CHƯƠNG 1 : LỜI MỞ ĐẦU
4.5 Kết quả kiểm định giải thuyết và xử lý số liệu
4.5.1 Phân tích mối quan hệ tương quan và đa cộng biến giữa các biến
Mơ hình nghiên cứu chạy trên phần mềm STATA 12để chuẩn đoán hiện tượng đa cộng tuyến và cho ra bảng kết quả về mối tương quan giữa các biến (Phụ lục1). Mối tương quan cặp giữa các biến nào lớn hơn 0,8 có thể xảy ra hiện tượng đa cộng tuyến. Do đó, các mối tương quan cặp INF và GRDP có giá trị lớn hơn 0,8. Biến GRDP theo
63
thống kê mơ tả thì ít biến động trong những năm gần đây nên loại biến ra khỏi mơ hình để khắc phục đa cộng tuyến. Các mối tương quan cặp giữa các biến khác đều nhỏ hơn 0,8 nên tiếp tục giữ lại và chạy mơ hình.
Ngồi ra, tác giả sử dụng nhân tử phóng đại phương sai (VIF) để kiểm tra một lần nữa về hiện tượng đa cộng tuyến trong mơ hình.Từ kết quả tính tốn ở phụ lục 04, trung bình VIF nhỏ hơn 10 thể hiện rằng vấn đề đa cộng tuyến ít khả năng xảy ra.
Ngoài ra, do bảng dữ liệu trong nghiên cứu này nhỏ với thời gian ngắn nên khả năng có hiện tượng tự tương quan trong mơ hình khó xảy ra.
4.5.2 Lựa chọn và chạy mơ hình nghiên cứu cho ROA
Sau khi chạy mơ hình POLS, FEM và REM với biến phụ thuộc ROA, tác giả sử dụng kiểm định Pooling hypothesis nhằm kiểm tra liệu mơ hình POLS và FEM thì mơ hình nào phù hợp hơn trong bài nghiên cứu này. Kết quả của kiểm định Pooling hypothesis đưa ra giá trị Prob > F = 0.0019 có nghĩ là với mức ý nghĩa 5%, mơ hình FEM tốt hơn so với mơ hình POLS hay là hệ số chặn không phải là hằng số.
Tiếp tục chạy mơ hình REM và sử dụng kiểm định Hausman để đưa ra mơ hình tốt nhất trong bài nghiên cứu này. Kiểm định Hausman cho ra dòng kiểm định như sau: (V_b-V_B is not positive definite) cho thấy rằng thống kê Hausman có thể khơng cho ra kết quả có giá trị tốt nhất có thể và làm giảm mức độ ảnh hưởng của các biến đưa ra kết quả không đáng tin cậy. Sau khi xem xét tất cả các biến trong mơ hình nhận thấy biến lạm phát (INF) chỉ có 3 giá trị trong 3 năm nghiên cứu nêndễ bị lặp lại trong bộ dữ liệu và gây ra vấn đề cho mơ hình hồi quy. Tác giả quyết định bỏ biến INF ra khỏi mơ hình để chạy lại kiểm định Hausman thì đã khắc phục được vấn đề. Kiểm định Hausman đưa ra giá trị Prob>chi2 = 0.0000 cho thấy rằng với mức ý nghĩa 1% thì chạy mơ hình FEM là phù hợp.
Lựa chọn mơ hình FEM cho biến nghiên cứu ROA, tác giả tiếp tục kiểm định phương sai thay đổi của mơ hình cho giá trị Prob>chi2 =0.0000, cho thấy mơ hình bị
64
phương sai thay đổi. Tác giả khắc phục vấn đề này trong STATA bằng cách thêm lệnh
robust vào cuối phương trình.
Bảng 4.3: Kết quả mơ hình FEM cho biến phụ thuộc ROA
Biến phụ thuộc (ROA) Robust Coefficient Std. Err. t P>t LOGTA -0.0695 0.0275 -2.530 0.015 TLTA 0.0049 0.0083 0.590 0.560 CR -0.0359 0.0212 -1.700 0.097 IITA 0.7316 0.1311 5.580 0.000 NIITI 0.1329 0.0292 4.560 0.000 CTA -0.4218 0.1320 -3.200 0.003 LR -0.0136 0.0109 -1.240 0.221 OE -0.1755 0.0383 -4.580 0.000 CONSTANT 0.4873 0.1894 2.570 0.013 Nguồn: Tổng hợp từ phần mềm STATA 12
Mơ hình FEM đã kiểm sốt những biến cố định khơng đổi theo thời gian nên hai biến SOCBs và JSCBs là hai biến giả nên bỏ ra mơ hình FEM để tránh vi phạm hiện tượng đa cộng tuyến hoàn hảo.
