CHƯƠNG 3 PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU
3.3. DỮ LIỆU NGHIÊN CỨU
Nghiên cứu được tiến hành dựa trên dữ liệu nghiên cứu là các ngân hàng thương mại tại Việt Nam. Nghiên cứu sử dụng dữ liệu thứ cấp, lấy từ các báo cáo tài
chính được kiểm tốn và cơng bố hằng năm của các ngân hàng, bankscope. Các dữ liệu còn được thu thập từ trang website của WB, ADB.
Nghiên cứu được thực hiện dựa trên số liệu của 29 NHTM tại Việt Nam trong
giai đoạn 2008-2016. Cơ sở của việc lựa chọn NHTM được trình bày như sau: NHTM trong dữ liệu nghiên cứu khơng có hiện tượng hợp nhất-sáp nhập, khơng phải những
ngân hàng nước ngoài và những ngân hàng liên doanh giữa Việt Nam và các nước tính
đến thời điểm hiện nay. Số liệu về các biến đo lường (biến phụ thuộc, biến độc lập) phải được công bố minh bạch và đầy đủ nhất theo từng năm trong giai đoạn 2008-
2016.
Nguyên nhân loại bỏ một số ngân hàng ra khỏi dữ liệu nghiên cứu là do một số cân nhắc sau:
Thứ nhất, số liệu của các ngân hàng hợp nhất, sáp nhập sẽ khơng cịn phản ánh đúng tình hình hoạt động của ngân hàng trước khi hợp nhất, sáp nhập.
Thứ hai, số liệu về các biến đo lường của những ngân hàng nước ngồi và những ngân hàng liên doanh thường khơng được công bố rộng rãi, cấu trúc của các
ngân hàng thường chịu ảnh hưởng từ các ngân hàng mẹ ở nước ngoài, cách thức hoạt
động và tổ chức cũng không đồng đều với các ngân hàng trong nước. Sự khác biệt này
có thể dẫn đến sai lệch kết quả nghiên cứu.
Thứ ba, số liệu các biến đo lường không đầy đủ của các NHTM sẽ làm cho dữ liệu nghiên cứu bị thiếu và sẽ làm sai lệch hoàn toàn kết quả của nghiên cứu.
Kết quả sau khi lấy dữ liệu 29 ngân hàng thương mại từ năm 2008 đến 2016, dữ liệu nghiên cứu có tổng cộng 261 quan sát phù hợp. Kích thước dữ liệu nghiên cứu
trong luận văn này có thể căn cứ vào một trong những kỹ thuật xác định kích cỡ mẫu
Green (1991). Cụ thể, tác giả khuyến nghị công thức xác định cỡ mẫu nghiên cứu như sau:
n 50 + 8m
Trong đó, n là kích thước dữ liệu nghiên cứu tối thiểu cần thiết và m là số
lượng biến độc lập trong mơ hình. Căn cứ theo cơng thức trên, với số biến độc lập là 4
nên kích thước dữ liệu nghiên cứu tối thiểu phải là 95 số quan sát. Mặt khác, kích cỡ
dữ liệu nghiên cứu của luận văn này là 261 mẫu quan sát nên dữ liệu nghiên cứu chấp nhận được.
3.4. PHƯƠNG PHÁP ƯỚC LƯỢNG
Dữ liệu của nghiên cứu được trình bày theo dạng bảng (panel data). Việc
nghiên cứu các mơ hình với dữ liệu bảng có những ưu điểm theo Baltagi (2008) như
sau:
Một, dữ liệu bảng là sự kết hợp giữa các cá nhân, doanh nghiệp, quốc gia, vùng miền theo thời gian, có tính khơng đồng nhất trong các đơn vị này. Các kỹ thuật ước lượng dựa trên dữ liệu bảng có thể tiếp cận đến tính khơng đồng nhất đó.
Hai, bằng cách kết hợp các quan sát chéo với chuỗi thời gian, dữ liệu bảng cung
cấp cho chúng ta nhiều thơng tin hữu ích hơn, tính biến thiên nhiều hơn và hiện tượng đa cộng tuyến ít xảy ra hơn, tăng số quan sát từ đó thu được nhiều bậc tự do hơn và hiệu quả cao hơn.
