Biến Phụ Thuộc (M. Heider & R. Gropp) Đòn Bẩy Tài Chính (L):

TÓM TẮT CHƯƠNG 3

Chương 3 đã giới thiệu tổng quan về bối cảnh kinh tế Việt Nam và tình hình lợi nhuận các Ngân hàng thương mại Việt Nam giai đoạn 2006-2016. Kết quả cho thấy trước khủng hoảng kinh tế thế giới, với những khả quan tình hình sản xuất và kinh doanh trong và ngoài ngước, tình hình hoạt động kinh doanh của các ngân hàng niêm yết rất tốt nhờ những điều kiện thuận lợi của nền kinh tế này. Sau khủng hoảng tài chính thế giới kết theo khủng hoảng kinh tế thế giới, ảnh hưởng chung của khủng hoảng kinh tế toàn cầu, mặc dù Chính phủ và NHNN đã có những biện pháp kích thích kinh tế, hỗ trợ doanh nghiệp, nhưng hoạt động kinh doanh của các ngân hàng vẫn gặp khó khăn. Khi tăng trưởng tín dụng thấp, tỷ lệ nợ xấu tăng nhanh, khả năng hấp thụ vốn của nền kinh tế kém cũng như sự cạnh tranh các tổ chức tín dụng ngoài nước, các tổ chức cho vay trả góp, cho vay tín chấp…đã tác động không nhỏ làm giảm lợi nhuận và khả năng sinh lời của các Ngân hàng thương mại Việt Nam.

CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN KẾT QUẢ NGHIÊN CỨU

4.1 MÔ HÌNH THỰC NGHIỆM

Các lược khảo bao gồm các bằng chứng nghiên cứu thực nghiệm và lý thuyết của nhiều nghiên cứu trong và ngoài nước, cũng như phân tích các mối quan hệ giữa cấu trúc sở hữu và rủi ro trong hệ thống NHTM Việt Nam nhằm xây dựng giả thuyết nghiên cứu đã được trình bày cụ thể trong chương 2.

Với mục tiêu tìm hiểu các nhân tố tác động đến cấu trúc vốn của NHTM Việt Nam, bài luận văn sẽ tham khảo mô hình nghiên cứu dự trên cơ sở mô hình của Groop & Heider (2011), đồng thời thay đổi, bổ sung và chỉnh sửa một số biến để phù hợp với những điều kiện của các NHTM Việt Nam và cơ sở lý thuyết cùng bằng chứng thực nghiệm chương 2. Mô hình đề xuất như sau:

Y= αi + βn Xn +εi

Trong đó:

+ Y là biến phụ thuộc

+ αi là hệ số tự do

+ βn là Hệ số hồi quy biến

+ Xn là biến độc lập,

+ Εi là sai số ngẫu nhiên.

Mô hình hồi quy cụ thể:

Lit= β0+β1MTBit-1 + β2SIZEit-1+ β3ROAit-1+ β4GDPit-1+ β5DIVit-1+β6RISKit-1

Trong đó: i là ngân hàng; t là thời gian (năm)

Các biến MTB, SIZE, ROA, RISK, INF, GDP được tính với độ trễ 1 năm (theo M. Heider & R. Gropp); DIV được tính theo năm hiện hành.

4.1.1 Biến phụ thuộc (M. Heider & R. Gropp) Đòn bẩy tài chính (L):

L = 1-

4.1.2 Biến độc lập

Biến độc lập là các yếu tố thể hiện ở vế phía bên phải của phương trình hồi quy. Các nhân tố có thể tác động đến cấu trúc vốn của Ngân hàng thương mại Viêt Nam trong các bằng chứng thực nghiệm và lý thuyết và quan điểm của các tác giả các nghiên cứu trước đây ở trong và ngoài nước đã được trình bày và đặt giải thuyết ở chương 2 được tính toán cụ thể như sau:

4.1.2.1 Tỷ số giá trị thị trường trên giá trị sổ sách (MTB, H1)

MTB =

Trong đó:

Giá trị thị trường của tài sản = Giá trị thị trường của vốn chủ sở hữu + Giá trị sổ sách nợ.

