3.5.1 Phân tích thống kê mơ tả
Phân tích thống kê mơ tả dữ liệu bảng gồm các biến được tính tốn từ báo cáo tài chính, báo cáo thường niên của 26 ngân hàng để thấy được giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất của từng biến trong mơ hình cũng như kích thước mẫu.
3.5.2 Phân tích ma trận tương quan
Phân tích ma trận tương quan được sử dụng là thước đo độ lớn của các mối liên hệ giữa các biến định lượng trong nghiên cứu. Thơng qua thước đo này tác giả
có thể xác định mối liên hệ tuyến tính giữa các biến độc lập, phụ thuộc trong nghiên cứu. Trong truờng hợp các biến giải thích có tuơng quan với nhau rất cao, cụ thể truờng hợp hệ số ma trận tuơng quan giữa các biến giải thích lớn hơn 0,8. Khi đó, mơ hình có khả năng đa cộng tuyến cao.
3.5.3 Phân tích hồi quy
Phân tích hồi quy dùng để đo luờng mức độ tác động và chiều tác động của các biến giải thích đen các biến phụ thuộc. Trong bài nghiên cứu, tác giả sẽ sử dụng mơ hình mơ hình hồi quy cổ điển (Pooled OLS) dựa trên nguyên tắc bình phuơng bé nhất dạng gộp, mơ hình hồi quy tác động cố định (FEM), mơ hình hồi quy tác động ngẫu nhiên (REM).
• Mơ hình hồi quy cổ điển (Pooled OLS)
Mơ hình Pooled OLS có các hạn che về đặc tính khơng gian và thời gian của dữ liệu, các hệ số không đổi dẫn đen kết quả mơ hình khơng phù hợp với điều kiện thực te, và phuơng pháp này thuờng dẫn đen hiện tuợng tự tuơng quan trong dữ liệu hay ràng buộc phần du làm cho giá trị Durbin-Watson thấp. Bên cạnh đó, ràng buộc về các giả định trong mơ hình OLS cũng rất chặt và khó đáp ứng.
• Mơ hình hồi quy tác động cố định (FEM)
Với giả định mỗi đơn vị đều có những đặc điểm riêng biệt có thể ảnh huởng đen các biến giải thích, FEM phân tích mối tuơng quan này giữa phần du của mỗi đơn vị với các biến giải thích qua đó kiểm sốt và tách ảnh huởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể uớc luợng những ảnh huởng thực của biến giải thích lên biến phụ thuộc.
• Mơ hình hồi quy tác động ngẫu nhiên (REM)
Mơ hình REM theo hình thức tiếp cận ảnh huởng ngẫu nhiên quan tâm đen những khác biệt của riêng các đối tuợng phân tích qua thời gian đóng góp vào mơ hình, do đó tự tuơng quan là một vấn đề tiềm tàng trong mơ hình REM và cần phải giải quyết, the nhung phuơng pháp này lại có uu điểm là khả năng loại bỏ tốt đối với các yếu tố phuơng sai thay đổi.
Lựa chọn mơ hình phù hợp
Để lựa chọn được mơ hình tối ưu, tác giả tiến hành kiểm định F để lựa chọn giữa hai mơ hình Pooled OLS và FEM. Neu giá trị xác suất Prob (Chi- square) nhỏ hơn mức ý nghĩa 5% thì mơ hình FEM tối ưu hơn.
> Kiểm định Hausman
Để lựa chọn giữa mơ hình FEM, và mơ hình REM. Neu giá trị xác suất Prob (Random) nhỏ hơn mức ý nghĩa 5% thì mơ hình FEM tối ưu hơn.
> Kiểm định Breusch & Pagan
Để lựa chọn giữa mơ hình OLS và REM. Neu p-value của kiểm định Breusch & Pagan có giá trị nhỏ hơn 5% thì lựa chọn mơ hình REM.
Sau khi lựa chọn được mơ hình tối ưu sẽ tiến hành kiểm định lại các giả định của mơ hình hồi quy OLS như hiện tượng đa cộng tuyến, tự tương quan, phương sai thay đổi. Khi các giả định hồi quy bị vi phạm ta chuyển sang hồi quy theo phương pháp bình phương bé nhất tổng quát (GLS) để khắc phục các vi phạm của giả định hồi quy.
Bên cạnh phương pháp FGLS, tác giả sẽ sử dụng phương pháp SGMM nhằm giải quyết vấn đề nội sinh của một số biến giải thích thơng qua biến cơng cụ. Để kiểm tra sự phù hợp của biến công cụ được sử dụng, nghiên cứu sẽ kiểm định Sargan hoặc Hansen để kiểm định tính chất xác định quá mức (over-identifying) của các biến công cụ. Kiểm định này xác định liệu có sự tương quan giữa biến cơng cụ và phần dư trong mơ hình hay khơng thơng qua giả thuyết H0: Bien cơng cụ là phù hợp (thỏa tính over- identifying). Neu p-value > 10% nghĩa là chấp nhận giả thuyết H0, các biến công cụ được sử dụng trong mơ hình là phù hợp. Ngồi ra, tác giả kiểm định tự tương quan bậc 2 (AR2) để kiểm định sự tương quan bậc 2 của phần dư trong mơ hình, với giả thuyết H0: khơng có sự tương quan bậc 2 của phần dư. Neu p-value lớn hơn 10%, thì mơ hình đạt yêu cầu, chấp nhận H0: phần dư của mơ hình khơng tồn tại hiện tượng tự tương quan bậc 2.
