CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.2. Kết quả nghiên cứu tác động của thu nhập ngoài lãi đến hiệu quả hoạt động của các Ngân hàng thương mại tại Việt Nam
4.2.6. Kết quả kiểm định tính vững của mô hình bằng phân tích BAYES
4.2.6.3. Kết quả kiểm định tính vững của mô hình bằng phân tích BAYES đối với SE
Kết quả ước lượng mô hình đánh giá tác động của TNNL đến SE của các NHTM được trình bày trong các bảng sau:
Bảng 4.38: Kết quả ước lượng mô hình 1 bằng phương pháp Bayes đối với SE
Mean Std. dev. MCSE Median [95% cred. interval]
ICO-non 0,1208957 0,0157253 0,000302 0,1208389 0,0897832 0,1519703 LOANTA -0,0182076 0,024475 0,000307 -0,0180307 -0,0661854 0,0296314 NPL -0,0013054 0,0020301 0,000131 -0,0012901 -0,0053583 0,0027397 EQTA 0,0022994 0,000567 0,000074 0,0023037 0,0011889 0,0034111 DEPTA 0,1225328 0,046826 0,000657 0,1229463 0,0317053 0,2147081 BANKSIZE -0,0016515 0,0013069 0,000016 -0,0016385 -0,004246 0,0008778 GDP 0,0313822 0,1479175 0,001549 0,0318957 -0,2618972 0,320739 INF -0,0030419 0,1118779 0,001119 -0,0017755 -0,2200239 0,2137932 _CONS 0,8862037 0,0392855 0,001483 0,8864397 0,8094318 0,9632969
Cột Mean, Std. dev., và Median lần lượt cho biết giá trị trung bình, độ lệch chuẩn, giá trị trung vị của phân phối hậu nghiệm tương ứng với các tham số trong mô hình. Cột Equal-tailed [95% cred. interval] cho biết khoảng tin cậy 95% của các tham số trong mô hình.
Nguồn: kết quả tính toán từ phần mềm STATA17.0
Bảng 4.38 cho thấy giá trị trung bình hậu nghiệm của các hệ số tương ứng với ICO-non, NPL, EQTA, DEPTA lần lượt là 0,1208957, -0,0013054, 0,0022994, 0,1225328. Bảng 4.55 cho thấy khoảng tin cậy 95% của hệ số tương ứng với ICO-Non, , EQTA và DEPTA nằm trong miền dương, cho thấy tác động tích cực của các biến này đến SE. Bên cạnh đó, khoảng tin cậy 95% của các hệ số tương ứng với LOANTA, NPL, BANKSIZE, GDP và INF chạy từ miền âm sang miền dương, như vậy các biến số này có tác động không rõ ràng đến SE.
Bảng 4.39. Kết quả ước lượng mô hình 2 bằng phương pháp Bayes đối với SE
Mean Std. dev. MCSE Median [95% cred. interval]
ICO-com 0,1241972 0,0256936 0,000394 0,1238653 0,073791 0,174786 ICO-trad 0,1203321 0,0189996 0,000331 0,1204078 0,0825962 0,1572056 ICO-oth 0,0712604 0,0313916 0,000396 0,0711901 0,0111977 0,1326437 LOANTA -0,0155012 0,0245505 0,000303 -0,0154796 -0,0638505 0,0324318 NPL -0,0007355 0,0020165 0,000128 -0,0007565 -0,0045971 0,0033814 EQTA 0,0022559 0,0005628 0,0000075 0,0022607 0,0011412 0,0033565 DEPTA 0,1294331 0,0464055 0,000608 0,1289231 0,0395824 0,2200845 BANKSIZE -0,001597 0,0013081 0,000016 -0,0015873 -0,0041799 0,0009768 GDP 0,0275549 0,1459459 0,001459 0,0266344 -0,2535686 0,316303 INF 0,0190459 0,1105381 0,001119 -0,0180004 -0,2379619 0,1939035 _CONS 0,8810776 0,0396984 0,001582 0,881037 0,8029489 0,9590271
Nguồn: kết quả tính toán từ phần mềm STATA17.0
Bảng 4.39 cho thấy khoảng tin cậy 95% của hệ số tương ứng với ICO-com, ICO- trad, ICO-oth, EQTA và DEPTA nằm trong miền dương, cho thấy tác động tích cực của các biến này đến SE. Các hệ số tương ứng với LOANTA, NPL, BANKSIZE, GDP và INF chạy từ miền âm sang miền dương, như vậy các biến số này có tác động không rõ ràng đến SE.
