L ỜI MỞ ĐẦU
2.3 Nghiên cứu định lượng các yếu tố kinh tế vĩ mô tác động đến lãi suất tiền
gửi của hệ thống NHTM:
2.3.1 Quy trình thực hiện nghiên cứu định lượng :
+ Kiểm định hệ số tương quan giữa biến phụ thuộc và các biến độc lập. + Kiểm định tính dừng của các biến để loại trừ hiện tượng hồi quy giả mạo. + Kiểm định sự cần thiết của các biến, để loại bỏ bớt biến không cần thiết, đồng thời khắc phục hiện tượng đa cộng tuyến khơng hồn hảo (nếu có).
+ Kiểm định độ trễ tối ưu.
+ Mơ hình hồi quy cuối cùng của các biến cần thiết.
2.3.2 Phân tích sự phù hợp các yếu tố trong mơ hình
Bước đầu tiên khi tiến hành phân tích hồi quy tuyến tính bội thì cần phải xem xét mối tương quan tuyến tính giữa các biến. Ở đây tác giả sử dụng lệnh Correlation trong phần mềm Eviews để thực hiện.
Bảng 2.2 Bảng ma trận tương quan giữa các biến.(Phụ lục 2) Ma trận tương quan R CPI M2 SXCN TMBL EX R 1.0000 CPI 0.8286 1.0000 M2 0.2104 -0.0476 1.0000 SXCN 0.3050 0.0422 0.9588 1.0000 TMBL 0.2567 -0.0134 0.9864 0.9599 1.0000 0.9696 EX 0.2888 0.0249 0.9402 0.9279 0.9696 1.0000
Theo như kết quả của bảng 2.2 thể hiện sự tương quan giữa các biến, ta nhận thấy hệ số tương quan giữa R với các chỉ số còn lại khá đồng đều, riêng duy nhất với chỉ số CPI thì có mối quan hệ tương đối lớn. Tuy nhiên nhìn chung thì ta vẫn có thể kết luận biến độc lập này có thể đưa vào mơ hình để giải thích cho lãi suất R. Đồng thời hệ số tương quan giữa các biến M2, TMBL, SXCN và EX khá cao, thấp nhất là 0.9279. Ở đây nhìn chung ta có thể thấy được có hiện tượng đa cộng tuyến khơng hồn hảo.
Có nhiều nguyên nhân khách quan dẫn đến sự tự tương quan như sau:
• Do tính trễ của các yếu tố trong kinh tế: các yếu tố luôn tồn tại một tính trễ nhất định, biến phụ thuộc thời kỳ hiện tại có liên quan với chính nó ở thời kỳ trước và có thể tương quan với tương lai, do đó sai số cũng có tính trễ đó.
• Do q trình xử lý và tập hợp số liệu: Những số liệu theo thời gian trong quá trình sắp xếp, xử lý có thể tạo ra những tương quan chuỗi. Ở đây tác giả thu thập từ nhiều nguồn dữ liệu khác nhau nên có các cách tính khác nhau, do đó sai sót trong qua trình xử lý và thu thập số liệu sẽ không thể tránh khỏi.
Theo lý thuyết thì chúng ta có nhiều phương pháp để loại trừ hiện tượng đa cộng tuyến giữa các biến như : mở rộng mẫu số liệu thu thập, bỏ biến, sử dụng sai phân bậc 1 trong mơ hình hồi quy, thay đổi dạng mơ hình nghiên cứu…. Với khó khăn ập dữ liệu nên vấn đề mở rộng mẫu số liệu tác giả xin phép bỏ
qua, còn phương pháp bỏ biến hoặc sử dụng sai phân bậc 1 thì tác giả cần thực hiện thêm một số phương pháp như kiểm định tính dừng, kiểm định độ trễ tối ưu và kiểm định sự cần thiết của việc bỏ biến, các phương pháp sẽ được trình bày tiếp theo dưới đây.
