Chỉ tiêu Obs Mean Std. Dev. Min Max
Z-score 234 24.902 13.905 0.000 77.804
Nguồn: Tính tốn từ dữ liệu đề tài
Ngồi ra, trong nghiên cứu này tác giả cịn sử dụng chỉ số Z-score nhằm đánh giá rủi ro hoạt động tổng thể của các NHTM, cụ thể hơn là trong các nghiên cứu trên thế giới, chỉ số này được sử dụng nhằm đánh giá nguy cơ phá sản của các doanh nghiệp. Chỉ số này được phát minh bởi Edward I. Altman, trường kinh doanh Leonard N. Stern, thuộc trường Đại Học New York. Bên cạnh đó, cũng có nhiều nghiên cứu từng sử dụng chỉ số này trong đánh giá rủi ro trong hoạt động ngân hàng như Boyd và Runkle (1993); Beck, Demirgỹỗ-Kunt, Levine (2007); Demirgỹỗ- Kunt, Detragiache và Tressel (2008); Laeven và Levine (2009); Čihák và Hesse (2010); Tan và Floros (2013).
Dựa vào bảng 8, với tổng số 208 quan sát, trung bình chỉ số Z-score là 25,71, giá trị lớn nhất là 77.8 cụ thể ở đây là giá trị của ngân hàng HDBank năm 2008, xếp vị trí thứ 2 là ngân hàng ABBank năm 2008 với giá trị 67.9, thứ 3 là ngân hàng VPBank với giá trị 67.5 và đặc biệt Ngân hàng TMCP Kiên Long, giai đoạn 2007-2015, chỉ số Z-score của ngân hàng này đều nằm ở vị trí thấp nhất, và thấp nhất vào năm 2007 với giá trị là 1.35.
Tóm lại, tùy theo loại chỉ số, cách tính tốn mà các chỉ tiêu này có ý nghĩa khác nhau, và theo như trên thì, tùy theo từng loại chỉ số mà rủi ro của các ngân hàng có xếp hạng khác nhau.
4.3.2.3 Thống kê mơ tả
Phân tích mơ tả các biến trong mơ hình được trình bày chi tiết trong bảng
Bảng 4.6: Thống kê mô tả các biến sử dụng trong mơ hình hồi quy
Variable Obs Mean Std. Dev. Min Max
LLPTL 231 0.013 0.006 0.001 0.039 Z-score 234 24.902 13.905 0.000 77.804 CAP 231 0.105 0.080 0.021 0.583 ROA 231 0.012 0.024 0.000 0.239 Size 231 13.707 0.568 12.197 14.930 Liquidity 231 0.530 0.129 0.155 0.936 TAXATION 231 0.237 0.043 0.076 0.423 OBSOTA 231 0.090 0.116 0.000 0.641 SMD 234 0.290 0.082 0.147 0.429 GDPG 234 6.220 0.956 5.250 8.480 IR 234 9.354 6.365 0.600 19.900 C(3) 234 0.449 0.041 0.398 0.519 BSD 234 1.671 1.211 0.357 4.251 TE 234 0.799 0.146 0.483 1.000
Nguồn: Kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập và tính tốn (Phụ lục 2)
Ngồi các biến như LLPTL, Z-score, TE đã được giới thiệu trong phần thực trạng ở chương 3 và mục 4.4.1, thì việc thống kể mơ tả chung của các biến khác trong mô hình hầu hết các các biến quan sát đều dao động ổn định, có sự đồng đều giữa các
biến với nhau. Dữ liệu các biến giải thích khơng có nhiều các giá trị sai khác. Với cỡ mẫu nghiên cứu gồm 231 quan sát, là cỡ mẫu chấp nhận để thực hiện hồi quy.
4.4 Kết quả kiểm định các giả thuyết hồi quy
4.4.1 Ma trận tương quan đơn tuyến tính giữa các cặp biến
Để kiểm tra hiện tượng đa cộng tuyến tác giả sử dụng hệ số tương quan giữa các biến độc lập và nhân tử phóng đại phương sai. Theo Baltagi (2008), hệ số tương quan lớn hơn 0.8, nhân tử phóng đại phương sai lớn hơn 10 thì tồn tại hiện tượng đa cộng tuyến nghiêm trọng trong mơ hình.
