Các Yếu Tố Kinh Tế Vĩ Mô Được Sử Dụng Trong Các Nghiên Cứu Khác



4.4.


Bảng 4.3: Các yếu tố kinh tế vĩ mô được sử dụng trong các nghiên cứu khác



Nghiên cứu

Phạm vi nghiên cứu


GDP

Tăng tín dụng

Thất nghiệp

Lạm phát

Bất động sản

Lãi suất

Xuất khẩu


Tỷ giá

Van den End và cộng sự

(2006)


Hà Lan


Y






Y



Wong và cộng

sự (2008)

Hong

Kong

Y




Y

Y

Y


Gutiérrez

(2008)

Argentina

Y





Y



Vazquez và cộng sự

(2010)


Brazil


Y


Y





Y



Louzis và cộng sự

(2010)


Hy Lạp


Y






Y



Y

Ceca, Shijaku

(2011)

Albania

Y



Y


Y

Y


Nkusu (2011)

26 nước

phát triển

Y



Y

Y




Rodriguez

(2012)

Colombia

Y


Y


Y

Y



Wei (2012)

Trung

Quốc

Y



Y

Y

Y



Nguyễn Hữu

Phước (2011)

Việt Nam

Y








Nguyễn Trâm

(2014)

Việt Nam

Y

Y




Y



Klein (2013)

Châu Âu

Y


Y

Y





Có thể bạn quan tâm!

Xem toàn bộ 185 trang tài liệu này.

Kiểm tra sức chịu đựng rủi ro tín dụng của các ngân hàng thương mại Việt Nam - Nghiên cứu điển hình Ngân hàng TMCP Công thương Việt Nam - 15

Nguồn: Tác giả tổng hợp


Bảng 4.4: Các biến kinh tế vĩ mô được lựa chọn vào mô hình định lượng


Biến độc lập

Tên

Nguồn dữ liệu

Tốc độ tăng GDP so với cùng kỳ năm trước (%)

GDP

Tổng cục Thống kê

Tốc độ tăng giá tiêu dùng so với cùng kỳ năm trước (%)

CPI

Tổng cục Thống kê

Tốc độ tăng tổng phương tiện thanh toán M2 so với cùng kỳ năm trước (%)

M2

NHNN

Tốc độ tăng trưởng tín dụng toàn hệ thống so với cùng kỳ năm trước (%)

DRG

NHNN

Tốc độ tăng trưởng xuất khẩu so với cùng kỳ năm trước

EXG

Tổng cục Thống kê

Tốc độ tăng trưởng chỉ số chứng khoán VnIndex so với cùng kỳ năm trước (%)

VNI

Sở Giao dịch Chứng khoán TP HCM

Tốc độ tăng tỷ giá bình quân liên ngân hàng VNĐ/USD so quý trước (%)

VND

NHNN

Lãi suất cho vay kỳ hạn dưới 12 tháng Agribank, BID, CTG, VCB

LSV

Bloomberg

Lãi suất huy động 12 tháng Agribank, BID, CTG, VCB

LSG

Bloomberg

Nguồn: Tác giả đề xuất

Bước 3. Khảo sát mối tương quan giữa các biến độc lập cho thấy, hai biến lãi suất (LSG và LSV) có hệ số tương quan rất cao với biến số lạm phát CPI (tương ứng là 0.89 và 0.92). Bản thân hai biến cũng có tương quan thuận chiều gần bằng 1 với nhau. Do biến CPI được thu thập từ nguồn tin cậy hơn (Tổng cục Thống kê), nên nghiên cứu sẽ chỉ đưa một biến CPI vào mô hình và loại bỏ 2 biến lãi suất.

Ngoài ra, biến CRG và M2 cũng có hệ số tương quan bằng 0.8, cho thấy tốc



độ tăng trưởng tín dụng toàn hệ thống đi song hành với sự điều hành tổng giá trị phương tiện thanh toán M2. Để loại bỏ mối quan hệ ngược chiều sẵn có giữa tốc độ tăng tín dụng và tỷ lệ nợ xấu, nghiên cứu sẽ loại bỏ biến CRG khỏi mô hình.

