Tác giả dựa vào kiểm định Wald F-test để kiểm định lại sự phù hợp giữa mô hình Pooled Ols (mô hình hối quy tuyến tính cổ điển) và FEM (mô hình hồi quy tác động cố định) ở mức ý nghĩa với giả thiết HO : Mô hình Pooled OLS phù hợp hơn. Mô hình cho kết quả như sau:
Kết quả: Ta thấy Pro>chi2 = 0.0000 < 0.05 nên bác bỏ giả thiết HO, chấp nhận giả thiết H1, mô hình FEM phù hợp hơn.
4.1.4.2 Kiểm định sự phù hợp giữa mô hình Pooled OLS và REM
Tiếp đến, để lựa chọn giữa mô hình Pooled OLS và REM thì nghiên cứu sử 45
dụng kiểm định Breusch - Pagan với giả thiết H0: Mô hình Pooled Ols phù hợp hơn. Mô hình cho kết quả như sau:
Kết quả chỉ ra rằng hệ số Pro>chibar2 = 0.0000 < 0.05 nên bác bỏ giả thiết H0, chấp nhận giả thiết H1 là sử dụng mô hình REM.
4.1.4.3 Kiểm định sự phù hợp giữa mô hình FEM VÀ REM
Sau khi thực hiên hai kiểm định là Wald F-test và Breusch - Pagan thì kết quả cho thấy mô hình FEM và REM phù hợp hơn so với mô hình OLS. Tới đây, tác giả sử dụng kiểm định Hausman để kiểm định sự phù hợp giữa mô hình FEM và REM với giả thiết H0: Mô hình REM là mô hình phù hợp hơn và kết quả như sau:
Kết quả: Ta thấy Pro>chi2 = 0.0000 < 0.05 nên bác bỏ giả thiết H0, chấp nhận giả thiết H1 là mô hình FEM phù hợp hơn.
Như vậy, sau khi thực hiện các kiểm định lựa chọn mô hình thì tác giả nhận thấy mô hình FEM là phù hợp nhất để tiến hành đo lường các yếu tố ảnh hưởng đến hệ số an toàn vốn.
N 200 200 200
R-sq 0.3654 0.2954 0.3471
F-test Pro>chi2 = 0.000 =>FEM
Breusch pagan test Pro>chibar2 = 0.0000 < 0.05=>REM
Hausman test Pro>chi2 = 0.000 =>FEM
*,**,*** tương ứng với các mức ý nghĩa 10%, 5% và 1%.________________________ Modified Wald test for groupwise heteroskedasticityin fixed effect
regression model
Ho: sigma(i)^2 = sigma^2 for all i
Chi2 (25) = 2480.45 Prob>chi2 = 0.0000
46
Nguồn: Kết quả tính toán từ phần mềm Stata.
4.1.5 Kiểm định khuyết tật mô hình
Nhằm mục đích tăng độ tin cậy và tính phù hợp cho kết quả nghiên cứu, các kiểm định về khuyết tật mô hình được triển khai. Cụ thể là các kiểm định về ba khuyết tật phổ biến trong nghiên cứu định lượng: hiện tượng đa cộng tuyến, phương sai sai số thay đổi và tự tương quan. Theo đó, hiện tượng đa cộng tuyến đã được đề tài xác nhận không tồn tại ở mục 4.1.2 thông qua kiểm định hệ số nhân tử phóng đại phương sai - VIF. Trong mục này, đề tài tiếp tục tiến hành thực hiện Modified Wald test để kiểm tra phương sai sai số thay đổi và kiểm định Breusch - Godfrey để phát hiện tự tương quan.
4.1.5.1 Kiểm định về phương sai sai số thay đổi
Thực hiện kiểm định Modified Wald với giả thiết HO : không có hiện tượng phương sai thay đổi. Kết quả từ bảng 4.7 cho thấy Prob > chi2 = 0.0000 < 5% . Do đó bác bỏ HO, chấp nhận H1. Như vậy mô hình có hiện tượng phương sai thay đổi.
