4.2.1. Phân tích tương quan mô hình nghiên cứu
UE -
0.2229 0.1482 0.3056 0.2661 0.0437 1
INF 0.149 -0.1571 -0.274 -0.8217 -0.1005 -0.6169 1
GDP -
Nguồn: Xử lý bộ dữ liệu từ BCTC của các NHTM thông qua Stata 14.0
Dựa vào bảng ma trận tương quan giữa các biến, có thể thấy chỉ có hai biến độc lập là tỷ lệ dự phòng rủi ro tín dụng (LLR) và lạm phát (INF) ảnh hưởng cùng chiều đến rủi ro tín dụng (CR). Ngược lại, phần lớn các biến độc lập có trong mô hình là tỷ lệ tăng trưởng dư nợ (LG), quy mô tín dụng (SIZE), lãi suất thực (RIR), tỷ lệ thất nghiệp (UE) và tốc độ tăng trưởng GDP (GDP) lại ảnh hưởng ngược chiều đến rủi ro tín dụng (CR).
Tương quan giữa biến phụ thuộc rủi ro tín dụng (CR) với từng biến độc lập
Tỷ lệ tăng trưởng tín dụng (LG): biến độc lập LG có tương quan âm với biến phụ thuộc là -0.0081, cho thấy tỷ lệ tăng trưởng tín dụng ảnh hưởng ngược chiều với rủi ro tín dụng. Điều này có nghĩa là, tỷ lệ tăng trưởng tín dụng càng tăng sẽ dẫn đến rủi ro tín dụng cũng giảm.
Quy mô tín dụng (SIZE): quy mô tín dụng SIZE có tương quan âm với biến phụ thuộc là -0.4067, cho thấy quy mô tín dụng ảnh hưởng ngược chiều với rủi ro tín dụng. Điều này được hiểu rằng, quy mô tín dụng càng lớn sẽ dẫn đến làm rủi ro tín dụng trong ngân hàng sụt giảm.
Lãi suất thực (RIR): biến độc lập RIR có tương quan âm với biến phụ thuộc CR là -0.0097, cho thấy lãi suất thực ảnh hưởng ngược chiều với rủi ro tín dụng. Điều này có nghĩa là, khi lãi suất thực tăng sẽ hạn chế rủi ro tín dụng.
Tỷ lệ dự phòng rủi ro tín dụng (LLR): tỷ lệ dự phòng rủi ro tín dụng LLR có tương quan dương với biến phụ thuộc là 0.2365, cho thấy tỷ lệ dự phòng rủi ro tín dụng và rủi ro tín dụng có mối quan hệ cùng chiều. Hàm nghĩa rằng, khi dự phòng rủi ro tín dụng tăng sẽ là nguyên nhân khiến cho rủi ro tín dụng tăng lên.
Tỷ lệ thất nghiệp (UE): biến độc lập UE có tương quan âm với biến phụ thuộc là -0.2229, cho thấy tỷ lệ thất nghiệp có mối quan hệ ngược chiều với rủi ro tín dụng. Có nghĩa là, khi tỷ lệ thất nghiệp tăng sẽ khiến rủi ro tín dụng sụt giảm.
Tỷ lệ lạm phát (INF): biến độc lập INF có tương quan dương với biến phụ thuộc là 0.149, cho thấy lãi suất thực ảnh hưởng cùng chiều với rủi ro tín dụng. Nói cách khác, khi tỷ lệ lạm phát càng gia tăng sẽ càng làm rủi ro tín dụng tại các NHTM tăng lên.
Tốc độ tăng trưởng GDP (GDP): biến độc lập GDP có tương quan âm với biến phụ thuộc là -0.0816, cho thấy tốc độ tăng trưởng GDP có mối quan hệ ngược chiều với rủi ro tín dụng, đồng nghĩa với việc nếu tốc độ tăng trưởng GDP tăng sẽ khiến rủi ro tín dụng sụt giảm.
