Hồi Quy Tuyến Tính Cổ Điển, Mô Hình Tác Động Cố Định Và Mô Hình Tác Động Ngẫu Nhiên

và phương pháp tổng quát hóa thời điểm hệ thống (S-GMM). Vì vậy, sử dụng dữ liệu quý là một đóng góp thêm nữa của luận án.

Dữ liệu mô tả các đặc điểm riêng của từng ngân hàng được thu thập và so sánh từ các báo cáo tài chính đã được kiểm toán (trên website của các ngân hàng), bản cáo bạch và các báo cáo thường niên thông qua trang web vietstock.vn và cophieu68.vn. Dữ liệu đặc điểm của ngành và dữ liệu vĩ mô được thu thập từ Ngân hàng Nhà nước Việt Nam và Tổng cục Thống kê Việt Nam. Vì thời điểm niêm yết của các ngân hàng không đồng nhất nên thông tin của các ngân hàng không đầy đủ theo từng quý hoặc năm; do đó, các ngân hàng không đủ quan sát liên tục trong 5 kỳ liên tiếp sẽ bị loại bỏ. Vì vậy dữ liệu sử dụng cho ước lượng là dữ liệu bảng mang tính chất không cân bằng.

3.3.2. Phương pháp nghiên cứu

Luận án sử dụng phương pháp hồi quy tuyến tính cổ điển (Ordinary Least Square

- OLS), phương pháp hồi quy tác động cố định (Fixed Effect Model – FEM), phương pháp hồi quy tác động ngẫu nhiên (Random Effect Model – REM) để kiểm tra ảnh hưởng của SMV lên hiệu quả ngân hàng. Các biến kiểm soát được khảo lược từ lý thuyết có ý nghĩa giải thích cho biến hiệu quả ngân hàng. Trong đó, luận án sử dụng các kiểm định cần thiết để so sánh và từ đó lựa chọn mô hình nghiên cứu phù hợp, tuy nhiên vẫn đưa kết quả hồi quy theo các phương pháp còn lại vào bảng kết quả để tiện đối chiếu kết quả.

Để kiểm soát vấn đề nội sinh tiềm tàng và tính động (dynamic nature) của mô hình nghiên cứu có chứa biến đo lường trễ của biến phụ thuộc chính (Tan và Floros, 2012b), luận án sử dụng phương pháp tổng quát hóa thời điểm hệ thống (S-GMM) để hồi quy, kiểm tra tính vững của kết quả nghiên cứu trên. Trong đó, luận án sử dụng kiểm định Hansen để xem xét xem mô hình có sử dụng quá mức biến công cụ hay không (overidentifying) và kiểm định ý nghĩa của quá trình tự hồi quy AR(1) và AR(2) để xem xét sự tồn tại của tự tương quan bậc 1 và bậc 2 có trong mô hình nghiên cứu hay không.

Các biến kiểm soát được khảo lược từ lý thuyết có ý nghĩa giải thích cho biến hiệu quả ngân hàng.

3.3.2.1. Hồi quy tuyến tính cổ điển, mô hình tác động cố định và mô hình tác động ngẫu nhiên

Luận án khai thác các phương pháp ước lượng mang tính cơ bản trong ước lượng hồi quy dữ liệu theo bảng. Dựa trên dữ liệu bảng này, ba phương pháp phổ biến để sử dụng trong hồi quy dữ liệu bảng bao gồm OLS, FEM và REM. Mô hình tuyến tính cổ điển sẽ có dạng tổng quát như sau:

𝑦𝑖𝑡 = ∝ + 𝑥𝑖𝑡 ∗ 𝛽 + 𝜇𝑖𝑡

trong đó i là ngân hàng i tại thời điểm t; 𝑦𝑖𝑡 là biến độc lập của đối tượng quan sát i tại thời điểm t; 𝑥𝑖𝑡 là vector các biến đóng vai trò giải thích; 𝛽 là tham số hồi quy của biến độc lập; 𝜇𝑖𝑡 là phần dư (error term).