3.5.4 Kiểm định vi phạm các giả định hồi quy
3.5.4.1 Kiểm định đa cộng tuyến
Đa cộng tuyến là hiện tượng mà các biến giải thích có tương quan quá chặt chẽ với nhau. Giả định của mơ hình hồi quy OLS là khơng có hiện tượng đa cộng tuyến, hay tương quan giữa các biến giải thích khơng q cao, khi mơ hình có hiện
tượng đa cộng tuyến dẫn đến ước lượng mơ hình khơng chính xác. Phân tích ma trận tương quan giữa các biến trong mơ hình là rất cần thiết, cho thấy mối quan hệ tương quan giữa từng cặp biến trong mơ hình. Việc xem xét ma trận tương quan giúp nhận ra các biến có mối quan hệ tương quan quá lớn với nhau và có thể dẫn đen hiện tượng đa cộng tuyến khiến cho kết quả mơ hình hồi quy bị sai dấu và khơng chính xác. Hệ số tương quan giữa các biến giải thích lớn hơn 0,8 thì mơ hình có khả năng đa cộng tuyến cao.
Bên cạnh đó, có thể kiểm định đa cộng tuyến bằng hệ số phóng đại phương sai VIF (Variance Inflation Factor) bằng công thức VIF=1Z(1-Ri2). Neu VIF lớn hơn 10 thì kết luận mơ hình có hiện tượng đa cộng tuyến.
3.5.4.2 Kiểm định phương sai thay đổi
Phương sai thay đổi xảy ra khi phương sai của sai số không phải hằng số. tác giả dùng kiểm định White để kiểm định phương sai thay đổi theo hai giả thuyết sau: H0: Không xảy ra hiện tượng phương sai thay đổi, H1: Có xảy ra hiện tượng phương sai thay đổi. Neu giá trị p-value nhỏ hơn mức ý nghĩa 5% thì mơ hình xảy ra hiện tượng phương sai thay đổi
3.5.4.3 Kiểm định tự tương quan
Hiện tượng tương quan xảy ra khi các sai số ngẫu nhiên có tương quan với nhau. Để kiểm định hiện tượng tương quan, tác giả dùng kiểm định Wooldridge (Wooldridge test) theo hai giả thuyết sau: H0: Không xảy ra hiện tượng tương quan, H1: Có xảy ra hiện tượng tương quan. Neu giá trị p-value nhỏ hơn mức ý nghĩa 5% thì mơ hình xảy ra hiện tượng tương quan.
Tên biến (Variable) Số quan sát (Obs) Giá trị trung bình (Mean) Độ lệch chuẩn (Std.Dev) Giá trị tối thiểu (Min) Giá trị lớn nhất (Max) ROA 260 0.0077 0.0071 -0.0551 0.0286 ROE 260 0.0885 0.0854 -0.8200 0.2682 FGAP 260 -0.2168 0.1235 -0.6944 0.2235 LIA 260 0.1511 0.0767 0.0152 0.6070 DEP 260 0.7600 0.0891 0.2940 0.9053 ETA 260 0.0920 0.0380 0.0406 0.2384 SIZE 260 8.0532 0.4878 7.1669 9.1809 LLR 260 0.0108 0.0086 -0.0087 0.0531 NPL 260 0.0219 0.0121 0.0035 0.0883 GDP 260 0.0615 0.0121 0.0290 0.0710 KẾT LUẬN CHƯƠNG 3
Chương 3 đã trình bày quy trình nghiên cứu, mơ tả các biến được sử trong mơ hình và đưa ra đưa ra các giả thuyết nghiên cứu, thơng qua đó tác giả xây dựng mơ hình và phương pháp được sử dụng để phân tích mơ hình, mơ hình phân tích tác động rủi ro thanh khoản đen hiệu quả hoạt động kinh doanh ngân hàng như sau:
HQHDKDi,t = β0 + β1 FGAPi,t + β2 LIAi,t + β3 DEPi,t +β4 ETAi,t + β5 SIZEi,t + β6 LLRi,t + β7 NPLi,t+ βg GDPi,t + ũi,t
Trong đó, biến phụ thuộc đo lường cho hiệu quả hoạt động kinh doanh là tỷ suất sinh lời trên tổng tài sản (ROA) và tỷ suất sinh lời trên vốn chủ sở hữu (ROE). Bên cạnh đó, tác giả đã sử dụng phương pháp nghiên cứu định lượng và các kỹ thuật phân tích, so sánh, thống kê mơ tả các biến đo lường rủi ro thanh khoản và biến kiểm sốt được sử dụng trong mơ hình. Nghiên cứu định lượng được thực hiện thơng qua việc xây dựng mơ hình hồi quy tuyến tính và phân tích hồi quy theo các phương pháp POOLED OLS, FEM, REM, FGLS, SGMM để lựa chọn mơ hình phù hợp, đảm bảo tính vững nhằm đánh giá tác động của rủi ro thanh khoản đen hiệu quả kinh doanh của các ngân hàng tại Việt Nam. Trong chương 3, tác giả cũng đặt dấu kì vọng cho rủi ro thanh khoản cũng như các biến tác động đen hiệu quả kinh doanh và kết quả đạt được sẽ trình bày trong phần nội dung của chương 4.
CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN