NPLR GDPD UN INF LLP_TL LOAN_TS INEF NPLRT_1 ROE
NPLR 1.000000 -0.260732 -0.064304 -0.041957 0.507739 0.023493 0.143428 0.478600 -0.325151 GDPD -0.260732 1.000000 0.296519 -0.057413 -0.168090 -0.174246 -0.266906 0.095116 0.224711 UN -0.064304 0.296519 1.000000 0.581767 -0.051059 -0.399176 -0.516015 0.017229 0.481939 INF -0.041957 -0.057413 0.581767 1.000000 0.044501 -0.284485 -0.249641 -0.139309 0.237544 LLP_TL 0.507739 -0.168090 -0.051059 0.044501 1.000000 0.230052 -0.163318 0.571458 0.021660 LOAN_TS 0.023493 -0.174246 -0.399176 -0.284485 0.230052 1.000000 0.257691 0.112613 -0.237416 INEF 0.143428 -0.266906 -0.516015 -0.249641 -0.163318 0.257691 1.000000 0.024729 -0.645278 NPLRT_1 0.478600 0.095116 0.017229 -0.139309 0.571458 0.112613 0.024729 1.000000 -0.130106 ROE -0.325151 0.224711 0.481939 0.237544 0.021660 -0.237416 -0.645278 -0.130106 1.000000
(Nguồn : Kết quả hồi quy từ Eviews)
Theo Kennedy (2008), ta có hệ số tương quan r:
| r | < 0.4 : tương quan lỏng lẻo
0.4 < | r | < 0.8 : tương quan trung bình
| r | > 0.8: tương quan chặt chẽ
Căn cứ vào lý thuyết Kennedy, ta thấy giữa các biến quan sát nhìn chung khơng có mối tương quan chặt chẽ với nhau hay giữa các biến độc lập không tồn tại vấn đề đa cộng tuyến.
Dựa vào bảng ma trận hệ số tương quan giữa các biến cho thấy các biến vĩ mô GDPD, UN, INF có mối tương quan thấp; các biến GDPD, INF, UN có biến động ngược chiều với NPLR, tức là một sự tăng lên của các biến vĩ mô này sẽ tác động
làm giảm nợ xấu. Trong khi đó, các biến đặc thù của ngành ngân hàng cũng có mối tương quan với tỷ lệ nợ xấu và đa phần có tác động cùng chiều đến tỷ lệ nợ xấu, trừ biến ROE là biến có tác động nghịch chiều đến tỷ lệ nợ xấu.
4.5.3 Mơ hình hồi quy
Với cách tổ chức dữ liệu giữa các ngân hàng qua thời gian, phương pháp tiếp cận dữ liệu bảng sẽ được sử dụng cho bài nghiên cứu này. Mơ hình hồi quy cơ bản như sau:
NPLRi,t = β0 + β1 GDPDt + β2UNt + β3INFt + β4 LLP_TL + β5 LOAN_TS + β6 INEF + β7 NPLR t-1 + β8 ROE + €i,t.
Trong đó :
i : thể hiện chiều ngân hàng ( i: 1- 9)
t : thể hiện chiều thời gian ( t :1-10)
β0 : hệ số tự do
β1– β8: hệ số hồi quy riêng €i,t.: sai số ngẫu nhiên.
Đối với dữ liệu bảng, có hai phương pháp tiếp cận gồm phương pháp ảnh hưởng cố định FEM (Fixed Effects Model) và ảnh hưởng ngẫu nhiên REM (Radom Effects Model).
4.5.4 Các kiểm định và lựa chọn mơ hình
4.5.4.1 Kiểm định lựa chọn mơ hình
Trong phương pháp tiếp cận dữ liệu bảng, kiểm định Hausman Test là một trong những kiểm định được sử dụng để đánh giá tính phù hợp cũng như hiệu quả giữa mơ hình FEM và mơ hình REM.
4.5.4.2 Kiểm định đa cộng tuyến
Đa cộng tuyến là vấn đề không thể loại bỏ hoàn toàn trong thống kê. Đa cộng tuyến càng ở mức thấp thì càng tốt. Có nhiều cách để phát hiện xem có tồn tại vấn đề đa cộng tuyến hay không như: thực hiện hồi quy phụ, sử dụng nhân tử phóng đại phương sai VIF…Tuy nhiên, luận văn này tác giả sử dụng nhân tử phóng đại phương sai VIF.
Thực tế, bảng ma trận hệ số tương quan giữa các biến quan sát đã thể hiện các hệ số tương quan giữa các biến quan sát. Hầu hết các hệ số này không quá cao, không vượt quá 0.8. Chính điều này cũng cho thấy sự thiên lệch do hiện tượng đa cộng tuyến không đặt thành vấn đề.
4.5.4.3 Đánh giá mức độ phù hợp của mơ hình thơng qua hệ số R2
Việc hồi quy đồng thời hai mơ hình FEM và REM nên vấn đề đặt ra là ta phải so sánh hai mơ hình này với nhau. Từ kết quả hồi quy, một trong những căn cứ thoạt đầu để đánh giá mức độ phù hợp của mơ hình là hệ số R2. Mơ hình được cho là phùhợp khi mơ hình đó giải thích được bao nhiêu phần trăm sự thay đổi của biến phụthuộc. Hệ số R2 càng gần 1 thì hệ số hồi quy càng có ý nghĩa hơn.
4.5.5 Các kết quả hồi quy
4.5.5.1 Kết quả hồi quy dữ liệu theo Fixed Effect Model