Trang chủ / Nợ Xấu

Kiểm Tra Hiện Tượng Phương Sai Sai Số Thay Đổi:

50


4.1.4 Thống kê mô tả dữ liệu


Bảng 4.1: Bảng thống kê mô tả các biến

Descriptive Statistics


Variable

Obs

Mean

Std.Dev.

Min

Max

NPL

272

2.279

2.009

0

11.4

LLP

272

.66

.345

0

11.4

LEV

272

89.323

7.427

6.7

98.25

SIZE

272

7.832

.55

6.309

9.08

lROA

272

.927

.739

-5.51

4.73

LG

272

45.942

111.215

-55.81

1131.72

INF

272

8.535

6.548

.6

19.89

GDP

272

6.104

.596

5.25

7.13

USA

272

20.064

2.186

16.078

22.717

Có thể bạn quan tâm!

Xem toàn bộ 133 trang tài liệu này.

Các yếu tố tác động đến nợ xấu tại các ngân hàng thương mại Việt Nam - Phùng Thùy Dung - 9


Nguồn: Kết quả phân tích từ phần mềm Stata


Dữ liệu nghiên cứu gồm 272 quan sát cho mỗi biến, kích thước mẫu đạt chuẩn, đáng tin cậy.

Nhận xét về kết quả của việc thực hiện thống kê mô tả của các biến thuộc mô hình đã đề xuất ở bảng 4.1. Nhìn chung, tỷ lệ nợ xấu của các NHTM Việt Nam giai đoạn 2007-2017 có giá trị trung bình là 2,27% nhỏ hơn mức 3% của NHNN quy định. Trong đó tỷ lệ nợ xấu cao nhất thuộc về Ngân hàng TMCP Sài Gòn năm 2010, tỷ lệ nợ xấu thấp nhất thuộc về Ngân hàng TMCP Hàng Hải Việt Nam và Ngân hàng TMCP Bản Việt năm 2017. Trong những năm gần đây, các NHTM đã có những thay đổi tích cực trong việc ban hành và thực hiện quy chế cho vay, quy trình tín dụng nhằm hạn chế đến mức thấp nhất các rủi ro khi cho vay của đơn vị mình. Do đó góp phần giảm bớt tỷ lệ nợ xấu tại các NHTM Việt Nam trong các năm trở lại đây.

51


4.1.5 Kết quả phân tích hồi quy


* Lựa chọn mô hình Pooled OLS và FEM:


Sử dụng F test dưới giả thiết H0: Tất cả các hệ số vi đều bằng 0. Kết quả kiểm định:

F test that all u_i=0: F(24, 238) = 1.09 Prob > F = 0.3544


Giá trị P_value = 0.3544 cao (lớn hơn 5%) nên ta chấp nhận H0. Tức là mô hình Pooled OLS thích hợp hơn.

* Lựa chọn mô hình FEM VÀ REM:


Một cách chính thức kiểm định Hausman (1978), với cặp giả thiết


Giả thiết H0: Các ước lượng thu được từ hai phương pháp không khác biệt. Giả thiết H1: Các ước lượng thu được từ hai phương pháp là khác biệt.

Với giả thiết H0 kiểm định Hausman có phân phối 2 . Nếu H0 bị bác bỏ thì mô hình FEM phù hợp hơn. Kết quả thu được từ kiểm định Hausman:


Hausman (1978) specification test



Coef.

Chi bình phương

25.709

P-value

.002


Giá trị P_value = 0.002 nhỏ (bé hơn 5%) nên ta bác bỏ H0. Tức là mô hình FEM thích hợp hơn.

* Lựa chọn mô hình REM và Pooled OLS

52


Sử dụng kiểm định Breusch-Pagan Lagrange Multiplier (Breusch-Pagan LM Test) cho việc lựa chọn mô hình hình thích hợp giữa REM và Pooled OLS.

Giả thiết H0: Phương sai giữa các đơn vị chéo bằng 0 (Khác nhau giữa các đơn vị chéo không có ý nghĩa thống kê). Nếu giá trị P_value nhỏ thì mô hình FEM phù hợp, ngược lại thì ta chọn Pooled OLS.

