Trước khi thực hiện hồi quy, tác giả tiến hành kiểm đa cộng tuyến. Khi mô hình không tồn tại hiện tượng đa cộng tuyến một số ước lượng chỉ số trong mô hình hồi quy sẽ không bị chệch. Kết quả được thể hiện sau đây:
ROE BODSize BODFem BODEdu BODFor BODDua AGE ASIZE GDP NPL ROE 1.00 00 BODSize 0.22 63 1.00 00 BODFem - 0.1216 0.23 49 1.00 00 BODEdu 0.02 96 0.44 90 0.17 68 1.00 00 BODFor 0.12 21 0.40 49 -0.0471 0.23 16 1.0000 BODDua 0.01 25 0.23 52 0.24 65 0.25 27 0.0983 1.00 00 AGE 0.17 58 80 0.20 32 0.12 30 0.39 -0.0322 53 0.27 1.0000 ASIZE 0.26 58 0.40 35 0.16 60 0.49 16 0.2150 0.17 98 0.5494 1.000 0 GDP 0.2 00 0.00 25 0.00 21 0.00 61 0.0234 -0.0393 -0.0227 -0.024 1.000 0 NPL - 0.1868 -0.0672 - 0.114 -0.1255 -0.0356 -0.0519 0.0060 - 0.147 0.054 9 1.000 0
Nguồn: kết quả từ Stata
Bảng 4.5 cho thấy hệ số VIF - một chỉ tiêu dùng để nhận biết hiện tượng đa cộng tuyến trong mô hình. Kiểm tra hiện tượng đa cộng tuyến thông qua hệ số VIF, nếu hệ số VIF nhỏ, khả năng xảy ra hiện tượng đa cộng tuyến thấp và ngược lại. Qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến. Dựa theo kết luận từ nghiên cứu của tác giả Nguyễn Đình Thọ (2011), nếu hệ số VIF của một biến độc lập nào đó lớn hơn 10 thì biến này được coi là có đa cộng tuyến cao. Theo kết quả của Bảng 4.5, các hệ số VIF đều nhỏ hơn 10, nên mô hình không tồn tại hiện tượng đa cộng tuyến.
61
Nguồn: kết quà từ Stata
Ma trận tương quan là một bảng thể hiện hệ số tương quan giữa các biến. Mỗi ô trong bảng hiển thị mối tương quan giữa hai biến. Ma trận tương quan được sử dụng để tóm tắt dữ liệu, làm đầu vào cho một phân tích và chẩn đoán cho phân tích mô hình. Hệ số tương quan có thể nằm trong khoảng từ -1 đến +1, với -1 cho biết mối tương quan âm hoàn hảo, +1 cho thấy mối tương quan dương hoàn hảo và 0 cho thấy không có mối tương quan nào cả. Một biến tương quan với chính nó sẽ luôn có hệ số tương quan là 1.
Theo kết quả Ma trận tương quan của Bảng 4.6, ba biến gồm BODFem và NPL có tương quan ngược chiều với biến phụ thuộc ROE; trong khi các biến còn lại có tương quan dương với ROE.
Tác giả sẽ thực hiện tuần tự các phương pháp hồi quy OLS, FEM và REM, cùng các kiểm định tương ứng như F-test, Hausman test và Breusch and Pagan test để lựa chọn giữa các cặp mô hình OLS-FEM; FEM-REM; OLS- REM.
Mô hình OLS ________FEM________ _________REM_________
62
Wooldridge test for autocorrelation in panel data H0: no first-order autocorrelation
F( 1, 29) = 57.705
Prob > F = 0.0000
Hình 4.3: Kiểm định hiện tượng tự tương quan (mô hình ROE)
Hình 4.3 cho thấy kiểm định Wooldrige - kiểm định hiện tượng tự tương quan với dữ liệu bản (panel data). Kiểm định này đặt ra giả H0 là mô hình không có hiện tượng tự tương quan hay không có tương quan chuỗi (no first - order autocorrelation). Vì vậy, chúng ta kì vọng thấy được giá trị “Prob > F” lớn hơn 0.1. Do đó với giá trị Prob > F nhỏ hơn 0.1 của kiểm định Wooldrige như trên, ta bác bỏ giả định H0 . Kết quả này cho thấy mô hình ROE có hiện tượng tự tương quan.
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: fitted values of ROE
chi2(1) = 9.96
Prob > chi2 = 0.0016
Hình 4.4: Kiểm định hiện tượng phương sai sai số thay đổi (mô hình ROE)
Hình 4.4 cho thấy kiểm định Breusch - Pagan / Cook - Weisberg là kiểm định hiện tượng phương sai của các sai số ước lượng không bằng nhau. Kiểm định này đặt ra hai giả thuyết bao gồm: giả thuyết H0 nhận định phương sai sai số là bằng nhau hay không đổi và giả thuyết HI lại cho rằng phương sai sai số không bằng nhau hay thay đổi. Kiểm định này cung cấp cho chúng ta một hệ số thống kê đi cùng với giá trị p - value tương ứng. Như vậy, nếu giá trị p - value < 0.1 thì đều có nghĩa là mô hình gặp phải hiện tượng phương sai sai số. thay đổi và ngược lại. Theo kết quả của kiểm định trên, giá trị p - value là 0.0016 < 0.1, do đó mô hình ROE có hiện tượng phương sai sai số thay đổi.
