Tốc độ tăng trưởng kinh tế (GPD)
Tình hình kinh tế thuận lợi, các doanh nghiệp kinh doanh có lãi, đảm bảo được nghĩa vụ trả nợ, các NHTM có được chất lượng tín dụng tốt làm tăng tỷ suất sinh lời. Ngược lại khi tình hình kinh tế trở nên xấu đi, sẽ làm giảm chất lượng danh mục cho vay, tăng dự phòng rủi ro tín dụng do đó làm giảm tỷ suất sinh lời của ngân hàng.
Pasiouras và Kosmidou (2007), Neely và Wheelock (1997) cho rằng quan hệ giữa tăng trưởng GDP và tỷ suất sinh lời của Ngân hàng là mối tương quan dương. Bài luận văn sử dụng tốc độ tăng trưởng GDP hàng năm để tìm mối tương quan giữa tình hình kinh tế và tỷ suất sinh lời của ngân hàng.
Lạm phát (CPI)
Yếu tố lạm phát sẽ tác động trực tiếp tới động cơ gửi tiền và đi vay của khách hàng. Do đó sẽ tác động trực tiếp đến chi phí và thu nhập của NHTM từ đó ảnh hưởng đến tỷ suất sinh lời của các NHTM. Bài luận văn sử dụng tỷ lệ lạm phát hàng năm dựa vào chỉ số CPI (Athanasoglou, 2008). Tóm tắt chi tiết thông tin các biến theo bảng bên dưới:
Bảng 4.1 Các biến trong mô hình nghiên cứu
Biến | Đo lường | Ký hiệu | Kì vọng | Nghiên cứu trước | |
Biến phụ thuộc | Tỷ suất sinh lời | Lợi nhuận sau thuế/Vốn chủ sở hữu | ROE | Rokwaro (2013), Goddard và cộng sự (2004) | |
Biến độc lập | Hình thức sở hữu | Biến giả: 1: NHTMCP do nhà nước nắm cổ phần chi phối 0: NHTMCP | OWN | - | Cornett và cộng sự (2008), Dietrich và Wanzenried (2014) |
Có thể bạn quan tâm!
-
Ảnh Hưởng Của Hình Thức Sở Hữu Nhà Nước Đến Tỷ Suất Sinh Lời Của Nhtm -
Thực Trạng Về Hình Thức Sở Hữu Nhà Nước Của Các Nhtmcp Việt Nam: -
Mô Hình Kiểm Định Ảnh Hưởng Của Hình Thức Sở Hữu Nhà Nước Đến Tỷ Suất Sinh Lời Của Các Ngân Hàng Thương Mại Cổ Phần Việt Nam -
Kiểm Định Ar(1), Ar(2), Hansen Test -
Khuyến Nghị Nhằm Nâng Cao Tỷ Suất Sinh Lời Nhtmcp Việt Nam -
Ảnh hưởng của hình thức sở hữu nhà nước đến tỷ suất sinh lời của các Ngân hàng thương mại cổ phần Việt Nam - 10
Xem toàn bộ 90 trang tài liệu này.
Quy mô ngân hàng | Logarit tự nhiên tổng tài sản | SIZE | + | Emery (1971), Akhavein và cộng sự (1997), Bourke (1989), Molyneux và Thornton (1992), Bikker và Hu (2002), Goddard (2004) |
Chi phí hoạt động | Chi phí hoạt động/Thu nhập hoạt động | OC | - | Alexiou và Sofoklis (2009), Dietrich và Wanzenried (2011 |
Rủi ro tín dụng | Dự phòng rủi ro cho vay/Dư nợ cho vay | CR | - | Dietrich và Wanzenried (2009), Trujiloo-Ponce (2013) |
Vốn chủ sở hữu | Vốn chủ sở hữu/Tổng tài sản | CAP | - | Athanasoglou (2008) |
Cấu trúc tài sản | Dư nợ cho vay/Tổng tài sản | L/A | + | Trujillo-Ponce (2013), Syafri (2012) |
Tiền gửi khách hàng | Tiền gửi khách hàng/Tổng nợ phải trả | DEP | + | Trujillo-Ponce (2013) |
Tăng trưởng kinh tế | Tốc độ tăng GDP hàng năm | GDP | + | Pasiouras và Kosmidou (2007), Neely và Wheelock (1997) |
Lạm phát | Tốc độ tăng CPI hàng năm | CPI | + | Kunt và HuiZinga (1999), Alexious và Sofoklis (2009), |
Kasman (2010)
Nguồn: Tác giả xây dựng
4.2.2 Phương pháp nghiên cứu
