Theo tác giả Hoàng Ngọc Nhậm (2008), phương pháp kiểm định có ý nghĩa nhất để phát hiện ra hiện tượng tự tương quan là kiểm định Durbin-Watson.
Nếu 1<d<3: mô hình hồi quy không có tự tương quan 0<d<1: mô hình hồi quy có tương quan âm 3<d<4: mô hình hồi quy có tương quan dương.
Dựa vào bảng kết quả hồi quy mô hình Pool ở trên, ta thấy hệ số Durbin- Watson tương ứng với 3 mô hình hồi quy lần lượt có giá trị là 1.1440; 1.4438; 1.2237. Như vậy 1<d<3 thì mô hình không có sự tự tương quan. Từ đó, ta có thể kết luận được rằng các mô hình hồi quy với biến phụ thuộc là ROE, ROA, NIM ở trên đều không có sự tự tương quan.
44 4.5.2. Kiểm định WALD về sự cần thiết của các biến độc lập
Mô hình hồi quy Pool với biến phụ thuộc ROE
Trong mô hình hồi quy Pool với biến phụ thuộc ROE, ngoài các biến có ý nghĩa thống kê là CAP, PRO, EXPS, SZ và LN, hai biến còn lại RSK và INF không có ý nghĩa thống kê. Do đó, ta sẽ dùng kiểm định Wald để xem xét các biến này có thật sự cần thiết để đưa vào mô hình hay không.
Với kiểm định Wald, ta có các giả thuyết Ho: β3 =0; β8 = 0; giả thuyết H1: β3≠ 0; β8≠ 0. Để có kết quả đáng tin cậy đối với từng biến, có thể thực hiện lần lượt kiểm định Wald riêng rẽ cho các hệ số C3 (hệ số của biến RSK), C8 (hệ số của biến INF). Dựa vào kết quả ở bảng bên dưới, ta được hệ số Prob (F-Statistics) của 2 hệ số có giá trị lần lượt là 0.6696 và 0.8711. Cả hai giá trị này đều lớn hơn α=0.05. Do đó, không đủ điều kiện để bác bỏ giả thuyết Ho, tức là với dữ liệu thu thập được, hai biến RSK và INF không ảnh hưởng đến hiệu quả hoạt động ngân hàng và không cần thiết phải đưa vào mô hình.
Bảng 4.5. Kiểm định Wald trong mô hình hồi quy theo ROE KIỂM ĐỊNH WALD
PHƯƠNG TRÌNH HỒI QUY BIẾN PHỤ THUỘC ROE
Hệ số F-statistic P-value
RSK 0.182747 0.6696
INF 0.026411 0.8711
Nguồn: theo tính toán của tác giả
Mặc dù không có ý nghĩa thống kê, nhưng RSK và INF có tác động đến hiệu quả hoạt động ngân hàng. Theo Hoàng Ngọc Nhậm (2008), khi hệ số hồi quy của một biến nào đó khác 0 không có ý nghĩa thống kê, nhưng các lý thuyết kinh tế cho rằng biến đó có ảnh hưởng đến biến phụ thuộc của mô hình, thì nên giữ lại biến này trong mô hình nghiên cứu. Do đó, tác giả quyết định giữ lại hai biến RSK và INF trong mô hình hồi quy Pool với biến phụ thuộc ROE trên.
45 Mô hình hồi quy Pool với biến phụ thuộc ROA
Dựa vào kết quả hồi quy ở bảng 4.3, ta thấy được hệ số hồi quy của các biến RSK, EXPS, INF khác 0 nhưng không có ý nghĩa thống kê. Tương tự ở trên, ta có các giả thuyết Ho: β3 =0; β5 =0; β8 = 0; giả thuyết H1: β3≠ 0, β5≠ 0, β8≠ 0. Ta thực hiện kiểm định Wald riêng rẽ lần lượt cho các hệ số C(3), C(5), C(8) của 3 biến RSK, EXPS, INF. Theo bảng kết quả kiểm định Wald ở dưới đây, ta được các giá trị Prob (F-Statistics) lần lượt của 3 biến là 0.6981; 0.6995; 0.3546 > α=0.05, do đó chưa đủ cơ sở để bác bỏ giả thuyết Ho. Nghĩa là 3 biến này không cần thiết đưa vào mô hình.
