3.3.2.1 Các biến phụ thuộc
Biến phụ thuộc là Efficiencei,t mà đại diện là ROA và ROE đo lường HQHĐ của NHTM thứ i trong năm t.
ROA - Tỷ suất sinh lợi trên tài sản: được đo lường bằng lợi nhuận ròng trên tổng tài sản của ngân hàng, cho thấy hiệu quả quản lý và sử dụng tài sản để tạo ra thu nhập cho ngân hàng. Nếu ROA > 0 thì có nghĩa là ngân hàng làm ăn có lãi. ROA càng cao thì ngân hàng hoạt động càng hiệu quả. Nếu ROA < 0 thì ngân hàng làm ăn thua lỗ.
ROE - Tỷ suất sinh lợi trên vốn chủ sở hữu: được đo lường bằng lợi nhuận ròng trên VCSH. ROE là tỷ số quan trọng nhất đối với các cổ đông, tỷ số này đo lường khả năng sinh lợi trên mỗi đồng vốn của cổ đông thường. ROE càng cao thì việc sử dụng vốn càng có hiệu quả.
Ưu điểm của hai chỉ số là tương đối đơn giản, dễ tính toán và mang tính tổng quát cao so với các chỉ số khác. Đồng thời hai biến này cũng đại diện trong khung phân tích CAMELS và cũng là hai chỉ số cốt lõi trong bộ chỉ số lành mạnh tài chính theo tiêu chuẩn IMF. Mặt khác, dù mang ý nghĩa khác nhau nhưng cả hai đều chỉ ra HQHĐ để tạo ra lợi nhuận cho ngân hàng.
3.3.2.2 Các biến độc lập
Việc lựa chọn các biến độc lập được xây dựng trên các chỉ số đánh giá theo tiêu chuẩn CAMELS, trên nền tảng các nghiên cứu trong nước và quốc tế. Ngoài ra sự lựa chọn các biến này còn đựa dựa trên các khảo sát thực tế cũng như yêu cầu xem xét và đòi hỏi của cơ quan quản lý cũng như các nhà quản trị ngân hàng trong phân tích tài chính nói chung và phân tích tình hình hoạt động của ngân hàng nói riêng. Chúng chia làm 2 loại biến là biến đặc điểm ngân hàng cụ thể và biến chỉ số kinh tế vĩ mô.
(1) Nhóm biến đặc điểm ngân hàng, cụ thể:
ETA - Tỷ lệ an toàn vốn: được đo lường bằng VCSH / Tổng tài sản. ETA dùng để đo lường mức độ an toàn của các nguồn vốn đặc biệt là vốn tự có để tài trợ cho các hoạt động của ngân hàng. ETA nằm trong khung phân tích CAMELS đại diện cho chữ
C (Captital) đồng thời cũng là một trong những chỉ số cốt lõi của bộ chỉ số lành mạnh tài chính của IMF.
TCR - Tỷ lệ chi phí trên thu nhập: được đo lường bằng Tổng chi phí hoạt động / Tổng thu nhập. Biến này nằm trong khung phân tích CAMELS đại diện cho chữ cái M (Management), cũng là một trong những chỉ số cốt lõi trong bộ chỉ số lành mạnh tài chính của IMF. Nếu chỉ số càng cao cho thấy hiệu quả sử dụng nguồn lực của ngân hàng càng thấp và ngược lại.
DLR - Tỷ lệ vốn huy động: được đo lường bằng Tổng vốn huy động / Tổng dư nợ cho vay. Biến này đại diện cho chữ cái L (Liquidity) trong khung phân tích CAMELS và đồng thời cũng là một trong những chỉ số của bộ chỉ số lành mạnh tài chính của IMF, mục đích xác định tính thanh khoản của ngân hàng.
LTA - Tỷ lệ cho vay trên tài sản: được đo lường bằng Tổng dư nợ cho vay / Tổng tài sản. Biến này có mối quan hệ chặt chẽ với rủi ro tín dụng. Rủi ro tín dụng cũng nằm trong khung phân tích CAMELS đại diện cho chữ cái A (Asset Quality).
NPL - Tỷ lệ nợ xấu: được đo bằng Tổng nợ xấu / Tổng dư nợ cho vay. Biến này nằm trong khung phân tích CAMELS đại diện cho chữ cái A (Asset Quality) đồng thời là một trong những chỉ số cốt lõi trong bộ chỉ số lạnh mạnh tài chính của IMF.
DIV - Đa dạng hóa hoạt động: được đo lường bằng Tổng thu nhập ngoài lãi/ Tổng thu nhập để đo lường mức độ đa dạng hóa hoạt động tác động lên HQHĐ của các NHTM. Biến này nằm trong khung phân tích CAMELS đại diện cho chữ cái M (Management).
