3.3 Phương pháp nghiên cứu
3.3.1 Phương pháp nghiên cứu
- Thống kê mô tả: Với phương pháp mô tả này, các đặc điểm nổi bật của các các nhân tố tác động đến rủi ro thanh khoản của NHTM VN sẽ được thể hiện qua các chỉ số như giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất. Từ đó, thông qua các chỉ số này, sẽ có cái nhìn tổng quát về các mẫu
nghiên cứu.
- Phân tích tương quan: Xác định mức độ tương quan giữa các biến độc lập và biến phụ thuộc với nhau
- Phân tích hồi quy: Sử dụng phần mềm Stata để thực hiện hồi quy tuyến tính theo phương pháp hồi quy thông thường trên dữ liệu bảng như phương pháp bình phương nhỏ nhất (OLS), phương pháp tác động cố định (FEM), phương pháp tác động ngẫu nhiên (REM). Sau đó, tác giả sẽ sử dụng kiểm định Hausman-test để kiểm tra xem mô hình FEM hay REM là phù hợp hơn trong nghiên cứu này. Bên cạnh đó, tác giả sẽ sử dụng kiểm định LM -Breusch & Pagan Lagrangian Multiplier và Wooldridge để xem xét mô hình có chứa hiện
tượng phương sai của sai số thay đổi và tự tương quan. Cuối cùng là tác giả sử
dụng phương pháp GMM.
- Nói một cách tổng quan thì GMM là phương pháp tổng quát của rất nhiều phương pháp ước lượng được sử dụng phổ biến như OLS, FEM, REM, GLS, ... Phương pháp hồi quy GMM được trình bày bởi Lars Peter Hansen (1982). Trong trường hợp biến độc lập trong mô hình cũ là biến nội sinh (được mô tả qua biến khác) mà biến chưa đưa vào này có quan hệ với phần dư thì sẽ dẫn tới khuyết tật cho mô hình. Do vậy, bằng cách đưa thêm biến công cụ (có quan
hệ chặt chẽ với biến độc lập, biến phụ thuộc trong mô hình cũ nhưng không có quan hệ với phần dư), phương pháp GMM này được sử dụng nhằm khắc phục tình trạng bỏ xót biến quan trọng, cụ thể là thiếu biến nội sinh hoặc biến ngoại sinh.
- Để ước lượng được vector hệ số β, phương pháp GMM sẽ dùng một bộ L vector các biến công cụ (trong ước lượng GMM còn được gọi là các điều kiện
Moment). Điều kiện để một biến được chọn là biến công cụ không được tương
quan với phần dư, điều này có nghĩa là: Ý tưởng chủ đạo của phương pháp GMM là thay thế giá trị các biến công cụ bằng giá trị trung bình của mẫu và đi tìm Vector β thõa mãn phương trình trên.
- Khi số lượng điều kiện moment lớn hơn số biến trong mô hình thì phương trình không thể xác định một nghiệm chính xác duy nhất (có nhiều nghiệm có thể thõa mãn phương trình). Khi đó mô hình được gọi là overidentified. Trong
trường hợp đó, chúng ta phải thực hiện tính toán lại nhằm xác định giá trị β làm cho điều kiện moment gần bằng 0 nhất có thể, có nghĩa là khoảng cách với giá trị 0 là nhỏ nhất, khoảng cách đó được xác định thông qua ma trận ngẫu
nhiên, cân xứng và không âm (kích thước L x L) được gọi là ma trận trọng số vì nó thể hiện mức đóng góp của các điều kiện moment khác nhau vào khoảng
cách J. Phương pháp ước lượng GMM sẽ xác định giá trị ước lượng β để khoảng cách là J là nhỏ nhất.