Tần Suất Xuất Hiện Của Các Biến Giải Thích Có Hệ Số Hồi Quy Có Ý Nghĩa Thống Kê Trong Các Mô Hình Ordered Logit Trên Các Mẫu Dữ Liệu

	ROAE	-0.9325	0.0310	NonIntEx_Ass	0.1787	0.2660
	Exp_Int	0.9262	0.0230	ROAE	0.1182	0.2480
	NetLoan_Ass	-0.1387	0.1900	NetLoan_ShortCap	-0.1072	0.2510
				LiAss_Debt	-0.0215	0.2710
	Number of obs = 225			Number of obs = 225
	LR chi2(17) = 289.9800			LR chi2(18) = 284.4600
	Prob > chi2 = 0.0000			Prob > chi2 = 0.0000
	Pseudo R2 = 0.5010			Pseudo R2 = 0.4890
	Log likelihood = -144.4212			Log likelihood = -148.6402
	Mẫu dữ liệu 3			Mẫu dữ liệu 4
	Biến	HSHQ	Mức ý nghĩa thống kê HSHQ	Biến	HSHQ	Mức ý nghĩa thống kê HSHQ
	Country_rating	2.0111	0.0000	Country_rating	2.1079	0.0000
	Bicra	0.8798	0.0000	Bicra	0.8533	0.0000
	Government	1.2492	0.0040	Government	1.1090	0.0120
	Group	4.0705	0.0000	Group	4.4270	0.0000
	LnAss	0.5726	0.0000	LnAss	0.5170	0.0000
	AssGrow	-6.1673	0.0010	AssGrow	-6.8707	0.0000
	LoanLoss_Ln	-0.1178	0.0020	CreGrow	0.7967	0.1030
	LoanLoss_Equ	0.0214	0.5760	LoanLoss_Ln	-0.0967	0.0000
	Equ_ShortCap	-0.0047	0.4570	Equ_ShortCap	-0.0167	0.1110
	Equ_Debt	0.0179	0.0000	IntIn_Loan	0.0179	0.0000
	NIM	-0.0897	0.2460	NetIntIn_Ass	-0.1847	0.2900
	OthIn_Ass	-0.3846	0.0280	OthIn_Ass	-0.4910	0.0150
	NonIntEx_Ass	0.2826	0.0820	NonIntEx_Ass	0.4132	0.0170
	ROAA	0.1410	0.1720	ROAA	0.6560	0.0900
	NetLoan_Ass	0.0576	0.5920	Exp_Int	-0.4994	0.0910
	NetLoan_Debt	-0.1013	0.2460	LiAss_ShortCap	0.1545	0.1260
	Number of obs = 226			Number of obs = 226
	LR chi2(16) = 295.7900			LR chi2(16) = 304.2700
	Prob > chi2 = 0.0000			Prob > chi2 = 0.0000
	Pseudo R2 = 0.5081			Pseudo R2 = 0.5154
	Log likelihood = -143.1579			Log likelihood = -143.0191
	Mẫu dữ liệu 5			Toàn bộ mẫu
	Biến	HSHQ	Mức ý nghĩa thống kê HSHQ	Biến	HSHQ	Mức ý nghĩa thống kê HSHQ
	Country_rating	2.0842	0.0000	Country_rating	1.8164	0.0000
	Bicra	0.8235	0.0000	Bicra	0.8881	0.0000
	Government	1.1284	0.0090	Government	1.1377	0.0020
	Group	3.8271	0.0000	Group	3.9542	0.0000
	LnAss	0.4918	0.0000	LnAss	0.5979	0.0000
	AssGrow	-3.5649	0.0320	AssGrow	-4.5942	0.0010
	CreGrow	0.6086	0.1640	LoanLoss_Ln	-0.0832	0.0000
	LoanLoss_Ln	-0.0666	0.0050	Equ_Debt	0.0157	0.0000
	Equ_ShortCap	-0.0127	0.1700	OthIn_Ass	-0.1744	0.0010

Có thể bạn quan tâm!