Kết quả kiểm định như sau:


Breusch and Pagan Lagrangian multiplier test for random effects


NPL[id,t] = Xb + u[id] + e[id,t] Estimated results:


Var sd = sqrt(Var)

NPL

e u

4.035716 2.008909


3.122708 1.767118


0 0

Test: Var(u) = 0


chibar2(01) = 0.00 Prob > chibar2 = 1.0000

Vì P_value = 1.0000 nên ta chấp nhận giả thiết H0, tức là không có sự khác biệt giữa các đơn vị chéo. Do đó mô hình Pooled OLS phù hợp hơn mô hình FEM.

Từ kết kiểm định lựa chọn sự phù hợp giữa các mô hình Pooled OLS, FEM và REM theo từng cặp ở phần trên, học viên nhận thấy mô hình Pooled OLS là phù hợp nhất cho bộ dữ liệu nghiên cứu này.

4.1.6 Kiểm tra và xử lý khiếm khuyết của mô hình

53


4.1.6.1 Kiểm tra ma trận hệ số tương quan:


Kết quả tính toán thu được bên dưới:



Matrix of correlations

Bảng 4.2: Ma trận hệ số tương quan


Variables

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(1) NPL

1.000










(2)lNPL

0.305

1.000









(3) LLP

0.379

0.303

1.000








(4) LEV

-0.032

0.077

0.158

1.000







(5) SIZE

0.038

0.136

0.441

0.611

1.000






(6) lROA

-0.054

-0.127

-0.022

-0.166

-0.191

1.000





(7) LG

-0.160

-0.103

-0.279

-0.052

-0.241

0.181

1.000




(8) INF

-0.037

-0.212

-0.102

-0.139

-0.280

0.366

0.072

1.000



(9) GDP

-0.249

-0.111

-0.176

0.112

0.043

-0.052

0.178

0.011

1.000


(10) USA

0.142

0.208

0.256

0.253

0.484

-0.381

-0.324

-0.656

0.042

1.000


Các hệ số hệ số tương quan giữa hai biến độc lập thấp nên chưa phát hiện đa cộng tuyến.


4.1.6.2 Kiểm tra hệ số phóng đại phương sai:


Kết quả tính thu được như sau:


Bảng 4.3 Kiểm tra hệ số phóng đại phương sai

Variance inflation factor



VIF

1/VIF

USA

2.428

.412

SIZE

2.342

.427

INF

1.942

.515

LEV

1.678

.596

LLP

1.478

.676

LG

1.286

.778

54


ROAt-1

1.247

.802

NPLt-1

1.159

.863

GDP

1.108

.903

Mean

VIF

1.63

.


Sau khi thực hiện kiểm định hiện tượng đa cộng tuyến với nhân tử phóng đại phương sai, kết quả giá trị trung bình VIF là 1.63 (nhỏ hơn 10), tất cả các giá trị VIF của các biến độc lập của phương trình không vượt quá 10 nên không xảy ra hiện tượng đa cộng tuyến. Do vậy, học viên kết luận mô hình nghiên cứu không tồn tại hiện tượng đa cộng tuyến.

4.1.6.3 Kiểm tra hiện tượng phương sai sai số thay đổi:


Ta sử dụng kiểm định Breusch – Pagan và thu được kết quả như sau:


Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: Constant variance Variables: fitted values of NPL chi2(1) = 85.16

Prob > chi2 = 0.0000

Giá trị P_value = 0 nên ta bác bỏ giả thiết H0, tức là có hiện tượng phương sai sai số thay đổi.

4.1.6.4 Tương quan chuỗi:


Để kiểm định hiện tượng tương quan chuỗi ta sử dụng thống kê Wooldridge test với giả thiết H0: Không có tự tương quan bậc nhất. Kết quả thu được như sau:

Wooldridge test for autocorrelation in panel data

H0: no first-order autocorrelation

55


F( 1, 24) = 13.299 Prob > F = 0.0013

Do P_value = 0.0013 nhỏ nên ta bác bỏ H0, tức là có hiện tượng tương quan chuỗi.


Như vậy mô hình Pooled OLS có hai khiếm khuyết là phương sai sai số thay đổi và có mặt tương quan chuỗi. Cách khắc phục là sử dụng ước lượng FGLS có lặp và thu được kết quả như sau:

Bảng 4.4: Kết quả ước lượng FGLS

Cross-sectional time-series FGLS regression


NPL

Coef.