4.1.2.2 Quy mô ngân hàng (Size, H2)

Theo Calayan & Sack (2009) và M.Gropp & Heider (2009) quy mô của ngân hàng được đo lường bằng logarit của tổng tài sản như sau:

Size = ln (Tổng tài sản)

4.1.2.3 Tỷ suất sinh lợi trên tài sản (ROA, H3).

ROA =

4.1.2.4 Cổ tức (DIV, H4)

Là biến giả (Dummy) trong những năm ngân hàng có chia cổ tức được gán giá trị bằng 1 và bằng 0 nếu trong năm đó ngân hàng đó không tiến hành chi trả cổ tức.

4.1.2.5 Rủi ro trên tài sản (RISK, H5)

Rủi ro tài sản đo lường thông qua độ lệch chuẩn lợi nhuận sau thuế trên tổng tài sản tron

4.1.2.6 Tăng trưởng tổng sản phẩm quốc nội (GDP, H6)

Tăng trưởng tổng sản phẩm quốc nội được đo lường bằng tổng tăng trưởng năm trước liền kề

4.1.2.7 Lạm phát (INF, H7)

Lạm phát được đo lường bằng lạm phát năm trước liền kề

4.1.2.8 Giả thuyết nghiên cứu

Các giải thuyết nghiên cứu cà kỳ vọng dấu được mô tả như bản bên dưới:

BIẾN ĐỘC LẬP

KÝ HIỆU

DẤU KỲ VỌNG

DIỄN GIẢI

Tỷ suất sinh lời trên Tài sản

ROA

Ngân hàng với tỷ suất sinh lợi trên vốn chủ sở hữu cao sẽ chịu ít rủi ro hơn nên sẽ chấp nhận một hạn mức đòn bẩy tài chính tương đối cao trong tổng nguồn vốn huy động.

Quy mô

SIZE

Quy mô của ngân hàng càng lớn thì ngân hàng càng có rủi ro phá sản và chi phí kiệt quệ tài chính thấp, do đó càng có nhiều cơ hội vay nợ.

Tài sản cố định

TANG

–

Tài sản cố định và Đòn bẩy tài chính được kỳ vọng có mối tương quan nghịch (bởi vì các ngân hàng dường như ít dùng tài sản cố định để đảm bảo cho các nghĩa vụ trả nợ của mình).

Cổ tức

DIV

Khi cổ tức tăng trưởng càng nhanh sẽ làm cho đòn bẩy tài chính càng tăng

Rủi ro

RISK

Rủi ro thị trường càng tăng làm cho đòn bẩy tài chính càng tăng

Tăng trưởng tổng sản phẩm quốc nội

GDP

Những giai đoạn kinh tế có tốc độ tăng trưởng tổng sản phẩm quốc nội cao cho thấy nguồn vốn lưu chuyển trong nền kinh tế khá dồi dào. Và đây cũng chính là môi trường thuận lợi để ngân hàng gia tăng tỷ lệ đòn bẩy tài chính.

Lạm phát

INF

–

Khi nền kinh tế xảy ra lạm phát thì các ngân hàng thương mại gặp nhiều khó khăn trong kênh huy động vốn từ khách hàng.

Dấu cộng "+" thể hiện mối quan hệ đồng biến giữa biến độc lập và biến LEV. Dấu trừ "-" thể hiện mối quan hệ nghịch biến giữa biến độc lập và biến LEV.

Có thể bạn quan tâm!

Xem toàn bộ 108 trang tài liệu này.

4.2 DỮ LIỆU MẪU

Phạm vi nghiên cứu là tập trung vào các ngân hàng thương mại niêm yết Việt Nam (7 Ngân hàng thương mại cổ phần niêm yết), dựa trên cơ sở thu thập các báo cáo từ ngân hàng nhà nước Việt Nam, cũng như báo cáo được kiểm toán của các ngân hàng thương mại trong giai đoạn từ năm 2006 đến 2016.

4.3 PHƯƠNG PHÁP KIỂM ĐỊNH VÀ ƯỚC LƯỢNG

4.3.1 Nội dung phân tích dữ liệu

4.3.1.1 Thống kê mô tả biến định lượng trong mô hình.

Để đánh giá sơ bộ về các biến độc lập đưa vào mô hình nghiên cứu. Thống kê về giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độc lệch chuẩn, độ nhọn, phân phối chuẩn, mức ý nghĩa.

Thực hiện kiểm tra giá trị của các biến trong mô hình của các công ty trong giai đoạn 2006-2016.