4.2.2. So sánh giữa các mô hình Pooled OLS, FEM và REM
So sánh mô hình Pooled OLS và FEM
Nghiên cứu sử dụng kiểm định F để tiến hành so sánh giữa hai mô hình Pooled OLS và FEM với giả thuyết:
Hu: Lựa chọn mô hình Pooled OLS
SIZE -.00346 0.000 -.0016692 0.435 RIR .135193 0.030 .1518271 0.016 LLR .229175 0.000 .0372261 0.665 UE -.44026 0.116 -.487675 0.059 INF .057888 0.180 .0751811 0.102 GDP .2582 0.002 -.2660065 0.000
Biến FEM REM Hệ số β P - value Hệ số β P - value LG .0061818 0.158 0.0058191 0.170 SIZE -.0016692 0.435 -0.0031886 0.003 RIR .1518271 0.016 0.1332034 0.019 LLR .0372261 0.665 0.1254153 0.085 UE -.487675 0.059 -0.4472273 0.076 INF .0751811 0.102 0.0585632 0.143 GDP -.2660065 0.000 -0.2562737 0.001
Test: Ho: difference in coefficients not systematic
chi2(7) = (b-B)'[(V-b-V~B)^(-1)](b-B) = 10.14 Prob>chi2 = 0.1805
Nguồn: Xử lý bộ dữ liệu từ BCTC của các NHTM thông qua Stata 14.0
Từ kết quả kiểm định Hausman, Prob > chi2 = 0.185 > 1%, nên châp nhận giả thuyết H0, hay nói cách khác chấp nhận mô hình REM
Nguồn: Xử lý bộ dữ liệu từ BCTC của các NHTM thông qua Stata 14.0
Với mức ý nghĩa α = 1%, ta có: Prob = 0.0000 <1%, nên bác bỏ giả thuyết H0 hay nói cách khác lựa chọn mô hình FEM.
So sánh giữa mô hình FEM và REM
Bảng 4.4 Kết quả phân tích hồi quy theo FEM và REM
Nguồn: Xử lý bộ dữ liệu từ BCTC của các NHTM thông qua Stata 14.0
Nghiên cứu tiền hành so sánh hai mô hình FEM và REM thông qua kiểm định Hausman, từ đó tìm ra mô hình tối ưu nhất giữa hai mô hình với mức ý nghĩa 1%, đặt ra giả thuyết:
Hu: Lựa chọn mô hình REM
Biến VIF 1/VIF LG 682 0.146664 SIZE 508 0.196991 RIR 244 0.41032 LLR E42 0.704305 UE Ũ9 0.84339 INF ẼĨ 0.905541 GDP ẼĨ 0.908535 Trung bình VIF Ĩ83
Kết luận: Sau khi tiến hành so sánh giữa ba mô hình Pooled OLS, FEM và REM, nghiên cứu lựa chọn mô hình REM là mô hình tối ưu nhất để xác định các yếu tố ảnh hưởng đến rủi ro tín dụng của các NHTM tại Việt Nam.
4.3. KIỂM ĐỊNH KHUYẾT TẬT MÔ HÌNH
4.3.1. Kiểm định hiện tượng đa cộng tuyến
Kết quả bảng kiểm định đa cộng tuyến (bảng 4.3) cho thấy không có hệ số tương quan nào có giá trị truyệt đối lớn hơn 0.9, vì vậy không phát hiện hiện tượng đa cộng tuyết trong mô hình. Vì vậy, không có biến nào bị loại khỏi mô hình.
Nghiên cứu tiến hành kiểm định chỉ số phóng đại phương sai VIF (Variance Inflation Factor) để kiểm định hiện tượng đa cộng tuyến có trong trong mô hình. Hiện tượng đa cộng tuyến xuất hiện khi giá trị tuyệt đối của hệ số tương quan cao hơn 0.9 (Kennedy, 2008). Kết quả được trình bày cụ thể tại bảng sau:
4.3.1. Kiểm định hiện tượng phương sai thay đổi
Nghiên cứu sử dụng kiểm định nhân tử Lagrange với giả thuyết H0: Không có hiện tượng phương sai thay đổi, để kiểm định hiện tượng phương sai thay đổi của mô hình.
