Biến Mô tả Đo lường Dấu kỳ
vọng Biến phụ thuộc
NPL_LOAN Nợ xấu/tổng dư nợ
Biến độc lập
GDP Tốc độ tăng GDP Logarit cơ số tự nhiên -
CPI Chỉ số lạm phát Logarit cơ số tự nhiên +
NPL Nợ xấu Logarit cơ số tự nhiên +
LOANS Tốc độ tăng tín dụng
LOANSt - LOANSt-1 LOANSt-1
+
SIZE Quy mô ngân hàng Logarit cơ số tự nhiên + LnL_AT Tỷ lệ cho vay trên
tổng tài sản
LOANSt/ASSETt +
Mơ hình nghiên cứu:
Theo một số nghiên cứu trước đây (Fofack, 2005; Abhiman Das và Saibal Ghosh, 2007; Irum Saba, Rehana Kouser và Muhammad Azeem, 2012; Messai & Jouini, 2013) thì các thành phần tốc độ tăng trưởng nền kinh tế, chỉ số lạm phát, nợ xấu, tốc độ tăng tín dụng, quy mơ ngân hàng, tỷ lệ cho vay trên tổng tài sản có mối quan hệ với nợ xấu.
Tác giả sử dụng mơ hình hồi quy tuyến tính đa biến để xem xét ảnh hưởng của các biến độc lập đến biến phụ thuộc. Dữ liệu chuỗi thời gian được sử dụng trong nghiên cứu. Theo những thảo luận trên ta có thể xây dựng phương trình cho tỷ lệ các
NPL_LOAN = β0 + β1GDP + β2CPI + β3NPL + β4LOANS + β5SIZE + β6LnL_AT + εi
Trong đó:
NPL_LOAN: Tỷ lệ nợ xấu của ngân hàng, bằng tổng dư nợ từ nhóm 3 đến nhóm 5 chia cho tổng dư nợ.
GDP: Tăng trưởng GDP CPI: Chỉ số lạm phát NPL: Nợ xấu
LOANS: Tốc độ tăng trưởng tín dụng SIZE: Quy mơ ngân hàng
LnL_AT: Tỷ lệ cho vay trên tổng tài sản β0: Hằng số của mơ hình
ε: hệ số hồi quy, là phần dư của phương trình hồi quy (đại diện cho sai số và các biến không xuất hiện trong mơ hình).
3.3 Phương pháp nghiên cứu: Phân tích hồi quy Phân tích hồi quy
Phân tích hồi quy được dùng để tìm quan hệ phụ thuộc của một biến, được gọi là biến phụ thuộc vào một hoặc nhiều biến khác, được gọi là biến độc lập nhằm mục đích ước lượng hoặc tiên đốn giá trị kỳ vọng của biến phụ thuộc khi biết trước giá trị của biến độc lập cũng như biết được chiều tác động của biến độc lập đến biến phụ thuộc. Phương pháp này cho phép tác giả đưa ra những bằng chứng để trả lời các câu hỏi nghiên cứu của luận văn. Hệ số P-value của kết quả phân tích hồi quy cho biết mức độ tác động của các biến độc lập lên từng biến phụ thuộc. Các mức thống kê có ý nghĩa thường được sử dụng là 1%, 5%, 10%, Tác giả chọn mức thống kê có ý nghĩa là 5% nghĩa là biến độc lập chỉ được xem là có ảnh hưởng mạnh đến biến phụ thuộc khi giá trị Prob của từng biến độc lập trong mơ hình hồi quy nhỏ hơn 5% (P-value<0,05), và ngược lại. Hệ số R2 (R-squared) hoặc R2 điều chỉnh (adjusted R-squared) từ kết quả
phân tích sẽ cho biết khả năng tất cả các biến độc lập giải thích được sự biến động của NPL trong mơ hình hồi quy
Kiểm định F về tính thích hợp của mơ hình
Vấn đề tiếp theo sau khi phân tích hồi quy là kiểm tra sự phù hợp của mơ hình đối với tập dữ liệu qua giá trị R2. Để kiểm định độ phù hợp của mơ hình hồi quy tổng thể, ta cần kiểm định giả thiết H0: R2 = 0. Tương tự như phân tích hồi quy, giá trị Prob cũng được sử dụng trong kiểm định này. Nếu giá trị Prob nhỏ hơn 5% thì bác bỏ giả thiết H0.
Kiểm định Durbin – Watson về tự tương quan
Sau khi kiểm định sự phù hợp của mơ hình, bước kế tiếp là kiểm định hiện tượng tự tương quan của các biến trong mơ hình, sử dụng phương pháp kiểm định d của Durbin – Watson. Phương pháp kinh nghiệm được sử dụng để phát hiện tình trạng tự tương quan như sau:
Khi 0<d<1 thì kết luận mơ hình có sự tương quan dương Khi 1<d<3 thì kết luận mơ hình khơng có sự tương quan Khi 3<d<4 thì kết luận mơ hình có sự tương quan âm
3.4 Kết quả nghiên cứu:
Phân tích hồi quy: Trong nghiên cứu này, tác giả chọn mức thống kê có ý nghĩa là 5% nghĩa là biến độc lập chỉ được xem là có ảnh hưởng mạnh đến biến phụ thuộc khi giá trị Prob của từng biến độc lập trong mơ hình hồi quy nhỏ hơn 5% (P- value<0,05), và ngược lại.
Hình 3.1: Kết quả phân tích mơ hình hồi quy
Dependent Variable: NPL_LOAN Method: Least Squares
Date: 10/14/14 Time: 10:21 Sample: 2008Q1 2013Q4
Included observations: 22
Variable Coefficient Std. Error t-Statistic Prob.
