Trang chủ / Tín Dụng

Kết Quả Hồi Quy Theo Mô Hình Ordinary Least Square (Ols)


Bảng 4.3: Hệ số VIF


Biến

VIF

1/VIF

INF

53.70

0.018623

INR

50.94

0.019631

EXR

8.06

0.124000

UNE

6.56

0.152359

GDP

2.23

0.448927

SIZE

2.17

0.461808

ROE

1.96

0.508919

LEV

1.63

0.611861

INEF

1.42

0.703994

NII

1.18

0.843966

LLP

1.05

0.952705

VIF trung bình

11.90


Có thể bạn quan tâm!

Xem toàn bộ 109 trang tài liệu này.

Các nhân tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại Việt Nam - 9

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata Kiểm tra hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF. Ta

thấy hai biến INF và INR có hệ số VIF lớn hơn 10. Hệ số tương quan giữa hai biến INF và INR lên tới -0.9845 cho thấy có hiện tượng đa cộng tuyến xảy ra giữa hai biến này. Vì vậy, bài nghiên cứu quyết định loại bỏ biến INF để đảm bảo không còn hiện tượng đa cộng tuyến giữa các biến trong mô hình. Sau khi loại bỏ biến INF được bảng hệ số VIF mới như sau:

Bảng 4.4: Hệ số VIF sau khi loại bỏ biến INF


Biến

VIF

1/VIF

EXR

7.28

0.137384

UNE

5.85

0.171003

INR

2.90

0.345056

SIZE

2.16

0.462307

GDP

2.14

0.467897

ROE

1.95

0.513667

LEV

1.63

0.611906

INEF

1.42

0.705665

NII

1.18

0.843975

LLP

1.05

0.953566

VIF trung bình

2.76


Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata


Sau khi loại bỏ biến INF, hệ số VIF của các biến đều nhỏ hơn 10 và giá trị trung bình của hệ số VIF là 2.76 cho thấy trong mô hình nghiên cứu không còn hiện tượng đa cộng tuyến giữa các biến.

Kiểm định tự tương quan

Tiến hành kiểm định với giả thuyết:

Ho: không có hiện tượng tự tương quan giữa các biến H1: có hiện tương tự tương quan giữa các biến

Wooldridge test for autocorrelation in panel data H0: no first order autocorrelation

F( 1, 29) = 1.494 Prob > F = 0.2314

Kết quả kiểm định cho thấy giá trị p-value lớn hơn mức ý nghĩa 5%, do đó ta chấp nhận giả thuyết Ho, nghĩa là trong mô hình nghiên cứu không có hiện tượng tự tương quan giữa các biến.

4.3.3 Kết quả hồi quy theo mô hình Ordinary Least Square (OLS)

Bảng 4.5: Kết quả hồi quy theo mô hình OLS


Biến

Hệ số

Độ lệch chuẩn

t

P>|t|

LEV

-0.014148

0.0203282

-0.70

0.487

LLP

0.0085246

0.0145073

0.59

0.557

INEF

0.0000905

0.0058241

0.02

0.988

SIZE

0.0049771

0.0028306

1.76

0.080

ROE

-0.0541278

0.0243656

-2.22

0.027

NII

0.0143464

0.0078506

1.83

0.069

GDP

-0.004647

0.0026478

-1.76

0.080

UNE

-0.0039534

0.0085102

-0.46

0.643

EXR

9.44e-07

1.46e-06

0.65

0.518

INR

-0.0004917

0.0004287

-1.15

0.253

_cons

0.0157348

0.0394365

0.40

0.690

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata Kết quả mô hình hồi quy theo OLS cho thấy chỉ có bốn biến SIZE, ROE, NII và

GDP có ý nghĩa thống kê.


Kiểm định hettest với giả thuyết:

Ho: không có hiện tượng phương sai thay đổi trong mô hình H1: có xảy ra hiện tượng phương sai thay đổi trong mô hình

Kết quả kiểm định cho thấy giá trị p-value nhỏ hơn mức ý nghĩa 5%, do đó ta bác bỏ giả thuyết Ho, nghĩa là mô hình OLS có xảy ra hiện tượng phương sai thay đổi.