St.Err.

t-

value

p-

value

[95%

Conf

Interval]

Sig

lNPL

0.250

0.038

6.65

0.000

0.176

0.324

***

LLP

1.332

0.164

8.11

0.000

1.010

1.654

***

LEV

-0.005

0.011

-0.48

0.630

-0.027

0.016


SIZE

-0.636

0.147

-4.33

0.000

-0.923

-0.348

***

lROA

-0.122

0.065

-1.89

0.058

-0.249

0.004

*

LG

-0.001

0.000

-1.73

0.084

-0.002

0.000

*

INF

0.038

0.007

5.02

0.000

0.023

0.052

***

GDP

-0.279

0.064

-4.34

0.000

-0.405

-0.153

***

USA

0.120

0.029

4.11

0.000

0.063

0.177

***

Constant

5.205

0.939

5.54

0.000

3.364

7.046

***


Mean dependent var 2.279 SD dependent var 2.009

Number of obs 272.000 Chi-square 290.210

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

56


Nhận xét:


Kết quả ước lượng thu được từ FGLS cho thấy hầu hết các đều có ý nghĩa thống kê ngoại trừ biến LEV với hệ số thu được rất thấp (-0.005) hàm ý là sự tác động từ biến LEV đến biến phụ thuộc NPL rất yếu và thậm chí là chưa có đủ bằng chứng thống kê chứng tỏ nó có tác động.

Mặc dù hồi quy FGLS có thể khắc phục được các khiếm khuyết thường gặp như: phương sai sai số thay đổi, tương quan chuỗi nhưng vấn đề tiềm ẩn của biến nội sinh trong mô hình bảng động có thể làm cho các ước lượng theo phương pháp này trở nên không vững và bị chệch. Để xử lý các vấn đề nội sinh, có nhiều phương pháp trong đó, trước đây hay sử dụng, là sử dụng biến công cụ và 2sls, 3sls. Một cách xử lý là sử dụng phương pháp GMM.

Đối với dữ liệu bảng đội có T hữu hạn nhỏ hơn N, ước lượng GMM theo phương pháp Blundell & Bond (1998) ngày một trở nên phổ biến hơn do tính ưu việt của nó. Lý do chính là ước lượng này tiệm cận hiệu quả (asymptotically efficient) và sử dụng tối thiểu các giả thuyết trong mô hình. Trong phần nghiên cứu này, học viên sử dụng 2 phương pháp ước lượng là system GMM (S-GMM) và difference GMM (D-GMM) (twostep). Trong đó, ngoài biến trễ của biến phụ thuộc, cũng biến GDP cũng tiềm ẩn nội sinh. Kết quả ước lượng của 2 phương pháp thu được như sau:

Bảng 4.5: Kết quả mô hình D-GMM VÀ S-GMM



(1)

(2)

VARIABLES

D-GMM

S-GMM




NPLt-1

0.216***

0.173***


(0.0184)

(0.0204)

LLP

3.378***

2.125***

57



(0.369)

(0.235)

LEV

-0.0128*

-0.00880**


(0.00677)

(0.00395)

SIZE

-1.740**

-0.721***


(0.656)

(0.189)

ROAt-1

0.394**

0.218**


(0.178)

(0.103)

LG

0.00157

-0.000796


(0.00110)

(0.000513)

INF

0.0298***

0.0211***


(0.00893)

(0.00593)

GDP

-0.225**

-0.412***


(0.0998)

(0.0482)

USA

0.285***

0.142***


(0.0866)

(0.0244)

Constant


6.178***



(1.078)


Observations 247 272

Number of id 25 25


Standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1


Cả 2 phương pháp đều cho ra kết quả ước lượng giống nhau ý nghĩa thống kê của các biến nhưng khác nhau về giá trị của các hệ số. Đặc biệt, 2 kết quả này đều cho kết quả tương tự như phương pháp FGLS.

Kiểm tra tính "gần" bước ngẫu nhiên, sử dụng ISP test cho dữ liệu bảng không cân bằng. Kết quả thu được như sau:

Xem toàn bộ nội dung bài viết ᛨ

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 10/12/2023