Phương trình hồi quy nghiên cứu cho điều kiện thực tế tại Việt Nam có dạng: CARit = βo + β1ROAit + β2DEPit+ β3LOAit + β4LIQit + β5NPLit + β6SIZEit + β7INFit + εit.
Trong đó:
- (CAR)it là hệ số an toàn vốn của ngân hàng i tại thời điểm t
- (SIZE)it là quy mô ngân hàng i tại thời điểm t, được lượng hóa bằng logarit của tổng tài sản ngân hàng i tại thời điểm t.
- (ROA)it là khả năng sinh lời của ngân hàng i tại thời điểm t, được lượng hóa bằng lợi nhuận sau thuế của ngân hàng i trong năm t chia cho tổng tài sản của ngân hàng i trong năm t.
- (DEP)it là khoản tiền gửi của khách hàng tại ngân hàng i tại thời điểm t, được lượng hóa bằng tổng tiền gửi của khách hàng tại ngân hàng i trong năm t chia cho tổng tài sản của ngân hàng i trong năm t.
- (LOA)it là khoản tiền cho vay của ngân hàng i tại thời điểm t được tính bằng số lượng tiền cho vay của ngân hàng i trong năm t chia cho tổng tài sản của ngân hàng i trong năm t.
- (LIQ)it là hệ số thanh khoản của ngân hàng i tại thời điểm t, được lượng hóa bằng tiền mặt và các khoản tương đương tiền của ngân hàng i trong năm t chia cho tổng tài sản của ngân hàng i trong năm t.
- (NPL)it là tỷ lệ nợ xấu của ngân hàng i tại thời điểm t được lượng hóa bằng tổng số nợ xấu chia cho tổng dư nợ tín dụng của ngân hàng i tại thời điểm t. - (INF)it là tỷ lệ lạm phát tại thời điểm t.
- ε: sai số thống kê. - β0: hệ số góc.
3.1.3. Giả thuyết nghiên cứu
Với cơ sở lý thuyết được trình bày và mô hình nghiên cứu trên thông qua bối cảnh thực trạng an toàn vốn của ngành ngân hàng Việt Nam trong giai đoạn từ năm 2013-2019, tác giả đạt ra các giả thuyết nghiên cứu như sau:
- H1: Lợi nhuận sau thuế/tổng tài sản có tác động cùng chiều (+) đến hệ số an toàn vốn của ngân hàng thương mại Việt Nam.
- H2: Tổng tiền gửi/ tổng tài sản có tác động ngược chiều (-) đến hệ số an toàn vốn của ngân hàng thương mại Việt Nam.
- H3: Tiền mặt và các khoản tương đương tiền/Tổng tài sản có tác động cùng chiều (+) đến hệ số an toàn vốn của ngân hàng thương mại Việt Nam.
- H4: Tổng nợ xấu/tổng dư nợ cho vay có tác động ngược chiều (-) đến hệ số an toàn vốn của ngân hàng thương mại Việt Nam.
- H5: Quy mô của ngân hàng có tác động ngược chiều (-) đến hệ số an toàn vốn của ngân hàng thương mại Việt Nam.
- H6: Tổng dư nợ cho vay/tổng tài sản có tác động ngược chiều (-) đến hệ số an toàn vốn của ngân hàng thương mại Việt Nam.
- H7: Tỷ lệ lạm phát có tác động ngược chiều (-) đến hệ số an toàn vốn của ngân hàng thương mại Việt Nam.
3.1.4. Dữ liệu nghiên cứu
- Với mục tiêu nghiên cứu tác động của các yếu tố ảnh hưởng đến hệ số của ngân hàng thương mại Việt Nam giai đoạn từ năm 2013 đến 2019, luận văn sử dụng dữ liệu của ngành ngân hàng thương mại Việt Nam giai đoạn từ năm 2013- 2019, dữ liệu vĩ mô của Việt Nam từ trang web của Ngân hàng Nhà Nước Việt Nam, tổng cục thống kê.
- Dữ liệu chi tiết của 15 ngân hàng được thu thập từ các báo cáo tài chính của các ngân hàng trong giai đoạn nghiên cứu, bảng cân đối kế toán, báo cáo kết quả kinh doanh, lưu chuyển tiền tệ và thuyết minh báo cáo tài chính, báo cáo
thường niên của 15 ngân hàng được niêm yết trên trang web chính của từng ngân hàng thương mại.
- Dữ liệu vĩ mô của Việt Nam được thu thập từ trang Ngân hàng Thế giới (WorldBank), ngân hàng nhà nước, tổng cục thống kê. Dữ liệu nghiên cứu của luận văn gồm 15 Ngân hàng thương mại trong đó có 3 ngân hàng thương mại quốc doanh là Ngân hàng Ngoại Thương Việt Nam, Ngân hàng TMCP Đầu Tư và Phát Triển Việt Nam và ngân hàng thương mại cổ phần Công Thương Việt Nam, và 12 ngân hàng thương mại cổ phần khác. Danh sách và kí hiệu chi tiết nằm trong Phụ lục 1 của luận văn.
