Mối Quan Hệ Giữa Tỷ Lệ Cho Vay Trên Tổng Tài Sản Với Tỷ Suất Lợi Nhuận

(2007), Andreas Dietrich và Gabrielle Wanzenried (2014). Hoặc nó cũng có thể có tác động tiêu cực đến tỷ suất lợi nhuận theo lý thuyết đánh đổi giữa rủi ro và lợi nhuận.

hàng.

Như vậy tác giả đặt giả thuyết nghiên cứu tiếp theo là:

H2: vốn chủ sở hữu trên tổng tài sản có ảnh hưởng đến tỷ suất lợi nhuận ngân

4.2.3. Mối quan hệ giữa tỷ lệ cho vay trên tổng tài sản với tỷ suất lợi nhuận

Chỉ tiêu dự nợ cũng có thể đem lại các ảnh hưởng tích cực đến tỷ suất lợi nhuận khi cho vay được nhiều và chất lượng các khoản vay tốt. Tuy nhiên nếu cho vay nhiều mà chất lượng các khoản vay không tốt thì hoạt động này hoàn toàn có thể kéo lợi nhuận ngân hàng sụt giảm theo nghiên cứu của Aper và Anbar (2011).

Chính vì lí do này, tác giả xây dụng giả thuyết nghiên cứu số 3:

H3: tỷ lệ cho vay trên tổng tài sản có ảnh hưởng đến tỷ suất lợi nhuận ngân

hàng.

4.2.4. Mối quan hệ giữa dự phòng rủi ro tín dụng trên tổng dư nợ với tỷ suất lợi nhuận

Dự phòng rủi ro tín dụng trên tổng dư nợ là một chỉ tiêu đại diện cho rủi ro tín dụng mà các ngân hàng thương mại phải đối mặt trong hoạt động kinh doanh. Các nghiên cứu cuả Sufian (2011), Alexio và Sofoklis (2009), Alper và Abbar (2011) đều cho thấy mối quan hệ nghịch biến giữa rủi ro tín dụng và lợi nhuận.

Từ những luận điểm trên, tác giả đặt giả thuyết nghiên cứu số 4:

H4: dự phòng rủi ro tín dụng trên tổng dư nợ có ảnh hưởng đến tỷ suất lợi nhuận ngân hàng.

4.2.5. Mối quan hệ giữa tăng trưởng GDP với tỷ suất lợi nhuận

Một nền kinh tế ổn định, tăng trưởng tốt thúc đẩy cho hoạt động kinh doanh của tất cả các chủ thể trong nền kinh tế thuận lợi và phát triển trong đó có ngân hàng

và ngược lại. Các nghiên cứu trước đó của (Albertazzi và Gambacorta, 2009; Athanasoglou & cộng sự, 2008; Bikker và Hu, 2002; Demirguc-Kunt và Huizinga, 1999) đều chứng minh cho điều này.

Vì vậy, tác giả thiết lập giả thuyết nghiên cứu cuối cùng như sau:

H5: Tăng trưởng GDP có ảnh hưởng đến tỷ suất lợi nhuận ngân hàng.

4.3. Phương pháp nghiên cứu‌

Tác giả dùng phương pháp nghiên cứu định lượng và sử dụng phần mềm stata để phân tích với các mục tiêu:

Thống kê mô tả: Tập hợp dữ liệu và phân tích tổng quan về dữ liệu thu thập được như số lượng quan sát, giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất của các biến.

Phân tích tương quan: Xác định mức độ tương quan giữa các biến trong mô hình hồi qui.

Phân tích hồi quy trên dữ liệu bảng: Thực hiện hồi quy tuyến tính theo phương pháp bình quân tối thiểu (OLS). Sau đó, nghiên cứu sử dụng phương pháp bình quân tối thiểu tổng quát khả thi (FGLS) để khắc phục hiện tượng tự tương quan giữa các sai số và hiện tượng phương sai thay đổi nhằm đảm bảo ước lượng thu được vững và hiệu quả.

4.3.1. Phương pháp bình phương tối thiểu - OLS

Phương pháp bình phương tổi thiểu (OLS) là một thủ thuật toán học được sử dụng để ước lượng mối tương quan giữa các biến khác nhau.

Kiểu tương quan đơn giản nhất với giá trị thực tế là:



Yi 0 1 Xi ei

Trong đó:

Yi là biến phụ thuộc (biến được giải thích) Xi là biến độc lập (biến giải thích)



0 và



1 là các hằng số cần được ước lượng

hình).

ei là phần dư (chênh lệch giữa giá trị thực tế và biến phụ thuộc có được từ mô

Giá trị ước lượng được viết như sau:



Yi 0 1 X i



Sai số: ei = Yi - Yi



Vậy, ta phải tìm 0 ,



1 sao cho tổng bình phương sai số là nhỏ nhất. Tức là:

đổi.

Các giả thuyết của OLS:

Giả thuyết 1: Mô hình tuyến tính theo các tham số.

Giả thuyết 2: Các giá trị Xi cho trước và không ngẫu nhiên.