Cuối cùng, dữ liệu bảng phù hợp cho việc nghiên cứu động thái thay đổi theo thời
gian của các đơn vị chéo bằng cách quan sát lặp đi lặp lại của các đơn vị chéo này. Nói tóm lại, việc sử dụng dữ liệu bảng giúp cho việc phân tích thực nghiệm phong
phú hơn so với việc chỉ sử dụng dữ liệu chéo hoặc dữ liệu chuỗi thời gian.
Trong các nghiên cứu định lượng, phương pháp hồi quy thường được sử dụng đối
với dữ liệu bảng là: mơ hình hồi quy OLS, mơ hình hồi quy tác động cố định, mơ hình hồi quy tác động ngẫu nhiên và mơ hình hồi quy ước lượng GMM. Tùy thuộc vào đặc điểm của dữ liệu cũng như những ưu điểm, hạn chế của từng mơ hình. Mỗi nghiên cứu cụ thể sẽ lựa chọn các mơ hình hồi quy khác nhau. Nghiên cứu này sẽ sử dụng phương pháp hồi quy ước lượng GMM
Lựa chọn phương pháp ước lượng
Đầu tiên bài nghiên cứu chạy phương pháp hồi quy OLS (Pooled Regress
Model) là phương pháp được sử dụng phổ biến trong lĩnh vực kinh tế lượng. Ưu điểm
của việc sử dụng phương pháp này là không quá phức tạp nhưng lại hiệu quả. Với một số giả thiết ban đầu, mơ hình hồi quy theo phương pháp này sẽ dễ dàng xác định các
giá trị ước lượng hiệu quả. Tuy nhiên, khi nghiên cứu về chuỗi dữ liệu thời gian, có nhiều chuỗi vi phạm một hoặc nhiều giả định của OLS. Khi đó, các ước lượng thu được sẽ bị bóp méo, mất tính vững từ đó dẫn đến sai lầm khi sử dụng để phân tích. Một trong những dạng vi phạm giả định phổ biến nhất là hiện tượng nội sinh, một
trường hợp khi hệ số ước lượng (hoặc biến) tương quan với phần dư.
Thứ hai bài nghiên cứu chạy phương trình hồi qui tác động cố định (FEM) và ngẫu nhiên (REM) trong phân tích dữ liệu bảng. Dữ liệu bảng giúp nghiên cứu có kết quả ước lượng của các tham số trong mơ hình được tin cậy hơn. Đồng thời giúp bài
xác định và đo lường tác động mà những tác động này không thể xác định và đo lường khi sử dụng dữ liệu chéo hoặc dữ liệu thời gian. Đồng thời khi chạy REM cần phải kiểm tra hiện tượng phương sai thay đổi phần dư cũng như hiện tượng tự tương quan
trong dữ liệu bảng để xác định độ tin cậy của mơ hình có bị ảnh hưởng hay khơng. Tuy nhiên cả hai mơ hình FEM và REM đều gặp vấn đề nội sinh của biến khi chạy mơ hình
cũng như các vấn đề liên quan đến tính chất động của mơ hình dữ liệu bảng.
Vì vậy, phương pháp hồi qui GMM được sử dụng để đem lại ước lượng bền vững hơn khi phương pháp OLS, FEM và REM bị vi phạm các giả thiết đề ra.
Thủ tục ước lượng GMM và kiểm định cơ bản
của biến công cụ hồi quy được sử dụng trong chương IV. Tuy nhiên, GMM là phương
pháp hồi quy hiệu quả, ưu việt hơn cả nên khá phức tạp. GMM được Lars Peter
Hansen (1982) trình bày lần đầu tiên vào năm 1982 .
Để ước lượng được hệ số β, chúng ta cần một bộ L vector các biến công cụ
(trong ước lượng GMM còn được gọi là các điều kiện moment và số lượng biến công
cụ phải không ít hơn số biến giải thích trong mơ hình (L ≥ K).
