3.3. Phương pháp nghiên cứu 49
3.3.2. Quy trình phân tích số liệu 50
Sau khi dữ liệu được thu nhập và trình bày theo tiêu chuẩn, các bước phân tích sau đây sẽ được thực hiện trước khi trình bày kết quả nghiên cứu. Bước đầu tiên của quy trình phân tích là thống kê mơ tả bảng dữ liệu, bao gồm: giá trị nhỏ nhất, giá trị lớn nhất, trung bình, trung vị, sai số chuẩn, độ lệch chuẩn,... để có cái nhìn tổng thể về dữ liệu nghiên cứu đã thu thập được. Sau đó phân tích đơn biến sẽ dược tiến hành, cụ thể là ma trận tương quan giữa tất cả các biến sẽ được xem xét để có cái nhìn sơ bộ về mối tương
51
quan giữa các biến độc lập với nhau và giữa các biến độc lập với biến phụ thuộc. Cũng từ ma trân tương quan này, dấu hiệu đa cộng tuyến của mơ hình sẽ được nhận biết. Các nghiên cứu về kinh tế lượng và kỹ thuật hồi quy đa biến của Wooldrige (2002), Gujarati (2004) đã đút kết kinh nghiệm: từ ma trận tương quan sẽ nhận biết được dấu hiệu đa cộng tuyến giữa các biến thông qua hệ số tương quan cặp của chúng. Cụ thể nếu hệ số tương quan cặp nằm trong khoảng 0,8 ÷ 1 thì mơ hình bị đa cộng tuyến. Bên cạnh đó có thể sử dụng hệ số nhân tử phóng đại phương sai (Variance Inflation Factors, VIF) để xem xét dấu hiệu đa cộng tuyến: VIF ≤ 5: khơng có hiện tượng đa cộng tuyến; 5 < VIF < 10: bắt đầu có đa cộng tuyến; VIF ≥ 10: đa cộng tuyến hoàn hảo. Đồng thời đồ thị của số trung bình và trung vị của các biến cũng giải thích mối liên hệ của chúng.
Sau khi đánh giá sơ bộ dữ liệu nghiên cứu qua thống kê mô tả nêu trên và đánh giá chiều tác động của các biến độc lập đến biến phụ thuộc, bộ dữ liệu được đưa vào phần mềm Eviews 7.0 để phân tích mơ hình hồi quy đa biến. Bước hồi quy sẽ được thực hiện với ba mơ hình cơ bản sau đây:
i. Mơ hình Pool (Pooled OLS Regression Model)
ii. Mơ hình tác động cố định (Fixed Effects Regression Model - FEM)
iii. Mơ hình tác động ngẫu nhiên (Random Effects Regression Model - REM)
Mơ hình hồi quy Pool: khai báo dữ liệu là dữ liệu bảng, mơ hình hồi quy này
không xét sự ảnh hưởng của thuộc tính thời gian và đặc tính của đối tượng quan sát (lấy mẫu), chỉ đơn thuần ước lượng mơ hình hồi quy theo phương pháp bình phương bé nhất (Ordinary Least Square - OLS):
ln β β ln β Size β Equity β ROE
β LTD β STL β Creditgr u 3.24 Mơ hình này xem như tất cả các cá thể (ngân hàng) có cùng hệ số cắt β0. Đây là mơ hình đơn giản, dễ thực hiện nhưng có thể dẫn đến kết quả sai lệch của mối quan hệ tác động thực sự giữa biến độc lập lên biến phụ thuộc vì đã khơng xem xét đến sự ảnh
52
hưởng theo thời gian và đặc tính khác biệt của đối tượng lấy mẫu quan sát. Trên thực tế thì giữa các cá thể (ngân hàng) có quá nhiều đặc điểm khác biệt và các đặc điểm này lại thay đổi theo thời gian, do đó mơ hình hồi quy Pool thường ít được tin cậy trong mơ hình nghiên cứu với dữ liệu bảng.
Sau khi thực hiện hồi quy Pool với dữ liệu bảng, bài nghiên cứu tiếp tục các thủ tục ước lượng đối với hai mơ hình cịn lại:
Mơ hình hồi quy tác động cố định (Fixed Effects Model - FEM): mơ hình này
xem mỗi cá thể có một hệ số cắt β0 khác nhau và hệ số cắt (intercept) của mỗi cá thể không thay đổi theo thời gian:
ln NPL
1 NPL β β ln
NPL
1 NPL β Size β Equity β ROE β LTD β STL
β Creditgr u 3.25
Mơ hình hồi quy tác động ngẫu nhiên (Random effects Model - REM): mơ
hình này xem hệ số cắt của mỗi cá thể có hai thành phần:
β0i = β0 + εi (3.26)
Trong đó: εi là sai số ngẫu nhiên có trung bình E(εi) = 0 và variance(εi) = σε2. Khi đó mơ hình hồi quy sẽ được viết dưới dạng:
ln NPL
1 NPL β β ln
NPL
1 NPL β Size β Equity β ROE β LTD
β STL β Creditgr w 3.27
Trong đó: wit = εi + uit
Các giả định của mơ hình REM như sau:
(i) Phần dư có phân phối chuẩn: εi ~ N(0, σε2) và uit ~ N(0, σu2). (ii) Trung bình sai số của phần dư bằng 0:
53
E( uituis) = E( uitujt) = E( uitujs) = 0 (với i # j, t # s) Hay E(wit) = 0 và Var(wit) = σε2 + σu2.
