CHƯƠNG 1 GIỚI THIỆU LUẬN VĂN THẠC SĨ KINH TẾ
4.4. Thảo luận kết quả nghiên cứu
Trước khi tiến hành chạy hồi quy, luận văn sẽ thực hiện các phép kiểm định như: kiểm định đa cộng tuyến, kiểm định phương sai sai số thay đổi, kiểm định tự
tương quan của sai số. Các phép kiểm định này được sử dụng để đảm bảo kết quả ước lượng của mơ hình hồi quy chính xác và tìm ra mơ hình tối ưu. Sau đó, luận văn sẽ tiến hành thực hiện hồi quy mơ hình dưới đây để kiểm định các giả thuyết nghiên cứu.
Thống kê mô tả các biến quan sát
Bảng 4.2. Bảng thống kê mô tả các biến quan sát (Phụ lục 2)
Chỉ tiêu Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình Độ lệch chuẩn NPL 0.084 5.530 2.012 1.009 CREDGR -31.294 408.184 41.038 53.3789 SIZE 13.626 20.309 17.907 1.324 LLR 0.076 5.257 1.271 0.817 GDPGR 5.247 7.547 6.289 0.759 CPI 4.09 23.12 10.352 5.921 UEP 1.99 2.9 2.353 0.309
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata)
Bảng thống kê mô tả các biến quan sát cho thấy:
Biến phụ thuộc tỷ lệ nợ xấu đạt mức trung bình là 2.012%, với độ lệch chuẩn là 1.01%, mức cao nhất là 5.530% (HDB năm 2013) và thấp nhất 0.084% (ACB năm 2007). Tỷ lệ nợ xấu trên tổng dư nợ bình quân là 2.012% có nghĩa là mức nợ xấu mà các ngân hàng bình quân phải chịu chiếm 2.012% trên tổng dư nợ.
Xét 3 biến thuộc phạm vi nghiên cứu liên quan đến các đặc điểm của ngân hàng, tăng trưởng tín dụng có mức trung bình 41.829%, với độ lệch chuẩn là 58.202%. Năm 2008, Seabank có LG thấp nhất là -31.294% trong khi đó LG của ABB năm 2007 cao nhất là 508.184%.
Quy mơ ngân hàng có mức trung bình 17.907. Giai đoạn 2006-2014, các NHTM đã đi theo đúng xu hướng phát triển ngày càng rộng lớn về quy mô và phạm vi hoạt động, thể hiện qua con số quy mô cao nhất là 20.31 vào năm 2014 của ngân
hàng Công thương, và thấp nhất là vào năm 2006 với mức 13.63 ngân hàng Kiên Long.
Dự phòng rủi ro tín dụng LLR của các ngân hàng có mức trung bình 1.271% với độ lệch chuẩn 0.817%. Điều này cho thấy các NHTM Việt Nam thực hiện trích lập dự phịng rủi ro tín dụng khá đồng đều. Cùng năm 2006, CTG có LLR thấp nhất là 0.076%, trong khi đó LLR của BIDV có mức cao nhất lên tới 5.257%.
Xét các biến kinh tế vĩ mơ, tăng trưởng GDP đạt mức trung bình là 6.29%, cao nhất là 7.547%, thấp nhất là 5.247%. Tỷ lệ lạm phát có mức trung bình 10.35%, cao nhất là 23.12%, thấp nhất là 4.09%. Tỷ lệ thất nghiệp đạt mức trung bình 2.35%, cao nhất là 2.9%, thấp nhất là 1.99%.
Ma trận hệ số tương quan
Xây dựng ma trận hệ số tương quan nhằm xác định được sự tác động cũng như mức độ tác động của các biến độc lập với nhau theo từng cặp. Điều này giúp ta nhận ra các biến độc lập nào có tương quan với nhau tức là ảnh hưởng đến nhau trong mơ hình.
