Phương pháp nghiên cứu

1.3 Phương pháp nghiên cứu và định nghĩa các biến

1.3.1 Phương pháp nghiên cứu

Đánh giá hiệu quả hoạt động của bất kỳ một doanh nghiệp nào nói chung hay một ngân hàng nói riêng, phương pháp đánh giá truyền thống phổ biến đầu tiên được sử dụng là các tỷ số tài chính.

Mỗi hệ số cho biết mối quan hệ giữa hai biến số tài chính qua đó cho phép phân tích và so sánh giữa các ngân hàng và phân tích xu hướng biến động của các biến số này theo thời gian. Có nhiều loại hệ số tài chính được sử dụng để đánh giá các khía cạnh hoạt động khác nhau của một ngân hàng. Các hệ số tài chính này bao gồm: các tỷ số phản ánh khả năng sinh lợi, các tỷ số phản ánh hiệu quả hoạt động (thu nhập/chi phí) và các tỷ số phản ánh rủi ro tài chính của một ngân hàng.

Bên cạnh cách tiếp cận truyền thống trên, hiện nay trên thế giới còn sử dụng phương pháp tiếp cận phân tích hiệu quả biên trong việc đánh giá hiệu quả hoạt động của ngân hàng. Các ngân hàng cung ứng một tập hợp phong phú các sản phẩm và dịch vụ tài chính nhưng hiệu quả thực sự hoạt động của hệ thống này như thế nào thì lại khơng biết. Để đánh giá được hiệu quả hoạt động của các ngân hàng các nhà phân tích đã sử dụng phương pháp phân tích hiệu quả biên. Phương pháp này tính tốn chỉ số hiệu quả tương đối dựa trên việc so sánh khoảng cách của các đơn vị (ngân hàng) với một đơn vị thực hiện hoạt động tốt nhất trên biên (biên này được tính từ tập số liệu vì trên thực tế biên hiện quả tồn bộ theo lý thuyết là khơng biết). Cơng cụ này cho phép ta tính được chỉ số hiệu quả chung của ngân hàng dựa trên hoạt động của chúng và cho phép đánh giá hiệu quả hoạt động của ngân hàng này. Hơn nữa, cách tiếp cận này còn cho phép các nhà quản lý xác định được thực tế hoạt động tốt nhất hiện tại trong đánh giá hệ thống của ngân hàng mình và đồng thời cho phép các nhà quản lý mở rộng khả năng hoạt động thực tế tốt nhất ở những nơi có thể áp dụng được và qua đó cải thiện được hiệu quả hoạt động toàn bộ của ngân hàng.

Phương pháp phân tích hiệu quả biên có thể được chia làm hai nhóm đó là cách tiếp cận tham số và cách tiếp cận phi tham số. Cách tiếp cận tham số đòi hỏi phải chỉ định một dạng hàm cụ thể đối với đường biên hiệu quả, và có chỉ định của phân phối phi hiệu quả hoặc sai số ngẫu nhiên. Tuy nhiên nếu việc chỉ định dạng hàm sai thì kết quả tính tốn sẽ ảnh hưởng ngược chiều đến các chỉ số hiệu quả. Cách tiếp cận phi

tham số khơng địi hỏi các ràng buộc về hình dáng của đường biên thực hiện tốt nhất, cũng như khơng địi hỏi các ràng buộc về phân phối của các nhân tố phi hiệu quả trong số liệu như cách tiếp cận tham số, trừ ràng buộc các chỉ số hiệu quả phải nằm giữa 0 và 1, và giả sử khơng có sai số ngẫu nhiên hoặc sai số phép đo trong số liệu. Bởi vậy, đây cũng chính là hạn chế của của phương pháp phi tham số vì phương pháp này rất nhạy cho nên nếu có sai số ngẫu nhiên tồn tại trong số liệu thì chúng sẽ ảnh hưởng đến các kết quả đo lường hiệu quả.