Giả thuyết 3: Các sai số Ui là đại lượng ngẫu nhiên có giá trị trung bình bằng

E (Ui | Xi) = 0

Giả thuyết 4: Các sai số Ui là đại lượng ngẫu nhiên có phương sai không thay

Var (Ui | Xi) = 2 = const

Giả thuyết 5: Không có sự tương quan giữa các sai số Ui. Cov (Ui, Uj | Xi, Xj) = 0, i ≠ j

Giả thuyết 6: Không có đa cộng tuyến một cách hoàn hảo giữa các biến X

trong mô hình.

Giả thuyết 7: Mô hình hồi quy được xác định một cách đúng đắn.

4.3.2. Kiểm định các giả thuyết hồi quy

+ Kiểm định không có sự tự tương quan giữa các biến độc lập trong mô hình (không bị hiện tượng đa cộng tuyến)

Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau. Đa cộng tuyến nghiêm trọng sẽ làm các ước lượng không chính xác mặc dù hệ số R bình phương cao. Theo Hair và các cộng sự (2006), kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng chỉ tiêu VIF. Nếu VIF < 10 thì không có đa cộng tuyến một cách nghiêm trọng. Theo kinh nghiệm thì VIF < 5 là tốt nhất.

+ Kiểm định phương sai của sai số không đổi (không bị hiện tượng phương sai thay đổi)

Phương sai của sai số thay đổi sẽ làm cho các ước lượng thu được bằng phương pháp OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Từ đó dẫn đến hiện tượng ngộ nhận các biến độc lập trong mô hình nghiên cứu có ý nghĩa, lúc đó kiểm định hệ số hồi quy và R bình phương không dùng được. Bởi vì phương sai của sai số thay đổi làm mất tính hiệu quả của ước lượng, nên cần thiết phải tiến hành kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White, với giả thuyết H0: Không có hiện tượng phương sai thay đổi.

+ Kiểm định giữa các sai số không có mối quan hệ tương quan với nhau (không bị hiện tượng tự tương quan)

Giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng thu được bằng phương pháp OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi qui không còn đáng tin cậy. Nghiên cứu sử dụng kiểm định Wooldridge cho hiện tượng tự tương quan trên dữ liệu bảng, với giả thuyết H0 : không có sự tự tương quan.

4.3.3. Phương pháp bình phương tối thiểu tổng quát khả thi (Feasible General Least Square – FGLS)

Phương pháp FGLS được sử dụng để khắc phục hiện tượng tự tương quan giữa các sai số và hiện tượng phương sai thay đổi nhằm đảm bảo ước lượng thu được vững và hiệu quả (theo Wooldridge (2002)).

Để đơn giản và không mất tính tổng phát, xét mô hình một biến độc lập:

Yi 1 2 X 2i Ui

Giả thuyết của phương pháp bình phương bé nhất OLS yêu cầu phương sai sai số là đồng nhất.

Var(Ui ) 

(với mọi i), 2 là một hằng số dương cố định. Khi đó phương sai

sai số được gọi là không đổi, đồng đều hay thuần nhất.

Khi giả thuyết không được thỏa mãn, phương sai sai số ứng với quan sát i là

những đại lượng không bằng nhau:

Var(U ) Var(U ),(i j) . Nếu đặt Var(U ) 2

i j i i

thì

2 2 . Khi đó, phương sai sai số được gọi là thay đổi, không đồng đều hay

i j

không thuần nhất.

Nguyên nhân của phương sai thay đổi:

Hiện tượng phương sai thay đổi có thể bắt nguồn từ nhiều nguyên nhân sau:

+ Do bản chất của các hiện tượng kinh tế: Có nhiều hiện tượng kinh tế tự bản thân nó đã chứa đựng hiện tượng này. Ví dụ như quan hệ giữa thu nhập và tiết kiệm, khi thu nhập tăng thì biến động của tiết kiệm cũng tăng.

+ Mô hình học tập – sai lầm: Điều này là do con người học được sai lầm trong quá khứ.

+ Kỹ thuật thu thập số liệu được cải tiến. Kĩ thuật thu thập số liệu càng cải tiến thì sai lầm phạm phải càng ít hơn.

+ Do xuất hiện các quan sát ngoại lai trong bộ dữ liệu. Các quan sát ngoại lai là các quan sát có khác biệt rất nhiều so với các quan sát khác như quá nhỏ hoặc quá lớn. Việc đưa vào hoặc loại bỏ các quan sát này đều ảnh hưởng rất lớn đến phân tích hồi quy.

+ Mô hình bị định dạng sai: Có thể do bị sót biến quan trọng hoặc định dạng hàm bị sai.

4.4. Thống kê mô tả dữ liệu nghiên cứu‌

4.4.1. Thu thập và xử lý dữ liệu nghiên cứu

4.4.1.1. Nguồn số liệu

Dữ liệu được thu thập từ báo cáo tài chính của tám NHTM niêm yết trên TTCK Việt Nam trong giai đoạn 2007-2014. Các biến được thu thập và tính theo công thức trong bảng 4.1 trên excel. Các dữ liệu được sắp xếp theo dữ liệu kiểu bảng để thể hiện được mối quan hệ giữa các đối tượng theo thời gian.

