cho vay khách hàng là yếu tố góp phần làm gia tăng tỷ lệ nợ xấu nhanh nhất. Do đó, các nhà chính sách và các cơ quan quản lý NHTM nên có cơ chế quản lý đối với mức trích lập dự phòng của NHTM sao cho phù hợp nhằm đảm bảo rằng mức trích lập không làm gia tăng tỷ lệ nợ xấu.
Thứ hai, đối với yếu tố về dƣ nợ cho vay khách hàng, khi các cán bộ tín dụng cho
khách hàng vay nhiều nhƣng không đánh giá kỹ về năng lực tài chính cũng nhƣ năng lực sử dụng khoản vay của khách hàng dẫn đến hiện tƣợng khách hàng không có năng lực trả nợ vay. Bên cạnh đó, quy trình giám sát khoản vay của các cán bộ tín dụng vẫn