CHƯƠNG 2. PHƯƠNG PHÁP NGHIÊN CỨU MỐI QUAN HỆ GIỮA QUẢN TRỊ CÔNG TY VÀ QUẢN TRỊ RỦI RO CỦA CÁC NGÂN HÀNG TMCP VIỆT NAM
2.3. QUY TRÌNH NGHIÊN CỨU MỐI QUAN HỆ GIỮA QTCT VÀ
2.3.1. Thu thập dữ liệu
Nguồn dữ liệu được lấy dựa vào các báo cáo tài chính, báo cáo thường niên, báo cáo quản trị và thông tin được đăng tải trên các trang web chính thức của các ngân hàng thuộc hệ thống Ngân hàng TMCP Việt Nam.
Trong bài nghiên cứu này, để tìm hiểu các yếu tố của Quản trị công ty (các biến độc lập như: quy mô HĐQT, thành phần của HĐQT, quy mô UBKT, v.v..) tác động tới quản trị rủi ro tài chính, đề tài tập trung thu thập dữ liệu của 26 ngân hàng ngẫu nhiên trong số 32 NHTM cổ phần tính đến 31/12/2013 do ngân hàng Nhà nước Việt Nam công bố trong các năm từ 2009 đến 2013. Dữ liệu được thu thập là dạng dữ liệu bảng, dữ liệu bao hàm đặc điểm của dữ liệu theo cả không gian và thời gian. Như vậy ta có 26 quan sát theo không gian, trong khoảng thời gian 5 năm, tức là có 130 quan sát trên bảng.
Dữ liệu này liên quan đến cùng một đối tượng nhưng theo khoảng thời gian khác nhau nên nó bao hàm những đặc điểm riêng biệt khác nhau cho đối tượng nghiên cứu khác nhau. Chính vì vậy mà những ước lượng này có thể
cho phép ta xem xét sự khác biệt của các đặc điểm riêng của các đối tượng khác nhau một cách rõ ràng bằng việc đưa thêm vào mô hình những biến số chỉ định riêng cho từng đối tượng mà cụ thể ở đây là từng ngân hàng.
Việc kết hợp các giá trị quan sát theo thời gian khác nhau cho nhiều đối tượng khác nhau làm cho dữ liệu bảng chứa đựng nhiều thông tin có giá trị hơn, biến đổi hơn, giảm hiện tượng tương quan trong các biến của mô hình, bậc tự do cao hơn và hiệu quả hơn cho việc thực hiện mô hình.
2.3.2. Kiểm định tính dừng
Tính dừng trong một chuỗi dữ liệu được hiểu là không có sự tăng trưởng hay suy thoái trong dữ liệu mà dữ liệu dao động gần như tập trung xung quanh một trục nằm ngang theo chiều tăng của thời gian, nói cách khác là dữ liệu biến động xung quanh giá trị trung bình không đổi và độ lớn của phương sai thể hiện biến động về cơ bản cũng giữ nguyên theo thời gian. Như vậy, khái niệm dừng của một chuỗi thời gian gồm hai nội dung là dừng trung bình và dừng theo phương sai.
Do các biến sử dụng trong mô hình ở dạng chuỗi thời gian do đó việc kiểm tra tín dừng là rất quan trọng. Việc hồi quy các biến chuỗi thời gian không dừng sẽ gây ra các kết quả ước lượng sai, có thể phóng đại hoặc không phản ánh đúng mối quan hệ giữa biến độc lập và biến phụ thuộc.
Để kiểm định tính dừng của các biến chuỗi thời gian, kiểm định Augmented Dickey - Fuller (ADF) truyền thống như sau:
Chuỗi dữ liệu: Yt = à + ρ Yt-1 + εt (*) Giả thuyết: H0: ρ = 1: Yt không dừng
H1: ρ < 1: Yt dừng
Chuỗi (*) cú thể viết lại như sau: ∆Yt = à + (ρ-1) Yt-1 + εt
∆Yt = à + αYt-1 + εt với α = ρ-1 Giả thuyết được viết lại:
H0: α = 0: Yt không dừng H1: α < 0: Yt dừng
Tiêu chí quan trọng đó là nếu thống kê t-stat (được tính toán trong mô hình) đối với α có giá trị âm lớn hơn giá trị tra bảng DF trong kiểm định Augmented Dickey - Fuller thì giả thuyết H0 bị bác bỏ hoặc biến có tính dừng hoặc không có nghiệm đơn vị.