4.3.1.2 Phân tích ma trận tương quan giữa các biến trong mô hình.

Để thực hiện hồi quy trước tiên ta phải kiểm tra tương quan giữa các biến độc lập để chắc chắn giữa các biến độc lập không có hiện tượng đa cộng tuyến xảy ra.

CORR (tương quan). CORR< 0,3: tương quan yếu.

0,3<CORR<0,6: Tương quan mạnh. 0,6<CORR<0,8: coi chừng đa cộng tuyến. 0,8<CORR: đa cộng tuyến. Mô hình không tốt.

Hậu quả của đa cộng tuyến là các biến bị đa cộng tuyến có thể bị mất đi ý nghĩa trong mô hình hoặc có hệ số hồi quy bị trái dấu, đa cộng tuyến nghiêm trọng hơn sẽ không thể ước lượng được mô hình. Do đó việc phân tích tương quan giữa các biến trong mô hình là rất cần thiết.

4.3.1.3 Lựa chọn phương pháp ước lượng mô hình.

Với dữ liệu hồi quy bảng thì có 3 mô hình thông dụng được sử dụng: Mô hình ước lượng bình phương nhỏ nhất (POOLS), mô hình các yếu tố ảnh hưởng cố định (FEM) phân tích những khác biệt về hệ số chặn của nhóm, mô hình các yếu tố tác động ngẫu nhiên (REM) phân tích các thành phần của phương sai và sai số, các hệ số chặn không thay đổi và độ dốc là giống nhau. Chúng ta sử dụng kiểm định Hausman để so sánh mô hình FEM và REM, kiểm định Redundant để so sánh mô hình FEM và POOLS. Từ hai kiểm định trên quyết định xem mô hình nào phù hợp trong việc ước lượng.

4.3.2 Phương pháp kiểm định

Đối với dữ liệu bảng sau khi lựa chọn được mô hình là POOLS, FEM hay REM thì tiến hành kiểm định mô hình được chọn thông qua các kiểm định sau:

Bước 1: Tác giả sử dụng phép toán và các câu lệnh trong phần mềm STATA tiến hành thực hiện phân tích phương pháp hồi quy Pooled OLS và FEM, sau đó so sánh kết quả để lựa chọn 1 một mô hình phù hợp nhất trong 2 mô hình này. Sau khi ước lượng với FEM, sử dụng kiểm định F để kiểm định giả thuyết H0: α1 = α2 = … αN = α. Nếu kết quả kiểm định bác bỏ giả thuyết H0, chúng ta nên chọn FEM, ngược lại, chọn Pooled OLS

Bước 2: Tác giả so sánh giữa 2 mô hình Pooled OLS với REM, phương pháp nhân tử Lagrange (LM) với kiểm định Breusch-Pagan được sử dụng để kiểm chứng tính phù hợp của ước lượng. Theo đó, giả thuyết H0 cho rằng sai số của ước lượng thô không bao gồm các sai lệch giữa các doanh nghiệp hoặc các năm (phương sai giữa các doanh nghiệp) là không đổi. Bác bỏ giả thuyết H0, cho thấy sai số trong ước lượng có bao gồm cả sự sai lệch giữa các nhóm, và phù hợp với mô hình REM, ngược lại, Pooled OSL là phù hợp hơn REM.

Sau khi thực hiện xong 2 bước trên, nếu kết quả kiểm định cho thấy, cả 2 bước này Pooled OLS đều phù hợp hơn FEM và REM, tác giả sẽ lựa chọn phương pháp hồi quy Pooled OLS. Nếu không phải kết quả này, tác giả sẽ thực hiện tiếp bước thứ 3 như sau:

Bước 3: Tác giả thực hiện ước lượng với FEM và REM, sử dụng kiểm định Hausman dưới giả thuyết H0: Cov (Xit, ui) = 0. Nếu kết quả kiểm định bác bỏ giả thuyết H0, tác giả chọn FEM. Nếu kết quả kiểm định không bác bỏ giả thuyết H0, tác giả sẽ chọn REM.

Bởi vì, một mô hình chỉ có ý nghĩa giải thích khi các giả định của nó đã được thỏa mãn. Do vậy, trong luận văn này, tác giả sẽ phải kiểm tra các giả định trước khi diễn giải các kết quả của mô hình. Quá trình kiểm tra các giả định có thể được thực hiện thông qua việc phát hiện khuyết tật có thể có của mô hình. Nội dung kế tiếp sẽ thực hiện các kiểm định này.

