Matrix of correlations Variables (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (1) NPL 1.000 (2)lNPL 0.305 1.000 (3) LLP 0.379 0.303 1.000 (4) LEV -0.032 0.077 0.158 1.000 (5) SIZE 0.038 0.136 0.441 0.611 1.000 (6) lROA -0.054 -0.127 -0.022 -0.166 -0.191 1.000 (7) LG -0.160 -0.103 -0.279 -0.052 -0.241 0.181 1.000 (8) INF -0.037 -0.212 -0.102 -0.139 -0.280 0.366 0.072 1.000 (9) GDP -0.249 -0.111 -0.176 0.112 0.043 -0.052 0.178 0.011 1.000 (10) USA 0.142 0.208 0.256 0.253 0.484 -0.381 -0.324 -0.656 0.042 1.000
Các hệ số hệ số tương quan giữa hai biến độc lập thấp nên chưa phát hiện đa cộng tuyến.
4.1.6.2 Kiểm tra hệ số phóng đại phương sai:
Kết quả tính thu được như sau:
Bảng 4.3 Kiểm tra hệ số phóng đại phương sai
Variance inflation factor
VIF 1/VIF USA 2.428 .412 SIZE 2.342 .427 INF 1.942 .515 LEV 1.678 .596 LLP 1.478 .676 LG 1.286 .778
ROAt-1 1.247 .802 NPLt-1 1.159 .863 GDP 1.108 .903 Mean VIF 1.63 .
Sau khi thực hiện kiểm định hiện tượng đa cộng tuyến với nhân tử phóng đại phương sai, kết quả giá trị trung bình VIF là 1.63 (nhỏ hơn 10), tất cả các giá trị VIF của các biến độc lập của phương trình khơng vượt q 10 nên không xảy ra hiện tượng đa cộng tuyến. Do vậy, học viên kết luận mơ hình nghiên cứu khơng tồn tại hiện tượng đa cộng tuyến.
4.1.6.3 Kiểm tra hiện tượng phương sai sai số thay đổi:
Ta sử dụng kiểm định Breusch – Pagan và thu được kết quả như sau:
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: fitted values of NPL chi2(1) = 85.16
Prob > chi2 = 0.0000
Giá trị P_value = 0 nên ta bác bỏ giả thiết H0, tức là có hiện tượng phương sai sai số thay đổi.
4.1.6.4 Tương quan chuỗi:
Để kiểm định hiện tượng tương quan chuỗi ta sử dụng thống kê Wooldridge test với giả thiết H0: Khơng có tự tương quan bậc nhất. Kết quả thu được như sau:
Wooldridge test for autocorrelation in panel data
F( 1, 24) = 13.299 Prob > F = 0.0013
Do P_value = 0.0013 nhỏ nên ta bác bỏ H0, tức là có hiện tượng tương quan chuỗi. Như vậy mơ hình Pooled OLS có hai khiếm khuyết là phương sai sai số thay đổi và có mặt tương quan chuỗi. Cách khắc phục là sử dụng ước lượng FGLS có lặp và thu được kết quả như sau:
Bảng 4.4: Kết quả ước lượng FGLS Cross-sectional time-series FGLS regression Cross-sectional time-series FGLS regression
NPL Coef. St.Err. t- value p- value [95% Conf Interval] Sig lNPL 0.250 0.038 6.65 0.000 0.176 0.324 *** LLP 1.332 0.164 8.11 0.000 1.010 1.654 *** LEV -0.005 0.011 -0.48 0.630 -0.027 0.016 SIZE -0.636 0.147 -4.33 0.000 -0.923 -0.348 *** lROA -0.122 0.065 -1.89 0.058 -0.249 0.004 * LG -0.001 0.000 -1.73 0.084 -0.002 0.000 * INF 0.038 0.007 5.02 0.000 0.023 0.052 *** GDP -0.279 0.064 -4.34 0.000 -0.405 -0.153 *** USA 0.120 0.029 4.11 0.000 0.063 0.177 *** Constant 5.205 0.939 5.54 0.000 3.364 7.046 ***
Mean dependent var 2.279 SD dependent var 2.009
Number of obs 272.000 Chi-square 290.210
*, **, *** tương ứng với mức ý nghĩa 10%, 5% và 1%
Nhận xét:
Kết quả ước lượng thu được từ FGLS cho thấy hầu hết các đều có ý nghĩa thống kê ngoại trừ biến LEV với hệ số thu được rất thấp (-0.005) hàm ý là sự tác động từ biến LEV đến biến phụ thuộc NPL rất yếu và thậm chí là chưa có đủ bằng chứng thống kê chứng tỏ nó có tác động.
