GIỚI THIỆU NGHIÊN CỨU
K ẾT CẤU NGHIÊN CỨU
Mặc dù đề tài không mang lại những đóng góp mới về lý thuyết khoa học, nhưng nó cung cấp bằng chứng thực nghiệm quan trọng về các yếu tố ảnh hưởng đến hệ số an toàn vốn của ngân hàng thương mại Việt Nam Thông qua đó, nghiên cứu này giúp các nhà quản trị ngân hàng đưa ra các quyết định hợp lý nhằm nâng cao hệ số an toàn vốn, từ đó gia tăng hiệu quả hoạt động của ngân hàng.
Bố cục của Khoá luận gồm 5 chương như sau:
CHƯƠNG 1 GIỚI THIỆU NGHIÊN CỨU
TỔNG QUAN LÝ LUẬN
C Ơ SỞ LÝ LUẬN VỀ HỆ SỐ AN TOÀN VỐN
2.1.1 Khái niệm về hệ số an toàn vốn
Uỷ ban Basel về giám sát Ngân hàng, thành lập năm 1974, là tổ chức tiên phong trong việc tiêu chuẩn hoá hệ số an toàn vốn, nhằm cải thiện sự ổn định tài chính toàn cầu Là một trong năm Uỷ ban quan trọng của Ngân hàng Thanh toán Quốc tế, Uỷ ban Basel tạo diễn đàn hợp tác giữa các quốc gia thành viên để giám sát hoạt động ngân hàng Thông qua việc trao đổi thông tin và phương pháp giám sát, Uỷ ban xây dựng các hướng dẫn và tiêu chuẩn, trong đó có quy định về Tỷ lệ an toàn vốn tối thiểu.
An toàn vốn tối thiểu là nguyên tắc thứ 6 trong 25 nguyên tắc giám sát hệ thống ngân hàng của Uỷ ban Basel Các cơ quan quản lý Nhà nước cần thiết lập quy định về an toàn vốn tối thiểu cho ngân hàng, phản ánh đúng rủi ro mà ngân hàng đối mặt và quy định rõ thành phần vốn, đảm bảo khả năng chịu lỗ Đối với các ngân hàng hoạt động quốc tế, các quy định này không được thấp hơn mức tối thiểu do Uỷ ban Basel quy định Việc đo lường tiêu chuẩn hoá hệ số an toàn vốn là cần thiết để đảm bảo tính ổn định của hệ thống ngân hàng.
3 Bỉ, Canada, Pháp, Đức, Ý, Nhật Bản, Hà Lan, Thuỵ Điển, Anh và Mỹ
4 Trang thông tin điện tử của Bank for International Settlements, cập nhật đến tháng 04/2018
5 Ngân hàng Nhà nước Việt Nam, 2009, Dự thảo 8 Luật các Tổ chức tín dụng
80 của thế kỷ 20, Uỷ ban Basel đã ban công bố một hế thống đo lường vốn được gọi là Hiệp ƣớc Basel
Hệ số an toàn vốn (CAR) là chỉ tiêu kinh tế quan trọng phản ánh mối quan hệ giữa vốn của ngân hàng và tổng tài sản có điều chỉnh rủi ro, thể hiện sức mạnh tài chính và mức độ an toàn trong hoạt động của ngân hàng CAR đã được công nhận rộng rãi và trở thành một tiêu chuẩn thiết yếu trong ngành ngân hàng.
100 quốc gia, trong đó có Việt Nam
2.1.2 Sơ lƣợc lịch sử phát triển hệ số an toàn vốn
Sự ra đời và phát triển của hệ số an toàn vốn gắn liền với Uỷ ban Basel, được thành lập sau khủng hoảng tài chính năm 1973 bởi Thống đốc Ngân hàng Trung ương các nước G10 Uỷ ban Basel về giám sát ngân hàng (BCBS) đóng vai trò là diễn đàn hợp tác giữa các nước thành viên, nhằm tăng cường ổn định tài chính thông qua nâng cao kiến thức và chất lượng giám sát ngân hàng toàn cầu.