Để xác định mối tương quan giữa hình thức sở hữu và tỷ suất sinh lời của Ngân hàng thương mại cổ phần Việt Nam, luận văn sử dụng dữ liệu bảng. Rất nhiều tác giả đã sử dụng dữ liệu bảng trong mô hình của mình khi nghiên cứu về lĩnh vực Ngân hàng như Srairi (2013) sử dụng để kiểm tra độ rủi ro tại các Ngân hàng quốc gia Hồi giáo, Athanasoglou (2008) cũng sử dụng dữ liệu bảng trong bài nghiên cứu của mình để tìm ra các nhân tố ảnh hưởng đến khả năng sinh lời của Ngân hàng. Sử dụng dữ liệu bảng có một số ưu điểm lớn là: Nghiên cứu được sự khác biệt giữa các đơn vị chéo, nâng cao được số quan sát của mẫu và phần nào khắc phục được hiện tượng đa cộng tuyến, chứa đựng nhiều thông tin hơn dữ liệu khác, nghiên cứu được động thái thay đổi của các đơn vị chéo theo thời gian…
Trong phương pháp hồi quy dữ liệu bảng, hai mô hình hồi quy phổ biến là mô hình hồi quy tác động cố định (Fixed-effects) và hồi quy tác động ngẫu nhiên (Random- effects). Nội sinh trong mô hình đôi khi khiến kết quả ước lượng từ các mô hình fixed effect và random effect không thật sự chính xác. Để giải quyết vấn đề này, các nghiên cứu trước đây đã sử dụng ước lượng biến công cụ (ước lượng IV). Tuy nhiên, vấn đề phát sinh khi sử dụng ước lượng biến biến công cụ là thường khó kiếm được biến công cụ phù hợp bởi vị nếu chọn những biến công cụ yếu, ước lượng IV có thể bị chệch (Mileva, 2007). Nói cách khác, sử dụng ước lượng IV mà không chọn được biến công cụ phù hợp thì các vấn đề của ước lượng OLS cũng sẽ không được cải thiện. Từ đó, mô hình dữ liệu bảng động GMM được đề xuất sử dụng theo như nghiên cứu của Arellano và Bond (1991). Một trong những ưu điểm của mô hình GMM so với mô hình ước lượng biến công cụ đó là mô hình GMM dễ dàng chọn các biến công cụ hơn bởi vì sử dụng các biến ngoại sinh ở
khoảng thời gian khác hoặc lấy độ trễ của các biến có thể sử dụng như biến công cụ cho các biến nội sinh tại thời điểm hiện tại. GMM đã đưa ra nhiều biến công cụ để có thể dễ dàng đạt được điều kiện của một biến công cụ chuẩn (Overidentification of Estimators). Do đó để giải quyết vấn đề này, bài luận văn ứng dụng một phương pháp ước lượng khác, phương pháp ước lượng System Generalized Methods of Moments (System GMM) của Hansen (1982), đối với dữ liệu bảng kiểu động (Dynamic Panel Data Analysis) được đề xuất bởi Arellano & Bover (1995), Blundell & Bond (1998), Athanasoglou (2008). Bên cạnh đó, Arellano và Bond (1991) đã đề nghị hai kiểm định chủ chốt để kiểm tra tính hiệu lực của mô hình GMM. Kiểm định đầu tiên đó là kiểm định Sargan hoặc kiểm định Hansen cho tính hiệu lực (Overidentification) của mô hình. Kiểm định thứ hai được sử dụng đó là kiểm định Arellano-Bond nhằm kiểm định cho sự tự tương quan. Bài luận văn bao gồm các bước sau:
Đầu tiên, luận văn sẽ hồi quy mô hình với phương pháp OLS, RE, FE. Kiểm định lựa chọn mô hình giữa OLS, RE, FE.
Thứ hai, xử lý ước lượng mô hình bị chệch và không vững bởi nội sinh bằng phương pháp SGMM.
Thứ ba, kiểm định mức độ phù hợp của mô hình SGMM. Các kiểm định sử dụng trong mô hình bao gồm:
Kiểm định Hausman sẽ được sử dụng để lựa chọn phương pháp ước lượng phù hợp giữa FE và RE (Baltagi, 2008, Gujarati, 2004). Giả thuyết H0 cho rằng không có sự tương quan giữa sai số đặc trưng 𝜀𝑖𝑡 giữa các đối tượng với các biến giải thích Xit trong mô hình (Cov(𝜀𝑖𝑡 , Xit)=0). Bác bỏ giả thuyết H0 có nghĩa là FE phù hợp hơn RE. Ngược lại, chưa có đủ bằng chứng để bác bỏ H0 chứng tỏ không có sự tương quan giữa sai số và các biến giải thích do đó FE không còn phù hợp và RE nên được sử dụng.