SIZE - Quy mô ngân hàng: được đo lường bằng cách lấy logarit tổng tài sản của một ngân hàng.
(2) Nhóm biến chỉ số kinh tế vĩ mô, cụ thể:
GDP - Tăng trưởng kinh tế: được đo lường qua tốc độ tăng trưởng GDP thực hàng năm.
INF - Lạm phát: được đo lường bằng tỷ lệ lạm phát hàng năm ở Việt Nam, là tốc độ tăng của chỉ số giá tiêu dùng (CPI) tính trên tất cả các hàng hóa và dịch vụ.
3.3 Dữ liệu nghiên cứu.
Dữ liệu được sử dụng trong luận văn được thu thập từ các báo cáo tài chính đã được kiểm toán và báo cáo thường niên của các NHTM. Từ đây, tác giả tiến hành lựa chọn các ngân hàng có đầy đủ báo cáo tài chính bao gồm bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh, báo cáo lưu chuyển tiền tệ và thuyết minh báo cáo tài chính. Ngoài ra dữ liệu còn được thu thập từ website http://finance.vietstock.vn, http://cafef.vn, từ NHNN, website của các NHTM đang nghiên cứu, Tổng cục thống kê, Bộ tài chính... Dữ liệu sử dụng được so sánh và đối chiếu với nhiều nguồn khác nhau để đảm bảo độ tin cậy và chính xác.
Dữ liệu sau khi được thu thập sẽ được nhập vào file Excel và được hiệu chỉnh, mã hóa trên file này. Bước tiếp theo là nghiên cứu tiến hành làm sạch dữ liệu nhằm phát hiện các sai sót, các ô trống thiếu thông tin, sai thông tin và tiến hành hoàn thiện ma trận dữ liệu. Sau đó, luận văn sử dụng phần mềm STATA 15.1 để tính toán và xử lý dữ liệu theo mô hình.
Mau dữ liệu 25 ngân hàng nghiên cứu hầu hết là các NHTMCP có quy mô nhỏ, trung bình, lớn trong hệ thống các NHTM Việt Nam và đa phần đáp ứng số liệu cho việc thực hiện nghiên cứu trong giai đoạn từ 2011 đến 2019, do đó mẫu được sử dụng đại diện để nghiên cứu kiểm định các giả thuyết tác động của các nhân tố đến HQHĐ của các NHTM Việt Nam.
Mốc thời gian 2011 - 2019 được tác giả chọn để nghiên cứu, vì đây là giai đoạn HTNH Việt Nam đang trong tình trạng khủng hoảng tài chính. Những tình trạng khó khăn, tính thanh khoản thấp, nợ xấu tăng cao, HQHĐ kém và bắt đầu có dấu hiệu phục hồi thời gian gần đây. Và thời gian này là thời gian gần nhất với thời gian thực hiện luận văn để tác giả có căn cứ xác thực nhận định thực trạng hiện tại và đóng góp các khuyến nghị cho HTNH trong tương lai.
3.4 Trình tự nghiên cứu
Phương pháp phân tích nghiên cứu sử dụng là hồi quy với dữ liệu bảng (panel data). Phương pháp hồi quy với dữ liệu bảng đã được thực hiện trong rất nhiều nghiên
cứu trước đó như nghiên cứu của Dietricha và Wanzenried (2011), Ali và cộng sự (2011), Alper và Anbar (2011), Nguyễn Công Tâm và Nguyễn Minh Hà (2012) ... Nghiên cứu sử dụng thống kê mô tả để phân tích sơ bộ thông tin cơ bản từ mẫu, phân tích hiện tượng đa cộng tuyến, tự tương quan, phương sai sai số thay đổi. Để xác định mối tương quan giữa biến độc lập và các biến phụ thuộc, nghiên cứu ước lượng tham số hồi quy cho mô hình các nhân tố tác động ảnh hưởng tới HQHĐ của các NHTM với mô hình tác động cố định (FEM), mô hình tác động ngẫu nhiên REM) và mô hình ước lượng bình phương tối thiểu tổng quát (GLS) để có phương trình tốt nhất thể hiện mối quan hệ của các nhân tố. Cụ thể, tác giả dự kiến thực hiện luận văn theo trình tự như sau:
- Phân tích thống kê mô tả
Trên cơ sở thu thập dữ liệu, tác giả tiến hành tính toán và mã hoá số liệu của các biến trên phần mềm EXCEL, sau đó nhập dữ liệu vào phần mềm STATA 15.1 thực hiện thống kê mô tả. Nội dung phân tích thống kê mô tả là tóm tắt các đặc trưng của dữ liệu phản ánh một cách tổng quát số mẫu quan sát, giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn. Mô tả giúp ta có cái nhìn tổng quát hơn về HQHĐ của các NHTM tại Việt Nam hiện nay.
