+Hằng số C có mức ý nghĩa Prob tương đối lớn, chỉ có trong mô hình L1 có ý nghĩa ở mức 5%, và trong mô hình L1(3) có ý nghĩa ở mức 1%.
+ Biến SIZE luôn có mức ý nghĩa rất nhỏ ở cả 4 mô hình, nhỏ hơn rất nhiều so với 1%, do đó bác bỏ giả thiết H0: β1=0. Nên có thể khẳng định biến SIZE có ý nghĩa giải thích biến đòn bẩy tài chính ở mức ý nghĩa 1%.
+ Biến PRO cũng có giá trị Prob khá nhỏ ở mô hình L1 và L1(2), tuy nhiên trong mô hình L1(1) và L1(2) thì chỉ có ý nghĩa ở mức 5%. Do đó nếu tổng quát xét ở mức ý nghĩa 5% thì có thể cho rằng biến PRO có tác động đến đòn bẩy tài chính.
+ Biến COLL luôn có mức giá trị Prob cao, và luôn lớn hơn 10%, vậy nên có thể cho rằng biến COLL không có tác động lên đòn bẩy tài chính đối với các NHTMCPVN.
+ Biến DIV cũng có giá trị biến thiên xoay quanh các mức ý nghĩa 5% và 10%. Cụ thể trong mô hình L1 (1) và L1 (3) biến DIV đều có ảnh hưởng đến đòn bẩy tài chính ở mức ý nghĩa 5%.
Như vậy từ kết quả tổng hợp các mô hình trên ta thấy, khi sử dụng mô hình FEM thì mức độ giải thích của mô hình L1 tăng lên rò rệt. Và tác giả chọn mô hình L1 (3) để sử dụng phân tích nhằm mang lại hiệu quả giải thích sự biến thiên của đòn bẩy tài chính cao nhất.
4.2 Kết quả mô hình hồi quy 6 nhân tố tác động trên 8 NHTMCP niêm
yết
Để có thể kiểm định được sự tác động của nhân tố MTB và RISK tác động
như thế nào đến cấu trúc vốn của các NHTMCPVN, tác giả sử dụng lại mô hình (1) với chỉ 8 NHTMCP đã được niêm yết (ACB, CTG, EIB, MBB, NVB, SHB, STB, VCB). Mẫu này chỉ lấy được trên các ngân hàng niêm yết vì chỉ có các ngân hàng được niêm yết mới có giá thị trường của cổ phiếu và vì vậy mới tính được giá trị thị trường trên giá trị sổ sách, và biến động giá mỗi ngày. Tuy nhiên các ngân hàng này được niêm yết trên thị trường chưa đủ lâu nên nếu tác giả lấy dữ liệu theo năm thì mẫu rất nhỏ, nên tác giả sử dụng dữ liệu quý cho 8 NHTMCP trên.
L2= β0+β1MTBit-1+ β2SIZEit-1+β3PROit-1+β4COLLit-1+β5DIVit+β6RISKit-1 (2)
4.2.1 Kết quả mô hình hồi quy đối với đòn bẩy tài chính
Tương tự như trên, trước khi sử dụng phương pháp bình phương tối thiểu (OLS - Ordinary Least Squares), vì tác giả có sử dụng thêm 2 biến độc lập MTB và RISK vào mô hình nên cần kiểm tra lại ma trận hệ số tương quan giữa các biến độc lập. Từ kết quả tính toán của chương trình EVIEWS, ta có ma trận tương quan giữa các biến trong mô hình.
Bảng 4.5: Ma trận tương quan giữa biến phụ thuộc và 6 biến độc lập
Probability | L | MTB | SIZE | PRO | COLL | DIV | RISK |
L | 1.000000 | ||||||
----- | |||||||
MTB | 0.519197 | 1.000000 | |||||
0.0000 | ----- | ||||||
SIZE | 0.508886 | 0.283790 | 1.000000 | ||||
0.0000 | 0.0007 | ----- | |||||
PRO | -0.040671 | 0.103212 | -0.065942 | 1.000000 | |||
0.6333 | 0.2249 | 0.4389 | ----- | ||||
COLL | 0.074203 | -0.028321 | -0.171973 | 0.054504 | 1.000000 | ||
0.3836 | 0.7398 | 0.0422 | 0.5224 | ----- | |||
DIV | 0.152155 | 0.118799 | 0.106727 | -0.161768 | 0.128638 | 1.000000 | |
0.0727 | 0.1621 | 0.2094 | 0.0562 | 0.1298 | ----- | ||
RISK | 0.163207 | 0.298061 | 0.179187 | 0.121669 | 0.028838 | 0.096106 | 1.000000 |
0.0540 | 0.0003 | 0.0341 | 0.1521 | 0.7352 | 0.2587 | ----- |
Có thể bạn quan tâm!