Điều kiện để một biến được chọn là biến cơng cụ là nó khơng được tương quan với phần dư, điều này có nghĩa là:
𝐸 (𝑍𝑡𝑢𝑡 (𝛽)) = 0
Ý tưởng chủ đạo của phương pháp GMM là thay thế giá trị các biến công cụ
bằng giá trị trung bình của mẫu:
1 1
� (���� (�))
= 𝑇 ∑ 𝑍𝑡𝑢𝑡 (𝛽) =
𝑇 𝑍′𝑢𝑡 (𝛽) = 0
�
và đi tìm Vector β thỏa mãn phương trình trên.
Khi số lượng điều kiện moment lớn hơn số biến trong mơ hình (L>K) thì phương trình khơng thể xác định một nghiệm chính xác duy nhất (có nhiều nghiệm có thể thỏa mãn phương trình). Khi đó mơ hình được gọi là overidentified. Trong trường hợp đó, chúng ta phải thực hiện tính tốn lại nhằm xác định giá trị β làm cho điều kiện
Tính chất của phương pháp ước lượng GMM
Khi số lượng mẫu phù hợp giá trị β, ước lượng được sẽ vững, khi đó giá trị ước
lượng được sẽ càng gần với giá trị thực của nó. Ước lượng GMM sẽ cho ra các giá trị ước lượng tuân theo quy luật phân phối chuẩn, đây là thuộc tính rất quan trọng vì đó là cơ sở để chúng ta xây dựng giá trị dự đoán ở các độ tin cậy (confidence bands) và thực hiện các kiểm định khác. Phương pháp GMM cũng cho ra kết quả là các giá trị ước lượng hiệu quả, nghĩa là giá trị phương sai trong mơ hình ước lượng là nhỏ nhất.
Một số kiểm định các khuyết tật của mơ hình
Nghiên cứu này sẽ tiến hành một số kiểm định được dùng để kiểm tra các khuyết tật của mơ hình như: 𝐸 (𝑍𝑡 𝑢𝑡 (𝛽))khái niệm “gần” được hiểu là khoảng cách với
𝐽(𝛽, 𝑊 ) = 1 𝑢(𝛽)′𝑍. 𝑊−1𝑍′𝑢(𝛽)
� � �
Ma trận ngẫu nhiên, cân xứng và không âm 𝑊𝑡 được gọi là ma trận trọng số vì
nó thể hiện mức đóng góp của các điều kiện moment khác nhau vào khoảng cách J. Phương pháp ước lượng GMM sẽ xác định giá trị ước lượng β để khoảng cách J là nhỏ
nhất.
Kiểm định quan trọng nhất của phương pháp ước lượng GMM là kiểm định
Overidentifying Restrictions (Overidentifying Restrictions Test) hay còn gọi là kiểm định Sargent (Sargent Test) hoặc kiểm định J (J – Test). Đây là kiểm định cần thiết
trong trường hợp số biến cơng cụ nhiều hơn số biến trong mơ hình. Ý tưởng của kiểm
định là xem xét biến công cụ có tương quan với phần dư của mơ hình khơng. Nếu câu trả lời là khơng, khi đó biến cơng cụ là nội sinh, thì biến cơng cụ được chọn là phù hợp
và mơ hình sử dụng biến đó để ước lượng cũng phù hợp. Kiểm định Sargent sử dụng
thống kê J (J – statistic) nhằm kiểm định giả thiết H0-biến công cụ là nội sinh, mô hình
phù hợp. Thống kê J tuân theo phân phối chi bình phương và được trình bày trên bảng
kết quả ước lượng của phần mềm thống kê cùng với giá trị P – value tương ứng của
nó.
Ma trận tương quan giữa các biến được dùng để kiểm tra hiện tượng đa cộng tuyến trong mơ hình hồi quy. Việc này được thực hiện ở bước khảo sát mối tương
quan giữa các cặp biến. Bên cạnh đó, để có thể kết luận chắc chắn về đa cộng tuyến,
nghiên cứu sẽ sử dụng thêm phương pháp nhân tử phóng đại phương sai (VIF).