• Định Nghĩa Các Biến Giải Thích Được Sử Dụng Trong Mô Hình Nghiên Cứu
• Mức Xếp Hạng Tín Nhiệm Nhtm Tại Các Nền Kinh Tế Phát Triển Trong Mẫu Dữ Liệu Nghiên Cứu Giai Đoạn 2013 - 2015
• Phân Tích Phương Sai Một Yếu Tố Các Chỉ Tiêu Tài Chính Nhtm Theo Từng Mxhtn
• Mô Hình Ordered Logit Trên Mẫu Dữ Liệu Các Nhtm Tại Các Nền Kinh Tế Mới Nổi Với Giả Định Phương Sai Thay Đổi
• Tác Động Của Yếu Tố Sở Hữu Đến Mxhtn Của Nhtm Tại Các Nền Kinh Tế Mới Nổi
• Tác Động Của Các Chỉ Tiêu Tài Chính Đến Mxhtn Của Nhtm Tại Các Nền Kinh Tế Phát Triển

Xem toàn bộ 120 trang tài liệu này.

	Equ_Debt	0.0152	0.0020
	IntEx_Cap	-0.0527	0.4460
	OthIn_Ass	-0.3986	0.0360
	NonIntEx_Ass	0.2538	0.0830
	ROAE	0.4154	0.1770
	Exp_Int	-0.2973	0.2780
	NetLoan_Debt	-0.0845	0.2310
	Number of obs = 226			Number of obs = 282
	LR chi2(16) = 295.4400			LR chi2(9) = 353.8200
	Prob > chi2 = 0.0000			Prob > chi2 = 0.0000
	Pseudo R2 = 0.5036			Pseudo R2 = 0.4845
	Log likelihood = -145.6301			Log likelihood = -188.2233

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

Từ kết quả ước lượng các mô hình Ordered logit cho 5 mẫu dữ liệu con và toàn bộ mẫu dữ liệu các quan sát NHTM tại các quốc gia thuộc nhóm các nền kinh tế mới nổi được trình bày trong bảng 4.7, tác giả tính toán tần suất xuất hiện của các biến giải thích có hệ số hồi quy có ý nghĩa thống kê ở mức 10%, 5% và 1% trong các mô hình hồi quy trên.

Bảng 4.8: Tần suất xuất hiện của các biến giải thích có hệ số hồi quy có ý nghĩa thống kê trong các mô hình Ordered logit trên các mẫu dữ liệu

các NHTM tại các nền kinh tế mới nổi

Biến

Tần suất xuất hiện (%)	Biến	Tần suất xuất hiện(%)
Country_rating	100	IntIn_Ass	0
Bicra	100	IntEx_Cap	0
Government	100	NIM	0
Group	100	NetIntIn_Ass	0
LnAss	100	OthIn_Ass	83
AssGrow	100	NonIntEx_Ass	67
CreGrow	0	ROAA	17
LoanLoss_Ln	83	ROAE	17
LoanLoss_Equ	0	Exp_Int	33
LoanPro_Loan	17	NetLoan_Ass	0
Equ_Ass	0	NetLoan_ShortCap	0
Equ_Loan	0	NetLoan_Debt	0
Equ_ShortCap	0	LiAss_ShortCap	0
Equ_Debt	83	LiAss_Debt	0
IntIn_Loan	17

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

Từ kết quả của bảng 4.7 và bảng 4.8, ta thấy rằng các biến giải thích Country_rating, Bicra, Government, Group, LnAss, AssGrow, LoanLoss_Ln,

Equ_Debt và OthIn_Ass là những biến có hệ số hồi quy có ý nghĩa thống kê trong mô hình được xây dựng trên toàn bộ mẫu dữ liệu quan sát. Đồng thời, những biến này đều có tần suất xuất hiện từ 80% trở lên trong các tập hợp những biến giải thích có hệ số hồi quy có ý nghĩa thống kê trong các mô hình hồi quy Ordered logit được xây dựng từ các mẫu dữ liệu con nêu trên và toàn bộ mẫu dữ liệu ban đầu. Bên cạnh đó, kết quả phân tích phương sai một yếu tố đối với các chỉ tiêu tài chính trên mẫu dữ liệu các NHTM tại các quốc gia thuộc nhóm các nền kinh tế mới nổi được trình bày trong mục

4.1 cũng cho thấy các biến LnAss, AssGrow, LoanLoss_Ln, Equ_Debt và OthIn_Ass là các biến giải thích có giá trị trung bình khác biệt nhau theo các MXHTN. Do vậy, ta có cơ sở để kết luận rằng những biến này là những biến giải thích có tác động chủ yếu đến MXHTN của NHTM tại các quốc gia thuộc nhóm các nền kinh tế mới nổi. Từ đó, tác giả thực hiện ước lượng lại chi tiết mô hình hồi quy Ordered logit với các biến giải thích này trên toàn bộ mẫu dữ liệu quan sát các NHTM tại các nền kinh tế mới nổi.

