CHƯƠNG 4 : PHƯƠNG PHÁP, DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
4.2. Mơ hình nghiên cứu
Các loại rủi ro tác động đến khả năng phá sản của ngân hàng thì rất nhiều, như đã liệt kê ở phần trên, nó bao gồm rủi ro lãi suất, rủi ro tín dụng, rủi ro thanh khoản và rất nhiều các
đặc điểm riêng của ngân hàng, tuy nhiên trong phạm vi giới hạn của bài này, nhằm đi sâu phân tích về tác động của rủi ro thanh khoản đến khả năng phá sản của các NHTM Việt Nam nên tác giả đã chọn các biến độc lập được xem là đại diện cho RRTK và được kỳ vọng là có tác động đến khả năng phá sản của các NHTM, đưa từng biến vào phương trình và chạy mơ hình lần lượt để xem xét biến nào có tác động và tác động như thế nào, ở mức độ mạnh hay nhẹ?
Ta có phương trình nghiên cứu sau:
𝒁𝒔𝒄𝒐𝒓𝒆𝒊𝒕 = 𝜶𝟏 + 𝜷 ∗ 𝑿 + 𝜸𝟏∗ 𝑪𝒂𝒑𝒊𝒕+ 𝜸𝟐∗ 𝑺𝒊𝒛𝒆𝒊𝒕+ 𝜸𝟑∗ 𝑮𝒅𝒑𝒈𝒓𝒕+ 𝜸𝟒∗
𝑰𝒏𝒇𝒕+ 𝜺𝒊𝒕 (1)
Trong đó, 𝒁 − 𝒔𝒄𝒐𝒓𝒆𝒊𝒕 là đại diện cho khả năng phá sản của các ngân hàng, vector
biến X thể hiện các đại diện cho rủi ro thanh khoản đã được đề cập trong phần 4.1, 𝑪𝒂𝒑𝒊𝒕 là
vốn chủ sở hữu của các ngân hàng, 𝑺𝒊𝒛𝒆𝒊𝒕 là quy mô của các ngân hàng, 𝑮𝒅𝒑𝒈𝒓𝒕 là tốc độ tăng trưởng của nền kinh tế, 𝑰𝒏𝒇𝒕 là lạm phát của nền kinh tế và 𝜺𝒊𝒕 là phần dư của mơ hình nghiên cứu.
Hơn thế nữa, khác với các nghiên cứu trước đây khi sử dụng phương pháp ước lượng OLS để hồi quy phương trình (1), tác giả sử dụng phương pháp ước lượng GMM với các lý do sau:
- GMM có thể khắc phục được hiện tượng phương sai thay đổi. - GMM có thể khắc phục được hiện tượng tự tương quan.
- GMM có thể khắc phục được vấn đề nội sinh được thể hiện thông qua (i) sự ảnh hưởng của biến phụ thuộc đến các biến độc lập, (ii) sự tương quan đáng kể của các biến độc lập và (iii) các biến độc lập và phần dư của mơ hình có tương quan với nhau.
- GMM có thể xử lý tốt đối với dạng dữ liệu dạng bảng không cân.
Đồng thời cũng như các phương pháp ước lượng khác, phương pháp ước lượng GMM cũng đòi hỏi phải thỏa hai kiểm định sau khi ước lượng, đó là kiểm định AR(2) và Hansen với giả thuyết H0 của kiểm định AR(2) là khơng có tự tương quan trong mơ hình nghiên cứu và kiểm định Hansen là biến công cụ không tương quan với phần dư mơ hình. Theo đó, tác giả kỳ vọng giá trị p-value càng cao càng tốt (lớn hơn mức ý nghĩa thống kê 10%) và khi đó
kết quả ước lượng từ phương pháp ước lượng GMM là đáng tin cậy và có thể sử dụng để phân tích.