Bảng 4.7 Kết quả kiểm định Lagrange
Test: Var(u) = 0
chibar2(01) = 33.90 Prob > chibar2 = 0.0000
Nguồn: Xử lý bộ dữ liệu từ BCTC của các NHTM thông qua Stata 14.0
Với mức ý nghĩa α = 1%, kiểm định Largrange cho kết quả Prob > chibar2 = 0.0000. Như vậy, Prob < α nên bác bỏ giả thuyết H0, hay mô hình có hiện tượng phương sai sai số thay đổi với mức ý nghĩa 1%.
4.3.2. Kiểm định hiện tượng tự tương quan
Nghiên cứu tiến hành kiểm định hiện tượng tự tương quan của mô hình bằng việc kiểm định Wooldridge với giả thuyết H0: Không có hiện tượng tự tương quan.
Bảng 4.8 Kết quả kiểm định Wooldridge
H0: no first-order autocorrelation
F (1, 22) = 6.892 Prob > F = 0.0155
Nguồn: Xử lý bộ dữ liệu từ BCTC của các NHTM thông qua Stata 14.0
Với mức ý nghĩa α = 1%, kiểm định Wooldridge cho kết quả Prob > F = 0.0155. Như vậy, Prob > α nên chấp nhận giả thuyết H0, hay mô hình không có hiện tượng tự tương quan.
Ket luận: Thông qua các kết quả kiểm định ở trên, có thể thấy mô hình hiện tượng đa cộng tuyến xảy ra trong mô hình được đánh giá là không nghiêm trọng. Tuy nhiên, mô hình tồn tại hiện tượng phương sai sai số thay đổi
Biến Hệ số hồi quy Độ lệch chuẩn P - value LG .0050645 .0029208 0.083 SIZE -.002938 .0006081 0.000 RIR .0987622 .0299444 0.001 LLR .2370751 .0620805 0.000 UE -.2959901 .1174649 0.012 INF .0459449 .0210932 0.029 GDP -.14128 .0421085 0.001 C .0770229 .0121338 0.000 Prob > chi2 = 0.0000
4.4. ƯỚC LƯỢNG MÔ HÌNH THEO PHƯƠNG PHÁP GLS
Căn cứ vào kết quả kiểm định ở trên, có thể thấy mô hình có hiện tượng tự tương quan giữa các sai số và phương sai sai số thay đổi. Để khắc phục vấn đề này, khóa luận sẽ thực hiện lại mô hình hồi quay với phương pháp GLS để khắc phục 2 khuyết tật đã mắc phải trong phần trước với mô hình REM, bằng câu lệnh xtgls và 2 tùy chọn là corr (ar1) và panel(h).
Theo Hansen, Christian B. (2007) và Dương, H. T. X. (2020), khóa luận tiến hành sử dụng phương pháp ước lượng bình phương tối thiểu tổng quát (Generalized least squares - GLS) để khắc phục hiện tượng tự tương quan giữa các sai số và hiện tượng biến nội sinh, nhằm đảm bảo ước lượng thu được vững và hiệu quả. Kết quả kiểm định các giả thuyết nghiên cứu được trình bày bảng sau:
Kí hiệu Kỳ vọng dấu Kết quả hồi quy GLS LGi,t + Dương, có ý nghĩa thống kê ở mức 10%
SIZEi,t - Âm, có ý nghĩa thống kê ở mức 1%
RIRt + Dương, có ý nghĩa thống kê ở mức 1%
LLRi,t + Dương, có ý nghĩa thống kê ở mức 1%
UEt - Âm, có ý nghĩa thống kê ở mức 5%
INFt + Dương, có ý nghĩa thống kê ở mức 5%
GDPt - Âm, có ý nghĩa thống kê ở mức 1%
Với biến phụ thuộc là CRi,t, sau khi sử dụng phương pháp GLS để khắc phục hiện tượng phương sai sai số thay đổi, mô hình có ý nghĩa ở mức ý nghĩa 1% (do P - value = 0,0000) nên kết quả mô hình phù hợp và có thể sử dụng được.