Để xác định rõ hơn khả năng xảy ra tác động tích cực hay tiêu cực của các biến số này đến SE, tác giả tính toán xác suất của từng tham số. Kết quả được trình bày trong bảng 4.40.
Bảng 4.40. Xác suất của các hệ số hồi quy mô hình 1
Hypothesis Mean Std. dev. MCSE
PROB1 : {SE:ICO-non} < 0 61,02% 0,48773 0,0048773 PROB2 : { SE:DEPTA } < 0 77,83% 0,41541 0,0045617 PROB3 : { SE:SANKSIZE } < 0 89,73% 0,30358 0,003212 PROB4 : { SE:GDP } < 0 69,29% 0,46131 0,0046131
PROB5: { SE:INF } < 0 50,74% 0,49997 0,0049997
Nguồn: kết quả tính toán từ phần mềm STATA 17.0
Kết quả tại bảng 4.40 cho thấy xác suất hệ số hồi quy tương ứng với các biến ICO-NON, DEPTA, BANKSIZE, GDP và INF đều lớn hơn 50%. Như vậy, kết quả phân tích Bayes cho thấy mô hình có tính ổn định cao và các kết luận rút ra sẽ có độ tin cậy.
Bảng 4.41. Xác suất của các hệ số hồi quy mô hình 2
Hypothesis Mean Std. dev. MCSE
PROB1 : {SE:ICO-com} < 0 63,35% 0,48187 0,0226084 PROB2 : {SE:ICO-oth} < 0 70,01% 0,45824 0,0055741
PROB3 : { SE:DEPTA} < 0 63,34% 0,48190 0,0205128
Nguồn: kết quả tính toán từ phần mềm STATA 17.0
Kết quả tại bảng 4.41 cho thấy xác suất hệ số hồi quy tương ứng với các biến ICO-com, ICO-oth và DEPTA lần lượt là: 63,35%, 70,01%, 63,34% và đều lớn hơn 50%. Như vậy, kết quả phân tích Bayes cho thấy mô hình có tính ổn định cao và các kết luận rút ra sẽ có độ tin cậy.
• Kiểm định sự hội tụ của các MCMC
Kết quả kiểm định sự hội tụ của các MCMC được tác giả thực hiện cho từng hệ số hồi quy trong các mô hình với biến phụ thuộc SE. Hình 4.6 và hình 4.7 cho thấy các MCMC tương ứng với các hệ số hồi quy trong các mô hình đều thể hiện sự hội tụ. Cụ thể, các biểu đồ trace chứng minh rằng các MCMC là không có xu hướng, với ước tính các giá trị phân bố dày thành một đường ngang dao động xung quanh các giá trị trung bình của các hệ số hồi quy. Biểu đồ tự tương quan minh họa rằng mối tương quan đang tiến gần đến 0. Biểu đồ phân phối của các MCMC tuân theo phân phối chuẩn. Biểu đồ mật độ của 1 nửa, 2 nửa và tất cả MCMC có hình dáng giống nhau. Như vậy, các kết quả ước lượng của phân tích Bayes là đảm bảo độ tin cậy.
Hình 4.6. Kiểm định sự hội tụ của các chuỗi MCMC của mô hình hồi quy 1đối với SE
Nguồn: kết quả tính toán từ phần mềm STATA 17.0
Hình 4.7. Kiểm định sự hội tụ của các chuỗi MCMC của mô hình hồi quy 2 đối với SE
Nguồn: kết quả tính toán từ phần mềm STATA 17.0