4.2. Thống kê mô tả và ma trận tương quan
4.2.2. Ma trận tương quan
Bảng 4.5 trình bày sự tương quan giữa biến phụ thuộc ROA và các biến độc lập. Bảng 4.6 trình bày sự tương quan giữa biến phụ thuộc ROE và các biến độc lập. Ma trận tương quan được sử dụng để nhận diện độ mạnh của các tương quan từng cặp biến độc lập. Cooper & Schindler (2009) cho rằng “Một hệ số tương quan trên 0,8 giữa các biến giải thích nên được sửa chữa vì đó là dấu hiệu cho vấn đề đa cộng tuyến của mô hình”
Kết quả Bảng 4.5 và Bảng 4.6 cho thấy hệ số tương quan giữa các biến cho thấy, mối quan hệ giữa các biến đều ở mức cho phép. Giá trị trị tuyệt đối của hệ số tương quan của các biến đều nhỏ hơn 0.8, hệ số tương quan thất nhất là 0.026 giữa RGDP và IMGI, hệ số tương quan cao nhất là 0.686 giữa EAT và LNTA cho thấy mô hình không bị ảnh hưởng bởi đa cộng tuyến.
Bảng 4.5: Ma trận tương quan giữa các biến trong mô hình ROA
ROA LNTA EAT NPLTL IMGI NIEGI LDR SPREAD RGDP INF ROA 1.000 LNTA -0.102 1.000 EAT 0.212 -0.686 1.000 NPLTL -0.195 -0.074 0.072 1.000 IMGI -0.109 -0.103 0.152 -0.094 1.000 NIEGI -0.759 -0.202 0.028 0.177 0.162 1.000 LDR 0.241 -0.355 0.660 -0.038 0.225 -0.107 1.000 SPREAD -0.125 -0.064 0.138 0.235 0.090 0.196 -0.039 1.000 RGDP -0.027 0.058 -0.027 -0.190 0.026 -0.058 0.041 -0.487 1.000 INF 0.342 -0.304 0.285 0.067 0.069 -0.245 0.283 0.458 -0.080 1.000
Nguồn: Kết quả tính toán từ Stata12
Hơn nữa trong giới hạn nghiên cứu, từ hệ số tương quan giữa các biến giải thích và ROA, ROE có thể thấy hiệu quả quản lý (NIEGI) có tương quan rất lớn với
ROA (giá trị -0.759) và ROE (giá trị -0.725). Biến độc lập NIEGI có mối tương quan nghịch với các biến phụ thuộc, khi tỷ lệ chi phí trên thu nhập tăng lên thì khả năng sinh lời của ngân hàng di chuyển theo hướng ngược lại. Các biến độc lập NPLTL, IMGI, NIEGI, SPREAD có dấu âm hay tác động ngược chiều đến ROA, ROE; Các biến độc lập LDR, INF có dấu dương hay tác động cùng chiều đến ROA, ROE. Biến độc lập LNTA, RGDP có mối tương quan nghịch với ROA, trong khi tác động thuận với ROE. Riêng biến độc lập EAT có mối tương quan thuận với ROA, trong khi tác động nghịch với ROE.
Bảng 4.6: Ma trận tương quan giữa các biến trong mô hình ROE
ROE LNTA EAT NPLTL IMGI NIEGI LDR SPREAD RGDP INF ROE 1.000 LNTA 0.363 1.000 EAT -0.273 -0.686 1.000 NPLTL -0.261 -0.074 0.072 1.000 IMGI -0.129 -0.103 0.152 -0.094 1.000 NIEGI -0.725 -0.202 0.028 0.177 0.162 1.000 LDR 0.013 -0.355 0.660 -0.038 0.225 -0.107 1.000 SPREAD -0.153 -0.064 0.138 0.235 0.090 0.196 -0.039 1.000 RGDP 0.021 0.058 -0.027 -0.190 0.026 -0.058 0.041 -0.487 1.000 INF 0.263 -0.304 0.285 0.067 0.069 -0.245 0.283 0.458 -0.080 1.000
Nguồn: Kết quả tính toán từ Stata12
Kiểm định đa cộng tuyến
Bảng 4.7. Kiểm định đa cộng tuyến
Biến VIF 1/VIF
LNTA 2.68 0.3727 EAT 3.60 0.2777 NPLTL 1.17 0.8525 IMGI 1.13 0.8864 NIEGI 2.46 0.4060 LDR 2.21 0.4527 SPREAD 2.52 0.3972 RGDP 1.50 0.6661 INF 2.41 0.4146
Nguồn: Kết quả tính toán từ Stata12
Để xác định hiện tượng đa cộng tuyến, tác gỉả sử dụng nhân tử phóng đại phương sai VIF thể hiện tốc độ gia tăng của phương sai và hiệp phương sai, kết quả kiểm định VIF lớn hơn 10 có hiện tượng đa cộng tuyến giữa các biến. Bảng 4.7.
Kiểm định đa cộng tuyến kết quả cho thấy giá trị VIF của các biến đều nhỏ hơn 10 nên có thể kết luận hiện tượng đa cộng tuyến trong mô hình được đánh giá là không nghiệm trọng.