CHƢƠNG 1 : GIỚI THIỆU TỔNG QUAN NGHIÊN CỨU
4.5. Mơ hình nghiên cứu
Trên cơ sở khảo lược các nghiên cứu thực nghiệm, luận văn đã đặt ra các giả thuyết và mô tả các biến, đồng thời cũng đưa ra phương pháp tính tốn và lấy số liệu, từ đây mơ hình hồi quy xác định các yếu tố ảnh hưởng đến HQTC của các NHTMCP được xây dựng như sau:
Mơ hình hồi quy thứ nhất chỉ bao gồm các yếu tố nội tại xuất phát từ NH, cụ thể là:
𝐘𝐢,𝐭 = 𝛃𝟏+ 𝛃𝟐𝐄𝐀𝐢,𝐭 + 𝛃𝟑𝐋𝐋𝐑𝐢,𝐭 + 𝛃𝟒𝐌𝐄𝐢,𝐭+ 𝛃𝟓𝐋𝐈𝐐𝐢,𝐭 + 𝛃𝟔𝐒𝐈𝐙𝐄𝐢,𝐭 + 𝐮𝐢,𝐭
Để bổ sung vào mơ hình nghiên cứu, tác giả lựa chọn các biến vĩ mô nhằm đánh giá tổng quát hơn về tác động của các yếu tố đến HQTC của các NHTMCP:
𝐘𝐢,𝐭 = 𝛃𝟏+ 𝛃𝟐𝐄𝐀𝐢,𝐭 + 𝛃𝟑𝐋𝐋𝐑𝐢,𝐭 + 𝛃𝟒𝐌𝐄𝐢,𝐭 + 𝛃𝟓𝐋𝐈𝐐𝐢,𝐭 + 𝛃𝟔𝐒𝐈𝐙𝐄𝐢,𝐭 + 𝛃𝟕𝐆𝐃𝐏𝐢,𝐭 + 𝛃𝟖𝐂𝐏𝐈𝐢,𝐭+ 𝐮𝐢,𝐭
Trong đó:
𝐘𝐢,𝐭: là HQTC của NH i tại thời điểm t, được đo lường bằng ba chỉ tiêu ROA, ROE và NIM.
𝐄𝐀𝐢,𝐭: là tỷ lệ an toàn vốn của NH i tại thời điểm t, được đo lường bằng chỉ tiêu VCSH của NH i trong năm t chia cho tổng tài sản của NH i trong năm t.
𝐋𝐋𝐑𝐢,𝐭: là chất lượng tài sản của NH i tại thời điểm t, được đo lường bằng chỉ tiêu
chi phí dự phịng tổn thất rủi ro của NH i trong năm t chia cho tổng dư nợ cho vay khách hàng của NH i trong năm t.
𝐌𝐄𝐢,𝐭: là hiệu quả quản lý của NH i tại thời điểm t, được đo lường bằng chỉ tiêu tổng chi phí của NH i trong năm t chia cho tổng thu nhập của NH i trong năm t.
𝐋𝐈𝐐𝐢,𝐭: là quản lý thanh khoản của NH i tại thời điểm t, được đo lường bằng chỉ tiêu
tổng dư nợ cho vay khách hàng của NH i trong năm t chia cho tổng tiền gửi của khách hàng của NH i trong năm t.
𝐒𝐈𝐙𝐄𝐢,𝐭: là quy mô NH của NH i tại thời điểm t, được đo lường bằng logarit tự nhiên
của NH i trong năm t.
𝐆𝐃𝐏𝐢,𝐭∶ là tốc độ tăng trưởng GDP tại thời điểm t. 𝐂𝐏𝐈𝐢,𝐭 : là tốc độ lạm phát tại thời điểm t.