C 0.424716 0.100624 4.220810 0.0007 LOG(GDP) -0.002894 0.002790 -1.037281 0.3160 LOG(CPI) -0.000105 0.000603 -0.173913 0.8643 LOG(NPL) 0.044046 0.003157 13.95332 0.0000 LOAN 0.010943 0.013770 0.794641 0.4392 LOG(SIZE) -0.056141 0.009397 -5.974525 0.0000 LOAN_TTS -0.098391 0.018077 -5.442850 0.0001
R-squared 0.985982 Mean dependent var 0.039608
Adjusted R-squared 0.980375 S.D. dependent var 0.015203
S.E. of regression 0.002130 Akaike info criterion -9.212287 Sum squared resid 6.80E-05 Schwarz criterion -8.865137
Log likelihood 108.3352 F-statistic 175.8469
Durbin-Watson stat 1.022587 Prob(F-statistic) 0.000000
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eview
Kết quả phân tích mơ hình hồi quy đã diễn tả mối quan hệ giữa NPL_LOAN và 6 biến độc lập. Phương trình hồi quy tuyến tính là :
NPL_LOAN = 0,424716 – 0,002894*LOG(GDP) - 0,000105*LOG(CPI) + 0,044046*LOG(NPL) + 0,010943*LOAN - 0,056141*LOG(SIZE) – 0,098391*LOAN_TTS
Kết quả hồi quy cho thấy các biến GDP, CPI, SIZE, LOAN_TTS là âm cho thấy có quan hệ nghịch với NPL_LOAN. Giá trị Prob của biến SIZE và LOAN_TTS lần lượt là 0,0000 và 0,0001 là rất nhỏ so với 0,05 cho thấy chúng có tác động ý nghĩa thống kê đến NPL_LOAN. Quy mô và tỷ lệ cho vay trên tổng tài sản của ngân hàng có tác động ngược chiều với nợ xấu. Biến GDP, CPI có Prob > 0,05 khơng có tác động ý
Các biến NPL, LOAN là dương cho thấy có mối quan hệ thuận với NPL_LOAN. Giá trị Prob của biến NPL là 0,0000 là rất nhỏ so với 0,05 cho thấy có tác động ý nghĩa thống kê đến NPL_LOAN. Tỷ lệ nợ xấu kỳ trước có tác động mạnh tới NPL_LOAN. Ngân hàng có mức nợ xấu cao hiện tại sẽ có tỷ lệ nợ xấu cao vào năm tiếp theo. Tốc độ tăng trưởng tín dụng cao trong khi trình độ và kỹ năng quản trị còn chưa theo kịp, kiểm soát lỏng lẻo nên chất lượng tín dụng thấp và nợ xấu tăng cao, Biến LOAN có Prob là 0,4392 > 0,05 khơng có tác động ý nghĩa thống kê đến NPL_LOAN.
Kiểm định F về tính thích hợp của mơ hình
Sau khi phân tích hồi quy ta cần kiểm tra sự phù hợp của mơ hình với tập dữ liệu qua giá trị R2, Để kiểm định độ phù hợp của mơ hình hồi quy tổng thể, ta cần kiểm định giả thiết H0; R2 = 0, Tương tự như phân tích hồi quy, giá trị Prob cũng được sử dụng trong kiểm định này, Nếu giá trị Prob nhỏ hơn 5% thì bác bỏ giả thiết H0,
F-statistic 175,8469
Prob(F-statistic) 0,000000
Kết quả cho thấy giá trị F = 175,8469 với Prob = 0,000000 (<0,05), Do đó ta bác bỏ giả thiết H0 (R2=0),
Kết luận: Mơ hình phù hợp với tập dữ liệu với R2 = 0,980375 (hay mơ hình giải thích/dự báo được 98% giá trị của biến phụ thuộc)
Kiểm định Durbin-Watson về tự tương quan
Sau khi kiểm định sự phù hợp của mơ hình với tập dữ liệu, ta cần kiểm định hiện tượng tự tương quan của các biến trong mơ hình, Phương pháp kiểm định có ý nghĩa nhất để phát hiện tình trạng tự tương quan xảy ra trong mơ hình là kiểm định d của Durbin – Watson, Phương pháp kinh nghiệm được sử dụng để phát hiện tình trạng tự tương quan như sau:
Khi 0<d<1 thì kết luận mơ hình có tự tương quan dương Khi 1<d<3 thì kết luận mơ hình khơng có tự tương quan
Khi 3<d<4 thì kết luận mơ hình có tự tương quan âm
Durbin – Watson = 1,022587 nên ta kết luận mơ hình khơng có tự tương quan
Hình 3.2: Kết quả tương quan chi tiết giữa các biến độc lập
LOG(GDP) LOG(CPI) LOG(NPL) LOAN LOG(SIZE) LOAN_TTS LOG(GDP) 1.000000 0.438342 -0.205824 -0.218150 -0.212406 -0.303195 LOG(CPI) 0.438342 1.000000 -0.354909 -0.142465 -0.425542 -0.285368 LOG(NPL) -0.205824 -0.354909 1.000000 -0.146270 0.951331 0.796379 LOAN -0.218150 -0.142465 -0.146270 1.000000 -0.125244 0.155878 LOG(SIZE) -0.212406 -0.425542 0.951331 -0.125244 1.000000 0.702734 LOAN_TTS -0.303195 -0.285368 0.796379 0.155878 0.702734 1.000000
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eview
Giữa các biến độc lập khơng có sự tương quan mạnh với nhau. Kết luận: các biến độc lập thỏa mãn điều kiện tự tương quan