Cuộc khủng hoảng nợ công tại các nước Mỹ Latin vào thập niên 80 đã dẫn đến nhu cầu thống nhất các chuẩn mực thanh tra và giám sát liên quan đến vốn vay nước ngoài Để đáp ứng yêu cầu này, vào năm 1988, Ủy ban Basel về Giám sát Ngân hàng (BCBS) đã ban hành Hiệp ước Basel, hay còn gọi là Basel I, với hai mục đích chính là tăng cường sự ổn định tài chính và nâng cao khả năng quản lý rủi ro trong các tổ chức tài chính.
Bretton Woods, một địa điểm tại Mỹ, là nơi tổ chức Hội nghị Tài chính và Tiền tệ của Liên Hiệp Quốc vào năm 1944, tại đây đã thống nhất thành lập hai tổ chức toàn cầu quan trọng: Quỹ Tiền tệ Quốc tế (IMF) và Ngân hàng Thế giới (WB) Hội nghị này nhằm định hình hệ thống ngân hàng quốc tế và giảm thiểu sự khác biệt trong cạnh tranh giữa các ngân hàng do sự khác nhau trong quy định của từng quốc gia.
Những tiến bộ trong thực hành ngân hàng và khủng hoảng tài chính sau Basel I đã chỉ ra rằng các chuẩn mực vốn cần phải linh hoạt để duy trì hiệu quả Các chuẩn mực này cần phản ánh sự thay đổi trong khu vực tài chính và giải quyết những vấn đề chính sách được phát hiện qua các khủng hoảng Do đó, BCBS đã đưa ra những điều chỉnh này trong Hiệp ước vốn.
Basel II vào năm 2004 và Basel III vào năm 2010
2.1.3 Cách đo lường hệ số an toàn vốn
2.1.3.1 Theo Hiệp ƣớc vốn Basel
Bảng 2.1 Công thức tính Hệ số an toàn vốn qua các thời kỳ Basel Mốc ban hành
Nguồn: Hoàng Thị Thu Hường, 2017
7 Ngân hàng Nhà nước, Cơ quan Hợp tác quốc tế Nhật Bản, Hội thảo tổng quan về Hiệp ước vốn Basel I và II, 2010
Vốn tự có của các ngân hàng được chia thành hai loại chính: Vốn cấp 1, được coi là vốn lõi, bao gồm vốn chủ sở hữu và các quỹ để lại từ lợi nhuận trước thuế như quỹ dự trữ bổ sung vốn điều lệ, quỹ đầu tư phát triển nghiệp vụ và lợi nhuận chưa phân phối Vốn cấp 2 là vốn bổ sung, bao gồm giá trị tăng thêm của tài sản cố định và chứng khoán đầu tư, trái phiếu chuyển đổi, cổ phiếu ưu đãi, công cụ nợ và dự phòng chung.
- Tài sản điều chỉnh rủi ro (RWA) = (Tài sản có nội bảng x Hệ số rủi ro) +
Ngân hàng phân loại tài sản ngoại bảng theo 5 nhóm, với mỗi nhóm tài sản có hệ số rủi ro tương ứng khác nhau, thể hiện qua tỷ lệ phần trăm cụ thể.
CAR theo Basel II so với Basel I vẫn giữ nguyên tử số nhưng thay đổi mẫu số, khi mà Basel I chỉ xem xét rủi ro tín dụng, còn Basel II đã bao gồm cả rủi ro hoạt động và rủi ro thị trường Mặc dù CAR theo Basel III vẫn yêu cầu ở mức 8% như Basel II, tỷ lệ vốn chất lượng cao đã được nâng lên, với tỷ lệ vốn cấp 1 tăng từ 4% lên 6% và tỷ lệ vốn cổ đông thường từ 2% lên 4% Các tài sản có vấn đề, như khoản đầu tư vượt quá giới hạn 15% vào các tổ chức tài chính, sẽ bị loại trừ khỏi Vốn tự có Basel III cũng thiết lập tiêu chuẩn thanh khoản cho các ngân hàng, yêu cầu họ nắm giữ tài sản có tính thanh khoản cao và chất lượng tốt để đảm bảo khả năng chi trả trong các tình huống khó khăn.