Bảng 4.9: Mô hình Ordered logit trên tập hợp các biến giải thích được lựa chọn và toàn bộ mẫu dữ liệu các NHTM tại các nền kinh tế mới nổi

Biến

Hệ số hồi quy	Sai số chuẩn	Mức ý nghĩa thống kê của hệ số hồi quy	Khoảng tin cậy
				Cực tiểu	Cực đại
Country_rating	1.8164	0.2897	0.0000	1.2487	2.3842
Bicra	0.8881	0.1857	0.0000	0.5241	1.2520
Government	1.1377	0.3722	0.0020	0.4082	1.8672
Group	3.9542	0.5847	0.0000	2.8082	5.1003
LnAss	0.5979	0.1049	0.0000	0.3923	0.8035
AssGrow	-4.5942	1.4117	0.0010	-7.3612	-1.8273
LoanLoss_Ln	-0.0832	0.0220	0.0000	-0.1264	-0.0400
Equ_Debt	0.0157	0.0038	0.0000	0.0083	0.0232
OthIn_Ass	-0.1744	0.0536	0.0010	-0.2794	-0.0695
/cut1	16.6202	1.7691		13.1528	20.0876
/cut2	19.3397	1.9176		15.5812	23.0982
/cut3	24.3097	2.1752		20.0465	28.5730
Number of obs = 282
LR chi2(9) = 353.8200
Prob > chi2 = 0.0000
Pseudo R2 = 0.4845
Log likelihood = -188.2233

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

Tương tự như vậy, tác giả cũng thực hiện ước lượng các mô hình Ordered logit trên các mẫu dữ liệu con và toàn bộ mẫu dữ liệu các NHTM tại các nền kinh tế phát triển và trình bày kết quả trong bảng 4.10.

Bảng 4.10: Mô hình Ordered logit với 5 mẫu dữ liệu con

và toàn bộ mẫu dữ liệu các NHTM tại các nền kinh tế phát triển

Mẫu dữ liệu 1

Mẫu dữ liệu 2
Biến	HSHQ	Mức ý nghĩa thống kê HSHQ	Biến	HSHQ	Mức ý nghĩa thống kê HSHQ
Country_rating	1.8745	0.0000	Country_rating	1.0711	0.0000
Bicra	-0.4488	0.0770	Government	2.2863	0.0000
Government	1.7761	0.0000	Group	1.7128	0.0000
Group	1.2568	0.0010	LnAss	0.6467	0.0000
LnAss	0.7373	0.0000	LoanLoss_Ln	-0.1828	0.0000
AssGrow	3.1496	0.0520	LoanPro_Loan	0.5644	0.1290
LoanLoss_Ln	-0.1635	0.0000	Equ_Ass	0.2092	0.0000
LoanPro_Loan	1.2161	0.0000	Equ_ShortCap	-0.0385	0.0510
Equ_Ass	0.1309	0.0440	OthIn_Ass	0.8545	0.0010
Equ_ShortCap	0.0784	0.0100	NonIntEx_Ass	-1.2337	0.0000
IntIn_Loan	-0.2385	0.0750	Exp_Int	-0.0154	0.0480
NIM	-1.6637	0.0680	NetLoan_Ass	-0.0630	0.0360
NetIntIn_Ass	2.5207	0.0450	NetLoan_ShortCap	0.0046	0.1510
OthIn_Ass	1.2519	0.0010	NetLoan_Debt	0.0501	0.0470
NonIntEx_Ass	-1.6119	0.0000	LiAss_ShortCap	0.0133	0.0550
ROAA	-1.0232	0.0140	LiAss_Debt	-0.0301	0.0770
ROAE	0.0236	0.0000
NetLoan_Ass	0.1252	0.0030
NetLoan_Debt	-0.0899	0.0170
LiAss_ShortCap	-0.0301	0.0090
LiAss_Debt	0.0471	0.0190
Number of obs = 236			Number of obs = 237
LR chi2(21) = 246.0000			LR chi2(16) = 263.8600
Prob > chi2 = 0.0000			Prob > chi2 = 0.0000
Pseudo R2 = 0.3871			Pseudo R2 = 0.4017
Log likelihood = -194.7683			Log likelihood = -196.4807