Tác giả thực hiện đo lượng mối tương quan đơn tuyến tính dựa vào hệ số tương quan Pearson được nghiên cứu bởi Francis Galton (1880). Hệ số này nhạy cảm với các yếu tố tác động bên ngoài. Tác giả tập trung nhấn mạnh những hệ số tương quan có trị tuyệt đối lớn hơn 0.8 để thấy được mức độ đa cộng tuyến của các biến trong mơ hình.
Kết quả phân tích ma trận tự tương quan giữa các biến trong mơ hình theo bảng 4.7 cho thấy, khơng tồn tại các hệ số tự tương quan cặp giữa các biến độc lập lớn hơn 0.8 nên không tồn tại hiện tượng đa cộng tuyến.
Kết luận: Không tồn tại hiện tượng đa cộng tuyến với tiêu chuẩn tương quan cặp
Bảng 4.7: Ma trận tương quan đơn tuyến tính giữa các cặp biến
LLPTL Z-score CAP ROA Size Liquidity TAXATION OBSOTA SMD GDPG IR C(3) BSD TE
LLPTL 1.00 Z-score 0.11 1.00 CAP -0.20 0.18 1.00 ROA -0.15 -0.15 0.32 1.00 Size 0.46 0.01 -0.68 -0.30 1.00 Liquidity -0.06 0.04 0.10 0.16 -0.06 1.00 TAXATION -0.20 0.04 0.18 0.07 -0.21 0.07 1.00 OBSOTA 0.34 0.30 -0.27 -0.06 0.40 -0.02 -0.05 1.00 SMD 0.09 -0.05 -0.04 -0.05 0.12 -0.06 -0.09 0.03 1.00 GDPG 0.10 -0.14 -0.09 -0.14 0.24 -0.07 -0.14 0.02 0.56 1.00 IR 0.23 -0.04 -0.01 -0.10 0.15 -0.14 -0.07 -0.15 -0.36 0.21 1.00 C(3) -0.33 0.13 0.10 0.18 -0.36 0.15 0.10 0.07 -0.22 -0.38 -0.59 1.00 BSD 0.30 -0.10 -0.05 -0.20 0.30 -0.07 -0.20 -0.09 0.41 0.72 0.53 -0.62 1.00 TE 0.19 0.06 -0.13 0.10 0.20 -0.07 -0.10 0.20 0.00 0.00 -0.01 0.00 0.00 1.00
4.4.2 Kiểm định đa cộng tuyến trong mơ hình:
Bảng 4.8: Kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai
Variable VIF 1/VIF
IR 5.18 0.19 BSD 4.63 0.22 SMD 4.18 0.24 Size 2.94 0.34 C(3) 2.86 0.35 GDPG 2.77 0.36 CAP 2.41 0.42 OBSOTA 1.5 0.67 Z-score 1.39 0.72 ROA 1.34 0.75 Liquidity 1.11 0.90 TE 1.11 0.90 TAXATION 1.1 0.91 Mean VIF 4.4
Nguồn: Kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập và tính tốn (Phụ lục 4)
Dựa vào bảng 4.8, kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai, cho thấy trung bình VIF của các biến trong mơ hình bằng 4.4 nhỏ hơn 10. Đồng thời có giá trị VIF của các biến đều nhỏ hơn 10. Nên hiện tượng đa cộng tuyến khơng tồn tại trong mơ hình.
Kết luận: Với tiêu chuẩn nhân tử phóng đại phương sai VIF, hiện tượng đa cộng
khơng tồn tại trong mơ hình.