2.1.3.2 Theo Quy định tại Việt Nam
Bảng 2.2 Các mốc chính trong quy định về Hệ số an toàn vốn tại Việt Nam
Văn bản Năm ban hành
Năm thực hiện Tóm tắt quy định về CAR Quyết định số
Các nhóm tài sản có rủi ro: 0%, 20%, 50%, 100%, 150% và 250%
Các nhóm tài sản có rủi ro: 0%, 20%,
Hệ số tài sản có rủi ro trong bất động sản tăng từ 150% đến 200%
CAR 8%, bao gồm cả rủi ro tín dụng, rủi ro hoạt động và rủi ro thị trường
CAR đƣợc sửa đổi, bổ sung cấu phần và cách xác định cấu phần vốn tự có, hệ số rủi ro của một số khoản phải đòi
Nguồn: TS Đặng Anh Tuấn và cộng sự tổng hợp, 2017
Ngân hàng Nhà nước Việt Nam đã hoàn toàn áp dụng Basel I và một phần Basel II trong việc tính toán hệ số an toàn vốn, như được thể hiện qua các Thông tư 13, 36, 06, và 41 Theo Thông tư 19, các tiêu chuẩn tính CAR đã dần tiệm cận với tiêu chuẩn của Basel II (Đặng Anh Tuấn, 2017).
Bài viết này sử dụng Basel I để đo lường hệ số an toàn vốn tối thiểu, dựa trên các nghiên cứu trước đây và tình hình áp dụng Hiệp ước Basel của các ngân hàng thương mại tại Việt Nam.
2.1.4 Ý nghĩa của hệ số an toàn vốn
Mục đích chính của việc thiết lập hệ số vốn là để giảm thiểu tổn thất tài chính cho các ngân hàng thương mại khi xảy ra tình trạng mất khả năng thanh toán Việc này rất quan trọng vì nếu ngân hàng không thể thanh toán, có thể dẫn đến khủng hoảng niềm tin từ khách hàng, gây ảnh hưởng lan rộng đến toàn hệ thống ngân hàng và đe dọa thị trường tài chính Do đó, áp dụng tỷ lệ an toàn vốn tối thiểu giúp xây dựng và duy trì một hệ thống tài chính quốc gia lành mạnh và hiệu quả.
Hệ số an toàn vốn (CAR) là chỉ tiêu quan trọng đảm bảo an toàn trong hoạt động của ngân hàng, được cấu thành từ vốn tự có và tài sản có rủi ro quy đổi Vốn tự có phản ánh khả năng giảm rủi ro phá sản và đảm bảo sinh lời, trong khi tài sản có rủi ro quy đổi thể hiện hoạt động sử dụng vốn và mức độ rủi ro của các khoản tín dụng Do đó, CAR là chỉ tiêu quyết định khả năng chống đỡ của ngân hàng trước các rủi ro có thể xảy ra.
8 Võ Hồng Đức, 2014; Dao Thanh Binh, 2014; Nguyễn Kim Chi, 2014; Phạm Tiến Dũng, 2017; Nguyễn Triệu Hoài Thanh, 2018;…
Việc thực hiện đúng chỉ tiêu hệ số an toàn vốn không chỉ giúp tăng cường uy tín và năng lực cạnh tranh cho các ngân hàng thương mại, mà còn đóng vai trò quan trọng trong kinh doanh tiền gửi, nơi uy tín của ngân hàng là yếu tố then chốt Một ngân hàng đạt chuẩn về hệ số an toàn vốn không chỉ tuân thủ quy định mà còn xây dựng niềm tin với khách hàng, từ đó khuyến khích họ sử dụng dịch vụ nhiều hơn Do đó, việc đáp ứng các quy định về an toàn vốn là cơ hội để các ngân hàng giữ chân khách hàng hiệu quả hơn.
C ÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HỆ SỐ AN TOÀN VỐN
Dựa trên các nghiên cứu của Wong và cộng sự (2005), Phạm Hữu Hồng Thái
(2013), Võ Hồng Đức và cộng sự (2014), Osama A và cộng sự (2015), Shaddy and Moore (2015), Ilona Badalashvili (2016), Lê Thanh Tâm và cộng sự (2017), Nguyễn
Triệu Hoài Thanh (2018), Gabriel O Abba và cộng sự (2018), các yếu tố quyết định tới tỷ lệ an toàn vốn của Ngân hàng thương mại gồm: a Quy mô Ngân hàng
Quy mô tài sản của ngân hàng thương mại (NHTM) được xác định qua tổng tài sản hiện có Nghiên cứu của Jim Wong (2005) cho thấy có mối tương quan âm giữa quy mô tài sản và hệ số an toàn vốn, tức là ngân hàng lớn thường nắm giữ nhiều tài sản rủi ro hơn so với ngân hàng nhỏ Quan điểm này cũng được củng cố bởi các nghiên cứu của Phạm Hồng Thái (2013), Võ Hồng Đức (2014) và Nguyễn Triệu Hoài Thanh.
(2018) cũng cho rằng quy mô ngân hàng rất quan trọng và nghịch biến với hệ số an toàn vốn b Hệ số đòn bẩy tài chính
Hệ số đòn bẩy tài chính, được xác định bằng tỷ số giữa tổng vốn chủ sở hữu và tổng tài sản, ảnh hưởng đến nhận thức của cổ đông về rủi ro của ngân hàng; đòn bẩy cao đồng nghĩa với yêu cầu tỷ suất lợi nhuận cao hơn Ngân hàng có đòn bẩy cao thường gặp khó khăn trong việc tăng vốn chủ sở hữu do chi phí cao Nghiên cứu của Bahiru Workneh (2014), Lê Thanh Tâm (2017) và Nguyễn Triệu Hoài Thanh (2018) cho thấy hệ số đòn bẩy tài chính có mối quan hệ thuận chiều với CAR Tỷ lệ cho vay trên tổng tài sản, một chỉ số quan trọng, phản ánh mối quan hệ giữa đa dạng hóa và cơ hội đầu tư; tỷ lệ cao có thể dẫn đến giảm tính thanh khoản và tăng rủi ro vỡ nợ Phạm Thị Xuân Thoa (2017) và Thân Thị Thu Thủy (2015) chỉ ra rằng tỷ lệ này và CAR có mối quan hệ nghịch biến, tức là khi dư nợ cho vay tăng, CAR sẽ giảm và ngược lại.
Dự phòng rủi ro tín dụng là tỷ lệ giữa khoản dự phòng này và tổng dư nợ cho vay, được ước tính để bù lỗ trong danh mục cho vay Nghiên cứu của Võ Hồng Đức (2014) cho thấy có mối quan hệ ngược chiều giữa tỷ lệ dự phòng rủi ro tín dụng và tỷ lệ an toàn vốn; khi dự phòng rủi ro tín dụng tăng, ngân hàng có xu hướng cho vay nhiều hơn, chấp nhận nhiều rủi ro hơn trong các khoản cho vay (Lê Thanh Tâm, 2017).
Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) được tính bằng lợi nhuận sau thuế chia cho tổng vốn chủ sở hữu Khi ngân hàng đạt được lợi nhuận, họ thường sử dụng số lợi nhuận này để tăng vốn, nhằm kiếm thêm lợi nhuận trong tương lai Nghiên cứu của Wong và cộng sự (2005) cùng với Lê Thanh Tâm (2017) cho thấy các ngân hàng có lợi nhuận thường tăng vốn tự có, cho thấy mối quan hệ tích cực giữa tỷ lệ an toàn vốn (CAR) và tỷ suất lợi nhuận trên vốn chủ sở hữu.