Bảng cho thấy hệ số tương quan giữa các cặp biến dao động từ 0.0267 – 0.5382. Kinh nghiệm cho thấy khi hệ số tương quan cặp giữa các biến > 0.8 thì vấn đề cộng tuyến trở nên nghiêm trọng. Hệ số tương quan lớn nhất trong bảng … có giá trị là là 0.5382 thể hiện mối tương quan giữa biến NPL và LLR cho thấy hiện tượng đa cộng tuyến là không đáng kể. Bên cạnh đó, hệ số tương quan thấp giữa các cặp biến độc lập cũng góp phần xác nhận thêm sự phù hợp của mơ hình nghiên cứu khi hiện tượng đa cộng tuyến sẽ khó xảy ra hơn khi chạy mơ hình hồi quy cho tương quan giữa các nhân tố tác động và rủi ro tín dụng của ngân hàng.
Bảng 4.3. Kết quả tương quan chi tiết giữa các biến
NPL CREDGR SIZE LLR GDPGR CPI UEP
NPL 1.0000 CREDGR -0.3052 1.0000 SIZE 0.0603 -0.3418 1.0000 LLR 0.5382 -0.3124 0.4881 1.0000 GDPGR -0.0959 0.2162 -0.4284 -0.1591 1.0000 CPI 0.1060 -0.1377 -0.0815 -0.0267 0.3987 1.0000 UEP -0.2097 0.0909 -0.0697 -0.0670 -0.3994 -0.0208 1.0000
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata)
Kiểm định đa cộng tuyến
Bảng 4.4. Kết quả kiểm định đa cộng tuyến
VIF GDPGR 2.11 SIZE 1.74 UEP 1.41 LLR 1.37 CPI 1.36 CREDGR 1.29 Mean VIF 1.55
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata)
Bảng trình bày chỉ số VIF; nếu chỉ số này lớn hơn 5, đó là dấu hiệu cho biết có hiện tượng đa cộng tuyến cao. Đặc biệt, nếu chỉ số VIF xấp xỉ 10, dấu hiệu cho biết có hiện tượng đa cộng tuyến nghiêm trọng (Gujarati, 2004). Chỉ số VIF lớn nhất trong Bảng có giá trị là 2.11, cho thấy hiện tượng đa cộng tuyến là không đáng kể.
Bảng 4.5. Kết quả ước tính các nhân tố tác động theo Pooled OLS, FEM, REM
MƠ HÌNH POOLED FEM REM
CREDGR -0.00221* -0.00251* -0.00230* (-1.74) (-1.97) (-1.87) SIZE -0.360*** -0.529*** -0.374*** (-6.06) (-3.09) (-4.67) LLR 0.806*** 0.734*** 0.778*** (9.44) (6.79) (8.32) GDPGR -0.521*** -0.712*** -0.541*** (-4.56) (-3.50) (-4.41) CPI 0.0371*** 0.0429*** 0.0377*** (3.17) (3.49) (3.39) UEP 1.112*** 1.357*** 1.140*** (4.86) (4.45) (5.03) Const 13.03*** 17.88*** 13.51*** (7.44) (3.77) (5.97) Số quan sát 153 153 153 R-Squared 46.96% 45.6% 45.18% Kiểm định F (P-Value) 0.0052 Kiểm định Hausman (P-Value) 0.9621
Ghi chú: *, **, *** lần lượt tương ứng với mức ý nghĩa 10%, 5% và 1%
(Nguồn: Báo cáo phân tích dữ liệu từ phần mềm STATA)
Mơ hình Pooled OLS có thể giải thích 46.96% sự thay đổi các yếu tố đến NPL. Bảng trên cho thấy các biến CREDGR có ý nghĩa thống kê ở mức 10% và tác động nghịch chiều lên RRTD, trong khi các biến độc lập còn lại đều có ý nghĩa
thống kê ở mức 1%, trong đó LLR, CPI và UEP tác động thuận chiều lên NPL, SIZE và GDPGR tác động nghịch chiều lên RRTD.
