Tác giả sử dụng phƣơng pháp phân tích hồi quy đa biến cho dữ liệu bảng (panel data). Dữ liệu bảng là dữ liệu có hai chiều: chiều không gian và chiều thời gian. Nói cách khác, dữ liệu bảng là sự mở rộng dữ liệu chéo (cross section) theo thời gian (time series). Việc lựa chọn sử dụng dữ liệu bảng sẽ có nhiều ƣu điểm hơn so với dữ liệu chuỗi thời gian hay dữ liệu chéo. Hồi quy bằng dữ liệu bảng thƣờng
sử dụng ba phƣơng pháp hồi quy theo các mô hình Pooled, mô hình tác động ngẫu nhiên và mô hình tác động cố định.
Tác giả sử dụng phần mềm hỗ trợ Eviews 8 để thực hiện mô hình và kiểm định mô hình. Các bƣớc trong quy trình đƣợc thực hiện chi tiết nhƣ sau:
Bước 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.
Bước 2: Lựa chọn mô hình hồi quy phù hợp giữa Pooled OLS, FEM và REM.
Thực hiện phân tích hồi quy là một phân tích thống kê để xác định xem các biến độc lập quy định các biến phụ thuộc nhƣ thế nào. Kết quả hồi quy đƣợc xem là bằng chứng thực nghiệm để đánh giá tác động. Các mô hình hồi quy đƣợc tác giả xem xét gồm có: Pooled OLS, Fixed effect, Random effect. Để chọn ra đƣợc mô hình phù hợp nhất cho bài nghiên cứu, chúng ta cần phải xem xét các nội dung và đặc điểm của các mô hình ƣớc lƣợng này:
Mô hình hồi quy Pooled OLS:
Yit = α + βXit + μit
Trong đó:
Yit: Biến phụ thuộc của quan sát i trong thời kỳ t Xit: Biến độc lập của quan sát i trong thời kỳ t
Đối với phƣơng 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 không phân biệt từng đơn vị chéo riêng. Đây là phƣơng pháp đơn giản nhất, giống sử dụng dữ liệu nhƣ một phân tích OLS bình thƣờng, không kể đến kích thƣớc không gian và thời gian của dữ liệu bảng.
Nhƣợc điểm của phƣơng pháp Pooled OLS là bỏ qua các đặc điểm riêng khác nhau của các đơn vị về thời gian lẫn không gian.
Mô hình tác động cố định - FEM
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 hồi quy sử dụng: Yit = αi + βXit + μit
Trong đó:
Yit: biến phụ thuộc Xit: biến độc lập
αi (i=1…n): hệ số chặn cho từng đơn vị nghiên cứu. β: hệ số góc đối với nhân tố X.
εit: phần dƣ.
Mô hình tác động ngẫu nhiên - REM
Xét mô hình: Yit = αi + βXit + μit
Thay vì trong mô hình trên αi là cố định (không thay đổi theo thời gian) thì phƣơng pháp REM giả định rằng nó là một biến ngẫu nhiên với αi = α + εi (i= 1, 2, …, n), thay vào trong mô hình ban đầu ta có: Yit = α + βXit + εi + μit.
Trong đó εi là thành phần sai số theo đơn vị chéo và μit là thành phần sai số chéo và chuỗi thời gian kết hợp. Nhƣ vậy, với phƣơng pháp REM, thay vì coi mỗi đặc điểm riêng của các đơn vị có tƣơng quan tới biến độc lập và tách tác động đó ra nhƣ trong FEM thì phƣơng pháp REM coi các đặc điểm riêng đó là ngẫu nhiên và không tƣơng quan tới các biến độc lập mà giống nhƣ một biến giải thích mới tác động tới biến phụ thuộc.
So với phƣơng pháp FEM, phƣơng pháp REM có thể khắc phục đƣợc những nhƣợc điểm của FEM nhƣng REM coi mỗi đặc điểm riêng của các đơn vị εi
không tƣơng quan với các biến độc lập do đó nếu điều này vi phạm thì REM sẽ ƣớc lƣợng không còn chính xác.
