Phương Pháp Xử Lý Số Liệu Và Các Kiểm Định Thực Hiện

Tỷ lệ huy động trên tổng tài sản được xem là một trong những yếu tố quan trọng có ảnh hưởng đến tăng trưởng tín dụng tại ngân hàng, bởi vì sự gia tăng của các khoản tiền gửi vào ngân hàng sẽ cung cấp cho ngân hàng nhiều tiền để có thể cho vay. Điều này đã được khẳng định bởi nghiên cứu của Imran và Nishatm (2013), trong đó chỉ ra rằng tỷ lệ huy động cao có tác động tích cực đến tốc độ tăng trưởng tín dụng cung cấp cho khu vực tư nhân. Bên cạnh đó, Olokoyo (2011) chỉ ra rằng khối lượng tiền gửi trong các ngân hàng có tác động đáng kể đến khối lượng cho vay của ngân hàng. Vì vậy, mong đợi mối quan hệ thuận giữa hai biến số này.

Giả thuyết 1: Có mối tương quan thuận giữa tỷ lệ huy động và tăng trưởng tín dụng của ngân hàng.

3.2.2.2. Tỷ lệ nợ xấu (NPL):

Nghiên cứu của Guo và Stepanyan (2011) chỉ ra rằng sự gia tăng trong tỷ lệ nợ xấu dẫn đến một sự suy giảm trong sức mạnh của ngành ngân hàng, tác động đến khối lượng tín dụng được cấp và tăng trưởng tín dụng tại ngân hàng. Việc gia tăng tỷ lệ nợ xấu sẽ khiến các ngân hàng xem xét lại trong việc giảm các mục tiêu tăng trưởng tín dụng. Vì vậy, mong đợi mối quan hệ nghịch giữa hai biến số này.

Giả thuyết 2: Có mối tương quan nghịch giữa tỷ lệ nợ xấu và tăng trưởng tín dụng của ngân hàng.

3.2.2.3. Tỷ lệ vốn (CAP):

Nhiều nghiên cứu đã chỉ ra rằng sự thay đổi trong vốn chủ sở hữu có một tác động đáng kể đến khối lượng cấp tín dụng của các ngân hàng và tăng trưởng tín dụng. Vì các ngân hàng có tỷ lệ vốn cao sẽ có nhiều khả năng chịu được tổn thất mà không làm giảm giá trị của các tài sản. Ngược lại, các ngân hàng duy trì được tỷ lệ vốn trên tài sản cao, sẽ có thể quản lý tài sản của họ một cách hiệu quả hơn, và do đó làm giảm các tổn thất do việc cấp tín dụng; điều này có thể làm giảm bớt khối lượng tín dụng và tăng trưởng tín dụng tại ngân hàng (Olokoyo, 2011). Như vậy, tác động của tỷ lệ vốn đến tăng trưởng tín dụng của ngân hàng có thể thuận hoặc nghịch.

Giả thuyết 3: Có mối tương quan thuận hoặc nghịch giữa tỷ lệ vốn và tăng trưởng tín dụng của ngân hàng.

3.2.2.4. Tỷ lệ thanh khoản (LIQ):

Tỷ lệ tài sản thanh khoản được nắm giữ bởi ngân hàng là một trong những yếu tố ảnh hưởng đến kích thước của ngân hàng cho vay và tốc độc tăng trưởng tín dụng. Bởi vì, tỷ lệ thanh khoản cao sẽ làm giảm tỷ lệ của các khoản vay, qua đó giảm tăng trưởng tín dụng tại ngân hàng. Olokoyo (2011) đã sử dụng tỷ lệ thanh khoản này để giải thích về việc cho vay ngân hàng ở Nigeria nhưng kết quả của nghiên cứu cho thấy không có tác động đối với tỷ lệ thanh khoản về việc cho vay ngân hàng. Trong nghiên cứu này, dự kiến có mối quan nghịch giữa tỷ lệ thanh khoản và tăng trưởng tín dụng của ngân hàng.

Giả thuyết 4: Có mối tương quan nghịch giữa tỷ lệ thanh khoản và tăng trưởng tín dụng của ngân hàng.

