Phương Pháp Đưa Biến Độc Lập Vào Mô Hình Hồi Quy

ROA: Suất sinh lời trên tổng tài sản ngân hàng

TSD/E: Tỷ lệ tổng nợ phải trả ngắn hạn / vốn chủ sở hữu ngân hàng. TL/TD: Tỷ lệ tổng dư nợ cho vay / tổng tiền gửi từ khách hàng.

E/TA: Tỷ lệ giữa vốn chủ sở hữu ngân hàng / tổng tài sản có ngân hàng.

Như vậy :

Mô hình được dự kiến gồm 5 biến với hệ số tương ứng cho từng biến

Để xác định các nhân tố ảnh hưởng đến tính thanh khoản của ngân hàng, cũng như mức độ ảnh hưởng của từng biến, bài nghiên cứu sử dụng phương pháp hồi quy bình phương bé nhất để nghiên cứu mối quan hệ giữa các biến thu thập được.

Có thể bạn quan tâm!

Xem toàn bộ 89 trang tài liệu này.

2.6. Quy trình nghiên cứu

Với mục tiêu nghiên cứu nhằm:

 Xác định những nhân tố ảnh hưởng tới tính thanh khoản của các ngân hàng

thương mại Việt Nam giai đoạn từ 2005 đến 2010.

 Đánh giá mức độ ảnh hưởng của các nhân tố tác động tới tính thanh khoản của các ngân hàng thương mại Việt Nam giai đoạn từ 2005 đến 2010.

Cơ sở lý thuyết

Xử lý thông tin:

Thống kê định lượng.

Hình 2.2: Quy trình nghiên cứu

Mục tiêu nghiên cứu

Kiểm định mô hình nghiên cứu dựa trên các mục tiêu nghiên cứu đề ra.

Đề xuất kiến nghị, giải pháp.

(Nguồn : Tác giả tổng hợp )

2.7. Nghiên cứu định lượng

Bài nghiên cứu sử dụng phương pháp thu thập số liệu sơ cấp báo cáo tài chính của 30 ngân hàng thương mại trong nước. Sau đó, sẽ chọn các biến số có tác động đến tính thanh khoản của ngân hàng tại nhiều nền kinh tế để tiến hành tính toán trên số liệu thu thập tại Việt Nam như: Biến quy mô ngân hàng, suất sinh lời trên tổng tài sản ngân hàng, tỷ lệ tổng nợ phải trả ngắn hạn / vốn chủ sở hữu ngân hàng và tỷ lệ tổng dư nợ cho vay / tổng tiền gửi từ khách hàng. Trên cơ sở số liệu thu thập được, bài nghiên cứu sử dụng phương pháp hồi quy bình phương bé nhất (OLS) để nghiên cứu mối quan hệ giữa các biến thu thập được.

Sử dụng phần mềm tin học ứng dụng Eview 6.0 để phân tích số liệu với mô hình hồi quy dữ liệu bảng để ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có được.

Phương pháp bình phương nhỏ nhất (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 là: Yi=b0+b1Xi+εi

Chênh lệch giữa giá trị thực tế Yi và giá trị ước lượng bằng phần dư εi.

Mối quan hệ này được trình bày như sau:

Yi=b0+b1Xi+εi

Mô hình ước lượng sẽ đạt được độ chính xác cao nhất khi chênh lệch giữa

giá trị Yi và là nhỏ nhất. Vì vậy, mục đích của phương pháp OLS là tối thiểu hóa tổng ε12, ε22 và ε32. Nghĩa là chúng ta phải tìm ra được giá trị và sao cho là nhỏ nhất để đường hồi quy mẫu là đường thẳng gần với tập hợp quan sát nhất.

Nếu hàm hồi qui mẫu phù hợp tốt với các số liệu quan sát thì RSS tiến về 0. Nếu tất cả các giá trị quan sát của Y đều nằm trên SRF thì ESS sẽ bằng TSS và do đó RSS=0.

Chỉ tiêu R2: là hệ số xác định và được sử dụng để đo lường mức độ phù hợp của hàm hồi qui. R2 được tính bằng cách lấy tỉ lệ giữa tổng bình phương tất cả các sai lệch của biến giải thích với tổng bình phương tất cả các sai lệch.

Ta có thể thấy được: 0≤R2≤1

R2 cao nghĩa là mô hình ước lượng được giải thích được một mức độ cao

biến động của biến phụ thuộc.

Nếu R2 bằng 0. Nghĩa là mô hình không đưa ra thông tin nào về biến phụ thuộc và dự đoán tốt nhất về giá trị của biến phụ thuộc là giá trị trung bình của nó. Các biến "giải thích" thực sự không đưa ra được một giải thích nào.

