Bài nghiên cứu sử dụng phương pháp thu thập số liệu sơ cấp báo cáo tài chính của 30 ngân hàng thương mại trong nước. Sau đó, sẽ chọn các biến số có tác động
đến tính thanh khoản của ngân hàng tại nhiều nền kinh tế để tiến hành tính tốn trên số liệu thu thập tại Việt Nam như: Biến quy mô ngân hàng, suất sinh lời trên tổng tài sản ngân hàng, tỷ lệ tổng nợ phải trả ngắn hạn / vốn chủ sở hữu ngân hàng và tỷ lệ tổng dư nợ cho vay / tổng tiền gửi từ khách hàng. Trên cơ sở số liệu thu
thập được, bài nghiên cứu sử dụng phương pháp hồi quy bình phương bé nhất
(OLS) để nghiên cứu mối quan hệ giữa các biến thu thập được.
Sử dụng phần mềm tin học ứng dụng Eview 6.0 để phân tích số liệu với mơ hình hồi quy dữ liệu bảng để ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có được.
Phương pháp bình phương nhỏ nhất (OLS) là một thủ thuật toán học được sử
dụng để ước lượng mối tương quan giữa các biến khác nhau. Kiểu tương quan đơn giản nhất là: Yi=b0+b1Xi+εi
Chênh lệch giữa giá trị thực tế Yi và giá trị ước lượng bằng phần dư εi. Mối quan hệ này được trình bày như sau:
Yi=b0+b1Xi+εi
Mơ hình ước lượng sẽ đạt được độ chính xác cao nhất khi chênh lệch giữa
giá trị Yi và là nhỏ nhất. Vì vậy, mục đích của phương pháp OLS là tối thiểu
hóa tổng ε12, ε22 và ε32. Nghĩa là chúng ta phải tìm ra được giá trị và sao
cho là nhỏ nhất để đường hồi quy mẫu là đường thẳng gần với tập hợp quan
sát nhất.
Nếu hàm hồi qui mẫu phù hợp tốt với các số liệu quan sát thì RSS tiến về 0. Nếu tất cả các giá trị quan sát của Y đều nằm trên SRF thì ESS sẽ bằng TSS và do
27
Chỉ tiêu R2: là hệ số xác định và được sử dụng để đo lường mức độ phù hợp
của hàm hồi qui. R2 được tính bằng cách lấy tỉ lệ giữa tổng bình phương tất cả các
sai lệch của biến giải thích với tổng bình phương tất cả các sai lệch.
Ta có thể thấy được: 0≤R2≤1
R2 cao nghĩa là mơ hình ước lượng được giải thích được một mức độ cao
biến động của biến phụ thuộc.
Nếu R2 bằng 0. Nghĩa là mơ hình khơng đưa ra thơng tin nào về biến phụ thuộc và dự đoán tốt nhất về giá trị của biến phụ thuộc là giá trị trung bình của nó. Các biến "giải thích" thực sự khơng đưa ra được một giải thích nào.
Hồi quy nhiều biến
Khi xem xét nhiều biến giải thích trong mơ hình hồi quy nhiều biến số, hoặc hồi quy bội số, ta sử dụng mơ hình:
=b0+b1X1i+b2X2i+b3X3i+…+bkXki+ εi
Mỗi một hệ số bj là đạo hàm từng phần của biến phụ thuộc Yi theo biến giải thích Xji. Nghĩa là khi X thay đổi một đơn vị khi các biến khác khơng đổi thì Y
được dự đoán là thay đổi một lượng đúng bằng hệ số.
R2 điều chỉnh
Hệ số R2 khơng cịn chính xác khi đo lường độ phù hợp của mơ hình hồi qui bội. Vì R2 là hàm khơng giảm của số biến giải thích có trong mơ hình. Do vậy, nếu
tăng số biến giải thích trong mơ hình thì R2 cũng tăng, bất kể các biến cho thêm có phù hợp với mơ hình hay khơng. Thêm càng nhiều biến vào phương trình ước lượng thì sẽ làm tăng giá trị R2 chứ không giảm. Kết quả là mơ hình với rất nhiều biến giải thích vơ dụng sinh ra một đạo hàm có vẻ như có mức độ giải thích rất cao. Nhưng R2 sẽ chỉ đơn thuần là sự tương quan không thực.
Để khắc phục điều này, chúng ta tính R2 điều chỉnh (adjusted R2)
28
Trong đó:
n = số các quan sát trong tập dữ liệu. K = số lượng các hệ số.
Thêm biến vào phương trình hồi qui, thậm chí biến này chẳng có ảnh hưởng gì tới biến phụ thuộc thì điều này có khả năng làm R2 tăng, nhưng sẽ làm K giảm và
có thể làm R2 điều chỉnh giảm.
Một quy luật tổng quát đáng tin cậy trong việc lựa chọn giữa các mơ hình là lựa chọn mơ hình nào có R2 điều chỉnh cao. Khi chúng ta đang xem xét việc thêm
một biến mới vào phương trình hồi qui, chúng ta xem xét xem nếu nó làm R2 tăng
hay khơng. Nếu có thì chúng ta nên thêm biến mới đó vào phương trình.
Cách tốt nhất để lựa chọn các biến cho phương trình hồi quy là tìm hiểu các biến phụ thuộc, và dựa vào những hiểu biết về bản thân biến đó để quyết định các biến nào nên được tính đến đầu tiên khi thực hiện hồi quy. Mơ hình của chúng ta ít nhiều cịn mang nặng tính lý thuyết nên chúng ta cần phải đưa ra giải thích đáng tin cậy dựa trên hoạt động thực tế cho những kết quả hồi qui về từng biến cũng như toàn bộ các biến giải thích.