Mặc dù hồi quy FGLS có thể khắc phục được các khiếm khuyết thường gặp như: phương sai sai số thay đổi, tương quan chuỗi nhưng vấn đề tiềm ẩn của biến nội sinh trong mơ hình bảng động có thể làm cho các ước lượng theo phương pháp này trở nên không vững và bị chệch. Để xử lý các vấn đề nội sinh, có nhiều phương pháp trong đó, trước đây hay sử dụng, là sử dụng biến công cụ và 2sls, 3sls. Một cách xử lý là sử dụng phương pháp GMM.
Đối với dữ liệu bảng đội có T hữu hạn nhỏ hơn N, ước lượng GMM theo phương pháp Blundell & Bond (1998) ngày một trở nên phổ biến hơn do tính ưu việt của nó. Lý do chính là ước lượng này tiệm cận hiệu quả (asymptotically efficient) và sử dụng tối thiểu các giả thuyết trong mơ hình. Trong phần nghiên cứu này, học viên sử dụng 2 phương pháp ước lượng là system GMM (S-GMM) và difference GMM (D-GMM) (twostep). Trong đó, ngồi biến trễ của biến phụ thuộc, cũng biến GDP cũng tiềm ẩn nội sinh. Kết quả ước lượng của 2 phương pháp thu được như sau:
Bảng 4.5: Kết quả mơ hình D-GMM VÀ S-GMM (1) (2) VARIABLES D-GMM S-GMM NPLt-1 0.216*** 0.173*** (0.0184) (0.0204) LLP 3.378*** 2.125***
(0.369) (0.235) LEV -0.0128* -0.00880** (0.00677) (0.00395) SIZE -1.740** -0.721*** (0.656) (0.189) ROAt-1 0.394** 0.218** (0.178) (0.103) LG 0.00157 -0.000796 (0.00110) (0.000513) INF 0.0298*** 0.0211*** (0.00893) (0.00593) GDP -0.225** -0.412*** (0.0998) (0.0482) USA 0.285*** 0.142*** (0.0866) (0.0244) Constant 6.178*** (1.078) Observations 247 272 Number of id 25 25 Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Cả 2 phương pháp đều cho ra kết quả ước lượng giống nhau ý nghĩa thống kê của các biến nhưng khác nhau về giá trị của các hệ số. Đặc biệt, 2 kết quả này đều cho kết quả tương tự như phương pháp FGLS.
Kiểm tra tính "gần" bước ngẫu nhiên, sử dụng ISP test cho dữ liệu bảng không cân bằng. Kết quả thu được như sau:
Im-Pesaran-Shin unit-root test for NPL
Ho: All panels contain unit roots Number of panels = 25 Ha: Some panels are stationary Avg. number of periods = 10.88
AR parameter: Panel-specific Asymptotics: T,N -> Infinity
Panel means: Included sequentially Time trend: Not included
ADF regressions: No lags included
Fixed-N exact critical values Statistic p-value 1% 5% 10%
t-bar -2.2113 (Not available) t-tilde-bar -1.7132
Z-t-tilde-bar -2.9317 *
* Normality of Z-t-tilde-bar requires at least 10 observations per panel with unbalanced data
Dựa vào Zt-tilde-bar = -2.9317 và pvalue < 5% nên ta bác bỏ H0. Tức là phương pháp S- GMM khơng giải thích tốt hơn phương pháp D-GMM.