Nếu các yếu tố không đồng nhất và không quan sát được không tồn tại đồng thời, phần dư trong mô hình hồi quy 𝜇𝑖𝑡 sẽ độc lập với các biến giải thích 𝑥𝑖𝑡 có trong mô hình nghiên cứu, phương pháp hồi quy tuyến tính cổ điển sẽ bị vi phạm các giả định nền tảng, do đó OLS sẽ không nhất quán và bị chệch. Thêm nữa, nếu tồn tại các yếu tố không quan sát được của các quan sát chéo (cross-sectional observations) theo ngân hàng, phương pháp hồi quy FEM và REM nên được sử dụng thay thế OLS. Theo đó, phần dư mô hình

𝜇𝑖𝑡 có thể tách thành 2 thành phần bao gồm yếu tố nhiễu cố định theo đối tượng 𝛼𝑖 (individual error component) và nhiễu mang tính chất đặc thù theo từng đối tượng 𝑒𝑖𝑡 (idiosyncratic error). Nhiễu đặc thù 𝑒𝑖𝑡 phải đảm bảo không tương quan với các yếu tố nhiễu cố định 𝛼𝑖 và các biến giải thích 𝑥𝑖𝑡 sử dụng trong mô hình.

𝑦𝑖𝑡 = ∝ + 𝑥𝑖𝑡 ∗ 𝛽 + 𝛼𝑖 + 𝑒𝑖𝑡

Nếu 𝛼𝑖 tương quan với các biến độc lập 𝑥𝑖𝑡 có trong mô hình, phương pháp hồi quy FEM giúp kiểm soát các yếu tố cố định không thay đổi theo thời gian (chỉ thay đổi theo

đối tượng nghiên cứu) nên sẽ tạo ra các tham số hồi quy được ước lượng một cách đáng tin cậy (so sánh với phương pháp OLS). Nếu 𝛼𝑖 không tương quan với 𝑥𝑖𝑡, phương pháp hồi quy OLS nhất quán nhưng không hiệu quả bởi vì 𝜇𝑖𝑡 có thể xảy ra vấn đề phương sai phần dư thay đổi và phần dư có thể đối mặt với hiện tượng tự tương quan. Để cải thiện hiệu quả ước lượng cần sử dụng mô hình REM.

Để xác định phương pháp hồi quy nào phù hợp hơn trong ba phương pháp hồi quy OLS, FEM và REM cần sử dụng hai kiểm định cơ bản như sau:

 Kiểm định thống kê F (để chọn lựa giữa phương pháp hồi quy FEM và OLS, với giả thuyết H0 là tác động cố định bằng 0 nên mô hình OLS phù hợp và ngược lại H1 là tác động cố định khác 0 nên mô hình FEM phù hợp).

 Kiểm định Hausman (để chọn lựa giữa phương pháp hồi quy FEM hay REM). Thực chất kiểm định Hausman để xem xét 𝛼𝑖 có tương quan với biến độc lập 𝑥𝑖𝑡 hay không. Theo đó giả thuyết H0 là sai số thành phần của các đối tượng khác nhau không tương quan với biến độc lập (chọn REM) và H1 là sai số thành phần của các đối tượng khác nhau tương quan với biến độc lập (chọn FEM). Trong luận án này, phương pháp hồi quy phù hợp được trình bày ở dòng cuối cùng của mỗi bảng kết quả hồi quy.

Để kiểm tra mô hình nào là phù hợp trong 03 mô hình OLS, FEM và REM, luận án sử dụng các kiểm định như sau: Kiểm định thống kê F để lựa chọn FEM (hoặc bác bỏ FEM, chọn OLS); kiểm định nhân tử Lagrange (Breusch-Pagan Lagrange Multiplier - LM) để chọn REM (hoặc bác bỏ REM chọn OLS); và kiểm định Hausman để lựa chọn giữa FEM và REM. Các phương pháp kiểm định được tổng hợp trong Bảng 3.3.

Bảng 3.3: Các kiểm định thống kê để lựa chọn mô hình

Kiểm định thống kê F

Kiểm định nhân tử Lagrange (LM)

Kiểm định Hausman

Mô hình phù hợp

Có thể bạn quan tâm!