Cuối cùng tác giả sử dụng phần mềm Stata 12.0 để cho ra các kết quả nghiên

cứu.

4.4.1.2. Phương pháp thu thập dữ liệu

Hiện nay, các bài nghiên cứu trên thế giới phổ biến với ba loại dữ liệu: dữ liệu chuỗi thời gian (time series data), dữ liệu chéo (cross sectional data) và dữ liệu bảng (panel data). Mỗi loại dữ liệu được thiết kế riêng cho từng mục đích và điều kiện nghiên cứu.

Dữ liệu chuỗi thời gian: thể hiện thông tin về một đối tượng trong một khoảng thời gian dài. Nghiên cứu loại dữ liệu này có thể thấy được sự thay đổi của đối tượng trong thời gian nghiên cứu, từ đó dự báo xu hướng dài hạn của đối tượng đó trong tương lai.

Dữ liệu chéo: thể hiện thông tin về nhiều đối tượng vào một thời điểm nhất

định.

Ưu điểm của dữ liệu chéo:

+ Việc thu thập dữ liệu được thực hiện nhanh chóng vì loại bỏ được yếu tố

thời gian.

+ Dữ liệu chéo có chi phí thu thập thấp hơn dữ liệu theo thời gian. Nhược điểm của dữ liệu chéo:

+ Dữ liệu chéo thiếu phân tích chi tiết như dữ liệu chuỗi thời gian. Vì loại dữ liệu này cho chúng ta thấy sự khác nhau giữa các chủ thể nghiên cứu nhưng không cho ta thấy dữ liệu qua một thời kỳ nghiên cứu.

+ Dữ liệu chéo không so sánh quá khứ với tương lai, nên làm giảm hiệu lực của kết luận nghiên cứu.

Dữ liệu bảng: là sự kết hợp của dữ liệu chéo và dữ liệu chuỗi thời gian. Dữ liệu bảng thể hiện thông tin về một nhóm đối tượng nghiên cứu theo thời gian.

Ưu điểm của dữ liệu bảng:

+ Thể hiện sự thay đổi của từng biến qua thời gian.

+ Thiết lập trật tự thời gian của các biến.

+ Thể hiện được mối quan hệ giữa các đối tượng theo thời gian.

Nhược điểm của dữ liệu bảng: Khó thu thập được cùng nhóm đối tượng theo thời gian.

Ngành ngân hàng Việt Nam có lịch sử phát triển khá non trẻ trong điều kiện các qui định công khai về tài chính chưa được nghiêm ngặt nên có khá nhiều các ngân hàng không công bố đầy đủ số liệu của mình trong suốt quá trình hoạt động. Đặc điểm này gây nhiều khó khăn cho các bài nghiên cứu về ngân hàng. Trong điều kiện như vậy, tác giả chọn cách thu thập số liệu theo dữ liệu bảng để đảm bảo số lượng đối tượng thu thập được nhiều nhất.

4.4.2. Thống kê mô tả dữ liệu nghiên cứu

Phần mềm Stata cho kết quả thống kê mô tả bộ dữ liệu nghiên cứu như trên bảng 4.2.

Trong đó, mỗi biến đều có số lượng quan sát là 64. Giá trị trung bình của các biến được thể hiện trong cột Mean. Theo đó giá trị trung bình của ROA và ROE lần lượt là 1.27% và 15.44% (tương tự cho các biến khác). Cột Std. Dev thể hiện độ lệch chuẩn của các biến. Hai biến ROA và PROVILOAN có mức độ phân tán thấp khi độ lệch chuẩn chỉ dưới 1%. Các biến TCTR và LOANTA lại có mức độ phân tán cao. Điều này thể hiện sự không đồng đều về tỷ lệ chi phí trên doanh thu và dư nợ trên

tổng tài sản giữa các ngân hàng. Cột Min và Max lần lượt thể hiện giá trị nhỏ nhất và lớn nhất trong bộ dữ liệu. Ngân hàng có ROA thấp nhất là SHB vào năm 2012 với 0.03%, cao nhất là STB vào năm 2007 với 3.13%. Tương tự, ngân hàng có ROE thấp nhất là SHB vào năm 2012 với 0.34% và cao nhất là ACB vào năm 2007 với 44.49%.

Bảng 4.2. Thống kê mô tả dữ liệu nghiên cứu

Variable

Obs	Mean	Std. Dev.	Min	Max
ROA	64	.0126844	.0059644	.0003	.0313
ROE	64	.15445	.0743121	.0034	.4449
TCTR	64	.4364328	.1190073	.2664	.7858
LOANTA	64	.5425781	.1085946	.3308	.7244
ETA	64	.0870703	.0384501	.0426	.2662
PROVILOAN	64	.0146531	.0073533	.0019	.0378
GDP	64	.0614875	.0102856	.0503	.0846