Cross-sectional time-series FGLS regression Coefficiets: generalized least squares
Panels: heteroskedastic
Estimated covariances = 25 Number of obs = 200
Estimated autocorrelations = 0 Number of group = 25
Estimated coefficients______= 9__________Time periods =______8______________
Wald chi2(8) = 224.48
___________________________________Prob > chi2 =_________0.000__________
CAR Coef. Std. Err. z P>z [95% Conf. Interval]
SIZE - 0.0098 0 0.002 4.93- 0.0000 -0.0137 -0.0059 ROA - 0.432 - 0.0620 -1.6530 0.0407 LLR - 0.1565 0.230 7 - 0.68 0.4970 -0.6087 0.2956 LIQ 0.812 0.353 2.3 0.0220 0.1198 1.5059 DEP - 0.016 - 0.3980 -0.0470 0.0187 LOA 0.017 0 0 0.017 0 1.0 0.3180 -0.0164 0.0504 LEV 0.445 0.072 6.1 0.0000 0.3041 0.5869 NIM 0.104 0.244 0.4 0.6680 -0.3736 0.5834 _ cons 0.409 1 0.065 4 6.2 5 0.0000 0.2809 0.5373
Nguồn: Kết quả tính toán từ phần mềm Stata.
4.1.5.2 Kiểm định về tự tương quan
Sau khi thực hiện kiểm định Wooldrige, kết quả bảng 4.8 cho thấy hệ số Prob > 47
F = 0.0572 > 0.05, đề tài chấp nhận giả thuyết Ho: Không có hiện tượng tự tương quan, nghĩa là mô hình không có hiện tượng tự tương quan.
Bảng 4.9: Kiểm định Wooldridge - Kiểm tra tự tương quan Wooldridge test for autocorrelation inpaneldata
H0: no first-order autocorrelation Prob > F = 0.0572
Nguồn: Kết quả tính toán từ phần mềm Stata.
4.1.6 Mô hình hồi quy FGLS
Như vậy mô hình tác động cố định có tồn tại hiện tượng phương sai sai số thay đổi nên nghiên cứu sử dụng phương pháp bình phương tối thiểu tổng quát khả thi (FGLS) để khắc phục các hiện tượng này trong mô hình.
Biến Hệ số hồi quy L1 CAR 0.5403** SIZE 0.0180 ROA -5.9256** LLR -3.3102** LIQ 3.5701** DEP -0.1879* LOA 0.0482 LEV 1.3779*** NIM 0.4298 C -0.4426 Số nhóm quan sát 25 Số lượng công cụ 19
Kiểm định Sargan Prob > chi2 = 0.973
Kiểm định Hasen Prob > chi2 = 0.628
Kiểm định Arellano-Bond AR(2) Pr > z = 0.672
Nguồn: Kết quả tính toán từ phần mềm Stata. 48
4.1.7 Mô hình hồi quy S-GMM
Trong các mô hình nghiên cứu thực nghiệm đã được xây dựng, bên cạnh các biến độc lập khác, độ trễ bậc 1 của biến phụ thuộc cũng được xem là một biến độc lập, hình thành mô hình dữ liệu bảng động (Dynamic panel data model). Mô hình dữ liệu bảng động thường được ước lượng bằng phương pháp System GMM do các ưu điểm đặc thù trong việc xử lý nội sinh. Kết quả thu được như sau:
*,**,*** tương ứng với các mức ý nghĩa 10%, 5% và 1%
Biến độc lập
Tác động hệ số an toàn vốn Giả thuyết Kết quả
nghiên cứu Kết luận
L1CAR 0.5403** Có ý nghĩa thống kê
SIZE - 0.0180 Không có ý nghĩa thống kê
ROA + -5.9256** Trái ngược với giả thuyết
LLR - -3.3102** Chấp nhận giả thuyết
LIQ + 3.5701** Chấp nhận giả thuyết
DEP - -0.1879* Chấp nhận giả thuyết
LOA - 0.0482 Không có ý nghĩa thống kê
LEV - 1.3799*** Trái ngược với giả thuyết
49
Kết quả phân tích ước lượng dữ liệu bảng động với phương pháp S-GMM được thể hiện ở bảng 4.11 với câu lệnh xtabond2 được giới thiệu bởi Roodmand. Tính hợp lệ của mô hình và của các biến công cụ được thể hiện ở số biến công cụ là 19 nhỏ hơn số nhóm quan sát là 25. Bên cạnh đó, kiểm định Sargan và Hasen cũng cho thấy tính hiệu lực của mô hình khi mà các giá trị P-value đều khá lớn. Kiểm định còn lại là Arellano- Bond (AR (2)) cũng cho giá trị P = 0.6272 nghĩa là giả thuyết ban đầu về việc không tồn tại mối tương quan chuỗi 2 bậc bị loại bỏ.