Hồi quy nhiều biến

Khi xem xét nhiều biến giải thích trong mô hình hồi quy nhiều biến số, hoặc

hồi quy bội số, ta sử dụng mô hình:

=b0+b1X1i+b2X2i+b3X3i+…+bkXki+ εi

Mỗi một hệ số bj là đạo hàm từng phần của biến phụ thuộc Yi theo biến giải thích Xji. Nghĩa là khi X thay đổi một đơn vị khi các biến khác không đổi thì Y được dự đoán là thay đổi một lượng đúng bằng hệ số.

R2 điều chỉnh

Hệ số R2 không còn chính xác khi đo lường độ phù hợp của mô hình hồi qui bội. Vì R2 là hàm không giảm của số biến giải thích có trong mô hình. Do vậy, nếu tăng số biến giải thích trong mô hình thì R2 cũng tăng, bất kể các biến cho thêm có phù hợp với mô hình hay không. Thêm càng nhiều biến vào phương trình ước lượng thì sẽ làm tăng giá trị R2 chứ không giảm. Kết quả là mô hình với rất nhiều biến giải thích vô dụng sinh ra một đạo hàm có vẻ như có mức độ giải thích rất cao. Nhưng R2 sẽ chỉ đơn thuần là sự tương quan không thực.

Để khắc phục điều này, chúng ta tính R2 điều chỉnh (adjusted R2)

Trong đó:

n = số các quan sát trong tập dữ liệu.

K = số lượng các hệ số.

Thêm biến vào phương trình hồi qui, thậm chí biến này chẳng có ảnh hưởng gì tới biến phụ thuộc thì điều này có khả năng làm R2 tăng, nhưng sẽ làm K giảm và có thể làm R2 điều chỉnh giảm.

Một quy luật tổng quát đáng tin cậy trong việc lựa chọn giữa các mô hình là lựa chọn mô hình nào có R2 điều chỉnh cao. Khi chúng ta đang xem xét việc thêm một biến mới vào phương trình hồi qui, chúng ta xem xét xem nếu nó làm R2 tăng hay không. Nếu có thì chúng ta nên thêm biến mới đó vào phương trình.

Cách tốt nhất để lựa chọn các biến cho phương trình hồi quy là tìm hiểu các biến phụ thuộc, và dựa vào những hiểu biết về bản thân biến đó để quyết định các biến nào nên được tính đến đầu tiên khi thực hiện hồi quy. Mô hình của chúng ta ít nhiều còn mang nặng tính lý thuyết nên chúng ta cần phải đưa ra giải thích đáng tin cậy dựa trên hoạt động thực tế cho những kết quả hồi qui về từng biến cũng như toàn bộ các biến giải thích.

2.8. Thu thập dữ liệu

Hiện nay, các bài nghiên cứu trên thế giới sử dụng phổ biến 3 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 1 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: trái với dữ liệu theo thời gian, dữ liệu chéo thể hiện thông tin về

nhiều đối tượng vào một thời điểm nhất định.

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. Dữ liệu

bảng cung cấp nhiều thông tin hơn, biến thiên hơn, ít có sự đa cộng tuyến giữa các biến số, bậc tự do cao hơn, và hiệu quả hơn. Bằng cách nghiên cứu các dữ liệu chéo một cách lặp đi lặp lại, dữ liệu bảng thực hiện tốt hơn các nghiên cứu về những thay đổi xảy ra liên tục như tỷ lệ thất nghiệp, di chuyển lao động. Cho phép kiểm soát sự khác biệt không quan sát được giữa các thực thể (entities), ví dụ như khác biệt văn hoá giữa các quốc gia hay sự khác biệt về triết lý kinh doanh giữa các công ty. Cho phép kiểm soát các biến không quan sát được nhưng thay đổi theo thời gian (chính sách quốc gia, thỏa thuận quốc tế). Cho phép nghiên cứu các mô hình phức tạp, ví dụ như tính kinh tế do quy mô hay thay đổi công nghệ.

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

Trong nghiên cứu, độ chính xác của dữ liệu vô cùng quan trọng. Nếu các dữ liệu thu thập từ những nguồn không đáng tin cậy, và các dữ liệu này được dùng để phân tích, nghiên cứu thì kết quả bài nghiên cứu cũng không mang nhiều ý nghĩa. Vì lý do này, bài nghiên cứu sử dụng số liệu từ các báo cáo tài chính đã được kiểm toán của 30 ngân hàng thương mại Việt Nam giai đoạn từ 2005 đến 2010. Tuy nhiên, đây là các số liệu phục vụ cho mục đích báo cáo cho cổ đông và các bên có liên quan như: cơ quan thuế, ngân hàng nhà nước, không phục vụ trực tiếp cho bài nghiên cứu. Do đó, sau khi dữ liệu được thu thập, tác giả phải thực hiện bước tiếp theo là tính toán lại các biến dựa trên số liệu thu thập được từ báo cáo tài chính để phù hợp với bài nghiên cứu.

2.9. Đối tượng khảo sát

Đối tượng mà đề tài thực hiện nghiên cứu là các ngân hàng thương mại tại Việt Nam, tại 30 ngân hàng thương mại trong nước trong giai đoạn từ 2005 đến 2010.