Mẫu dữ liệu 3

Mẫu dữ liệu 4
Biến	HSHQ	Mức ý nghĩa thống kê HSHQ	Biến	HSHQ	Mức ý nghĩa thống kê HSHQ
Country_rating	1.4405	0.0000	Country_rating	1.4380	0.0000
Government	2.2743	0.0000	Government	2.3434	0.0000
Group	1.6827	0.0000	Group	1.4095	0.0000

	LnAss	0.8098	0.0000	LnAss	0.6085	0.0000
	AssGrow	4.1001	0.0110	LoanLoss_Ln	-0.1104	0.0010
	LoanLoss_Ln	-0.1410	0.0000	Equ_Loan	0.0141	0.0270
	LoanPro_Loan	1.0945	0.0000	Equ_Debt	0.0473	0.2580
	Equ_Ass	0.2404	0.0000	OthIn_Ass	0.4143	0.0590
	IntIn_Loan	0.2331	0.0100	NonIntEx_Ass	-0.4459	0.0250
	IntEx_Cap	-0.1764	0.1810	ROAA	-0.6590	0.0040
	NIM	-3.2838	0.0130	ROAE	0.0160	0.0020
	NetIntIn_Ass	3.7256	0.0160	Exp_Int	-0.0211	0.0020
	OthIn_Ass	1.4012	0.0000	NetLoan_Ass	0.0186	0.0500
	NonIntEx_Ass	-1.7428	0.0000
	ROAA	-1.1549	0.0040
	ROAE	0.0221	0.0000
	NetLoan_Debt	0.0219	0.0110
	Number of obs = 237			Number of obs = 237
	LR chi2(17) = 250.4500			LR chi2(13) = 241.9600
	Prob > chi2 = 0.0000			Prob > chi2 = 0.0000
	Pseudo R2 = 0.3837			Pseudo R2 = 0.3653
	Log likelihood = -201.1123			Log likelihood = -210.1646
	Mẫu dữ liệu 5			Toàn bộ mẫu
	Biến	HSHQ	Mức ý nghĩa thống kê HSHQ	Biến	HSHQ	Mức ý nghĩa thống kê HSHQ
	Country_rating	1.3900	0.0000	Country_rating	1.3263	0.0000
	Government	1.7115	0.0000	Government	2.2145	0.0000
	Group	1.2143	0.0000	Group	1.3725	0.0000
	LnAss	0.6601	0.0000	LnAss	0.6562	0.0000
	LoanLoss_Ln	-0.1342	0.0000	LoanLoss_Ln	-0.1043	0.0000
	LoanPro_Loan	0.2647	0.1540	Equ_Ass	0.1149	0.0180
	Equ_Ass	0.1392	0.0080	Equ_Loan	0.0131	0.0270
	Equ_Loan	0.0116	0.0800	IntIn_Loan	0.1019	0.1690
	IntIn_Loan	0.1509	0.0990	NIM	-0.5620	0.0010
	IntIn_Ass	-0.7895	0.0000	ROAE	0.0121	0.0150
	IntEx_Cap	0.5208	0.0110	Exp_Int	-0.0232	0.0000
	ROAE	0.0168	0.0010	NetLoan_Ass	0.0194	0.0260
	Exp_Int	-0.0187	0.0210
	NetLoan_Ass	0.0240	0.0260
	Number of obs = 237			Number of obs = 296
	LR chi2(14) = 224.8700			LR chi2(12) = 287.7800
	Prob > chi2 = 0.0000			Prob > chi2 = 0.0000
	Pseudo R2 = 0.3522			Pseudo R2 = 0.3545
	Log likelihood = -209.4768			Log likelihood = -262.0579

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

Từ kết quả ước lượng các mô hình Ordered logit cho 5 mẫu dữ liệu con và toàn bộ mẫu dữ liệu các quan sát NHTM tại các quốc gia có nền kinh tế phát triển được

trình bày trong bảng 4.10, tác giả cũng tính toán tần suất xuất hiện của các biến giải thích có hệ số hồi quy có ý nghĩa thống kê ở mức 10%, 5% và 1% trong các mô hình hồi quy trên.