Ngồi ra so với thực tiễn tại Việt Nam thì chúng ta cũng khơng cảm thấy khó hiểu vì sao các yếu tố như cung tiền, tổng mức bán lẻ hàng hóa và dịch vụ, tỷ giá hối đoái và chỉ số sản xuất cơng nghiệp lại có mối quan hệ tương quan với nhau, bởi vì bản thân các quốc gia đều phải tuân theo quy tắc của Bộ Ba Bất Khả Thi, buộc phải hy sinh 1 trong 3 yếu tố chính để phát triển đất nước. Đối với Việt Nam thì mọi chủ trương chính sách phát triển và ổn định đất nước đều có sự tham gia và thống nhất ý kiến của Chính Phủ và NHTW, ở đây cụ thể là sự khơng độc lập về chính sách tiền tệ của NHTW. Mọi điều chỉnh về sự thay đổi của NHTW đều phải chú ý tới chính sách tăng trưởng của đất nước như giá cả tiêu dùng, sự phát triển của nền công nghiệp, lượng đầu tư trong nước và nước ngoài cũng như chú ý tới vấn đề chi tiêu của ngân sách nhà nước, đặc biệt trong vấn đề dự trữ ngoại hối và cân đối thâm hụt ngân sách nhà nước. Đã có một kết luận cụ thể của bài nghiên cứu về vấn đề trên như sau : “ Để tiếp tục duy trì tăng trưởng kinh tế thì tốc độ giải ngân tín dụng trung bình phải cao hơn 1% so với tốc độ tăng trưởng, điều này kéo theo lạm phát gia tăng. Khi lạm phát gia tăng sẽ gây khó khăn cho chính các cơng ty xuất nhập khẩu, đồng thời NHTW bị sức ép từ chính các vấn đề thâm hụt ngân sách và đầu tư nước ngoài nên dẫn đến tỷ giá cũng bị ảnh hưởng và điều chỉnh theo.”
Trong nền kinh tế, thông thường các nhân tố ảnh hưởng tới nhau không xảy ra trong cùng kỳ mà thường diễn ra trễ hơn một vài kỳ, do vậy muốn xác định và dự báo mức độ ảnh hưởng của các nhân tố vĩ mơ đến lãi suất tiền gửi thì ta cần xác định độ trễ của từng biến trong mơ hình.
Trước khi xác định độ trễ của các biến thì cần phải kiểm định tính dừng của các biến. Phương pháp Unit Root Test sẽ giúp chúng ta tìm nghiệm đơn vị để thể hiện tính dừng của các biến, đồng thời chương trình Eviews sẽ tự động tìm ra độ trễ tối ưu thông qua chỉ số AIC. Biến được đưa vào xem xét có tính dừng khi giá trị tuyệt
đối của t-statistic lớn hơn giá trị tuyệt đối của Test Critical values với các mức ý nghĩa tùy chọn 1%, 5% và 10%.
Theo phụ lục 4 ta có biến R có tính dừng tại chuỗi gốc và có độ trễ tối ưu là 5 tháng với mức ý nghĩa 10%.
Theo phụ lục 5 biến CPI có tính dừng tại chuỗi gốc và độ trễ tối ưu là 6 tháng với mức ý nghĩa 10%.
Theo phụ lục 6 biến SXCN có tính dừng tại sai phân bậc 1 và có độ trễ tối ưu là 10 tháng với mức ý nghĩa là 10%.
Theo phụ lục 7 biến M2 có tính dừng tại chuỗi sai phân bậc 1 và có độ trễ tối ưu là 2 tháng với mức ý nghĩa 10%.
Theo phụ lục 8 biến tỷ giá giá hối đối EX có tính dừng tại sai phân bậc 1 và độ trễ tối ưu là 0 tháng.
Theo phụ lục 9 biến TMBL có tính dừng tại sai phân bậc 1 và có độ trễ tối ưu là 1 tháng.
