CHƢƠNG 1 : GIỚI THIỆU TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
4.1. Giới thiệu mơ hình nghiên cứu
4.1.3. Mơ hình nghiên cứu
Mơ hình nghiên cứu tác giả dựa trên cơ sở lý thuyết và chắt lọc các cơng trình nghiên cứu trên thế giới. Trong phạm vi luận văn, tác giả xây dựng mơ hình dựa trên chủ yếu nghiên cứu của Adnan Kasman and Carvallo (2014), sử dụng một mẫu của 272 ngân hàng thương mại từ mười lăm nước châu Mỹ La giai đoạn 2001- 2008, ước tính hiệu quả chi phí và doanh thu, ổn định tài chính (Z-score) và cạnh
tranh ngân hàng (chỉ số Lerner và Boone) ở cấp ngân hàng. Các kỹ thuật Granger Causibility được sử dụng để thiết lập các mối quan hệ giữa các biến này. Nghiên cứu tìm thấy bằng chứng hỗ trợ mạnh mẽ các giả thuyết cho quan hệ nhân quả giữa các biến trong mơ hình nghiên cứu. Hơn nữa, kết quả cho thấy rằng sự cạnh tranh nhiều hơn là có lợi cho sự ổn định tài chính (hiệu quả doanh thu sẽ cao). Ngân hàng có được sức mạnh thị trường khi hoạt động hiệu quả, đòn bẩy tốt hơn và khả năng thu nhập cao hơn. Chúng tôi kiểm tra mối liên hệ giữa sự cạnh tranh, hiệu quả và sự ổn định tài chính trong thị trường ngân hàng Việt Nam trong một khuôn khổ mơ hình Granger-causility theo các mơ hình chính thức như sau:
( ) ( )
( ) ( )
( ) ( )
( ) ( )
Trong đó cạnh tranh là một trong hai chỉ số Lerner hoặc chỉ số Boone, hiệu quả được tính bằng các chỉ số tổng chi phí trên doanh thu
, và sự ổn định đo lường bằng Z-score và những sai số ngẫu nhiên . Phương trình (1) kiểm tra liệu những thay đổi trong tính cạnh tranh và hiệu quả có dẫn đến sự thay đổi trong sự ổn định của ngân hàng hay khơng. Phương trình (2), (3) kiểm tra liệu hiệu quả và sự ổn định của ngân hàng thay đổi nhất thời có dẫn đến sự thay đổi trong cạnh tranh hay khơng. Cuối cùng, phương trình (4) xem xét liệu những thay đổi trong cạnh tranh và
hiệu ứng Random Effect Model (REM) và mơ hình Fixed effect Model (FEM) nhằm lựa chọn mơ hình hồi quy tốt nhất đánh giá mối quan hệ giữa ổn định tài chính, cạnh tranh và hiệu quả của các NHTM trong hệ thống ngân hàng Việt Nam bằng các kiểm định phương sai sai số thay đổi, tương quan chéo, tương quan phân dư đơn vị chéo, tự tương quan.
4.1.4. Phƣơng pháp xử lý số liệu.
Đề tài sử dụng phương pháp phân tích định lượng với sự trợ giúp của phần mềm Eviews8, Excel để đo lường sự tác động của các biến trên. Sau khi thực hiện các kiểm định cơ bản để lựa chọn mơ hình phù hợp trong số các mơ hình : Pooled OLS, Fixed EffectModel hay Random Effect Model, tôi sử dụng kiểm định Hausman test, kiểm định phương sai sai số thay đổi, kiểm định tự tương quan phần dư, kiểm định tương quan phần dư đơn vị chéo và kiểm định Larange Test lựa chọn kiểm tra biến bỏ sót và lựa chọn mơ hình RE và Pooled data.