Tiếp theo chúng ta xem xét điều kiện phù hợp của các giả thiết mơ hình. Trước tiên, chúng ta xem kết quả ước lượng S-GMM:
Bảng 4.6: Kết quả ước lượng S-GMM Dynamic panel-data estimation, two-step system GMM Dynamic panel-data estimation, two-step system GMM
Group variable: id Time variable : year
Number of instruments = 35 F(9, 24) = 236.56 Prob > F = 0.000
Number of obs = 272 Number of groups = 25 Obs per group: min = 9
avg = 10.88 max = 11 NPL Coef. St.Err. t- value p- value [95% Conf Interval ] Sig NPLt-1 0.173 0.020 8.49 0.000 0.131 0.215 *** LLP 2.125 0.235 9.05 0.000 1.640 2.610 *** LEV -0.009 0.004 -2.23 0.036 -0.017 -0.001 ** SIZE -0.721 0.189 -3.83 0.001 -1.110 -0.332 *** ROAt-1 0.218 0.103 2.11 0.045 0.005 0.431 ** LG -0.001 0.001 -1.55 0.133 -0.002 0.000 INF 0.021 0.006 3.55 0.002 0.009 0.033 *** GDP -0.412 0.048 -8.55 0.000 -0.512 -0.313 *** USA 0.142 0.024 5.80 0.000 0.091 0.192 *** Constant 6.178 1.078 5.73 0.000 3.954 8.402 ***
Sargan test of overid. restrictions: chi2(25) = 41.98 Prob > chi2 = 0.018
(Not robust, but not weakened by many instruments.)
Hansen test of overid. restrictions: chi2(25) = 17.20 Prob > chi2 = 0.874
Sargan test of overid. restrictions: chi2(25) = 41.98 Prob > chi2 = 0.018
(Not robust, but not weakened by many instruments.)
Hansen test of overid. restrictions: chi2(25) = 17.20 Prob > chi2 = 0.874
(Robust, but weakened by many instruments.)
Difference-in-Hansen tests of exogeneity of instrument subsets:
GMM instruments for levels
Hansen test excluding group: chi2(14) = 16.07 Prob > chi2 = 0.309
Difference (null H = exogenous): chi2(11) = 1.13 Prob > chi2 = 1.000
iv(LLP LEV SIZE INF USA)
Hansen test excluding group: chi2(20) = 19.40 Prob > chi2 = 0.496
Difference (null H = exogenous): chi2(5) = -2.20 Prob > chi2 = 1.000
*** p<0.01, ** p<0.05, * p<0.1
Từ kết quả thu được, quan sát Arellano-Bond test cho kiểm định AR(1) và AR(2) với các giả thiết H0: Khơng có hiện tượng tự tương quan. Kết quả Pvalue có giá trị lần lượt là 0.232 và 0.596 nên chưa có dấu hiệu tự tương quan bậc nhất và bậc hai. Các kiểm định Sargan và Hansen đều chứng tỏ mơ hình phù hợp. Tuy nhiên, số lượng biến công cụ lại nhiều hơn so với số nhóm và kiểm định Sargan test có giá trị pvalue = 0.018 nên S-GMM khơng được thỏa mãn.
Tiếp theo ta xét kết quả thu được từ ước lượng D-GMM:
Bảng 4.7: Kết quả ước lượng D-GMMDynamic panel-data estimation, two-step difference GMM Dynamic panel-data estimation, two-step difference GMM
Group variable: id Time variable : year
Number of obs = 247 Number of groups = 25
Number of instruments = 23 F(9, 25) = 139.66 Prob > F = 0.000
Obs per group: min = 8 avg = 9.88 max = 10 NPL Coef. St.Err. t- value p- value [95% Conf Interval ] Sig NPLt-1 0.216 0.018 11.74 0.000 0.178 0.254 *** LLP 3.378 0.369 9.15 0.000 2.617 4.138 *** LEV -0.013 0.007 -1.89 0.071 -0.027 0.001 * SIZE -1.740 0.656 -2.65 0.014 -3.091 -0.388 ** ROAt-1 0.394 0.178 2.21 0.037 0.027 0.761 ** LG 0.002 0.001 1.42 0.167 -0.001 0.004 INF 0.030 0.009 3.34 0.003 0.011 0.048 *** GDP -0.225 0.100 -2.25 0.033 -0.430 -0.019 ** USA 0.285 0.087 3.29 0.003 0.106 0.463 ***
Arellano-Bond test for AR(1) in first differences: z = -1.19 Pr > z = 0.232
Arellano-Bond test for AR(2) in first differences: z = 0.53 Pr > z = 0.596
Sargan test of overid. restrictions: chi2(14) = 22.18 Prob > chi2 = 0.075
(Not robust, but not weakened by many instruments.)