3.2.2.5. Quy mô ngân hàng (SIZE):

Đã có rất nhiêu nghiên cứu điều tra về các yếu tố ảnh hưởng đến tăng trưởng tín dụng tại ngân hàng, trong đó biến quy mô ngân hàng được sử dụng như là một biến độc lập vì tầm quan trọng của nó trong việc tác động đến khối lượng tín dụng được cấp và tăng trưởng tín dụng. Chernykh và Theodossiou (2011) đã chỉ ra rằng các ngân hàng lớn thường có nhiều cơ hội để đa dạng hơn và họ có nguồn vốn lớn, khả năng tiếp cận nhiều hơn đến các khách hàng vay từ các công ty lớn với một số dư nợ tín dụng cao. Ngoài ra, họ có đủ nguồn lực chi cho các hệ thống tiên tiến để quản lý và đánh giá rủi ro tín dụng. Điều này làm cho các ngân hàng lớn nhất có thể đặt ra mục tiêu tăng trưởng tín dụng cao hơn. Dự kiến có mối quan hệ thuận chiều giữa hai biến số này.

Giả thuyết 5: Có mối tương quan thuận giữa quy mô và tăng trưởng tín dụng của ngân hàng.

3.2.2.6. Lãi suất danh nghĩa (INR):

Lãi suất có tác động trực tiếp đến khả năng trả nợ của khách hàng từ đó tác động đến việc tăng trưởng tín dụng của ngân hàng. Việc tăng lãi suất dẫn tới gia tăng gánh nặng nợ, làm suy yếu khả năng trả nợ của khách hàng vay, dẫn đến việc ngân hàng sẽ không thể đặt mục tiêu tăng trưởng tín dụng cao hơn bởi vì nguy cơ sẽ có tỷ lệ nợ xấu cao hơn (Castro, 2013). Do đó, dự kiến mối quan hệ nghịch chiều giữa hai biến số này.

Giả thuyết 6 : Có mối tương quan nghịch giữa lãi suất danh nghĩa và tăng trưởng tín dụng ngân hàng.

3.2.2.7. Tăng trưởng GDP (GDP):

Tăng trưởng kinh tế là một trong những yếu tố quan trọng có ảnh hưởng đến việc cho vay ngân hàng. Bởi vì tốc độ tăng trưởng cao phản ánh tốc độ cao trong hoạt động của nền kinh tế trong nước và đi kèm với nó là sự gia tăng trong nhu cầu về kinh phí vốn. Imran và Nishatm (2013), nhận thấy rằng sự tăng trưởng kinh tế có tác động tích cực đến tăng trưởng tín dụng ngân hàng. Như vậy, dự kiến rằng biến này có tác động tích cực tăng trưởng tín dụng.

Giả thuyết 7: Có mối tương quan thuận giữa tăng trưởng kinh tế và tăng trưởng tín dụng ngân hàng.

3.2.2.8. Tỷ lệ lạm phát (INFL):

Một biến số vĩ mô khác được sử dụng để xem xét tác động đến tăng trưởng tín dụng ngân hàng là tỷ lệ lạm phát. Một số nghiên cứu như Sharma và Gounder (2012) đã chỉ ra rằng tỷ lệ lạm phát có tác động tiêu cực đến tốc độ tăng trưởng tín dụng bởi vì sự tăng trưởng trong khối lượng tín dụng có thể là do tỷ lệ lạm phát cao chứ không phải vì sự gia tăng giá trị thực tế của các khoản vay. Hơn nữa, tỷ lệ lạm phát cao thường dẫn đến sự gia tăng các mức lãi suất danh nghĩa đòi hỏi trên các khoản cho vay, từ đó gây sự suy giảm trong nhu cầu vay vốn.

Giả thuyết 8: Có mối tương quan thuận hoặc nghịch giữa tỷ lệ lạm phát và tăng trưởng tín dụng ngân hàng.

3.3. Phương pháp nghiên cứu

3.3.1. Dữ liệu nghiên cứu

Dữ liệu biến phụ thuộc LGR, các biến độc lập như biến nội sinh: DEPTAit, NPLit , CAPit , LIQit , SIZEit và biến ngoại sinh: INRt , GDPt, INFt được lấy từ báo cáo tài chính hợp nhất năm (bảng cân đối kế toán và báo cáo kết quả kinh doanh) của 15 ngân hàng TMCP trong nước từ năm 2011 đến 2017.

Các dữ liệu về kinh tế vĩ mô như GDP, lạm phát trong giai đoạn 2011 -2017 được trích từ website Ngân hàng phát triển Châu Á (ADB).

