4.5. KẾT QUẢ THU ĐƯỢC TỪ MÔ HÌNH ĐỊNH LƯỢNG
4.5.1. M Ô HÌNH CHỈ CÓ CÁC NHÂN TỐ VĨ MÔ
4.5.1.1. Đối với tất cả ngân hàng
Kết quả hồi quy với chuỗi dữ liệu theo bảng của 28 NHTM trong giai đoạn 2011Q1-2018Q2, được thể hiện trong bảng 4.2. Trong đó, các biến độc lập trong mô hình có độ trễ là 1 kỳ đối với biến phụ thuộc hàm ý rằng các biến độc lập thay đổi ở kỳ trước sẽ có tác động đến biến phụ thuộc vào kỳ liền kề sau đó.
Bảng 4.2. Kết quả hồi quy phản ánh hiệu lực của các công cụ an toàn vĩ mô tại Việt Nam (toàn bộ ngân hàng – các nhân tố vĩ mô)
Phương pháp hồi quy pooled cho chuỗi dữ liệu
(1)
Phương pháp hồi quy hiệu ứng cố định cho chuỗi dữ liệu
(2)
Phương pháp hồi quy hiệu ứng ngẫu nhiên cho chuỗi dữ liệu
(3)
Biến số DC_G DC_G DC_G
L.GDP_G 2.252 2.412 2.357
L.CPI2 -2.215* -2.216*** -2.215***
L.IR 3.857* 3.859** 3.858**
L.MaPP1 1.249 1.359 1.321
L.MaPP2 -14.58 -15.39* -15.11
L.MaPP3 6.915 6.883 6.894
131
L.MaPP4 2.205 2.24 2.228
Constant 211.4** 211.3*** 211.3***
N 813 813 813
*, **, *** thể hiện các hệ số có mức ý nghĩa thống kê ở mức 10%, 5% và 1%
Nguồn: Kết quả thu được từ phần mềm Stata Từ kết quả của mô hình, có thể thấy rằng:
- Ở cả ba phương pháp hồi quy, các biến L.CPI2, L.IR đều có ý nghĩa thống kê, trong đó với phương pháp hồi quy theo phương trình (2) và phương trình (3) có mức ý nghĩa tốt hơn.
- Tại phụ lục số 7, kết quả kiểm định Hausman Test cho thấy prob>chi2 trên 5%, do đó mô hình hồi quy hiệu ứng ngẫu nhiên (phương trình (3)) được lựa chọn là mô hình tối ưu.
Như vậy, lạm phát và lãi suất ở kỳ trước có tác động đến tăng trưởng tín dụng của ngân hàng kỳ liền sau đó. Cụ thể là: lạm phát tăng/giảm 2,215% của kỳ trước sẽ khiến tín dụng giảm/tăng 1% của kỳ tiếp theo, và lãi suất tăng/giảm 3,858% của kỳ trước sẽ dẫn đến tín dụng tăng/giảm 1% của kỳ tiếp theo.
4.5.1.2. Đối với các ngân hàng có tầm quan trọng hệ thống (DSIB)
Kết quả hồi quy với chuỗi dữ liệu theo bảng của 13 thuộc nhóm DSIB trong giai đoạn 2011Q1-2018Q2, được thể hiện trong bảng 4.3. Trong đó, các biến độc lập trong mô hình có độ trễ là 1 kỳ đối với biến phụ thuộc hàm ý rằng các biến độc lập thay đổi ở kỳ trước sẽ có tác động đến biến phụ thuộc vào kỳ liền kề sau đó.
Bảng 4.3. Kết quả hồi quy phản ánh hiệu lực của các công cụ an toàn vĩ mô tại Việt Nam (nhóm DSIB – các nhân tố vĩ mô)
Phương pháp hồi quy pooled cho
chuỗi dữ liệu (1)
Phương pháp hồi quy hiệu ứng cố định cho
chuỗi dữ liệu (2)
Phương pháp hồi quy hiệu ứng ngẫu nhiên
cho chuỗi dữ liệu (3)
Biến số DC_G DC_G DC_G
L.GDP_G -2.805 -2.805 -2.805
L.CPI2 -3.395 -3.395** -3.395**
L.IR 5.984 5.984* 5.984*
L.MaPP1 -13.93 -13.93* -13.93*
L.MaPP2 -3.553 -3.553 -3.553
L.MaPP3 9.947 9.947 9.947
L.MaPP4 5.373 5.373 5.373
Constant 331.8 331.8*** 331.8***
N 377 377 377
*, **, *** thể hiện các hệ số có mức ý nghĩa thống kê ở mức 10%, 5% và 1%
Nguồn: Kết quả thu được từ phần mềm Stata
Đối với nhóm DSIB, kết quả thu được từ phầm mềm Stata như sau:
- Phương pháp hồi quy pooled cho chuỗi dữ liệu không cho thấy các biến số có ý nghĩa thống kê.