-
Các nhân tố ảnh hưởng đến cấu trúc vốn các ngân hàng thương mại cổ phần Việt Nam - 1 -
Các nhân tố ảnh hưởng đến cấu trúc vốn các ngân hàng thương mại cổ phần Việt Nam - 2 -
Xây Dựng Các Biến Số Và Giả Thiết Nghiên Cứu: -
Kết Quả Phân Tích Hồi Quy 4 Nhân Tố Với 27 Nhtmcpvn Đối Với Đòn Bẩy Tài Chính. -
Các nhân tố ảnh hưởng đến cấu trúc vốn các ngân hàng thương mại cổ phần Việt Nam - 6 -
Các nhân tố ảnh hưởng đến cấu trúc vốn các ngân hàng thương mại cổ phần Việt Nam - 7
Xem toàn bộ 64 trang tài liệu này.
Với kết quả trên ta nhận thấy không có hiện tượng tương quan giữa các cặp biến độc lập trong mô hình, hệ số tương quan lớn nhất giữa các biến độc lập là 0.28. Điều này cho thấy các biến trong mô hình là phù hợp và không có hiện tượng đa cộng tuyến. Và sau đây, chúng ta sẽ tiến hành kiểm định mô hình hồi quy các nhân tố tác động lên đòn bẩy tài chính của NHTMCPVN.
Bảng 4.6: Kết quả hồi quy đòn bẩy tài chính của 8 NHTMCP niêm yết
Method: Panel Least Squares | ||||
Date: 08/02/13 Time: 22:54 | ||||
Sample: 2006Q3 2013Q1 | ||||
Periods included: 27 | ||||
Cross-sections included: 8 | ||||
Total panel (unbalanced) observations: 140 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 0.363340 | 0.057041 | 6.369824 | 0.0000 |
MTB | 0.229222 | 0.038704 | 5.922481 | 0.0000 |
SIZE | 0.016624 | 0.002774 | 5.992131 | 0.0000 |
PRO | -0.694404 | 0.842954 | -0.823774 | 0.4115 |
COLL | 0.016303 | 0.006899 | 2.363043 | 0.0196 |
DIV | 0.002440 | 0.005086 | 0.479716 | 0.6322 |
RISK | -0.003796 | 0.007048 | -0.538621 | 0.5910 |
R-squared | 0.442108 | Mean dependent var | 0.909270 | |
Adjusted R-squared | 0.416939 | S.D. dependent var | 0.035951 | |
S.E. of regression | 0.027452 | Akaike info criterion | -4.304065 | |
Sum squared resid | 0.100229 | Schwarz criterion | -4.156983 | |
Log likelihood | 308.2846 | Hannan-Quinn criter. | -4.244295 | |
F-statistic | 17.56620 | Durbin-Watson stat | 0.435494 | |
Prob(F-statistic) | 0.000000 | |||
Nhìn vào kết quả trên ta thấy hệ số R2=0.4421, và 2 biến độc lập là MTB, SIZE trong mô hình ước lượng đều có mức ý nghĩa Prob<0.01, tức là các biến này đưa vào mô hình là phù hợp và có ý nghĩa ở mức 1%; biến COLL có mức ý nghĩa Prob<0.05, tức là biến COLL đưa vào mô hình phù hợp và có ý nghĩa ở mức 5%. Còn lại các biến PRO, DIV, RISK không có ý nghĩa trong mô hình này. Đồng thời, qua chỉ số kiểm nghiệm F ta có hệ số hồi quy F=17.57 với mức ý nghĩa rất nhỏ hơn 1%, do đó mô hình này là phù hợp. Tuy nhiên vấn đề quan trọng của mô hình nằm
ở hệ số Durbin-Watson = 0.435 (d<1)5 cho thấy có hiện tượng tự tương quan trong
mô hình trên. Do đó, bất chấp tính đơn giản, khi sử dụng hồi quy kết hợp như trên có thể bóp méo bức tranh thực tế về mối quan hệ giữa phụ thuộc đòn bẩy tài chính