DEA (Data Envelopment Analysis) là một kỹ thuật quy hoạch tuyến tính để đánh giá một đơn vị ra quyết định DMU (Decision Making Unit) – ngân hàng hoạt động tương đối so với ngân hàng khác trong mẫu như thế nào. Kỹ thuật này tạo ra một tập hợp biên các ngân hàng hiệu quả và so sánh nó với các ngân hàng không hiệu quả để đo được độ hiệu quả. Khác với phương pháp SFA thì DEA khơng địi hỏi hỏi xác định dạng hàm đối với biên hiệu quả và cho phép kết hợp nhiều đầu vào và nhiều đầu ra trong việc tính các độ đo hiệu quả.

Trong các ngành hoạt động dịch vụ phức tạp như ngành ngân hàng có rất nhiều mối quan hệ giữa các đầu vào - đầu ra là không xác định, đặc biệt khi chúng ta xem xét mối quan hệ đồng thời của nhiều đầu vào, nhiều đầu ra. Trong khi phương pháp tiếp cận tham số đòi hỏi phải chỉ định cụ thể mối quan hệ hay dạng hàm giữa đầu vào - đầu ra, và điều này có thể cho những kết luận sai nếu việc chỉ định dạng hàm là không đúng.

DEA cho phép xác định hiệu quả tương đối của các đơn vị hoạt động trong một hệ thống phức tạp. Theo DEA thì một đơn vị hoạt động tốt nhất sẽ có chỉ số hiệu quả là 1, trong khi đó chỉ số của các đơn vị phi hiệu quả được tính bằng việc chiếu các đơn vị phi hiệu quả lên trên biên hiệu quả. Đối với mỗi đơn vị phi hiệu quả, DEA đều đưa ra một tập các điểm chuẩn của các đon vị khác để giá trị của đơn vị được đánh giá có thể so sánh được, bởi vậy những thơng tin thu được qua phân tích DEA rất có ích cho các

nhà quản lý trong việc nhận diện được thực tế hoạt động của đơn vị mình như thế nào so với các đơn vị khác, từ đó tập trung vào cải thiện hoạt động của các đơn vị phi hiệu quả, và xác lập các mục tiêu cần phải cải thiện.

Phương pháp này được Charnes, Cooper, và Rhodes phát triển vào năm 1978, dựa trên nghiên cứu của Farrell (1957). Khác với phương pháp hàm sản xuất tối đa ngẫu nhiên (Stochastic Production Frontier – SPF) sử dụng phương pháp kinh tế lượng, DEA liên quan đến phương pháp lập trình tốn học (mathematical programming) để ước lượng hiệu quả xuất. So với phương pháp SPF, DEA có ưu điểm là có thể áp dụng được cho cả trường hợp đa đầu ra. Hơn nữa, DEA là phương pháp phi tham số, không cần phải xây dựng trước những giả thiết về một dạng hàm sản xuất cụ thể và giả thiết về phân phối của sai số ngẫu nhiên như trong SPF.

Theo C. A. Lovell và cộng sự (1993) và T. Coelli và cộng sự (2005), hiệu quả

kỹ thuật (technical efficiency, TE) được đo lường bởi mơ hình phân tích bao dữ liệu trên cơ sở định hướng đầu vào với lợi nhuận không đổi theo quy mô (the Constant Returns to Scale Input-Oriented DEA Model, CRS-DEA Model)1. Xét một tình huống có N đơn vị tạo quyết định (decision making unit-DMU), mỗi DMU sản xuất S sản phẩm bằng cách sử dụng M biến đầu vào khác nhau. Theo tình huống trên, để ước lượng TE, một tập hợp phương trình tuyến tính được xác lập và giải quyết cho từng DMU. Cụ thể để ước lượng TE cho DMUp, mơ hình phân tích bao dữ liệu định hướng dữ liệu đầu vào theo quy mơ cố định (gọi là mơ hình CCR) được định nghĩa như sau:

Min p,{p} Với: - yrp +   N i 1 i yri  0, pxjp -   N i 1 i xji  0, i  0 i

Trong đó: p là giá trị hiệu quả kỹ thuật của DMUp đang đánh giá,

i = 1 đến N (số lượng DMU), r = 1 đến S (số sản phẩm), j = 1 đến M (số biến đầu vào),

yri là lượng sản phẩm r được sản xuất bởi DMU thứ i, xji là lượng đầu vào j được sử dụng bởi DMU thứ i,

i là các biến đối ngẫu.

Việc ước lượng TE theo mơ hình (1.2) có thể được thực hiện bởi nhiều phần mềm thống kê khác nhau.

Do mơ hình CCR bị hạn chế bởi: biến lợi nhuận không đổi theo quy mô (constant returns to scales – CRS) và tính lồi của hàm sản xuất (the convexity of the production possibility set). Do đó, giả định CRS chỉ là tương đối khi tất cả các DMU đang hoạt động tại một quy mô tối ưu. Khi tất cả các DMU không cùng tại quy mô tối ưu, việc sử dụng giả định CRS trong đo lường hiệu quả kỹ thuật sẽ thất bại bởi những hiệu quả kinh tế nhờ quy mô. Benker và cộng sự (1984) đã đề xuất phát triển mơ hình thành mơ hình CRS CCR để sử dụng trong trường hợp lợi nhuận thay đổi theo quy mô (variable returns to scales – VRS). Bài nghiên cứu này sử dụng mơ hình lợi nhuận thay đổi theo quy mô (VRS) DEA (từ đây về sau gọi là mơ hình BBC).

Mơ hình BBC cho VRS với đầu vào cho trước (input-oriented envelopment problem) được trình bày như sau:

Min  ,  ,λ Với :  xi ≥ X λ, Y λ ≥ yi , N 1’ λ = 1, λ ≥ 0.

Theo Farrell (1957), đề xuất rằng hiệu quả của một doanh nghiệp gồm có 2 (1.3)

của một doanh nghiệp để đạt được đầu ra tối đa từ một số đầu vào cho trước, và hiệu quả phân bổ (allocative efficiency – AE) cái mà phản ánh khả năng của một doanh

nghiệp sử dụng các đầu vào với một tỷ lệ tối ưu với những mức giá tương ứng cho trước. Hai thước đo này sau đó được kết hợp với nhau để cung cấp một thước đo về hiệu quả kinh tế tổng thể.

Phương pháp DEA liên quan đến việc sử dụng các phương pháp lập trình tuyến tính để xây dựng một biên tập hợp tuyến tính cho nguồn dữ liệu, vì vậy có thể tính được các hiệu quả liên quan. Mặt khác, mục đích của DEA là để xây dựng một màng biên dữ liệu phi tham số cho tất cả các quan sát nằm trên hay bên dưới biên sản xuất. Sử dụng tính đối ngẫu trong lập trình tuyến tính, chúng ta có được một mẫu bao để ước lượng các điểm hiệu quả hoạt động cho ngân hàng mẫu.

Min (u’yi /v’xi), u,v

u’yi /v’xi  1, j = 1,2,…,N, u,v  0.

Cơng thức bên trên có một vấn đề về các giải pháp khơng giới hạn, vì vậy chúng ta đưa vào thêm ràng buộc ’xi = 1, dẫn đến:

Min (’yi),

,

’xi =1

’yi - ’xj  0, j = 1,2,…,N,

,  0

Khi đó chúng ta sẽ thay đổi ký hiệu u và  thành  và , theo thứ tự, để phản ánh các phép biến đổi. Sử dụng tính đối ngẫu trong lập trình tuyến tính, một mẫu màng bao tương ứng có thể được trình bày như sau:

Min  ,  ,λ Với :  xi - X λ ≥ 0, (1.4) (1.5) (1.6)

yi + Y λ ≥ 0, λ ≥ 0.