Bảng 4.11: Tần suất xuất hiện của các biến giải thích có hệ số hồi quy có ý nghĩa thống kê trong các mô hình Ordered logit trên các mẫu dữ liệu

các NHTM tại các nền kinh tế phát triển

Biến

Tần suất xuất hiện (%)	Biến	Tần suất xuất hiện(%)
Country_rating	100	IntIn_Ass	17
Bicra	17	IntEx_Cap	17
Government	100	NIM	50
Group	100	NetIntIn_Ass	33
LnAss	100	OthIn_Ass	67
AssGrow	33	NonIntEx_Ass	67
CreGrow	0	ROAA	50
LoanLoss_Ln	100	ROAE	83
LoanLoss_Equ	0	Exp_Int	67
LoanPro_Loan	33	NetLoan_Ass	83
Equ_Ass	83	NetLoan_ShortCap	0
Equ_Loan	50	NetLoan_Debt	50
Equ_ShortCap	33	LiAss_ShortCap	33
Equ_Debt	0	LiAss_Debt	33
IntIn_Loan	50

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

Từ kết quả bảng 4.10 và bảng 4.11, ta thấy rằng các biến giải thích Country_rating, Government, Group, LnAss, LoanLoss_Ln, Equ_Ass, Equ_Loan, NIM, ROAE, Exp_Int và NetLoan_Ass là những biến có hệ số hồi quy có ý nghĩa thống kê trong mô hình được xây dựng trên toàn bộ mẫu dữ liệu. Đồng thời, những biến giải thích này cũng có tần suất xuất hiện từ 50% trở lên trong các tập hợp những biến giải thích có hệ số hồi quy có ý nghĩa thống kê trong các mô hình hồi quy Ordered logit được xây dựng từ các mẫu dữ liệu nêu trên. Mặt khác, kết quả phân tích phương sai một yếu tố các chỉ tiêu tài chính trên mẫu dữ liệu các NHTM tại các quốc gia có nền kinh tế phát triển được trình bày trong mục 4.1 cũng cho ta thấy các biến LnAss, LoanLoss_Ln, Equ_Ass, Equ_Loan, NIM, ROAE, Exp_Int và NetLoan_Ass có giá trị trung bình khác biệt nhau theo các MXHTN. Do vậy, ta có cơ sở để kết luận rằng những biến này là những biến giải thích có tác động chủ yếu đến MXHTN của NHTM tại các nền kinh tế phát triển. Từ đó, tác giả thực hiện ước lượng lại chi tiết

mô hình hồi quy Ordered logit từ các biến giải thích này trên toàn bộ mẫu dữ liệu quan sát các NHTM tại các nền kinh tế phát triển.

Bảng 4.12: Mô hình Ordered logit trên tập hợp các biến giải thích được lựa chọn và toàn bộ mẫu dữ liệu các NHTM tại các nền kinh tế phát triển

Biến

Hệ số hồi quy	Sai số chuẩn	Mức ý nghĩa thống kê của hệ số hồi quy	Khoảng tin cậy 95%
				Cực tiểu	Cực đại
Country_rating	1.3263	0.1564	0.0000	1.0197	1.6328
Government	2.2145	0.4154	0.0000	1.4003	3.0287
Group	1.3725	0.3041	0.0000	0.7765	1.9684
LnAss	0.6562	0.0939	0.0000	0.4721	0.8403
LoanLoss_Ln	-0.1043	0.0233	0.0000	-0.1500	-0.0586
Equ_Ass	0.1149	0.0485	0.0180	0.0197	0.2100
Equ_Loan	0.0131	0.0059	0.0270	0.0015	0.0247
IntIn_Loan	0.1019	0.0740	0.1690	-0.0432	0.2470
NIM	-0.5620	0.1659	0.0010	-0.8871	-0.2368
ROAE	0.0121	0.0050	0.0150	0.0023	0.0218
Exp_Int	-0.0232	0.0061	0.0000	-0.0352	-0.0113
NetLoan_Ass	0.0194	0.0087	0.0260	0.0024	0.0365
/cut1	11.2014	1.8856		7.5057	14.8970
/cut2	14.3689	1.9165		10.6126	18.1251
/cut3	17.1884	2.0324		13.2049	21.1718
/cut4	21.2567	2.1849		16.9744	25.5390
/cut5	23.7446	2.2434		19.3476	28.1415
Number of obs = 296
LR chi2(12) = 287.7800
Prob > chi2 = 0.0000
Pseudo R2 = 0.3545
Log likelihood = -262.0579