Nhưng giữa wit và wis lại có mối tương quan:
ρ , σ
σ σ 3.28
Vì vậy phải sử dụng phương pháp bình phương bé nhất tổng quát khả thi (Feasible Generalized Least Square, FGLS) để ước lượng và dùng kiểm định Hausman (Hausman, 1978) để lựa chọn giữa mơ hình FEM và REM. Kiểm định Hausman dựa trên việc so sánh hệ số giữa hai mơ hình thơng qua xem xét giá trị sau:
Giả thiết không (null) của Hausman test là:
Null hypothesis H0: khơng có sự khác biệt giữa mơ hình FEM và REM.
Dùng thống kê t để bác bỏ giả thuyết H0: nếu P-value < 1% thì bác bỏ H0, tức là có sự khác biệt giữa FEM và REM và lựa chọn FEM trong trường hợp này. Ngược lại thì khơng có cơ sở bác bỏ H0.
Hausman test cũng có thể dùng thống kê Chi-square để bác bỏ H0: nếu Chi-square value > Critical chi-square thì bác bỏ H0, chọn mơ bình FEM mà không chọn REM.
Theo lý thuyết nghiên cứu kinh tế lượng và kỹ thuật hồi quy của Wooldrige (2002), mơ hình hồi quy phải thỏa mãn năm giả định cơ bản sau đây:
Mơ hình hồi quy tổng qt: Yit = β0it + β1X1it + β2X2it + ...... + βkXkit + uit Năm giả định cơ bản và chủ yếu của hồi quy:
i. Giả định 1: Mơ hình tuyến tính tham số (Linear in Parameters)
Y β β X β X ⋯ β X u (3.29)
54
iii. Giả định 3: Sai số trung bình có điều kiện bằng 0 (Zero Conditional
Mean):
E(u|x1, x2, ....,xk) = 0
iv. Giải định 4: Các xk không là hằng số (No Perfect Collinearity): Var(xk) # 0
nhằm thỏa mãn việc tính ra được hệ số của mơ hình hồi quy: β cov x, y
Var x
Nếu thỏa mãn 4 giả định nêu trên thì ước tính của mơ hình hồi quy sẽ có đặc điểm khơng chệch:
E β β
E β β
...............
E β β
v. Giả định 5: Phương sai sai số đồng nhất (Homoskedasticity):
Var(u|x1, x2, ....,xk) = σ2 Trong đó: σ2 là phương sai, σ là độ lệch chuẩn
Nếu thỏa mãn cả 5 giả định nêu trên thì ước tính β , β , β , … … . , β là ước tính khơng chệch tốt nhất của các hệ số hồi quy β0, β1, β2, ..., βk bên cạnh các ước tính khác (The best linear unbiased estimators - BLUEs). Đây cũng chính là nội dung của định lý Gauss - Markov. Trong bài nghiên cứu này, chủ yếu là kiểm định giả định số 5: kiểm định phương sai sai số thay đổi (Heteroskedasticity). Sau đây là một số cách thông dụng để kiểm định và khắc phục hiện tượng phương sai sai số thay đổi.
55
Phương pháp kiểm định hiện tượng phương sai sai số thay đổi (Heteroskedasticity):
Một số phương pháp có thể sử dụng để kiểm tra hiện tượng phương sai sai số thay đổi như: kiểm định Goldfel - Quandt (Godfel và Quandt, 1965), kiểm định Park (Park, 1966), kiểm định Glesjer (Glesjer, 1969), kiểm định Harvey - Godfrey (Harvey, 1976 và Godfrey, 1978), kiểm định Breusch - Pagan (Breusch và Pagan, 1979) và kiểm định White (White, 1980). Hoặc cách đơn giản là vẽ đồ thị phần dư - biến phụ thuộc để xem xét: nếu thấy phần dư biến thiên theo biến phụ thuộc thì kết luận có phương sai sai số thay đổi. Trong đó: trục tung (uhat2 = u2) là bình phương của phần dư (resid), trục hoành LiNPLf ln forecast là giá trị dự báo của biến phụ thuộc.