63
Hình 4.3 và 4.4 đã chỉ ra khuyết tật của mô hình ROE . Do đó, khóa luận sẽ áp dụng các phương pháp ước lượng mô hình phù hợp để khắc phục các khuyết tật như vừa đề cập trên. Tiếp theo tác cũng thực hiện tương tư như với mô hình ROE lần lượt các phương pháp hồi quy OLS, FEM và REM, cùng các kiểm định tương ứng như F-test, Hausman test và Breusch và Pagan test để lựa chọn giữa các cặp mô hình OLS-FEM, FEM-REM, OLS-REM.
Biến Beta valuep- Beta valuep- Beta p-value BODSize 0.028765 0.05 0.012201 0.46 0.0218255~ 0.17 BODFem - 0.00 - 0.00 - 0.00 BODEdu 0.033011 1 0.02 7 0.027526 0.13 3 0.0275268 0.10 3 BODFor - 0.16 - 0.00 - 0.01 BODDua - 0.16 - 0.75 - 0.51 AGE 0.005311 0.47 - 0.00 - 0.70 ASIZE 0.012100 0.00 0.004510 0.55 0.0028329 0.58 GDP - 0.85 0.887382 0.01 0.4138735 0.23 NPL - 0.00 - 0.00 - 0.00 Kiểm
định F Hausman Test Breusch and Pagan test
Lựa chọn OLS & FEM FEM & REM REM & OLS
Giả thuyết HO
Không có sự khác biệt giữa các đối tượng hoặc các thời điểm khác nhau
Không có sự tương quan giữa sai số đặc trưng giữa các đối tượng với các biến giải thích
Sai số ước lượng không bao gồm các sai lệch giữa đối tượng
Giá trị
thống kê F (30, 290) = 5.94 Chi2(9) = 19.68 Chibar2(01) = 54.93 p-value Prob > F = 0.0000 Prob > chi2 = 0.0200 Prob > chibar2 = 0.0000
Mức ý
nghĩa 5% 5% 5%
Kết luận Bác bỏ H0 ______Bác bỏ H0______ _______Bác bỏ H0_______
Chọn
Cross-sectional time-series FGLS regression Number of obs = 330 Coefficients: generalized least squares Number of groups = 31 Panels: heteroskedastic Obs per group:
Correlation: common AR(1) coefficient for all panels (0.5626)
min = 3
avg = 10.64516 Estimated covariance = 31 max = 13
Estimated autocorrelations = 1 Wald chi2 (9) = 53.58 Estimated coefficient = 10 Prob > chi2 = 0.0000
ROE Coef. Std. Err z P > z [95% Conf. Interval]
BODSize -0.0059212 0.0115378 -0.51 0.608 -0.0285348 0.0166924 BODFem -0.0512255 0.0216559 -2.37 0.018 -0.0936703 -0.0087806 BODEdu 0.0149974 0.0131308 1.14 0.253 -0.0107385 0.0407332 BODFor -0.0491451 0.0305817 -1.61 0.108 -0.1090842 0.010794 BODDua -0.0387447 0.0236505 -1.64 0.101 -0.0850988 0.0076094 AGE -0.0073227 0.088894 -0.82 0.410 -0.0247457 0.0101003 ASIZE 0.0200735 0.0044202 4.54 0.000 0.01141 0.028737 GDP -0.3976147 0.3027304 -1.31 0.189 -0.9909553 0.195726 NPL -0.0053107 0.0021665 -2.45 0.014 -0.009557 -0.0010644 _cons -0.1971375 0.0639806 -3.08 0.002 -0.3225373 -0.0717378
Nguồn: kết quả tổng hợp từ Stata
64
Bảng 4.7 phản ánh tổng hợp các kết quả hồi quy và các kiểm định. Theo kết quả Bảng 4.7, mô hình tác động cố định (FEM) sẽ được dùng để phân tích.