Để kiểm tra hiện tượng phương sai thay đổi, có nhiều kiểm định khác nhau để
phát hiện phương sai thay đổi trong mơ hình hồi quy như: kiểm định Goldfeld-Quandt, Breusch-Pagan, White, Park… Trong nghiên cứu này, tác giả sẽ sử dụng kiểm định
Green (2000) để xem xét tổng quát về sự đồng nhất của phương sai.
Đối với hiện tượng tự tương quan, đề tài sẽ dựa vào kiểm định được đề xuất bởi
Wooldrige (2002) và Drukker (2003) để kết luận có hay khơng tồn tại sự tự tương
TÓM TẮT CHƯƠNG 3
Nội dung chương này phân tích và lựa chọn mơ hình hồi qui phù hợp với mục
tiêu nghiên cứu. Đo lường các yếu tố ảnh hưởng đến nợ xấu của các NHTM tại Việt
Nam với dữ liệu bảng, biến phụ thuộc là tỷ lệ nợ xấu, các biến vĩ mô và các biến nội tại ngân hàng cũng đã được phân tích và lựa chọn. Các giả thuyết được trình bày cụ thể nhằm xác định chiều hướng tác động đối với biến phụ thuộc.
CHƯƠNG 4. KẾT QUẢ ƯỚC LƯỢNG VÀ THẢO LUẬN
Trong Chương 2 và Chương 3, luận văn đã sơ lược các nghiên cứu, đưa ra những giả thuyết, xây dựng mơ hình nghiên cứu, các phương pháp, dữ liệu cũng như cách đo lường các biến trong mơ hình nghiên cứu. Tiếp theo, Chương 4 sẽ trình bày thực trạng hoạt động của hệ thống NHTM Việt Nam đồng thời thảo luận các kết quả đạt được khi đo lường ảnh hưởng của môi trường kinh tế vĩ mô đến nợ xấu các NHTM.
4.1 NỢ XẤU CỦA HỆ THỐNG NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
Nợ xấu không phải là vấn đề mới nổi cộm của NHTM Việt Nam thời gian gần
đây. Từ hình 4.1 quan sát được năm 2008, tỷ lệ nợ xấu trên toàn hệ thống tăng đột biến. Nguyên nhân được đưa ra là do ảnh hưởng của cuộc khủng hoảng kinh tế, suy
thối tài chính tồn cầu mà Việt Nam cũng khơng nằm ngồi các quốc gia bị tác động.
Nền kinh tế nước ta đã gánh chịu những tác động tiêu cực như việc hoạt động sản xuất
kinh doanh, xuất khẩu của doanh nghiệp gặp nhiều khó khăn. Bên cạnh đó, điều kiện
kinh tế vĩ mô bất lợi như sự tụt dốc của thị trường chứng khốn, bong bóng bất động
sản vỡ,… Chính các yếu tố bất lợi này đã ảnh hưởng đến chất lượng tín dụng, khiến nợ xấu có chiều hướng gia tăng.
Biều đồ 1: Tỷ lệ nợ xấu của hệ thống NHTM Việt Nam
Nguồn: thống kê của NHNN
Thêm vào đó, việc áp dụng Chỉ thị 02 về xử lý nợ xấu và quy định phải tham chiếu thông tin trên CIC cũng là nguyên nhân khiến nợ xấu phát sinh thêm gần đây.
Theo đó, khi doanh nghiệp chỉ cần có một khoản nợ bị xếp vào nợ xấu thì các khoản
4.50% 4.08% 4.00% 3.80% 3.79% 3.80% 3.55% 3.50% 3.00% 2.93% 2.80% 2.50% 2.50% 2.35% 2.00% 1.50% 1.00% 0.50% 0.00% 2008 2009 2010 2011 2012 2013 2014 2015 2016
nợ còn lại cũng tự động bị xếp vào danh sách nợ xấu.
