Bảng 4.7. Bảng thống kê mô tả các biến quan sát Chỉ tiêu Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình Độ lệch chuẩn NPL(%) 0.0835 11.4017 2.1921 1.4700 CREDGR(%) -31.2943 1131.728 43.9945 99.8648 SIZE 14.6044 20.7296 17.9958 1.2380 GDPGR(%) 5.2474 7.1295 6.1948 0.6046 CPI(%) 0.63 23.12 8.907 6.6286 UEP(%) 1.8 2.64 2.1893 0.2809
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata)
Bảng thống kê mô tả các biến quan sát trên cho thấy:
Biến phụ thuộc tỷ lệ nợ xấu đạt mức trung bình là 2.1921%, với độ lệch chuẩn là 1.47%, mức cao nhất là 11.4017% (SCB năm 2010) và thấp nhất 0.0835% (ACB năm 2007). Tỷ lệ nợ xấu trên tổng dư nợ bình quân là 2.1921% có nghĩa là mức nợ xấu mà các ngân hàng bình quân phải chịu chiếm 2.1921% trên tổng dư nợ. Xét các biến thuộc phạm vi nghiên cứu liên quan đến các đặc điểm của ngân hàng, tăng trưởng tín dụng có mức trung bình 43.9945%, với độ lệch chuẩn là 99.8648%. Năm 2008, SeAbank có mức tăng trưởng tín dụng thấp nhất là - 31.2943% trong khi đó của NCB năm 2007 cao nhất là 1131.728%.
Quy mô ngân hàng có mức trung bình 17.9958. Giai đoạn 2007-2016, các NHTM Việt Nam đã đi theo đúng xu hướng phát triển ngày càng rộng lớn về quy
mô và phạm vi hoạt động, thể hiện qua con số quy mô cao nhất là 20.7296 vào năm 2016 của ngân hàng BIDV, và thấp nhất là vào năm 2007 với mức 14.6044 tại ngân hàng Kiên Long.
Xét các biến kinh tế vĩ mô, tăng trưởng GDP đạt mức trung bình là 6.1948%, cao nhất là 7.1295%, thấp nhất là 5.2474%. Tỷ lệ lạm phát có mức trung bình 8.907%, cao nhất là 23.12%, thấp nhất là 0.63%. Tỷ lệ thất nghiệp đạt mức trung bình 2.1893%, cao nhất là 2.64%, thấp nhất là 1.8%.
4.5.2. Ma trận hệ số tƣơng quan
Bảng 4.8 cho thấy hệ số tương quan giữa các cặp biến độc lập dao động từ 0.0453 – 0.3808. Kinh nghiệm cho thấy khi hệ số tương quan cặp giữa các biến độc lập > 0.8 thì vấn đề đa cộng tuyến trở nên nghiêm trọng. Hệ số tương quan lớn nhất trong bảng 4.8 có giá trị lớn nhất là 0.3808 thể hiện mối tương quan giữa biến độc lập GDPGR và CPI cho thấy hiện tượng đa cộng tuyến là không đáng kể. Bên cạnh đó, hệ số tương quan thấp giữa các cặp biến độc lập cũng góp phần xác nhận thêm sự phù hợp của mô hình nghiên cứu khi hiện tượng đa cộng tuyến sẽ khó xảy ra hơn khi chạy mô hình hồi quy cho tương quan giữa các yếu tố ảnh hưởng và rủi ro tín dụng tại các NHTM.
Bảng 4.8. Kết quả tƣơng quan chi tiết giữa các biến
NPL CREDGR SIZE GDPGR CPI UEP
NPL 1.0000 CREDGR -0.1893 1.0000 SIZE 0.0146 -0.2262 1.0000 GDPGR -0.1285 0.1706 -0.1960 1.0000 CPI 0.0730 -0.0453 -0.2734 0.3808 1.0000 UEP -0.3082 0.2575 -0.2670 -0.0635 0.0811 1.0000
4.5.3. Kiểm định đa cộng tuyến
Bảng 4.9. Kết quả kiểm định đa cộng tuyến Variable VIF CPI 1.28 GDPGR 1.26 SIZE 1.21 CREDGR 1.18 UEP 1.17 Mean VIF 1.22
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata)
Bảng trình bày chỉ số VIF cho thấy nếu chỉ số này lớn hơn 5 đó là dấu hiệu cho biết có hiện tượng đa cộng tuyến cao. Đặc biệt, nếu chỉ số VIF xấp xỉ 10, dấu hiệu cho biết có hiện tượng đa cộng tuyến nghiêm trọng (Gujarati, 2004). Chỉ số VIF lớn nhất trong bảng có giá trị là 1.28, cho thấy hiện tượng đa cộng tuyến là không đáng kể.