5 Hoàng Ngọc Nhậm và cộng sự, 2007. Giáo trình Kinh tế lượng. Đại học Kinh tế Thành phố Hồ Chí Minh, trang 193.
và các biến số độc lập trong 8 NHTMCP được khảo sát. Để khắc phục nhược điểm tự tương quan trên, tác giả sử dụng phân tích hồi quy sử dụng hiệu ứng cố định. Và ở phần trên cũng đã cho thấy rò mô hình có sử dụng hiệu ứng cố định phù hợp hơn mô hình không sử dụng hiệu ứng cố định. Vì vậy, trong phần tiếp theo ta tiến hành kiểm định mô hình hồi quy trên với các hiệu ứng cố định, nếu mô hình hiệu ứng cố định tiếp tục có tự tương quan, tác giả sẽ tiến hành khắc phục tự tương quan theo 2 bước của Durbin – Watson.
4.2.2 Kết quả mô hình hồi quy đối với đòn bẩy tài chính kết hợp hiệu ứng biến cố định
Sử dụng phần mềm Eiews, tác giả được kết quả tổng hợp của mô hình trên trong việc sử thêm hiệu ứng cố định (Fixed Effect) như sau:
Bảng 4.7: Tổng hợp kết quả sử dụng hiệu ứng cố định trên mô hình 6 biến.
Coefficient | |||
L2 (1) | L2 (2) | L2 (3) | |
C | 0.205433 | 0.324944 | 0.234447 |
Prob | 0.0254 | 0.0000 | 0.0000 |
MTB | 0.194083 | 0.279444 | 0.062768 |
Prob | 0.0000 | 0.0000 | 0.0000 |
SIZE | 0.026829 | 0.016168 | -0.14422 |
Prob | 0.0000 | 0.0000 | 0.8516 |
PRO | 0.479615 | -1.446481 | 0.016579 |
Prob | 0.4994 | 0.1903 | 0.0009 |
COLL | 0.020039 | 0.013875 | -0.003916 |
Prob | 0.0001 | 0.0645 | 0.3159 |
DIV | -0.00158 | 0.003045 | -0.009814 |
Prob | 0.6794 | 0.6025 | 0.4365 |
RISK | -0.00989 | -0.006499 | -0.498197 |
Prob | 0.0669 | 0.7169 | 0.0064 |
Bank Fixed Effect | Yes | No | Yes |
Time Fixed Effect | No | Yes | Yes |
R2 | 0.726051 | 0.540663 | 0.826751 |
F-statistic | 25.68764 | 3.935758 | 12.236 |
Prob(F-statistic) | 0.0000 | 0.0000 | 0.0000 |
Durbin-Watson stat | 0.736213 | 0.432260 | 0.673705 |
Tương tự như phần trước, kết quả bảng trên cho thấy hệ số R2 được cải thiện đáng kể so với mô hình ban đầu (44%), được điều chỉnh lên thành 72%, 82%. Điều này cho thấy mức độ biến thiên của đòn bẩy tài chính ngày càng bị ảnh hưởng nhiều bởi các biến độc lập. Bên cạnh đó, các mức ý nghĩa Prob của kiểm định F đều gần như bằng 0. Để kiểm tra xem mô hình nào thật sự phù hợp ta tiếp tục tiến hành các kiểm định giả thiết về các hệ số hồi quy riêng: Với giả thiết của mô hình là H0: βi=0 và H1 βi≠0, sử dụng kết quả mức ý nghĩa Prob của mô hình ta có kết quả sau:
+Hằng số C có mức ý nghĩa Prob tương đối nhỏ, chỉ có trong mô hình L2(1)
có ý nghĩa ở mức 5%, tất cả các mô hình còn lại L2, L2(2), L2(3) đều có ý nghĩa ở mức 1%.
+ Biến MTB luôn có ý nghĩa rất nhỏ ở cả 4 mô hình, vì vậy có thể cho rằng đòn bẩy tài chính của các NHTMCPVN được niêm yết bị tác động bởi giá trị thị trường trên giá trị sổ sách.
+ Biến SIZE luôn có mức ý nghĩa rất nhỏ ở cả 4 mô hình, nhỏ hơn rất nhiều so với 1%, do đó bác bỏ giả thiết H0: β1=0. Nên có thể khẳng định biến SIZE có ý nghĩa giải thích biến đòn bẩy tài chính ở mức ý nghĩa 1%.
+ Biến PRO có giá trị Prob tương đối lớn ở các mô hình L2, L2(1) và L2(2), tuy nhiên trong mô hình L2(3) thì lại chỉ có ý nghĩa ở mức 1%. Do đó nếu chỉ xét ở mô hình cố định đồng thời đối tượng (bank) và thời gian (quý) thì có thể cho rằng biến PRO có tác động đến đòn bẩy tài chính.
