Đây là trường hợp đơn giản nhất, mô hình bỏ qua mảng thời gian và không gian của dữ liệu bảng, và chỉ ước lượng mô hình hồi quy bình phương tối thiểu thông thường (OLS). Trong mô hình này, các giả định về sự tự tương quan, phương sai thay đổi, những sự khác biệt về không gian và thời gian của từng biến quan sát đều không tác động đến. Chính vì thế, tung độ gốc và độ dốc của các hệ số được giả định là không thay đổi theo thời gian, không gian và cả theo từng biến.
31 Yit = β1 + β2*X2it + β3*X3it + … + βk*Xkit + µit (1)
Trong đó: i = 1, 2, 3, ….n; t= 1, 2, 3, ….T
Tuy nhiên, nhược điểm của mô hình này là khả năng xảy ra hiện tượng tự tương quan trong số liệu khá cao. Ngoài ra, việc giả định hệ số chặn trong mô hình là giống nhau cho các đối tượng quan sát, và giả định về hệ số ước lượng của các biến quan sát là giống nhau cho các đối tượng quan sát làm bóp méo hình ảnh thực sự về mối quan hệ giữa biến Y và các biến X.
3.4.2. Mô hình hồi quy tác động cố định (Fixed Effect Model _FEM)
Mô hình tác động cố định không bỏ qua các ảnh hưởng theo chuỗi thời gian và các đơn vị chéo, hay nói cách khác, tung độ gốc của mỗi đơn vị chéo là thay đổi nhưng vẫn giả định độ dốc là cố định cho từng biến. Khi đó, mô hình tác động cố định được biểu diễn như sau:
Yit = βit + β2*X2it + β3*X3it + ….+ βk*Xkit + µit (2) Mô hình (2) có thể tách thành hai mô hình:
Yit = β1t + β2*X2it + β3*X3it + ….+ βk*Xkit + µit (2.1) Yit = β1i + β2*X2it + β3*X3it + ….+ βk*Xkit + µit (2.2)
Mô hình 2.1 giả định tung độ gốc thay đổi theo thời gian nhưng giống nhau giữa các đơn vị chéo trong cùng năm quan sát, được biết đến như hồi quy tác động cố định thời gian. Trong mô hình này, các tác động thời gian cố định kiểm soát những biến không quan sát giống nhau giữa các đơn vị chéo nhưng khác nhau khi thời gian thay đổi.
Mô hình 2.2 giả định tung độ gốc chung của mô hình thay đổi nhưng độ dốc của các đơn vị chéo không đổi. Với tác động chéo cố định, do đó tung độ gốc khác nhau giữa các đơn vị chéo nhưng nó lại không thay đổi theo thời gian. Những ảnh hưởng làm thay đổi tung độ gốc có thể là do sự khác biệt về đặc thù, hay phong cách quản lý của mỗi ngân hàng.
3.4.3. Mô hình hồi quy tác động ngẫu nhiên (Random Effect Model _REM)
Nếu ở trong mô hình hồi quy tác động cố định, những yếu tố không quan sát được xem như là tham số và được ước lượng, ở mô hình tác động ngẫu nhiên, chúng
32 được xem như là kết quả của những biến ngẫu nhiên. Từ mô hình 2.2, ta giả định β1i như biến ngẫu nhiên có giá trị trung bình là β1 và giá trị tung độ gốc của đơn vị chéo được biểu diễn như sau:
β1i = β1 + Ɛi; Với i = 1, 2, …N và Ɛi là sai số ngẫu nhiên. Ta có thể viết lại mô hình 2.2:
Yit = β1i + β2*X2it + β3*X3it + ….+ βk*Xkit + µit
= β1 + β2*X2it + β3*X3it + ….+ βk*Xkit + µit + Ɛi = β1 + β2X2it + β3X3it + ….+ βkXkit + wit
Trong đó wit = µit + Ɛi là số hạng sai số kết hợp hai thành phần: Ɛi là thành phần sai số theo không gian và µit là thành phần sai số theo không gian và chuỗi thời gian kết hợp. Mô hình này giúp cho việc kiểm soát những tác động không quan sát được của các đơn vị chéo khác nhau nhưng không thay đổi theo thời gian. Những tác động không quan sát được như đặc thù, chính sách, nguồn nhân lực, …của ngân hàng.
Mô hình kèm theo những giả định của tác động cố định cộng thêm yêu cầu bổ sung là các tác động không quan sát được không tương quan với tất cả các biến giải thích. Giả thuyết này được kiểm định bằng kiểm định Hausman (1978). Theo Wooldridge (1997), nếu giả thuyết tác động ngẫu nhiên đúng, ước lượng tác động ngẫu nhiên hiệu quả hơn mô hình pool và cả mô hình tác động cố định. Tuy nhiên, nếu không giữ giả định tác động cố định không tương quan với các biến giải thích, thì mô hình hồi quy tác động cố định lại thích hợp hơn mô hình này.