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

4.2.2 Kết quả đánh giá mức độ phù hợp của mô hình

Để góp phần khẳng định các biến giải thích đã lựa chọn từ các bước phân tích trên là những yếu tố các tác động chủ yếu đến MXHTN của các NHTM tại các nền kinh tế phát triển và các nền kinh tế mới nổi, tác giả sử dụng chỉ tiêu BIC (Bayesian information criteria) nhằm đánh giá mức độ phù hợp của mô hình Ordered logit được xây dựng trên các biến giải thích được lựa chọn từ mục 4.2.1 so với các mô hình Ordered logit được xây dựng trên các tập hợp biến giải thích khác có thể được lựa chọn từ mẫu dữ liệu quan sát. Chỉ tiêu BIC được đề xuất bởi Raftery năm 1996 là một

công cụ để đo lường mức độ phù hợp của mô hình Ordered logit5. Chỉ tiêu BIC có giá trị âm càng cao thì mức độ phù hợp của mô hình Ordered logit càng tốt. Giả sử để so sánh mức độ phù hợp giữa 2 mô hình Ordered logit 1 và mô hình Ordered logit 2 có giá trị BIC1 và BIC2. Nếu BIC1 - BIC2 < 0 thì mô hình 1 có mức độ phù hợp tốt hơn mô hình 2, ngược lại nếu BIC1 - BIC2 > 0 thì mô hình 2 có mức độ phù hợp tốt hơn. Raftery (1996) cũng đề xuất cơ sở để đánh giá mức độ phù hợp của mô hình 2 tốt hơn mô hình 1 bằng cách xác định giá trị tuyệt đối chênh lệch giữa 2 chỉ tiêu BIC1 và BIC2 chi tiết như sau:

Bảng 4.13: Giá trị tuyệt đối chênh lệch giữa chỉ tiêu BIC1 và BIC2 để so sánh mức độ phù hợp giữa 2 mô hình Ordered logit

Giá trị tuyệt đối chênh lệch giữa BIC1 và BIC2

| BIC1 - BIC2|

Mức độ phù hợp của mô hình 2 tốt hơn so với mô hình 1
0-2	Yếu
2-4	Tương đối
4-10	Mạnh
>10	Rất mạnh

(Long và Freese,2001)

29

Trong 2 mẫu dữ liệu của nghiên cứu này, mỗi mẫu dữ liệu có 29 biến giải thích. Đối với mẫu dữ liệu quan sát các NHTM tại các quốc gia thuộc nhóm các nền kinh tế mới nổi, từ mục 4.2.1 ta rút ra được tập hợp gồm 9 biến giải thích tác động đến MXHTN của NHTM. Tuy nhiên, do số lượng các tập hợp bao gồm 9 biến giải thích khác với tập hợp các biến giải thích ban đầu có thể lựa chọn ra từ 29 biến giải thích của mẫu dữ liệu được xác định bằng 𝐶9 − 1 = 10,015,004 quá lớn. Do vậy, trong phạm vi luận án, tác giả chỉ thực hiện so sánh mức độ phù hợp của mô hình Ordered logit được xây dựng trên tập hợp 9 biến giải thích được lựa chọn từ quá trình phân tích trên với 10 mô hình Ordered logit được xây dựng trên 10 tập hợp biến giải thích bao gồm 9 biến giải thích được lựa chọn ngẫu nhiên từ 29 biến giải thích và mô hình Ordered logit được xây dựng trên tập hợp bao gồm toàn bộ 29 biến giải thích của mẫu dữ liệu quan sát. Kết quả tính toán chỉ số BIC của từng mô hình Ordered logit trên

5 Trong phần mềm Stata, chỉ tiêu BIC được tính toán bằng lệnh Fitstat trong gói câu lệnh Spot phát triển bởi Long và Freese(2001) sau khi thực hiện lệnh ước lượng mô hình Ordered logit.

mẫu dữ liệu các NHTM tại các quốc gia thuộc nhóm các nền kinh tế mới nổi được trình bày trong bảng 4.14 sau đây.

Bảng 4.14: Hệ số BIC của các mô hình Ordered logit trên mẫu dữ liệu các NHTM tại các nền kinh tế mới nổi

Mô hình

Hệ số BIC	Giá trị tuyệt đối chênh lệch hệ số BIC của mô hình lựa chọn với hệ số BIC của các mô hình được xây dựng trên các biến giải thích được lựa chọn ngẫu nhiên từ mẫu dữ liệu
Lựa chọn	-1,146.8701
1	-1,116.4289	30.4412
2	-1,119.4320	27.4381
3	-1,112.6804	34.1897
4	-1,068.7478	78.1223
5	-1,070.7265	76.1436
6	-1,069.4054	77.4647
7	-1,078.0221	68.8480
8	-1,066.7001	80.1700
9	-1,059.9892	86.8809
10	-1,072.8274	74.0427
Toàn bộ biến	-1,043.3021	103.5680