(1) Giả định phương sai của sai số không đổi:

Phương sai thay đổi nghĩa là phương sai của các phần dư là không phải hằng số, nghĩa là chúng khác nhau ở các quan sát khác nhau. Điều này sẽ dẫn đến vấn đề nếu các phương sai không bằng nhau thì độ tin cậy tương đối của mỗi quan sát (dữ liệu) sẽ không bằng nhau. Phương sai càng lớn thì mức độ quan trọng gán cho quan sát càng nhỏ. Vấn đề sẽ rõ ràng hơn khi giá trị của phương sai có mối quan hệ với một hoặc một số biến giải thích. Điều này vi phạm giả định rằng các phân phối của phần dư phải không có tương quan với bất kì biến giải thích nào.

Hiện tượng phương sai thay đổi sẽ dẫn đến một số hậu quả như: các ước lượng OLS vẫn là không chệch nhưng không còn hiệu quả nữa, ước lượng của các phương sai sẽ bị chệch, như vậy sẽ làm mất hiệu lực của kiểm định hệ số hồi quy.

Trong quá trình hồi quy, tác giả sẽ tập trung xem xét lại bản chất của vấn đề nghiên cứu, đồ thị phần dư và dùng một số kiểm định Goldfeld-Quandt, Breusch- Pagan, White, Park trên OLS và phương pháp Greene (2000) trên dữ liệu bảng để kiểm tra xem mô hình đã vi phạm giả thiết hồi quy - hiện tượng phương sai thay đổi.

(2) Giả định không có sự tương quan giữa các phần dư:

Tự tương quan là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian trong các số liệu chuỗi thời gian, hoặc sắp xếp theo thứ tự không gian, đối với các số liệu theo không gian.

Để kiểm tra xem mô hình đã vi phạm giả thiết hồi quy - hiện tượng tự tương quan. Trong quá trình hồi quy, tác giả sẽ dùng phương pháp đồ thị và kiểm định d (Durbin-Watson) để phát hiện tượng tự tương quan trong mô hình hồi quy OLS (pooled regression). Ở khía cạnh kiểm tra phương sai thay đổi dữ liệu bảng, tác giả sử dụng kiểm định được đề xuất bởi Wooldrige (2002) và Drukker (2003).

Hiện tượng tự tương quan sẽ dẫn đến một số hậu quả như: ước lượng OLS vẫn là ước l kiểm định t và F không đáng tin cậy; công thức thông thường để tính phương sai

của sai số là ước lượng chệch của phương sai thực và trong một số trường hợp dường như ước lượng thấp của phương sai thực; có thể hệ số xác định không đáng tin cậy và dường như là nhận giá trị ước lượng cao; các phương sai và số tiêu chuẩn của dự đoán không có hiệu quả.

(3) Giả định không có mối tương quan giữa các biến độc lập (không xảy ra hiện tượng đa cộng tuyến):

Đa cộng tuyến nghĩa là hai hay nhiều biến giải thích trong biểu thức hồi quy có mối quan hệ tuyến tính với nhau. Nếu các biến có mối quan hệ tuyến tính thì các hệ số ước lượng và thống kê T sẽ không còn hợp lý.

Trong quá trình hồi quy, kết quả hồi quy có hệ số xác định R2 cao nhưng tỷ số t thấp, tương quan cặp giữa các biến giải thích cao, xét tương quan riêng, hồi quy phụ thấy có tồn tại hiện tượng tương quan giữa các biến độc lập thì mô hình đã vi phạm giả thiết hồi quy - hiện tượng đa cộng tuyến.

Hiện tượng đa cộng tuyến sẽ dẫn đến một số hậu quả như: phương sai và hiệp phương s dấu của các ước lượng của các hệ số hồi quy có thể sai lệch, thêm vào hay bớt đi

các biến cộng tuyến với các biến khác thì hệ số của các biến còn lại có thể thay đổi rất lớn và thay đổi cả dấu của chúng.

Đa cộng tuyến giữa các biến luôn tồn tại và khuyết tật chỉ xảy ra nếu mức độ đa cộng tuyến đủ lớn để gây ra sự thiên chệch các kết quả ước lượng.

Theo Gujarati (2004), một số cách kiểm tra vấn đề đa cộng tuyến như sau:

- Nhiều trường hợp mô hình có R2 lớn hơn 0.8 nhưng | t | thấp.

Xem toàn bộ nội dung bài viết ᛨ