CHƯƠNG 4 : PHƯƠNG PHÁP, DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
4.3. Phương pháp thu thập và xử lý dữ liệu
4.3.1. Phương pháp thu thập dữ liệu nghiên cứu
Mẫu dữ liệu nội bộ của 24 ngân hàng này hầu hết là các NHTM có quy mơ lớn và có uy tín, bảng báo cáo tài chính đã được kiểm tốn, báo cáo thường niên rõ ràng trong hệ thống các NHTM Việt Nam và đa phần đáp ứng số liệu cho việc thực hiện nghiên cứu trong giai đoạn từ 2009 đến năm 2017, do đó mẫu được sử dụng đại diện để nghiên cứu kiểm định các giả thuyết tác động của các yếu tố rủi ro tài chính đến nguy cơ phá sản các NHTM tại Việt Nam. Từ đây, người nghiên cứu tiến hành lựa chọn các ngân hàng có đầy đủ báo cáo tài chính bao gồm bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh, báo cáo lưu chuyển tiền tệ và thuyết minh báo cáo tài chính, thu thập, xử lý số liệu để sử dụng vào mơ hình. Ngồi ra dữ liệu cịn vĩ mơ được thu thập từ website http://finance.vietstock.vn, từ Ngân hàng nhà nước, website của các NHTM đang nghiên cứu, Tổng cục thống kê Việt Nam giai đoạn 2009-2017, Bộ tài chính… Dữ liệu sử dụng được so sánh và đối chiếu với nhiều nguồn khác nhau để đảm bảo độ tin cậy, chính xác.
Bảng 4.2. Danh sách 24 ngân hàng thương mại đang nghiên cứu STT Tên viết
tắt Tên đầy đủ Tiếng Việt
1. ACB Ngân hàng TMCP Á Châu
2. AGR Ngân hàng Nông nghiệp và phát triển nông thôn 3. BAB Ngân hàng TMCP Bắc Á
5. BVB Ngân hàng TMCP Bảo Việt
6. CTG Ngân hàng TMCP Công thương Việt Nam 7. EAB Ngân hàng TMCP Đông Á
8. EIB Ngân hàng TMCP Xuất nhập khẩu 9. HDB Ngân hàng TMCP Phát triển nhà 10. KLB Ngân hàng TMCP Kiên Long 11. LPB LienViet Post Bank
12. MBB Ngân hàng TMCP Quân Đội 13. MSB Ngân hàng TMCP Hàng hải 14. NAB Ngân hàng TMCP Nam Á 15. PGB Ngân hàng TMCP Xăng dầu
16. SCB Ngân hàng TMCP Sài Gịn cơng thương 17. SEAB Ngân hàng TMCP Đông Nam Á
18. SGB Ngân hàng TMCP Sài Gịn Cơng thương 19. SHB Ngân hàng TMCP Sài gòn Hà Nội 20. STB Ngân hàng TMCP Sài gịn thương tín 21. TCB Ngân hàng TMCP Kỹ thương
22. TPB Ngân hàng TMCP Tiên Phong
23. VCB Ngân hàng TMCP Ngoại thương Việt Nam 24. VPB Ngân hàng TMCP Việt Nam Thịnh Vượng
Nguồn: Tác giả tổng hợp
4.3.2. Phương pháp xử lý dữ liệu nghiên cứu
Phương pháp phân tích nghiên cứu sử dụng là hồi quy với dữ liệu bảng (panel data). Phương pháp hồi quy với dữ liệu bảng đã được thực hiện trong rất nhiều nghiên cứu trước đó như nghiên cứu của. Nghiên cứu sử dụng thống kê mô tả để phân tích sơ bộ thơng tin cơ bản từ mẫu, phân tích hiện tượng đa cộng tuyến, phương sai thay đổi.Để xác định mối tương quan giữa biến độc lập và các biến phụ thuộc, nghiên cứu ước lượng tham số hồi quy cho mơ hình các nhân tố tác động với các mơ hình bình phương bé nhất (OLS), nhân tố cố định (FEM), nhân tố biến động
(REM) và mơ hình GLS để có phương trình tốt nhất thể hiện mối quan hệ của các nhân tố.
Phân tích thống kê mơ tả
Các dữ liệu thu thập được sau khi tác giả tính và mã hóa các biến trên excel tác giả nhập vào phần mềm stata 12 chạy ra bảng thông kê mô tả. Nội dung sẽ cho kết quả tổng quan các đặc trưng cơ bản của các biến phản ánh các chỉ tiêu như giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn...