+ Biến COLL cũng có mức giá trị Prob không ổn định, và chỉ có ý nghĩa 1% ở mô hình L2(1), vậy nên có thể cho rằng biến COLL không có tác động lên đòn bẩy tài chính đối với các NHTMCPVN được niêm yết.
+ Biến DIV luôn có mức giá trị Prob cao. Vì vậy có thể cho rằng DIV không có tác động lên đòn bẩy tài chính của các NHTMCPVN được niêm yết.
+ Biến RISK có giá trị Prob tương đối lớn ở các mô hình L2, L2(1) và L2(2), tuy nhiên trong mô hình L2(3) thì lại chỉ có ý nghĩa ở mức 1%. Do đó nếu chỉ xét ở mô hình cố định đồng thời thì có thể cho rằng biến rủi ro có tác động đến đòn bẩy tài chính.
Tuy nhiên, lúc này thì sử dụng mô hình hiệu ứng cố đinh FEM vẫn không khắc phục được nhược điểm tự tương quan, hệ số Durbin-Watson của cả 3 mô hình đều không phù hợp (d<1). Lý do mô hình trên tự tương quan có thể được giải thích bởi các lý do chính như sau:
- Quán tính: Nét nổi bật của hầu hết các chuỗi thời gian trong kinh tế là quán tính. Chúng ta đều biết các chuỗi thời gian như tổng sản phẩm, chỉ số giá, thất nghiệp mang tính chu kỳ. Vì vậy trong hồi quy của chuỗi thời gian, các quan sát kế tiếp đó có nhiều khả năng phụ thuộc lẫn nhau. Việc sử dụng số liệu từ báo cáo tài chính của các ngân hàng liên tục từ quý 3/2006 đến quý 1/2013 cũng là 1 chuỗi thời gian, và do tác giả lấy dữ liệu theo quý tính chu kỳ giữa các năm là điều không thể tránh khỏi, và có thể là một trong những nguyên nhân gây ra tự tương quan.
- Hiện tượng trễ cũng là một trong những nguyên nhân gây ra tự tương quan. Chẳng hạn khi nghiên cứu mối quan hệ giữa tiêu dùng và thu nhập, chúng ta thấy rằng tiêu dùng ở thời kỳ hiện tại chẳng những phụ thuộc vào thu nhập hiện tại mà còn phụ thuộc vào tiêu dùng ở thời kỳ trước đó. Trong mô hình, tác giả sử dụng đồng thời biến độc lập trễ và biến độc lập đúng thời điểm. Tuy nhiên việc sử dụng các biến độc lập trễ đã được kiểm nghiệm bởi các nghiên cứu thực nghiệm trên thế giới. Nên tự tương quan do hiện tượng trễ có thể không phải là nguyên nhân của mô hình trên.
- Sai lệch do lập mô hình: Đây là nguyên nhân thuộc về lập mô hình. Có hai loại sai lầm có thể gây ra hiện tượng tự tương quan. Một là: không đưa đủ các biến vào trong mô hình. Hai là: dạng hàm sai có thể gây ra hiện tượng tự tương quan. Điều này là không phải là nguyên nhân gây ra tự tương quan ở mô hình trên vì cách lấy số liệu các biến độc lập đã được kiểm định qua các bài nghiên cứu thực nghiệm trên thế giới. Vì vậy nguyên nhân tự tương quan phát sinh do lỗi mô hình là khó có thể xảy ra.
Với các lý do trên, tác giả đề xuất 2 giải pháp khắc phục tự tương quan cho mô hình trên. Một là, sử dụng phương pháp Durbin – Watson 2 bước để khắc phục
tự tương quan. Hai là, thay vì thống kê theo quý dễ dẫn đến tự tương quan, tác giả buộc phải thống kê theo năm dù mẫu thống kê không nhiều.
Đầu tiên tác giả sử dụng phương pháp Durbin – Watson 2 bước để khắc phục tự tương quan trên phần mềm EVIEWS, và thu được kết quả như sau:
Bảng 4.8: Kết quả hồi quy đòn bẩy tài chính của 8 NHTMCP niêm yết sau khi điều chỉnh bằng phương pháp Durbin – Watson.