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

Tương tự như vậy, đối với mẫu dữ liệu quan sát các NHTM tại các quốc gia có nền kinh tế phát triển, tác giả cũng thực hiện so sánh mức độ phù hợp của mô hình Ordered logit được xây dựng trên tập hợp 12 biến giải thích được lựa chọn ban đầu với mức độ phù hợp của 10 mô hình Ordered logit được xây dựng trên tập hợp bao gồm 12 biến giải thích được lựa chọn ngẫu nhiên từ 29 biến giải thích và mô hình Ordered logit được xây dựng trên tập hợp toàn bộ biến giải thích của mẫu dữ liệu. Kết quả tính toán hệ số BIC của các mô hình Ordered logit này được trình bày trong bảng 4.15.

Bảng 4.15: Hệ số BIC của các mô hình Ordered logit trên mẫu dữ liệu các NHTM tại các nền kinh tế phát triển

Mô hình

Hệ số BIC

Giá trị tuyệt đối chênh lệch hệ số BIC của mô hình lựa chọn với hệ số

	BIC của các mô hình trên các biến giải thích được lựa chọn ngẫu nhiên từ mẫu dữ liệu
Lựa chọn	-1063.5020
1	-1052.8676	10.6344
2	-1058.9353	4.5667
3	-1058.5678	4.9342
4	-1058.4961	5.0059
5	-1044.2032	19.2988
6	-1028.6487	34.8533
7	-1044.8121	18.6899
8	-1050.2735	13.2285
9	-1049.8646	13.6374
10	-1045.3923	18.1097
Toàn bộ biến	-979.1419	84.3601

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

Từ bảng 4.14 và 4.15, ta có thể nhận thấy rằng mô hình Ordered logit được xây dựng từ tập hợp biến đã được lựa chọn từ các bước phân tích ở trên đối với mẫu dữ liệu các NHTM tại các quốc gia thuộc nhóm các nền kinh tế mới nổi và đối với mẫu dữ liệu các NHTM tại các quốc gia có nền kinh tế phát triển đều có hệ số BIC có giá trị âm lớn nhất. Đồng thời, giá trị tuyệt đối chênh lệch giữa hệ số BIC của mô hình Ordered logit xây dựng trên tập hợp biến giải thích được lựa chọn với hệ số BIC của các mô hình Ordered logit được xây dựng trên tập các biến giải thích được lựa chọn ngẫu nhiên và mô hình Ordered logit được xây dựng trên toàn bộ các biến giải thích đều có giá trị >3. Theo tiêu chuẩn đánh giá mức độ phù hợp của mô hình Ordered logit được trình bày trong bảng 4.13, ta có thể kết luận rằng mô hình Ordered logit được xây dựng trên tập hợp biến giải thích đã được lựa chọn có mức độ phù hợp tốt hơn các mô hình Ordered logit được xây dựng trên các tập hợp biến giải thích khác được lựa chọn ngẫu nhiên từ mẫu dữ liệu quan sát. Điều đó cũng có nghĩa là các yếu tố đại diện bởi các biến giải thích đã được xác định từ các bước phân tích trên là các yếu tố có tác động chủ yếu đến MXHTN của NHTM tại các nền kinh tế phát triển và các nền kinh tế mới nổi.

4.3 Kiểm định các giả định trong mô hình Ordered logit

Cũng như các mô hình hồi quy khác, mô hình Ordered logit cũng được xây dựng dựa trên một số giả định như: không tồn tại hiện tượng đa cộng tuyến trong mô

hình, phương sai của phần dư trong mô hình không thay đổi và không có sự bỏ sót biến giải thích cần thiết trong mô hình. Việc vi phạm các giả định này sẽ dẫn đến kết quả ước lượng của mô hình không còn đáng tin cậy nữa. Do vậy, sau khi xây dựng các mô hình Ordered logit từ các bước phân tích trên, tác giả thực hiện kiểm định các giả định trên đối với các mô hình này.