Tỷ lệ nợ xấu được chuyển sang hàm logarit, sao cho biến phụ thuộc sẽ nhận giá trị (-∞; +∞), thay vì khoảng [0, 1] như ban đầu. Cách tính này được đưa ra trong các nghiên cứu của Luiziz và cộng sự (2010), Nguyễn Trâm (2014)). Phương trình hồi quy có dạng:

28 9

9 9 lnNPLit

t=1 i=1


28 9


28 28 28

= α + β1 9 9 lnNPLit −1 + β2 9 GDPt + β3 9 CPIt−2 + β4 9 M2t−2

t=1 i=1

28 28

t=1

28

t=1

28

t=1

+ β5 9 VNDt−2 + β6 9 EXGt + β7 9 VNIt−1 + β8 9 VAMCt

t=1 28

t=1 28

t=1 28

t=1

+ β9 9 Q4Dt + β10 9 SHBt + β11 9 BIDVt + εit (phương trình 1)


Trong đó:

t=1

t=1

t=1

it i,t

lnNPL = ln(NPL it ) (NPL là tỷ lệ nợ xấu điều chỉnh của ngân hàng i tại thời điểm t.

1−NPL it


Trong đó: lnNPL_(it-1) là biến trễ 1 quý của lnNPL_it

Biến giả VAMC nhận giá trị bằng 1 vào quý ngân hàng ghi nhận tăng nợ bán cho VAMC trên báo cáo tài chính và nhận giá trị bằng 0 vào những quý còn lại

Biến giả Q4D nhận giá trị 1 vào quý 4 và giá trị 0 vào các quý khác của năm. Biến giả SHB nhận giá trị bằng 1 vào thời điểm quý 3 năm 2012, các quý khác nhận giá trị bằng 0. Biến giả BIDV nhận giá trị bằng 1 vào thời điểm quý 2 năm 2015, các quý khác nhận giá trị bằng 0.

εit là phần dư của phương trình hồi quy

4.1.4. Giả thuyết nghiên cứu

Kết quả hồi quy phương trình 1 sẽ chứng minh các giả thuyết trong Bảng 4.5. Trong số các biến độc lập kinh tế vĩ mô, tốc độ tăng trưởng kinh tế (GDP), lạm phát



(CPI), tốc độ tăng tổng phương tiện thanh toán M2, tốc độ tăng trưởng xuất khẩu và tốc độ tăng trưởng chỉ số giá chứng khoán được đo lường so với cùng kỳ năm trước còn thay đổi tỷ giá sẽ được đo lường hàng quý vì sự thay đổi của tỷ giá sẽ tác động ngay lập tức đến doanh thu và lợi nhuận của doanh nghiệp, từ đó ảnh hưởng đến nợ xấu của các ngân hàng.

Bảng 4.5: Các giả thuyết nghiên cứu về mối quan hệ giữa kinh tế vĩ mô và tỷ lệ nợ xấu ngân hàng

Giả thuyết nghiên cứu

Dấu

Nghiên cứu đại diện

H1: Tỷ lệ nợ xấu quý trước có tác động tiêu cực tới tỷ lệ nợ

xấu quý sau.

+

Jimenez và Saurina (2006); Das và Gosh (2007); Nguyễn Trâm (2014)

H2: Mức tăng trưởng kinh tế thấp hay giảm dần làm tăng RRTD và ngược lại.

+

Salas và Saurina (2002), Louzis và cộng sự (2010) chỉ ra mối quan hệ ngược chiều giữa tốc độ tăng trưởng kinh tế và tỷ lệ nợ

xấu

H3: Lạm phát tăng đột biến sẽ làm tăng tỷ lệ nợ xấu

-

Rinaldi và Sanchis-Arellano (2006),

Gunsel (2011) đã chứng minh mối quan hệ thuận chiều giữa lạm phát và tỷ lệ nợ xấu

H4: Tỷ giá biến động mạnh sẽ làm tăng tỷ lệ nợ xấu

-

Fofack (2005) và Nkusu (2011) cho thấy khi đồng nội tệ tăng giá, các doanh nghiệp xuất khẩu gặp khó khăn do hàng hoá trở lên đắt đỏ, doanh số xuất khẩu giảm, và hệ

quả là tỷ lệ nợ xấu tăng tại các ngân hàng.