4.3.4 Kết quả hồi quy theo mô hình Fixed Effect (FEM)

Bảng 4.6: Kết quả hồi quy theo mô hình FEM


Biến

Hệ số

Độ lệch chuẩn

t

P>|t|

LEV

0.0132209

0.023915

0.55

0.581

LLP

0.0349476

0.0224831

1.55

0.122

INEF

0.0017493

0.0061266

0.29

0.776

SIZE

-0.0191126

0.0104334

-1.83

0.068

ROE

-0.0986729

0.0293166

-0.30

0.768

NII

0.0203727

0.0085034

2.40

0.017

GDP

-0.0035212

0.0025214

-1.40

0.164

INR

-0.0002128

0.0004251

-0.50

0.617

UNE

-0.0054462

0.0081465

-0.67

0.505

EXR

3.34e-06

1.72e-06

1.94

0.054

_cons

0.1218983

0.0626795

1.99

0.048

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata Kết quả mô hình hồi quy theo FEM cho thấy chỉ có ba biến SIZE, NII và EXR

có ý nghĩa thống kê.

Kiểm định xttest với giả thuyết:

Ho: không có hiện tượng phương sai thay đổi trong mô hình H1: có xảy ra hiện tượng phương sai thay đổi trong mô hình

Kết quả kiểm định cho thấy giá trị p-value nhỏ hơn mức ý nghĩa 5%, do đó ta bác bỏ giả thuyết Ho, nghĩa là mô hình FEM có xảy ra hiện tượng phương sai thay đổi.


4.3.5 Kết quả hồi quy theo mô hình Random Effect (REM)

Bảng 4.7: Kết quả hồi quy theo mô hình REM


Biến

Hệ số

Độ lệch chuẩn

z

P>|z|

LEV

-0.0102253

0.0206698

-0.49

0.621

LLP

0.0163765

0.0165928

0.99

0.324

INEF

0.002087

0.0057735

0.36

0.718

SIZE

0.0024076

0.0038156

0.63

0.528

ROE

-0.0352882

0.0259658

-1.36

0.174

NII

0.0180142

0.0079665

2.26

0.024

GDP

-0.0043469

0.0024834

-1.75

0.080

INR

-0.0004307

0.0004073

-1.06

0.290

UNE

-0.005025

0.0080271

-0.63

0.531

EXR

1.18e-06

1.39e-06

0.84

0.399

_cons

0.024525

0.0396803

0.62

0.537

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata Kết quả hồi quy theo mô hình REM cho thấy chỉ có hai biến có ý nghĩa thống kê

là NII và GDP.

Tương tự, tiến hành kiểm định xttest với giả thuyết:

Ho: không có hiện tượng phương sai thay đổi trong mô hình H1: có xảy ra hiện tượng phương sai thay đổi trong mô hình

Kết quả kiểm định cho thấy giá trị p-value nhỏ hơn mức ý nghĩa 5%, do đó ta bác bỏ giả thuyết Ho. Vậy trong mô hình REM cũng có tồn tại hiện tượng phương sai thay đổi.

4.3.6 Kết quả hồi quy theo mô hình Generalized Method of Moments (GMM)

Theo kết quả phân tích ở trên, ta thấy cả ba mô hình OLS, FEM và REM đều xảy ra hiện tượng phương sai thay đổi. Do đó, ta dùng phương pháp ước lượng GMM để có thể khắc phục được các khuyết tật của mô hình OLS, FEM và REM như phương sai thay đổi, tự tương quan. Bên cạnh đó, GMM còn có thể giải quyết được vấn đề nội sinh có thể xảy ra gây ảnh hưởng đến kết quả của mô hình. Vấn đề nội sinh xảy ra khi có mối quan hệ tác động hai chiều giữa biến phụ thuộc và biến độc lập, làm cho các ước lượng FEM và REM không còn hiệu quả.


Bảng 4.8: Kết quả hồi quy theo mô hình GMM


Biến

Hệ số

Độ lệch chuẩn

z

P>|z|

LEV

-0.021135

0.0320146

-0.64

0.521

LLP

0.0371125

0.0444937

0.83

0.404

INEF

0.0088707

0.0025565

3.47

0.001

SIZE

0.0030246

0.003432

0.88

0.378

ROE

-0.468714

0.0228285

-2.05

0.040

NII

0.0167111

0.0028147

5.94

0.000

GDP

-0.0030148

0.0005915

-5.10

0.000

INR

-0.000487

0.0001147

-4.24

0.000

UNE

-0.0015118

0.001838

-0.82

0.411

EXR

1.14e-06

3.55e-07

3.20

0.001

_cons

0.0115177

0.0143271

0.80

0.421

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata Phương pháp ước lượng GMM sử dụng biến công cụ để giải quyết vấn đề nội

sinh. Các biến công cụ này cần thoả mãn điều kiện là không được tương quan với phần dư của mô hình. Ngoài ra, phần dư của mô hình GMM không được xảy ra hiện tượng tự tương quan bậc nhất. Nếu thoả mãn hai điều kiện này, kết quả ước lượng từ mô hình GMM là hoàn toàn đáng tin cậy. Để kiểm tra hai điều kiện này, bài nghiên cứu sử dụng hai loại kiểm định được đưa ra bởi Arellano và Bond (1991).