(2016), Võ Hồng Đức (2014), Đào Thanh Bình (2014) cho rằng hai yếu tố này tác động ngƣợc chiều với nhau f Tỷ suất lợi nhuận trên tổng tài sản
Chỉ số lợi nhuận trước thuế trên tổng tài sản của ngân hàng cho thấy khả năng tích lũy vốn, với tỷ suất lợi nhuận cao và ổn định được liên kết với hiệu quả của hệ thống quản lý rủi ro Phạm Thị Xuân Thoa (2017) và Thân Thị Thu Thuỷ (2015) khẳng định rằng tỷ suất lợi nhuận trên tổng tài sản có mối tương quan tích cực với hệ số an toàn vốn.
MÔ HÌNH NGHIÊN CỨU
M Ô TẢ DỮ LIỆU NGHIÊN CỨU
Dữ liệu nghiên cứu được thu thập từ báo cáo tài chính, báo cáo thường niên và thống kê của Ngân hàng Nhà nước Việt Nam, tập trung vào 24 ngân hàng thương mại (NHTM) trong giai đoạn 2012 – 2017 Việc lựa chọn 24 trong số 31 NHTM được thực hiện dựa trên các tiêu chí cụ thể.
Dữ liệu trong Luận văn Thạc sĩ Kinh tế của Nguyễn Trịnh Hoài Thanh (2018) phân tích các yếu tố ảnh hưởng đến hệ số an toàn vốn tại các Ngân hàng thương mại Việt Nam Luận văn loại trừ các ngân hàng không đáp ứng tiêu chí về dữ liệu liên tục và hoạt động kém, như các ngân hàng bị mua lại với giá 0 đồng hoặc sáp nhập vào ngân hàng khác Đến 31/12/2017, tổng tài sản của 24 ngân hàng thương mại chiếm hơn 70% tổng tài sản của toàn hệ thống ngân hàng Việt Nam, cho thấy 24 ngân hàng này là mẫu nghiên cứu phù hợp cho đề tài.
9 Tính đến thời điểm 31/12/2018 theo thống kê của Ngân hàng Nhà nước Việt Nam
10 Nguồn tác giả tự tổng hợp
Các dữ liệu kinh tế vĩ mô của Việt Nam được thu thập từ Ngân hàng Thế giới (World Bank - WB) và Ngân hàng Phát triển Châu Á (Asian Development Bank - ADB).
M Ô HÌNH NGHIÊN CỨU
Mô hình nghiên cứu được xây dựng nhằm tìm hiểu tác động của các yếu tố như quy mô ngân hàng, hệ số đòn bẩy tài chính, tỷ lệ thu nhập lãi cận biên, hệ số thanh khoản, tỷ lệ cho vay trên tổng tài sản, dự phòng các khoản cho vay khó đòi, tốc độ tăng trưởng kinh tế và lạm phát lên tỷ lệ an toàn vốn tối thiểu Nghiên cứu này tham khảo các mô hình trước đó của nhiều tác giả như Dao Thanh Binh (2014), Nguyễn Kim Chi (2014), Võ Hồng Đức (2014), Bahiru Workneh (2014), Ilona Badalashavili (2016), Lê Thanh Tâm (2017), Nguyễn Triệu Hoài Thanh (2018), và Gabriel cùng cộng sự (2018), Abdul Hussein (2018).
