Tương tự cách tiếp cận của Tan và Floros (2012b), tác giả đưa thêm biến trễ của biến
3.3.2. Phương pháp nghiên cứu
Luận án sử dụng phương pháp hồi quy tuyến tính cổ điển (Ordinary Least Square - OLS), phương pháp hồi quy tác động cố định (Fixed Effect Model – FEM), phương pháp hồi quy tác động ngẫu nhiên (Random Effect Model – REM) để kiểm tra ảnh hưởng của SMV lên hiệu quả ngân hàng. Các biến kiểm soát được khảo lược từ lý thuyết có ý nghĩa giải thích cho biến hiệu quả ngân hàng. Trong đó, luận án sử dụng các kiểm định cần thiết để so sánh và từ đó lựa chọn mơ hình nghiên cứu phù hợp, tuy nhiên vẫn đưa kết quả hồi quy theo các phương pháp còn lại vào bảng kết quả để tiện đối chiếu kết quả.
Để kiểm sốt vấn đề nội sinh tiềm tàng và tính động (dynamic nature) của mơ hình nghiên cứu có chứa biến đo lường trễ của biến phụ thuộc chính (Tan và Floros, 2012b), luận án sử dụng phương pháp tổng quát hóa thời điểm hệ thống (S-GMM) để hồi quy, kiểm tra tính vững của kết quả nghiên cứu trên. Trong đó, luận án sử dụng kiểm định Hansen để xem xét xem mơ hình có sử dụng q mức biến cơng cụ hay khơng (overidentifying) và kiểm định ý nghĩa của quá trình tự hồi quy AR(1) và AR(2) để xem xét sự tồn tại của tự tương quan bậc 1 và bậc 2 có trong mơ hình nghiên cứu hay khơng. Các biến kiểm sốt được khảo lược từ lý thuyết có ý nghĩa giải thích cho biến hiệu quả ngân hàng.
3.3.2.1. Hồi quy tuyến tính cổ điển, mơ hình tác động cố định và mơ hình tác động ngẫu nhiên
Luận án khai thác các phương pháp ước lượng mang tính cơ bản trong ước lượng hồi quy dữ liệu theo bảng. Dựa trên dữ liệu bảng này, ba phương pháp phổ biến để sử dụng trong hồi quy dữ liệu bảng bao gồm OLS, FEM và REM. Mơ hình tuyến tính cổ điển sẽ có dạng tổng qt như sau:
trong đó i là ngân hàng i tại thời điểm t; là biến độc lập của đối tượng quan sát i tại thời điểm t; là vector các biến đóng vai trò giải thích; là tham số hồi quy của biến độc lập; là phần dư (error term).
Nếu các yếu tố không đồng nhất và không quan sát được khơng tồn tại đồng thời, phần dư trong mơ hình hồi quy sẽ độc lập với các biến giải thích có trong mơ hình nghiên cứu, phương pháp hồi quy tuyến tính cổ điển sẽ bị vi phạm các giả định nền tảng, do đó OLS sẽ khơng nhất qn và bị chệch. Thêm nữa, nếu tồn tại các yếu tố không quan sát được của các quan sát chéo (cross-sectional observations) theo ngân hàng, phương pháp hồi quy FEM và REM nên được sử dụng thay thế OLS. Theo đó, phần dư mơ hình có thể tách thành 2 thành phần bao gồm yếu tố nhiễu cố định theo đối tượng (individual error component) và nhiễu mang tính chất đặc thù theo từng đối tượng (idiosyncratic error). Nhiễu đặc thù phải đảm bảo không tương quan với các yếu tố nhiễu cố định và các biến giải thích sử dụng trong mơ hình.
Nếu tương quan với các biến độc lập có trong mơ hình, phương pháp hồi quy FEM giúp kiểm sốt các yếu tố cố định khơng thay đổi theo thời gian (chỉ thay đổi theo đối tượng nghiên cứu) nên sẽ tạo ra các tham số hồi quy được ước lượng một cách đáng tin cậy (so sánh với phương pháp OLS). Nếu không tương quan với , phương
pháp hồi quy OLS nhất quán nhưng khơng hiệu quả bởi vì có thể xảy ra vấn đề phương sai phần dư thay đổi và phần dư có thể đối mặt với hiện tượng tự tương quan. Để cải thiện hiệu quả ước lượng cần sử dụng mơ hình REM.
Để xác định phương pháp hồi quy nào phù hợp hơn trong ba phương pháp hồi quy OLS, FEM và REM cần sử dụng hai kiểm định cơ bản như sau:
• Kiểm định thống kê F (để chọn lựa giữa phương pháp hồi quy FEM và OLS, với giả thuyết H0 là tác động cố định bằng 0 nên mơ hình OLS phù hợp và ngược lại H1 là tác động cố định khác 0 nên mơ hình FEM phù hợp).