4.4.3 Kiểm định hiện tượng phương sai thay đổi phần dư trên dữ liê ̣u bảng:
Hiê ̣n tượng phương sai thay đổi có thể ảnh hưởng đến tính hiê ̣u quả của ước lượng mơ hình, mất tính tin câ ̣y của kiểm đi ̣nh hê ̣ số. Tác giả tiến hành kiểm định phương sai sai số thay đổi bằng phương pháp kiểm định Greene (2000) với giả thuyết như sau:
Giả thuyết H0: Mơ hình khơng có hiện tượng phương sai thay đổi
Giả thuyết H1: Mô hình có hiện tượng phương sai thay đổi
Việc kiểm định sẽ dựa trên 4 mơ hình chính nghiên cứu được tác giả đề xuất cụ thể là các mô hình sau:
Bảng 4.9: Kết quả kiểm tra phương sai thay đổi của 4 mơ hình hồi quy
Mơ hình Chi bình Phương (χ2) p-value 1 0.00 1.0000 2 0.00 1.0000 3 1092.22 0.0000 4 6872.61 0.0000
Nguồn: Kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập và tính tốn (Phụ lục 5)
Từ bảng 4.9 kết quả kiểm định Greene (2000) bằng phần mềm Stata cho thấy kết quả với p-value của các mơ hình 3, 4 bằng 0.0000 < α = 0.05. Suy ra đủ cơ sở để bác bỏ giả thuyết H0 ở mức ý nghĩa 5%, cho thấy tồn tại hiện tượng phương sai thay đổi trong các mơ hình này. Cịn kiểm định phương sai thay đổi ở mơ hình 1 và 2 thì chuỗi dữ liệu không tồn tại hiện tượng phương sai thay đổi.
4.4.4 Kiểm định hiện tượng tự tương quan phần dư trên dữ liê ̣u bảng
Tự tương quan có thể hiểu là sự tương quan giữa các thành phần của chuỗi quan sát được sắp xếp theo thứ tự thời gian hoặc không gian.
Hiện tượng tự tương quan sẽ dẫn đến một số hậu quả như: uớc lượng OLS ước lượng tuyến tính khơng chệch nhưng khơng là ước lượng hiệu quả; phương sai các ước lượng OLS là bị chệch, đôi khi quá thấp so với phương sai thực và sai số tiêu chuẩn, dẫn đến phóng đại tỷ số t; các kiểm định thống kê như t và F khơng cịn tin cậy; cơng thức thơng thường để tính phương sai của sai số là ước lượng chệch của phương sai thực và trong một số trường hợp dường như ước lượng thấp của phương sai thực; có thể hệ số xác định khơng đáng tin cậy và dường như là nhận giá trị ước lượng cao; các phương sai và số tiêu chuẩn của dự đốn khơng có hiệu quả.
Hiê ̣n tượng tự tương quan phần dư có thể ảnh hưởng đến tính hiê ̣u quả của ước lượng mô hình, mất tính tin câ ̣y của kiểm đi ̣nh hê ̣ số. Để kiểm tra hiện tượng tự tương quan, tác giả sử dụng phương pháp được đề xuất bởi Wooldridge (2002) và Drukker (2003) và đặt giả thuyết kiểm định như sau:
Giả thuyết H0: Mơ hình khơng có hiện tượng tự tương quan bậc 1
Giả thuyết H1: Mô hình có hiện tượng tự tương quan bậc 1
Bảng 4.10: Kết quả kiểm tra tự tương quan trong các mơ hình
Mơ hình Chi bình Phương (χ2) p-value
1 - -
2 - -
3 22.135 0.0001
4 3.272 0.0825
Nguồn: Kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập và tính tốn (Phụ lục 6)
Kết quả kiểm định bằng phần mềm Stata cho kết quả ở với p-value ở mơ hình 3, 4 đều nhỏ hơn α = 0.1. Suy ra, đủ cơ sở để bác bỏ giả thuyết H0 ở mức ý nghĩa 10%
cho thấy tồn tại hiện tượng tự tương quan bậc 1 trong các mơ hình này. Cịn lại mơ hình 1, 2 thì khơng thể kiểm tra vì gặp phải hiện tượng đa cộng tuyến mạnh.
4.5 Kết quả hồi quy giữa hiệu quả và rủi ro trong hoạt động của các NHTM
Ở nội dung trong mục 4.4.3 tiến hành kiểm định phương sai thay đổi của nhiễu và tự tương quan phần dư đã cho kết quả là có hai hiện tượng này xảy ra trong dữ liệu nghiên cứu. Vì vậy, tác giả tiến hành hồi quy theo phương pháp ước lượng sai phân GMM là một phương pháp để kiểm soát những vấn đề trên nhằm ước lượng hệ số và chiều tác động của mơ hình có độ tin cậy cao hơn.
