CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.3. Mô tả dữ liệu nghiên cứu
Bảng 3.3a - Mơ tả tóm tắt các biến đo lƣờng đƣợc sử dụng trong nghiên cứu
Tên biến Định nghĩa Đo lƣờng Nguồn dữ
liệu
D u kỳ vọng I. Biến phụ thu c
Risk Chỉ số đo lường độ rủi ro 1/LnZ_Score BCTC
II.Biến giải thích
HHI Chỉ số đo lường đa dạng hóa thu
nhập ∑
BCTC -
HHI2 ình phương của biến HHI HHI2 = HHI2 Tính tốn
của tác giả + NON Tỷ lệ thu nhập ngoài lãi trên
tổng thu nhập
Tỷ lệ thu nhập ngoài lãi trên tổng thu nhập
Tính tốn
của tác giả -
NON2 ình phương của biến NON NON2 = NON2 Tính tốn
của tác giả +
III.Biến kiểm sốt
LnA Tổng tài sản LnA = ln(Tổng tài sản) BCTC -
GrowA Tốc độ tăng trưởng tổng tài sản
BCTC +
Loan_A Tỷ lệ cho vay khách hàng trên
tổng tài sản
BCTC +
Depo_A Tỷ lệ huy động khách hàng trên
tổng tài sản
BCTC +
E_A Tỷ lệ vốn chủ sở hữu trên tổng
tài sản
BCTC -
Exp_A Tỷ lệ chi tiêu hoạt động trên
tổng tài sản
BCTC -
GDPPC Tốc độ tăng trưởng GDP bình
quân đầu người World Bank + INF Tỷ lệ lạm phát hằng năm World Bank +
H nh 3.3 - Tác đ ng giữa các biến nghiên cứu
3.4. Phƣơng pháp phân tích ữ liệu
Dữ liệu được sử dụng để phân tích mơ hình hồi quy là dữ liệu dạng bảng cân đối mạnh, được thu thập từ báo cáo tài chính, báo cáo thường niên đã được kiểm toán của 23 ngân hàng TMCP Việt Nam trong giai đoạn từ 2005 đến năm 2017. Bài nghiên cứu lựa chọn giai đoạn nghiên cứu từ năm 2005 - 2017 vì đây là giai đoạn các NHTM bắt đầu bùng nổ về hoạt động kinh doanh sau một thập kỷ bình ổn. Theo đó, ngồi hoạt động cho vay và huy động truyền thống thì các loại hình kinh doanh khác bắt đầu phát triển đa dạng làm đa dạng hóa nguồn thu nhập và từ đó cũng kéo theo những hậu quả cho hệ thống ngân hàng như hiện nay. Nghiên cứu sử dụng phương pháp phân tích dữ liệu bảng (Panel data) được thực hiện qua các bước sau:
3.4.1. Phân tích thống kê mơ tả các biến
ước thực hiện này nhằm trình bày các giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và nhỏ nhất của các dữ liệu liên đến mẫu nghiên cứu được sử dụng trong mơ hình Qua đó, ch ng ta có thể nhận biết được các điểm đ c thù của bộ dữ liệu.
Biến giải thích
Đa dạng hóa thu nhập(HHI ho c NON)
- Thu nhập lãi (NET)
- Thu nhập ngoài lãi (COM, TRAD, INV, OTH)
- Tổng thu nhập (NETNON)
Biến phụ thu c
Đo lường độ rủi ro (Risk)
Biến kiểm soát
- Tổng tài sản (LnA)
- Tốc độ tăng trưởng tổng tài sản (GrowA)
- Tỷ lệ cho vay khách hàng trên tổng tài sản (Loan_A)
- Tỷ lệ huy động khách hàng trên tổng tài sản (Depo_A)
- Tỷ lệ vốn chủ sở hữu trên tổng tài sản (E_A) - Tỷ lệ chi tiêu hoạt động trên tổng tài sản (Exp_A) - Tình hình kinh tế vĩ mơ (GDPPC; INF)
các nội dung như tên biến, giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất.
Ngồi ra, phần này cịn trình bày về ma trận hệ số tương quan giữa các biến được sử dụng trong mơ hình nghiên cứu nhằm đưa ra nhận xét về mức độ tương quan của các biến là điều kiện cần trước khi thực hiện ước lượng hồi quy. Ngoài ra, ma trận hệ số tương quan cũng cung cấp cái nhìn trực quan xem các biến độc lập trong mơ hình có bị hiện tượng đa cộng tuyến hay không.
