đến hiệu quả của ngân hàng bằng phương pháp DEA (Casu và Molyneux, 2003; Nguyễn Việt Hùng, 2008; Nguyễn Minh Sáng, 2014; Sufian, 2009).
Về mặt lý thuyết, mô hình Tobit dữ liệu bảng các ảnh hưởng cố định bị ảnh hưởng bởi vấn đề tham số phụ (Lancaster, 2000). Vì vậy, mô hình hồi quy Tobit các ảnh hưởng ngẫu nhiên dữ liệu bảng được khuyến nghị áp dụng trong nghiên cứu, và mô hình tổng quát như sau:
y* x x
it it it it i it
it
0 nếu y* ≤ 0
(3.5)
y = {y* nếu 0 < y* <1
it it it
it
1 nếu y* ≥ 1
𝑖𝑡
Trong đó, i = 1,…,N là đơn vị chéo (ngân hàng) thứ i; t = 1,…,T là thời đoạn thứ t; xi và β là véc tơ các biến giải thích và các tham số cần tìm; 𝑦∗ là biến phụ thuộc bị kiểm duyệt của ngân hàng i tại thời điểm t và yit là biến hiệu quả của ngân hàng i tại thời điểm t trong mẫu nghiên cứu nhận giá trị lớn hơn 0 đến 1. Số hạng sai số tổng hợp 𝜀𝑖𝑡 gồm có hai thành phần, đó là 𝜇𝑖 là thành phần sai số chéo hay theo ngân hàng và 𝜐𝑖𝑡 là thành phần sai số chéo và chuỗi thời gian kết hợp. Trong nghiên cứu thực nghiệm, mô hình (3.5) được triển khai như sau:
TEit FSt Bit Mt it
(3.6)
Trong đó, TEit là hiệu quả kỹ thuật của ngân hàng i tại thời điểm t xác định bằng phương pháp DEA, FSt là biến độc lập đo lường thâm nhập của NHNNg tại thời điểm t, đây là biến giải thích chính mà nghiên cứu quan tâm; Bit là nhóm biến liên quan đến các đặc điểm của ngân hàng i tại thời điểm t; Mt là chỉ số kinh tế vĩ mô α, β, γ, δ là các hệ số hồi quy, 𝜇𝑖𝑡 là sai số của mô hình. Chi tiết các biến của mô hình được mô tả ở Bảng 3.5.
Biến | Định nghĩa | Hệ số hồi quy | Dấu kỳ vọng |
TE | Hiệu quả kỹ thuật của ngân hàng trong nước | ||
Nhóm biến đo lường thâm nhập của NHNNg | |||
FBA | Tài sản của NHNNg trên tổng tài sản của toàn ngành ngân hàng | β | β<0 |
NFB | Số lượng NHNNg trên tổng số ngân hàng của toàn ngành ngân hàng | β | β<0 |
Nhóm biến liên quan đến các đặc điểm của ngân hàng | |||
ETA | Vốn chủ sở hữu trên tổng tài sản | γ1 | |
LTA | Cho vay trên tổng tài sản | γ2 | |
SIZE | Quy mô ngân hàng bằng logarit tổng tài sản | γ3 | |
Biến chỉ số kinh tế vĩ mô | |||
GDP | Tốc độ tăng trưởng GDP | δ | |
Nguồn: Tác giả tổng hợp. | |||
Có thể bạn quan tâm!
-
Mô Hình Nghiên Cứu Thực Nghiệm Đối Với Rq1 -
Mô Hình Nghiên Cứu Đối Với Rq2 Bằng Phương Pháp Chỉ Số Tài Chính -
Mô Hình Nghiên Cứu Đối Với Rq2 Bằng Phương Pháp Phân Tích Hiệu Quả Biên -
Số Ngân Hàng Trong Mẫu Nghiên Cứu Giai Đoạn 2009 – 2019 -
Kiểm Định Tính Cân Bằng Dài Hạn Của Thị Trường Ngân Hàng Việt Nam -
Kiểm Định Giả Thuyết H1 Và Thảo Luận Kết Quả Nghiên Cứu
Xem toàn bộ 216 trang tài liệu này.
3.3. QUY TRÌNH PHÂN TÍCH DỮ LIỆU BẢNG
Luận án này phân tích ảnh hưởng của thâm nhập NHNNg đến cạnh tranh và hiệu quả của các NHTM Việt Nam thông qua bộ dữ liệu bảng được thực hiện theo quy trình trong Hình 3.1.