CAR it = + 1 SIZE it + 2 LEV it 3 LAR it + 4 LLR it + 5 ROEt + 8 ROA t + it (*)
Theo đó, các biến độc của (*) được đo lường như sau:
(1) Biến Quy mô Ngân hàng (SIZE) đƣợc lƣợng hoá bằng Logarit cơ số 10 của tổng tài sản Ngân hàng i trong năm t;
(2) Biến Hệ số đòn bẩy tài chính (LEV) đƣợc lƣợng hoá bằng Vốn chủ sở hữu của Ngân hàng chia cho Tổng tài sản của Ngân hàng i trong năm t;
(3) Biến Tỷ lệ cho vay trên tổng tài sản (LAR) đƣợc lƣợng hoá bằng Tổng cho vay trên tổng tài sản Ngân hàng i trong năm t;
Biến Dự phòng các khoản cho vay khó đòi (LLR) được tính bằng tỷ số giữa khoản dự phòng rủi ro tín dụng và tổng dư nợ cho vay của Ngân hàng i trong năm t.
Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) được tính bằng cách chia lợi nhuận sau thuế cho tổng vốn chủ sở hữu của Ngân hàng i trong năm t.
(6) Biến Tỷ suất lợi nhuận trên tổng tài sản (ROA) đƣợc lƣợng hoá bằng lợi tỷ lệ nhuận sau thuế và tổng tài sản của Ngân hàng i trong năm t.
G IẢ THUYẾT NGHIÊN CỨU
Bài viết đã trình bày các yếu tố ảnh hưởng đến hệ số an toàn vốn trong mục 2.2, Chương 2, từ đó xây dựng các giả thuyết nghiên cứu cho mô hình.
- H1: Quy mô Ngân hàng có mối tương quan nghịch biến với tỷ lệ an toàn vốn
- H2: Hệ số đòn bẩy tài chính có mối tương quan đồng biến với tỷ lệ an toàn vốn
- H3: Tỷ lệ cho vay trên tổng tài sản có mối tương quan đồng biến với tỷ lệ an toàn vốn
- H4: Dự phòng rủi ro tín dụng có mối tương quan nghịch biến với tỷ lệ an toàn vốn
- H5: Tỷ suất lợi nhuận trên vốn chủ sở hữu tương quan đồng biến với tỷ lệ an toàn vốn
- H6: Tỷ suất lợi nhuận trên tổng tài sản tương quan đồng biến với tỷ lệ an toàn vốn
Sau đây là bảng tổng hợp mô tả các biến đƣợc sử dụng trong mô hình hồi quy
Bảng 3.1 Mô tả các biến đƣợc sử dụng trong mô hình hồi quy
Biến Cách xác định Giả thiết
CAR Theo tiêu chuẩn Basel I
SIZE LN(Tổng tài sản)
H1: Quy mô Ngân hàng có mối tương quan nghịch biến với tỷ lệ an toàn vốn
LEV Vốn chủ sở hữu
H2: Hệ số đòn bẩy tài chính có mối tương quan đồng biến với tỷ lệ an toàn vốn
H3: Tỷ lệ thu nhập lãi cận biên có mối tương quan đồng biến với tỷ lệ an toàn vốn
LIQ Tiền mặt và tương đương tiền
H4: Hệ số thanh khoản có mối tương quan đồng biến với tỷ lệ an toàn vốn
H5: Tỷ lệ cho vay trên tổng tài sản có mối tương quan đồng biến với tỷ lệ an toàn vốn
LLR Dự phòng rủi ro tín dụng
Tổng Dƣ nợ cho vay
H6: Tỷ lệ dự phòng rủi ro tín dụng có mối tương quan nghịch biến với tỷ lệ an toàn vốn
H7: Tỷ suất lợi nhuận trên vốn chủ sở hữu có mối tương quan đồng biến với tỷ lệ an toàn vốn
H8: Tỷ suất lợi nhuận trên tổng tài sản có mối tương quan đồng biến với tỷ lệ an toàn vốn
Nguồn: Tác giả tổng hợp
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
K ẾT QUẢ NGHIÊN CỨU VÀ CÁC KIỂM ĐỊNH
Trước tiên, bài viết thống kê dữ liệu của các biến qua các năm để thấy được tổng quan của nguồn dữ liệu
Bảng 4.1 Mô tả thống kê các biến
Giá trị trung bình Độ lệch chuẩn
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
Nghiên cứu đã xem xét các yếu tố tác động đến tỷ lệ an toàn vốn tối thiểu cho
Trong giai đoạn từ 2012 đến 2017, nghiên cứu đã xem xét 24 NHTM với tổng số 144 quan sát cho các biến phụ thuộc và độc lập Bảng 4.1 tóm tắt thống kê mô tả của các biến, bao gồm giá trị trung bình, độ lệch chuẩn, cũng như giá trị cao nhất và thấp nhất của từng biến.