3.4.4. Lựa chọn FEM và REM
Sau khi xây dựng được mô hình, vấn đề tiếp theo là FEM hay REM sẽ tốt hơn. Câu trả lời cho câu hỏi này xoay quanh giả định mà ta đưa ra về mối tương quan giữa sai số µi và các biến hồi quy độc lập. Nếu như ta giả định rằng µi và các biến số X là không có tương quan nhau thì REM có thể sẽ phù hợp hơn; còn nếu ngược lại, µi và các biến số có tương quan nhau thì FEM sẽ phù hợp hơn.
Để có cở sở lựa chọn FEM hay REM, Hausman (1978) đã xây dựng kiểm định
lựa chọn FEM và REM. Giả thuyết H0 làm nền tảng cho kiểm định Hausman là các ước
33 xây dựng có phân phối χ tiệm cận. Nếu giả thuyết H0 bị bác bỏ, kết luận sẽ là REM không phù hợp và trong trường hợp này FEM sẽ được lựa chọn.
Thực chất kiểm định Hausman (1978) để xem xét có tồn tại tự tương quan giữa
sai số µi và các biến hồi quy độc lập hay không. Kiểm định Hausman (1978) là kiểm
định giả thuyết:
H0: sai số µi và biến độc lập không tương quan. H1: sai số µi và biến độc lập có tương quan.
Nếu giá trị (Prob>χ2) < 0,05 thì ta bác bỏ giả thiết H0, khi đó sai số µi và biến độc lập có tương quan, khi đó việc sử dụng mô hình tác động cố định sẽ giải thích tốt hơn. Và ngược lại, khi giá trị (Prob>χ2) > 0,05, lúc đó chấp nhận giả thiết Ho, tức là sai số µi
và biến độc lập không tương quan, mô hình tác động ngẫu nhiên nên được sử dụng trong trường hợp này.
3.5.Kiểm định độ phù hợp của mô hình hồi quy đã lựa chọn
Nghiên cứu thực hiện một số kiểm định cơ bản để xem có tồn tại các khuyết tật trong mô hình hay không, bao gồm: (adsbygoogle = window.adsbygoogle || []).push({});
- Ma trận tương quan giữa các hệ số được dùng để kiểm tra khả năng xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy. Việc này được thực hiện ở bước khảo sát mối tương quan giữa các cặp biến. Ngoài ra luận văn còn sử dụng phương pháp nhân tử phóng đại phương sai (VIF) để có kết luận chắc chắn về đa cộng tuyến.
- Sử dụng giá trị thống kê Durbin-Watson có trong bảng kết quả hồi quy cộng với kinh nghiệm kiểm tra được trình bày trong tài liệu của Hoàng Ngọc Nhậm (2008) mà kết luận có hay không tồn tại tự tương quan trong mô hình hồi quy.
- Dùng kiểm định WALD để xem xét về các biến cần thiết trong mô hình, để kiểm tra các hệ số hồi quy của các biến trong mô hình khác 0 là thực sự có ý nghĩa hay không.
- Đối với vấn đề phương sai thay đổi, tác giả dùng kiểm định White để xem xét tổng
quát về sự đồng nhất của phương sai. Quá trình thực hiện kiểm định sẽ theo các trình tự sau: tác giả sẽ hồi quy mô hình gốc, từ đó thu được phần dư ei. Sau đó, ước lượng mô hình hồi quy với biến phụ thuộc là bình phương phần dư vừa thu được, trong trường hợp này, ngoài các biến độc lập ban đầu, phương trình được bổ sung thêm bình phương các biến độc lập và các số hạng có chứa tích chéo của các biến độc lập với nhau. R2 tìm
34 được từ mô hình này sẽ được dùng để tính toán cho các bước tiếp theo. Cuối cùng, với R2 vừa xác định, n là số lượng đơn vị chéo, tác giả tính được giá trị n*R2. Bên cạnh đó, với bậc tự do là k=p-1 và độ tin cậy là 95%, tác giả xác định được giá trị χ2, so sánh giữa hai giá trị n*R2 và χ2, nếu n*R2 có giá trị lớn hơn thì giả thuyết H0 cho rằng không có hiện tượng phương sai thay đổi sẽ bị bác bỏ, ngược lại nếu n*R2 có giá trị bé hơn thì
chấp nhận giả thuyết H0, hay môhình xem xét không có hiện tượng phương sai thay
đổi.
- Nếu xảy ra hiện tượng phương sai thay đổi, tác giả sẽ sử dụng phương pháp GLS
(bình phương tối thiểu tổng quát) để khắc phục.