Hình 3.2. Đồ thị phần dư - biến phụ thuộc
Tuy nhiên có nhiều phương pháp khác nhau nhưng nghiên cứu này sẽ sử dụng kiểm định Breusch - Pagan để kiểm định hiện tượng phương sai sai số thay đổi. Các bước của kiểm định Breusch - Pagan như sau:
Bước 1: Hồi quy OLS mơ hình chính rồi gọi phần dư u = resid.
0 4 8 12 16 20 -7 -6 -5 -4 -3 -2 LINPLF UH A T 2
56
Bước 2: Lấy bình phương phần dư (u2) làm biến phụ thuộc thay thế ln
rồi hồi quy lại với các biến độc lập của mơ hình, mục đích xem phần dư của mơ hình có tương quan với các biến độc lập hay không, tức là xem phương sai sai số có thay đổi hay khơng. Mơ hình hồi quy phần dư theo các biến độc lập như sau:
u α α ln NPL
1 NPL α Size α Equity α ROE α LTD
α STL α Creditgr v 3.30 Từ bước 2 này lấy ra giá trị R-squared (R2) rồi tính giá trị tích nR2, trong đó n là cỡ mẫu.
Bước 3: Đặt giả thuyết Null Ho: Homoskedasticity (αj = 0, j = 1,2,...,9) là giả
thuyết phương sai sai số đồng nhất (không thay đổi). Sử dụng thống kê t để chấp nhận hoặc bác bỏ giả thuyết Ho: p-value < 10% thì bác bỏ H0, tức mơ hình có bị hiện tượng phương sai sai số thay đổi (Heteroskedasticity).
Hoặc sử dụng thống kê Chi-square để chấp nhận hoặc bác bỏ giả thuyết Ho:
Nếu n*R2 > Chi-square => bác bỏ giả thuyết Ho, tức là có phương sai sai số thay đổi. Ngược lại thì kết luận mơ hình khơng có hiện tượng phương sai sai số thay đổi.
Phương pháp khắc phục hiện tượng phương sai sai số thay đổi:
Nếu xảy ra hiện tượng phương sai sai số thay đổi, mơ hình cần được hiệu chỉnh để hồi quy lại trước khi kết quả được diễn giải và thảo luận. Có thể sử dụng phương pháp bình phương tối thiểu có trọng số (Weighted Least Square , WLS). Nếu biết phương sai của sai số (phần dư) có tỷ lệ với Zt biết trước, cụ thể là Var(ut) = σt2 = σ2 zt2; lúc này hiệu chỉnh mơ hình hồi quy bằng cách chia hai vế của phương trình hồi quy gốc cho zt như sau:
NPL
β /Z β NPL /z β Size /z β Equity /z β ROE /z
57
Tuy nghiên, do không biết trọng số Z nên nghiên cứu này dùng phương pháp khắc phục phương sai và sai số chuẩn không đồng nhất của White (White's Heteroskedasticity - consistent standard errors or robust standard errors) để hạn chế và khắc phục hiện tượng Heteroskedasticity. Sau khi khắc phục Heteroskedasticity, dùng lại kiểm định Breusch - Pagan để xem mơ hình cịn bị Heteroskedasticity hay khơng.
Bên cạnh kiểm định và khắc phục phương sai sai số thay đổi, bài nghiên cứu này còn kiểm định hiện tượng tự tương quan. Nghiên cứu này sẽ kết hợp cả hai phương pháp: thống kê Durbin - Watson và kiểm định Breusch - Godfrey để kiểm định hiện tượng tư tương quan. Nếu xảy ra hiện tượng tự tương quan, đề tài sẽ sử dụng phương pháp Arellano - Bond (AR) để khắc phục. Nội dung của phương pháp này là thêm các AR(1), AR(2), ...., AR(p) vào mơ hình hồi quy chín cho đến bậc p mà hiện tượng tự tương quan đã được khắc phục. Mỗi lần thêm vào một bậc AR(p), kiểm định Breusch - Goldfrey sẽ được sử dụng để kiểm tra xem hiện tượng tự tương quan đã được khắc phục hay chưa.
Trên đây là toàn bộ nội dung chương 3, chương này đã tiến hành xây dựng xong mơ hình nghiên cứu và các giả thuyết nghiên cứu. Đồng thời phương pháp nghiên cứu cũng được trình bày rất chi tiết với các bước thực hiện cụ thể. Sau đây số liệu sẽ được phân tích để diễn giải kết quả thực nghiệm.
58
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Sau khi xây dựng các giả thuyết nghiên cứu và phương pháp nghiên cứu cụ thể với quy trình phân tích số liệu ở chương 3, chương này sẽ trình bày thống kê mơ tả dữ liệu, phân thích tương quan, kết quả thực nghiệm và thảo luận các kết quả thực nghiệm sau khi thực hiện thủ tục hồi quy đa biến bằng phần mềm kinh tế lượng Eviews 7.0. Cấu trúc chương này như sau:
i. Thống kê mô tả ii. Phân tích tương quan iii. Kết quả thực nghiệm iv. Thảo luận kết quả