Phân tích thống kê mơ tả
Trên cơ sở thu thập dữ liệu, tác giả tiến hành tính tốn và mã hoá các biến trên phần mềm Excel, sau đó nhập dữ liệu vào phần mềm STATA 12 thực hiện thống kê mô tả. Nội dung phân tích thơng kê mơ tả là tóm tắt các đặc trưng của dữ liệu phản ánh một cách tổng quát tình hình của các NHTM giá trị trung bình, giá trị trung vị, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn…
Phân tích ma trận tƣơng quan các biến
Phân tích tương quan cho ta cái nhìn ban đầu về mối quan hệ giữa các biến trong mơ hình, kiểm tra mối tương quan giữa các biến độc lập và biến phụ thuộc cũng như giữa các biến phụ thuộc với nhau. Chúng ta phải xác định tầm quan trọng của mỗi nhân tố khi chúng được sử dụng đồng thời trong mơ hình, vì vậy, chúng ta phải loại bỏ mối quan hệ giữa các nhân tố.Áp dụng phương pháp phân tích tương quan để xác định sự liên kết giữa các nhân tố giải thích.
Kiểm định đơn vị(unit root test) được sử dụng để kiểm tra tính dừng của các chuỗi số liệu này. Kiểm định nghiệm đơn vị để kiểm tra tính dừng của các chuỗi số liệu nghiên cứu, trong nghiên cứu này chúng tôi sử dụng kiểm định ADF:
∑ ( ) ∑ ( )
Mơ hình (2) khác với mơ hình (1) là có thêm biến xu hướng về thời gian δt . Các ký hiệu trong mơ hình (1) và (2) được giải thích như sau:
yt: chuỗi số liệu theo thời gian đang xem xét k: chiều dài độ trễ (lag time) εt: nhiễu trắng Vì kết quả của kiểm định ADF rất nhạy cảm tới sự lựa chọn chiều dài độ trễ (k) nên tiêu chuẩn thông tin được phát triển bởi Akaike (Akaike Information Criterion- AIC) được sử dụng để lựa chọn k tối ưu cho mơ hình ADF (giá trị k được lựa chọn sao cho AIC nhỏ nhất). Giả thuyết H0 (Null Hypothesis) trong kiểm định ADF là tồn tại một nghiệm đơn vị (β=0) và nó sẽ bị bác bỏ nếu giá trị kiểm định ADF lớn hơn giá trị tới hạn của nó. Trong kiểm định ADF, giá trị kiểm định ADF không theo phân phối chuẩn, vì vậy giá trị tới hạn được dựa trên bảng giá trị tính sẵn của Mackinnon (1991). So sánh giá trị kiểm định ADF với giá trị tới hạn của Mackinnon chúng ta sẽ có được kết luận về tính dừng cho các chuỗi quan sát.
Kiểm định Granger Causility
Kiểm định Granger được sử dụng trong nghiên cứu để trả lời cho câu hỏi đơn giản là có hay khơng sự thay đổi của X gây ra sự thay đổi của Y và ngược lại. Phương trình hồi quy trong kiểm định Granger có dạng:
∑ ∑ ( ) ∑ ∑ ( )
- Nếu δl khác khơng và có ý nghĩa thống kê, nhưng ρl khơng có ý nghĩa thì chúng ta kết luận rằng sự biến động của X là nguyên nhân gây ra sự biến động của Y (uni-directional causality).
- Nếu δl khơng có ý nghĩa thống kê, nhưng ρl khác khơng và có ý nghĩa thống kê, thì chúng ta kết luận rằng X chịu ảnh hưởng bởi sự thay đổi của Y (uni- directional causality).
- Nếu cả δl và ρl đều khác khơng và có ý nghĩa thống kê thì chúng ta kết luận rằng X và Y tác động qua lại lẫn nhau (bi-directional causality).
- Nếu cả δl và ρl đều khơng có ý nghĩa thống kê thì chúng ta kết luận rằng X và Y là độc lập với nhau.