- Phân tích ma trận tương quan giữa các biến
Phân tích tương quan cho ta cái nhìn khái quát về mối quan hệ giữa các biến trong mô hình, kiểm tra mối tương quan giữa các biến độc lập và biến phụ thuộc cũng như giữa các biến phụ thuộc với nhau. Chúng ta phải xác định tầm quan trọng của mỗi nhân tố khi chúng được sử dụng đồng thời trong mô hình và loại bỏ mối quan hệ giữa các nhân tố nếu cần thiết. Luận văn áp dụng phương pháp phân tích tương quan để xác định sự liên kết giữa các nhân tố giải thích. Phân tích này dựa trên ma trận tương quan (correlation matrix), mục đích chính là xem xét sự thay đổi của các biến độc lập lên biến phụ thuộc là như thế nào và bảo đảm quan hệ đa cộng tuyến giữa các biến độc lập không là vấn đề lớn trước khi thực hiện hồi quy.
- Kiểm định hiện tượng đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau. Nghĩa là mỗi biến chứa đựng một số thông tin riêng về biến phụ thuộc và thông tin đó lại có trong biến độc lập khác. Hiện tượng đa cộng tuyến trong mô hình sẽ
được kiểm tra bằng hệ số tương quan cặp giữa các biến độc lập và nhân tử phóng đại phương sai (VIF). Nếu hệ số tương quan giữa các biến độc lập lớn hơn 0.8 (chuẩn so sánh theo Farrar & Glauber (1967) là 0.8) sẽ dẫn đến hiện tượng đa cộng tuyến, tuy nhiên tiêu chuẩn này thường không chính xác và có những trường hợp hệ số tương quan khá thấp nhưng vẫn xảy ra đa cộng tuyến.
Do đó, để hạn chế sai sót cũng như đảm bảo tính vững cho mô hình, luận văn sẽ kiểm định thêm bằng cách phân tích chỉ tiêu nhân tử phóng đại phương sai (VIF) bằng lệnh “vif” trong STATA. Nếu trong kết quả kiểm định phát hiện có VIF của biến >10 (Gujarati, 2003), tác giả loại 1 biến độc lập có VIF lớn nhất và lớn hơn 10. Sau đó tiếp tục thực hiện lệnh “collin” trong STATA với các biến độc lập còn lại, kiểm định VIF và cứ tiếp tục loại bỏ biến cho đến khi VIF của tất cả các biến độc lập đều nhỏ hơn 10. Lúc đó, mô hình phù hợp, đã khắc phục được khuyết tật đa cộng tuyến.
Hệ số VIF được xác định như sau:
1
ViFi = ———
1 - Ri2
- Ước lượng các mô hình hồi quy
Sau khi thực hiện xong thống kê mô tả và phân tích tương quan giữa các biến, nghiên cứu phải đi ước lượng mô hình. Đây là một bước quan trọng trong quá trình xử lý dữ liệu. Vì dữ liệu được sử dụng là dữ liệu bảng mà theo Gujarati (2003) cho rằng việc ước lượng mô hình ước lượng bình phương tối thiểu cổ điển (OLS) theo cách thông thường sẽ không hợp lý và thiếu hiệu quả vì bỏ qua những đặc điểm riêng biệt từng cá nhân, thực thể và do đó sẽ bóp béo mối quan hệ thực tế giữa biến phụ thuộc và biến độc lập, kết quả ước lượng có thể sẽ bị thiên lệch. Thay vào đó, luận văn sử dụng 3 phương pháp ước lượng mô hình hồi quy dữ liệu bảng với mô hình tác động cố định (FEM), mô hình tác động ngẫu nhiên (REM) và mô hình ước lượng bình phương tối thiểu tổng quát (GLS).
Mô hình tác động cố định (FEM): Theo Gujarati (2003), mô hình FEM cho rằng mỗi thực thể (ngân hàng) đều có những đặc điểm riêng biệt (không đổi theo thời gian),
có thể ảnh hưởng đến các biến độc lập, có sự tương quan giữa phần dư của mỗi thực thể (có chứa các đặc điểm riêng) với các biến độc lập. FEM có thể kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) này ra khỏi các biến phụ thuộc để chúng ta có thể ước lượng những ảnh hưởng thực (net effects) của biến độc lập lên biến phụ thuộc. Các đặc điểm riêng biệt (không đổi theo thời gian) này là đơn nhất đối với 1 thực thể và không tương quan với đặc điểm của các thực thể khác.
