Tác giá sử dụng phần mềm SPSS 16.0 và Eview 6.0 để phân tích các dữ liệu thu
Tổng tài sản Tỷ lệ vốn chủ sở hữu Dƣ nợ cho vay Tiền gởi khách hàng
Lợi nhuận từ cho vay Lợi nhuận ngoài lãi vay
Nợ xấu Chi phí dự phịng rủi ro tín dụng Tốc độ tăng GDP Lạm phát Lãi suất thực Sự tập trung Các biến đại diện cho yếu tố nội tại của ngân hàng
Các biến đại diện cho yếu tố kinh tế vĩ mô Khả năng sinh
lợi của ngân hàng
thập đƣợc, cụ thể bằng các phƣơng pháp sau đây:
2.2.4.1. Thống kê mô tả: Đƣợc dùng để mơ tả những đặc tính cơ bản của dữ
liệu thu thập nhằm có cái nhìn tổng qt về mẫu nghiên cứu. Việc mơ tả, tóm tắt các biến độc lập và phụ thuộc của các NHTMCP Việt Nam trong giai đoạn 2007- 2013 cho thấy giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và bé nhất của từng biến nghiên cứu.
2.2.4.2. Phân tích tƣơng quan: Đƣợc dùng để xem xét mối quan hệ giữa các
biến độc lập và biến phụ thuộc. Kết quả phân tích tƣơng quan có thể bƣớc đầu đánh giá đƣợc các dự báo của mơ hình. Trƣờng hợp các biến độc lập có mối tƣơng quan cao là dấu hiệu đa cộng tuyến, cần kiểm định đa cộng tuyến và điều chỉnh mơ hình.
2.2.4.3. Phân tích hồi quy: Trong khi phân tích tƣơng quan kiểm tra việc tồn
tại mối tƣơng quan giữa các biến, phân tích hồi quy đƣợc dùng để đo lƣờng mức độ ảnh hƣởng của các biến độc lập với các biến phụ thuộc, qua đó cho biết chiều tác động của từng biến độc lập đến biến phụ thuộc. Phƣơng pháp này cho phép tác giả đƣa ra những bằng chứng xác thực để trả lời các câu hỏi nghiên cứu của Luận văn. Thơng qua phƣơng pháp tổng bình phƣơng bé nhất (OLS), hằng số và các tham số của mơ hình sẽ đƣợc ƣớc lƣợng. Hệ số Sig. (P-value) của kết quả phân tích hồi quy cho biết mức độ tác động của các biến độc lập lên từng biến phụ thuộc. Các mức thống kê có ý nghĩa thƣờng đƣợc dùng là 1%, 5% hoặc 10% (độ tin cậy là 99%, 95% hoặc 90%). Ở đề tài luận văn này, tác giả chọn mức thống kê có ý nghĩa là 5%, nghĩa là biến độc lập chỉ đƣợc xem là có ảnh hƣởng mạnh đến biến phụ thuộc khi giá trị Sig. của từng biến độc lập trong mơ hình hồi quy nhỏ hơn 5% (P- value<0,05), và ngƣợc lại. Tuy nhiên, nếu một số trƣờng hợp hệ số Sig. > 0,05 nhƣng < 0,1 vẫn đƣợc tác giả lƣu ý, có nghĩa là biến độc lập có ảnh hƣởng đến biến phụ thuộc với độ tin cậy là 90%.
Hệ số R2 (R-squared) hoặc R2 điều chỉnh (adjusted R-squared) từ kết quả phân tích sẽ cho biết khả năng tất cả các biến độc lập giải thích đƣợc sự biến động của ROA và ROE trong mơ hình hồi quy.
tích hồi quy, cần kiểm tra sự phù hợp của mơ hình hồi quy tổng thể đối với tập dữ
liệu qua giá trị R2. Ta kiểm định giả thiết H0: R2 = 0. Tƣơng tự nhƣ khi phân tích hồi quy, giá trị Sig. cũng đƣợc sử dụng. Nếu giá trị Sig < 5%, ta bác bỏ giả thiết H0.
2.2.4.5. Kiểm định Durbin-Watson về tự tƣơng quan: Sau khi kiểm định sự phù hợp của mơ hình, cần kiểm định thêm hiện tƣợng tự tƣơng quan của các biến trong mơ hình. Khi có hiện tƣợng tự tƣơng quan, các ƣớc lƣợng OLS chƣa phải là ƣớc lƣợng không chênh tốt nhất. Phƣơng pháp kiểm định Durbin-Watson nhƣ sau có ý nghĩa nhất để phát hiện hiện tƣợng tự tƣơng quan xảy ra trong mơ hình.
- Khi 1<d<3 mơ hình khơng có tự tƣơng quan - Khi 0<d<1 mơ hình có tự tƣơng quan dƣơng
- Khi 3<d<4 mô hình có tự tƣơng quan âm
2.2.4.6. Kiểm định đa cộng tuyến: Khi phân tích tƣơng quan, hệ số tƣơng quan giữa các biến cao là dấu hiệu của đa cộng tuyến. Để phát hiện một biến có tƣơng quan tuyến tính mạnh với các biến cịn lại của mơ hình, ta dùng hệ số phóng đại phƣơng sai (VIF - Variance Inflation Factor). Theo kinh nghiệm, khi VIFj >10, mức độ đa cộng tuyến đƣợc xem là cao và khi đó, các hệ số hồi quy đƣợc ƣớc lƣợng với độ chính xác khơng cao. Các biến có hệ số VIF >10 bị loại ra khỏi mơ hình và phân tích hồi quy đƣợc tiếp tục cho đến khi khơng cịn biến nào có giá trị VIF >10, lúc đó khơng cịn hiện tƣợng đa cộng tuyến nữa.
2.2.4.7. Kiểm định phƣơng sai thay đổi: Trong mơ hình hồi quy, một điều
kiện quan trọng khác là phƣơng sai có điều kiện của biến phụ thuộc Yi không thay đổi với các biến độc lập Xi, tức là Var (Yi/Xi) = hằng số. Nếu phƣơng sai có điều kiện của biến phụ thuộc Yi thay đổi đối với các biến độc lập Xi thì mơ hình xảy ra hiện tƣợng phƣơng sai thay đổi và làm cho các ƣớc lƣợng của phƣơng pháp bình phƣơng nhỏ nhất đối với mơ hình hồi quy khơng cịn hiệu quả, mặc dù các ƣớc lƣợng này vẫn không chệch. Để kiểm định hiện tƣợng phƣơng sai thay đổi ta sử dụng kiểm định Breusch-Pagan-Godfrey với giả thuyết:
H0: khơng có hiện tƣợng phƣơng sai thay đổi H1: có hiện tƣợng phƣơng sai thay đổi
Nếu mức ý nghĩa Prob. F (11,113) > 5% thì ta chấp nhận giả thuyết H0, tức là mơ hình khơng có hiện tƣợng phƣơng sai thay đổi. Trong trƣờng hợp ngƣợc lại mơ hình sẽ xảy ra hiện tƣợng phƣơng sai thay đổi.