4.5.4. Kết quả hồi quy theo Pooled OLS, FEM, REM
Bảng 4.10. Kết quả ƣớc lƣợng các yếu tố ảnh hƣởng theo Pooled OLS, FEM, REM
MÔ HÌNH POOLED OLS FEM REM
CREDGR -0. 00118 -0.00219** -0.00136 (-1.21) (-2.13) (-1.39) SIZE -0. 11165 -0. 20494 -0.11548 (-1.39) (-0.95) (-1.33) GDPGR -0. 51718*** -0.50116*** -0.51102*** (-3.08) (-2.95) (-3.08) CPI 0. 03374** 0.02774 0.03317** (2.19) (1.63) (2.18) UEP -1.77158*** -1.77506*** -1.75822*** (-5.11) (-4.49) (-5.11) Const 11.03524*** 12.72029*** 11.04955*** (5.06) (2.59) (4.81)
Số quan sát 230 230 230 R-Squared 45.66% 48.09% 48.37% Kiểm định F (P-Value) 0.0611 Kiểm định Hausman (P-Value) 0.0684
Ghi chú: *, **, *** lần lượt tương ứng với mức ý nghĩa 10%, 5% và 1%
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata)
Khi thực hiện hồi quy theo mô hình Pooled OLS, mô hình có thể giải thích 45.66% sự thay đổi các yếu tố đến tỷ lệ nợ xấu. Mô hình cho kết quả biến CREDGR, SIZE không có ý nghĩa thống kê ở mức ý nghĩa 10%, biến GDPGR có tác động ngược chiều lên biến NPL ở mức ý nghĩa 1%, biến CPI có ý nghĩa thống kê ở mức ý nghĩa 5% tác động cùng chiều với biến NPL. Còn biến UEP tác động ngược chiều với biến NPL với mức ý nghĩa 1%. Tuy nhiên, khi ước tính theo mô hình Pooled OLS, dữ liệu chéo bị ràng buộc quá chặt chẽ về không gian và thời gian khi các hệ số hồi quy không đổi. Điều này khiến mô hình Pooled OLS không phản ánh được tác động của sự khác biệt của mỗi ngân hàng, dẫn đến mức ảnh hưởng thật sự của biến độc lập lên biến phụ thuộc giảm mạnh và kết quả có thể không phù hợp với điều kiện thực tế.
Sau đó thực hiện hồi quy mô hình theo mô hình FEM và mô hình REM. Khi hồi quy mô hình FEM cho kết quả biến GDPGR, biến UEP tác động ngược chiều với biến NPL ở mức ý nghĩa 1% và biến CREDGR tác động ngược chiều với biến phụ phuộc ở mức ý nghĩa 5%. Kết quả cho biết 2 biến còn lại SIZE và CPI không có ý nghĩa thống kê ở mức ý nghĩa 10%. Còn đối với hồi quy theo mô hình REM cho thấy biến CREDGR và SIZE không có ý nghĩa thống kê ở mức ý nghĩa 10%. Có sự tác động ngược chiều giữa biến GDPGR và NPL ở mức ý nghĩa 1%, giữa biến UEP và NPL cũng ở mức ý nghĩa 1%. Riêng đối với biến CPI tác động cùng chiều với biến NPL ở mức ý nghĩa 5%.
Sau khi hồi quy theo mô hình FEM và REM nghiên cứu sẽ sử dụng kiểm định Hausman để lựa chọn giữa mô hình FEM và REM. Thực hiện kiểm định
Hausman (Hausman Test) là thao tác mà nghiên cứu sẽ thực hiện nhằm lựa chọn mô hình phù hợp với nghiên cứu từ hai mô hình nhân tố tác động cố định (FEM) và mô hình nhân tố tác động ngẫu nhiên (REM). Kiểm định Hausman với giả định:
- H0: Ước lượng của mô hình nhân tố tác động cố định và mô hình nhân tố tác động ngẫu nhiên không khác nhau.