Kiểm định thống kê Sargan với giả thuyết H0 biến công cụ phù hợp và đầy đủ trong mơ hình. Giá trị p-value của Sargan ở bảng 4.11 và 4.12 trong tất cả mơ hình đều lớn hơn 0.05 nên chưa đủ cơ sở để bác bỏ giả thiết H0, do vậy mơ hình với số biến cơng cụ là phù hợp, tương tự đối với chỉ số p-value của AR(2), hầu hết các giá trị chỉ số p-value của AR(2) của tất cả các mơ hình đều lớn hơn 0.1, vì vậy có thể xem điều kiện này cũng thõa mãn dữ kiện, cho thấy mơ hình hồi quy với các biến công cụ tương đối đầy đủ và có độ tin cậy cao.
4.4.4.1 Tác động của rủi ro lên hiệu quả sử dụng nguồn lực của các NHTM: Bảng 4.11: Kết quả hồi quy mơ hình tác động của rủi ro lên hiệu quả
Eq. (1) Eq. (2)
Coef. P-value Coef. P-value
LLPTL -0.61107* 0.052 - - Z-score - - -0.0008898** 0.04 CAP 0.102** 0.034 0.2000375* 0.098 ROA 0.71069*** 0.000 0.0542117 0.317 Size 0.02692** 0.015 0.0033749 0.871 Liquidity -0.08270*** 0.000 0.0354363 0.352 TAXATION -0.15007*** 0.000 -0.0374792 0.509 OBSOTA 0.18510*** 0.000 0.0973123 0.292 SMD -0.00741 0.763 0.0317779 0.134 GDPG -0.00338** 0.041 -0.0019372 0.267 IR 0.00010 0.774 0.0005894 0.126 C(3) 0.06323 0.296 -0.0068515 0.912 BSD 0.00319 0.086 -0.0007495 0.787 _cons 0.47048*** 0.009 0.75957** 0.014 AR(1) 0.336 0.336 AR(2) 0.262 0.611 Sargan/Hansen 1 0.965 N 231 231
Xét cặp mơ hình (1), (2) nhìn vào kết quả thực nghiệm ở bảng 4.11 hồi quy bằng phương pháp GMM cho thấy biến Risk có tác động ngược chiều tới biến phụ thuộc TE mang ý nghĩa thống kê. Ngược lại, biến CAP cũng cho kết quả có bằng chứng mang ý nghĩa thống kê và chiều tác động là cùng chiều tới biến phụ thuộc TE. Ngoài ra khi xét riêng mơ hình (1), các biến có ý nghĩa thơng kê khác như ROA, Size và OBSOTA với tác động cùng chiều, các biến Liquidity, TAXATION và GDPG có tác động ngược chiều. Các biến cịn lại trong hai mơ hình này đều khơng có ý nghĩa thống kê.
Biến LLPTL trong mơ hình (1) và Z-score trong mơ hình (2) có ý nghĩa thống kê ở các mơ hình với mức ý nghĩa lần lượt là 10% cho mơ hình (1); 5% cho mơ hình (2), chiều tác động là ngược chiều đối với biến phụ thuộc TE đại diện cho yếu tố hiệu quả hoạt động (Efficiency).
Đối với mơ hình (1), điều này đồng nghĩa với việc một sự suy giảm (tăng lên) trong rủi ro tín dụng (LLPTL) sẽ dẫn đến tăng (suy giảm) tới hiệu quả hoạt động (Efficiency). Ngược lại, đối với mơ hình (2), khi sử dụng Z-score để đánh giá rủi ro tổng thể, điều này có nghĩa là một sự giảm đi (tăng lên) của rủi ro tổng thể, cụ thể ở đây là việc tăng lên (suy giảm) của chỉ số Z-score sẽ dẫn đến một sự suy giảm (tăng lên) của hiệu quả hoạt động, tức là rủi ro tổng thể sẽ có tác động cùng chiều lên hiệu quả phân bổ nguồn lực.
Với biến TAXATION có mức ý nghĩa là 10% cho mơ hình (1) có cùng tác động như biến Risk đối với biến phụ thuộc TE, đồng nghĩa với việc một sự tăng lên (suy giảm) trong khả năng tài trợ thuế của lợi nhuận trước thuế sẽ dẫn đến suy tăng lên (suy giảm) tới hiệu quả hoạt động (Efficiency).