Qua bảng kết quả 4.2, hệ số hồi quy của các biến CR, CTA, OE mối tương quan âm với ROA với mức ý nghĩa thống kê ở độ tin cậy 1%, hệ số hồi quy biến LogTA mang dấu âm với mức ý nghĩa thống kệ ở độ tin cậy 5%, hệ số hồi quy CR mang dấu âm với mức ý nghĩa thống kệ ở độ tin cậy 10%. Đối với các biến IITA, NIITI có mối tương quan tích cực tới ROA với mức ý nghĩa thống kê ở độ tin cậy 1%.
65
Ngoài ra, xác định mức độ phù hợp của mơ hình hồi quy, ta thấy R2 = 0,7568 cho thấy các biến trong mơ hình đã giải thích được 75,68% các yếu tố ảnh hưởng đến hiệu quả hoạt động kinh doanh ROA. Giá trị Prob > F = 0.0000 cho thấy với mức ý nghĩa 1% các hệ số trong mơ hình khơng đồng thời bằng 0 và mơ hình hồi quy có ý nghĩa cao trong việc giải thích các yếu tố ảnh hưởng đến hiệu quả hoạt động kinh doanh của các NHTM (ROA). Mặt khác, các biến TLTA, LR, SOCBs, JSCBs khơng có ý nghĩa thống kê nên khi bỏ ra khỏi mơ hình thì R2 khơng thay đổi đáng kể.
4.5.3 Lựa chọn và chạy mơ hình nghiên cứu cho NIM
Đối với mơ hình hồi quy với biến phụ thuộc NIM làm tương tự giống với biến phụ thuộc ROA. Sau khi chạy mơ hình POLS, FEM và REM với biến phụ thuộc NIM, tác giả sử dụng kiểm định Hausman để đưa ra mơ hình tốt nhất trong bài nghiên cứu này. Kiểm định Hausman cho ra dòng kiểm định như sau: (V_b-V_B is not positive definite) tương tự giống với mơ hình hồi quy với biến ROA nên tác giả bỏ biến lạm phát INF ra khỏi mơ hình để chạy lại kiểm định Hausman thì đã khắc phục được vấn đề. Kiểm định Hausman đưa ra giá trị Prob>chi2 = 0.1172 (>0.05) cho thấy mơ hình REM là phù hợp trong trường hợp này.
Mơ hình REM với biến phụ thuộc NIM sử dụng kiểm định phương sai thay đổi của mơ hình cho giá trị kiểm định Prob>chi2 =0.0000, cho thấy mơ hình bị phương sai thay đổi. Tác giả khắc phục vấn đề này trong STATA 12 bằng cách thêm lệnh robust vào cuối phương trình.
Bảng 4.4: Kết quả mơ hình REM cho biến phụ thuộc NIM
Biến phụ thuộc (NIM) Robust Coefficient Std. Err. z P>z LOGTA 0.0054 0.0086 0.62 0.532 TLTA -0.0644 0.0137 -4.70 0.000 CR 0.0428 0.0662 0.65 0.518 IITA 1.3105 0.2165 6.05 0.000 NIITI -0.0443 0.0171 -2.59 0.009
66 CTA 0.0313 0.0369 0.85 0.396 LR 0.0091 0.0104 0.88 0.381 OE -0.0056 0.0230 -0.24 0.807 SOCBs -0.0180 0.0077 -2.34 0.019 JSCBs -0.0160 0.0093 -1.73 0.084 Constant 0.0240 0.0566 0.42 0.672 Nguồn: Tổng hợp từ phần mềm STATA 12
Kết quả từ chạy mơ hình REM với biến phụ thuộc NIM cho thấy mối quan hệ đồng biến của các biến IITA với mức ý nghĩa ở độ tin cậy 1%. Các biến có mối quan hệ nghịch biến với biến phụ thuộc NIM là TLTA, NIITIvới mức ý nghĩa ở độ tin cậy 1%. Biến SOCBs với độ tin cậy 5% và biến JSCBs với độ tin cậy 10% có mối quan hệ nghịch biến với NIM. Ngồi ra, mơ hình cũng đưa ra giá trị kiểm định với Prob > chi2 = 0.0000 cho thấy với độ tin cậy 1% mơ hình với các biến đã lựa chọn là phù hợp và R2 = 0.5842 cho thấy mơ hình đã giải thích 58,42% các yếu tố tác động lên hiệu quả hoạt động kinh doanh của NHTM (NIM).