Mô hình tác động ngẫu nhiên (REM): Điểm khác biệt giữa REM và FEM được thể hiện ở sự biến động của các thực thể. Trong REM sự biến động của các thực thể được giả định là ngẫu nhiên và không tương quan với các biến độc lập. Do đó, nếu sự khác biệt giữa các thực thể có ảnh hưởng đến biến biến phụ thuộc thì FEM sẽ phù hợp hơn REM. Trong REM, phần dư của mỗi thực thể (không tương quan với biến giải thích) được xem là một biến giải thích mới.
Mô hình ước lượng bình phương tối thiểu tổng quát (GLS): Mô hình ước lượng OLS cho mỗi quan sát các trọng số hay tầm quan trọng như nhau. Nhưng một mô hình ước lượng đưa các thông tin này vào mô hình và do vậy có khả năng đưa ra các ước lượng tuyến tính không thiên lệch tốt nhất (BLUE). Phép biến đổi các biến gốc để các biến đã biến đổi thỏa mãn các giả thiết của mô hình cổ điển và sau đó áp dụng phương pháp OLS đối với chúng được gọi là phương pháp ước lượng bình phương tối thiểu tổng quát (GLS). Nói ngắn gọn, GLS là OLS đối với các biến đã biến đổi để thỏa mãn các giả thuyết bình phương tối thiểu tiêu chuẩn.
- Kiểm định các giả thuyết hồi quy của mô hình nghiên cứu
Kiểm định Hausman Test để lựa chọn mô hình phù hợp. Việc lựa chọn mô hình nào còn tùy thuộc vào việc kiểm định xem mô hình nào phù hợp hơn với mẫu dữ liệu nghiên cứu. Mô hình tác động cố định FEM thường được ưa chuộng hơn vì nó có thể đánh giá được tác động của các biến ngẫu nhiên bị bỏ xót có tương quan với biến độc lập trong mô hình. Để lựa chọn một trong hai mô hình REM hoặc FEM, chúng ta sử dụng kiểm định Hausman Test để xem xét có tồn tại tự tương quan giữa εi,t và các biến độc lập hay không với cặp giả thuyết:
Giả thuyết:
H0: εi,t và biến độc lập không tương quan 44
H1: εi,t và biến độc lập có tương quan
Khi giá trị P-value < 0.05 ta bác bỏ H0, khi đó εi, t và biến độc lập có tương quan với nhau và ta sử dụng mô hình tác động cố định. Ngược lại, ta sử dụng mô hình tác động ngẫu nhiên là mô hình cuối cùng để hồi quy.
Kiểm định hiện tượng tự tương quan. Tự tương quan là sự tương quan giữa các thành phần của chuỗi quan sát được sắp xếp theo thứ tự thời gian (trong chuỗi thời gian) hoặc không gian (trong số liệu chéo). Nghĩa là trong mô hình hồi quy cổ điển OLS ta giả thiết rằng không có tương quan giữa các Ui, Cov (Ui, Uj) = 0 (j ≠ i), sai số ứng với quan sát này không bị ảnh hưởng bởi sai số ứng với quan sát khác. Nếu mô hình ước lượng xảy ra hiện tượng TTQ tức giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng thu được bằng phương pháp ước lượng trên vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy.
Vì vậy tác giả dùng kiểm định Wooldridge bằng câu lệnh “xtserial” để kiểm tra TTQ với giả thuyết:
Giả thuyết:
H0: Mô hình không có hiện tượng tự tương quan H1: Mô hình có hiện tượng tự tương quan
Nếu kết quả kiểm định cho thấy P-value > 0.05 thì chấp nhận giả thiết H0 và lựa chọn mô hình FEM là mô hình phù hợp nhất. Nếu P-value < 0.05 thì bác bỏ giải thuyết H0, mô hình có khuyết tật TTQ và chúng ta sẽ lựa chọn mô hình GLS là mô hình cuối cùng để hồi quy.
Kiểm định hiện tượng phương sai sai số thay đổi. Phương sai sai số thay đổi là hiện tượng phương sai của các số hạng này không giống nhau. Khi phương sai của các sai số thay đổi thì các ước lượng của các hệ số hồi quy không hiệu quả, các kiểm định t và F không còn đáng tin cậy và từ đó dẫn đến hiện tượng ngộ nhận các biến độc lập trong mô hình nghiên cứu có ý nghĩa. Việc chuẩn đoán hiện tượng PSSSTĐ trong mô hình hồi quy có thể dựa vào kiểm định Breusch-Pagan (kiểm định nhân tử Lagrange)