Dựa vào kết quả hồi quy, mô hình có biến LEV có ý nghĩa thống kê với mức ý nghĩa 1%, biến ROA, LIQ, LLR có ý nghĩa thống kê với mức ý nghĩa 5% và biến DEP có ý nghĩa thống kê với mức ý nghĩa 10%. Các biến còn lại không có ý nghĩa thống kê. Về mối tương quan, tác giả thấy rằng có mối tương quan ngược chiều giữa ROA, LLR và DEP với hệ số CAR. Ngược lại, LIQ và LEV có tác động cùng chiều đến hệ số an toàn vốn. Bên cạnh đó, biến độ trễ bậc 1 của CAR có giá trị P-value bằng 0.016, hệ số hồi quy mang dấu dương. Hay nói cách khác, hệ số an toàn vốn năm trước có ảnh hưởng tích cực đến hệ số an toàn vốn của năm sau. Chính vì thế, mô hình hồi quy của nghiên cứu được rút ra như sau:
CAR = -0.4426 +0.5403L1CAR + 0.018SIZE - 5.9256ROA - 3.3102LLR + 3.5701LIQ - 0.1879DEP + 0.0482LOA +1.3779LEV + 0.4298NIM
50
4.2 Thảo luận kết quả nghiên cứu
Bảng 4. 13: Mối quan hệ giữa ROA và CAR Mối quan hệ giữa ROA và CAR
1.20ớ /o 0/16.0 1.00ớ /o 14.0 0/12.0 0/ 0.80ớ / 0/10.0 8.00 0.60ớ / 0.40ớ / / 4.006.00 0.20/ 2.00 / 0.00/ 2013 2014 2015 2016 2017 2018 2019 2020 0.00 /
*,**,*** tương đương với các mức ý nghĩa 10%, 5% và 1%
Nguồn: Tác giả tự tổng hợp
4.2.1 Độ trễ bậc 1 của hệ số an toàn vốn (LlCAR)
Bằng việc bổ sung biến độ trễ bậc 1 của biến phụ thuộc đó chính là L1 CAR vào mô hình để thực hiện kiểm định S- GMM. Kết quả hồi quy chỉ ra rằng, độ trễ bậc 1 của hệ số an toàn vốn có ý nghĩa thống kê ở mức 5% với hệ số hồi quy bằng 0.5403. Điều này chỉ ra rằng hệ số an toàn vốn của năm trước có tác động cùng chiều đến hệ số an toàn vốn của năm sau đó.
4.2.2 Tỷ suất sinh lời trên tài sản (ROA)
Kết quả nghiên cứu cho thấy mối tương quan ngược chiều giữa ROA và CAR ở mức ý nghĩa 10%. Cụ thể, khi ROA tăng (giảm) 1% thì hệ số CAR giảm (tăng) 5.92%. Kết quả tuy trái ngược với các các nghiên cứu của Ahmet và Hasan (2011) khi nghiên cứu các ngân hàng ở Thổ Nhĩ Kỳ, cũng như của Mohammed, Iwan, Munawar và Aulia
51
(2013) khi nghiên cứu các ngân hàng ở Indonesia từ năm 2009 đến năm 2011. Tuy nhiên, kết quả tìm thấy được trong nghiên cứu lại tương đồng với các nghiên cứu thực nghiệm tại Việt Nam như của Nguyễn Kim Chi (2014) hay Hoàng Thị Thu Hường (2017).
