CHƢƠNG II : PHƢƠNG PHÁP NGHIÊN CỨU
3.3 Kiểm định mô hình
3.3.2 Kiểm định khuyết tật của mô hình
3.3.2.1 Kiểm định khuyết tật đa cộng tuyến
Bảng 3.5 Ma trận hệ số tương quan của các biến Correlation EFD LDR LPTL GDP LTR EFD 1.000000 LDR -0.000481 1.000000 LPTL 0.162662 0.188719 1.000000 GDP 0.251836 0.214683 0.065452 1.000000 LTR -0.201618 -0.201365 -0.010232 -0.794920 1.000000 M2 0.222927 0.210213 0.007713 0.961761 -0.907110
(Nguồn: Truy xuất từ Eviews)
Dựa trên ma trận hệ số tƣơng quan ta nhận thấy cặp biến (GDP, LTR), (GDP, M2) và cặp biến (LTR, M2) có hệ số tƣơng quan rất cao nên nghi ngờ mô hình có hiện tƣợng đa cộng tuyến.
Một trong những công cụ tin cậy trong việc kiểm định đa cộng tuyến là sử dụng hồi quy phụ. Bài nghiên cứu lần lƣợt tiến hành hồi quy phụ các mô hình đƣợc biểu diễn ở bảng sau:
Bảng 3.6: Bảng tổng hợp R-squared của các mô hình phụ
Mô hình hồi quy gốc R-squared gốc
LS NLDST EFD LDR LPTL GDP LTR M2 R2 = 0.960431
Mô hình hồi quy phụ R-squared phụ
Mô hình 1 LS EFD LDR LPTL GDP LTR M2 R2 = 0.101198 Mô hình 2 LS LDR EFD LPTL GDP LTR M2 R2 = 0.068368 Mô hình 3 LS LPTL EFD LDR GDP LTR M2 R2 = 0.100628 Mô hình 4 LS GDP EFD LDR LPTL LTR M2 R2 = 0.955892 Mô hình 5 LS LTR EFD LDR LPTL GDP M2 R2 = 0.041767 Mô hình 6 LS M2 EFD LDR LPTL GDP LTR R2 = 0.967684
Áp dụng nguyên tắc Rule of Thumb (Tạm dịch: Nguyên tắc ngón tay cái) của Klien, đó là: nếu ít nhất một R2 của hồi quy phụ lớn hơn R2 của hồi quy gốc thì
hiện tƣợng đa cộng tuyến xảy ra. Ta nhận thấy R2 của mô hình 6 là 0.967684 lớn
hơn R2 của hồi quy gốc là 0.960431 nên mô hình bị khuyết tật đa cộng tuyến. Vì mục tiêu của bài nghiên cứu là giải thích tác động của các nhân tố tới tính thanh khoản của hệ thống NHTMVN nên ta cần khắc phục triệt để khuyết tật đa cộng tuyến để tránh đƣợc kết quả thiếu chính xác do hiện tƣợng không tách đƣợc ảnh hƣởng các biến độc lập tới biến phụ thuộc.Tác giả sẽ khắc phục hiện tƣợng đa cộng tuyến bằng cách bỏ biến.
Hồi quy mô hình với biến phụ thuộc là NLDST, biến độc lập bao gồm 5 biến EFD, LDR, LPTL, LTR, M2 (bỏ biến GDP vì có tƣơng quan cao với 2 biến LTR và M2), ta có kết quả sau:
Hình 3.7: Bảng hồi quy mô hình sau khi bỏ biến GDP
(Nguồn: Truy xuất từ Eviews)
Nhìn trên bảng hồi quy ta thấy p-value của M2 là 0.4155 > 0.05 hay M2 không có ý nghĩa thống kê nên có khả năng hệ số của M2 bằng 0. Ta tiến hành kiểm
H0: C(5) =0 H1: C(5) ≠ 0
Ta thu đƣợc kết quả: Wald Test:
Equation: Untitled
Test Statistic Value Df Probability
t-statistic 0.816534 144 0.4155
F-statistic 0.666729 (1, 144) 0.4155
Chi-square 0.666729 1 0.4142
Bác bỏ giả thiết H1, chấp nhận giả thiết H0. Ta tiếp tục loại biến M2 ra khỏi mô hình
Hồi quy lại mô hình sau khi loại bỏ biến M2 thu đƣợc kết quả sau:
Hình 3.8: Bảng hồi quy mô hình sau khi loại biến GDP và M2
Kiểm tra lại mô hình sau khi đã khắc phục:
Bảng 3.7: Bảng tổng hợp R-squared của mô hình phụ sau khi khắc phục
Mô hình hồi quy gốc R-squared gốc
LS NLDST EFD LDR LPTL LTR R2 = 0.956964
Mô hình hồi quy phụ R-squared phụ
Mô hình 1 LS EFD LDR LPTL LTR R2 = 0.012019
Mô hình 2 LS LDR EFD LPTL LTR R2 = -0.543695
Mô hình 3 LS LPTL EFD LDR LTR R2 = 0.045836
Mô hình 4 LS LTR EFD LDR LPTL R2 = -1.556451
(Nguồn: Tác giả tổng hợp từ Eviews)
Nhƣ vậy, tất cả R2 của hồi quy phụ đều bé hơn R2 của hồi quy gốc nên cách loại biến đã khắc phục đƣợc hiện tƣợng đa cộng tuyến xảy ra. Ta có mô hình sau khi khắc phục khuyết tật đa cộng tuyến nhƣ hình 3.8.