Để lựa chọn giữa RE và Pooled OLS, phương pháp phân tử Lagrange (LM) với kiểm định Breusch-Pagan được sử dụng để kiểm chứng tính phù hợp của ước lượng
(Baltagi, 2008). Theo đó, giả thuyết H0 cho rằng sai số của ước lượng không bao gồm sai lệch giữa các đối tượng (var(𝑢𝑖 ) = 0)
Kiểm định độ tin cậy của mô hình SGMM: Ước lượng SGMM giả định rằng
không có sự tự tương quan bậc 2 của phần dư. Vì vậy, chúng ta cần kiểm tra sự tự tương quan trong thành phần sai số, cũng như kiểm định tính phù hợp của các biến đại diện. Các thủ tục kiểm định AR(1) và AR(2) có thể kiểm tra trực tiếp sự tự tương quan bậc 1 và bậc 2 của phần dư. Theo Arrelano và Bond (1991), ước lượng GMM yêu cầu có sự tự tương quan bậc 1 (kiểm định AR(1) và không có sự tự tương quan bậc 2 của phần dư (kiểm định AR(2)). Vì vậy, giả thuyết H0 là không có sự tự tương quan bậc 1 AR(1) hoặc bậc 2 AR(2) của phần dư. Vì vậy, chúng ta muốn bác bỏ H0 ở kiểm định AR(1) nhưng lại muốn chấp nhận H0 ở AR(2) để mô hình cho kết quả phù hợp (Basu, 2008).
4.3 Dữ liệu nghiên cứu
Số liệu bài luận văn được lấy từ báo cáo tài chính đã được kiểm toán của các NHTMCP Việt Nam giai đoạn 2007-2014. Số liệu được thu thập và chọn lựa sau khi loại bỏ các ngân hàng có quá trình sáp nhập, hợp nhất và những ngân hàng không công bố thông tin hoặc thông tin không đầy đủ. Kết quả là một mẫu nghiên cứu bao gồm 20 ngân hàng (3 NHTMCP do nhà nước nắm cổ phần chi phối và 17 NHTM cổ phần) với 160 quan sát được sử dụng để phục vụ cho việc nghiên cứu.
Với các số liệu vĩ mô, bài nghiên cứu sử dụng các số liệu thu thập từ các báo cáo thống kê, các thông tin công bố trên website của Tổng cục thống kê Việt Nam và Ngân hàng nhà nước Việt Nam.
4.4 Kết quả nghiên cứu
4.4.1 Thống kê mô tả
Bảng 4.2 Kết quả thống kê mô tả
Mean | Std. Dev. | Min | Max | |
OWN | 0.15 | 0.36 | 0.00 | 1.00 |
ROE | 0.10 | 0.06 | 0.00 | 0.28 |
CAP | 0.11 | 0.06 | 0.04 | 0.36 |
CR | 0.01 | 0.01 | 0.00 | 0.04 |
OC | 0.48 | 0.15 | 0.19 | 0.98 |
Size | 17.77 | 1.25 | 14.60 | 20.31 |
LA | 0.53 | 0.14 | 0.19 | 0.85 |
DOP | 0.66 | 0.15 | 0.04 | 0.98 |
GDP | 0.06 | 0.01 | 0.05 | 0.08 |
CPI | 0.11 | 0.06 | 0.04 | 0.23 |
Nguồn: Kết quả từ phần mềm STATA
Bảng 4.2 mô tả giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất và số mẫu quan sát dùng trong nghiên cứu. ROE trung bình của mẫu là 10.08%, thấp nhất là 0.25% (năm 2014 của NCB) và lớn nhất là 28.46% (năm 2008 của ACB). Giá trị trung bình của các biến CAP, CR, OC, SIZE, LA, DOP, GDP, CPI lần lượt là 11.35%, 1.29%, 48.22%, 17.77, 53.02%, 65.55%, 6.14%, 10.72%,. Trong đó với giá trị trung bình khá cao CAP cho thấy hệ thống ngân hàng Việt Nam vẫn đảm bảo được hệ số an toàn vốn tối thiểu. Hoạt động chủ yếu của hệ thống Ngân hàng chủ yếu vẫn là cho vay thể hiện qua giá trị trung bình của chỉ số LA cao, tuy nhiên với giá trị trung bình là 53.02% thì cho thấy các Ngân hàng cũng đã đa dạng hoạt động kinh doanh của mình nhằm phân tán rủi ro từ hoạt động tín dụng.