Mối quan hệ giữa LLR và CAR 1.60ớ /o 0/16.0 1.40ớ /o 0/14.0 1.20ớ / 12.0 0/ 1.00ớ / 10.0 0/ 0.80ớ / / 8.00 0.60/ 6.00 / 0.40/ 4.00 / 0.20/ 2.00 / 0.00/ 0.00 / 2013 2014 2015 2016 2017 2018 2019 2020 ---ROA ---CAR Nguồn: Tác giả tổng hợp
Bảng 4.13 cho tình hình biến động hệ số an toàn vốn và tỷ suất sinh lời trên tài sản của các ngân hàng TMCP Việt Nam trong giai đoạn 2013 - 2020. Thực tế cho thấy ROA và CAR có mối tương quan ngược chiều. Có thể nhận thấy, đây là giai đoạn tăng trưởng mạnh mẽ của nền kinh tế nước ta sau khủng hoảng. Theo Nguyễn Kim Chi (2014), tốc độ tăng trưởng kinh tế tăng cao đã làm cho tỷ suất sinh lời trên tổng tài sản của các ngân hàng đều tăng cao, đi cùng với đó là tăng trưởng tín dụng nóng, chất lượng tín dụng giảm. Hơn nữa, khi ngân hàng muốn đạt được nhiều lợi nhuận hơn thì phải chấp nhận mở rộng danh mục đầu tư hoặc lựa chọn các danh mục đầu tư có nhiều rủi ro hơn. Việc gia tăng nắm giữ tài sản có rủi ro hơn mức tăng của lợi nhuận sẽ đồng nghĩa với việc hệ số an toàn vốn giảm đi.
52
4.2.3 Tỷ lệ dự phòng rủi ro tín dụng (LLR)
Đúng với giả thuyết ban đầu đặt ra, kết quả nghiên cứu chỉ ra rằng tỷ lệ dự phòng rủi ro tín dụng có mối tương quan ngược chiều với hệ số an toàn vốn ở mức ý nghĩa 5%. Cụ thể, khi LLR giảm 1% thì làm cho hệ số CAR tăng 3.31%. Kết quả này được ủng hộ bởi Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2019), Osama A. El- Ansary & Hassan M. Hafez (2015). Điều này có thể được giải thích là khi trích lập dự phòng rủi ro tăng đồng nghĩa với việc gia tăng nợ xấu hay các tài sản có rủi ro trong danh mục cho vay, điều này sẽ làm tăng số tiền dự phòng cho những tài sản rủi ro. Từ đó làm giảm hệ số CAR.
---LLR ---CAR
Nguồn: Tác giả tổng hợp
Bảng 4.13 cho thấy hình biến động hệ số an toàn vốn và tỷ lệ dự phòng rủi ro tín dụng của các ngân hàng TMCP Việt Nam trong giai đoạn 2013 - 2020. Thực tế cũng cho thấy LLR và CAR có mối tương quan ngược chiều. Đặc biệt tín dụng ngân hàng tăng trưởng nóng trong giai đoạn 2012 -2016, điều này khiến cho việc trích lập dự phòng cho những khoản tín dụng này ngày càng tăng lên, chính vì thế làm cho hệ số CAR giảm theo thời gian.