Method: Panel Least Squares | ||||
Date: 08/02/13 Time: 15:43 | ||||
Sample (adjusted): 2006Q4 2013Q1 | ||||
Periods included: 26 | ||||
Cross-sections included: 8 | ||||
Total panel (unbalanced) observations: 132 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -0.033431 | 0.056037 | -0.596592 | 0.5522 |
MTB-R*MTB(-1) | -0.000432 | 0.027463 | -0.015744 | 0.9875 |
SIZE-R*SIZE(-1) | 0.056347 | 0.012767 | 4.413597 | 0.0000 |
PRO-R*PRO(-1) | -0.088125 | 0.296325 | -0.297395 | 0.7668 |
COLL-R*COLL(-1) | 0.003166 | 0.003417 | 0.926474 | 0.3566 |
DIV-R*DIV(-1) | -0.000423 | 0.001663 | -0.254141 | 0.7999 |
RISK-R*RISK(-1) | -0.003953 | 0.008152 | -0.484882 | 0.6289 |
Effects Specification | ||||
Cross-section fixed (dummy variables) | ||||
Period fixed (dummy variables) | ||||
R-squared | 0.610261 | Mean dependent var | 0.207347 | |
Adjusted R-squared | 0.451013 | S.D. dependent var | 0.012984 | |
S.E. of regression | 0.009620 | Akaike info criterion | -6.209231 | |
Sum squared resid | 0.008607 | Schwarz criterion | -5.357494 | |
Log likelihood | 448.8093 | Hannan-Quinn criter. | -5.863125 | |
F-statistic | 3.832142 | Durbin-Watson stat | 2.091359 | |
Prob(F-statistic) | 0.000000 | |||
Nhìn vào kết quả bảng trên, ta thấy hiện tượng tự tương quan (d=2.091359) đã được khắc phục, tuy nhiên hệ số xác định mô hình R2 cũng giảm chỉ còn 61%. Và sau khi khắc phục hiện tượng tư quan theo cách trên, thì chỉ còn mỗi biến PRO
có ý nghĩa thống kê, các biến còn lại không có ý nghĩa trong việc giải thích sự biến động của đòn bẩy tài chính. Vậy mô hình trên cũng không thật sự có ý nghĩa sau khi khắc phục tự tương quan.
Sau đó, tác giả sử dụng dữ liệu từ báo cáo tài chính năm của các NHTMCP thay cho dữ liệu quý đã được sử dụng ở phần trên. Khi lấy dữ liệu năm thì biến MTB và biến RISK có hệ số tương quan 0.78, nên tác giả bỏ đi biến RISK mà chỉ sử dụng biến MTB.
Tương tự phần trên, kết quả tốt nhất đạt được khi tác giả sử dụng hiệu ứng cố định cho dữ liệu năm (sau khi đã bỏ biến RISK do tương quan cao với biến MTB) và thu được kết quả sau:
Bảng 4.9: Kết quả hồi quy đòn bẩy tài chính của 8 NHTMCP niêm yết sau khi điều chỉnh bằng việc sử dụng dữ liệu năm.
Method: Panel Least Squares | ||||
Date: 08/04/13 Time: 12:00 | ||||
Sample: 2006 2012 | ||||
Periods included: 7 | ||||
Cross-sections included: 8 | ||||
Total panel (unbalanced) observations: 35 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
MTB | 0.110559 | 0.060105 | 1.839444 | 0.0794 |
SIZE | 0.028903 | 0.007505 | 3.850872 | 0.0009 |
PRO | -3.003812 | 0.852999 | -3.521470 | 0.0019 |
COLL | 0.311760 | 0.055882 | 5.578934 | 0.0000 |
DIV | -0.033415 | 0.014497 | -2.304944 | 0.0310 |
C | 0.198442 | 0.160004 | 1.240232 | 0.2280 |
Effects Specification | ||||
Cross-section fixed (dummy variables) | ||||
R-squared | 0.883867 | Mean dependent var | 0.913123 | |
Adjusted R-squared | 0.820522 | S.D. dependent var | 0.032613 | |
S.E. of regression | 0.013817 | Akaike info criterion | -5.447346 | |
Sum squared resid | 0.004200 | Schwarz criterion | -4.869646 | |
Log likelihood | 108.3286 | Hannan-Quinn criter. | -5.247924 | |
F-statistic | 13.95315 | Durbin-Watson stat | 1.880521 | |
Prob(F-statistic) | 0.000000 | |||
Nhìn vào kết quả trên, ta có thể thấy hệ số xác định mô hình R2 vẫn ở mức tương đối cao (88%), các kiểm định F cũng có mức ý nghĩa Prob gần bằng 0. Đặc