• Kiểm định Hausman (để chọn lựa giữa phương pháp hồi quy FEM hay REM). Thực chất kiểm định Hausman để xem xét có tương quan với biến độc lập hay khơng. Theo đó giả thuyết H0 là sai số thành phần của các đối tượng khác nhau không tương quan với biến độc lập (chọn REM) và H1 là sai số thành phần của các đối tượng khác nhau tương quan với biến độc lập (chọn FEM). Trong luận án này, phương pháp hồi quy phù hợp được trình bày ở dòng cuối cùng của mỗi bảng kết quả hồi quy.
Để kiểm tra mơ hình nào là phù hợp trong 03 mơ hình OLS, FEM và REM, luận án sử dụng các kiểm định như sau: Kiểm định thống kê F để lựa chọn FEM (hoặc bác bỏ FEM, chọn OLS); kiểm định nhân tử Lagrange (Breusch-Pagan Lagrange Multiplier - LM) để chọn REM (hoặc bác bỏ REM chọn OLS); và kiểm định Hausman để lựa chọn giữa FEM và REM. Các phương pháp kiểm định được tổng hợp trong Bảng 3.3.
Bảng 3.3: Các kiểm định thống kê để lựa chọn mơ hình Kiểm định thống kê F Kiểm định nhân tử Lagrange (LM) Kiểm định Hausman Mơ hình phù hợp H0 khơng bị bác bỏ (không phải FEM)
H0 không bị bác bỏ
(không phải REM) OLS
(không phải FEM)
H0 bị bác bỏ (FEM) H0 không bị bác bỏ
(không phải REM) FEM
H0 bị bác bỏ (FEM) H0 bị bác bỏ (REM) H0 bị bác bỏ (FEM) FEM H0 bị bác bỏ (FEM) H0 bị bác bỏ (REM) H0 không bị bác bỏ
(REM) REM
Nguồn: Tổng hợp của tác giả
Hơn nữa, để đảm bảo mơ hình hồi quy hiệu quả, phân tích phương sai theo nhóm bằng kiểm định Wald và tự tương quan bằng kiểm định Wooldridge được sử dụng trong luận án. Nếu tồn tại vấn đề có liên quan đến phương sai thay đổi hoặc phần dư tự tương quan, sai số ước lượng chuẩn (robust standard errors) được tính tốn để cải thiện hiệu quả của ước lượng.
3.3.2.2. Phương pháp hồi quy tổng quát hóa thời điểm hệ thống (S-GMM)
Wintoki và cộng sự (2012) chỉ ra rằng độ chệch của tham số hồi quy gây ra bởi hiện tượng nội sinh vẫn còn tồn tại vì FEM và REM chỉ kiểm sốt chính các yếu tố khơng đồng nhất không quan sát được (unobserved heterogeneity). FEM và REM khơng kiểm sốt được vấn đề nội sinh gây ra bởi sai số đo lường, các biến nghiên cứu nội sinh có tính chất khơng đổi theo thời gian và quan hệ nhân quả (reverse causality) xảy ra trong các nghiên cứu lĩnh vực tài chính. Do đó, sử dụng FEM và REM sẽ bị chệch, đặc biệt là trong dữ liệu bảng ngắn (Cameron và Trivedi, 2005). Để giải quyết vấn đề này, một vài nghiên cứu trước đã sử dụng ước lượng biến công cụ (IV estimators) hoặc GMM bảng động (dynamic panel GMM). Tuy nhiên, một vấn đề khi sử dụng ước lượng biến cơng cụ là việc khó khăn trong tìm kiếm biến cơng cụ thỏa mãn tiêu chí biến cơng cụ có hiệu lực vì nếu biến cơng cụ yếu, phương pháp ước lượng biến cơng cụ sẽ bị chệch. Hay nói cách khác, ước lượng biến cơng cụ với biến công cụ không hiệu lực sẽ không cải thiện hơn so với ước lượng OLS. Do đó, luận án này sử
dụng ước lượng bảng động GMM do Arellano và Bond (1991) đề xuất để xử lý vấn đề nội sinh và có được biến cơng cụ hiệu quả.
Để kiểm sốt hiện tượng nội sinh và tự tương quan trong dữ liệu bảng không cân bằng, hồi quy tổng quát hóa thời điểm hệ thống (System Generalized Method of Moments – SGMM) được sử dụng để nghiên ảnh hưởng của SMV lên hiệu quả và rủi ro của ngân hàng. Rủi ro và hiệu quả của năm hiện tại có thể phụ thuộc vào rủi ro và hiệu quả của năm trước do các ngân hàng có thể hoạch định kế hoạch các chỉ tiêu rủi ro và hiệu quả ngân hàng cho kỳ sau. Thêm nữa, Athanasoglou và cộng sự (2008) kết luận rằng hiệu quả và rủi ro của ngân hàng (được tính tốn bằng ROA) năm hiện tại sẽ phụ thuộc vào hiệu quả và rủi ro của năm trước.