Bảng 4.6. Kiểm định Wald trong mô hình hồi quy theo ROA KIỂM ĐỊNH WALD
PHƯƠNG TRÌNH HỒI QUY BIẾN PHỤ THUỘC ROA
Hệ số F-statistic P-value
RSK 0.15097 0.6981
EXPS 0.149472 0.6995
INF 0.861413 0.3546
Nguồn: theo tính toán của tác giả
Với lập luận tương tự như trên, tác giả cũng quyết định giữ lại ba biến RSK, EXPS và INF trong mô hình hồi quy Pool với biến phụ thuộc ROA để nghiên cứu, phân tích. Mô hình hồi quy Pool với biến phụ thuộc NIM
Tương tự như trên, trong mô hình hồi quy đối với NIM, hệ số hồi quy 3 biến RSK, SZ, INF khác 0 nhưng không có ý nghĩa thống kê. Do đó, cần phải thực hiện kiểm định Wald để xem xét khả năng loại bỏ khỏi mô hình. Ta thực hiện kiểm định Wald riêng rẽ lần lượt cho các hệ số C(3), C(6), C(8) của 3 biến RSK, SZ, INF và theo các bảng kết quả ở bên dưới, ta được các giá trị Prob (F-Statistics) lần lượt là 0.1164; 0.8695; 0.1745 > α=0.05, do đó chưa đủ cơ sở để bác bỏ giả thuyết Ho (β3 =0; β6 =0; β8 = 0). Nghĩa là 3 biến không cần thiết đưa vào mô hình.
46 Bảng 4.7. Kiểm định Wald trong mô hình hồi quy theo NIM
KIỂM ĐỊNH WALD
PHƯƠNG TRÌNH HỒI QUY BIẾN PHỤ THUỘC NIM
Hệ số F-statistic P-value (adsbygoogle = window.adsbygoogle || []).push({});
RSK 2.490231 0.1164
SZ 0.027052 0.8695
INF 1.858653 0.1745
Nguồn: theo tính toán của tác giả
Theo Hoàng Ngọc Nhậm (2008), khi hệ số hồi quy của một biến nào đó khác 0 không có ý nghĩa thống kê, nhưng các lý thuyết kinh tế cho rằng biến đó có ảnh hưởng đến biến phụ thuộc của mô hình, thì nên giữ lại biến này trong mô hình nghiên cứu. Rõ ràng từ phương trình hồi quy, 3 biến độc lập RSK, SZ và INF có tác động nhưng không có ý nghĩa thống kê đối với NIM. Do đó, tác giả quyết định giữ lại 3 biến này trong mô hình để tiến hành phân tích.
4.5.3. Kiểm định phương sai sai số thay đổi
Khi xảy ra hiện tượng phương sai sai số thay đổi sẽ ảnh hưởng đến các ước lượng thu được như sau:
Các ước lượng bình phương nhỏ nhất vẫn là ước lượng không chệch nhưng không phải là ước lượng hiệu quả (ước lượng có phương sai nhỏ nhất)
Ước lượng của các phương sai sẽ bị chệnh, do đó các kiểm định mức ý nghĩa và
khoảng tin cậy dựa theo phân phối T và F không còn đáng tin cậy nữa.
Do đó, nghiên cứu này sẽ lần lượt đi kiểm định phương sai sai số thay đổi của từng mô hình hồi quy đối với ROE, ROA và NIM. Phương sai thay đổi cũng có thể nảy sinh do sự hiện diện của yếu tố tách biệt (outlier, còn gọi là yếu tố nằm ngoài). Một quan sát nằm ngoài là một quan sát rất khác (có thể rất nhỏ hay rất lớn) với các quan sát khác trong mẫu. Việc bao gồm hay loại trừ một quan sát như thế, đặc biệt là nếu như cỡ mẫu nhỏ, có thể làm thay đổi đáng kể các kết quả phân tích hồi quy. Do đó để
47 tránh khả năng đánh giá sai lệch kết quả, luận văn sử dụng kiểm định White để phát hiện hiện tượng phương sai sai số thay đổi trong mô hình.