Sau khi kiểm định về tính dừng để khơng xảy ra hiện tượng mơ hình hồi quy giả mạo, kiểm định độ trễ tối ưu của các biến khi tác động riêng lẻ lên biến lãi suất tiền gửi và mối quan hệ tương quan giữa các biến kinh tế vĩ mơ tác giả tiếp tục tiến hành lập phương trình hồi quy của các biến thông qua phần mềm Eviews và kết quả được thể hiện ở bảng sau đây:
Bảng 2.3 : Kết quả mơ hình hồi quy.( Nguồn: phụ lục 3)
Biến số Hệ số hồi quy Sai số chuẩn Giá trị thống kê t P-value
C 5.05183593 3.25314905 1.5529 0.1235 CPI 0.29268514 0.02601275 11.2516 0.0000 M2 -0.00000160 0.00000061 -2.6283 0.0290 SXCN 0.00004203 0.00002363 1.7786 0.0979 TMBL 0.00002743 0.00001441 1.9042 0.1022 EX -0.00002439 0.00023423 -0.1041 0.9173
Phương trình hồi quy các biến như sau:
R= 5.052+ 0.2926CPI – 0.0000016M2+ 0.0000420SXCN+ 0.0000274 TMBL - 0.0000244 EX .
Dựa trên giá trị Prob (tương đương với P- value) của mơ hình ước lượng hồi quy ta nhận thấy các biến EX có giá trị cao hơn 0.6, có nghĩa là khơng phù hợp với biến phụ thuộc R với mức ý nghĩa 10%, cùng với giá trị thống kê t nhỏ hơn 1.96 nên càng làm cho nhận định của tác giả trở nên khả quan. Cùng với R2 đạt 77% nên tập số liệu được thu thập từ 01/2005 – 12/2013 đạt được sự phù hợp 77% với mơ hình nghiên cứu.
Với hiện tượng đa cộng tuyến khơng hồn hảo của các biến, cùng với chỉ số p- value của yếu tố EX nên tác giả chọn xử lý hiện tượng đa cộng tuyến bằng phương pháp loại biến EX. Tác giả sử dụng phương pháp kiểm định sự thừa biến trong Eviews để kiểm tra xem biến EX có thật sự cần thiết với mơ hình hồi quy hay khơng, đồng thời đi đến mơ hình tối ưu hóa hơn.
2.3.3 Kiểm định sự cần thiết của các biến trong mơ hình
Tác giả kiểm định sự cần thiết của các biến theo phương pháp tổng quát – đơn giản, theo đó bước đầu sẽ hồi quy tất cả các biến, sau đó loại trừ từng biến để kiểm tra sự không cần thiết của từng biến. Eviews cung cấp cho chúng ta một phương pháp đơn giản để kiểm định sự thừa biến đó là Redundant Variables – Likelihood Ratio. Tác giả lần lượt kiểm định với các biến.
Với giả thuyết: Ho: Ci=0 Biến không cần thiết và H1: Biến cần thiết. Dựa trên giá trị Frob so sánh với mức ý nghĩa 10% để đưa ra kết luận. Nếu giá trị Frob < α thì bác bỏ giả thiết Ho và chấp nhận giả thiết H1, tương tự nếu giá trị Frob >α thì chấp nhận giả thiết Ho.
Bảng 2.4 : Kiểm định Redundant Variables biến EX
Redundant Variables: EX
F-statistic 0.010888 Prob. F(1,102) 0.9171
Bảng 2.5 : Kiểm định Redundant Variables biến CPI
Redundant Variables: CPI
F-statistic 248.6688 Prob. F(1,102) 0.00001
Log likelihood ratio 133.3659 Prob. Chi-Square(1) 0.00001
Bảng 2.6 : Kiểm định Redundant Variables biến TMBL
Redundant Variables: TMBL
F-statistic 2.719422 Prob. F(1,102) 0.102211 Log likelihood ratio 2.841673 Prob. Chi-Square(1) 0.091849
Bảng 2.7 : Kiểm định Redundant Variables biến M2
Redundant Variables: M2
F-statistic 4.903171 Prob. F(1,102) 0.029033 Log likelihood ratio 5.070672 Prob. Chi-Square(1) 0.024334
Bảng 2.8 : Kiểm định Redundant Variables SXCN
Redundant Variables: SXCN
F-statistic 2.791121 Prob. F(1,102) 0.097854 Log likelihood ratio 2.915593 Prob. Chi-Square(1) 0.087727
Với mức ý nghĩa 10% ta thấy 4 biến CPI, SXCN, M2 và TMBL đều cần thiết cho mơ hình hồi quy, cịn biến EX khơng cần thiết cho mơ hình hồi quy nên sẽ tiến hành bỏ ra khỏi mơ hình.