3.2. PHƯƠNG PHÁP NGHIÊN CỨU
Hình 3.1 Mô hình nghiên cứu theo tiến trình sử dụng phương pháp định lượng.
Các bước nghiên cứu của mô hình:
Bước 1: Thu thập dữ liệu thống kê Bước 2: Phân tích thống kê mô tả
Mô tả tóm tắt các đặc trưng cơ bản của dữ liệu về biến phụ thuộc và các biến độc lập bao gồm các giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn. Bước 3: Phân tích ma trận tương quan giữa các biến trong mô hình
Kiểm tra mối quan hệ tương quan giữa các biến trong mô hình, kiểm tra mối tương quan giữa các biến độc lập với các biến phụ thuộc, và giữa các biến độc lập
với nhau để phát hiện ra các khiếm khuyết của mô hình như đa cộng tuyến, phương sai thay đổi hay tự tương quan trong mô hình nghiên cứu.
Bước 4: Ước lượng hồi quy các hệ số
Ước lượng hồi quy theo mô hình Pooled Ols, Fixed Effect Model, Random Effect Model để tìm ra mô hình phù hợp sử dụng các kiểm định Hausman để lựa chọn mô hình phù hợp giữa hai mô hình Fixed Effect Model, Random Effect, kiểm định phương sai thay đổi, kiểm định đa cộng tuyến, tự tương quan.
Bước 5: Xem xét kết quả khắc phục các khuyết tật của mô hình như phương sai
thay đổi hoặc tự tương quan nếu mô hình có phát sinh.
Bước 6: Kết luận kết quả nghiên cứu đánh giá tác động của từng yếu tố đến hệ số
an toàn vốn.
3.2.1. Phương pháp hồi quy
Mô hình nghiên cứu có thể áp dụng phương pháp hồi quy dữ liệu bảng với các mô hình như sau:
- Mô hình hỗn hợp (Pooled OLS): là mô hình được giả định về tung độ gốc và hệ số góc không thay đổi theo thời gian và theo các đơn vị (ngân hàng). Nghĩa là, nhóm biến độc lập ảnh hưởng đến biến phụ thuộc là như nhau giữa các ngân hàng thương mại và không đổi theo thời gian. Phương pháp ước lượng cho mô hình hỗn hợp là bình phương nhỏ nhất cổ điển. Nói cách khác, mô hình Pool OLS giả định không tồn tại nhân tố ci (nhân tố về sự khác biệt đặc trưng giữa các đơn vị nhưng không đo lường được) trong mô hình. Tuy nhiên, mô hình và phương pháp ước lượng này có hạn chế là giả định quá chặt giữa các ngân hàng trong khi thực tế các ngân hàng nluôn có sự khác biệt đặc trưng như văn hóa, phong cách quản lý, cách thức kinh doanh, môi trường hoạt động và sự khác biệt này có thể thay đổi theo thời gian.
- Mô hình tác động cố định (Fixed effects model_FEM): khi các đơn vị chéo được quan sát không đồng nhất, FEM được sử dụng để phản ánh tác động của biến giải thích đến biến phụ thuộc có tính đến đặc trưng riêng của từng đơn vị
chéo. Theo đó, FEM giả định các hệ số hồi quy riêng phần giống nhau giữa các đơn vị chéo, nhưng các hệ số chặn hồi quy được phân biệt giữa các đơn vị chéo.
- Mô hình tác động ngẫu nhiên (Random effects model_REM): Mô hình REM xác định các hệ số chặn khác nhau cho từng đơn vị chéo, tác động chung của các biến giải thích. Các hệ số chặn của từng đơn vị chéo được phát sinh từ một hệ số chặn chung không đổi theo đối tượng và thời gian, và một biến ngẫu nhiên là một thành phần của sai số thay đổi theo đối tượng nhưng không thay đổi theo thời gian.
3.2.2. Trình tự nghiên cứu định lượng
3.2.2.1. Phân tích thống kê mô tả
Phương pháp này được sử dụng để mô tả những đặc tính cơ bản của bảng dữ liệu nhằm có cái nhìn tổng quát hơn về mẫu nghiên cứu. Thông qua bảng mô tả thống kê các biến độc lập và biến phụ thuộc của các ngân hàng thương mại Việt Nam giai đoạn từ năm 2013 đến 2019 ta thấy được giá trị cao nhất, giá trị trung bình, giá trị bé nhất, độ lệch chuẩn của từng biến nghiên cứu.
