Kiểm Định Lựa Chọn Mô Hình Pooled Và Mô Hình Dữ Liệu Bảng Rem

góp bằng chứng thực nghiệm sự tác động có ý nghĩa hay không của biến độc lập ảnh hưởng đến biến phụ thuộc trong mô hình.

4.4 Kiểm định lựa chọn mô hình

4.4.1 Kiểm định lựa chọn Pooled và FEM

Giả định của kiểm đinh là các quan sát giữa các Ngân hàng qua các năm không tìm thấy sự khác biệt, mô hình Pooled phù hợp với dữ liệu. Khi dữ liệu mẫu tồn tại sự khác biệt các ngân hàng quathì dữ liệu bảng FEM phù hợp với mẫu nghiên cứu hơn.

Bài nghiên cứu sử dụng kiểm định lựa chọn mô hình Pooled và mô hình dữ liệu bảng FEM.

Giải thuyết H0: Mô hình Pooled phù hợp với mẫu nghiên cứu Giả thuyết H1: Mô hình FEM phù hợp với mẫu nghiên cứu.

Bảng 4.5: Kết quả kiểm định lựa chọn Pooled và FEM

Giá trị thống kê F

P-value
1.29	0.1799

Có thể bạn quan tâm!

Xem toàn bộ 104 trang tài liệu này.

Nguồn: Phần mềm Stata 12 (Phụ lục 4)

Kiểm định cho p-value của mô hình lớn hơn 0.05, nên chưa đủ cơ sở bác bỏ giả thuyết H0. Vậy mô hình hồi quy theo Pooled OLS sẽ phù hợp so với mô hình hiệu ứng tác động cố định FEM.

Tác giả sử dụng mô hình Pooled OLS làm mô hình nghiên cứu.

4.4.2 Kiểm định lựa chọn mô hình Pooled và mô hình dữ liệu bảng REM

Tác giả tiếp tục kiểm định Breusch, T. S. và A. R. Pagan. (1980) lựa chọn mô hình Pooled và REM với giả thuyết như sau:

Giả thuyết H0: Mô hình Pooled phù hợp dữ liệu mẫu hơn REM Giả thuyết H1: Mô hình REM phù hợp dữ liệu mẫu hơn Pooled

Bảng 4.6: Kết quả kiểm định lựa chọn Pooled và REM

Chi bình phương (χ2)

P-value
0.00	1.0000

Nguồn: Phần mềm Stata 12 (Phụ lục 5)

Kiểm định cho giá trị p-value của mô hình lớn hơn 0.05, nên chưa đủ cơ sở để bác bỏ giả thuyết H0. Vậy mô hình REM không phù hợp với dữ liệu mẫu hơn mô hình Pooled. Vậy ta chọn mô hình Pooled là mô hình phân tích hồi quy trên dữ liệu bảng trong bài nghiên cứu.

4.4.3 Kiểm định lựa chọn mô hình FEM và mô hình dữ liệu bảng REM

Tác giả tiếp tục thực hiện kiểm định Hausman nhằm lựa chọn giữa hai mô hình REM và FEM với giả thuyết dữ kiện như sau:

Giả thuyết H0: Mô hình REM phù hợp dữ liệu mẫu hơn FEM Giả thuyết H1: Mô hình FEM phù hợp dữ liệu mẫu hơn REM Bảng 4.7: Kết quả kiểm định lựa chọn FEM và REM

Chi bình phương (χ2)

P-value
28.14	0.0031

Nguồn: Phần mềm Stata 12 (Phụ lục 6)

Kiểm định cho p-value cho mô hình nhỏ hơn 0.05, nên đủ cơ sở để bác bỏ giả thuyết H0. Vậy mô hình FEM hiệu ứng tác động cố định phù hợp với dữ liệu mẫu hơn mô hình REM.