3.4.2. Lựa chọn phƣơng pháp hồi quy phù hợp
Trong bước này, chúng ta sẽ lần lượt tiến hành hồi quy ước lượng theo các phương pháp từ cơ bản đến nâng cao nhằm lựa chọn mơ hình hồi quy hiệu quả tốt nhất Theo đó, lần lượt các mơ hình hồi quy hồi quy gộp (Pooled OLS), phương pháp hồi quy tác động cố định(FEM), phương pháp hồi quy tác động ngẫu nhiên (REM) được thực hiện.
3.4.2.1. Phƣơng pháp hồi quy g p (Pooled OLS)
Pooled OLS là mơ hình hồi quy trong đó tất cả các hệ số đều khơng đổi theo thời gian và theo các đ c tính riêng biệt của từng cá thể Khi đó, bộ dữ liệu sẽ bỏ qua bình diện không gian, thời gian và chỉ đơn thuần là ước lượng mơ hình OLS thơng thường. Cụ thể, việc xem xét ảnh hưởng của đ c tính riêng biệt của từng cá thể là như nhau ên cạnh đó, m c dù phương pháp hồi quy OLS được xem là ước lượng tuyết tính hiệu quả, khơng thiên lệch, tốt nhất ( LUE), nhưng ngược lại phương pháp này cũng là phương pháp dễ dàng vi phạm các giả thiết của mơ hình hồi quy tuyến tính Do đó, phương pháp hồi quy Pooled OLS sẽ khơng cịn hiệu quả và không đáng tin cậy nữa.
3.4.2.2. Phƣơng pháp hồi quy tác đ ng cố định (FEM)
Mơ hình này khác với mơ hình Pooled OLS ở điểm là cho rằng ảnh hưởng của từng đ c tính riêng biệt của từng cá thể là khác nhau. FEM phân tích mối tương quan này giữa những phần dư của mỗi đơn vị với các biến giải thích qua đó kiểm sốt và tách ảnh hưởng của các đ c điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực của
biến giải thích lên biến phụ thuộc Đồng thời, điểm đ c biệt của mơ hình này là hệ số của các đ c điểm riêng biệt này không được tương quan với các biến độc lập khác trong mơ hình.
3.4.2.3. Phƣơng pháp hồi quy tác đ ng ngẫu nhiên (REM)
Phương pháp REM xem xét đến sự khác biệt, đ c điểm riêng và các xuất phát điểm khác nhau của từng thực thể (công ty, doanh nghiệp, ngân hàng..). Các sự khác biệt này tác động đến các biến độc lập làm cho mỗi thực thể có các hệ số riêng cho từng biến độc lập trong mơ hình Điểm khác biệt giữa mơ hình ảnh hưởng ngẫu nhiên (REM) và mơ hình ảnh hưởng cố định được thể hiện ở sự biến động giữa các đơn vị. Nếu sự biến động giữa các đơn vị có tương quan đến biến độc lập – biến giải thích trong mơ hình ảnh hưởng cố định thì trong mơ hình ảnh hưởng ngẫu nhiên sự biến động giữa các đơn vị được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích.Chính vì vậy, nếu sự khác biệt giữa các đơn vị có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM Trong đó, phần dư của mỗi thực thể (khơng tương quan với biến giải thích) được xem là một biến giải thích mới.
Qua đó ta có thể thấy rằng việc ước lượng FEM ho c REM có thể mang lại nhiều ưu điểm và phù hợp hơn so với phương pháp Pooled OLS Tuy nhiên, FEM ho c REM đều tồn tại những hạn chế rất khó xử lý bao gồm:
- Sử dụng quá nhiều biến giả làm giảm bậc tự do và tạo ra hiện tượng đa cộng
tuyến giữa các biến làm cho kết quả ước lượng không tin cậy.
- Không đề cập đến thành phần sai số của mơ hình mà ngầm định rằng sai số
của mơ hình tuân theo các giả định cổ điển, cho nên không kiểm soát được hiện tượng phương sai sai số thay đổi và vấn đề tương quan của biến độc lập với sai số.
- Loại bỏ luôn các biến độc lập không thay đổi theo thời gian nếu có trong mơ
hình.
- Chỉ áp dụng cho các dữ liệu bảng tĩnh, không xử lý được khi dữ liệu có tính
Tuy nhiên, ở góc độ của bài nghiên cứu này, mơ hình FEM và REM sẽ được nghiên cứu chính để áp dụng cho việc ước lượng mơ hình đã đưa ra ở phần trước.