2.3.3. Xử lý biến không dừng và đa cộng tuyến a. Xử lý biến không dừng
Khi gặp một chuỗi không dừng cần loại bỏ tính không dừng trước khi tiến hành các phân tích kế tiếp. Có thể dễ dàng làm dừng một chuỗi bằng phương pháp sai phân. Có thể định nghĩa sai phân bậc 1 qua công thức sau:
Y’t = Yt - Yt-1 Trong đó:
- Yt và Yt-1 là giá trị của chuỗi tại thời đoạn t hoặc t-1;
- Y’t là sai phân bậc 1 tại thời đoạn t.
Chuỗi sai phân Y’t sẽ dừng nếu xu hướng của chuỗi gốc là tuyến tính và nó chỉ còn n-1 quan sát do Y’t không thể tính được mà phải bắt đầu từ Y’2 . Nếu sau khi lấy sai phân bậc một mà các kiểm tra vẫn cho thấy dữ liệu chưa dừng thì phải lấy tiếp sai phân bậc 2. Chuỗi sai phân bậc 2 có n-2 quan sát.
b. Đa cộng tuyến
Mối quan hệ tương quan tuyến tính giữa các biến được xác định thông qua hệ số tương quan r:
y n
δ δx
1 i
i i
1) - (n
) y y )(
x x ( r
∑
=
−
−
=
Trong đó: x, y là giá trị biến;
x, y là giá trị trung bình mẫu;
δx, δylà độ lệch chuẩn của các biến.
Hệ số này thể hiện mối quan hệ tương quan tuyến tính giữa các biến, cụ thể:
- Dấu của r: phản ánh chiều hướng quan hệ giữa các biến, r > 0 là mối quan hệ cùng chiều ngược lại, r < 0 là mối quan hệ ngược chiều.
- Giá trị của r: |r| ≤ 1, nếu r càng gần đến 1 thể hiện mối quan hệ càng chặt chẽ và ngược lại càng lỏng lẻo, |r| ≈ 0 thì không tồn tại mối quan hệ tương quan giữa các biến.
|r| > 0,8 : tương quan mạnh;
|r| = 0,4 đến 0,8: tương quan trung bình;
|r| < 0,4 : tương quan yếu.
|r| càng lớn thì tương quan giữa hai biến càng chặt.
Dựa vào hệ số tương quan r có thể thấy được mối quan hệ giữa các biến độc lập, làm cơ sở phát hiện có hiện tượng đa cộng tuyến hay không.
Để khắc phục hiện tượng đa cộng tuyến, nhiều phương pháp được sử dụng như:
- Sử dụng thông tin tiên nghiệm: Một trong các cách tiếp cận để giải quyết vấn đề đa cộng tuyến là phải tận dụng thông tin tiên nghiệm hoặc thông tin từ nguồn khác để ước lượng các hệ số riêng.
- Thu thập thêm số liệu hoặc lấy mẫu mới: Vì đa cộng tuyến là đặc trưng của mẫu nên có thể có mẫu khác liên quan đến cùng các biến trong mẫu ban đầu mà cộng tuyến có thể không nghiêm trọng nữa. Điều này chỉ có thể làm được khi chi phí cho việc lấy mẫu khác có thể chấp nhận trong thực tế.
Đôi khi chỉ cần thu thập thêm số liệu để tăng kích cỡ mẫu sẽ làm giảm tính nghiêm trọng của đa cộng tuyến.
- Bỏ biến: Trong mô hình hồi quy, biến phụ thuộc Y được giải thích bởi các biến X1, X2,…, Xk. Giả sử nhận thấy X2 tương quan chặt chẽ với X3. Khi đó nhiều thông tin về Y chứa ở X2 thì cũng chứa ở X3. Vậy nếu bỏ một trong hai biến X2 hoặc X3 khỏi mô hình, ta sẽ giải quyết được vấn đề đa cộng tuyến. Bằng
phép so sánh R2 và R2 điều chỉnh trong các hồi quy khác nhau mà có và không có một trong hai biến chúng ta có thể quyết định nên bỏ biến nào trong 2 biến bằng việc sẽ bỏ biến nào mà ở trong mô hình mới có R2 lớn hơn.
2.3.4. Ước lượng các mô hình Ước lượng lần lượt các mô hình:
- Mô hình ảnh hưởng cố định FEM;
- Mô hình ảnh hưởng ngẫu nhiên REM.