Qua bảng thống kê mô tả trên ta thấy các biến ROE, CAP, CR, GDP, CPI có độ lệch chuẩn tương tối thấp, cho thấy mức độ ổn định của số liệu lớn, dao động quanh giá trị trung bình nhỏ.
Bảng 4.3 Ma trận tương quan
OWN | CAP | CR | OC | Size | LA | DOP | GDP | CPI | |
OWN | 1.00 | ||||||||
CAP | -0.35 | 1.00 | |||||||
CR | 0.45 | -0.25 | 1.00 | ||||||
OC | -0.16 | -0.03 | 0.13 | 1.00 | |||||
Size | 0.64 | -0.68 | 0.49 | -0.02 | 1.00 | ||||
LA | 0.27 | 0.25 | -0.09 | -0.10 | -0.08 | 1.00 | |||
DOP | 0.09 | 0.16 | 0.16 | 0.17 | 0.10 | 0.50 | 1.00 | ||
GDP | 0.00 | 0.02 | -0.32 | -0.37 | -0.24 | -0.05 | -0.26 | 1.00 | |
CPI | 0.00 | 0.18 | -0.04 | -0.06 | -0.15 | -0.03 | -0.18 | 0.03 | 1.00 |
Nguồn: Kết quả từ phần mềm STATA
Nhìn vào ma trận tương quan ta thấy hệ số tương quan giữa các biến đều thấp hơn
0.8. Do đó, mô hình nghiên cứu có khả năng bị đa cộng tuyến thấp.
4.4.2 Phân tích định lượng
Đầu tiên, hồi quy OLS tổng thể được thực hiện để phân tích mối quan hệ giữa hình thức sở hữu và tỷ suất sinh lời. Đối với mô hình ước lượng theo phương pháp này tất cả các hệ số đều không thay đổi giữa các đối tượng khác nhau và không thay đổi theo thời gian (Gujarati, 2004).
Bảng 4.4 Kết quả hồi quy theo OLS
Coef. | Std. Err. | t | P>t | |
OWN | -0.013 | 0.013 | -0.960 | 0.340 |
CAP | -0.278 | 0.077 | -3.630 | 0.000*** |
CR | -1.246 | 0.523 | -2.380 | 0.018** |
OC | -0.208 | 0.023 | -8.920 | 0.000*** |
Size | 0.018 | 0.005 | 3.760 | 0.000*** |
LA | 0.019 | 0.029 | 0.660 | 0.508 |
DOP | 0.044 | 0.026 | 1.670 | 0.098* |
GDP | 0.755 | 0.543 | 1.390 | 0.166 |
CPI | 0.578 | 0.366 | 1.580 | 0.116 |
_cons | -0.214 | 0.114 | -1.890 | 0.061 |
Ghi chú: *, **, *** lần lượt tương ứng với mức ý nghĩa 10%, 5% và 1%
Nguồn: Kết quả từ phần mềm STATA
Kết quả hồi quy OLS cho thấy hình thức sở hữu không có tác động đến tỷ suất sinh lời của các NHTMCP. Tuy nhiên, độ vững và tính hiệu quả của các hệ số trong phân tích dữ liệu bảng dựa trên phương pháp hồi quy bình phương nhỏ nhất tổng thể có thể bị nghi ngờ vì mô hình OLS tổng thể không cần quan tâm đến các yếu tố không thể thu thập được hoặc ảnh hưởng riêng lẻ, đặc thù từng ngân hàng, trong khi vấn đề ảnh hưởng riêng lẻ là một trong những hiện tượng xảy ra thường xuyên ở những nghiên cứu thực nghiệm (Baltagi, 2005). Do đó, để xử lý vấn đề về các yếu tố không quan sát được (unobserved heterogeneity), mô hình ảnh hưởng ngẫu nhiên (RE) và ảnh hưởng cố định (FE) được sử dụng.
Bảng 4.5 Kiểm định Hausman Test
Test: Ho: difference in coefficients not systematic
chi2(8) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 3.60
Prob>chi2 = 0.8913 (V_b-V_B is not positive definite)
Nguồn: Kết quả từ phần mềm STATA
Theo kết quả kiểm định lựa chọn giữa mô hình FE và RE ở bảng 4.5 ta có p-value = 0.8913 > mức ý nghĩa 5%, vì vậy ta không đủ bằng chứng để bác bỏ H0, chấp nhận H0 đồng nghĩa là không có sự tương quan giữa sai số và các biến giải thích, mô hình được sử dụng là RE.
Để lựa chọn giữa RE và Pooled OLS, phương pháp phân tử Lagrange (LM) với kiểm định Breusch-Pagan được sử dụng để kiểm chứng tính phù hợp của ước lượng (Baltagi, 2008).