Vậy tác giả đưa đến kết luận loại bỏ hiện tượng đa cộng tuyến khơng hồn hảo bằng phương pháp loại bỏ bớt biến EX, đồng thời tiến hành lập mơ hình hồi quy các biến CPI, M2, SXCN và TMBL bằng Eviews 5.1.
Bảng 2.9 : Mơ hình hồi quy 4 biến CPI, M2, SXCNvà TMBL. Nguồn : Phụ lục 15
Biến số Hệ số hồi quy Sai số chuẩn Giá trị thống kê t P-value
C 4.7117180 0.7958550 5.9203210 0.0000000 CPI 0.2925660 0.0184360 15.8692100 0.0000000 M2 -0.0000016 0.0000007 -2.3641620 0.0199000 SXCN 0.0000419 0.0000250 1.6755360 0.0969000 TMBL 0.0000262 0.0000114 2.3036480 0.0233000 R= 4,7117+ 0,2925CPI– 0,0000016M2+ 0,0000419SXCN+ 0,000026TMBL
Với mức ý nghĩa 10%, chúng ta có các phát biểu như sau:
Khi CPI tăng 1% thì lãi suất tiền gửi bình quân của các NHTM tăng 0,2925%. Khi cung tiền M2 tăng 1000 tỷ VNĐ thì lãi suất tiền gửi bình quân của các NHTM giảm 0,0016%.
Khi chỉ số SXCN do tổng cục thống kê báo cáo tăng 1000 tỷ VNĐ thì lãi suất tiền gửi có xu hướng tăng 0,0419%, điều này phù hợp với kỳ vọng ban đầu.Tuy nhiên theo bản thân tác giả thấy sẽ phù hợp khi nghiên cứu thêm tác động trong dài hạn, khi nền kinh tế ổn định thì các doanh nghiệp có nhu cầu gia tăng sản xuất thì các NHTM nên có động thái giảm lãi suất tiền gửi trong dài hạn để gián tiếp giảm lãi suất cho vay để đáp ứng nhu cầu mở rộng sản xuất kinh doanh.
Khi chỉ số TMBL do tổng cục thống kê báo cáo tăng 1000 tỷ VNĐ thì lãi suất tiền gửi có xu hướng tăng 0,026%.
Với giá trị Adjusted R square 76% (Phụ Lục) cho thấy mơ hình nghiên cứu phù hợp 76% với số liệu thu thập được trong thời gian 01/2005 – 12/2013.
Tiếp theo tác giả tiến hành lập mơ hình hồi quy theo độ trễ tối ưu của các biến để có sự so sánh phù hợp kết quả trước và sau tác động của các yếu tố kinh tế vĩ mô đến lãi suất tiền gửi tại các ngân hàng thương mại như thế nào.
Bảng 2.10: Mơ hình hồi quy tối ưu của các biến CPI, M2, SXCNvà TMBL Nguồn : Phụ lục 16
Biến số Hệ số hồi quy Sai số chuẩn Giá trị thống kê t P-value
C 3.915887 0.174900 22.389300 0.000000
CPI-6 0.305531 0.020120 15.185590 0.000000
D(M2)-2 0.0000005 0.000001 0.358043 0.721100
D(SXCN)-10 -0.000005 0.000023 -0.230788 0.817900
D(TMBL)-1 0.000032 0.000025 1.278133 0.204100
Phương trình hồi quy với các biến có độ trễ tối ưu.