Ƣớc lƣợng các hệ số hồi quy theo mơ hình hồi quy gộp Pooled OLS, FEM và REM, GLS
Mơ hình Pooled OLS:
Để tìm các hàm ước lượng OLS, hàm hồi quy mẫu theo phương trình như sau:
Yit= β1it + β2itX2it+ β3itX3it+ uit(1)
Trong đó ui là số hạng phần dư, là số hạng tương ứng của mẫu với số hạng nhiễu ngẫu nhiên ui. Q trình phân tích hồi quy mơ hình OLS bao gồm việc chọn các giá trị của các thơng số chưa biết sao cho tổng các bình phương của phần dư (RSS) nhỏ nhất:
Trong đó biểu thức thể hiện RSS có được bằng những phép tính đại số đơn giản từ (1). Nhược điểm của OLS là có thể tạo ra các kết quả ước lượng sai do các giả thuyết của mơ hình bị vi phạm. OLS có thể nhận diện sai do tự tương quan và ràng buộc quá chặt về các đơn vị chéo, hiện tượng đa cộng tuyến hoặc phương sai thay đổi...
Mơ hình ảnh hƣởng cố định FEM:
của các đặc điểm riêng biệt đó ra khỏi các biến giải thích để có thể ước lượng những ảnh hưởng thực (net effects) của biến giải thích lên biến phụ thuộc.
Mơ hình ước lượng sử dụng:
Yit = Ci + β Xit + uit *
Trong đó:
Yit: thời gian (năm), Xit: biến độc lập, Ci (i=1….n): hệ số chặn cho từng thực thể nghiên cứu, β : hệ số góc đối với nhân tố X, uit: phần dư.
Mơ hình trên đã thêm vào chỉ số i cho hệ số chặn “c” để phân biệt hệ số chặn của từng thực thể khác nhau có thể khác nhau.
Mơ hình ảnh hƣởng ngẫu nhiên REM:
Điểm khác biệt giữa REM và FEM được thể hiện ở sự biến động của các thực thể. Trong REM sự biến động của các thực thể được giả định là ngẫu nhiên và khơng tương quan với các biến giải thích. Do đó, nếu sự khác biệt giữa các thực thể có ảnh hưởng đến biến biến phụ thuộc thì REM sẽ phù hợp hơn REM. Trong REM, phần dư của mỗi thực thể (khơng tương quan với biến giải thích) được xem là một biến giải thích mới.
Mơ hình ước lượng:
Yit = C + β Xit + εi + uit hayYit = C + β Xit + wit với wit = εi + uit
εi : Sai số thành phần của các đối tượng khác nhau (sai số ngẫu nhiên).
uit: Sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng đối tượng và theo thời gian.
Mơ hình GLS
Ngồi ra, tác giả sử dụng thêm hồi quy theo mơ hình ảnh hưởng cố định (FEM), mơ hình ảnh hưởng ngẫu nhiên (REM) cho dữ liệu bảng. Tác giả kiểm định
Hausman Test để lựa chọn mơ hình thích hợp là FEM hay REM. Tác giả kiểm
địnhmơ hình FEM xét có trọng số Panel FGLS (Cross-section weights) để khắc phục phương sai thay đổi.
Phương pháp OLS cho mỗi quan sát các trọng số hay tầm quan trọng như nhau. Nhưng một phương pháp ước lượng, gọi là bình phương tối thiểu tổng quát
(GLS), đưa các thơng tin này vào mơ hình và do vậy có khả năng đưa ra các ước lượng tuyến tính khơng thiên lệch tốt nhất. Phép biến đổi các biến gốc để các biến đã biến đổi thỏa mãn các giả thiết của mơ hình cổ điển và sau đó áp dụng phương pháp OLS đối với chúng được gọi là phương pháp bình phương tối thiểu tổng qt. Nói ngắn gọn, GLS là OLS đối với các biến đã biến đổi để thỏa mãn các giả thiết bình phương tối thiểu tiêu chuẩn.
Mơ hình tác động cố định FE thường được ưa chuộng hơn vì nó có thể đánh giá được tác động của các biến ngẫu nhiên bị bỏ xót có tương quan với Xi trong mơ hình.Mặc dù thế, việc lựa chọn mơ hình nào cịn tùy thuộc vào việc kiểm định xem mơ hình nào phù hợp hơn với mẫu dữ liệu nghiên cứu. Để lựa chọn một trong hai mơ hình RE hoặc FE, chúng ta sử dụng kiểm định Hausman Test để lựa chọn một trong hai mơ hình với cặp giả thiết:
H0: lựa chọn mơ hình tác động ngẫu nhiên RE H1: lựa chọn mơ hình tác động cố định FE
Nếu kết quả kiểm định cho thấy P-value > 0.05 thì khơng bác bỏ giả thiết H0 và lựa chọn mơ hình RE là mơ hình phù hợp nhất. Nếu P-value < 0.05 thì chúng ta sẽ lựa chọn mơ hình FE là mơ hình cuối cùng để hồi quy.