Tuy nhiên, khi ước tính theo mơ hình pooled OLS, dữ liệu chéo bị ràng buộc quá chặt chẽ về không gian và thời gian khi các hệ số hồi quy không đổi. Điều này khiến pooled OLS không phản ánh được tác động của sự khác biệt của mỗi ngân hàng, dẫn đến mức ảnh hưởng thật sự của biến độc lập lên biến phụ thuộc giảm mạnh và kết quả có thể khơng phù hợp với điều kiện thực tế. Tuy nhiên, cũng chưa khẳng định được mơ hình FEM là mơ hình đúng. Vì vậy, nghiên cứu sẽ sử dụng kiểm định Hausman để lựa chọn giữa FEM và REM.
Thực hiện kiểm định Hausman (Hausman test) là thao tác mà người nghiên cứu phải thực hiện nhằm lựa chọn mơ hình phù hợp với nghiên cứu từ hai mơ hình nhân tố tác động cố định (FEM) và mơ hình nhân tố tác động ngẫu nhiên (REM). Kiểm định Hausman với giả định:
H0: Ước lượng của mơ hình tác động cố định và mơ hình tác động ngẫu nhiên không khác nhau.
H1: Ước lượng của mơ hình tác động cố định và mơ hình tác động ngẫu nhiên là khác nhau.
Kiểm định Hausman cho thấy P= 0.000 < 5% nghĩa là có cơ sở để bác bỏ H0 và chấp nhận H1. Khi có sự khác biệt của ước lượng của mơ hình tác động cố định và mơ hình tác động ngẫu nhiên thì nghiên cứu sử dụng mơ hình tác động cố định có ý nghĩa cao hơn.
Kết quả cho thấy mơ hình các nhân tố tác động ngẫu nhiên (REM) là mô hình phù hợp cho nghiên cứu này vì Prob>Chi2 = 0.9621 > 5%.
Kiểm định khuyết tật của mơ hình
Từ kết quả kiểm định Hausman, mơ hình REM đã được lựa chọn là mơ hình phù hợp hơn FEM. Để có kết luận đáng tín cậy nhất, bước tiếp theo, tác giả tiến hành kiểm định các khuyết tật thường gặp của mơ hình. Do phần mềm Stata 12
chưa hỗ trợ kiểm định phương sai thay đổi và tự tương quan cho kết quả mơ hình REM, tác giả mượng FEM để kiểm định, nếu FEM mắc phải một trong các khuyết tật trên, thì REM sẽ có khả năng tương tự.
Kiểm định phương sai sai số thay đổi qua các thực thể trong FEM (kiểm định Wald)
xttest3
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i chi2 (17) = 220.38
Prob>chi2 = 0.0000
P-value = 0.0000 < 0.05, do đó bác bỏ Ho nghĩa là có phương sai thay đổi trong mơ hình FEM.
Kiểm định hiện tượng tương quan chuỗi
xtserial npl credgr size llr gdpgr cpi uep
Wooldridge test for autocorrelation in panel data
H0: no first-order autocorrelation F( 1, 16) = 7.615 Prob > F = 0.0140
P-value = 0.0140 < 0.05, do đó bác bỏ Ho nghĩa là có tương quan chuỗi trong mơ hình FEM.
