Luận văn sử dụng phương pháp hồi quy đa biến để chọn lựa mô hình phù hợp.
Tác giả chọn cách tiếp các hồi quy cơ bản nhất như sau:
Hồi quy bình phương nhỏ nhất (Pooled OLS): phương pháp hồi quy này còn được gọi là OLS (Ordinary Least Squares) được sử dụng để xem xét các ảnh hưởng thay đổi theo thời gian của từng biến. Mô hình hồi quy được viết dưới dạng:
Yit= βo+ ∑ β1X1t+ ui
Trong đó:
+ βo là hằng số của mô hình, β1, β2.... βi là hệ số hồi quy,
+ u là phần dư của mô hình hồi quy (đại diện cho sai số và các biến không xuất hiện trong mô hình)
+ i là ngân hàng nghiên cứu, t là năm nghiên cứu
Các NHTM đa phần có những đặc điểm cốt lỗi và những đặc điểm này có thể thay đổi theo thời gian như thu nhập ngoài lãi, thu nhập có lãi, dư nợ cho vay... Chính vì thế, cách ước lượng này phần nào phản ảnh các sai lệch khi bỏ sót các đặc tính của ngân hàng.
biến phụ thuộc. Đặc trưng của mô hình này là theo đơn vị chéo và thời than nghĩa là tham số ước lượng rất lớn k+N+T. Ngoài ra, mô hình FEM sẽ giải thích được vấn đề bỏ sót biến thông qua tham số βo, bên cạnh đó đơn vị chéo khác nhau ở hệ số chặn cố
định. Mô hình có dạng là:
Yit= βo+ ∑ β1X1t+ μ1 Trong đó:
+ β0 là hằng số của mô hình, β1, β2 .... βi là hệ số hồi quy.
+ μit= αi+ uit: Sai số và các biến không xuất hiện của mô hình, hồi quy tuyến tính cổ điển được tách làm hai thành phần. Thành phần αi đại diện cho các yếu tố không quan sát được khác nhau giữa các đối tượng nhưng không thay đổi theo thời gian (xác định được). Thành phần uit đại diện cho những yếu tố không quan sát được khác nhau giữa các đối tượng và thay đổi theo thời gian.
+ i là ngân hàng nghiên cứu, t là năm nghiên cứu
Phương pháp hồi quy tác động ngẫu nhiên (Random effects model REM):
trong mô hình đơn vị chéo khác nhau tại sai số. Bên cạnh đó, mô hình giải thích được
các hệ số chặn khác nhau cho từng đơn vị chéo. Mô hình viết dưới dạng: Yit= βo+ ∑ βiXit+ μit
Trong đó:
+ β0 là hằng số của mô hình, β1, β2 .... βi là hệ số hồi quy.
+ μit= ωi+ Eit một giả định quan trọng trong mô hình tác động ngẫu nhiên là thành phần sai số μit không tương quan với bất kì biến giải thích nào trong mô hình.
+ i là ngân hàng nghiên cứu, t là năm nghiên cứu
Phương pháp GMM: Arellano và Bond đã đề xuất mô hình Dynamic model để khắc phục khuyết tật tự tương quan hay mô hình còn được gọi là Arellano - Bond
thích hợp với dữ liệu bảng N lớn và T nhỏ, biến nội sinh được khắc phục bởi các điều kiện sau:
+ Số lượng biến công cụ (numbers of instruments) < số lượng biến nhóm (numbers of groups)
+ Hamsen test và Sagan test >= mức ý nghĩa là kiểm định sagan và hamsen đều có giả thuyết H0 là biến công cụ ngoại sinh sẽ không tương quan với sai số trong mô hình chính vì thế giá trị p càng lớn càng tốt.
+ AR2 > mức ý nghĩa kiểm định AR2 quan trọng vì kiểm định này khắc phục tự tương quan trong mô hình
Chính vì thế, phương pháp GMM sẽ thích hợp đối với mô hình có biến trễ và cho phép sử dụng để khắc phục rủi ro tiềm tàng của biến nội sinh.