Phân tích ma trận tương quan các biến
Phân tích tương quan sẽ cho ta biết được về mối quan hệ giữa các biến phụ thuộc trong mơ hình với nhau đồng thời cũng kiểm tra được sự tác động lẫn nhau giữa biến phụ thuộc và các biến độc lập. Mỗi nhân tố trong mơ hình đại diện và có tầm quan trọng riêng nên phải xác định mối liên kết giữa các nhân tố giải thích để đảm bảo kết quả chính xác khi chạy mơ hình.
Phân tích này dựa trên ma trận tương quan (correlation matrix) với mục đích chính là xem có quan hệ đa cộng tuyến giữa các biến độc lập không trước khi thực hiện hồi quy.
Ước lượng hồi quy OLS, FEM và REM, FGLS.
Mơ hình OLS
Mơ hình OLS là phương pháp hồi quy kết hợp tất cả các biến quan sát hay còn gọi là phương pháp bình phương tối thiếu thông thường sao cho tổng bình phương các phần dư là nhỏ nhất với các giá trị được lựa chọn chưa biết thông số.
Nhược điểm của phương pháp này là bị ràng buộc bởi các đơn vị chéo, các biến không quan sát được và không thay đổi theo thời gian dễ làm cho ước lượng OLS không hiệu quả và các sai số tiêu chuẩn khơng có hiệu lực.
Mơ hình ảnh hưởng cố định FEM
Mơ hình FEM giả định mỗi đơn vị điều có những đặc trưng riêng( khơng thay đổi theo thời gian) và các biến này có thể ảnh hưởng đến biến giải thích hay cịn gọi là biến độc lập. FEM sẽ phân tích mối tương quan giữa phần dư của mỗi đơn vị với biến giải thích đơng thời có thể kiểm sốt các đặc điểm riêng biệt đó, ngăn chặn sự
ảnh hưởng của các đặc điểm này đến biến giải thích. Từ đó, ước lượng được ảnh hưởng thực tế của biến giải thích lên biến phụ thuộc.
Mơ hình ảnh hưởng ngẫu nhiên REM
Mơ hình REM là mơ hình có các đơn vị biến động ngẫu nhiên và khơng có sự tương quan đến biến giải thích vì vậy nếu giưa các đơn vị có sự khác biệt ảnh hưởng đến biến phụ thuộc thì nên sử dụng mơ hình REM. Phần dư mỗi đơn vị sẽ là một biến giải thích mới.
Mơ hình FGLS
Ngồi ra, tác giả sử dụng thêm hồi quy theo mơ hình ảnh hưởng cố định (FEM), mô hình ảnh hưởng ngẫu nhiên (REM) cho dữ liệu bảng là phương pháp bình phương tối thiểu tổng quát. Để khắc phục hạn chế 2 mơ hình trên là vi phạm phương sai thay đổi thì tác giả kiểm định mơ hình FEM xét có trọng số Panel FGLS (Cross-section weights). Việc đưa các thông tin này vào mơ hình mà có khả năng đưa ra các ước lượng tuyến tính khơng thiên lệch tốt nhất (BLUE). Phép biến đổi các biến gốc để các biến đã biến đổi thỏa mãn các giả thiết của mơ hình cổ điển và sau đó áp dụng phương pháp OLS đối với chúng. Tóm lại, mơ hình FGLS là OLS đối với các biến đã biến đổi để thỏa mãn các giả thiết bình phương tối thiểu tiêu chuẩn.
- Mơ hình GMM
- Các mơ hình thơng dụng đưuọc sử dụng trong ước lượng mơ hình nghiên cứu là FEM và REM. Nhưng trong quá trình kiểm định nếu phát hiện các hiện tượng vi phạm hay cịn gọi là khuyết tật mơ hình như phương sai thay đổi, biến nội sinh, sai dạng hàm…sẽ ảnh hưởng đến kết quả ước lượng thì mơ hình GMM được sử dụng là phù hợp nhất.
Nếu trường hợp sai dạng thì cần thay đổi mơ hình. Nếu bỏ sót biến quan trọng mà b iến này chưa đưa vào mơ hình nhưng có quan hệ với phần dư dẫn đến khuyết tật mơ hình thì sử dụng mơ hình GMM là tốt nhất.
