Arellano và Bond (1991) cho rằng phương pháp ước lượng GMM sẽ phù hợp sử dụng khi dữ liệu bảng có nhiều quan sát với ít mốc thời gian (T<N), có mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập, mô hình có chứa biến trễ, biến nội sinh, trong mô
hình tồn tại vấn đề phương sai sai số thay đổi hoặc tự tương quan. Khi trong mô hình nghiên
cứu xảy ra các vấn đề này thì các ước lượng theo phương pháp OLS, FEM hay REM sẽ không còn phù hợp vì có thể gây ra những sai lệch về kết quả nghiên cứu hoặc gặp phải các vấn đề khuyết tật mô hình như hiện tượng tự tương quan, hiện tượng phương sai sai số
thay đổi hay hiện tượng đa cộng tuyến. Cho nên, phương pháp ước lượng GMM sẽ phù hợp và cho ra kết quả ước lượng hồi quy vững, hiệu quả hơn.
Nguyễn Thị Đoan Trang (2019) cho rằng ước lượng của phương pháp GMM được sử dụng trong các trường hợp như sau: dữ liệu bảng có nhiều quan sát trong khi mốc thời gian ít (N lớn, T nhỏ), giữa biến phụ thuộc và biến giải thích có quan hệ tuyến tính, mô hình có chứa 1 hoặc hai biến trễ, các biến độc lập có thể tương quan với phần dư (hiện tại hoặc trước đó) hoặc mô hình tồn tại biến nội sinh (Endogenous variables), mô hình có tồn tại vấn đề phương sai thay đổi hoặc tự tương quan ở các sai số đo lường (idiosyncratic disturbances), mô hình có tồn tại các tác động cố định riêng rẻ (fixed individual effects), hoặc mô hình có tồn tại phương sai thay đổi và tự tương quan trong mỗi đối tượng (nhưng không tồn tại giữa các đối tượng).
Acemoglu và Cộng sự (2005) cho rằng biến nội sinh thường xuất hiện trong mô hình tăng trưởng nên gây ra sai lệch cho hồi quy theo phương pháp bình phương bé nhất,
việc sử dụng các biến công cụ ngoại sinh có thể giúp các hồi quy khắc phục được hiện tượng nội sinh và xử lý được vấn đề không hiệu quả khi có sự không đồng nhất. Từ đó, để cho ra kết quả ước lượng phù hợp và hiệu quả.
Phạm Thị Hồng Vân và Nguyễn Hồng Thắng (2019) cho rằng phương pháp GMM được xem là phù hợp khi thỏa mãn hai điều kiện sau: mô hình có tồn tại các hạn chế về giới hạn quá mức, tức là cần phải xác định tính phù hợp của biến công cụ, kiểm định sự không tồn tại mối tương quan giữa biến công cụ và sai số; Mô hình không tồn tại hiện tượng tự tương quan bậc hai - AR(2) trong sai phân bậc nhất - AR(1). Để kiểm định tính phù hợp của phương pháp ước lượng GMM, nghiên cứu cần sử dụng kiểm định Sargan hoặc Hansen về giới hạn xác định quá mức và kiểm định Arellano-Bond về hiện tượng tự tương quan.
Arellano và Bond (1991) nhận thấy phương pháp ước lượng GMM sẽ sử dụng các biến công cụ để giải quyết vấn đề biến nội sinh trong mô hình. Vì vậy, trước khi áp dụng phương pháp ước lượng GMM thì tác giả cần phải xác định được đâu là biến nội sinh và từ đó đưa ra được các biến công cụ cho phù hợp.
Sau khi xác định được biến nội sinh, biến công cụ thì tác giả cần tiến hành kiểm định độ tin cậy và tính hợp lý của các biến được sử dụng trong mô hình với hai kiểm định quan trọng là kiểm định AR (2) và kiểm định Sargan test/Hansen test.
Kiểm định AR (2) hay còn được gọi là kiểm định sự tương quan bậc 2 của phần dư
trong mô hình, với giả thuyết H0: không có hiện tượng sự tương quan bậc 2 của phần dư.
Khi P-value lớn hơn 10%, ta chấp nhận H0: phần dư của mô hình không tồn tại hiện tượng
tự tương quan bậc 2, nghĩa là mô hình đạt yêu cầu.
Kiểm định Sargan: nhằm kiểm tra tính phù hợp của mô hình và các biến công cụ trong mô hình GMM. Đây là kiểm định về hiện tượng nội sinh trong mô hình của Sargan
(1958), với giả thuyết H0: các biến công cụ là biến ngoại sinh, mô hình không có hiện
tượng
nội sinh và không có hiện tượng tương quan với sai số trong mô hình. Nếu giá trị P-value
của Sargan lớn hơn 10% thì ta chấp nhận H0 các biến công cụ là biến ngoại sinh, mô hình không có hiện tượng nội sinh và không có hiện tượng tương quan với sai số trong mô hình.
Với kết quả kiểm định có giá trị P-value của Sargan càng lớn thì càng tốt.
TÓM TẮT CHƯƠNG 3
Trên nền tảng cơ sở lý thuyết được tác giả trình bày ở chương 2 thì nội dung chương
3 tác giả tiếp tục trình bày quy trình nghiên cứu của bài khóa luận, phương pháp được dùng
để thực hiện nghiên cứu, mô tả dữ liệu, đưa ra các giả thuyết nghiên cứu để có cơ sở thiết lập mô hình nghiên cứu.
Tác giả đã sử dụng phương pháp nghiên cứu định tính, định lượng và các kỹ thuật phân tích, so sánh, thống kê mô tả. Nghiên cứu định lượng được thực hiện thông qua việc xây dựng mô hình hồi quy tuyến tính và phân tích hồi quy theo phương pháp ước lượng momen tổng quát - GMM để nhằm tăng đảm bảo tính vững và hiệu quả cho mô hình. Trong chương 3, tác giả cũng đặt dấu kì vọng cho các biến trong mô hình nhằm muốn đánh
giá, thể hiện lên các yếu tố ảnh hưởng đến TTTD của các NHTM tại Việt Nam. Kết quả nghiên cứu sẽ dựa vào kết quả hồi quy đạt được và trình bày trong phần nội dung ở chương
tiếp theo.
STT BIẾN SỐ QUAN SÁT TRUNGBÌNH ĐỘ LỆNHCHUẨN GIÁ TRỊ NHỎ NHẤT GIÁ TRỊ LỚN NHẤT 1 LGR 277 0.22931 0.22202 -0.47736 1.48061 2 LGR(t-1) 275 0.31909 0.67738 -0.3010 10.5186 3 ROA 278 0.00834 0.00803 -0.05993 0.05543 4 ROE 278 0.09341 0.08214 -0.56326 0.29393 5 SIZE 278 7.95374 0.49990 6.761753 9.14659 6 NPL 278 0.02267 0.01827 0.000083 0.2140 7 LIQ 278 0.18346 0.09057 0.045018 0.61038 8 DA 278 0.63374 0.1308 0.25084 0.89924 9 ETA 278 0.09459 0.04223 0.029314 0.25539 10 GDP 278 0.06309 0.00596 0.052474 0.07076 11 INF 278 0.06158 0.04826 0.008786 0.18676
CHƯƠNG 4. KÉT QUẢ NGHIÊN CỨU MÔ HÌNH
69
Giới thiệu chương 4:
Chương 4, dựa trên mô hình thực nghiệm và dữ liệu thu thập được, tác giả sẽ thực hiện và phân tích kết quả của các kiểm định cần thiết thông qua phần mềm Stata 14 như phân tích thống kê mô tả, phân tích ma trận hệ số tương quan giữa các biến, phân tích hiện
tượng đa cộng tuyến và phân tích kết quả ước lượng mô hình momen tổng quát - GMM nhằm để khắc phục các khuyết tật tồn tại mô hình. Cuối cùng, tác giả tiến hành thảo luận kết quả nghiên cứu và đây cũng chính là cơ sở để đề ra một số khuyến nghị nhằm để thúc đẩy tình hình hoat động TTTD của các NHTM Việt Nam.