Tiếp theo kiểm định các hệ số hồi quy bằng cách so sánh giá trị P - value với các mức ý nghĩa 1%, 5% và 10%. Với giả thuyết H0: β = 0 và H1: β ≠ 0, nếu giá trị P -value lớn hơn các mức ý nghĩa thì chấp nhận H0, hay hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy theo GLS trên có các biến SIZE, RIR, LLR, GDP có ý nghĩa thống kê ở mức 1% và biến UE và INF có ý nghĩa thống kê ở mức 5% và biến LG có ý nghĩa thống kê ở mức 10%.
Kết quả kiểm định cho thấy phương pháp GLS là đáng tin cậy và khóa luận sử dụng
phương pháp GLS là kết quả chính cho bài nghiên cứu. Vậy mô hình nghiên cứu có phương trình như sau:
CRi,t = 0.0770229 + 0.0050645 LGi,t - 0.002938 SIZEi,t + 0.0987622 RIRt
+ 0.2370751 LLRi,t - 0.2959901 UEt + 0.04594491 INFt - 0. 014128 GDPt + εi,t
4.5. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
Tỷ lệ tăng trưởng tín dụng (LG)
Biến tỷ lệ tăng trưởng LG có tương quan dương với rủi ro tín dụng ở mức ý nghĩa 10%. Do đó, trong điều kiện các yếu tố khác không thay đổi, nếu tỷ lệ tăng trưởng tín dụng tăng 1 đơn vị thì rủi ro tín dụng sẽ tăng 0.0050645 đơn vị. Kết quả này là cơ sở để chấp nhận giả thuyết Hi: Tỷ lệ tăng trưởng tín dụng có ảnh hưởng cùng chiều đến rủi ro tín dụng. Kết quả này hoàn toàn thống nhất với nghiên cứu của Nguyễn Thị Ngọc Diệp & Nguyễn Minh Kiều (2015) và các bài nghiên cứu khác trên thế giới như Keeton (1999)
và Salas & Saurina (2002) Có thể thấy, nếu các NHTM có tỷ lệ tăng trưởng tín dụng càng cao sẽ có mức độ rủi ro tín dụng càng cao và ngược lại.
Quy mô tín dụng (SIZE)
Biến quy mô tín dụng có tương quan âm với rủi ro tín dụng, ở mức ý nghĩa thống kê 1%. Do đó, trong điều kiện tất cả các yếu tố khác không thay đổi, nếu biến quy mô tín dụng tăng 1 đơn vị thì biến rủi ro tín dụng sẽ giảm 0.002938 đơn vị. Kết quả này với độ tin cậy cao là cơ sở để chấp nhận giả thuyết H2: Quy mô tín dụng có ảnh hưởng ngược
chiều đến rủi ro tín dụng. Kết quả này đồng nhất với kết quả của các nghiên cứu như Somanadevi Thiagarajan & cộng sự (2011), Hu & cộng sự (2004), Hess & cộng sự (2008). Từ kết quả nghiên cứu có thể thấy, các ngân hàng có nhiều nguồn lực để cho vay hơn chứng tỏ một điều rằng ngân hàng có đủ nguồn lực để giải quyết các rủi ro tín dụng có thể phát sinh so với các ngân hàng có nguồn lực cho vay kém hơn, có thể kể đến
là quy trình thẩm định và cấp tín dụng hiệu quả hơn, quá trình theo dõi khách hàng sau khi cho vay kỹ càng hơn.
Lãi suất thực (RIR)
Biến lãi suất thực có mối quan hệ cùng chiều với rủi ro tín dụng, ở mức ý nghĩa 1%, Do đó, trong điều kiện tất cả các yếu tố khác không thay đổi, nếu biến lãi suất thực tăng 1 đơn vị thì biến rủi ro tín dụng sẽ tăng 0.0987622 đơn vị. Kết quả này với độ tin cậy cao là cơ sở để chấp nhận giả thuyết H3: Lãi suất thực có ảnh hưởng cùng chiều đến
rủi ro tín dụng. Có thể kết luận rằng, việc lãi suất gia tăng sẽ khiến cho hai bên cho vay và đi vay giảm nhu cầu hay dẫn đến đầu tư và tiêu dùng giảm sút, chính vì thế nền kinh thế nhanh chóng đi vào giai đoạn suy thoái cũng như việc dòng tiền luân chuyển chậm hơn sẽ tác động tới việc trả nợ và làm gia tăng rủi ro tín dụng.