Các bước tiến hành kiểm định White như sau: Xét mô hình hồi quy :
(ROE, ROA, NIM) = β1+β2*CAP +β3*RSK + β4*PRO + β5*EXPS + β6*SZ + β7*LN +β8*INF + ei (*)
Bước 1: Ước lượng mô hình hồi quy (*), từ đó thu được các phần dư ei .
Bước 2: Ước lượng mô hình hồi quy phụ:
ei²= α1+ α2*CAP + α3*CAP2 + α4*CAP*RSK + α5*CAP*EXPS + α6*CAP*PRO
+ α7*CAP*SZ + α8*CAP*LN + α9*CAP*INF + α10*RSK + α11*RSK2 +
α12*RSK*EXPS + α13*RSK*PRO + α14*RSK*SZ + α15*RSK*LN +
α16*RSK*INF + α17*EXPS + α18*EXPS2 + α19*EXPS*PRO + α20*EXPS*SZ +
α21*EXPS*LN + α22*EXPS*INF + α23*PRO + α24*PRO2 + α25*PRO*SZ +
α26*PRO*LN + α27*PRO*INF + α28*SZ + α29*SZ2 + α30*SZ*LN +
α31*SZ*INF +α32* LN + α33*LN2 + α34*LN*INF + α35*INF + α36*INF2 + vi
(**)
Ta thu được R² theo mô hình hồi quy phụ. Bước 3:
Kiểm định giả thuyết :
Ho: Phương sai sai số không đổi H1: Phương sai sai số thay đổi Tiêu chuẩn kiểm định : χ² =χ(df)
Sau đó tính toán trị thống kê n*R2, trong đó: n là cỡ mẫu; R2 là hệ số xác định của mô hình hồi quy phụ (**) ở bước 2.
Bước 4:
Tra bảng phân phối Chi-bình phương (χ²), mức ý nghĩa α và bậc tự do là k (k là số tham số trong mô hình hồi quy phụ). (adsbygoogle = window.adsbygoogle || []).push({});
Nếu thì bác bỏ Ho, nghĩa là có hiện tượng phương sai sai số thay đổi. ) 1 ( 2 2 k nR
48 Nếu thì chấp nhận Ho, nghĩa là không có hiện tượng phương
sai sai số thay đổi.
Bây giờ ta bắt đầu kiểm định lần lượt từng mô hình theo từng biến phụ thuộc ROE, ROA, NIM.
4.5.3.1. Kiểm định phương sai sai số thay đổi đối với mô hình biến phụ thuộc ROE Dựa vào kết quả của mô hình hồi quy phụ theo phần dư bình phương được thể hiện trong phần Phụ lục B, ta thấy R2=0.541593 và số lượng mẫu n=26, do đó n*R2= 26*0.541593= 14.081418.
Số tham số trong phương trình hồi quy phụ theo phần dư là 36, do đó bậc tự do là k=36-1=35. Theo phân phối Chi-bình phương, với độ tin cậy 95% và bậc tự do là 35, ta tính được χ2=22.46. Như vậy kết quả là n*R-squared < χ2, do đó ta chấp nhận giả thuyết Ho, nghĩa là không có hiện tượng phương sai sai số thay đổi trong mô hình. 4.5.3.2. Kiểm định phương sai sai số thay đổi đối với mô hình biến phụ thuộc ROA Các bước thực hiện tương tự như đã làm đối với ROE, kiểm định phương sai thay đổi trong phương trình ROA được thực hiện ở phần phụ lục. Dựa vào bảng kết quả theo hồi quy phụ, ta thấy:
R2=0.501528; n=26
Ta được n*R2= 26*0.501528= 13.039728.
Số tham số trong phương trình hồi quy phụ theo phần dư là 36, do đó bậc tự do k=36-1=35. Tra bảng phân phối Chi-bình phương, với độ tin cậy 95% và bậc tự do là 35, ta tính được χ2=22.46.