• Giả Thuyết Tác Động Biến Động Tỷ Suất Sinh Lợi Thị Trường Chứng Khoán Lên Hiệu Quả
• Mô Tả Các Biến Nghiên Cứu Được Sử Dụng Trong Mô Hình (1A) Và (1B)
• Mô Hình Tác Động Biến Động Tỷ Suất Sinh Lợi Thị Trường Chứng Khoán Lên Rủi Ro Trong Điều Kiện Thay Đổi Quy Mô Ngân Hàng
• Kết Quả Ảnh Hưởng Của Biến Động Tỷ Suất Sinh Lợi Thị Trường Chứng Khoán Lên Hiệu Quả
• Kết Quả Hồi Quy Ảnh Hưởng Của Smv Lên Hiệu Quả Ngân Hàng
• Kết Quả Tác Động Biến Động Tỷ Suất Sinh Lợi Thị Trường Chứng Khoán Lên Hiệu Quả Và Rủi Ro Trong Điều Kiện Thay Đổi Quy Mô Của Ngân

Xem toàn bộ 186 trang tài liệu này.

H0 không bị bác bỏ (không phải FEM)

H0 không bị bác bỏ (không phải REM)		OLS
H0 không bị bác bỏ (không phải FEM)	H0 bị bác bỏ (FEM)		REM
H0 bị bác bỏ (FEM)	H0 không bị bác bỏ (không phải REM)		FEM
H0 bị bác bỏ (FEM)	H0 bị bác bỏ (REM)	H0 bị bác bỏ (FEM)	FEM
H0 bị bác bỏ (FEM)	H0 bị bác bỏ (REM)	H0 không bị bác bỏ (REM)	REM

Nguồn: Tổng hợp của tác giả

Hơn nữa, để đảm bảo mô hình hồi quy hiệu quả, phân tích phương sai theo nhóm bằng kiểm định Wald và tự tương quan bằng kiểm định Wooldridge được sử dụng trong luận án. Nếu tồn tại vấn đề có liên quan đến phương sai thay đổi hoặc phần dư tự tương quan, sai số ước lượng chuẩn (robust standard errors) được tính toán để cải thiện hiệu quả của ước lượng.

3.3.2.2. Phương pháp hồi quy tổng quát hóa thời điểm hệ thống (S-GMM)

Wintoki và cộng sự (2012) chỉ ra rằng độ chệch của tham số hồi quy gây ra bởi hiện tượng nội sinh vẫn còn tồn tại vì FEM và REM chỉ kiểm soát chính các yếu tố không đồng nhất không quan sát được (unobserved heterogeneity). FEM và REM không kiểm soát được vấn đề nội sinh gây ra bởi sai số đo lường, các biến nghiên cứu nội sinh có tính chất không đổi theo thời gian và quan hệ nhân quả (reverse causality) xảy ra trong các nghiên cứu lĩnh vực tài chính. Do đó, sử dụng FEM và REM sẽ bị chệch, đặc biệt là trong dữ liệu bảng ngắn (Cameron và Trivedi, 2005). Để giải quyết vấn đề này, một vài nghiên cứu trước đã sử dụng ước lượng biến công cụ (IV estimators) hoặc GMM bảng động (dynamic panel GMM). Tuy nhiên, một vấn đề khi sử dụng ước lượng biến công

cụ là việc khó khăn trong tìm kiếm biến công cụ thỏa mãn tiêu chí biến công cụ có hiệu lực vì nếu biến công cụ yếu, phương pháp ước lượng biến công cụ sẽ bị chệch. Hay nói cách khác, ước lượng biến công cụ với biến công cụ không hiệu lực sẽ không cải thiện hơn so với ước lượng OLS. Do đó, luận án này sử dụng ước lượng bảng động GMM do Arellano và Bond (1991) đề xuất để xử lý vấn đề nội sinh và có được biến công cụ hiệu quả.

