Bảng 4.12: Kết quả hồi hình bằng phƣơng pháp hiệu ứng tác động ngẫu nhiên REM
Gốc Độ trễ
(1) (2) (3) (4)
ROA ROE ROA ROE
NPLGL -0.00283 0.198 -0.00460 0.237 (-0.25) (1.33) (-0.39) (1.48) (-0.25) (1.33) (-0.39) (1.48) RCRWA -0.0355 -0.935*** -0.0690*** -0.899*** (-1.64) (-3.39) (-2.88) (-2.86) LATA -0.00577 0.0174 0.0196*** 0.178** (-0.86) (0.23) (2.66) (2.20)
NIEGI -0.0451*** -0.452*** -0.0317*** -0.315*** (-6.25) (-5.06) (-3.93) (-3.08) (-6.25) (-5.06) (-3.93) (-3.08) IMGI -0.0124** -0.192*** -0.0141** -0.249*** (-2.30) (-2.81) (-2.46) (-3.32) _cons 5.265*** 66.12*** 4.446*** 57.45*** (8.07) (8.64) (6.19) (6.70) *, **, *** tương ứng với mức ý nghĩa 10%, 5% và 1%
(Nguồn: Kết quả tổng hợp từ Phần mềm Stata)(Phụ lục 7)
Kết quả ở bảng 4.12 cho thấy có sự đồng nhất về chiều tác động của các biến tương ứng ở các mơ hình với nhau. Các biến RCRWA, NIEGI, IMGI tác động tới biến phụ thuộc có bằng chứng ý nghĩa thống kê. Đối với biến RCRWA thì có ý nghĩa thống kê ở cột (2), (3), (4); cịn hai biến NIEGI và IMGI có ý nghĩa cả 4 cột, chiều tác động của các biến ngược chiều với ROA và ROE. Điều này cho thấy, trong mơ hình REM, tìm thấy bằng chứng vốn điều lệ, chi phí ngồi lãi, lợi nhuận rịng từ lãi tác động ngược chiều đến khả năng sinh lợi của ngân hàng. Bên phía ngược lại biến LATA tác động dương tới biến phụ thuộc có bằng chứng có ý nghĩa thống kê ở cột (3) và (4) hay thanh khoản có tác động tích cực đến lợi nhuận ngân hàng. Kiểm định cũng khơng tìm thấy tác động của nợ xấu (biến NPLGL) lên khả năng sinh lợi của ngân hàng trong mơ hình này.
Khi kiểm định phương sai thay đổi của nhiễu và tự tương quan phần dư của chuỗi dữ liệu đều xuất hiện trong cả 4 mơ hình. Trong khi những mơ hình hồi quy bảng dữ liệu thơng thường như mơ hình hiệu ứng tác động cố định – FEM và mơ hình hiệu ứng tác động ngẫu nhiên – REM khơng thể kiểm sốt được hiện tượng phương sai thay đổi và tự tương quan của chuỗi dữ liệu khi bị vi phạm, do đó, sự hiệu quả của ước lượng bị suy giảm đáng kể khi thực hiện ước lượng tham số góc của các biến độc lập trong mơ hình. Bởi vậy, tơi đề xuất một phương pháp giải quyết hai hiện tượng trên bằng phương pháp GMM của Arellano và Bond (1991).
Phương pháp này kiểm soát được hiện tượng phương sai thay đổi, hiện tượng tương quan phần dư của chuỗi dữ liệu đồng thời khắc phục được cả vấn đề nội sinh.
Phương pháp hồi quy sai phân GMM có ước lượng vững và mang tính hiệu quả hơn, đây cũng là phương pháp chính mà tơi sử dụng để thảo luận kết quả cho bài nghiên cứu của mình.