2.10. Phương pháp phân tích số liệu‌

2.10.1. Thống kê mô tả dữ liệu

Phương pháp thống kê mô tả Frequencies được sử dụng cho dữ liệu thu thập được bao gồm các thống kê về: biến tính thanh khoản ngân hàng, quy mô ngân hàng, suất sinh lời trên tổng tài sản ngân hàng, tỷ lệ tổng nợ phải trả ngắn hạn /vốn chủ sở hữu ngân hàng và tỷ lệ tổng dư nợ cho vay/tổng tiền gửi từ khách hàng.

Đưa ra nhận xét ban đầu về tình hình tài chính và vấn đề thanh khoản của các

ngân hàng thương mại.

2.10.2. Phương pháp đưa biến độc lập vào mô hình hồi quy

Tác giả chạy hồi qui bằng cách đưa từ từ từng biến vào mô hình để có thể đánh giá một cách thận trọng tác động của từng biến đến tính thanh khoản của ngân hàng.

Với phương pháp hồi quy từng bước (Stepwise), số thống kê được sử dụng cho các biến được đưa vào và loại ra căn cứ trên số thống kê likelihood-ratio (tỷ lệ thích hợp) hay số thống kê Wald. Cũng có thể chọn một trong các phương pháp thay thế sau:

Enter: đưa vào bắt buộc, các biến trong khối biến độc lập được đưa vào trong

một bước.

Forward: Conditional là phương pháp đưa vào dần theo điều kiện. Nó kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng thông số có điều kiện.

Forward: LR là phương pháp đưa vào dần kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng khả năng xảy ra tối đa (maximum – likelihood estimates)

Forward: Wald là phương pháp đưa vào dần kiểm tra việc loại biến căn cứ

trên xác suất của số thống kê Wald.

Backwald: Conditional là phương pháp loại trừ dần theo điều kiện. Nó kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng của những thông số có điều kiện.

Backwald: LR là phương pháp loại trừ dần kiểm tra loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên những ước lượng khả năng xảy ra tối đa.

Backwald: Wald là phương pháp loại trừ dần kiểm tra loại biến căn cứ trên xác suất của số thống kê Wald.

Bài nghiên cứu này sử dụng phương pháp Enter.

2.10.3. Kiểm tra một số giả định đối với mô hình hồi qui tuyến tính

Khi đã thu thập và thiết kế dữ liệu phù hợp với mục tiêu nghiên cứu, ta tiến hành kiểm định một số giả định đối với mô hình hồi quy tuyến tính, từ đó mới có thể xác định được chính xác mô hình nghiên cứu phù hợp và kết quả bài nghiên cứu đưa ra có ý nghĩa.

Hiện tượng tự tương quan (Autocorrelation)

Phân tích tương quan là bước cần thiết để thấy được mức độ quan hệ của các biến nghiên cứu. Hiện tượng tự tương quan (hay tương quan chuỗi) xãy ra khi ta quan sát một chuỗi thời gian (time-series) khi các sai số trong các quan sát liên tiếp nhau không có tương quan độc lập hay covariance của chúng khác zero, nói cách khác, chúng có mối tương quan chuỗi. Để kiểm định hiện tượng này chúng ta sử dụng Durbin-Watson test để tìm ra mồi liên hệ của phần dư để xem chúng độc lập hay có sự tương quan với nhau để kết luận xem có tương quan chuỗi hay không.

Kiểm tra hiện tượng đa cộng tuyến (Multicolinearity)

Trong mô hình hồi qui bội, chúng ta có thêm giả thuyết là các biến độc lập không có tương quan hoàn toàn với nhau. Vì vậy, khi ước lượng mô hình hồi quy bội chúng ta phải kiểm tra giả thiết này thông qua kiểm tra hiện tượng đa cộng tuyến. Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor).

Kiểm tra hiện tượng phương sai thay đổi trong mô hình (Heteroscedasticity)

Trong quá trình hồi quy chúng ta thường giả định là phương sai của sai số sẽ không đổi (Homoscedasticity). Nếu giả thiết này bị vi phạm kết quả hồi quy sẽ

không được chấp nhận. Điều này xãy ra bởi vì ước lượng không đạt được phương sai thấp nhất có thể. Để khắc phục hiện tượng này thông thường chúng ta chuyển vào hàm log, chia chúng cho 1 hằng số (GLS) hoặc sử dụng kiểm định gần đúng của White. Các tiếp cận này có tính hữu dụng và khả thi trong thực tế.

Kết luận chương 2

Thông qua việc nghiên cứu về cơ sở lý thuyết cũng như khảo sát các nghiên cứu trước đây, người thực hiện tiến hành vận dụng, lựa chọn biến nghiên cứu và xây dựng mô hình, từ đó làm cơ sở cho các phương pháp phân tích những nhân tố tác động đến tính thanh khoản của ngân hàng.