Sau khi phân tích lựa chọn kiểm định mô hình, tác giả lựa chọn mô hình Pooled OLS – mô hình ước lượng hồi quy trên dữ liệu không gian, và mô hình hiệu ứng tác động cố định FEM làm mô hình phân tích dữ liệu bảng cho bài nghiên cứu này.

4.5 Kiểm định hiện tượng phương sai thay đổi phần dư trên dữ liệu bảng - Greene (2000)

Tính hiệu quả của ước lượng mô hình có thể bị tác động do hiện tượng phương sai thay đổi. Nghiên cứu thực hiện kiểm định phương sai sai số thay đổi bằng kiểm định Greene (2000) với giả thuyết:

Giả thuyết H0: Mô hình không có hiện tượng phương sai thay đổi

Giả thuyết H1: Mô hình có hiện tượng phương sai thay đổi

Bảng 4.8: Kết quả kiểm tra phương sai thay đổi của 4 mô hình

Chi bình phương (χ2)

P-value
3678.56	0.0000

Nguồn: Phần mềm Stata 12 (Phụ lục 7)

Bảng trên cho kết quả với p-value đều bằng 0.0000 < α = 0.05. Từ đó có thể bác bỏ giả thuyết H0 ở mức ý nghĩa 5%, cho thấy tồn tại hiện tượng phương sai thay đổi trong mô hình dữ liệu nghiên cứu. Vậy tồn tại hiện tượng phương sai thay đổi trong mô hình ở mức ý nghĩa 5%, do đó cần lựa cho phương pháp khắc phục.

4.6 Kiểm định hiện tượng tự tương quan phần dư trên dữ liệu bảng– Wooldridge (2002) và Drukker (2003)

Sự hiệu quả của ước lượng mô hình có thể bị ảnh hưởng bởi hiện tượng tự tương quan phần dư, làm mất đi độ tin cậy kiểm định hệ số góc của hàm ước lượng hồi quy tuyến tính. Nghiên cứu sử dụng phương pháp Wooldridge (2002) và Drukker (2003) để kiểm tra hiện tượng tự tương quan, với giả thuyết kiểm định:

Giả thuyết H0: Mô hình không có hiện tượng tự tương quan bậc 1

Giả thuyết H1: Mô hình có hiện tượng tự tương quan bậc 1

Bảng 4.9 : Kết quả kiểm tra tự tương quan 4 mô hình

Chi bình phương (χ2)

P-value
49.917	0.0000

Nguồn: Phần mềm Stata 12 (Phụ lục 6)

Kết quả kiểm định của mô hình với p-value có giá trị nhỏ hơn α = 0.05. Do đó, đủ cơ sở để bác bỏ giả thuyết Ho ở mức ý nghĩa 5% cho thấy tồn tại hiện tượng tự tương quan bậc 1 với mức ý nghĩa 5%. Cần thiết lựa chọn phương pháp ước lượng khắc phục phương sai thay đổi.

Tác giả tiến hành phân tích kết quả hồi quy thực nghiệm sau khi thực hiện các phương pháp kiểm tra tính tương quan, đa cộng tuyến, phương sai của nhiễu và tự tương quan trong mô hình.

4.7 Phân tích kết quả hồi quy

Tác giả sẽ tiếp cận các mô hình từ đơn giản đến phức tạp với mục tiêu là kiểm soát các giả thiết định lượng nhằm đảm bảo tính tin cậy ước lượng hồi quy. Với các phương pháp ước lượng hồi quy đơn giản Pooled OLS, và mô hình hiệu ứng tác động cố định (Fixed effect – FEM). Tuy vậy, ở phần trên kiểm định các giả thiết thì mô hình nghiên cứu cho thấy có xảy ra hiện tượng phương sai thay đổi của nhiễu và tự tương quan phần dư mà cả hai mô hình Pooled và FEM không thể kiểm soát được hiện tượng phương sai thay đổi của nhiễu và tự tương quan của phần dư, ngoài ra có thể tồn tại hiện tượng nội sinh khi nhiễu tương quan với phần dư.