3.3.2. Các kiểm định trong mô hình
Kiểm định lựa chọn mô hình: Khi lựa chọn và so sánh để lựa chọn được mô hình, nhiều nghiên cứu sẽ sử dụng 3 kiểm lần lượt là kiểm định F-Test, kiểm định Hausman, kiểm định Breuch - Pangan.
+ Kiểm định F-Test: Kiểm định này dùng để so sánh mô hình OLS và FEM với các 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
Khi giá trị P-value ≤ α (α= 0.05) ta bác bỏ H0, khi đó sử dụng mô hình tác động FEM.
Ngược lại, ta sử dụng mô hình OLS.
+ Kiểm định Hausman: Kiểm định này dùng để so sánh mô hình FEM và REM với các giả thuyết:
H0: Không có sự tương quan giữa sai số đặc trưng giữa các đối tượng với các biến giải thích
H1: có sự tương quan giữa sai số đặc trưng giữa các đối tượng với các biến giải thích
Khi giá trị P_value ≤ α(α= 0.05) ta bác bỏ H0, khi đó εi và biến độc lập tương quan với nhau ta sử dụng mô hình tác động cố định (FEM). Ngược lại, ta sử dụng mô hình tác động ngẫu nhiên (REM). Bên cạnh đó, Nguyễn Thị Hạnh Hoa (2016) cho rằng có thể lựa chọn giữa REM và FEM theo quy tắc kinh nghiệm:
1) Time-series lớn, cros-section nhỏ thì FEM hay REM không có nhiều khác biệt.
2) Nếu Cov=0 thì FEM là phù hợp hơn.
3) Time-series nhỏ, cross-section lớn: Nếu chọn mẫu ngẫu nhiên thì REM là phù hợp hoặc Nếu chọn mẫu không ngẫu nghiên thì FEM là phù hợp.
+ Kiểm định Breusch - Pangan: Kiểm định này dùng để so sánh mô hình OLS và REM với các giả thuyết:
HO: Sai số của ước lượng không bao gồm các sai lệch giữa các đối tượng H1: Sai số của ước lượng bao gồm các sai lệch giữa các đối tượng
Khi giá trị P-value ≤ α (α= 0.05) ta bác bỏ H0, khi đó ta sử dụng mô hình tác động ngẫu nhiên (REM). Ngược lại, ta sử dụng mô hình OLS.
Kiểm định đa cộng tuyến: Đa cộng tuyến là hiện tượng của các mối tương quan cao giữa hai hay nhiều biến độc lập với nhau dẫn đến nhầm lẫn trong nghiên cứu. Để kiểm tra vấn đề đa cộng tuyến trong mô hình, phần lớn các tác giả sử dụng VIF (Variance inflation factor - hệ số lạm phát phương sai). Nếu giá trị của VIF càng cao thì biến độc lập có hiện tượng đa cộng tuyến cao. VIF của một biến mà vượt quá 10, biến này được có hiện tượng đa cộng tuyến cao. Theo Gujarati (2011) khi có đa cộng tuyến xảy ra có thể dẫn đến các hệ quả như:
+ Ước lượng OLS không chệch. Phương sai và đồng phương sai của ước lượng OLS lớn ảnh hưởng đến việc ước lượng chính xác.
+ Khoảng tin cậy rộng.
+ R2 cao nhưng tỷ số t ít có ý nghĩa.
Vấn đề đa cộng tuyến có thể được giảm thiểu thông qua việc đơn giản nhất là kiểm tra lại mô hình và xem xét bỏ qua một trong những biến đa cộng tuyến đảm bảo các biến trong mô hình không cần thiết.
Kiểm định tự tương quan: Đây là hiện tượng khá thường gặp trong nghiên cứu khi sử dụng dữ liệu thời gian và dữ liệu bảng. Hiện tượng tự tương quan sẽ khiến
cho giá trị p-value ngày càng cao khiến hệ số hồi quy không có ý nghĩa thống kê, chính vì thế, trên STATA sử dụng lệnh xttest0 để kiểm định hiện tượng này. Kiểm định tự tương quan (Wooldridge) với giả thuyết:
H0: Không có hiện tượng tự tương quan trong mô hình H1: Có hiện tượng tự tương quan trong mô hình.