3.3.2.2 Kiểm định khuyết tật phương sai sai số thay đổi
Bài nghiên cứu sử dụng kiểm định White để đánh giá xem mô hình có bị khuyết tật phƣơng sai sai số thay đổi hay không với giả thiết:
Ta có bảng kết quả sau khi chạy kiểm định White: Heteroskedasticity Test: White
F-statistic 0.317890 Prob. F(4,144) 0.8656
Obs*R-squared 1.304194 Prob. Chi-Square(4) 0.8607
Scaled explained
SS 7.408605 Prob. Chi-Square(4) 0.1158
Ta nhận thấy prob (F-statistic) = 0.8656 > 0.05 nên bác bỏ H0, thừa nhận H1. Mô hình không có hiện tƣợng phƣơng sai sai số thay đổi.
3.3.2.3 Kiểm định tự tương quan
Bài nghiên cứu sử dụng kiểm định Serial Correlation LM để kiểm định hiện tƣợng tự tƣơng quan với giả thiết:
H0: Mô hình có hiện tƣợng tự tƣơng quan
H1: Mô hình không có hiện tƣợng tự tƣơng quan Ta có bảng kết quả:
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 10.66958 Prob. F(2,143) 0.0000
Obs*R-squared 19.32673 Prob. Chi-Square(2) 0.0001
Prob (F-statistic) = 0.0000 < 0.05 nên bác bỏ H1, thừa nhận H0. Mô hình bị khuyết tật tự tƣơng quan.
Ta sử dụng kí hiệu AR(p) để khắc phục khuyết điểm tự tƣơng quan bằng cách thêm biến AR(1) gõ trực tiếp vào cửa sổ lệnh. Ta có kết quả nhƣ sau:
Hình 3.9: Bảng hồi quy mô hình sau khi khắc phục tự tương quan
(Nguồn: Truy xuất từ Eviews)
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.198545 Prob. F(2,141) 0.1148
Obs*R-squared 4.432977 Prob. Chi-Square(2) 0.1090
Prob (F-statistic) = 0.1148 > 0.05 nên ta bác bỏ H0. Mô hình đã khắc phục đƣợc hiện tƣợng tự tƣơng quan
Kết luận chƣơng 3:
Sau khi chạy và kiểm định lại mô hình, bài nghiên cứu đã đƣa ra đƣợc 4 biến độc lập có ảnh hƣởng tới khả năng thanh khoản của NHTMVN. Mối tƣơng quan giữa các biến độc lập với biến phụ thuộc đƣợc thể hiện trong bảng tóm tắt sau:
Bảng 3.8: Tổng hợp kết quả của mô hình sau khi khắc phục khuyết tật
Biến độc lập Kí hiệu Tƣơng quan với biến phụ thuộc tính thanh khoản Tƣơng quan với ban đầu Kì vọng
1.Sự phụ thuộc nguồn tài
trợ bên ngoài EFD - + -
2.Cho vay/ Huy động LDR + - -
3.DPRRTD/ Tổng dƣ nợ LPTL - + +
4.Lãi suất cho vay dài hạn LTR + - -
Ghi chú:
(+) Tác động cùng chiều (-) Tác động ngƣợc chiều
Nhƣ vậy, có 2 biến tác động thuận chiều tới biến phụ thuộc NLDST là biến LTR (lãi suất cho vay dài hạn) và LDR (cho vay/ huy động). Hai biến còn lại là biến EFD (sự phụ thuộc nguồn tài trợ bên ngoài) và biến LPTL (DPRRTD/ Tổng dƣ nợ) có tác động ngƣợc chiều tới biến phụ thuộc. Do biến NLDST (Cho vay/Tổng số tiền gửi và huy động ngắn hạn) thể hiện tỷ lệ phần trăm của tổng số tiền gửi và nguồn vốn ngắn hạn bị giữ lại vào tài sản kém lỏng nên NLDST càng cao thì khả năng thanh khoản của NH càng yếu hay nói cách khác biến phụ thuộc NLDST và tính thanh khoản của NHTMVN có mối quan hệ tỷ lệ nghịch. Sự phụ thuộc nguồn tài
trợ bên ngoài và tỷ lệ DPRRTD/Tổng dƣ nợ có mối quan hệ tỷ lệ nghịch với biến phụ thuộc NLDST nên nó có tƣơng quan thuận với khả năng thanh khoản của NH. Tỷ lệ Cho vay/ huy động và biến lãi suất cho vay dài hạn có tƣơng quan thuận với biến phụ thuộc NLDST nên nó có mối quan hệ nghịch biến với khả năng thanh khoản của NH.
Vì vậy, kì vọng dấu ban đầu của tác giả đúng với biến LDR, LPTL, LTR. Biến EFD ngƣợc dấu với kì vọng sau khi chạy mô hình hồi quy. Việc giải thích kết luận của mô hình áp dụng thực tế trong nền kinh tế Việt Nam và đƣa ra hàm ý chính sách sẽ đƣợc tác giả nêu rõ trong chƣơng IV của bài luận văn.