Biến Hệ số hồi quy Tác động Gía trị p-value Nhận xét giả thuyết
BODFem -0.0512255 - 0.018 Chấp nhận
NPL -0.0053107 - 0.014 Chấp nhận
ASIZE 0.0200735 + 0.000 Chấp nhận
Nguồn: kết quả từ Stata
Từ kết quả hồi quy ở Bảng 4.8 cho mô hình , mô hình có 3 biến mang ý nghĩa thống kê ở mức 5%, bao gồm BODFem (Số lượng thành viên nữ trong HĐQT), ASIZE (Tổng tài sản NHTM) và NPL (tỷ lệ nợ xấu). Vì giá trị p-
values của các biến này đều nhỏ hơn 5%. Từ đó, tác giả tổng hợp các biến mang ý nghĩa thống kê trong bảng sau đây:
65
Theo kết quả hồi quy được tổng hợp ở Bảng 4.8 cho mô hình ROE, tác giá nhận thấy những điều sau:
_ Biến BODFem có giá trị p-values= 0.018 < 0.05 nên biến này có ý nghĩa thống kê ở mức 5%. Đồng thời, biến này có hệ số hội quy là -0.0512255 < 0 nên có tác động ngược chiều đến biến phụ thuộc ROE, nghĩa là số lượng thành viên nữ trong HDQT tăng thì sẽ làm cho hiệu quả hoạt động của các NHTM CP Việt Nam giảm. Sự hiện diện của nữ giới trong HĐQT làm tăng tính đa dạng về giới tính. Theo các quan điểm của các nhà nghiên cứu khác, khi nữ giới có mặt trong HĐQT sẽ là đối tượng mang đến những quan điểm khác nhau và những quan điểm này sẽ thật sự rất cần thiết hỗ trợ hoạt động giám sát và đưa ra chiến lược phát triển của tổ chức nói chung và hệ thông NH nói riêng. Ngoài ra, sự hiện diện của các thành viên trong HĐQT là nữ giới sẽ góp đưa đổi mới, cải tiến phương hướng điều hành, chiến lược quan trọng của NH từ đó góp phân tăng hiệu quả hoạt động của NH. Tuy nhiên, có một số quan điểm khác lại cho rằng, với một ban điều hành có quá nhiều ý kiến dẫn đến sự không đồng thuần, khiến việc hợp tác trở nên khó khăn và tốn nhiều chi phí hơn. Theo nhóm tác giả Hambrick, Cho và Chen (1996) cho rằng, một HĐQT không nhất quán và đồng nhất sẽ chậm chạp khi ra quyết định, hệ quả là làm ngăn cản sức cạnh tranh của công ty. Kết quả nghiên cứu không phù hợp với kết quả của các nghiên cứu như Carter & cộng sự (2003); Adams & Rerreira (2004); Carter & cộng sự (2008); Dezso & Ross (2012); García-Meca & cộng sự (2015); Brahma, Nwafor & Boateng (2018); Tariah (2019); Nguyễn Thị Trâm (2015).
Variable VIF 1/VIF
BODSize 1.32 0.754999
BODFem 1.12 0.895466
BODEdu 129 0.774801
66
_ Biến NPL có giá trị p-values = 0.014 < 0,05 nên biến này có ý nghĩa thống kê ở mức 5%. Đồng thời, biến này có hệ số hồi quy là -0.0053107 < 0 nên có tác động ngược chiều đến biến phụ thuộc ROE, nghĩa là biến tỷ lệ nợ xấu tăng thì sẽ làm cho hệu quả hoạt động của các NHTM CP Việt Nam giảm đi. Kết quả nghiên cứu của luận văn phù hợp với dấu kỳ vọng ban đầu trong giả thuyết đặt ra. Các nghiên cứu lập luận mối quan hệ ngược chiều giữa tỷ lệ nợ xấu và hiệu quả hoạt động của NH dựa trên cơ sở lý thuyết của Berger & DeYoung (1997). Lý thuyết này cho rằng hoạt động quân lý kém trong các tố chức ngân hàng sẽ dẫn đến chất lượng các khoản vay kém, và do đó, góp phẩn làm tăng mức nợ xấu và giảm khả năng sinh lời của các NH. Đồng thời, sự gia tăng các khoản nợ xấu sẽ dẫn đến việc ban lãnh đạo ngân hàng sử dụng nhiều nguồn lực hơn vào hoạt động quản lý và giám sát các khoản nợ xấu, và trong dài hạn nếu không được kiểm soát tốt, chi phí hoạt động của NH sẽ tăng cao so với tăng thu nhập lãi, dẫn đến chi phí cao hơn và làm giảm hiệu quả hoạt động của NH. Kết quả nghiên cứu phù hợp với kết quả của các nghiên cứu của Kargi (2011); Kolapo & cộng sự (2012); Roman & Tomuleasa (2013); Kingu & cộng sự (2018).
_Biến ASIZE có giá trị p-value = 0.000 < 0.05, nên biến này có ý nghĩa thống kê ở mức 5%. Đồng thời, biến này có hệ số hội quy là 0.0200735 > 0 nên có tác động cùng chiều đến biến phụ thuộc ROE, nghĩa là tổng tài sản của NHTMCP tăng thì sẽ làm cho hệu quả hoạt động của các NHTM CP Việt Nam tăng lên. Kết quả nghiên cứu của khóa luận phù hợp với kết quả của các nghiên cứu của Pathan và Faff (2013), Garcia-Meca & cộng sự (2015), Setiyono và Tarazi (2018), Kusi & cộng sự (2018). Các tác giả cho rằng khi các ngân hàng có quy mô về tài sản lớn thì đồng nghĩa với hoạt động kinh doanh của NH sẽ có hiệu quả hơn, có những nguồn lực về tài chính, kỹ thuật cũng như nguồn nhân lực đủ mạnh để duy trì, củng cố và phát triển hoạt động kinh doanh.
67