Hansen test of overid. restrictions: chi2(14) = 13.34 Prob > chi2 = 0.500
(Robust, but weakened by many instruments.)
Difference-in-Hansen tests of exogeneity of instrument subsets: iv(LLP LEV SIZE INF USA)
0.472
Difference (null H = exogenous): chi2(4) = 3.69 Prob > chi2 = 0.450
*** p<0.01, ** p<0.05, * p<0.1
Từ kết quả thu được ta có:
- Số lượng biến cơng cụ bé hơn số nhóm.
- Các giá trị Pvalue của các kiểm định Sargan và Hansen đều lớn nên các biến công cụ được sử dụng là phù hợp.
- Kiểm định Arellano-Bond cho AR(1) và AR(2) có giá trị Pvalue lớn nên khơng có hiện tượng tự tương quan.
Từ các kết quả so sánh trên, học viên chọn phương pháp D-GMM với hai lý do cơ bản sau đây:
- Phương pháp D-GMM phù hợp với mơ hình thực nghiệm thơng qua các kiểm định cơ bản.
- Phương pháp S-GMM thật sự không phù hợp do vi phạm giả thiết mơ hình.
- Các ước lượng thu được từ phương pháp S-GMM không thật sự giải thích tốt hơn so với phương pháp D-GMM.
* Thảo luận kết quả nghiên cứu
4.1.7 Các yếu tố thuộc về ngân hàng
4.1.7.1 Nợ xấu ngân hàng trong quá khứ
Kết quả mơ hình nghiên cứu cho thấy yếu tố nợ xấu trong quá khứ với độ trễ là 1 năm hay nói cách khác là nợ xấu của năm liền kề trước đó có mối tương quan cùng chiều với nhau và dừng lại ở mức ý nghĩa 1%. Nhận xét kết quả theo số liệu cụ thể của mơ hình như sau: khi Δ tỷ lệ nợ xấu năm trước tăng 1% thì Δ tỷ lệ nợ xấu năm nay sẽ tăng 0.216%. Kết quả như trên tương đồng với nghiên cứu của Somanadevi Thiagarajan &
ctg (2011). Nguyên nhân do hoạt động tín dụng của ngân hàng bao gồm các khoản vay trong ngắn hạn, trung và dài hạn. Đối với những món vay có thời hạn dài sẽ ảnh hưởng đến nợ xấu của ngân hàng thời điểm năm hiện tại mà còn những năm kế tiếp. Điều này là bằng chứng chứng minh cho việc các khoản nợ xấu phát sinh trong quá khứ nếu không được giải quyết triệt để thì sẽ tác động đến tỷ lệ nợ xấu của ngân hàng trong thời gian tiếp theo.
4.1.7.2 Các khoản dự phịng rủi ro
Kết quả mơ hình cho thấy các khoản dự phịng rủi ro có mối quan hệ cùng chiều với nợ xấu của ngân hàng ở mức ý nghĩa 1%, phân tích cụ thể hơn: khi ngân hàng tăng 1% tỷ lệ dự phịng thì tỷ lệ nợ xấu của ngân hàng sẽ tăng 3,378%. Kết luận này phù hợp với một số bằng chứng thực nghiệm trước đây trên thế giới như Hasan và Wall (2003), Ahmad và Ariff (2007), Chaibi và Ftiti (2015). Theo đó, các ngân hàng sẽ trích lập một tỷ lệ dự phòng rủi ro cao nếu các khoản cấp tín dụng tiềm ẩn nhiều rủi ro, gây tổn thất về tài sản cho ngân hàng.
4.1.7.3 Địn bẩy tài chính
Mơ hình nghiên cứu đã cho kết quả chứng minh rằng tỷ lệ địn bẩy tài chính có mối tương quan ngược chiều với tỷ lệ nợ xấu và dừng lại ở mức ý nghĩa 10%. Số liệu cụ thể của mơ hình nghiên cứu được hiểu như sau: Khi tỷ lệ địn bẩy tài chính tăng 1% thì tỷ lệ nợ xấu giảm 0.013%. Kết quả như trên trùng khớp với dự đoán ban đầu của học viên, ngược chiều với nghiên cứu của Hasna Chaibi và Zied Ftiti (2015).