3.3.2. Nghiên cứu định lượng

Bằng phương pháp kiểm định các biến thông qua giá trị, độ tin cậy, kiểm định mô hình tác giả nghiên cứu, xác định mức độ ảnh hưởng của các biến đến tăng trưởng tín dụng của các ngân hàng Thương mại cổ phần Việt Nam và được thực hiện qua các giai đoạn sau:

Thu thập dữ liệu từ các báo cáo tài chính của các Ngân hàng thương mại Việt Nam. Ngân hàng được chọn để phân tích bao gồm các ngân hàng Thương mại cổ phần có quy mô vốn từ nhỏ đến lớn.

- Kiểm định sự phù hợp của mô hình sử dụng.

Sử dụng phương pháp bình phương tối thiểu tổng quát (GLS – Generalized Least Square) để kiểm định các nhân tố có ảnh hưởng quan trọng đến tăng trưởng tín dụng, từ đó đánh giá được mức độ tác động của từng nhân tố kết hợp với mức độ quan trọng của từng nhân tố ảnh hưởng đến tăng trưởng tín dụng.

Đây là các phương pháp ước lượng chuẩn cho các mô hình chuỗi dữ liệu thời gian. Như vậy, phương pháp nghiên cứu được thực hiện dựa trên các bước sau:

Bước 1: Xác định và kiểm tra thuộc tính của các chuỗi dữ liệu thời gian. Để việc áp dụng các phương pháp ước lượng GLS được hiệu quả và không bị chệch,

các chuỗi dữ liệu được sử dụng trong mô hình phải thỏa mãn một số tính chất cơ bản như: các chuỗi dữ liệu dừng (để tránh khả năng hồi quy giả mạo) và giữa các chuỗi dữ liệu, không có hiện tượng cộng tuyến hoặc đa cộng tuyến hoàn hảo.

(i) Thống kê mô tả các biến trong mô hình;

(ii) Thống kê ma trận hệ số tương quan giữa các cặp biến; và

(iii) Kiểm định tính dừng của các biến: Thực hiện kiểm định tính dừng của các biến trong mô hình bằng cách sử dụng kiểm định Augmented Dickey-Fuller (ADF) hay Phillips-Perron (PP) và tùy theo kết quả đạt được, sau đó chọn sử dụng các biến hoặc theo các mức ý nghĩa với tích hợp bậc 0 I(0) hoặc theo sai phân bậc nhất với tích hơp bậc 1 I (1).

Bước 2: Áp dụng phương pháp hồi quy GLS (Cochrane-Orcutt) để đánh giá tác động của các yếu tố đến khả năng tăng trưởng tín dụng. Các thống kê t được dùng để xác định mức ý nghĩa của các tác động riêng phần của các biến trong khi thống kê F được dùng để xác định tác động đồng thời.

Bước 3: Với các kết quả được xác lập trong Bước 2 nghiên cứu tiến hành so sánh, nhận định và bàn luận. Sau đó, rút ra kết luận và gợi ý chính sách.

3.3.3. Phương pháp xử lý số liệu và các kiểm định thực hiện

Luân văn sử dụng phần mềm phân tích thống kê chuyên dụng là phần mềm Stata 12 để phân tích thống kê mô tả, phân tích tương quan và thực hiện hồi quy mô hình dữ liệu bảng.

Phương pháp xử lý số liệu bao gồm thống kê mô tả các biến quan sát, khảo sát tương quan giữa các biến, đánh giá độ phù hợp của mô hình hồi quy. Các kiểm định thực hiện bao gồm kiểm tra các khuyết tật của mô hình như hiện tượng đa cộng tuyến (kiểm định bằng cách sử dụng nhân tử phóng đại phương sai VIF Variance- inflation factor), phương sai sai số ngẫu nhiên thay đổi (kiểm định White), tự tương quan (kiểm định Breusch Godfrey), sai số ngẫu nhiên không phân phối chuẩn (kiểm

định Jacque-Bera), kiểm tra sự có mặt của các biến không cần thiết (kiểm định Wald) và kiểm định Hausman để lựa chọn mô hình phù hợp. Phần tiếp theo sau đây sẽ giới thiệu cụ thể hơn cách khảo sát dữ liệu và các kiểm định thực hiện.

3.3.3.1. Trình bày và thống kê mô tả dữ liệu

Số liệu được trình bày dưới dạng bảng thống kê mô tả, mỗi biến được mô tả qua các nội dung như tên biến, số mẫu, số trung bình, độ lệch chuẩn, giá trị nhỏ nhất và giá trị lớn nhất.