Trong đó,  là một vơ hướng đại diện cho điểm hiệu quả của đơn vị tạo quyết định DMU thứ i, có giá trị trong phạm vi từ 0 đến 1.  là 1 vector của N x 1 hằng số. Chương trình tuyến tính sẽ giải N lần, mỗi lần cho 1 DMU trong mẫu. Để tính tốn hiệu quả dưới giả định lợi nhuận thay đổi theo quy mô VRS, ràng buộc độ lồi (N1‟ = 1) sẽ được đưa vào để chắc chắn rằng một ngân hàng không hiệu quả chỉ so sánh với những ngân hàng cùng quy mơ, và vì vậy nó cung cấp cơ sở để đo lường tính kinh tế nhờ quy mơ trong phạm vi khái niệm DEA. Ràng buộc độ lồi xác định biên sản xuất bao phủ tổ hợp đầu vào – đầu ra được quan sát chặt chẽ như thế nào và không chịu sự ràng buộc trong trường hợp lợi nhuận không đổi theo quy mô CRS. Kỹ thuật lợi nhuận thay đổi theo quy mơ VRS vì thế hình thành một vỏ bao lồi (a convex hull) phủ dữ liệu chặt chẽ hơn kỹ thuật lợi nhuận không đổi theo quy mơ CRS, và vì vậy cung cấp các điểm hiệu quả lớn hơn hoặc bằng những điểm hiệu quả đạt được từ mơ hình CRS.

Trong vài năm qua, những ứng dụng DEA để nghiên cứu hiệu quả của các ngân hàng có thể kể đến như: Sherman và Gold (1985) nghiên cứu hiệu quả tổng thể của 14 chi nhánh của một ngân hàng tiết kiệm của Mỹ. Kết quả của DEA cho thấy 6 chi nhánh đang hoạt động không hiệu quả so với các chi nhánh còn lại. Nghiên cứu tương tự bởi Parkan (1987) cho thấy 11 trong số 35 chi nhánh tương đối không hiệu quả.

Rangan và đồng sự (1988) cũng áp dụng phương pháp DEA cho một mẫu lớn gồm 215 ngân hàng Mỹ và đã cố gắng để phân tích sự phi hiệu quả bắt nguồn từ tính khơng hiệu quả kỹ thuật thuần và phi hiệu quả về mặt quy mô. Họ dùng phương pháp tiếp cận trung gian bằng cách sử dụng ba yếu tố đầu vào (lao động, vốn, quỹ đầu tư) và năm yếu tố đầu ra (ba loại hình các khoản cho vay và hai loại hình tiền gửi). Kết quả chỉ ra rằng các ngân hàng có thể „sản xuất‟ cùng một mức độ đầu ra với chỉ 70% các yếu tố đầu vào thực tế được sử dụng, trong khi phi hiệu quả về mặt quy mô của các

ngân hàng là tương đối nhỏ, có nghĩa là nguyên nhân phi hiệu quả là về mặt kỹ thuật thuần chứ không phải là do quy mơ.