H5: Tốc độ tăng trưởng xuất khẩu tăng sẽ làm giảm tỷ lệ nợ xấu

+

Ricardas (2014), Clichici và Colesnicova (2014) đã kết luận rằng khi tốc độ tăng trưởng xuất khẩu giảm xuống, tỷ lệ nợ xấu

sẽ tăng lên.

H6: Tổng giá trị các phương tiện thanh toán tăng làm giảm nợ xấu

+

Các nghiên cứu của Waeibrorheem và Suriani (2015), Bofondi và Ropele (2011) đã chỉ ra mối quan hệ nghịch giữa cung

tiền và RRTD.

H7: Tăng trưởng chứng khoán có tác động làm giảm tỷ lệ nợ

xấu

+

Aver (2008) chứng minh giá trị của chỉ số chứng khoán là yếu tố vĩ mô tác động quan

trọng tới tỷ lệ nợ xấu của các ngân hàng.

H8:NHTM có tỷ lệ nợ xấu cuối

+

Chưa có


Giả thuyết nghiên cứu

Dấu

Nghiên cứu đại diện

quý 4 thấp hơn các quý khác



H9: Việc bán nợ xấu cho VAMC có tác động tới tỷ lệ nợ

xấu ngay trong quý đó

-

Chưa có

Nguồn: Tác giả đề xuất

4.1.5. Mô tả và thống kê mẫu nghiên cứu

Bảng 4.6 thống kê đặc trưng của các biến số độc lập được sử dụng trong mô hình nghiên cứu.

Bảng 4.6: Mô tả thống kê các biến trong mô hình


Variable

Obs

Mean

Std. Dev.

Min

Max

gdp

252

.0548929

.0086665

.031

.072

cpi

252

.0785778

.0566898

0

.2242

m2

252

.2127346

.0664818

.121

.367

exg

252

.1569825

.1355847

-.2634116

.3715017

vni

252

.0319048

.1461234

-.1656

.5484

vndq

252

.0091607

.017161

-.0163

.0723


Nguồn: Tác giả tổng hợp và tính toán bằng phần mềm STATA

Số liệu cho thấy, trong giai đoạn từ Quý 1 2009 đến Quý 4 năm 2015, tốc độ tăng bình quân CPI của Việt Nam là 7.9%, dao động khá lớn từ 0.00% (quý 1 năm 2016) tới 22.42% (Quý 3/2011). Tốc độ tăng GDP bình quân đạt 5.57%, trong đó, giá trị nhỏ nhất là 3.14% vào quý 1 năm 2009 vào cao nhất là 7.34% vào quý 4 năm 2010. Tỷ giá VNĐ/USD tăng bình quân 0.9%/quý, tăng cao nhất là 7.2% vào quý 1 năm 2011 và biến động dưới 1% vào những quý sau đó. Thống kê các biến nhân tố kinh tế vĩ mô phản ánh đúng kinh tế Việt Nam chịu tác động của cuộc khủng hoảng tài chính thế giới 2008-2009. Lạm phát, lãi suất tăng cao và thị trường bất động sản đóng băng sau một thời gian tăng trưởng nóng.

Tiếp theo, luận án kiểm tra sự tương quan giữa các biến độc lập với kết quả được trình bày tại Bảng 4.7. Ma trận tương quan giữa các biến độc lập cho thấy, các mối tương quan khá thấp. Điều này cho thấy ít có khả năng xảy ra hiện tượng đồng



liên kết giữa các biến được đưa vào xem xét trong mô hình nghiên cứu. Đối với tỷ lệ nợ xấu theo quý của các ngân hàng (tổng số 252 quan sát), giá trị trung bình là 2.89% và độ lệch chuẩn là 1.91%.