3.2.2.2. Phân tích tương quan
Phân tích tương quan được sử dụng để xem xét mối quan hệ giữa các biến phụ thuộc và biến kiểm soát. Kết quả phân tích tương quan có thể bước đầu đánh giá được các dự báo của mô hình. Ngoài ra, trong trường hợp các biến độc lập có tương quan cao thì đây là dấu hiệu của đa cộng tuyến, do đó đây là một cơ sở để tác giả thực hiện kiểm định đa cộng tuyến và điều chỉnh mô hình.
3.2.2.3. Phân tích hồi quy
Trong khi phân tích tương quan kiểm tra có tồn tại mối quan hệ giữa các biến phụ thuộc và biến độc lập. Thì phân tích hồi quy dùng để đo lường mức độ ảnh hưởng của các biến độc lập đối với biến phụ thuộc. Hệ số Prob (P-value) trong phân tích hồi quy cho biết mức độ tác động của từng biến độc lập lên biến phụ thuộc, các mức
thống kê có ý nghĩa thường được sử dụng là 1%, 5% và 10%. Trong luận văn tác giả chọn mức thống kê ý nghĩa 10%, tức là biến độc lập được xem là có ảnh hưởng mạnh đến biến phụ thuộc khi giá trị Prob của từng biến độc lập trong mô hình hồi quy nhỏ hơn 10% (P-value<0.1) và ngược lại.
3.2.2.4. Các kiểm định của mô hình
Kiểm định F: là một kiểm định để lựa chọn phương pháp OLS và FEM, dựa trên giả
định không có sự khác biệt giữa tung độ gốc theo đơn vị không gian. Với giả thuyết: H0: không có sự khác biệt giữa các đối tượng hoặc các thời điểm khác
nhau. H1: có sự khác biệt giữa các đối tượng hoặc các thời điểm khác nhau. Nếu P-value <0.1: bác bỏ giả thuyết H0 hay có thể lựa chọn phương pháp REM, ngươc lại chọn mô hình phù hợp là OLS.
Kiểm định Hausman: là kiểm định nhằm lựa chọn phương pháp FEM và REM dựa
trên giả định:
H0: không có sự tương quan giữa sai số đặc trưng giữa các đối tượng với các biến giải thích trong mô hình.
H1: có sự tương quan giữa sai số đặc trưng giữa các đối tượng với các biến giải thích trong mô hình.
Nếu P-value < 0.1: bác bỏ giả thuyết H0 chọn mô hình FEM, ngược lại mô hình REM là phù hợp.
3.2.2.5. Các kiểm định giả thuyết hồi quy
Kiểm định phương sai thay đổi: Một trong các giả thuyết chủ yếu cho hồi quy bình phương bé nhất thông thường OLS là phương sai không thay đổi. Nếu phương sai không phải là một hằng số thì được coi là phương sai thay đổi. Để kiểm định phương sai thay đổi, tác giả sử dụng kiểm định White với giả thuyết:
H0: không có hiện tượng phương sai thay đổi H1: có hiện tượng phương sai thay đổi.
Nếu giá trị P-value < 0.1 bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1.
Kiểm định đa cộng tuyến: Khi phân tích tương quan, hệ số tương quan giữa các biến cao là dấu hiệu của đa cộng tuyến. Để đảm bảo tính chính xác, tác giả sử dụng hệ số phóng đại phương sai (VIF – Variance Inflation Factor) để kiểm định hiện tượng đa cộng tuyến. Khi VIF > 10 thì mức độ cộng tuyến được xem là cao, ngược lại hệ số VIF < 10 sẽ không có hiện tượng đa cộng tuyến.
Kiểm định tự tương quan: tác giả sử dụng kiểm định Wooldrige để kiểm định
hiện tượng tự tương quan với giả thuyết: H0: không có hiện tượng tự tương quan H1: có hiện tượng tự tương quan
Nếu kết quả kiểm định cho giá trị P-value < 0.1 bác bỏ giả thuyết H0, chấp nhập giả thuyết H1.
Kiểm định nội sinh: tác giả kiểm định nội sinh bằng mô hình hồi quy 2 giai
đoạn H0: không có hiện tượng nội sinh H1: có hiện tượng nội sinh
Nếu kết quả kiểm định cho giá trị P-value < 0.1 bác bỏ giả thuyết H0, chấp nhập giả thuyết H1
KẾT LUẬN CHƯƠNG 3
Từ cơ sở lý thuyết về hệ số an toàn vốn giai đoạn từ năm 2013 đến năm 2019 tại ngân hàng thương mại Việt Nam, tác giả đã xây dựng 7 giả thuyết nghiên cứu và mô hình nghiên cứu cụ thể. Ngoài ra luận văn còn trình bày dữ liệu nghiên cứu, xác định các biến nghiên cứu phương pháp nghiên cứu cũng như xây dựng mô hình kiểm định hồi quy phù hợp cho từng biến của nghiên cứu thực nghiệm. Kết quả chi tiết sẽ được tác giả trình bày ở chương 4.