Mơ hình GMM này vào năm 1982 đã được Lars Peter Hansen phát triển đưa thêm biến có quan hệ với biến độc lập và biến phụ thuộc cũ nhưng khơng ảnh
hưởng phần dư. Mơ hình ngồi khắc phục được hiện tượng phương sai sai số thay đổi thì cịn giải quyết được hiện tượng nội sinh.
Kiểm định lựa chọn mơ hình phù hợp
Kiểm định Hausman Test
Kết quả kiểm định Hausman test giúp ta biết được nên chọn mơ hình FEM hay REM để sử dụng trong nghiên cứu. Nếu giá trị P-value <0,05 thì ta bác bỏ Ho hay khi đó ta sử dụng mơ hình cố định FEM. Cịn ngược lại ta chấp nhận Ho, εi có sựu tự tương quan với biến độc lập, sử dụng mơ hình FEM sẽ phù hợp hơn.
Kiểm định tương quan phần dư
Ta thường dùng kiểm định xtserial để kiểm định tự tương quan phần dư tương tự như kiểm định phương sai sai số thay đổi để quyết định chọn mơ hình sử dụng trong nghiên cứu. Nếu kết quả kiểm định có giá trị P-value > 0.05 thì chấp nhận giả thiết H0 và lựa chọn mơ hình FEM là mơ hình phù hợp nhất. Nếu P-value < 0.05 thì mơ hình có khuyết tật tương quan phần dư và chúng ta sẽ lựa chọn mơ hình FGLS là mơ hình cuối cùng để hồi quy.
Kiểm định tương quan phần dư đơn vị chéo
Để kiểm định tương quan phần dư đơn vị chéo tác giả dùng xtcsd abs peasaran để kiểm định. Nếu kết quả kiểm định cho thấy P-value > 0.05 thì chấp nhận giả thiết H0, ngược lại bác bỏ giả thiết nghĩa là mơ hình có khuyết tật tương quan phần dư đơn vị chéo và chúng ta sẽ lựa chọn mơ hình FGLS là mơ hình cuối cùng để hồi quy.
Kiểm định hiện tượng phương sai sai số thay đổi
Phương sai thay đổi là hiện tượng phương sai của các số hạng này không giống nhau. Khi phương sai của các sai số thay đổi thì các ước lượng của các hệ số hồi quy không hiệu quả, các kiểm định t và F khơng cịn đáng tin cậy. Nếu độ lớn của phần dư chuẩn hóa tăng hoặc giảm theo giá trị dự đốn thì có khả năng giả thuyết phương sai không đổi bị vi phạm.
Kiểm định nhân tử Lagrange
kiểm định phát hiện có hiện tượng phương sai sai số thay đổi, tự tương quan... chúng ta cần sử dụng kiểm định nhân tử Lagrange cho mơ hình để xem có biến khơng quan sát được hay không. Nếu kết quả kiểm định cho thấy P-value>0.05 thì chúng ta sẽ khơng bác bỏ giả thiết H0 và lựa chọn mơ hình hồi quy gộp là mơ hình phù hợp nhất. Nếu ngược lại, P-value<0.05 chúng ta sẽ bác bỏ giả thuyết H0 nghĩa là mơ hình tồn tại biến bị bỏ sót khơng quan sát được.
- Kiểm tra tính bền vững của ước lượng GMM
Kiểm tra tính bền vững của ước lượng GMM hệ thống bằng AR(2) và Hansen và Sargan test, các kiểm định này khơng có ý nghĩa thống kê có nghĩa rằng mơ hình GMM hệ thống là phù hợp vì khơng bị tự tương quan bậc 2 và các biến công cụ là phù hợp.
Phân tích hồi quy
Dựa trên các giả thuyết nghiên cứu sẽ được tiến hành kiểm định thơng qua dữ liệu nghiên cứu của phương trình hồi quy đã được thiết lập với tiêu chuẩn kiểm định sử dụng thống kê t và giá trị p-value (Sig.) tương ứng, độ tin cậy theo chuẩn là 95%, giá trị p-value sẽ được so sánh trực tiếp với giá trị 0.05 để kết luận chấp thuận hay bác bỏ giả thuyết nghiên cứu. Để xem xét sự phù hợp dữ liệu và sự phù hợp của mơ hình ta sử dụng hệ số R-square, thống kê t và thống kê F để kiểm định. Để đánh giá sự quan trọng của các nhân tố, mức độ tác động, chiều tác động của biến giải thích với biến phụ thuộc ta xem xét kết quả hệ số Beta tương ứng trong phương trình hồi quy bội được xây dựng từ dữ liệu nghiên cứu.