R-5= 3,9158+ 0,3055CPI-6+ 0,0000005M2-2 -0,000005SXCN-10+ 0,000032TMBL-1 2.4 Tổng hợp kết quả q trình phân tích mơ hình định lượng
Từ khi bắt đầu nghiên cứu sự tác động của các yếu tố kinh tế vĩ mô đến lãi suất tiền gửi của NHTM, với 5 biến bao gồm : CPI, EX, TMBL, M2, SXCN. Sau khi xem xét sự phù hợp của các biến, xét mối quan hệ tương quan, sự vi phạm giả thiết của các biến và tầm quan trọng của các biến độc lập thì tác giả đã loại bớt biến EX. Sau đó tiến hành hồi quy ước lượng mơ hình với biến phụ thuộc là lãi suất tiền gửi R, thu được mơ hình như sau:
R= 4,7117+ 0,2925CPI– 0,0000016M2+ 0,0000419SXCN+ 0,000026TMBL
Kế tiếp tiến hành phân tích độ trễ tối ưu của các biến cịn lại để đem lại ý nghĩa hơn cho mơ hình cũng như hiểu rõ tác động của riêng biệt từng yếu tố kinh tế vĩ mô đến lãi suất tiền gửi. Đồng thời tiến hành lập mơ hình hồi quy với các biến có độ trễ tới ưu để tiện hơn cho việc so sánh giữa các biến trước và sau khi xem xét. Ta nhận thấy các hệ số của biến độc lập có sự khác nhau trong 2 mơ hình và mơ hình tối ưu đạt được 78% về sự phù hợp với mẫu thu thập được.
R-5= 3,9158+ 0,3055CPI-6+0,0000005M2-2 -0,000005SXCN-10+ 0,000032TMBL-1
Từ đây ta tiếp tục nhận xét lại một lần nữa về ý nghĩa mơ hình tối ưu
Khi CPI thay đổi tăng 1% thì mất khoảng thời gian 6 tháng để lãi suất huy động điều chỉnh tăng hoàn toàn 0,3055 %.
Khi chỉ số SXCN tăng 1000 tỷ VNĐ trong 1 tháng thì tương tự mất khoảng 10 tháng để NHTM có động thái thay đổi giảm lãi suất đúng hoàn toàn với tỷ lệ 0,005%. Điều này phù hợp kỳ vọng của tác giả về tính dài hạn khi bắt đầu ước lượng mơ hình. Khi nền kinh tế có dấu hiệu phục hồi phát triển thì bước đầu nền sản xuất cơng nghiệp cần có nguồn vốn để đầu tư phát triển, đã thúc đẩy các NHTM thu hút vốn để cho vay làm cho lãi suất tiền gửi bước đầu có dấu hiệu tăng lên. Tuy nhiên sau thời gian khoảng 10 tháng, lãi suất tiền gửi có động thái giảm xuống để tiếp tục hỗ trợ cho sự phát triển của ngành công nghiệp.
Khi chỉ số M2 tăng 1000 tỷ VNĐ trong 1 tháng thì lãi suất tiền gửi có chiều hướng tăng, tuy sẽ khơng tăng ngay mà cũng mất độ trễ 2 tháng để điều chỉnh. Ở đây có sự khác biệt nhau về chiều hướng tác động với mơ hình hồi quy thứ nhất, tuy nhiên điều này xét theo chiều hướng tác động của sự mở rộng cung tiền thì ta thấy có sự phù hợp, vì khi cung tiền tăng thì sẽ dẫn đến hiện tượng lạm phát gia tăng sau một thời gian cụ thể, khi lạm phát gia tăng thì yêu cầu lãi suất huy động sẽ gia tăng theo. Như vậy xét theo mơ hình tối ưu thì chỉ số cung tiền sẽ tác động tăng lãi suất huy động sau 7 tháng khi kết hợp với độ trễ tối ưu của biến lãi suất tiền gửi R là 5 tháng. Ở đây có sự phù hợp giữa 2 yếu tố cung tiền và lãi suất huy động, khi NHTW tăng cung tiền 1000 tỷ VNĐ thì mất khoảng thời gian 2 tháng để số tiền đó hồn tồn lưu thơng vào thị trường tiền tệ cũng như lãi suất tiền gửi cần thời gian 5 tháng để có sự điều chỉnh tăng phù hợp với hệ quả lạm phát của việc tăng cung tiền.
Khi chỉ số TMBL tăng 1000 tỷ VNĐ thì mất khoảng 1 tháng để lãi suất tiền gửi