Khắc phục phương sai thay đổi và tương tự tương quan
Để khắc phục các khuyết tật của mơ hình FEM, sử dụng phương pháp bình phương nhỏ nhất tổng quan (GLS):
xtgls npl credgr size llr gdpgr cpi uep,panels (h), corr (ar1)
Bảng 4.6. Tổng hợp kết quả kiểm định
MƠ HÌNH POOLED FEM REM GLS
CREDGR -0.00221* -0.00251* -0.00230* -0.00436*** (-1.74) (-1.97) (-1.87) (-3.73) SIZE -0.360*** -0.529*** -0.374*** -0.335*** (-6.06) (-3.09) (-4.67) (-6.42) LLR 0.806*** 0.734*** 0.778*** 0.753*** (9.44) (6.79) (8.32) (9.68) GDPGR -0.521*** -0.712*** -0.541*** -0.412*** (-4.56) (-3.50) (-4.41) (-4.39) CPI 0.0371*** 0.0429*** 0.0377*** 0.0400*** (3.17) (3.49) (3.39) (4.87) UEP 1.112*** 1.357*** 1.140*** 0.780*** (4.86) (4.45) (5.03) (4.07) Const 13.03*** 17.88*** 13.51*** 11.18*** (7.44) (3.77) (5.97) (7.42) Số quan sát 153 153 153 153 Kiểm định F (P-Value) 0.0052 Kiểm định Hausman (P-Value) 0.9621 Kiểm định PSTĐ (P-Value) 0.0000
Kiểm định tự tương quan
(P-Value) 0.0140
Ghi chú: *, **, *** lần lượt tương ứng với mức ý nghĩa 10%, 5% và 1%
(Nguồn: Báo cáo phân tích dữ liệu từ phần mềm STATA)
Kết quả hồi quy theo GLS
Kết quả từ bảng 4.5 cho thấy các biến độc lập CREDGR, SIZE, LLR, GDPGR, CPI, UEP đều có ý nghĩa thống kê ở mức 1%, nên đưa vào mơ hình là hồn tồn thuyết phục.
NPL = 11.18 - 0.00436CREDGR – 0.335SIZE +0.753LLR – 0.412GDPGR + 0.04CPI + 0.78UEP + ε
Phương trình hồi quy cho thấy có sự tác động ngược chiều của biến CREDGR với tỷ lệ nợ xấu và có ý nghĩa thống kê ở mức ý nghĩa 1%. Với kết quả này có cơ sở để chấp nhận giả thuyết H1: Có mối quan hệ ngược chiều giữa tăng trưởng tín dụng và tỷ lệ nợ xấu.
Giả thuyết H2 cho rằng quy mô ngân hàng (SIZE) sẽ tác động nghịch chiều đến tỷ lệ nợ xấu. Từ kết quả bảng 4.5 cho thấy hệ số của biến SIZE có giá trị âm và có ý nghĩa thống kê với mức ý nghĩa 1%. Kết quả này cho thấy có cơ sở để chấp nhận giả thuyết H2: Có mối quan hệ ngược chiều giữa quy mô ngân hàng và tỷ lệ nợ xấu.
Tương tự, các biến còn lại LLR, GDPGR, CPI và UEP đều có ý nghĩa thống kê ở mức ý nghĩa 1%. Hệ số của biến LLR, CPI và UEP lần lượt là 0.753, 0.04 và 0.78, hệ số của biến GDPGR là -0.412. Đây là cơ sở để chấp nhận các giả thuyết H3, H4, H5, H6.
Bảng 4.7. Kết luận các giả thuyết thống kê
Giả thuyết
Diễn giải Kết quả Prob. Kết luận (độ
tin cậy 95%) H1 Mối quan hệ giữa tăng trưởng tín dụng và tỷ lệ
nợ xấu là ngược chiều. Khi dư nợ tín dụng tăng trưởng nhanh thì nợ xấu giảm và ngược lại.
0.000 Chấp nhận
H2 Quy mô ngân hàng tác động ngược chiều với tỷ lệ nợ xấu
0.000 Chấp nhận
H3 Mối quan hệ giữa dự phòng RRTD và tỷ lệ nợ xấu là cùng chiều. Khi dự phịng RRTD tăng thì nợ xấu tăng và ngược lại.
0.000 Chấp nhận
H4 Mối quan hệ giữa tăng trưởng GDP và tỷ lệ nợ xấu là ngược chiều. Khi nền kinh tế tăng trưởng thì nợ xấu tăng và ngược lại.
H5 Mối quan hệ giữa lam phát và tỷ lệ nợ xấu là cùng chiều.
0.000 Chấp nhận
H6 Tỷ lệ nợ xấu tỷ lệ thuận với tỷ lệ thất nghiệp 0.000 Chấp nhận
(Nguồn: Báo cáo phân tích dữ liệu từ phần mềm STATA)