- H1: Ước lượng của mô hình nhân tố tác động cố định và mô hình nhân tố tác động ngẫu nhiên là khác nhau.
Kết quả cho thấy P-value = Prob>Chi2 = 0.0684 > 5% nghĩa là có cơ sở chấp nhận H0 và bác bỏ H1 khi không có sự khác biệt của ước lượng của mô hình nhân tố tác động cố định và mô hình nhân tố tác động ngẫu nhiên. Vì vậy trong trường hợp này mô hình nhân tố tác động ngẫu nhiên (REM) là mô hình phù hợp hơn với nghiên cứu.
Từ những kết quả hồi quy trên của nghiên cứu có thể thấy mô hình còn có khuyết tật, nghiên cứu sẽ tiếp tục kiểm định khuyết tật mô hình và khắc phục khuyết tật của mô hình.
4.5.5. Kiểm định khuyết tật của mô hình
Từ kết quả kiểm định Hausman, mô hình REM đã được lựa chọn là mô hình phù hợp hơn mô hình FEM. Để có kết luận đáng tín cậy nhất, nghiên cứu tiến hành kiểm định các khuyết tật thường gặp của mô hình. Do phần mềm Stata 12 chưa hỗ trợ kiểm định phương sai thay đổi và tự tương quan cho kết quả mô hình REM, nghiên cứu sẽ mượn mô hình FEM để kiểm định, nếu mô hình FEM mắc phải một trong các khuyết tật, thì mô hình REM sẽ có khả năng tương tự.
Kiểm định phƣơng sai sai số thay đổi qua các thực thể trong FEM (kiểm định Wald)
Kiểm định với giả định như sau:
-H0: Phương sai sai số không thay đổi trong mô hình -H1: Phương sai sai số thay đổi trong mô hình
Để thực hiện kiểm định phương sai sai sô nghiên cứu sử dụng hàm xttest3 trong phần mềm Stata 12 cho kết quả như sau:
. xttest3
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i chi2 (23) = 6283.91
Prob>chi2 = 0.0000
Kết quả cho thấy P-value = 0.0000 < 0.05, do đó bác bỏ Ho, chấp nhận H1 nghĩa là có hiện tượng phương sai sai số thay đổi trong mô hình.
Kiểm định hiện tƣợng tự tƣơng quan
Kiểm định với giả định như sau:
-H0: Mô hình không có tự tương quan bậc nhất -H1: Mô hình có tự tương quan bậc nhất
Để thực hiện kiểm định tự tương quan nghiên cứu sử dựng hàm xtserial trong phần mềm Stata 12 cho kết quả như sau:
. xtserial npl credgr size gdpgr cpi uep
Wooldridge test for autocorrelation in panel data H0: no first-order autocorrelation
F( 1, 22) = 25.735 Prob > F = 0.0000
Kết quả cho thấy P-value = 0.0000 < 0.05, do đó bác bỏ Ho, chấp nhận H1 nghĩa là mô hình có tự tương quan bậc nhất.