Hồi quy PLS
Hồi quy FEM
Hồi quy REM
Có
Không
Kiểm tra tính dừng
Hồi quy
PLS, FEM, REM
Thâm nhập của NHNNg
Hiệu qủa của NHTM Việt Nam |
Ảnh hưởng của thâm nhập NHNNg đến cạnh tranh và hiệu quả của các NHTM Việt Nam
Thiết lập mô hình và phương pháp nghiên
Ảnh hưởng không quan sát được đặc trưng cho mỗi ngân hàng bằng 0
Thu thập dữ liệu
Chọn hướng nghiên cứu khác
Kiểm định tính dừng | Không |
Ảnh hưởng không quan sát được đặc trưng cho mỗi ngân hàng khác 0
của sai phân bậc 1 Có | |
Không | Kiểm định quan hệ đồng tích hợp |
Ảnh hưởng không quan sát được đặc trưng cho mỗi ngân không tương quan với biến giải thích
Ảnh hưởng không quan sát được đặc trưng cho mỗi ngân hàng tương quan với biến giải thích
Phương pháp hồi quy phù hợp
Khắc phục vi phạm giả định của mô hình
Kiểm tra mô hình:
- Phương sai thay đổi
- Tự tương quan
Kết thúc
Hình 3.1: Quy trình phân tích dữ liệu bảng
3.3.1. Kiểm tra tính dừng của chuỗi dữ liệu bảng
Kiểm tra tính dừng của chuỗi dữ liệu bảng là bước đầu tiên trong quy trình phân tích dữ liệu bảng. Các chuỗi dữ liệu bảng phải đảm bảo dừng trước khi đưa vào phân tích trong các mô hình hồi quy. Nếu các chuỗi dữ liệu bảng không dừng thì kết quả hồi quy có thể là giả mạo.
Có nhiều nhóm kiểm định để kiểm tra tính dừng của chuỗi dữ liệu bảng, tùy thuộc vào đặc điểm dữ liệu mà có kiểm định phù hợp. Nhóm kiểm định đồng nhất (ảnh hưởng không quan sát được không thay đổi theo thời gian giữa các đối tượng đều bằng nhau) gồm các kiểm định Levin - Lin - Chu, Breitung, Hadri được sử dụng cho dữ liệu bảng cân bằng. Nhóm kiểm định không đồng nhất (ảnh hưởng không quan sát được không thay đổi theo thời gian giữa các đối tượng không bằng nhau) gồm các kiểm định Fisher – ADF, Fisher – PP, IPS được sử dụng cho dữ liệu bảng không cần bằng.
Trường hợp kết quả kiểm định tính dừng cho thấy chuỗi dữ liệu bảng không dừng ở bậc gốc thì sẽ được lấy sai phân và kiểm tra tính dừng ở chuỗi sai phân bậc 1. Nếu các chuỗi dừng bậc 1 tồn tại mối quan hệ đồng tích hợp thì nghiên cứu sẽ sử dụng phương pháp hồi quy phù hợp như FOLS (Fully Modified Ordinary Least Squares), DOLS (Dynamic Ordinary Least Squares) để phân tích.
Trường hợp chuỗi dữ liệu bảng dừng bậc gốc và trường hợp chuỗi dữ liệu bảng dừng bậc 1 không tồn tại mối quan hệ đồng tích hợp thì nghiên cứu sẽ sử dụng mô hình hồi quy dữ liệu bảng tĩnh tuyến tính như PLS, FEM, REM để phân tích. Mục
3.3.2 tiếp theo sẽ trình bày các kiểm định để lựa chọn mô hình phù hợp trong các mô hình PLS, FEM, REM để ước lượng mô hình nghiên cứu thực nghiệm 3.2 và 3.3.
3.3.2. Lựa chọn mô hình hồi quy PLS, FEM, REM
Việc lựa chọn mô hình phù hợp trong các mô hình PLS, FEM, REM để ước lượng mô hình nghiên cứu thực nghiệm được tiến hành như sau:
Bước 1: Lựa chọn mô hình FEM với PLS. Kiểm định sự tồn tại của các ảnh hưởng cố định chính là cơ sở để lựa chọn giữa FEM và PLS. Sử dụng kiểm định F với giả thuyết H0 cho rằng tất cả các hệ số tung độ gốc của các ngân hàng đều bằng không (không có sự khác biệt giữa các đối tượng hoặc các thời điểm khác nhau). Nếu kết quả kiểm định bác bỏ giả thuyết H0 cho thấy mô hình FEM là phù hợp, ngược lại, chúng ta chọn mô hình PLS.