Tác giả lựa chọn phương pháp ước lượng GMM dựa trên nghiên cứu Arellano – Bover (1995), phương pháp GMM là một giải pháp hiệu quả để ước lượng hệ số hồi quy trong mô hình trong trường hợp mô hình tồn tại phương sai thay đổi của nhiễu, hiện tượng tương quan và nội sinh trong mô hình.

Mô hình của Arellano và Bover kiểm soát được hiện tượng tự tương quan phần dư, hiện tượng phương sai thay đổi và nội sinh, đảm bảo ước lượng vững và mang tính hiệu quả.

Bảng 4.10: Kết quả hồi quy mô hình với biến phụ thuộc NPL

Pooled OLS	FEM	GMM
	(1)	(2)	(3)
	npl	Npl	npl
gdp	-0.444**	-0.244	-0.260***
	(-2.28)	(-1.14)	(-3.07)
cpi	-0.0923	-0.0800	-0.129***
	(-1.53)	(-1.34)	(-9.75)
une	0.0770	-0.330	0.668***
	(0.41)	(-1.03)	(4.89)
awprt	0.288**	0.230*	0.265***
	(2.27)	(1.81)	(9.33)
lnoilprice	-0.447	-0.360	0.310**
	(-1.08)	(-0.85)	(2.08)
ope	0.00505	0.00236	0.00132
	(1.24)	(0.52)	(0.14)
roa	-0.384**	-0.332	-1.540***
	(-2.24)	(-1.58)	(-4.89)
la	0.00476	0.00714	-0.00411
	(0.67)	(0.58)	(-0.49)
grl	-0.152	-0.215*	-1.844***
	(-1.35)	(-1.82)	(-3.34)
lnsize	-0.0495	-0.444	-0.512**
	(-0.64)	(-1.32)	(-2.08)
Lnpl	0.387***	0.214***	0.0643
	(6.01)	(2.94)	(0.94)
_cons	4.193*	11.49	10.79***
	(1.77)	(1.61)	(2.58)
AR(1)			0.002
AR(2)			0.525
Hansen			1.000

*, **, *** tương ứng với mức ý nghĩa 10%, 5% và 1%

Nguồn: Phần mềm Stata 12 (Phụ lục 7)

Kết quả kiểm định độ tin cậy mô hình GMM ta thấy giá trị p-value kiểm định Hansen bằng lớn hơn 0.05, cho thấy các biến công cụ được hồi quy trong mô hình GMM là hợp lệ và có đầy đủ. Kiểm định Arellano và Bond về tự tương quan sai phân bậc nhất phần dư mô hình GMM cho kết quả kiểm định AR(1) có p-value <0.05 và AR(2) lớn hơn

0.05 thỏa mãn tính tin cậy về sai số mô hình GMM. Kết quả cho thấy phương pháp GMM là tin cậy.

Kết quả thực nghiệm thu được từ bảng 4.10 cho thấy có sự đồng nhất giữa chiều tác động của các biến đối với biến phụ thuộc, không có sự mâu thuẫn giữa chiều các biến giải thích đối với biến phụ thuộc. Mô hình hồi quy cho thấy các biến gdp, cpi, roa, grlt1, lnsize có bằng chứng tác động ngược chiều đến biến phụ thuộc npl có ý nghĩa thống kê, ngược lại các biến une, awprt, lnoilprice cho thấy mối quan hệ cùng chiều đối với biến phụ thuộc có bằng chứng ý nghĩa thống kê. Ngoài lnsize và lnoilprice có ý nghĩa ở mức 5%, các biến còn lại có ý nghĩa thống kê ở mức 1%.