Qua nội dung của ba phƣơng phƣơng pháp ƣớc lƣợng trên tác giả nhận thấy rằng mô hình REM và FEM có nhiều ƣu điểm hơn so với mô hình Pooled OLS. Tuy nhiên để có đƣợc một mô hình tối ƣu nhất, tác giả sẽ đi theo trình tự nhƣ sau: đầu tiên tiến hành ƣớc lƣợng Pooed OLS, sau đó ƣớc lƣợng mô hình Fixed Effect. Để biết giữa mô hình Pooled OLS và nhóm mô hình FEM và REM mô hình nào phù hợp hơn bằng cách sử dụng công cụ Redundant Fixed Effects trên Eviews 8 để kiểm định xem hệ số chặn của hàm hồi quy của từng ngân hàng có khác nhau không. Nếu không có sự khác nhau, ta có thể chọn Pooled OLS làm mô hình ƣớc lƣợng cho bài nghiên cứu và nếu trƣờng hợp ngƣợc lại nhóm mô hình FEM và REM phù hợp thì ta phải tiến hành kiểm định Hausman nhằm lựa chọn một trong hai mô hình Fixed effect và Random effect, xem mô hình nào là mô hình phù hợp nhất cho bài nghiên cứu này.
Bước 3: Phương pháp kiểm định các hệ số hồi quy và sự phù hợp của 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 lựa chọn với biến độc lập còn lại, rồi tiến hành kiểm định các hệ số hồi quy. Tác giả quyết định sử dụng kiểm định t (t-test) để kiểm tra sự phù hợp của các hệ số hồi quy. Theo kinh nghiệm, một hệ số hồi quy đƣợc xem là phù hợp khi có mức ý nghĩa thống kê là 1% hoặc 5% hoặc 10%, tƣơng ứng với độ tin cậy là 99%, 95% và 90%.
Kiểm định hiện tƣợng đa cộng tuyến: Tác giả sẽ tiến hành kiểm định đa cộng tuyến bằng hai cách. Cách một là thông qua phân tích hệ số tƣơng quan nhằm kiểm định đa cộng tuyến của từng cặp biến độc lập. Hệ số tƣơng quan (Pearson) đƣợc tính bằng cách chia hiệp phƣơng sai của biến với tích độ lệch chuẩn của chúng. Nếu hệ số tƣơng quan giữa các biến độc lập lớn hơn 0.8 (còn đƣợc gọi là hệ số tƣơng quan cao), ta có hiện tƣợng đa cộng tuyến cao. Cách hai là kiểm định đa cộng tuyến giữa một biến độc lập so với các biến độc lập còn lại thông qua sử dụng thừa phóng đại phƣơng sai VIF. Nếu hiện tƣợng đa cộng tuyến xảy ra, tác giả sẽ khắc phục bằng cách bỏ đi biến độc lập có đa cộng tuyến, đây là cách làm đơn giản nhất vì sau khi bỏ biến độc lập có đa cộng tuyến, các hệ số hồi quy của các biến còn lại từ chỗ khác 0 và không có ý nghĩa thống kê có thể trở thành khác 0 có ý nghĩa thống kê.
Kiểm định hiện tƣợng tự tƣơng quan: tác giả sẽ tiến hành kiểm định dựa trên quy tắc kiểm định Durbin – Watson theo kinh nghiệm. Nếu có hiện tƣợng tự tƣơng quan xảy ra, tác giả quyết định chọn biến pháp khắc phục là ƣớc lƣợng ρ dựa trên thống kê d – Durbin – Watson.
Kiểm định hiện tƣợng phƣơng sai thay đổi: tác giả sẽ tiến hành kiểm định Breusch – Pagan cho mô hình Pooled OLS hoặc FEM. Nếu mô hình có phƣơng sai thay đổi sẽ đƣợc khắc phục mô hình nghiên cứu bằng cách ƣớc lƣợng lại mô hình đƣợc chọn bằng phƣơng pháp GLS. Nếu trong trƣờng hợp mô hình REM đƣợc chọn thì đề tài chỉ tiến hành kiểm định đa cộng tuyến và tự tƣơng quan do mô hình Random Effect chƣa có cách thức kiểm định phƣơng sai thay đổi.
KẾT LUẬN CHƢƠNG 3
Trong chƣơng này, tác giả đã giới thiệu về mô hình nghiên cứu, giải thích ý nghĩa của các biến trong mô hình và kì vọng dấu về các biến. Ở phần giới thiệu mô hình, tác giả đã thiết kế mô hình cho đề tài dựa trên cơ sở lí thuyết đã trình bày ở Chƣơng 2. Đồng thời, tác giả cũng xác định các biến độc lập cùng biến phụ thuộc và làm rõ mô hình thông qua việc trình bày công thức, ý nghĩa và bảng kì vọng dấu của các biến trên. Từ đó làm cơ sở cho việc thực hiện mô hình và kết luận đề tài cho chƣơng sau.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chƣơng này sẽ đi vào cụ thể cách thức thực hiện mô hình nghiên cứu dựa theo số liệu đã thu thập bao gồm thống kê mô tả và chạy mô hình. Từ kết quả nghiên cứu thu đƣợc, chƣơng cũng sẽ đƣa ra các phân tích liên quan.