Ngoài ra, hiện nay có nhiều ý kiến xung quanh vấn đề dùng chỉ tiêu R2 để giải thích, đánh giá mô hình hồi quy với dữ liệu dạng bảng. Các chuyên gia kinh tế cho rằng, hệ số này chỉ có giá trị giải thích đối với các mô hình hồi quy theo chuỗi thời gian, và có cỡ mẫu quan sát nhỏ (khoảng trên dưới 100 quan sát), hoặc dùng trong các trường hợp dự báo. Tuy nhiên, đối với mô hình hồi quy dữ liệu dạng bảng, đối với các nghiên cứu đi kiểm định giả thuyết, hoặc dự đoán mối liên hệ giữa các biến, thì chỉ tiêu R2 không được sử dụng để đưa ra kết luận. Gelman và Pardoe (2006) cho rằng R2 không phải là một chỉ tiêu hoàn hảo để đánh giá mô hình, đặc biệt là mô hình hồi quy dữ liệu dạng bảng. Do đó không thể kết luận mô hình không tốt nếu R2 thấp, cũng không thể kết luận mô hình là hoàn hảo trong việc giải thích mối quan hệ giữa các biến trong trường hợp R2 tiến về gần 1. Trong luận văn này không sử dụng chỉ tiêu R2 để đánh giá, kết luận về mô hình. 3.6. Giải thích kết quả nghiên cứu
Sau khi lựa chọn được mô hình tối ưu, tác giả sẽ phân tích và thảo luận kết quả. Kết quả nghiên cứu có thể giống hoặc khác với lý thuyết đã đưa ra, do đó trong phần giải thích kết quả nghiên cứu, tác giả sẽ kết hợp lý thuyết và thực tiễn của môi trường khảo sát để biện luận ý nghĩa kinh tế của các mối tương quan có ý nghĩa thống kê giữa biến phụ thuộc và biến độc lập. Thông qua đó, luận văn khẳng định lại sự đúng đắn của giả thuyết đã đề ra hoặc giải thích các nguyên nhân bị bác bỏ hay chưa chứng minh được của nghiên cứu.
35 Tóm lại, chương 3 thể hiện việc tính toán các biến số để đưa vào mô hình hồi quy. Các kỹ thuật ước lượng mô hình cũng được trình bày cụ thể. Trong thực tế, việc xây dựng mô hình tốt đến đâu cũng khó cho ra kết quả đáng tin cậy nếu việc thu thập và xử lý số liệu không chính xác. Do đó số liệu trong nghiên cứu được tác giả thu thập từ các nguồn tin cậy, uy tín với cách thức tính toán các biến cụ thể, rõ ràng khi đưa vào mô hình. Phần tiếp theo sẽ tiến hành chạy mô hình thực nghiệm và phân tích kết quả.
36 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 3 đã lựa chọn và tính toán các biến số cần thiết để đưa vào mô hình thực nghiệm. Tiếp theo, chương này sẽ trình bày kết quả phân tích và kiểm định lại các giả thuyết đã được đưa ra lúc ban đầu. Dữ liệu được dùng để phân tích là 182 quan sát trong vòng 7 năm, từ 2006 đến 2012. Phần đầu sẽ trình bày thông tin về dữ liệu nghiên cứu, bao gồm: thống kê mô tả số liệu, ma trận hệ số tương quan giữa các biến quan sát và sau đó là trình bày kết quả hồi quy. Ngoài ra, chương này cũng sẽ tiến hành các kiểm định cần thiết đối với mô hình hồi quy như: kiểm định tự tương quan, kiểm định thừa biến và kiểm định phương sai thay đổi.