Tỷ lệ dự phòng rủi ro tín dụng (LLR)
Biến tỷ lệ dự phòng rủi ro tín dụng có mối quan hệ cùng chiều với rủi ro tín dụng, ở mức ý nghĩa 1%, Do đó, trong điều kiện tất cả các yếu tố khác không thay đổi, nếu biến tỷ lệ dự phòng rủi ro tín dụng tăng 1 đơn vị thì biến rủi ro tín dụng sẽ tăng
0.2370751
đơn vị. Kết quả này với độ tin cậy cao là cơ sở để chấp nhận giả thuyết H4: Tỷ lệ dự phòng rủi ro tín dụng của ngân hàng có ảnh hưởng cùng chiều đến rủi ro tín dụng. Kết quả này đồng nhất với kết quả nghiên cứu của Hoàng Thị Thanh Hằng, Võ Kiều Trinh & Hà Nguyễn Tường Vy (2019). Có thể thấy, nếu các NHTM có tỷ lệ dự phòng rủi ro tín dụng càng lớn sẽ có mức độ rủi ro tín dụng càng cao và ngược lại.
Tỷ lệ thất nghiệp (UE)
Biến tỷ lệ thất nghiệp có mối quan hệ ngược chiều với rủi ro tín dụng, ở mức ý nghĩa 5%, Do đó, trong điều kiện tất cả các yếu tố khác không thay đổi, nếu biến tỷ lệ thất nghiệp tăng 1 đơn vị thì biến rủi ro tín dụng sẽ giảm 0.2959901 đơn vị. Kết quả này đồng nhất với nghiên cứu của Hoàng Thị Thanh Hằng, Võ Kiều Trinh & Hà Nguyễn Tường Vy (2019) khi cho rằng tỷ lệ thất nghiệp tăng sẽ làm giảm rủi ro tín dụng. Kết quả này với độ tin cậy cao là cơ sở để chấp nhận giả thuyết H5: Tỷ lệ thất nghiệp có ảnh hưởng ngược chiều đến rủi ro tín dụng.
Tỷ lệ lạm phát (INF)
Biến tỷ lệ lạm phát có mối quan hệ cùng chiều với rủi ro tín dụng, ở mức ý nghĩa 5%, Do đó, trong điều kiện tất cả các yếu tố khác không thay đổi, nếu biến tỷ lệ lạm phát
tăng 1 đơn vị thì biến rủi ro tín dụng sẽ tăng 0.04594491 đơn vị. Kết quả này đồng nhất với nghiên cứu của Somanadevi Thiagarajan & cộng sự (2011) và là cơ sở để chấp nhận giả thuyết He: Tỷ lệ lạm phát có ảnh hưởng cùng chiều đến rủi ro tín dụng.
Tốc độ tăng trưởng GDP (GDP)
Biến tốc độ tăng trưởng GDP có mối quan hệ ngược chiều với rủi ro tín dụng, ở mức ý nghĩa 1%, Do đó, trong điều kiện tất cả các yếu tố khác không thay đổi, nếu biến tốc độ tăng trưởng GDP tăng 1 đơn vị thì biến rủi ro tín dụng sẽ giảm 0. 014128 đơn vị. Kết quả này đồng nhất với phần lớn các nghiên cứu về mối quan hệ giữa tốc độ tăng trưởng GDP và rủi ro tín dụng trong và ngoài nước, kết quả này với độ tin cậy cao là cơ sở để chấp nhận giả thuyết H7: Tốc độ tăng trưởng GDP có ảnh hưởng ngược chiều đến
Biến Dấu kỳ vọng Kết quả Mức ý nghĩa Hệ số hồi quy
LG + + 10% 0.0050645
CHƯƠNG 5: KÉT LUẬN VÀ HÀM Ý CHÍNH SÁCH •
Chương 5 sẽ nêu ra các kết luận chính và đưa ra các hàm ý chính sách nhằm giảm thiểu rủi ro trong tín dụng tại các ngân hàng Việt Nam dựa vào kết quả nghiên cứu có