Như vậy kết quả là n*R2 < χ2, do đó ta chấp nhận giả thuyết Ho, nghĩa là không có hiện tượng phương sai sai số thay đổi trong mô hình này.
4.5.3.3. Kiểm định phương sai sai số thay đổi đối với mô hình biến phụ thuộc NIM Quy trình kiểm định phương sai sai số thay đổi đối với NIM cũng được thực hiện tương tự như đã làm đối với ROE và ROA. Dựa vào kết quả của mô hình hồi quy ở
phần phụ lục, ta thấy rằng R2=0.366034 và số lượng mẫu n=26, do đó n*R-squared=
26*0.366034= 9.516884.
Số tham số trong phương trình hồi quy phụ theo phần dư là 36, do đó bậc tự do là k=36-1=35. Theo phân phối Chi-bình phương, với độ tin cậy 95% và 35 bậc tự do, ta
) 1 (
k
49 tính được χ2=22.46. Như vậy kết quả là n*R-squared < χ2, do đó ta chấp nhận giả thuyết Ho, nghĩa là không có hiện tượng phương sai sai số thay đổi trong mô hình. Tóm lại, kết quả kiểm định White cho thấy cả 3 mô hình hồi quy mà ta xây dựng với 3 biến phụ thuộc ROE, ROA, NIM đều không xảy ra hiện tượng phương sai sai số thay đổi.
Như vậy, sau khi chạy hồi quy Pool và tiến hành các kiểm định cần thiết luận văn sẽ đi giải thích ý nghĩa hệ số hồi quy của các biến giải thích trong các phương trình trên. 4.6. Giải thích kết quả nghiên cứu
Đề tài đã tìm được các mô hình nghiên cứu phù hợp để giải thích mối quan hệ giữa các biến, đồng thời cũng đã kiểm định được sự phù hợp của mô hình. Để thuận lợi cho quá trình phân tích, so sánh, tác giả sẽ tiến hành phân tích tác động đồng thời của từng biến độc lập đến 3 biến phụ thuộc ROE, ROA và NIM.
4.6.1. Biến tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAP)
Dựa vào kết quả hồi quy của 3 mô hình tương ứng với ba biến phụ thuộc ROE, ROA và NIM, ta thấy trong cả ba mô hình, biến CAP đều có ảnh hưởng đến hiệu quả hoạt động ngân hàng với mức ý nghĩa cao (1%). Tuy nhiên mối tương quan này có sự khác nhau về dấu đối với các chỉ tiêu đo lường hiệu quả hoạt động khác nhau.
Tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAP) có mối tương quan thuận với hiệu quả hoạt động của ngân hàng (ROA, NIM) với mức ý nghĩa thống kê 1%. Hệ số hồi quy cho thấy mặc dù đều có tác động cùng chiều, nhưng biến CAP tác động tới NIM mạnh hơn ROA (0.1282 > 0.0340). Biến này phản ánh cơ cấu vốn của mỗi ngân hàng. Vốn chủ sở hữu của ngân hàng là tấm đệm để chống lại rủi ro phá sản, bảo vệ quyền lợi của khách hàng tiền gửi và góp phần tạo nên thương hiệu và niềm tin cho khách hàng. Tỷ lệ vốn chủ sở hữu/tổng tài sản cao đồng nghĩa với tỷ lệ nợ/tổng tài sản thấp, ngân hàng sẽ giảm được đáng kể chi phí sử dụng vốn như chi phí lãi vay, chi phí liên quan đến huy động vốn. Chi phí giảm sẽ trực tiếp làm tăng lợi nhuận. Điều này nhất quán với giả thuyết H1 đưa ra và cũng phù hợp với nghiên cứu thực nghiệm trên thế giới. Nghiên cứu của Naceur (2003) cũng cho thấy những ngân hàng nào có tỷ lệ vốn chủ sở hữu cao thì có NIM và ROA cao. Trong một nghiên cứu khác, để tìm ra các yếu tố xác định Net Interest Margin (NIM) của ngân hàng, Anthony và Schumancher (2000) chọn lọc số
50 liệu từ 614 ngân hàng ở 7 nước quốc Châu Âu và Mỹ trong giai đoạn 1988 đến 1995 và cũng đã chứng tỏ được sự tồn tại mối liên hệ cùng chiều giữa tỷ lệ vốn chủ sở hữu trên tổng tài sản và NIM.