Để kiểm soát hiện tượng nội sinh và tự tương quan trong dữ liệu bảng không cân bằng, hồi quy tổng quát hóa thời điểm hệ thống (System Generalized Method of Moments – SGMM) được sử dụng để nghiên ảnh hưởng của SMV lên hiệu quả và rủi ro của ngân hàng. Rủi ro và hiệu quả của năm hiện tại có thể phụ thuộc vào rủi ro và hiệu quả của năm trước do các ngân hàng có thể hoạch định kế hoạch các chỉ tiêu rủi ro và hiệu quả ngân hàng cho kỳ sau. Thêm nữa, Athanasoglou và cộng sự (2008) kết luận rằng hiệu quả và rủi ro của ngân hàng (được tính toán bằng ROA) năm hiện tại sẽ phụ thuộc vào hiệu quả và rủi ro của năm trước.

Mô hình GMM được phát triển lần đầu tiên bởi Arellano và Bond (1991). Đặc điểm chính của mô hình là sử dụng biến trễ của biến độc lập được sử dụng làm biến công cụ trong mô hình. Mô hình này được gọi là sai phân GMM (GMM difference hoặc D- GMM), tuy nhiên sau đó bị chỉ trích bởi Arellano và Bover (1995) với quan điểm rằng biến công cụ trong mô hình D-GMM yếu. Do đó hệ thống GMM (system GMM hoặc S- GMM) được phát triển bằng việc sử dụng biến trễ của biến phụ thuộc và biến độc lập ở quan sát gốc và sai phân của nó để làm biến công cụ. S-GMM có tham số ước lượng hiệu quả hơn D-GMM vì nó cho phép sử dụng mô hình gốc với biến công cụ là sai phân bậc nhất và mô hình ở dạng sai phân với biến công cụ ở quan sát gốc (Rashid, 2013).

Như vậy, mô hình ước lượng bằng GMM đảm bảo tính hiệu quả và nhất quán của tham số hồi quy ước lượng miễn là mô hình không gặp phải vấn đề tự tương quan bậc 2

– AR (2) và biến công cụ sử dụng là vững (sử dụng kiểm định Sargan để kiểm tra). Cụ thể, Arellano và Bond (1991) đề xuất sử dụng 02 kiểm định chính để kiểm tra tính hiệu lực của hồi quy bằng GMM. Kiểm định đầu tiên là kiểm định Sargan hoặc Hansen. GMM đòi hỏi các ràng buộc không được xác định quá mức (overindentifying autocorrelation). Kiểm định thứ hai là kiểm định của Arellano – Bond cho vấn đề tự tương quan phần dư. Theo đó, phần dư trong sai phân bậc nhất AR (1) được kỳ vọng là có tương quan nhưng không nên có tự tương quan sai số trong sai phân bậc hai AR (2). Điều kiện tương quan sai số bậc 2 nghĩa là giá trị quá khứ của biến phụ thuộc vượt quá độ trễ nào đó (để kiểm soát tính động của các mối quan hệ thực nghiệm) là biến công cụ có hiệu lực vì nó ngoại sinh với các cú sốc hiện tại trong biến phụ thuộc (Wintoki và cộng sự, 2012). Thêm nữa, theo cách tiếp cận của Arellano và Bover (1995) và Blundell và Bond (1998), S-GMM có thể kiểm soát tính chệch trong tham số ước lượng do tính không đồng nhất không quan sát được theo từng ngân hàng và tính đồng thời của các biến giải thích (phần bên phải) của mô hình hồi quy ước lượng.

Mặc dù ước lượng GMM hiện nay được khai thác định lượng phổ biến, một trong những bất lợi của GMM là phương pháp này phức tạp và dễ tạo ra các ước lượng không hiệu lực (Roodman, 2009). Do đó, luận án sẽ trình bày các ước lượng OLS, FEM, REM và GMM để so sánh với nhau và đảm bảo độ vững của kết quả hồi quy.

