6. Kết cấu của luận văn
2.2 Dữ liệu nghiên cứu
Dữ liệu nghiên cứu đƣợc thu thập là các dữ liệu thứ cấp đƣợc phân thành 2 loại: dữ liệu cấp ngân hàng và dữ liệu kinh tế vĩ mơ.
Các dữ liệu cấp ngân hàng đƣợc lấy từ báo cáo tài chính của 23 NHTM Việt Nam, chủ yếu là bảng cân đối kế tốn và báo cáo thu nhập. Bộ dữ liệu đƣợc thu thập trong thời gian 8 năm (2006 – 2013). Tất cả thơng tin kế tốn đƣợc hợp nhất vào ngày 31/12 mỗi năm. Do bài luận văn cĩ kể đến tác động của các yếu tố kinh tế vĩ mơ đến tỷ suất sinh lời của ngân hàng nên tác giả đã chọn thời gian nghiên cứu là từ năm 2006 – 2013 bởi trong giai đoạn này, nền kinh tế Việt Nam đã trải qua nhiều trạng thái khác nhau. Tác giả kỳ vọng rằng nếu mở rộng thời gian nghiên cứu thì cĩ thể xem xét tác động của các yếu tố vĩ mơ rõ ràng hơn.
Các chỉ số kinh tế vĩ mơ nhƣ lãi suất, tỷ lệ lạm phát, tăng trƣởng GDP… đƣợc lấy từ nguồn dữ liệu thống kê tại website của Ngân hàng thế giới (Worlbank).
Từ các số liệu thu thập, tác giả đã xử lý và trình bày dƣới dạng dữ liệu bảng (panel data), cịn gọi là dữ liệu gộp chung, nĩ thể hiện giá trị quan sát của một hoặc nhiều biến cho nhiều đối tƣợng khác nhau đƣợc thu thập theo một khoảng thời gian
liên tục, nĩ bao hàm đặc điểm của dữ liệu theo thời gian và dữ liệu theo các đơn vị chéo. Cấu trúc dữ liệu bảng đƣợc kết hợp từ 2 thành phần: thành phần đơn vị chéo (cross – section) và thành phần đơn vị theo chuỗi thời gian (time series). Cĩ hai dạng: bảng cân đối (balanced panel) là khi các đơn vị chéo cùng số quan sát theo thời gian và bảng khơng cân đối (unbalanced panel) là khi các đơn vị chéo khơng cùng số quan sát theo thời gian.
Việc sử dụng dữ liệu bảng cĩ các lợi ích sau (Baltagi, 1999):
Thứ nhất, vì loại dữ liệu này liên quan đến nhiều thơng tin của cùng một đối tƣợng nghiên cứu theo thời gian khác nhau nên nĩ bao hàm những đặc điểm riêng khác nhau cho các đối tƣợng nghiên cứu khác nhau. Chính vì vậy mà với những kỹ thuật ƣớc lƣợng cho loại dữ liệu này cĩ thể cho chúng ta xem xét sự khác biệt của các đặc điểm riêng của các đối tƣợng khác nhau một cách rõ ràng bằng việc đƣa thêm vào trong mơ hình những biến số chỉ định riêng cho từng đối tƣợng hoặc nhĩm đối tƣợng nghiên cứu.
Thứ hai, việc kết hợp các giá trị quan sát theo thời gian khác nhau cho nhiều đối tƣợng khác nhau làm cho loại dữ liệu này sẽ chứa đựng nhiều thơng tin cĩ giá trị hơn, biến đổi hơn, giảm hiện tƣợng tƣơng quan trong các biến của mơ hình, bậc tự do cao hơn và sẽ là hiệu quả hơn cho việc xử lý các mơ hình.
Thứ ba, việc nghiên cứu các biến số trên từng đối tƣợng khác nhau đƣợc lặp đi lặp lại theo thời gian nên loại dữ liệu này sẽ phù hợp hơn cho việc nghiên cứu sự động thái thay đổi theo thời gian của nhiều đối tƣợng khác nhau. Ví dụ nghiên cứu về thất nghiệp, thu nhập từ việc làm của các lao động…
Thứ tƣ, lọai dữ liệu này sẽ tốt hơn cho việc theo dõi và đo lƣờng những tác động mà dữ liệu theo khơng gian hoặc dữ liệu theo thời gian thuần túy khơng thể quan sát đƣợc. Ví dụ, những tác động của các quy định về mức lƣơng tối thiểu đến thất nghiệp và thu nhập sẽ đƣợc thấy rõ hơn nếu chúng ta sử dụng dữ liệu dạng bảng.
Thứ năm, loại dữ liệu này cho phép chúng ta nghiên cứu các mơ hình phức tạp hơn. Ví dụ nghiên cứu hiệu quả kinh tế theo quy mơ và sự thay đổi về kỹ thuật cơng nghệ sẽ đƣợc quan sát rõ hơn khi dùng dữ liệu dạng bảng
Cuối cùng, việc kết hợp nhiều dữ liệu của nhiều đối tƣợng nghiên cứu khác nhau sẽ làm cho số quan sát tăng lên đáng kể, nĩ sẽ làm giảm các sai số ngẫu nhiên cĩ thể xảy ra trong việc phân tích các mơ hình.
2.3 Phƣơng pháp ƣớc lƣợng mơ hình: 2.3.1 Phân tích hồi quy