Nguồn dữ liệu: Tác giả tiến hành thu thập số liệu về tình hình hoạt động kinh doanh trên Bảng cân đối kế toán và Bảng kết quả hoạt động kinh doanh của các ngân hàng thương mại cổ phần tại Việt Nam.
Thời gian thu thập: Trong thời gian 5 năm, từ năm 2015 - 2019.
3.1.3. Phươngpháp nghiên cứu
Luận văn này được thực hiện nhằm nghiên cứu xác định các yếu tố có tác động đến HQTC của các NHTMCP Việt Nam. Sau khi đã khảo lược các lý thuyết liên quan để xây dựng giả thuyết và mô hình nghiên cứu, bước tiếp theo sẽ sử dụng phương pháp phân tích và thực hiện hồi quy mô hình để kiểm định các giả thuyết đã đặt ra. Trước khi tiến hành chạy hồi quy, các khuyết tật mô hình như: hiện tượng đa cộng tuyến, phương sai thay đổi và tự tượng quan của nhiễu sẽ được kiểm định. Trong luận văn này phương pháp chính được sử dụng là phương pháp Robust standard errors trên dữ liệu bảng và hai phương pháp khác được sử dụng để so sánh đối chiếu là phương pháp bình phương bé nhất tổng quát khả thi (FGLS - Feasib Generalized Least Squares), GMM (General Method of Moments).
Thứ nhất là về phương pháp FGLS, FGLS là phương pháp kết hợp mô hình hồi quy có trọng số (Weighted Least Squares - WLS) với mục đích khắc phục hiện tượng phương sai của sai số thay đổi và mô hình tự hồi quy bậc nhất với mục đích khắc phục tự tương quan của phần dư (Wooldridge, 2002). Cũng theo Wooldridge (2002), việc sử dụng phương pháp FGLS tốt hơn so với phương pháp Pooled OLS (Ordinary Least Squares - Bình phương bé nhất thông thường) là do phương pháp
Pooled OLS được giả định rằng hiện tượng phương sai của sai số phải đồng nhất và không có hiện tượng tự tương quan để cho việc ước lượng các tham số vững và không bị chệch.
Thứ hai, phương pháp GMM là phương pháp dữ liệu bảng động được Lars Peter Hansen trình bày lần đầu tiên vào năm 1982 trong bài viết “Large Sample Properties of Generalized Methods of Moments Estimators” được đăng trong Econometrica, số 50, trang 1029-1054. GMM là phương pháp tổng quát của rất nhiều phương pháp ước lược phổ biến; ngay cả trong điều kiện giả thiết nội sinh bị vi phạm, phương pháp GMM cho ra các hệ số ước lượng vững, không chệch, phân phối chuẩn và hiệu quả. Theo kết quả nghiên cứu của Arellano và Bond (1991), phương pháp hồi quy tuyến tính dữ liệu bảng động (Arellano-Bond linear dynamic panel-data estimation) là một giải pháp hữu hiệu để ước lượng hồi quy trong mô hình trong trường hợp mô hình vừa có hiện tượng phương sai thay đổi, tự tương quan và nội sinh. Mô hình Arellano và Bond (1991) kiểm soát được hiện tượng tự tương quan giữa phần dư, hiện tượng phương sai thay đổi và nội sinh. Sau khi thực hiện hồi quy theo hai phương pháp FGLS và GMM, luận văn thực hiện hồi quy đối chiếu (Robustness check) và mở rộng theo phương pháp Robust standard errors trên dữ liệu bảng. Theo nghiên cứu Daniel Hoechle (2007), trên dữ liệu bảng có phương sai thay đổi, có tự tương quan xảy ra. Để tăng hiệu quả của ước lượng hệ số, giảm độ lệch chuẩn của ước lượng, Daniel Hoechle (2007) sử dụng phương pháp tính độ lệch chuẩn Robust standard errors được giới thiệu bởi Driscoll-Kraay (1998). Phương pháp hồi quy Robust standard errors trên dữ liệu bảng khắc phục được phương sai thay đổi, tự tương quan nếu có và hơn nữa đưa ra hiệu quả ước lượng hệ số tốt hơn, độ lệch chuẩn ước lượng nhỏ hơn. Với những ưu việt được trình bày trên, tác giả lựa chọn kết quả hồi quy trên Robust standard errors là kết quả chính cho nghiên cứu.