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
4.2.6.1. Kết quả kiểm định tính vững của mô hình bằng phân tích BAYES đối với ROA
Kết quả ước lượng mô hình đánh giá tác động của TNNL đến ROA của các NHTM được trình bày trong các bảng sau:
Bảng 4.30. Kết quả ước lượng mô hình 1 bằng phương pháp Bayes đối với ROA
Mean Std. dev. MCSE Median [95% cred. interval]
ICO-non 5,135529 0,3640081 0,007615 5,134403 4,42344 5,846445 LOANTA 1,62515 0,5664278 0,007295 1,617564 0,5234032 2,719291 NPL -0,1005389 0,0505254 0,003416 -0,1026965 -0,1914731 0,0024338 EQTA 0,0386885 0,0014444 0,000171 0,0387608 0,0129309 0,0642808 DEPTA 3,297447 0,0130428 0,014483 3,293501 1,228716 5,397465 BANKSIZE -0,0291527 1,073916 0,000354 -0,029113 -0,0887674 0,0288711 GDP 1,307631 0,0303382 0,0355 1,310088 -5,272008 7,877857 INF 4,576815 2,606147 0,026061 4,559258 -0,5491256 9,73155 _CONS 2,900742 0,9272626 0,036317 2,900106 1,087824 4,712263
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 4.30 cho thấy giá trị trung bình hậu nghiệm của các hệ số tương ứng với ICO-non, LOANTA, EQTA, DEPTA, BANKSIZE và GDP lần lượt là 5,135529, 1,62515, 0,0386885, 3,297447, -0,0291527 và 1,307631. Bảng 4.30 cho thấy khoảng tin cậy 95% của hệ số tương ứng với ICO-Non, LOANTA, EQTA và DEPTA nằm trong miền dương, cho thấy tác động tích cực của các biến này đến ROA. Bên cạnh đó, khoảng tin cậy 95% của các hệ số tương ứng với NPL, BANKSIZE, GDP và INF chạy từ miền âm sang miền dương, như vậy các biến số này có tác động không rõ ràng ROA.
Bảng 4.31. Kết quả ước lượng mô hình 2 bằng phương pháp Bayes đối với ROA
Mean Std. dev. MCSE Median [95% cred. interval]
ICO-com 5,410062 0,6005694 0,010375 5,40834 4,222852 6,579772 ICO-trad 5,005474 0,4482208 0,007441 5,011168 4,122476 5,883808 ICO-oth 5,041104 0,7441112 0,009404 5,051443 3,579083 6,053064 LOANTA 1,621024 0,5729181 0,007088 1,621198 0,4949754 2, 758616 NPL -0,1024534 0,0484279 0,003698 -0,1044584 -0,1926408 -0,0011307 EQTA 0,0385106 0,0133087 0,000186 0,0383685 0,0125352 0,0646839 DEPTA 3,355555 1,088016 0,014483 3,349709 1,221954 5,494992 BANKSIZE -0,029693 0,0307593 0,0015256 -0,0298038 -0,0897584 0,0301022 GDP 1,238468 3,395331 0,033953 1,244009 -5,452985 7,884449 INF 4,661874 2,630351 0,026304 4,632827 -0,4292988 9,765722 _CONS 2,910982 0,9040739 0,033149 2,917181 1,117086 4,677897
Nguồn: kết quả tính toán từ phần mềm STATA17.0
Bảng 4.31 cho thấy khoảng tin cậy 95% của hệ số tương ứng với ICO-com, ICO- trad, ICO-oth, LOANTA, EQTA và DEPTA nằm trong miền dương, cho thấy tác động tích cực của các biến này đến ROA. Bên cạnh đó, khoảng tin cậy 95% của hệ số tương ứng với NPL nằm trong miền âm cho thấy tác động tiêu cực của NPL tới ROA. Các hệ số tương ứng với BANKSIZE, GDP và INF chạy từ miền âm sang miền dương, như vậy các biến số này có tác động không rõ ràng đến ROA.
Để xác định rõ hơn khả năng xảy ra tác động tích cực hay tiêu cực của các biến số này đến HQHĐ, tác giả tính toán xác suất của từng tham số. Kết quả được trình bày trong bảng 4.32.
Bảng 4.32. Xác suất của các hệ số hồi quy mô hình 1
Hypothesis Mean Std. dev. MCSE
PROB1 : {ROA:ICO-non} < 0 60,65% 0,48855 0,0095555 PROB2 : { ROA:LOANTA } < 0 73,87% 0,43937 0,0050756 PROB3 : { ROA:EQTA } < 0 88,61% 0,31771 0,0159447
PROB4 : { ROA:DEPTA } < 0 71,26% 0,45257 0,0058073 PROB5 : {ROA:BANKSIZE} < 0 82,96% 0,37600 0,0039183
PROB6 : {ROA:GDP}< 0 70,11% 0,45780 0,0045264
Nguồn: kết quả tính toán từ phần mềm STATA 17.0
Kết quả tại bảng 4.32 cho thấy xác suất hệ số hồi quy tương ứng với các biến ICO-NON, LOANTA, EQTA, DEPTA BANKSIZE và GDP lần lượt là: 60,65%, 73,87%, 88,61% ,71,26% , 82,96%, 70,11% 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.
Bảng 4.33. Xác suất của các hệ số hồi quy mô hình 2
Hypothesis Mean Std. dev. MCSE
PROB1 : {ROA:ICO-com} < 0 56,67% 0,49556 0,0049556 PROB2 : {ROA:ICO-trad} < 0 57,14% 0,49490 0,004949 PROB3 : {ROA:ICO-oth} < 0 56,66% 0,49557 0,0048379
PROB4 : { ROA:DEPTA } < 0 73,79% 0,43980 0,0049262 PROB5 : {ROA:BANKSIZE} < 0 83,41% 0,37201 0,0042363
PROB6 : {ROA:GDP}< 0 73,62% 0,44071 0,0046779
Nguồn: kết quả tính toán từ phần mềm STATA 17.0
Kết quả tại bảng 4.33 cho thấy xác suất hệ số hồi quy tương ứng với các biến ICO-com, ICO-trad, ICO-oth, DEPTA BANKSIZE và GDP lần lượt là: 56,67%, 57,14%, 56,66%, 73,79%, 83,41%, 73,62% 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 ROA. Hình 4.2 và hình 4.3 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 4.2. Kiểm định sự hội tụ của các chuỗi MCMC của mô hình hồi quy 1
Nguồn: kết quả tính toán từ phần mềm STATA 17.0
Hình 4.3. Kiểm định sự hội tụ của các chuỗi MCMC của mô hình hồi quy 2
Nguồn: kết quả tính toán từ phần mềm STATA 17.0