CHƯƠNG 4. PHÂN TÍCH DỮ LIỆU VÀ TRÌNH BÀY KẾT QUẢ NGHIÊN CỨU
4.1. THỐNG KÊ MÔ TẢ BIẾN
Thống kê mô tả bao gồm: trung bình (Mean), trung vị (Std.Dev), giá trị lớn nhất (Max), giá trị nhỏ nhất (Min). Kết quả thống kê mô tả dữ liệu của các biến quan sát thể hiện tại bảng 4.1:
Bảng 4.1 Thống kê mô tả.
Variable Obs Mean Std. Dev. Min Max
CAR 105 0.121016 0.0308872 0.0912 0.2453 ROA 105 0.0048903 0.005206 0.0001698 0.0294767 DEP 105 0.5850406 0.1627794 0.0018228 1.418615 LOA 105 0.5746445 0.1463163 0.1656536 1.225009 LIQ 105 0.125230 0.0433079 0.0209995 0.2238067 NPL 105 0.0191459 0.0137331 0.00975 0.02281 SIZE 105 11.67606 1.561766 13.77762 14.22375 INF 105 0.05708 0.00178 0.0279 0.1052
Nguồn: Tính toán của tác giả trên Stata 13
Kết quả cho thấy:
CAR_ hệ số an toàn vốn của ngân hàng thương mại Việt Nam trong giai đoạn từ năm 2013-2019 đạt giá trị trung bình là 12.1%. CAR có sự biến động giữa các ngân hàng, CAR đạt giá trị nhỏ nhất là 9% và giá trị lớn nhất là 24.53%. Biến ROA_ tỷ suất sinh lời trên tổng tài sản đạt giá trị trung bình xấp xỉ gần 0.0048
Biến DEP_tổng tiền gửi khách hàng trên tổng tài sản đạt giá trị trung bình 0.585
Biến LOA_ tổng dư nợ cho vay trên tổng tài sản đạt giá trị trung bình 0.574 Biến LIQ_tiền mặt và các khoản tương đương tiền trên tổng tài sản đạt giá trị trung bình 0.125
Biến NPL_ tổng nợ xấu trên tổng dư nợ cho vay đạt giá trị trung bình là 0.019 Biến SIZE_quy mô ngân hàng đạt giá trị trung bình là 11.676 Biến INF_ tỷ lệ lạm phát đạt giá trị trung bình là 0.05.
4.2. PHÂN TÍCH TƯƠNG QUAN
- Hệ số tương quan (ρ) dùng để xem xét mối quan hệ tương quan tuyến tính giữa các biến, ngoài ra hệ số tương quan còn đo mức độ mạnh yếu, hệ số này biến thiên từ -1 đến 1. Thông qua hệ số tương quan riêng giữa các biến có thể biết chiều tác động, đồng thời cho thấy hiện tượng đa cộng tuyến trong mô hình hồi quy hay không.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), mối quan hệ tuyến tính giữa các biến có thể ước lượng thông qua giá trị hệ số tương quan như sau:
ρ>0: Hai biến có mối quan hệ cùng chiều; ρ<0: Hai biến có mối quan hệ ngược chiều;
ρ=0: Hai biến không có mối quan hệ tuyến tính;
Bảng 4.2 Trình bày mối tương quan giữa các biến trong mô hình nghiên cứu.
CAR ROA DEP LOA LIQ NPL SIZE INF
CAR 1.0000 ROA 0.2514 1.0000 DEP -0.1833 -0.0113 1.0000 LOA -0.3353 0.1190 0.2563 1.0000 LIQ 0.1284 -0.0412 0.1129 0.1086 1.0000 NPL -0.1252 0.0512 0.2814 0.2855 0.0996 1.0000 SIZE -0.1085 0.0548 -0.0833 -0.0426 0.0267 0.0917 1.0000 INF -0.0346 0.0904 0.0297 0.1866 0.0372 -0.0869 -0.144 1.0000
Nguồn: Tính toán của tác giả trên Stata 13
Về mối quan hệ giữa biến phụ thuộc và biến độc lập cùng với biến kiểm soát trong mô hình. Kết quả tại bảng 4.2 cho thấy, biến độc lập đều có mối quan hệ tuyến tính với biến phụ thuộc. Trong đó các biến DEP, LOA, SIZE, NPL INF có quan hệ ngược chiều với biến CAR, còn các biến ROA, LIQ có quan hệ cùng chiều. Về mức độ tương quan của biến độc lập và biến kiểm soát đến biến phụ thuộc trong mô hình