Tuy nhiên, trong giai đoạn 2006-2012 vừa qua, nền kinh tế Việt Nam và thế giới rơi vào khủng hoảng nghiêm trọng. Do đó kết quả hồi quy cũng phần nào phản ánh được tình hình này thông qua mối quan hệ ngược chiều giữa CAP với ROE. Chỉ số CAP phản ánh khả năng tài trợ tổng tài sản từ vốn tự có của doanh nghiệp. Tỷ số này cao chứng tỏ khả năng tự chủ tài chính của doanh nghiệp, nhưng cũng cho thấy doanh nghiệp chưa tận dụng đòn bẩy tài chính nhiều. Khi khủng hoảng kinh tế xảy ra, người dân có xu hướng tiết kiệm chi tiêu và gửi tiền vào ngân hàng để đảm bảo an toàn vốn thay vì tung tiền đầu tư vào các kênh khác như chứng khoán, vàng, ngoại tệ hay đầu tư sản xuất kinh doanh, những kênh đầu tư đầy rủi ro và mạo hiểm. Chứng minh cho điều đó bằng dữ liệu của hãng AP (thông tấn xã Hoa Kỳ) khi phân tích thái độ của người tiêu dùng bắt đầu từ tháng 12 năm 2007 đến cuối năm 2012. Phân tích tập trung vào 10 nền kinh tế lớn nhất thế giới – Mỹ, Trung Quốc, Nhật, Đức, Pháp, Anh, Brazil, Nga, Ý và Ấn Độ – chiếm một nửa dân số thế giới và 65% GDP toàn cầu cũng cho thấy dù giàu hay nghèo, già hay trẻ, không phân biệt màu da, đẳng cấp, khi khủng hoảng xảy ra, hầu như tất cả mọi người đều có cùng hành vi là giữ chặt đồng tiền của mình và gửi tiết kiệm vào ngân hàng.
Lượng tiền gửi vào các ngân hàng tăng đột biến dẫn đến tổng tài sản tăng cao. Điển hình là lãi suất tiền gửi trong giai đoạn 2008-2010 ở mức rất cao (trên 20%) thu hút nhiều lượng tiền gửi nhàn rỗi từ dân cư và kể cả các doanh nghiệp. Vốn chủ sở hữu không đổi trong khi tổng tài sản tăng làm tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAP) giảm xuống. Mặt khác, khi tổng tài sản tăng, các ngân hàng tận dụng nguồn vốn huy động này để cho vay hoặc kinh doanh sinh lời, từ đó làm cho lợi nhuận tăng lên. Như vậy, trong giai đoạn khủng hoảng, tỷ lệ vốn chủ sở hữu trên tổng tài sản càng thấp dẫn đến lợi nhuận càng cao. Tương tự như vậy, có bằng chứng cho rằng tỷ lệ vốn trên tổng tài sản (CAP) có tác động ngược chiều đến lợi nhuận ngân hàng trong giai đoạn khủng hoảng 2007-2009 khi Andreas và Gabrielle (2011) sử dụng kỹ thuật ước lượng GMM để nghiên cứu phân tích số liệu trên 372 ngân hàng thương mại ở Thụy Sĩ từ 1999- 2009. Một trong những lí do chính để giải thích cho điều này là do một số ngân hàng ở
51 Thụy Sỹ đảm bảo được sự an toàn đã thu hút được thêm lượng tiền gửi tiết kiệm (chủ yếu từ ngân hàng UBS- ngân hàng tư nhân lớn nhất thế giới) trong cuộc khủng hoảng. 4.6.2. Biến rủi ro tín dụng (RSK)
Theo kết quả của các nghiên cứu trước, rủi ro tín dụng là yếu tố quan trọng và có ảnh hưởng ngược chiều đến hiệu quả hoạt động ngân hàng. Mặc dù không có ý nghĩa