Mơ hình GMM được phát triển lần đầu tiên bởi Arellano và Bond (1991). Đặc điểm chính của mơ hình là sử dụng biến trễ của biến độc lập được sử dụng làm biến cơng cụ trong mơ hình. Mơ hình này được gọi là sai phân GMM (GMM difference hoặc D-GMM), tuy nhiên sau đó bị chỉ trích bởi Arellano và Bover (1995) với quan điểm rằng biến cơng cụ trong mơ hình D-GMM yếu. Do đó hệ thống GMM (system GMM hoặc S-GMM) được phát triển bằng việc sử dụng biến trễ của biến phụ thuộc và biến độc lập ở quan sát gốc và sai phân của nó để làm biến cơng cụ. S-GMM có tham số ước lượng hiệu quả hơn D-GMM vì nó cho phép sử dụng mơ hình gốc với biến cơng cụ là sai phân bậc nhất và mơ hình ở dạng sai phân với biến công cụ ở quan sát gốc (Rashid, 2013).
Như vậy, mơ hình ước lượng bằng GMM đảm bảo tính hiệu quả và nhất quán của tham số hồi quy ước lượng miễn là mơ hình khơng gặp phải vấn đề tự tương quan bậc 2 – AR (2) và biến công cụ sử dụng là vững (sử dụng kiểm định Sargan để kiểm tra). Cụ thể, Arellano và Bond (1991) đề xuất sử dụng 02 kiểm định chính để kiểm tra tính hiệu lực của hồi quy bằng GMM. Kiểm định đầu tiên là kiểm định Sargan hoặc
Hansen. GMM đòi hỏi các ràng buộc không được xác định quá mức (overindentifying autocorrelation). Kiểm định thứ hai là kiểm định của Arellano – Bond cho vấn đề tự tương quan phần dư. Theo đó, phần dư trong sai phân bậc nhất AR (1) được kỳ vọng là có tương quan nhưng khơng nên có tự tương quan sai số trong sai phân bậc hai AR (2). Điều kiện tương quan sai số bậc 2 nghĩa là giá trị quá khứ của biến phụ thuộc vượt q độ trễ nào đó (để kiểm sốt tính động của các mối quan hệ thực nghiệm) là biến cơng cụ có hiệu lực vì nó ngoại sinh với các cú sốc hiện tại trong biến phụ thuộc (Wintoki và cộng sự, 2012). Thêm nữa, theo cách tiếp cận của Arellano và Bover (1995) và Blundell và Bond (1998), S-GMM có thể kiểm sốt tính chệch trong tham số ước lượng do tính khơng đồng nhất không quan sát được theo từng ngân hàng và tính đồng thời của các biến giải thích (phần bên phải) của mơ hình hồi quy ước lượng.
Mặc dù ước lượng GMM hiện nay được khai thác định lượng phổ biến, một trong những bất lợi của GMM là phương pháp này phức tạp và dễ tạo ra các ước lượng khơng hiệu lực (Roodman, 2009). Do đó, luận án sẽ trình bày các ước lượng OLS, FEM, REM và GMM để so sánh với nhau và đảm bảo độ vững của kết quả hồi quy.
TÓM TẮT CHƯƠNG 3
Chương 3 cung cấp chi tiết về phương pháp nghiên cứu được khai thác trong luận án. Mở đầu bằng phác thảo quy trình các bước nghiên cứu, sau đó chương 3 trình bày các mơ hình nghiên cứu theo từng mối quan hệ giữa các khái niệm nghiên cứu chính, bao gồm mơ hình gốc và mơ hình có biến trễ của biến phụ thuộc để kiểm sốt qn tính hiệu quả và rủi ro. Các mơ hình này kế thừa chủ yếu từ nghiên cứu của Tan và Floros (2012b) và Rashid và Ilyas (2018). Cụ thể, mơ hình 1 và 2 lần lượt trình bày ảnh hưởng của SMV lên hiệu quả và rủi ro ngân hàng, trong khi mơ hình 3 thêm vào biến tương tác để kiểm sốt tác động của yếu tố quy mơ lên ảnh hưởng của SMV đối với hiệu quả và rủi ro ngân hàng. Trong từng mơ hình các tập biến quan sát gồm các yếu tố liên quan đặc thù ngân hàng, ngành và vĩ mơ được kiểm sốt.
Dữ liệu thứ cấp luận án sử dụng khai thác từ báo cáo tài chính của 24 NH TMCP niêm yết trong giai đoạn quý 3/2006 đến quý 1/2021. Thêm nữa, luận án sử dụng một số phương pháp hồi quy truyền thống như OLS, FEM và REM kết hợp với các phương pháp kiểm định lựa chọn mơ hình để tiến hành hồi quy và thảo luận kết quả trong chương 4. Ngoài ra, luận án còn sử dụng S-GMM để kiểm soát được các khuyết tật tiềm tàng trong mơ hình như nội sinh (endogeneity), tự tương quan (autocorrelation) và phương sai thay đổi (heteroskedaticity), từ đó tạo ra hệ số hồi quy nhất quán và tin cậy sử dụng cho suy diễn kết quả thống kê.