16.0 0% 70.00% 14.0 0% 12.0 0% 68.00% 10.0 0% 66.00% / 8.00 % 64.00% 6.00 % 4.00 62.00% 2.00 % 60.00% --- 0.00 % 53
4.2.4 Khả năng thanh khoản (LIQ)
Yeu tố tiếp theo tác động đến hệ số an toàn vốn đó chính là khả năng thanh khoản. Kết quả nghiên cứu cho thấy mối tương quan cũng chiều giữa hai yếu tố này. Cụ thể, khi LIQ tăng 1% thì CAR tăng 3.5701%. Kết quả nghiên cứu trên cũng được ủng hộ bởi các quan điểm của Võ Hồng Đức và cộng sự (2014) hay như Osama A. El- Ansary & Hassan M. Hafez (2015) cũng chỉ ra rằng các ngân hàng có hệ số thanh khoản càng cao thì hệ số an toàn vốn càng cao và ngược lại.
Bảng 4.15: Mối quan hệ giữa LIQ và CAR
1.00ớ/ o 0.95ớ/ o 0.90ớ/ 0.85ớ/ 0.80ớ/
Mối quan hệ giữa LIQ và CAR
16.00ớ/ 14.00ớ/ 12.00ớ/ 10.00/ 8.00/ 6.00/ 4.00/ 2.00/ 0.00/ 2013 2014 2015 2016 2017 2018 2019 2020 ---LIQ ---CAR Nguồn: Tác giả tổng hợp
Bảng 4.14 cho thấy tình hình biến động hệ số an toàn vốn và khả năng thanh khoản của các ngân hàng TMCP Việt Nam trong giai đoạn 2013 - 2020. Thực tế cũng cho thấy LIQ và CAR có mối tương quan cùng chiều. Trong gia đoạn 2013 - 2015, hệ số thanh khoản của các ngân hàng được cải thiện đáng kể. Tuy nhiên, bước sang giai đoạn 2015 - 2020 thì hệ số khả năng thanh khoản của ngân hàng lại có xu hướng giảm. Trong lịch sử ngành ngân hàng đã có không ít ngân hàng phải tuyên bố phá sản khi rơi vào rủi ro thanh khoản như Northern Rock Bank (2007), Washington Mutual (2007) kéo theo đó là sự sụp đổ của Lehman Brothers (2008). Chính vì thế, việc đảm bảo khả
54
năng thanh khoản giúp ngân hàng tránh khỏi những cú sốc từ nền kinh tế, làm giảm khả năng vỡ nợ. Đồng nghĩa với việc tỷ lệ an toàn vốn tăng lên.
4.2.5 Tỷ lệ tiền gửi khách hàng (DEP)
Giống với kỳ vọng ban đầu của tác giả, kết quả hổi quy chỉ ra rằng tỷ lệ tiền gửi khách hàng có mối tương quan ngược chiều với hệ số an toàn vốn. Cụ thể, khi DEP tăng 1% thì hệ số CAR giảm 0.1879%. Cùng với quan điểm này Nadja Dreca (2014), Nguyễn Kim Chi (2014) cũng đều cho rằng những ngân hàng có lượng tiền gửi dồi dào thì khả năng thanh khoản của ngân hàng này cũng cao hơn do đó ngân hàng có xu hướng duy trì hệ số an toàn vốn thấp hơn.
Bảng 4.16: Mối quan hệ giữa DEP và CAR
2013 2014 2015 2016 2017 2018 2019 2020
---DEP ---CAR
Nguồn: Tác giả tổng hợp
Bảng 4.15 cho thấy tình hình biến động hệ số an toàn vốn và tỷ lệ tiền gửi của các ngân hàng TMCP Việt Nam trong giai đoạn 2013 - 2020. Thực tế cũng cho thấy DEP và CAR có mối tương quan ngược chiều. Nhìn vào một số ngân hàng lớn như Vietcombank, BIDV, Vietinbank... là những ngân hàng có lượng tiền gửi dẫn đầu hệ thống, tuy nhiên hệ số an toàn vốn của những ngân hàng này lại thấp hơn đáng kể so với những ngân hàng nhỏ như là KienLongBank, PG Bank...
55
4.2.6 Hệ số đòn bẩy tài chính (LEV)
Yeu tố tiếp theo tác động đến hệ số an toàn vốn đó chính là hệ số đòn bẩy tài