4.5.6. Khắc phục hiện tƣợng phƣơng sai sai số thay đổi và hiện tƣợng tự tƣơng quan
Để khắc phục các khuyết tật của mô hình, sử dụng phương pháp bình phương nhỏ nhất tổng quan (GLS) như sau. Sử dụng hàm xtgls trong phần mềm Stata 12 như sau:
. xtgls npl credgr size gdpgr cpi uep,panels (h) corr (ar1)
Sau đó, so sánh kết quả của cả 4 mô hình ở cả ba mức ý nghĩa 10%, 5% và 1%, ta có bảng tổng hợp sau:
Bảng 4.11. Tổng hợp kết quả kiểm định
MÔ HÌNH POOLED FEM REM GLS
CREDGR -0.00118 -0.00219** -0.00136 -0.00206*** (-1.21) (-2.13) (-1.39) (-2.80) SIZE -0.11165 -0.20494 -0.11548 -0.10096* (-1.39) (-0.95) (-1.33) (-1.67) GDPGR -0.51718*** -0.50116*** -0.51102*** -0.40786*** (-3.08) (-2.95) (-3.08) (-5.04) CPI 0.03374** 0.02774 0.03317** 0.02681*** (2.19) (1.63) (2.18) (3.66) UEP -1.77158*** -1.77506*** -1.75822*** -1.45196*** (-5.11) (-4.49) (-5.11) (-7.17) Const 11.03524*** 12.72029*** 11.04955*** 9.39279*** (5.06) (2.59) (4.81) (6.30) Số quan sát 230 230 230 230 Kiểm định F (P-Value) 0.0611 Kiểm định Hausman (P-Value) 0.0684 Kiểm định PSTĐ (P- Value) 0.0000 Kiểm định tự tƣơng quan (P-Value) 0.0000
Ghi chú: *, **, *** lần lượt tương ứng với mức ý nghĩa 10%, 5% và 1%
(Nguồn: Báo cáo phân tích dữ liệu từ phần mềm Stata)
4.5.7. Phân tích kết quả hồi quy mô hình theo phƣơng pháp GLS
Sau khi hồi quy khắc phục các khuyết tập mô hình cho kết quả từ bảng 4.11 cho thấy các biến độc lập CREDGR, GDPGR, CPI, UEP đều có ý nghĩa thống kê ở mức ý nghĩa 1%, và biến độc lập SIZE thì có ý nghĩa ở mức ý nghĩa 10%. Sau khắc phục khuyết tật mô hình cho phương trình hồi quy như sau:
NPL = 9.39279 - 0.00206CREDGR - 0.10096SIZE - 0.40786GDPGR + 0.02681CPI - 1.45196UEP + ε
Phương trình hồi quy cho thấy có sự tác động ngược chiều của biến CREDGR đến biến NPL và có ý nghĩa thống kê ở mức ý nghĩa 1%. Với kết quả này có cơ sở để chấp nhận giả thuyết H1: Có mối quan hệ ngược chiều giữa tăng trưởng tín dụng và tỷ lệ nợ xấu với độ tin cậy 99%. Kết quả thu được giống như kết quả thu được ở những nghiên cứu Clair (1992); Lis et al (2001); Abhiman Das và Saibal Ghosh (2007). Điều này phù hợp với một số lý thuyết đề ra khi các NHTM mở rộng tăng trưởng tín dụng tức việc tiếp cận vốn vay của các doanh nghiệp và cá nhân trở nên dễ dàng với chi phí thấp hơn trước đây. Đây chính là điều kiện để doanh nghiệp và cá nhân có thêm cơ hội và nguồn lực vốn để mở rộng sản xuất kinh doanh đầu tư, việc mở rộng kinh doanh đầu tư giúp doanh nghiệp, cá nhân kinh doanh hiệu quả với dòng vốn vay được. Đến hạn doanh nghiệp, các nhân sẽ dễ dàng hoàn trả khoản nợ hiện tại cũng như khoản nợ trước đây. Giúp tỷ lệ nợ xấu tại các NHTM sẽ giảm đi. Ngược lại nếu các NHTM thắt chặt việc cấp tín dụng từ đó việc tiếp cận vốn vay trở nên khó khăn hơn đối với các doanh nghiệp và cá nhân dẫn đến chi phí tiếp cận vốn vay, thị trường vốn vay trở nên đắt đỏ dẫn đến lãi suất tăng cao. Từ đó ảnh hưởng đến hoạt động kinh doanh đầu tư của doanh nghiệp và cá nhân, hoạt động doanh nghiệp trở nên khó khăn dẫn đến việc hoàn trả các khoản nợ khó hơn cộng với lãi suất vay cao làm cho tình trạng nợ của các doanh nghiệp và cá nhân càng ngày khó khắc phục, xấu nhất có thể dẫn đến giải thể phá sản.