4.6. Phƣơng pháp nghiên cứu
Luận văn này được thực hiện nhằm nghiên cứu xác định các yếu tố có tác động đến HQTC của các NHTMCP Việt Nam. Sau khi đã khảo lược các lý thuyết liên quan để xây dựng giả thuyết và mơ hình nghiên cứu, bước tiếp theo sẽ sử dụng phương pháp phân tích và thực hiện hồi quy mơ hình để kiểm định các giả thuyết đã đặt ra. Trước khi tiến hành chạy hồi quy, các khuyết tật mơ hình như: hiện tượng đa cộng tuyến, phương sai thay đổi và tự tượng quan của nhiễu sẽ được kiểm định. Trong luận văn này phương pháp chính được sử dụng là phương pháp Robust standard errors trên dữ liệu bảng và hai phương pháp khác được sử dụng để so sánh đối chiếu là phương pháp bình phương bé nhất tổng quát khả thi (FGLS - Feasible
Generalized Least Squares), GMM (General Method of Moments). Thứ nhấp là về phương pháp FGLS, FGLS là phương pháp kết hợp mơ hình hồi quy có trọng số (Weighted Least Squares – WLS) với mục đích khắc phục hiện tượng phương sai của sai số thay đổi và mơ hình tự hồi quy bậc nhất với mục đích khắc phục tự tương quan của phần dư (Wooldridge, 2002). Cũng theo Wooldridge (2002), việc sử dụng phương pháp FGLS tốt hơn so với phương pháp Pooled OLS (Ordinary Least Squares – Bình phương bé nhất thơng thường) là do phương pháp Pooled OLS được giả định rằng hiện tượng phương sai của sai số phải đồng nhất và khơng có hiện tượng tự tương quan để cho việc ước lượng các tham số vững và không bị chệch. Thứ hai, phương pháp GMM là phương pháp dữ liệu bảng động được Lars Peter Hansen trình bày lần đầu tiên vào năm 1982 trong bài viết “Large Sample Properties of Generalized Methods of Moments Estimators” được đăng trong Econometrica, số 50, trang 1029-1054. GMM là phương pháp tổng quát của rất nhiều phương pháp ước lược phổ biến; ngay cả trong điều kiện giả thiết nội sinh bị vi phạm, phương pháp GMM cho ra các hệ số ước lượng vững, không chệch, phân phối chuẩn và hiệu quả. Theo kết quả nghiên cứu của Arellano và Bond (1991), phương pháp hồi quy tuyến tính dữ liệu bảng động (Arellano-Bond linear dynamic panel-data estimation) là một giải pháp hữu hiệu để ước lượng hồi quy trong mơ hình trong trường hợp mơ hình vừa có hiện tượng phương sai thay đổi, tự tương quan và nội sinh. Mơ hình Arellano và Bond (1991) kiểm sốt được hiện tượng tự tương quan giữa phần dư, hiện tượng phương sai thay đổi và nội sinh. Sau khi thực hiện hồi quy theo hai phương pháp FGLS và GMM, luận văn thực hiện hồi quy đối chiếu (Robustness check) và mở rộng theo phương pháp Robust standard errors trên dữ liệu bảng. Theo nghiên cứu Daniel Hoechle (2007), trên dữ liệu bảng có phương sai thay đổi, có tự tương quan xảy ra. Để tăng hiệu quả của ước lượng hệ số, giảm độ lệch chuẩn của ước lượng, Daniel Hoechle (2007) sử dụng phương pháp tính độ lệch chuẩn Robust standard errors được giới thiệu bởi Driscoll-Kraay (1998). Phương pháp hồi quy Robust standard errors trên dữ liệu bảng khắc phục được phương sai thay đổi, tự tương quan nếu có và hơn nữa đưa ra hiệu quả ước lượng hệ