Cụ thể, ta có thể thấy rằng hệ số an toàn vốn của 24 NHTM trong giai đoạn
Từ năm 2012 đến 2017, giá trị trung bình của hệ số an toàn vốn (CAR) đạt 16.59%, với giá trị lớn nhất là 33.42% và nhỏ nhất là 9.01%, vượt xa mức quy định tối thiểu 9% của Ngân hàng Nhà nước (Thông tư 06/2016/TT-NHNN) Tuy nhiên, CAR của các ngân hàng thương mại (NHTM) có xu hướng giảm dần do các quy định quản lý ngày càng nghiêm ngặt Đặc biệt, sự phân hoá rõ rệt giữa các NHTM lớn và nhỏ được ghi nhận, với các NHTM lớn thường có CAR thấp hơn, trong khi các NHTM nhỏ lại có CAR cao hơn Chẳng hạn, Ngân hàng Bản Việt năm 2012 ghi nhận CAR lên đến 27.48%, trong khi BIDV và CTG chỉ đạt mức khoảng 9%.
Bảng 4.2 Ma trận tương quan giữa các biến độc lập
SIZE LEV LAR LLR ROE ROA
Để kiểm tra tính độc lập của các biến giải thích và phát hiện vấn đề đa cộng tuyến trong mô hình hồi quy, nghiên cứu đã sử dụng ma trận tương quan của các biến độc lập Theo Gujarati D (2004) và Bahiru Workneh (2014), hệ số tương quan dưới 0.9 không gây ra vấn đề đa cộng tuyến nghiêm trọng, trong khi Shaddady và cộng sự (2015) cho rằng hệ số trên 0.7 có thể dẫn đến hiện tượng này Bảng 4.2 trình bày ma trận tương quan, cho thấy các mối tương quan đều dưới 0.4, ngoại trừ ROA và ROE (0.630) Nhìn chung, hệ số tương quan nhỏ hơn 0.7, do đó khả năng đa cộng tuyến trong mô hình là thấp, tăng cường độ tin cậy cho mô hình hồi quy Tuy nhiên, để xác nhận không có vấn đề đa cộng tuyến, nghiên cứu sẽ kiểm định thông qua hệ số phóng đại VIF trong mục 4.1.3.
4.1.3 Kiểm định hiện tƣợng đa cộng tuyến
Kiểm định hệ số phóng đại VIF được thực hiện để xác định sự tồn tại của hiện tượng đa cộng tuyến trong mô hình hồi quy, như đã trình bày ở mục 4.1.2.
Theo nghiên cứu của D (2004) và Bahiru Workneh (2014), giá trị VIF tối đa chấp nhận trong một mô hình là 10 Nếu giá trị VIF vượt quá mức này, sẽ xảy ra vấn đề đa cộng tuyến.
Bảng 4.3 Hệ số phòng đại VIF của các biến
Biến CAR SIZE LEV LAR LLR ROE ROA
Dựa trên kết quả phân tích dữ liệu từ phần mềm Stata, nghiên cứu kết luận rằng không có hiện tượng đa cộng tuyến xảy ra trong dữ liệu Cụ thể, giá trị trung bình VIF là 1.76 và tất cả các hệ số VIF của các biến đều nhỏ hơn 10.
Bài viết này trình bày ba phương pháp ước lượng mô hình dữ liệu bảng, bao gồm OLS, FEM và REM, đây là những phương pháp phổ biến trong phân tích dữ liệu bảng.