Đối với điều kiện phần dư của mô hình không xảy ra hiện tượng tự tương quan, đặt giả thuyết như sau:

Ho: phần dư của mô hình không xảy ra hiện tượng tự tương quan bậc nhất H1: phần dư của mô hình có hiện tượng tự tương quan bậc nhất

Arellano-Bond test for AR(2) in first differences: z = -0.88 Pr > z = 0.378

(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata)

Kết quả kiểm định cho thấy giá trị p-value 0.378 lớn hơn mức ý nghĩa 5%, do đó ta chấp nhận giả thuyết Ho: phần dư của mô hình GMM không xảy ra hiện tượng tự tương quan bậc nhất.

Tiếp theo tiến hành kiểm định Hansen với giả thuyết:

Ho: các biến công cụ không tương quan với phần dư của mô hình


H1: các biến công cụ tương quan với phần dư của mô hình

Hansen test of overid. restrictions: chi2(47) = 21.89 Prob > chi2 = 0.999

(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata) Kết quả kiểm định Hansen cho thấy giá trị p-value 0.999 lớn hơn mức ý nghĩa

5%, do đó ta chấp nhận giả thuyết Ho: các biến công cụ không tương quan với phần dư của mô hình.

Như vậy, hai điều kiện phần dư của mô hình không có tự tương quan bậc nhất và biến công cụ không tương quan với phần dư của mô hình đều đã thoả mãn, kết quả của mô hình GMM là đáng tin cậy và có thể dùng để phân tích.

So sánh với giả thiết đặt ra ban đầu:


Biến

Kỳ vọng tác động đến nợ xấu

Kết quả

GDP

-

-

UNE

+

Không có ý nghĩa thống kê

INR

+

-

EXR

+

+

INEF

+

+

LLP

+

Không có ý nghĩa thống kê

LEV

+

Không có ý nghĩa thống kê

ROE

-

-

NII

-

+

SIZE

-

Không có ý nghĩa thống kê

4.3.7 Phân tích kết quả mô hình:

Tốc độ tăng trưởng kinh tế - GDP

Kết quả nghiên cứu cho thấy tốc độ tăng trưởng kinh tế có mối quan hệ ngược chiều với tỷ lệ nợ xấu ở mức ý nghĩa thống kê 1% (p-value là 0), khi tốc độ tăng GDP tăng lên 1% thì nợ xấu sẽ giảm 0.003% và ngược lại, điều này là phù hợp với kỳ vọng ban đầu và kết quả nghiên cứu của Jakubík (2011) và Castro (2013): khi nền kinh tế tăng trưởng tốt, các doanh nghiệp làm ăn có lợi nhuận và đảm bảo được khả năng trả nợ nên tỷ lệ nợ xấu giảm; và khi kinh tế rơi vào suy thoái, tốc độ tăng trưởng GDP


giảm, các doanh nghiệp gặp khó khăn trong quá trình sản xuất kinh doanh và khả năng trả nợ bị hạn chế.

Tỷ lệ thất nghiệp - UNE

Theo kết quả mô hình, tìm thấy mối quan hệ nghịch biến giữa tỷ lệ thất nghiệp và tỷ lệ nợ xấu, khi tỷ lệ thất nghiệp của nền kinh tế tăng lên 1%, tỷ lệ nợ xấu/tổng dư nợ sẽ giảm 0.0015%, trái ngược với kỳ vọng ban đầu và nghiên cứu của Castro (2013): khi tỷ lệ thất nghiệp tăng ảnh hưởng tiêu cực đến dòng tiền của khách hàng và suy giảm trong sản xuất của doanh nghiệp, làm tăng gánh nặng nợ nần. Lý giải cho vấn đề này tại Việt Nam, có thể do khi thất nghiệp, người dân sẽ có tâm lý hạn chế vay mượn nợ từ các tổ chức tín dụng vì không đủ khả năng thanh toán, các doanh nghiệp sản xuất gặp khó khăn nên sẽ phải cân nhắc tính toán kỹ lưỡng để tập trung nguồn lực cho những dự án thật sự có hiệu quả và mang lại lợi nhuận nhằm đảm bảo được khả năng trả nợ cho ngân hàng, do đó tỷ lệ nợ xấu của nền kinh tế sẽ giảm. Kết quả này cũng phù hợp với tình hình thực tế tại Việt Nam trong giai đoạn 2008 – 2016, khi tỷ lệ thất nghiệp tăng thì tỷ lệ nợ xấu sẽ giảm và ngược lại. Tuy nhiên, chưa tìm được ý nghĩa thống kê cho mối quan hệ giữa hai nhân tố này tại Việt Nam.