TÓM TẮT CHƯƠNG 3

Chương 3 cung cấp chi tiết về phương pháp nghiên cứu được khai thác trong luận án. Mở đầu bằng phác thảo quy trình các bước nghiên cứu, sau đó chương 3 trình bày các mô hình nghiên cứu theo từng mối quan hệ giữa các khái niệm nghiên cứu chính, bao gồm mô hình gốc và mô hình có biến trễ của biến phụ thuộc để kiểm soát quán tính hiệu quả và rủi ro. Các mô hình này kế thừa chủ yếu từ nghiên cứu của Tan và Floros (2012b) và Rashid và Ilyas (2018). Cụ thể, mô hình 1 và 2 lần lượt trình bày ảnh hưởng của SMV lên hiệu quả và rủi ro ngân hàng, trong khi mô hình 3 thêm vào biến tương tác để kiểm soát tác động của yếu tố quy mô lên ảnh hưởng của SMV đối với hiệu quả và rủi ro ngân hàng. Trong từng mô hình các tập biến quan sát gồm các yếu tố liên quan đặc thù ngân hàng, ngành và vĩ mô được kiểm soát.

Dữ liệu thứ cấp luận án sử dụng khai thác từ báo cáo tài chính của 24 NH TMCP niêm yết trong giai đoạn quý 3/2006 đến quý 1/2021. Thêm nữa, luận án sử dụng một số phương pháp hồi quy truyền thống như OLS, FEM và REM kết hợp với các phương pháp kiểm định lựa chọn mô hình để tiến hành hồi quy và thảo luận kết quả trong chương

4. Ngoài ra, luận án còn sử dụng S-GMM để kiểm soát được các khuyết tật tiềm tàng trong mô hình như nội sinh (endogeneity), tự tương quan (autocorrelation) và phương sai thay đổi (heteroskedaticity), từ đó tạo ra hệ số hồi quy nhất quán và tin cậy sử dụng cho suy diễn kết quả thống kê.

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

Bằng việc sử dụng các mô hình và phương pháp ước lượng hồi quy đã được mô tả cụ thể trong chương 3, Chương 4 đưa ra các kết quả ước lượng để xem xét sự tồn tại bằng chứng thực nghiệm cho ảnh hưởng của SMV lên hiệu quả và rủi ro của ngân hàng và cân nhắc ảnh hưởng này trong điều kiện thay đổi quy mô của ngân hàng với dữ liệu bảng của 24 ngân hàng thương mại được niêm yết trên TTCK Việt Nam (cụ thể: HOSE, HNX và UPCOM). Phần thảo luận kết quả có đối chiếu với các lý thuyết và thực nghiệm đã được tổng hợp trong chương 2 để xác định kết quả nghiên cứu phù hợp với hiệu lực giải thích của các lý thuyết và xem xét tính phù hợp của kết quả tìm được với các bằng chứng thực nghiệm đã có.

4.1 Thống kê mô tả biến nghiên cứu

Bằng cách khảo lược các nghiên cứu trước về các biến kiểm soát có tác động riêng đến hiệu quả và rủi ro, tác giả nhận thấy có sự khác biệt trong các biến kiểm soát sử dụng. Đây là lý do cho việc tác giả có điều chỉnh các biến kiểm soát khác nhau giữa 2 mô hình chính dựa trên việc chọn lọc những biến có ý nghĩa tương thích với các lý thuyết và các công trình nghiên cứu trước. Trong đó, các biến kiểm soát SIZE, CAP, CE, NTA và LOTA vẫn được giữ lại trong 2 mô hình vì mức độ phổ biến và ý nghĩa quan trọng của nó trong việc xác định rủi ro và hiệu quả của ngân hàng. Như vậy, luận án trình bày tách biệt kết quả hệ số tương quan giữa các biến nghiên cứu và kết quả hồi quy theo từng mô hình nghiên cứu (biến phụ thuộc là rủi ro hoặc hiệu quả).

Bảng 4.1: Thống kê mô tả các biến nghiên cứu

Tên biến

Số quan sát	Trung bình	Độ lệch chuẩn	Giá trị nhỏ nhất	Giá trị lớn nhất
EVA	830	0.131	0.845	-1.904	1.733
EROE	807	0.018	0.127	-0.284	0.262
ROE	831	0.030	0.020	-0.001	0.070
NIM	831	0.005	0.003	0.001	0.011