4.3.1 Kiểm định hiện tượng đa cộng tuyến trong mô hình (Multicollinearity)

Hiện tượng đa cộng tuyến xảy ra khi 2 hay nhiều biến giải thích trong mô hình gần như có thể được xác định bằng một kết hợp tuyến tính của các biến giải thích khác trong mô hình. Hiện tượng đa cộng tuyến trong mô hình hồi quy có nhiều mức độ khác nhau và có những tác động khác nhau lên mô hình ước lượng. Hiện tượng đa cộng tuyến hoàn hảo xuất hiện khi một biến giải thích trong mô hình là một kết hợp tuyến tính hoàn hảo của các biến giải thích còn lại. Điều này làm cho ta không thể ước lượng được một tập hợp các hệ số hồi quy duy nhất cho các biến giải thích trong mô hình. Để ước lượng mô hình trong trường hợp này ta phải bỏ bớt các biến giải thích gây nên hiện tượng đa cộng tuyến hoàn hảo. Mặt khác, hiện tượng đa cộng tuyến ở mức cao thường hay xuất hiện trong các mô hình ước lượng bởi lẽ bất kỳ sự tương quan nào tồn tại giữa các biến giải thích trong mô hình đều được xem là biểu hiện của hiện tượng đa cộng tuyến. Khi tồn tại hiện tượng đa cộng tuyến ở mức cao trong mô hình thì sai số chuẩn của các hệ số hồi quy của các biến có hiện tượng đa cộng tuyến cao thường rất lớn và khi đó hệ số hồi quy của các biến giải thích này không còn đáng tin cậy nữa. Để xác định các biến giải thích trong mô hình có hiện tượng đa cộng tuyến ở mức cao hay không ta thường tính toán hệ số VIF (variance inflation factor ) cho từng biến giải thích trong mô hình. Các biến được xem là gây ra hiện tượng đa cộng tuyến ở mức cao khi có hệ số VIF ≥ 10. Tác giả lần lượt tính toán hệ số VIF của các biến giải thích trong mô hình Ordered logit trên mẫu dữ liệu các NHTM tại các quốc gia thuộc nhóm các nền kinh tế mới nổi và trong mô hình Ordered logit trên mẫu

dữ liệu các NHTM tại các quốc gia có nền kinh tế phát triển6.

Bảng 4.16: Hệ số VIF của các biến giải thích trong mô hình Ordered logit trên mẫu dữ liệu các NHTM tại các nền kinh tế mới nổi

Biến giải thích	Hệ số VIF
Rating	3.5420

6 Trong phần mềm Stata, hệ số VIF của các biến giải thích trong mô hình Ordered logit được tính toán bằng lệnh

Collin.

	Country_rating	2.1720
	Bicra	1.9635
	Government	1.1892
	Group	1.3837
	LnAss	1.8434
	AssGrow	1.3165
	LoanLoss_Ln	1.3191
	Equ_Debt	1.2383
	OthIn_Ass	1.2521

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

Bảng 4.17: Hệ số VIF của các biến giải thích trong mô hình Ordered logit trên mẫu dữ liệu các NHTM tại các nền kinh tế phát triển

Biến giải thích

Hệ số VIF
Rating	2.7978
Country_rating	2.3830
Government	1.2621
Group	1.1756
LnAss	1.6675
LoanLoss_Ln	1.8578
Equ_Ass	2.0692
Equ_Loan	1.8464
IntIn_Loan	1.5173
NIM	2.4957
ROAE	1.1879
Exp_Int	1.2581
NetLoan_Ass	2.2464

Nguồn: Kết quả tính toán của tác giả từ mẫu dữ liệu quan sát.

Căn cứ trên kết quả tính toán hệ số VIF của các biến giải thích được trình bày trong bảng 4.16 và 4.17, ta thấy rằng các biến giải thích trong cả 2 mô hình đều có hệ số VIF<10. Do đó, ta có thể kết luận rằng mô hình Ordered logit của luận án trên mẫu dữ liệu các NHTM tại các nền kinh tế mới nổi và mô hình Ordered logit của luận án trên mẫu dữ liệu các NHTM tại các nền kinh tế phát triển không bị tác động bởi hiện tượng đa cộng tuyến.

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

Một trong những giả định quan trọng của các mô hình hồi quy là phương sai của phần dư trong mô hình không thay đổi khi các giá trị của biến giải thích biến động. Sự vi phạm giả định này có thể làm cho sai số chuẩn và mức ý nghĩa thống kê của các hệ số hồi quy trong mô hình thay đổi lớn. Trong phần mềm Stata, các mô hình hồi quy khi được ước lượng đều có giả định phương sai của phần dư không thay đổi.