CAR Coef. Std. Err. t P>t [95% Conf. Interval]
SIZE -0.016 0.007 -2.09 0.039 -0.030 -0.001 DEP -0.191 0.051 -3.7 0 -0.292 -0.089 LOA 0.221 0.053 4.13 0 0.115 0.326 LLR -0.302 0.958 -0.31 0.754 -2.197 1.594 LIQ -0.311 0.198 -1.57 0.118 -0.702 0.080 ROE -0.149 0.079 -1.89 0.06 -0.304 0.007 LEV -0.015 0.003 -4.55 0 -0.022 -0.009 GDP 1.537 0.939 1.64 0.104 -0.321 3.395 _cons 0.360 0.099 3.65 0 0.165 0.556
Nguồn: kết quả xử lý dữ liê ̣u từ phần mềm STATA Mô hình đã giải thích được 59,98% sự thay đổi của CAR ta ̣i các NHTM ta ̣i Viê ̣t Nam (R2= 59,98%). Như kết quả hồi quy cho thấy, DEP, LOA và LEV có ý nghĩa thống kê ta ̣i mức 1%, biến SIZE có ý nghĩa thống kê ta ̣i mức 5%, biến ROE có ý nghĩa thống kê ta ̣i mức 10% và tác đô ̣ng đến CAR. Ngoài ra các biến đô ̣c lâ ̣p khác không có ý nghĩa thống kê. Tuy nhiên, nhược điểm của mô hình Pool OLS không phản ánh được
Mơ hình hồi quy OLS chỉ đơn giản là phương pháp ước lượng bình phương nhỏ nhất. Tuy nhiên, phương pháp OLS này sẽ thích hợp nếu khơng có sự tồn tại các yếu tố riêng biệt (từng ngân hàng) và yếu tố thời gian. Theo Gujarati (2004), việc sử dụng phương pháp OLS bỏ qua bình diện khơng gian và thời gian của dữ liệu kết hợp, kết quả ước lượng có thể sẽ bị thiên lệch. Vì thế phương pháp ước lượng hiệu ứng tác động FEM và REM sẽ phù hợp hơn vì khơng bỏ qua yếu tố thời gian và yếu tố riêng biệt.
Bước tiếp theo là cha ̣y mô hình hồi quy theo 2 hiê ̣u ứng: hiê ̣u ứng tác đô ̣ng cố đi ̣nh – FEM (Fixed Effect Model) và hiê ̣u ứng tác đô ̣ng ngẫu nhiên – REM (Random Effect Model), hai mô hình này để kiểm soát các yếu tố đă ̣c trưng có tác đô ̣ng đến CAR. Dù ng kiểm đi ̣nh Hausman lựa cho ̣n mô hình FEM hay REM, với giả thuyết Ho: Mô hình REM là phù hợp. Ta được kết quả như sau: