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