3.4.3. Các kiểm định liên quan
3.4.3.1. Kiểm định tương quan các đơn vị chéo
Nhằm củng cố thêm bằng chứng khoa học chắc chắn cho việc lựa chọn FEM ho c REM so với phương pháp hồi quy gộp Pooled OLS thì tác giả thực hiện kiểm định sự tương quan của các đơn vị chéo Theo đó, các đơn vị chéo đại diện cho các đ c tính riêng biệt của các đơn vị chéo và mơ hình FEM ho c REM chỉ thực sự phù hợp khi và chỉ khi các đơn vị chéo này tồn tại sự tương quan lẫn nhau và với các biến giải thích trong mơ hình.
Giả thiết H0 của kiểm định là các đơn vị chéo tồn tại độc lập và giả thiết đối là tồn tại sự tương quan của các đơn vị chéo.
3.4.3.2. Kiểm định đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập tương quan lẫn nhau hay nói khác hơn là tồn tại một hay nhiều mối quan hệ tuyến tính giữa các biến độc lập. Khi đa cộng tuyến xảy ra ta có thể thấy biến này giải thích cho biến kia và cả 2 biến cùng giải thích cho biến phụ thuộc. Có hai dạng đa cộng tuyến:
Cộng tuyến hồn h o: xảy ra khi một biến có thể biểu diễn bằng một tổ hợp
tuyến tính với các biến cịn lại Đó là mối quan hệ tuyến tính hồn hảo, ch t chẽ của các biến độc lập. Lúc này hệ số tương quan giữa chúng là 1. Với đa cộng tuyến hồn hảo ta khơng thể ước lượng được các hệ số hồi quy.
a cộng tuyến khơng hồn h o: là chưa đạt đến mức hồn hảo có nghĩa là
một biến có quan hệ tuyến tính với với một vài biến trong mơ hình. Khi trong mơ hình có hiện tượng đa cộng tuyến khơng hồn hảo xảy ra thì các hệ số hồi quy vẫn ước lượng được vẫn là tốt và khơng thiên lệch tức là vẫn đảm bảo tính chất BLUE nhưng độ chính xác kém, khoảng tin cậy rộng.
Nguyên nhân thường g p nhất trong kinh tế là do bản chất kinh tế của các biến, giữa chúng luôn tồn tại một mối liên hệ với nhau, ví dụ như số dư tiền gửi khách hàng ln có quan hệ với dư nợ cho vay, sự biến động của số dư tiền gửi
khách hàng ln có một mức tác động nhất định đến sự biến thiên của dư nợ Do đó đa cộng tuyến thường là tất nhiên và chúng ta cần đánh giá mức độ nghiêm trọng hay mức tương quan giữa ch ng để có phương án xử lý.
3.4.3.3. Kiểm định phương sai sai số thay đổi
Sai số trong mơ hình là tất cả các yếu tố cịn lại khơng được đề cập đến hay không quan tâm trong nghiên cứu, các yếu tố này dù sao vẫn tác động đến biến phụ thuộc Để ước lượng được hiệu quả, phương sai của sai số này cần phải đều và không thay đổi khi các biến độc lập biến thiên. Do vậy khi phương sai sai số thay đổi thì các hệ số hồi quy vẫn ước lượng được, vẫn là tuyến tính và khơng thiên lệch nhưng không c n là ước lượng hiệu quả nữa. Về m t tốn học có thể khắc phục phương sai sai số thay đổi bằng nhiều kỹ thuật toán. Các kỹ thuật này đã được đưa vào các phần mềm thống kê qua tùy chọn “robust” Hiện nay có rất nhiều cách kiểm định để phát hiện phương sai sai số thay đổi, đối với dữ liệu nghiên cứu là dữ liệu bảng, mơ hình được sử dụng cách kiểm định tính tốn giá trị thống kê Wald do Christopher F. Baum (2000) xây dựng có sẵn trong phần mềm Stata Trường hợp mơ hình nghiên cứu có phương sai sai số bị thay đổi, ta cần thêm tùy chọn “robust” trong khi tiến hành hồi quy ước lượng các hệ số.
3.4.3.4. Kiểm định tự tương quan trong phần dư của mơ hình
Cịn gọi là tương quan chuỗi, hiện tượng này phát sinh khi các sai số trong mơ hình của thời kỳ này lại tương quan tác động đến sai số của thời kỳ khác trong chuỗi thời gian, ho c sai số của thực thể này tác động lên sai số của thực thể khác trong chuỗi không gian. Nguyên nhân của hiện tượng tự tương quan của các vấn đề kinh tế thường là do tính “quán tính” và “chu kỳ”, ho c do tính trễ Cũng giống như hiện tượng phương sai sai số thay đổi hiện tượng tự tương quan cũng làm cho các hệ số hồi quy vẫnước lượng được, vẫn là tuyến tính và khơng thiên lệch nhưng không c n là ước lượng hiệu quả nữa.