4.1.7.4 Quy mô ngân hàng
Kết quả mơ hình đã chứng minh rằng quy mơ tổng tài sản của ngân hàng có mối tương quan ngược chiều với tỷ lệ nợ xấu và dừng lại ở mức ý nghĩa 1%. Cụ thể là quy mơ ngân hàng càng lớn thì nợ xấu của ngân hàng càng giảm.
Kết quả này trùng khớp với kết quả nghiên cứu Zribi và Boujelbène (2011). Kết quả này là phù hợp đối với các NHTM ở Việt Nam, nguyên nhân là do các ngân hàng lớn thường ưu tiên tập trung vào những đối tượng khách hàng lớn ví dụ như là các cơng ty, doanh nghiệp sở hữu nhà nước hoặc các tập đoàn kinh tế lớn, đa ngành nghề. Những khách hàng lớn này thường được mặc định hiểu đó là những khách hàng có tài sản đảm bảo có giá trị lớn, có rủi ro ít hơn các khách hàng tư nhân, nhỏ, lẻ… Một thực tế tồn tại khá phổ biến hiện nay là các ngân hàng có quy mơ lớn cũng tích lũy nhiều kinh nghiệm, có nền tảng tài chính vững vàng, chun mơn tốt sẽ giúp giảm thiểu rủi ro nợ xấu cho ngân hàng.
4.1.7.5 Khả năng sinh lời trong quá khứ
Nhận xét dựa trên kết quả mơ hình nghiên cứu như sau: khi ngân hàng tỷ suất sinh lời trên tài sản năm trước của ngân hàng tăng 1% sẽ ảnh hưởng làm gia tăng 0.394% tỷ lệ nợ xấu của ngân hàng. Bên cạnh đó, khả năng sinh lời của ngân hàng với độ trễ 1 năm có mối tương quan cùng chiều với tỷ lệ nợ xấu và dừng ở mức ý nghĩa 5%. Kết quả này trái ngược với nghiên cứu của Hasna Chaibi và Zied Ftiti (2014). Để giải thích cho kết quả trên chúng ta có thể lập luận như sau: hiệu quả hoạt động của một ngân hàng được đánh giá cao trong tình huống ngân hàng này có tỷ suất sinh lời trên tài sản cao, khi đó các ngân hàng sẽ có nguồn tài chính vững vàng hơn, ít động cơ tham gia vào các khoản cấp tín dụng tiềm ẩn nhiều rủi ro từ đó góp phần làm cho tỷ lệ nợ xấu trong tương lai giảm dần.
4.1.7.6 Tốc độ tăng trưởng tín dụng
Kết quả mơ hình nghiên cứu cụ thể như sau: nhận thấy nếu tốc độ tăng trưởng tín dụng tăng 1% thì tỷ lệ nợ xấu sẽ tăng 0.002%, tốc độ tăng trưởng tín dụng có mối quan hệ cùng chiều với tỷ lệ nợ xấu. Tuy nhiên, theo kết quả nghiên cứu này thì yếu tố tốc độ tăng trưởng tín dụng khơng có ý nghĩa thống kê. Học viên chưa tìm thấy mối quan hệ giữa yếu tố tốc độ tăng trưởng tín dụng và nợ xấu của các NHTM Việt Nam.
4.1.8 Các yếu tố kinh tế vĩ mô 4.1.8.1 Tỷ lệ lạm phát 4.1.8.1 Tỷ lệ lạm phát
Cụ thể kết quả mơ hình nghiên cứu như sau: khi tỷ lệ lạm phát tăng 1% thì tỷ lệ nợ xấu tăng 0.03%, tỷ lệ lạm phát có mối quan hệ cùng chiều với tỷ lệ nợ xấu và dừng ở mức ý nghĩa 1%. Điều này được giải thích như sau: khi tỷ lệ lạm phát tăng cao, giá cả các hàng hóa, dịch vụ tăng vì thế khách hàng vay vốn sẽ gặp khó khăn trong việc trả nợ