Lãi suất thực – INR

Hệ số hồi quy của biến lãi suất thực INR là -0.000487 có giá trị p-value là 0, nghĩa là có ý nghĩa thống kê với mức ý nghĩa 1%. Kết quả hồi quy cho thấy mối quan hệ nghịch biến giữa lãi suất thực của nền kinh tế và tỷ lệ nợ xấu: khi lãi suất thực tăng lên 1%, tỷ lệ nợ xấu sẽ giảm 0.00048% và ngược lại, trái với kỳ vọng ban đầu của luận văn và nghiên cứu của Castro (2013); Louzis và cộng sự (2011) và Nkusu (2011). Có thể lý giải là do ở thị trường Việt Nam, khi lãi suất thực tăng, người dân sẽ có tâm lý hạn chế vay vốn do phải trả lãi suất cao. Bên cạnh đó lãi suất thực tăng sẽ làm tăng chi phí đi vay của doanh nghiệp do phải trả lãi nhiều hơn và tăng gánh nặng nợ nần, do đó các doanh nghiệp sẽ thận trọng hơn trong việc sử dụng nguồn vốn vay của mình và


phải cân nhắc tính toán kỹ lưỡng để tập trung vốn cho những dự án thật sự mang lại hiệu quả. Do đó góp phần làm giảm tỷ lệ nợ xấu.

Tỷ giá hối đoái – EXR

Mối quan hệ giữa tỷ giá hối đoái và tỷ lệ nợ xấu là cùng chiều và có ý nghĩa thống kê ở mức ý nghĩa 1% (p-value là 0.001): khi tỷ giá tăng 1%, tỷ lệ nợ xấu tăng 0.0000014% và ngược lại. Kết quả này phù hợp với kỳ vọng ban đầu và nghiên cứu của Nkusu (2011): khi tỷ giá hối đoái tăng có thể làm giảm sức cạnh tranh của các doanh nghiệp xuất khẩu và làm giá cả hàng hoá trong nước trở nên đắt hơn, do đó ảnh hưởng tiêu cực đến tình hình tài chính và khả năng trả nợ của các doanh nghiệp này, từ đó dẫn đến tăng nợ xấu. Tuy nhiên, hệ số hồi quy nhỏ 0.0000014 cho thấy tác động của tỷ giá đến nợ xấu tại Việt Nam là không nhiều.

Hiệu quả chi phí hoạt động – INEF

Kết quả hồi quy cho thấy hệ số hồi quy của biến INEF là 0.00887 có ý nghĩa thống kê ở mức ý nghĩa 1% (p-value = 0.001), nghĩa là có mối quan hệ đồng biến giữa hiệu quả hoạt động và tỷ lệ nợ xấu: khi tỷ lệ chi phí hoạt động/thu nhập hoạt động tăng 1% thì lệ nợ xấu tăng 0.00887%. Kết quả này ủng hộ giả thuyết “bad management” và giả thuyết “bad luck” của Berge và DeYoung (1997): khi khả năng quản lý của ngân hàng kém làm chi phí hoạt động tăng – nghĩa là tỷ lệ chi phí hoạt động/thu nhập hoạt động tăng – sẽ làm gia tăng nợ xấu; và khi có những khoản nợ xấu nằm ngoài khả năng kiểm soát của ngân hàng thì ngân hàng sẽ phải bỏ ra nhiều chi phí hơn để giải quyết những khoản nợ xấu này dẫn đến hiệu quả hoạt động thấp. Điều này cho thấy thực tế tại Việt Nam, khả năng quản lý của các NHTM chưa thực sự tốt, dẫn đến chi phí hoạt động tăng, làm giảm lợi nhuận và tăng nợ xấu.

Tỷ lệ dự phòng rủi ro tín dụng – LLP

Kết quả hồi quy cho thấy mối quan hệ đồng biến giữa tỷ lệ dự phòng rủi ro tín dụng và nợ xấu: khi dự phòng rủi ro tín dụng tăng 1% thì tỷ lệ nợ xấu tăng 0.037% và ngược lại. Kết quả này phù hợp với kỳ vọng ban đầu và nghiên cứu của Hasan & Wall

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 25/03/2024