- Ở hai phương pháp hồi quy còn lại, các biến L.CPI2, L.IR và MaPP1 đều có ý nghĩa thống kê, trong đó biến L.CPI2 có ý nghĩa cao hơn hai biến còn lại.
- Tại phụ lục số 10, kết quả kiểm định Hausman Test cho thấy prob>chi2 trên 5%, do đó mô hình hồi quy hiệu ứng ngẫu nhiên cho chuỗi dữ liệu (phương trình (3)) được lựa chọn là mô hình tối ưu.
Như vậy, lạm phát, lãi suất và việc phân nhóm ngân hàng (4 nhóm khác nhau để phân bổ chỉ tiêu tăng trưởng tín dụng) ở kỳ trước có tác động đến tăng trưởng tín dụng của ngân hàng kỳ liền sau đó. Cụ thể là: lạm phát tăng/giảm 3,395% của kỳ trước sẽ khiến tín dụng giảm/tăng 1% của kỳ tiếp theo; lãi suất tăng/giảm 5,984% của kỳ trước sẽ dẫn đến tín dụng tăng/giảm 1% của kỳ tiếp theo; việc phân nhóm các ngân hàng (với mức trần tăng trưởng tín dụng khác nhau) khiến cho tăng trưởng tín dụng của nhóm DSIB giảm 13,93% so với việc không phân nhóm.
4.5.1.3. Đối với các ngân hàng còn lại
Kết quả hồi quy với chuỗi dữ liệu theo bảng của 15 NHTM còn lại trong nhóm trong giai đoạn 2011Q1-2018Q2, được thể hiện trong bảng 4.4. Trong đó, các biến độc lập trong mô hình có độ trễ là 1 kỳ đối với biến phụ thuộc hàm ý rằng các biến độc lập thay đổi ở kỳ trước sẽ có tác động đến biến phụ thuộc vào kỳ liền kề sau đó.
Bảng 4.4. Kết quả hồi quy phản ánh hiệu lực của các công cụ an toàn vĩ mô tại Việt Nam (các ngân hàng còn lại - các nhân tố vĩ mô)
Phương pháp hồi quy pooled cho
chuỗi dữ liệu (1)
Phương pháp hồi quy hiệu ứng cố định cho
chuỗi dữ liệu (2)
Phương pháp hồi quy hiệu ứng ngẫu nhiên
cho chuỗi dữ liệu (3)
Biến số DC_G DC_G DC_G
L.GDP_G 6.522** 6.797** 6.745**
L.CPI2 -1.191 -1.193 -1.193
L.IR 2.012 2.016 2.015
L.MaPP1 14.33*** 14.51*** 14.48***
L.MaPP2 -23.58*** -24.96** -24.70**
L.MaPP3 4.311 4.255 4.265
L.MaPP4 -0.567 -0.506 -0.517
Constant 107.1 106.9 107
N 436 436 436
*, **, *** thể hiện các hệ số có mức ý nghĩa thống kê ở mức 10%, 5% và 1%
Nguồn: Kết quả thu được từ phần mềm Stata
Đối với nhóm ngân hàng còn lại, kết quả thu được từ phầm mềm Stata như sau:
Ở cả ba phương pháp hồi quy, các biến L.GDP_G, L.MaPP1 và L.MaPP2 đều có ý nghĩa thống kê. Tuy nhiên, ở phụ lục số 13, kết quả kiểm định Hausman Test cho thấy prob>chi2 trên 5%, do đó mô hình hồi quy hiệu ứng ngẫu nhiên cho chuỗi dữ liệu (phương trình (3)) được lựa chọn là mô hình tối ưu.
Như vậy, tăng trưởng GDP, việc phân nhóm ngân hàng (4 nhóm khác nhau để phân bổ chỉ tiêu tăng trưởng tín dụng), và việc quy định hạn chế đối tượng cho vay ngoại tệ ở kỳ trước có tác động đến tăng trưởng tín dụng của ngân hàng kỳ liền sau đó. Cụ thể là: tăng trưởng GDP tăng/giảm 6,745% của kỳ trước sẽ khiến tín dụng tăng/giảm 1%
của kỳ tiếp theo; việc phân nhóm các ngân hàng (với mức trần tăng trưởng tín dụng khác nhau) khiến cho tăng trưởng tín dụng của nhóm ngân hàng còn lại tăng 14,48%; việc hạn chế đối tượng cho vay ngoại tệ sẽ khiến tăng trưởng tín dụng của nhóm các ngân hàng còn lại giảm 24,7%.