Theo các tác giả Gabriel O Abba (2018), Nguyễn Triệu Hoài Thanh (2017), Lê Thanh Tâm (2017), Phạm Thị Xuân Thoa (2017), Illona Badalashvili (2016) và Lê Thanh Ngọc (2015), phương pháp ước lượng OLS có thể dẫn đến việc mô hình hồi quy bị ràng buộc chặt chẽ về không gian và thời gian, coi các ngân hàng là đồng nhất Tuy nhiên, thực tế cho thấy mỗi ngân hàng thương mại (NHTM) là một thực thể riêng biệt với những đặc điểm khác nhau Do đó, việc sử dụng mô hình OLS có thể gây ra các ước lượng sai lệch, không phản ánh đúng sự khác biệt trong tác động của các NHTM.
Với mô hình FEM và REM, mô hình có thể kiểm soát đƣợc các riêng biệt này, cụ thể nhƣ sau:
Mô hình CAR được biểu diễn như sau: CAR it = + 1 SIZE it + 2 LEV it + 3 LAR it + 4 LLR it + 5 ROE t + 6 ROA t + it, trong đó it = v i + it, với v i đại diện cho các tác động riêng biệt không đổi theo thời gian và không quan sát của mỗi ngân hàng thương mại i Sự khác biệt giữa OLS và hai mô hình FEM, REM nằm ở chỉ số v i Cả FEM và REM đều thừa nhận sự tồn tại của v i, nhưng nếu các tác động riêng biệt này có tương quan với các biến độc lập, phương pháp FEM là phù hợp nhất; ngược lại, nếu v i không có tương quan với biến độc lập, mô hình REM sẽ được ưu tiên hơn.
In summary, to choose between OLS and REM, the study employs the Breusch-Pagan Lagrange Multiplier test for initial selection, utilizes the Wald-F test to decide between OLS and FEM, and conducts the Hausman test to differentiate between REM and FEM.
4.1.4.1 Kết quả hồi quy theo mô hình OLS Đầu tiên, đề tài sử dụng mô hình ƣớc lƣợng OLS để hồi quy Kết quả ƣớc lƣợng cho thấy biến số LEV có ý nghĩa thống kê với mức ý nghĩa 1%; LAR có ý nghĩa thống kê với mức ý nghĩa 10%; tuy nhiên các biến còn lại trong mô hình không có ý nghĩa thống kê
Bảng 4.4 Mô hình hồi quy theo phương pháp ước lượng OLS
CAR Coef St.Err t-value p-value [95% Conf Interval] Sig
Mean dependent var 0.166 SD dependent var 0.057
Akaike crit (AIC) -478.197 Bayesian crit (BIC) -457.408
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
4.1.4.2 Kết quả hồi quy theo mô hình FEM
Bài viết tiếp tục thực hiện hồi quy theo mô hình tác động cố định FEM, cho thấy rằng so với mô hình OLS, biến LEV và LAR có ý nghĩa thống kê ở mức 1%, trong khi ROE có ý nghĩa thống kê ở mức 5% Các biến còn lại như SIZE, LLR, ROE và ROA không đạt yêu cầu về ý nghĩa thống kê.
Bảng 4.5 Mô hình hồi quy theo phương pháp ước lượng FEM
CAR Coef St.Err t-value p-value [95% Conf Interval] Sig
Mean dependent var 0.166 SD dependent var 0.057
Akaike crit (AIC) -556.962 Bayesian crit (BIC) -536.173
Dựa trên kết quả phân tích dữ liệu từ phần mềm Stata, kiểm định F-test cho thấy Prob>F=0.000chibar2 = 0.005, nhỏ hơn 0.05, do đó giả thuyết Ho bị bác bỏ và giả thuyết H1 được chấp nhận Kết luận cho thấy mô hình REM phù hợp hơn mô hình OLS.
Bảng 4.7 Kiểm định LM để chọn giữa mô hình OLS và REM
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
4.1.4.5 Kiểm tra sự phù hợp giữa mô hình FEM và REM