3.3.3.2. Khảo sát các cặp tương quan giữa các biến

Việc khảo sát các cặp tương quan giữa các biến được thực hiện bằng cách thiết lập ma trận hệ số tương quan để tìm ra những cặp biến có hệ số tương quan cao, xem xét sự tương quan giữa biến độc lập và biến phụ thuộc. Theo Hoàng Ngọc Nhâm (2008) cho rằng, để loại trừ vấn đề đa cộng tuyến, cần nghiên cứu kỹ hệ số tương quan giữa các biến, nếu chúng vượt quá 0.8, mô hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng. Do đó, đề tài cũng xem xét ma trận tương quan để loại trừ đa cộng tuyến.

3.3.3.3. Kiểm định Hausman

Để xem xét, lựa chọn mô hình phù hợp giữa mô hình các tác động cố định và mô hình các tác động ngẫu nhiên, đề tài sử dụng kiểm định Hausman (1978). Đây là kiểm định giúp lựa chọn nên sử dụng mô hình tác động cố định hay là mô hình tác động ngẫu nhiên. Thực chất kiểm định Hausman để xem xét có tồn tại tự tương quan giữa Ui và ϵit hay không? Kiểm định Hausman là kiểm định giả thiết:

Ho: Ui và biến độc lập không tương quan. Hi: Ui và biến độc lập có tương quan.

Khi giá trị (Prob>chi2) <0.05 ta bác bỏ giả thiết Ho, khi đó Ui và biến độc lập có tương quan, sử dụng mô hình tác động cố định sẽ giải thích phù hợp. Và ngược lại, khi giá trị (Prob>chi2) >0.05, lúc đó chấp nhân giả thiết Ho, tức là Ui và biến độc lập không tương quan, mô hình tác động ngẫu nhiên sẽ được sử dụng.

3.3.3.4. Đánh giá độ phù hợp của mô hình hồi quy

Một số kiểm định các khuyết tật của mô hình

Kiểm định hiện tượng đa cộng tuyến

Ma trận tương quan giữa các hệ số được dùng để kiểm tra hiện tượng đa cộng tuyến trong mô hình hồi quy. Việc này được thực hiện ở bước khảo sát mối tương quan giữa các cặp biến. Bên cạnh đó trong đề tài này sử dụng thêm nhân tố phóng đại phương sai VIF để kiểm tra hiện tượng.

Kiểm định phương sai sai số ngẫu nhiên thay đổi

Đối với vấn đề phương sai sai số thay đổi, tác giả dùng kiểm định White để xem xét tổng quát về sự đồng nhất của phương sai.

Kiểm định tự tương quan

Đối với kiểm định tự tương quan, tác giả dùng kiểm định Breusch Godfrey

Kiểm định sai số ngẫu nhiên không phân phối chuẩn

Đối với kiểm định tự tương quan, tác giả dùng kiểm định Jacque-Bera

Kiểm định sự có mặt của biến không cần thiết

Nghiên cứu tiếp tục dùng kiểm định Wald để xem xét các biến cần thiết phù hợp trong mô hình. Kiểm tra các hệ số hồi quy của các biến trong mô hình khác 0 là thực sự có ý nghĩa hay không.

3.4 Tóm tắt chương 3

Trong chương 3, đề tài đã đặt ra các giả thuyết kỳ vọng về tương quan giữa các biến độc lập đối với biến phụ thuộc. Tác giả trình bày các lý thuyết về quy trình nghiên cứu và trình tự các kiểm định để tiến hành nghiên cứu.

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

4.1. Đánh giá chung thực trạng tăng trưởng tín dụng tại các ngân hàng Thương mại cổ phần Việt Nam

Dữ liệu được thu thập từ 15 ngân hàng thương mại trong giai đoạn 2011 - 2017 với các thông số về thống kê được thể hiện ở bảng sau:

Bảng 4.1: Thống kê mô tả các biến

Variable

Obs	Mean	Std. Dev.	Min	Max
LGR	105	23.78703	18.88299	-22.18225	106.8156
DEPTA	105	0.6572191	0.1215069	0.2922748	0.8860412
NPL	105	2.116857	1.216844	0.34	8.51
CAP	105	0.0824695	0.0283128	0.034617	0.1936243
LIQ	105	13.53304	7.968323	0.9026427	35.15283
SIZE	105	5.216929	0.4238824	4.251614	6.080007
INR	105	8.857143	2.36736	7	13
GDP	105	6.084286	0.5463742	5.25	6.81
INF	105	4.97	5.930363	0.04	18.13