số tốt hơn, độ lệch chuẩn ước lượng nhỏ hơn. Với những ưu việt được trình bày trên, tác giả lựa chọn kết quả hồi quy trên Robust standard errors là kết quả chính cho nghiên cứu. Sau đây là nội dung cụ thể về phương pháp này:
Mơ hình hồi quy tuyến tính:
𝒚𝒊𝒕 = 𝒙𝒊𝒕′ 𝜽 + 𝜺𝒊𝒕, i= 1, …, N, t = 1, …, T
Trong đó các biến phụ thuộc 𝑦𝑖𝑡 là một đại lượng vô hướng, 𝑥𝑖𝑡 là một véc tơ (K + 1) x 1 của các biến độc lập được chứa trong nhân tố đầu tiên, và 𝜃 là một véc tơ (K + 1) x 1 của những hệ số ước lượng chưa biết. i biểu thị các đơn vị dữ liệu chéo (đối tượng) và t biểu thị thời gian. Tất cả các quan sát được xếp thành như sau:
y = 𝒚𝟏𝒕𝟏𝟏… 𝒚𝟏𝑻𝟏𝒚𝟐𝒕𝟐𝟏… 𝒚𝑵𝑻𝑵 ′ và X = 𝒙𝟏𝒕𝟏𝟏… 𝒙𝟏𝑻𝟏𝒙𝟐𝒕𝟐𝟏… 𝒙𝑵𝑻𝑵 ′
Công thức này phù hợp với cả bảng dữ liệu khơng cân bằng vì quan sát i chỉ là một tập hợp con 𝑡𝑖1, …., 𝑇𝑖 với 1 ≤ 𝑡𝑖1 ≤ 𝑇𝑖 ≤ T của tổng thể T sẵn có. Điều đó cho rằng các biến hồi quy 𝑥𝑖𝑡 không tương quan với các nhiễu vô hướng 𝜖𝑖𝑠 cho tất cả s, t (yếu tố ngoại sinh). Tuy nhiên, chính các nhiễu 𝜖𝑖𝑡 được phép tự tượng quan, có hiện tượng phương sai thay đổi và tương quan phụ thuộc chéo. Theo những suy đốn này θ ln có thể được ước tính bằng OLS hồi quy, với biểu thức:
𝜽 = (𝐗′X) – 1𝐗′𝒚
Driscoll và Kraay tiến hành sai số chuẩn cho các ước lượng hệ số này sau đó thu được căn bậc hai của các yếu tố chéo trong ma trận hiệp phương sai theo phép tiệm cận (vững),
V(𝜽) = (𝐗′X) – 1𝑺𝑻(𝐗′X) – 1
Trong đó 𝑆 𝑇 được định nghĩa theo Newey và West (1987): 𝑺𝑻 = 𝛀𝟎 + 𝒎 (𝑻)𝒋=𝟏 𝒘(𝒋, 𝒎) 𝛀𝒋+ 𝛀𝒋′ (1)
Trong biểu thức (1), m (T) biểu thị chiều dài độ trễ lên các phần dư có thể bị tự tương quan và các trọng số Bartlett được biến đổi,
đảm bảo semi-definiteness của 𝑺𝑻 luôn dương và làm trơn hàm tự tương quan mẫu
chẳng hạn như độ trễ bậc cao hơn nhận trọng số nhỏ hơn. Các (K + 1) x (K + 1) ma trận 𝛀𝒋 được định nghĩa là:
𝛀𝒋 = 𝑻 𝒉𝒕(𝜽 )𝒉𝒕−𝒋
𝒕=𝒋+𝟏 (𝜽 )′ với 𝒉𝒕 𝜽 = 𝑵(𝒕)𝒉𝒊𝒕(𝜽 )
𝒊=𝟏 (2)
Trong biểu thức (2), tổng các điều kiện moment ℎ𝑖𝑡(𝜃 ) trong thời gian quan
sát t chạy từ 1 đến N(t), trong đó N được phép thay đổi với t. Điều chỉnh nhỏ này từ ước lượng ban đầu của Driscoll và Kraay (1998) đủ để ước lượng sử dụng được cho bảng dữ liệu không cân bằng. Đối với ước lượng hồi quy nguyên sơ (hồi quy thô) Pooled OLS, các điều kiện trực giao mẫu ℎ𝑖𝑡(𝜃 ) trong biểu thức (2) là các điều kiện
moment chiều (K + 1) x 1 của mơ hình hồi quy tuyến tính; tức là,
𝒉𝒊𝒕 𝜽 = 𝒙𝒊𝒕𝜺 𝒊𝒕 = 𝒙𝒊𝒕(𝒚𝒊𝒕 - 𝒙𝒊𝒕′ 𝜽)
Từ (1) và (2), theo đó ước lượng ma trận hiệp phương sai của Driscoll và Kraay bao gồm ước lượng tích hợp phương sai thay đổi và tự tương quan của Newey và West (1987) áp dụng cho các chuỗi thời gian chéo trung bình của ℎ𝑖𝑡(𝜃 ).
Bằng cách dựa trên các chuỗi trung bình chéo, sai số chuẩn ước tính của phương pháp này nhất quán một cách độc lập bảng dữ liệu chéo N chiều. Driscoll và Kraay (1998) chỉ ra rằng kết quả nhất quán với cả trường hợp tiệm cận khi N → ∞. Hơn nữa, ước lượng ma trận hiệp phương sai bằng phương pháp tiếp cận biểu thức sai số chuẩn này mang ước lượng vững với dạng dữ liệu chéo tổng quát dựa trên thời gian. Với những nội dung tiếp sau đây sẽ trình bày kết quả nghiên cứu thu được từ quá trình phân tích số liệu của các NHTMCP Việt Nam, trong thời gian từ năm 2007-2015.