Bước 2: Thực hiện hồi quy theo mô hình PLS và mô hình REM. Đối với mô hình REM, kiểm định Breusch-Pargan với phương pháp nhân tử Lagrange (Kiểm định LM) được sử dụng để kiểm chứng tính phù hợp của các ước lượng (Baltagi, 2008). Theo đó, giả thuyết H0 cho rằng sai số của ước lượng PLS không bao gồm các sai lệch giữa các ngân hàng hoặc các thời điểm (phương sai giữa các ngân hàng) là không đổi. Bác bỏ giả thuyết H0, cho thấy sai số trong các ước lượng có bao gồm các sai lệch giữa các nhóm, và phù hợp với mô hình REM, ngược lại, PLS là phù hợp hơn REM.
Kết thúc bước 1 và bước 2, nếu kết quả kiểm định F và kiểm định Breusch- Pargan cho thấy mô hình PLS phù hợp hơn mô hình FEM và REM, nghiên cứu sẽ chọn mô hình PLS. Nếu mô hình PLS không phù hợp, tác giả tiến hành bước tiếp theo để lựa chọn giữa hai mô hình FEM và REM.
Bước 3: Thực hiện kiểm định Hausman để lựa chọn giữa mô hình FEM và REM với giả thuyết H0 cho rằng ảnh hưởng không quan sát được phụ thuộc đối tượng không có tương quan với các biến giải thích trong mô hình. Nếu kết quả kiểm định bác bỏ giả thuyết H0 thì mô hình FEM là phù hợp, ngược lại, mô hình REM được lựa chọn.
Trên đây là các bước phân tích lựa chọn mô hình hồi quy phù hợp. Tuy nhiên, để mô hình có ý nghĩa giải thích thì các giả định của mô hình cần được thỏa mãn. Phần tiếp theo trình bày kiểm định về các giả định của mô hình hồi quy dữ liệu bảng.
3.3.3. Kiểm định các giả định của mô hình hồi quy dữ liệu bảng
Theo Greene (2003) hai kiểm định cần thực hiện đối với các giả định của mô hình hồi quy dữ liệu bảng là kiểm định phương sai thay đổi và kiểm định hiện tượng tự tương quan.
Kiểm tra hiện tượng phương sai thay đổi
Một trong những giả định quan trọng của các mô hình hồi quy là phương sai sai số phải bằng nhau tại mỗi quan sát. Sự vi phạm giả định này làm cho phương sai các hệ số ước lượng bị sai lệch, dẫn đến các khoảng tin cậy cũng như các kiểm định giả thuyết về hệ số hồi quy là không đáng tin cậy. Phương sai sai số thay đổi có thể do mô hình thiếu biến hoặc dạng hàm sai.
Các phương pháp phát hiện phương sai thay đổi thường được sử dụng là: vẽ đồ thị phần dư, sử dụng kiểm định Park, kiểm định Glejser, kiểm định tương quan hạng Spearman, kiểm định Goldfeldt - Quant, kiểm định LM - Breusch and pagan Lagrangian Multiplier, kiểm định White và kiểm định Wald. Luận án này sử dụng kiểm định White cho mô hình PLS, kiểm định Breusch – Pagan cho mô hình REM, và kiểm định Wald cho mô hình FEM.
Để khắc phục phương sai thay đổi, các nhà nghiên cứu thường nhận dạng lại mô hình hoặc xác định lại dạng hàm của biến. Khi mô hình không có vấn đề về thiếu biến quan trọng hoặc dạng hàm sai thì thực hiện các giải pháp khắc phục. Nếu dạng của phương sai sai số đã biết thì có thể sử dụng phương pháp bình phương bé nhất có trọng số hoặc phương pháp bình phương bé nhất tổng quát hoặc phương pháp bình phương bé nhất tổng quát khả thi. Tuy nhiên, việc xác định dạng thức của phương sai sai số nhiều khi là rất khó khăn, đặc biệt là khi mô hình có nhiều biến, và do đó các phương pháp vừa nêu là ít khả thi. Khi đó nếu N lớn thì có thể áp dụng kỹ thuật ước lượng sai số chuẩn vững (robust standard error - RSE) là một phương pháp được sử dụng rộng rãi trong thời gian gần đây. Trong nghiên cứu này, nếu có hiện tượng phương sai thay đổi thì tùy vào đặc điểm dữ liệu nghiên cứu, tác giả sẽ lựa chọn giải pháp phù hợp.