4.1. Thống kê mô tả
Bảng 4.1. Thống kê mô tả các biến nghiên cứu
Trung
bình Lớn nhất Nhỏ nhất Độ lệch chuẩn Độ nhọn Jarque-Bera P-value
Số quan sát CAP 0.133 0.464 0.029 0.094 1.726 138.59 0.000 182 RSK 0.011 0.038 0.000 0.007 1.075 52.01 0.000 182 PRO 4.977 6.359 0.449 0.811 -1.622 282.36 0.000 182 EXPS 0.015 0.060 0.003 0.007 2.579 1401.74 0.000 182 SZ 17.228 20.037 13.012 1.496 -0.418 5.31 0.070 182 LN 0.090 0.149 0.042 0.033 0.357 7.06 0.029 182 INF 0.118 0.199 0.065 0.052 0.413 19.26 0.000 182 ROE 0.111 0.306 0.001 0.060 0.753 19.16 0.000 182 ROA 0.014 0.055 0.000 0.009 1.829 318.19 0.000 182 NIM 0.055 0.253 -0.007 0.028 2.736 2153.62 0.000 182
CAP: Tỷ lệ vốn chủ sở hữu trên tổng tài sản trung bình giữa các ngân hàng là 13,3%, cao nhất là 46,4% thuộc về ngân hàng Ngân Hàng TMCP Phát Triển Mê Kông (MDB)
37 và thấp nhất là 2,9% (thuộc về ngân hàng Nam Việt). Chỉ số Skewness của CAP là 1,726 > 0, điều này cho thấy phân phối của CAP là lệch phải, nghĩa là đa số các ngân hàng có tỷ lệ vốn chủ sở hữu trên tổng tài sản nhỏ hơn mức trung bình. Giá trị P-value của kiểm định Jarque-Bera < 0,05 cho thấy phân phối của CAP là phân phối chuẩn. RSK: Tỷ lệ trích lập dự phòng rủi ro tín dụng trung bình là 1,1% và phân phối của RSK cũng là phân phối chuẩn (Giá trị P-value của kiểm định Jarque-Bera < 0,05). Ngân hàng VietcomBank có tỷ lệ trích lập dự phòng rủi ro tín dụng cao nhất 3,8%. Nghĩa là chất lượng khoản vay của ngân hàng này đang ở mức thấp (rủi ro tín dụng cao) so với các ngân hàng chọn mẫu.
PRO: Năng suất lao động trung bình là 4,9, trong đó ngân hàng SaigonBank có năng suất cao nhất 6,35 trong khi ngân hàng Nam Việt có năng suất lao động thấp nhất. Chỉ số Skewness là -1,6 < 0 cho thấy phân phối của PRO là lệch trái, nghĩa là đa số các ngân hàng có năng suất lao động lớn hơn mức trung bình.
EXPS: Chi phí hoạt động trên tổng tài sản trung bình là 1,5% trên tổng tài sản, trong đó ngân hàng VietCapital có chi phí lớn nhất 6%. Ngân hàng Ngân Hàng TMCP Phát Triển Mê Kông và OceanBank có tỷ lệ chi phí thấp nhất. Chỉ số Skewness là 2,5 >0 cho thấy phân phối của EXPS là lệch phải, nghĩa là đa số các ngân hàng có tỷ lệ chi phí hoạt động nhỏ hơn mức trung bình.
SZ: Quy mô ngân hàng trung bình là 17,2, trong đó ngân hàng Công Thương có quy mô lớn nhất và ngân hàng Ngân Hàng TMCP Phát Triển Mê Kông (MDB) có quy mô nhỏ nhất. Quy mô các ngân hàng có độ lệch chuẩn lớn, nghĩa là có sự chênh lệch rất lớn về quy mô giữa các ngân hàng.
LN: Chỉ số H-H có giá trị trung bình là 0,09, trong đó giá trị nhỏ nhất là 0,042, giá trị lớn nhất là 0,149. Do đó, nhìn chung mức độ cạnh tranh trong thị phần tiền vay giữa các ngân hàng trong giai đoạn này khá gay gắt.
INF: Trong giai đoạn từ 2006 đến 2012, lạm phát trung bình là 11,8%. Vào năm 2008, tỷ lệ lạm phát ở mức cao nhất (20%) và ngay sau đó đạt tỷ lệ thấp nhất là 6,5% trong năm 2009. Điều này có thể giải thích là do năm 2008 mức độ tăng trưởng tín dụng và cung tiền rất lớn khiến lạm phát tăng cao, tuy nhiên chính sách thắt chặt tiền tệ kịp thời của chính phủ đã đưa tỷ lệ lạm phát về dưới 7% ở năm tiếp theo. Nhìn vào bảng thống kê ta thấy tỷ lệ lạm phát của Việt Nam trong giai đoạn này biến động khá mạnh.
38 ROE: Lợi nhuận trên vốn chủ sở hữu trung bình là 11,1%, cao nhất là 30,6% (Ngân hàng ACB) và thấp nhất 0,1% (ngân hàng Nam Việt). Đa số các ngân hàng có ROE xoay quanh mức trung bình của toàn ngành. Tuy nhiên có sự chênh lệch lớn giữa giá trị lớn nhất và nhỏ nhất của ROE.
ROA: Lợi nhuận trên tổng tài sản trung bình là 1,4%, trong đó ngân hàng SaigonBank có ROA cao nhất, 5,5%. Nhìn vào chỉ số Skewness của ROA là 1,829 > 0 ta thấy phân phối của ROA lệch về bên phải. Nghĩa là có rất nhiều ngân hàng có ROA thấp hơn mức trung bình của toàn ngành.
NIM: Tỷ lệ thu nhập lãi biên trung bình là 5,5%, tỷ lệ cao nhất là 25,3% thuộc về ngân (adsbygoogle = window.adsbygoogle || []).push({});