Các yếu tố ảnh hưởng đến mức xếp hạng tín nhiệm của ngân hàng thương mại – nghiên cứu tại các nền kinh tế phát triển và các nền kinh tế mới nổi - 9

Có thể bạn quan tâm!

• Các yếu tố ảnh hưởng đến mức xếp hạng tín nhiệm của ngân hàng thương mại – nghiên cứu tại các nền kinh tế phát triển và các nền kinh tế mới nổi - 6
• Các yếu tố ảnh hưởng đến mức xếp hạng tín nhiệm của ngân hàng thương mại – nghiên cứu tại các nền kinh tế phát triển và các nền kinh tế mới nổi - 7
• Các yếu tố ảnh hưởng đến mức xếp hạng tín nhiệm của ngân hàng thương mại – nghiên cứu tại các nền kinh tế phát triển và các nền kinh tế mới nổi - 8
• Các yếu tố ảnh hưởng đến mức xếp hạng tín nhiệm của ngân hàng thương mại – nghiên cứu tại các nền kinh tế phát triển và các nền kinh tế mới nổi - 10
• Các yếu tố ảnh hưởng đến mức xếp hạng tín nhiệm của ngân hàng thương mại – nghiên cứu tại các nền kinh tế phát triển và các nền kinh tế mới nổi - 11
• Các yếu tố ảnh hưởng đến mức xếp hạng tín nhiệm của ngân hàng thương mại – nghiên cứu tại các nền kinh tế phát triển và các nền kinh tế mới nổi - 12

Xem toàn bộ 120 trang: Các yếu tố ảnh hưởng đến mức xếp hạng tín nhiệm của ngân hàng thương mại – nghiên cứu tại các nền kinh tế phát triển và các nền kinh tế mới nổi

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

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

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 3

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

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

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|

(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

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

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

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

Collin.

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

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.