Kết quả hồi quy mô hình cho thấy có sự tác động ngược chiều của biến SIZE đến biến NPL và có ý nghĩa thống kê ở mức ý nghĩa 10%. Với kết quả này có cơ sở để chấp nhận giả thuyết H2: Có mối quan hệ ngược chiều quy mô ngân hàng và tỷ lệ nợ xấu với độ tin cậy 90%. Kết quả thu được giống như kết quả thu được ở những nghiên cứu Hu et al. (2004). Dựa trên mô hình này có thể thấy việc tác động của biến SIZE lên biến NPL không thật sự mạnh. Điều này có thể lý giải bằng việc các NHTM mở rộng quy mô hoạt động tăng thị phần trên thị trường, các NHTM sẽ mở rộng quy mô vốn bằng việc tăng cường huy động vốn sau đó mở rộng quy mô hoạt động tín dụng bên cạnh đó phát triển các hoạt động dịch vụ dẫn đến tăng tiềm lực tài chính cho các NHTM từ đó các NHTM có nguồn lực xử lý các khoản nợ xấu
trước đây cũng như sắp tới. Việc mở rộng quy mô của các NHTM cũng giúp thị trường tài chính lành mạnh hơn, ổn định hơn mang tính chất cạnh tranh hơn tạo điều kiện cho các doanh nghiệp phát triển ổn định và hoạt động hiệu quả dễ hoàn trả các khoản nợ đối với ngân hàng làm cho tỷ lệ nợ xấu sẽ giảm. Ngược lại nếu việc thu hẹp quy mô các NHTM lại tức thu hẹp hoạt động tài chính lại điều này dẫn đến các ngân hàng sẽ mất dần thị phần trên thị trường dẫn đến tài chính của các NHTM từ đó các NHTM sẽ không có đủ nguồn lực để xử lý các khoản nợ xấu của mình sẽ làm tăng tỷ lệ nợ xấu lên. Bên cạnh đó việc hoạt động kinh doanh của các NHTM thu hẹp lại hay yếu đi sẽ làm ảnh hưởng thị trường tài chính sẽ ảnh hưởng không tốt đến các hoạt động kinh doanh của các doanh nghiệp, doanh nghiệp sẽ khó khăn hơn trong việc kinh doanh của mình từ đó có thể dẫn đến khó trả được những khoản nợ của doanh nghiệp mình dẫn đến tỷ lệ nợ xấu sẽ tăng lên rủi ro tín dụng cũng tăng theo. Đối với mô hình việc tác động ngược chiều của biến SIZE lên biến NPL thật sự không lớn chỉ ở độ tin cậy 90% không như các biến khác mức độ tác động ở độ tin cậy 99%. Điều này có thể lý do có thể đã xảy ra sai sót trong việc thu thập số liệu từ mẫu, hoặc cũng có thể việc các thông tin các NHTM Việt Nam khi công bố con số của mình đôi lúc không phản ánh được đúng thực trạng của ngân hàng mình.
Kết quả hồi quy mô hình cho ra sự tác động ngược chiều giữa của biến GDPGR đến biến NPL và có ý nghĩa thống kê ở mức ý nghĩa 1%. Với kết quả này có cơ sở để chấp nhận giả thuyết H3: Có mối quan hệ ngược chiều giữa tăng trưởng GDP và tỷ lệ nợ xấu với độ tin cậy 99%. Kết quả thu được giống như kết quả thu được ở những nghiên cứu Lis et al (2001); Bofondi & Ropele (2011); Louzis et al (2012). Điều này phù hợp với một số lý thuyết trước đã đề ra. Việc tăng trưởng GDP là thước đo mức độ tăng trưởng kinh tế của một quốc gia, việc duy trì mức tăng trưởng GDP ổn định qua các năm cho thấy nền kinh tế đất nước đó ổn định, tăng trưởng tốt, các doanh nghiệp và cá nhân hoạt động kinh doanh ổn định hiệu quả góp phần vào mức tăng trưởng GDP. Khi nền kinh tế tăng trưởng tốt sẽ tạo thêm các điều kiện cũng như cơ hội cho các doanh nghiệp và cá nhân hoạt động kinh doanh đầu tư sẽ hiệu quả hơn. Từ đó gánh nặng áp lực các khoản nợ sẽ bớt đi,
việc hoàn trả các khoản nợ đó cũng trở nên dễ dàng hơn dẫn đến tỷ lệ nợ xấu sẽ