Ngồi việc đựơc đánh giá cao ở Mỹ, DEA đã nhanh chóng trở thành một phương pháp phổ biến trong việc đánh giá hiệu quả của các tổ chức tài chính giữa các nhà nghiên cứu ngân hàng tại các quốc gia khác. Fukuyama (1993 và 1995) là một trong các nhà nghiên cứu đặc biệt đầu tiên trong các nước ở châu Á, ứng dụng DEA để điều tra hiệu quả của ngân hàng. Sử dụng nguồn lao động, vốn, và các tiền gửi của khách hàng như là các yếu tố đầu vào và doanh thu từ các khoản cho vay và doanh thu từ hoạt động kinh doanh khác là yếu tố đầu ra, Fukuyama (1993) xem xét hiệu quả của 143 ngân hàng tại Nhật Bản trong năm 1990. Ông thấy rằng chỉ số hiệu quả kỹ thuật thuần trung bình khoảng 0,86 và hiệu quả quy mơ khoảng 0,98 ngụ ý rằng nguyên nhân chính của phi hiệu quả kỹ thuật tổng thể là do phi hiệu quả kỹ thuật thuần. Phi hiệu quả quy mơ được tìm thấy chủ yếu là do sự tăng lợi nhuận theo quy mơ IRS. Ơng cũng nhận thấy rằng các ngân hàng có cơ cấu tổ chức khác nhau sẽ có sự khác nhau tương ứng trong các thước đo hiệu quả (tổng thể, quy mô, kỹ thuật thuần). Hiệu quả do quy mơ được tìm thấy là rõ ràng nhưng tương quan yếu với quy mô của ngân hàng.

Sự lựa chọn khoảng thời gian nghiên cứu được phát triển bởi Rhoades (1998), ông ta đã chỉ ra rằng, với sự đồng ý nhất trí cao giữa các chuyên gia rằng khoảng một nửa những hiệu quả đạt được là rõ ràng sau một năm và tất cả các lợi ích có thể được nhận thấy khoảng 3 năm sau hợp nhất. Trong suốt thời đoạn 2006 – 2012 được chia thành 2 giai đoạn: giai đoạn 2006 - 2011 là giai đoạn trước hợp nhất và năm 2012 được xem là năm sau hợp nhất, vì M&A được mong đợi sẽ có nhiều tác động đến hiệu quả của các ngân hàng ở Việt Nam. Do kết quả kinh doanh năm 2012 chưa được cung cấp nên tác giả sử dụng kết quả kinh doanh theo quý (quý III hàng năm) làm cơ sở so sánh và phân tích. Hiệu quả tổng thể kỳ vọng của Ngân hàng Thương mại Cổ phần Nhà Hà

Nội (HBB) và Ngân hàng SHB trong giai đoạn trước và sau hợp nhất được so sánh, thơng qua phân tích các điểm hiệu quả kỹ thuật thuần và các điểm hiệu quả quy mơ.

Nó cũng là sự quan tâm chủ yếu để giải thích các yếu tố quyết định của các điểm hiệu quả kỹ thuật được đưa ra từ mơ hình DEA. Như định nghĩa trong phương trình (1.6) điểm DEA nằm trong khoảng từ 0 đến 1 (0<h*≤1) tạo ra biến phụ thuộc một biến phụ thuộc bị giới hạn. Một ảnh hưởng phổ biến cho thấy trong những nghiên cứu trước đây là sử dụng mơ hình Tobit có thể nghiên cứu các đặc trưng phân phối của các thước đo hiệu quả và vì vậy cung cấp các kết quả mà có thể định hướng các chính sách để cải thiện hiện trạng. Các thước đo hiệu quả DEA đạt được trong giai đoạn đầu là các biến phụ thuộc trong giai đoạn hai của mơ hình Tobit. Mơ hình cũng được biết đến như là các mơ hình hồi qui bị cắt xén bớt với các sai số kỳ vọng khác 0. Vì vậy, ước lượng với một hệ số hồi qui theo phương pháp bình phương nhỏ nhất (Ordinary Least Squares – OLS) của h* sẽ đưa đến một ước lượng tham số lệch khi OLS giả định một phân phối chuẩn và hiệp phương sai đồng nhất bị xáo trộn (Maddala, 1983).

Trong những năm gần đây, nhiều ứng dụng DEA áp dụng cho một nghiên cứu 2 thời đoạn liên quan đến cả DEA và Tobit. Trong đó, Jackson và Fethi (2000) đã ứng dụng mơ hình DEA với Tobit để đánh giá hiệu quả kỹ thuật ở các ngân hàng Thổ Nhĩ