Bằng chứng thực nghiệm tại Việt Nam cho thấy trong giai đoạn 2006-2016 biến độ trễ năm trước lnpl không có ý nghĩa thống kê, cho thấy xu hướng tác động độ trễ năm trước đến năm sau không đủ độ tin cậy 90%. Thực trạng biểu đồ 3.1 NLP ở chương 3 cho thấy NPL có xu hướng tăng đều trong giai đoạn từ 2006-2011, tuy nhiên từ 2011-2016 NPL có xu hướng giảm dần đều qua các năm. Thực trạng này dẫn tới kết quả không có xu hướng dương (hay âm) nào thống trị cỡ mẫu trong giai đoạn 2006-2016.

4.8 Phân tích kết quả nghiên cứu

4.8.1 Các biến có ý nghĩa thống kê

Nghiên cứu tìm ra được bằng chứng thực nghiệm cho thấy tăng trưởng kinh tế (GDP) có mối quan hệ ngược chiều với tỷ lệ nợ xấu các NHTM. Kết quả này ủng hộ kết luận của các nhà nghiên cứu Salas và Suarina (2002) và Makri và cộng sự (2014). Khi nền kinh tế tăng trưởng, thu nhập của cá nhân; hộ gia đình tăng sẽ khiến họ tiêu dùng nhiều hơn, tạo điều kiện cho các doanh nghiệp hoạt động có hiệu quả, thu nhập gia tăng và dẫn đến khả năng thanh toán các khoản nợ dễ dàng hơn. Ngược lại, khi kinh tế kém

phát triển, hoạt động sản xuất kinh doanh bị trì trệ khiến họ không có khả năng trả nợ, từ đó khiến tỷ lệ nợ xấu các ngân hàng gia tăng.

Kết quả hồi quy của biến CPI cho thấy tỷ lệ lạm phát có mối quan hệ ngược chiều với tỷ lệ nợ xấu các NHTM. Kết quả này đồng nhất với các nghiên cứu của Ekanayake (2015), khi lạm phát tăng cao, giá trị thực của các khoản vay sẽ giảm xuống khiến khách hàng có lợi thế hơn trong việc thanh toán các khoản vay. Ngoài ra, lạm phát tăng cao có thể còn do một nguyên nhân khác, đó là cầu tăng. Khi cầu tăng đồng nghĩa với việc người tiêu dùng sẵn lòng trả nhiều tiền hơn cho sản phẩm, từ đó tạo điều kiện thuận lợi cho đầu ra sản phẩm của doanh nghiệp, doanh nghiệp tăng khả năng trả nợ ngân hàng, do đó tỷ lệ nợ xấu của các NHTM giảm.

Tỷ lệ thất nghiệp (UNE) tăng thể hiện việc doanh nghiệp hoạt động không hiệu quả dẫn đến việc giảm quy mô hoặc phá sản, nhân viên bị sa thải. Điều này đồng nghĩa với việc doanh nghiệp mất khả năng thanh toán nợ, các nhân viên bị sa thải cũng mất khả năng thanh toán nếu họ đang sở hữu một khoản nợ ngân hàng. Do vậy, không ngạc nhiên khi mối quan hệ giữa tỷ lệ thất nghiệp và tỷ lệ nợ xấu ngân hàng là mối quan hệ cùng chiều. Kết quả thực nghiệm cũng tương tự kết quả của Salas và Saurina (2002), Makri và cộng sự (2014).

Lãi suất cho vay trung bình (AWPR) tăng dẫn đến chi phí sử dụng vốn tăng, khách hàng phải vay vốn với chi phí cao hơn, đặc biệt là các khoản vay với lãi suất thả nổi, điều này khiến họ gặp khó khăn trong việc trả lãi và nợ gốc nếu tình hình sản xuất kinh doanh không hiệu quả, doanh thu không đủ bù đắp chi phí. Bên cạnh đó, lãi suất tăng khiến chi phí đầu vào của doanh nghiệp tăng, giá thành sản phẩm từ đó cũng tăng theo khiến việc tiêu thụ sản phẩm có nguy cơ bị chậm lại, điều này sẽ ảnh hưởng tới lợi nhuận doanh nghiệp dẫn tới hạn chế khả năng trả nợ. Kết quả nghiên cứu có cùng quan điểm với các nghiên cứu khác trên thế giới như Collins và Wanjau (2011).