Bảng 4.7: Hệ số tương quan giữa các biến số độc lập trong mô hình


GDP

DCPI (-

2)

DM2 (-

2)

DEXG

VNI (-1)

VND (-1)

GDP

1






DCPI (-2)

-0.318

1





DM2 (-2)

-0.206

-0.417

1




DEXG

0.113

-0.195

0.228

1



VNI (-1)

-0.312

-0.084

0.232

0.150

1


VND (-1)

0.300

-0.129

0.117

0.162

-0.331

1

Nguồn: Tác giả tổng hợp và tính toán bằng phần mềm STATA

4.1.6. Kiểm định mô hình

4.1.6.1. Kiểm định tính dừng

Một chuỗi thời gian là dừng khi giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) giữ nguyên không đổi cho dù chuỗi được xác định tại bất kỳ thời điểm nào. Giá trị của chuỗi dừng có xu hướng trở về giá trị trung bình. Nói cách khác, một chuỗi thời gian không dừng sẽ có giá trị trung bình thay đổi theo thời gian, hoặc giá trị phương sai thay đổi theo thời gian hoặc cả hai. Trong phân tích chuỗi thời gian, bất kỳ chuỗi nào có tính dừng mới cho kết quả ước lượng đáng tin cậy. Thực hiện phương pháp sử dụng kiểm định Dickey và Fuller mở rộng (ADF) đối với lần lượt sáu biến độc lập, ta có kết quả như tại Bảng 4.8. Kết quả kiểm định ADF cho chuỗi dữ liệu theo quý từ quý 1 năm 2009 đến quý 1 năm 2016 cho thấy, tất cả các biến đều dừng tại chuỗi gốc. Do vậy, 09 biến nói trên có thể được sử dụng trong hồi quy mô hình DPDA.

Bảng 4.8: Kết quả kiểm định tính dừng


Biến

Sử dụng trong mô hình

Tính dừng

GDP

Chuỗi gốc

DCPI

Sai phân bậc 1

VND

Chuỗi gốc


DEXG Sai phân bậc 1

DM2 Sai phân bậc 1

VNI Chuỗi gốc

Nguồn: Tác giả tổng hợp và tính toán bằng phần mềm STATA


4.1.6.2. Kiểm định phương sai của sai số không đổi (nhân tử Lagrange)

Sử dụng hàm xttest 0 của Stata, ta có:

Breusch and Pagan Lagrangian multiplier test for random effects lnNPL[Ten1,t] = Xb + u[Ten1] + e[Ten1,t]

Estimated results:

Var sd = sqrt(Var)


lnNPL .5204442 .7214182

e .073376 .27088

u 0 0

Giả thuyết H0: Var(u) =0, chibar2(01) = 0.00, Prob > chibar2 = 1.0000. Giả thuyết H0 không bị bác bỏ. Mô hình có phương sai sai số không đổi.

4.1.6.3. Kiểm định đa cộng tuyến

Để kiểm tra có có mối quan hệ tuyến tính giữ các biến độc lập trong mô hình hay không, Luận án dùng hệ số VIF (variance inflation factor – hệ số phóng đại phương sai). Về giá trị VIF, theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), khi VIF vượt quá 10 là dấu hiệu của đa cộng tuyến. Tuy nhiên cũng có một số tài liệu đưa ra điều kiện VIF lớn hơn 4 hoặc thậm chí là 2. Tuy nhiên, kết quả VIF bình quân của mô hình là 1.23, và không có hệ số nào lớn 2 (Bảng 4.9). Vì vậy, ta có thể kết luận hiện tượng đa cộng tuyến không tồn tại trong mẫu được sử dụng.

Bảng 4.9: Kết quả kiểm định đa cộng tuyến


Biến số độc lập

VIF

DCPI

1.47

DM2

1.39

GDP

1.25

Xem toàn bộ nội dung bài viết ᛨ

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

Ngày đăng: 13/05/2023