Theo Wooldridge (2010), nếu p-value ≤ α (α= 5%) cho phép kết luận chấp nhận giả thuyết Hi, bác bỏ giả thuyết Ho. Nếu Ho bị bác bỏ nghĩa là có hiện tương quan trong mô hình.
Kiểm định phương sai sai số thay đổi: kiểm định này thường gặp trong dữ liệu thời gian và thường sử dụng câu lệnh xttest3 trên stata. Kiểm định này bao gồm các giả thuyết:
Ho: Phương sai sai số là bằng nhau/không đổi (Constant variance/Homoskedasticity) Hi: Phương sai sai số không đổi/thay đổi (Unequal variance/Heteroskedasticity)
Nếu như chúng ta bác bỏ giả thuyết Ho thì nghĩa là mô hình hồi quy có hiện tượng phương sai sai số thay đổi. Ngược lại nếu chúng ta chấp nhận giả thuyết HO thì
nghĩa là không có hiện tượng phương sai sai số thay đổi.
Kiểm định biến nội sinh: Hiện tượng nội sinh thường xảy ra khi mô hình nghiên cứu bỏ sót biến và có biến nội sinh tiềm ẩn. Chính vì thế, tác giả sẽ sử dụng kiểm định Durbin-Wu-Hausman Test để kiểm tra biến độc lập có khả năng nội sinh. Kiểm định bao gồm các giả thuyết:
Ho: Biến không bị nội sinh (ngoại sinh) Hi: Biến bị nội sinh
Nếu p-value nhỏ hơn mức ý nghĩa thống kê (5%) chúng ta bác bỏ giả thuyết Ho thì nghĩa là mô biến đó là biến nội sinh. Ngược lại nếu chúng ta chấp nhận giả
Variable Obs Mean Std. Dev. Min Max NII 290 0.00638 7 0.0050123 -0.005532 0.026199 2 LOAN 290 0.53479 5 0.1266913 0.1448259 0.796916 7 DEPO 290 0.63480 4 0.1305749 0.2508404 4 0.893717 SIZE 290 18.6485 7 1.058684 16.18842 21.13979 ROA 290 0.00780 6 0.0071217 -0.055118 0.031096 6 NIM 290 0.00902 6 0.0095708 -0.058373 0.052100 3 LP 290 0.05851 4 0.0459286 0.006312 3 0.186777 GDP 290 0.05947 4 0.0111785 0.029 9 0.070757 ZSCORE 290 60.4145 4 24.14981 15.65194 164.9043 COST 290 0.81416 4 5.03973 -0.471743 86.30194 LIQ 290 15.6544 7 2.898705 0.000000 18.4298 KẾT LUẬN CHƯƠNG 3
Trong chương 3, tác giả trình bày mô hình nghiên cứu bằng việc mô tả các yếu
tố tác động và đưa ra các giả thuyết phù hợp với bối cảnh và thời gian nghiên cứu, khái quát lý thuyết về cách kiểm định để lựa chọn mô hình phù hợp. Luận văn trình bày thứ tự các bước kiểm định để lựa chọn trong mô hình phù hợp bao gồm kiểm định F-Test dùng để so sánh mô hình OLS và FEM, kiểm định Hausman so sánh mô hình FEM và REM, kiểm định Breusch - Pangan dùng để so sánh mô hình OLS và REM. Kế đến, tác giả sử dụng ước lượng mô hình GMM khắc phục khuyết tật để đưa
ra kết quả tốt nhất trong mô hình. Tóm lại, tác giả đã chọn 10 biến tác động đến TNNL, dự đoán giả thuyết các yếu tố tác động phù hợp với thực tiễn và tiến hành các
CHƯƠNG 4: KẾT QUẢ MÔ HÌNH
Trong chương 4, đây là phần trọng tâm của luận văn với mục tiêu để phân tích số liệu dựa trên kết quả về các yếu tố ảnh hưởng đến TNNL, trình bày kết quả nghiên cứu bằng phương pháp định lượng bởi các mô hình ước: OLS, REM, FEM và GMM.
Cuối cùng tác giả trình bày phần thảo luận về kết quả nghiên cứu.