Giá dầu (Oilprice) thực nghiệm tại Việt Nam trong giai đoạn 2006-2016 tìm thấy bằng chứng có mối quan hệ cùng chiều với NPL, giá dầu tăng lên dẫn đến nợ xấu tăng cùng chiều. Quan điểm các nghiên cứu Al-Khazali và cộng sự (2017), Ravazzolo và cộng sự (2015) cho rằng giá dầu là chỉ báo cầu của nền kinh tế khi dầu là nguyên liệu đầu vào

cho quá trình sản xuất. Khi giá dầu tăng cao sẽ kéo theo các chi phí khác cũng tăng theo: giá cả các loại hàng hóa… từ đó gây ra gánh nặng về tài chính làm ảnh hưởng đến khả năng trả nợ của khách hàng, nợ xấu tăng cao. Đây cũng là đóng góp của bài, ngoài các yếu tố thông thường được xem xét tác động đến nợ xấu của các nghiên cứu trước bao gồm các yếu tố nội tại ngân hàng, các yếu tố vĩ mô của nền kinh tế nhà nước, còn có yếu tố vĩ mô liên quan đến chu kỳ cầu nguyên liệu của nền kinh tế thế giới.

Nghiên cứu cũng tìm thấy mối quan hệ tiêu cực giữa biến suất sinh lợi tài sản (ROA) và NPL, kết quả này phù hợp với giả thuyết nghiên cứu của Makri và cộng sự (2014), các ngân hàng có suất sinh lợi tài sản cao-hiệu quả tài chính trong sử dụng tài sản tốt hơn, mang tới lợi nhuận nhiều hơn sẽ ít bị áp lực tăng trưởng tín dụng bất chấp những quan hệ tín dụng không đảm bảo chất lượng.

Tăng trưởng tín dụng (GrL) có mối quan hệ ngược chiều với NPL. Khi tăng trưởng tín dụng ở mức kiểm soát được khi đó các khoản nợ vay có chất lượng sẽ được kiểm soát tốt và nợ xấu sẽ giảm. Tăng trưởng tín dụng thể hiện sự tăng lên về nhu cầu của các khoản cho vay, nhu cầu vay nợ tài trợ cho các dự án hoạt động kinh doanh của nền kinh tế. Sự tăng giá trị về tăng trưởng tín dụng thể hiện sự tăng trưởng của nền kinh tế, môi trường phát triển kinh tế tốt hơn so với những năm trước. Thực trạng giai đoạn nghiên cứu 2006-2016 tại Việt Nam, trải qua thời kỳ suy giảm do ảnh hưởng của khủng hoảng kinh tế thế giới năm 2008 và chỉ phục hồi những năm sau đó. Quan hệ ngược chiều giữa tăng trưởng tín dụng và tỷ lệ nợ xấu tại Việt Nam trong giai đoạn này phù hợp với chiều phục hồi của nền kinh tế sau khung khoảng. Môi trường vĩ mô từng bước ổn định hơn, nợ xấu suy giảm theo thời gian, cùng với đó là sự tăng về tăng trưởng tín dụng của nền kinh tế.

Qui mô ngân hàng (SIZE) có mối quan hệ ngược chiều với NPL. Những ngân hàng có quy mô lớn có những lợi thế nhất định: nguồn vốn dồi dào không tốn nhiều chi phí huy động do đó không bị áp lực về các chi phí đầu vào, từ đó lãi suất cho vay thấp, thu hút được nhiều khách hàng vay vốn. Thêm vào đó, các ngân hàng sẽ thẩm định kỹ hơn, do chủ động lựa chọn, sàng lọc khách hàng tốt để cho vay. Từ đó, các ngân hàng

Xem tất cả 104 trang.

Ngày đăng: 09/08/2022