Tương tự đối với cặp biến OBSOTA với mức ý nghĩa 1% ở mơ hình (1) và CAP trong mơ hình (1) và (2) khi có bằng chứng thống kê ở các mơ hình với mức ý nghĩa lần lượt là 5% và 10%, có tác động là cùng chiều đối với biến phụ thuộc TE. Điều này đồng nghĩa với việc một sự tăng lên (suy giảm) trong hoạt động ngân hàng phi
truyền thống và mức vốn sẽ dẫn đến tăng lên (suy giảm) tới hiệu quả hoạt động (Efficiency).
Cặp biến Size và GDPG với mức cùng mức ý nghĩa 10%, cặp biến ROA và Liquidity với mức ý nghĩa 1% trong mơ hình (1). Và với tác động là cùng chiều đối với biến phụ thuộc TE của hai biến ROA, Size, cho thấy việc một sự tăng lên (suy giảm) trong khả năng sinh lời và quy mô tổng tài sản sẽ dẫn đến tăng lên (suy giảm) tới hiệu quả hoạt động (Efficiency). Khi xét hai biến Liquidity và GDPG với tác động là ngược chiều đối với biến phụ thuộc TE, cho thấy việc một sự tăng lên (suy giảm) trong hoạt khả năng thanh khoản sẽ dẫn đến sự tăng lên (suy giảm) tới hiệu quả hoạt động (Efficiency), và một sự tăng lên (suy giảm) trong tổng sản phẩm quốc nội sẽ dẫn đến suy giảm (tăng lên) tới hiệu quả hoạt động (Efficiency).
4.4.4.1 Tác động của hiệu quả sử dụng nguồn lực và các yếu tố khác lên rủi ro của các NHTM:
Bảng 4.12: Kết quả hồi quy mơ hình tác động của hiệu quả lên rủi ro hoạt động
Eq. (3) Eq. (4)
Coef. P-value Coef. P-value
Technical Efficiency -0.02055** 0.027 -152.38** 0.012 CAP -0.0173 0.152 72.61*** 0.00 ROA 0.0272* 0.069 -26.35 0.599 Size 0.00404** 0.043 7.79* 0.098 Liquidity -0.00102 0.651 12.65** 0.03 TAXATION -0.019** 0.019 3.273 0.513
OBSOTA 0.00875** 0.02 47.027*** 0.011 SMD -0.00033 0.947 46.13*** 0.00 GDPG -0.00188*** 0.000 -2.73** 0.00 IR 0.000017 0.839 0.78*** 0.00 C(3) -0.03628 0.001 75.85** 0.00 BSD 0.00172 0.000 75.85** 0.012 _cons 0.00447 0.893 -16.75 0.842 AR(1) 0.042 0.229 AR(2) 0.050 0.668 Sargan/Hansen 1 1 N 231 231
Nguồn: Kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập và tính tốn (Phụ lục 7)
Đối với mơ hình (3) và (4) khi sử dụng luân phiên hai chỉ số về rủi ro là LLPTL (rủi ro tín dụng) và Z-score (rủi ro tổng thể) để đánh giá tác động của các yếu tố khác lên rủi ro. Kết quả ở hai mơ hình cho thấy, biến Efficiency đều có tác động ngược chiều lên các biến LLPTL và Z-score với mức ý nghĩa là 10%. Điều này có nghĩa là việc gia tăng (giảm) trong hiệu quả, đối với mơ hình (3) sẽ làm giảm (tăng) rủi ro tín dụng của ngân hàng, đối với mơ hình (4) sẽ làm giảm (tăng) chỉ số Z-score đồng nghĩa với việc tăng (giảm) rủi ro tổng thể.
Riêng đối với mơ hình (3) thì các biến ROA, Size, OBSOTA có tác động cùng chiều với mức ý nghĩa lần lượt là 10%, 5%, 5%; các biến GDPG, TAXATION có tác động ngược chiều với mức ý nghĩa lần lượt là 1%, 10%. Đặc biệt biến GDPG ở