Ngồi ra, nợ xấu tăng cao cịn có ngun nhân sâu xa từ đạo đức nghề nghiệp của một số cán bộ ngân hàng và khách hàng. Hoạt động quản lý lỏng lẻo, yếu kém của
các ngân hàng đã khiến một số cá nhân có cơ hội chuộc lợi, từ đó làm giảm chất lượng tín dụng.
Nhận thức được các rủi ro do nợ xấu đem lại, NHNN đã tập trung thực hiện đồng bộ nhiều giải pháp như lành mạnh hóa hoạt động tài chính, nâng cao cơng tác quản lý ngân hàng, thanh tra giám sát q trình cấp tín dụng,… để tiến đến xử lý nợ xấu toàn diện. Năm 2014, công cuộc xử lý nợ xấu bước đầu mang lại hiệu quả nhờ nỗ lực trong công cuộc đổi mới tồn hệ thống và từ việc bán nợ cho Cơng ty quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC). Và từ năm 2015 đến cuối năm 2016, mục tiêu xử lý nợ xấu của hệ thống NHTM Việt Nam đã đạt được với kết quả khả
quan, nợ xấu về mức dưới 3% qua việc VAMC mua lại các khoản nợ xấu trị giá
266.543 tỷ đồng.
4.2. XU HƯỚNG BIẾN ĐỘNG NỢ XẤU TRONG MỐI TƯƠNG QUAN VỚI CÁC
YẾU TỐ TÁC ĐỘNG
4.2.1.Tổng sản phẩm quốc nội
Tăng trưởng kinh tế của một quốc gia được đo bằng nhiều chỉ tiêu, trong đó
GDP là một chỉ tiêu phổ biến và quan trọng. Do đó, tăng trưởng GDP chính là thước đo cho tình trạng kinh tế của quốc gia.
Biều đồ 2: Tỷ lệ nợ xấu và tăng trường GDP (%)
Nguồn: thống kê tù NHNN và số liệu thống kê tù WB
8.00% 7.00% 6.40% 6.20% 6.70% 6.20% 5.70% 6.00% 6.00% 5.40% 5.20% 5.42% 5.00% 4.00% 3.24% 2.91% 3.00% 10% NPL GrGDP 2. 2.00% 2.06% 2.24% 2.11% 1.99% 1.61% 1.68% 1.00% 0.00% 2008 2009 2010 2011 2012 2013 2014 2015 2016
Biểu đồ 2 cho thấy mối quan hệ ngược chiều giữa tăng trưởng kinh tế với tỷ lệ nợ xấu các NHTM Việt Nam. Năm 2008 là năm kinh tế suy thoái, kéo theo đó là sự tăng lên nhanh chóng của các khoản nợ xấu.
Năm 2014, tăng trưởng GDP đạt 5,98% cao hơn mức tăng của 2 năm 2013
(5,42%) và năm 2012 (5,25%). Điều này cho thấy dấu hiệu hồi phục của nền kinh tế
khi tăng trưởng thực tế cao hơn so với kỳ vọng 5,8% mà Chính phủ đề ra. Khi nền
kinh tế dần ổn định lại, thu nhập của các công ty, hộ gia đình được tăng lên và từ đó cải thiện được khả năng trả nợ, tỷ lệ nợ xấu sẽ được thấp xuống như hình thể hiện.
4.2.2. Lạm phát
Biều đồ 3: Tỷ lệ nợ xấu và tỷ lệ lạm phát (%)
Nguồn: thống kê tù NHNN và số liệu thống kê tù WB
Biểu đồ 3 cho thấy Việt Nam trong giai đoạn 2007-2009, thời kỳ khủng hoảng
kinh tế, đối mặt với việc tỷ lệ lạm phát tăng cao, lên đến mức 2 con số. Đặc biệt, năm 2008 tỷ lệ lạm phát lên đến 23,09%; nhưng từ năm 2009 đến 2010 được ghi nhận là năm kiềm chế lạm phát khá chặt, tỷ lệ lạm phát giảm về mức 1 con số.
Tuy nhiên, đến năm 2011, lạm phát lại một lần nữa vượt ngưỡng 2 con số lên mức 18,58%, nguyên nhân do sự mất giá của đồng tiền.