Kiểm tra hiện tượng tự tương quan
Hiện tượng tự tương quan xảy ra khi các sai số ngẫu nhiên trong mô hình tương quan với nhau. Khi sai số ngẫu nhiên trong mô hình là tự tương quan, phương sai của hệ số ước lượng bị chệch nên các suy diễn thống kê không đáng tin cậy. Một số phương pháp kiểm tra hiện tượng tự tương quan là: vẽ đồ thị phần dư, sử dụng kiểm định Durbin – Watson, kiểm định Breusch – Godfrey, kiểm định đoạn mạch (run test), kiểm định Woodridge. Trong luận án này, tác giả sử dụng kiểm định Breusch – Godfrey cho mô hình PLS, sử dụng kiểm định Woodridge cho mô hình FEM và mô hình REM. Nếu phát hiện có hiện tượng tự tương quan, tác giả sẽ sử dụng ước lượng chuẩn vững để khắc phục.
3.4. QUY TRÌNH KIỂM ĐỊNH GIẢ THUYẾT NGHIÊN CỨU
3.4.1. Kiểm định giả thuyết H1
Quy trình kiểm định giả thuyết H1 liên quan đến RQ1 được tóm tắt trong Bảng
3.6.
RQ1: Thâm nhập của NHNNg ảnh hưởng như thế nào đến cạnh tranh của thị trường NHTM Việt Nam? | ||||
Giả thuyết | Mô hình | Phương pháp ước tính | Hệ số hồi quy | Dấu kỳ vọng |
H1: Thâm nhập của NHNNg làm tăng cạnh tranh của thị trường NHTM Việt Nam. | Mô hình 3.2 | FOLS DOLS hoặc PLS FEM REM | β4, β5 và β6 | (β4 + β5 + β6)>0 |
Nguồn: Tác giả tổng hợp. | ||||
Giả thuyết H1 được kiểm định căn cứ vào kết quả hồi quy Mô hình 3.2 với dữ liệu bảng. Phương pháp hồi quy Mô hình 3.2 được thực hiện theo quy trình phân tích dữ liệu bảng được trình trong Mục 3.3. Các hệ số hồi quy β4, β5 và β6 tương ứng với các biến giá đầu vào của nhóm NHNNg trong Mô hình 3.2 cho biết ảnh hưởng của thâm nhập NHNNg đến cạnh tranh của thị trường NHTM Việt Nam. Nếu (β4 + β5 + β6) > 0 thì giả thuyết H1 được chấp nhận, nghĩa là thâm nhập của NHNNg làm tăng cạnh tranh của thị trường NHTM Việt Nam. Trường hợp (β4 + β5 + β6) ≤ 0 thì giả thuyết H1 bị bác bỏ, nghĩa là thâm nhập của NHNNg không ảnh hưởng đến cạnh tranh (β4 + β5 + β6) = 0 hoặc làm giảm cạnh tranh của thị trường NHTM Việt Nam (β4 + β5 + β6) < 0.
3.4.2. Kiểm định giả thuyết H2
Quy trình kiểm định giả thuyết H1 liên quan đến RQ1 được tóm tắt trong Bảng
3.7. Giả thuyết H2 được kiểm định căn cứ vào kết quả hồi quy Mô hình 3.4 trong trường hợp sử dụng phương pháp chỉ số tài chính, và kết quả hồi quy Mô hình 3.6 trong trường hợp sử dụng phương pháp DEA với dữ liệu bảng.
Phương pháp hồi quy Mô hình 3.4 được thực hiện theo quy trình phân tích dữ liệu bảng được trình bày trong Mục 3.3. Phương pháp hồi quy Tobit được sử dụng cho Mô hình 3.6. Hệ số hồi quy β của các biến đại diện cho thâm nhập của NHNNg (FBA, NFB) cho biết ảnh hưởng của thâm nhập NHNNg đến hiệu quả của các NHTM Việt Nam. Nếu β < 0 thì giả thuyết H2 được chấp nhận, nghĩa là thâm nhập của NHNNg làm giảm hiệu quả của các NHTM Việt Nam. Trường hợp β ≥ 0 thì giả thuyết H2 bị bác bỏ, nghĩa là thâm nhập của NHNNg không ảnh hưởng đến hiệu quả β = 0 hoặc làm tăng hiệu quả của các NHTM Việt Nam β > 0.