Tác giả sử dụng phương pháp White cross-section khi ước lượng hai mô hình FEM và REM. Khi đó, các khuyết tật của mô hình là tự tương quan và phương sai sai số không đồng nhất sẽ được tự động khắc phục trong quá trình ước lượng.
2.3.5. Kiểm định mô hình
a. Kiểm định độ phù hợp của mô hình
Một công việc quan trọng của bất kỳ thủ tục thống kê xây dựng mô hình từ dữ liệu nào cũng đều là chứng minh sự phù hợp của mô hình. Hầu như không có đường thẳng nào có thể phù hợp hoàn toàn với tập dữ liệu, vẫn luôn có sự sai lệch giữa các giá trị dự báo được cho bởi đường thẳng và các giá trị thực tế (thể hiện qua phần dư).
Để đánh giá tính thích hợp của mô hình, đề tài sử dụng một số kỹ thuật kiểm định bao gồm: tính toán hệ số xác định, dùng thống kê F để đánh giá mức ý nghĩa toàn diện của mô hình, tính toán sai số chuẩn của ước lượng và đánh giá ý nghĩa của từng biến độc lập riêng biệt.
Khi đó hệ số xác định R2 vẫn được sử dụng để xác định phần biến thiên trong biến phụ thuộc được giải thích bởi mối liên hệ giữa biến phụ thuộc và tất cả các biến độc lập của mô hình, với R2 được xác định bởi:
( )
∑
∑
=
=
−
−
= n
i i n
i i
y y
e R
1
2 1
2
2 1
và
So sánh F* và Fα , nếu F* < Fα , H0 được chấp nhận, ngược lại, nếu F* >
Fα, ta bác bỏ giá thiết H0 và chấp nhận H1.
b. Kiểm định ý nghĩa thống kê của các hệ số hồi quy riêng Giả thiết: H0: βi = 0
H1: βi ≠ 0 Đặt
So sánh giá trị của |t*| và tα/2, nếu |t*| < tα/2 thì H0 được chấp nhận, có nghĩa là tất cả hệ số góc đều bằng 0, và ngược lại, nếu |t*| > tα/2 thì bác bỏ H0 và thừa nhận H1.
c. Kiểm định Hausman để lựa chọn mô hình
Sau khi ước lượng, tiến hành kiểm định Hausman để lựa chọn giữa mô hình ảnh hưởng cố định và mô hình ảnh hưởng ngẫu nhiên.
Giả thiết được đặt ra như sau :
H0: Ước lượng của FEM và REM không khác nhau.
H1: Ước lượng của FEM và REM là khác nhau.
Sử dụng phần mềm Eviews để kiểm định giả thiết trên. Nếu p-value <
0.05, bác bỏ H0. Khi đó, REM không hợp lý, nên sử dụng FEM.
2.3.6. Tóm tắt và kết luận
Sau khi chọn 1 trong hai mô hình FEM và REM từ kiểm định Hausman, và kiểm định các giả thiết cần thiết, mô hình nghiên cứu sẽ được thiết lập. Dựa vào các hệ số trong mô hình, phân tích mối quan hệ giữa QTCT và QTRR tài chính trong các Ngân hàng TMCP Việt Nam. Liên hệ với lý luận thực tiễn và các giả thuyết đã đặt ra để làm rõ vấn đề nghiên cứu.
( )
(n k)
RSS k F ESS
−
= − /
1
* / ( )
( R ) (n k)
k F R
−
−
= −
/ 1
1
* 2/
2
i i
t β σβ
β *
ˆ ˆ
ˆ
=
KẾT LUẬN CHƯƠNG 2
Chương này đã giới thiệu khái quát về hệ thống Ngân hàng TMCP Việt Nam để làm tiền đề cho nghiên cứu.
Quá trình xây dựng và kiểm định mô hình hồi quy tuân thủ theo một quy trình nhất định, và được tiến hành tuần tự theo các bước. Qua đó sẽ xác định được mối quan hệ giữa QTCT và QTRR tài chính trong các ngân hàng TMCP Việt Nam.
CHƯƠNG 3
KẾT QUẢ NGHIÊN CỨU MỐI QUAN HỆ GIỮA QTCT VÀ QTRR CỦA CÁC NGÂN HÀNG TMCP VIỆT NAM