Phương pháp ước lượng FEM ho c REM là các phương pháp hồi quy cơ bản và phổ biến trong việc ước lượng dữ liệu dạng bảng Tuy nhiên, các phương pháp này thông thường dễ bị vi phạm các khuyết tật của mơ hình như phương sai thay
đổi, tự tương quan M c dù có rất nhiều cách để xử lý các khuyết tật này, nhưng các phương pháp hồi quy này vẫn chưa thể xử lý triệt để một khuyết tật rất nghiêm trọng trong q trình ước lượng, đó chính là nội sinh. Nội sinh là hiện tương biến giải thích được sinh ra từ trong mơ hình, điều này vi phạm giả định của hồi quy tuyến tính đó là biến giải thích là độc lập. Hay nói cách khác, biến giải thích có tương quan với phần dư của mơ hình Điều này khiến cho kết quả ước lượng bị sai lệch và không đáng tin cậy.
Để kiểm định và xác định biến nào bị hiện tượng nội sinh, bài nghiên cứu sử dụng phương pháp kiểm định Durbin-Wu-Hausman Các bước kiểm định này như sau:
Bƣớc 1: Xác định biến giải thích nghi ngờ bị nội sinh.
Thông thường việc xác định biến giải thích nghi ngờ bị nội sinh dựa vào các nghiên cứu trước đây và căn cứ theo cách tính tốn biến từ dữ liệu thu thập được. Tuy nhiên, trong bài nghiên cứu này toàn bộ dữ liệu được thu thập và được tính tốn từ báo cáo tài chính của các ngân hàng nên các biến trong mơ hình có nhiều khả năng sẽ bị ảnh hưởng bởi các yếu tố khác trong đó bao gồm trong phần dư của mơ hình. Do đó, việc kiểm định tất cả các biến giải thích được sử dụng trong mơ hình là cần thiết để tránh bỏ sót biến bị nội sinh.
Bƣớc 2: Dùng biến nghi ngờ này làm biến phụ thuộc thực hiện hồi quy với
các biến độc lập còn lại.
Bƣớc 3: Trích phần dư của mơ hình hồi quy ở bước 2.
Bƣớc 4: Đưa phần dư vừa trích được vào mơ hình chính để thay thế cho biến
độc lập và thực hiện hồi quy ước lượng. Nếu biến phần dư này có ý nghĩa thống kê thì biến nghi ngờ ban đầu chắc chắn đã bị nội sinh.
Các bước trên là lý thuyết của kiểm định Durbin Wu Hausman, tuy nhiên, trong thực tế chúng ta sẽ tiến hành ước lượng mơ hình hồi quy hai giai đoạn (2SLS) các biến trong mơ hình hồi quy gốc; từ đó lựa chọn ra biến nghi ngờ bị nội sinh. Cuối cùng, kiểm định Durbin Wu Hausman được thực hiện để kiểm định biến bị nghi ngờ nội sinh có thực sự bị nội sinh hay không với các giả thiết sau:
H0: Biến nghi ngờ không bị nội sinh (Biến ngoại sinh); H1: Biến nghi ngờ bị nội sinh.
3.4.4. Phƣơng pháp hồi quy các điều kiện Moment tổng quát (GMM)
Xét trên khía cạnh thực tế từ hoạt động của các NHTM thì các biến được sử dụng trong mơ hình nghiên cứu đều được thu thập và tính tốn từ số liệu báo cáo tài chính, báo cáo thường niên của các NHTM Do đó, các số liệu này có sự tương quan rất mạnh với nhau và với các yếu tố khác của ngân hàng Do vậy, theo các nghiên cứu trước đây thì việc sử dụng các biến nghiên cứu như vậy thường sẽ có nhiều khả năng xuất hiện hiện tượng nội sinh, gây ra những ước lượng thiên lệch trong kết quả hồi quy, dẫn đến sai lầm trong kết luận Do đó, để khắc phục được hiện tượng nội sinh thì bài nghiên cứu sử dụng phương pháp ước lượng Moment tổng quát GMM (General Method of Moments) Ưu điểm của phương pháp hồi quy GMM đó là khả năng tích hợp chức năng biến cơng cụ, đây là một công cụ ưu việt để xử lý vấn đề nội sinh của biến giải thích.Kể từ khi được cơng bố cho đến nay, phương pháp GMM vẫn là một trong những phương pháp ưu việt và đáng tin cập