Để lựa chọn mơ hình hồi quy khắc phục phương sai sai số thay đổi, bên cạnh dung Hausman test tác giả sử dụng kiểm định tương quan phần dư với giả thiết :
H0: Mơ hình có hiện tượng tương quan phần dư H1: Mơ hình khơng có hiện tượng tương quan phần dư
Nếu kết quả kiểm định cho thấy P-value > 0.05 thì khơng bác bỏ giả thiết H0 và lựa chọn mơ hình FE là mơ hình phù hợp nhất. Nếu P-value < 0.05 thì chúng ta sẽ lựa chọn mơ hình GLS là mơ hình cuối cùng để hồi quy.
Mặc dù thế, việc lựa chọn mơ hình nào cịn tùy thuộc vào việc kiểm định xem mơ hình nào phù hợp hơn với mẫu dữ liệu nghiên cứu. Chúng ta cần sử dụng kiểm định nhân tử Lagrange cho mơ hình để xem có biến bị bỏ sót khơng quan sát được hay khơng với cặp giả thiết:
H1: Mơ hình có biến khơng quan sát được
Nếu kết quả kiểm định cho thấy P-value>0.05 thì chúng ta sẽ khơng bác bỏ giả thiết H0 và lựa chọn mơ hình hồi quy gộp là mơ hình phù hợp nhất. Nếu ngược lại,P-value<0.05 chúng ta sẽ bác bỏ giả thuyết H0 nghĩa là mơ hình tồn tại biến bị bỏ sót khơng quan sát được.
Các giả thuyết nghiên cứu sẽ được tiến hành kiểm định thông qua dữ liệu nghiên cứu của phương trình hồi quy được xây dựng. Tiêu chuẩn kiểm định sử dụng thống kê t và giá trịP-value (Sig.) tương ứng, độ tin cậy lấy theo chuẩn 95%, giá trịP-value sẽ được so sánh trực tiếp với giá trị 0.05 để kết luận chấp thuận hay bác bỏ giả thuyết nghiên cứu. Để xem xét sự phù hợp dữ liệu và sự phù hợp của mơ hình ta sử dụng hệ số R-square, thống kê t và thống kê F để kiểm định. Để đánh giásự quan trọng của các nhân tố ta xem xét hệ số Beta tương ứng trong phương trình hồi quy bội được xây dựng từ dữ liệu nghiên cứu.
Kiểm định hiện tượng đa cộng tuyến trong mơ hình: Đa cộng tuyến là một
hiện tượng trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mơ hình những thơng tin giống nhau và rất khó tách ảnh hưởng của từng biến một. Đối với hiện tượng đa cộng tuyến, độ sai lệch cho phép (tolerance) hoặc hệ số phóng đại phương sai VIF (variance inflation factor) khi VIF nhỏ hơn hoặc bằng 2 nghĩa là các biến độc lập khơng có tương quan tuyến tính với nhau.
Kiểm định hiện tượng phương sai sai số thay đổi: Phương sai thay đổi là
hiện tượng phương sai của các số hạng này không giống nhau. Khi phương sai của các sai số thay đổi thì các ước lượng của các hệ số hồi quy không hiệu quả, các kiểm định t và F khơng cịn đáng tin cậy. Nếu độ lớn của phần dư chuẩn hóa tăng hoặc giảm theo giá trị dự đốn thì có khả năng giả thuyết phương sai không đổi bị vi phạm.
4.2. Phân tích hồi quy mối quan hệ giữa sự ổn định tài chính, cạnh tranh và hiệu quả hoạt động của các NHTM.