CHƯƠNG 3: THỰC TRẠNG KHẢ NĂNG SINH LỜI TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
4.2. Phương pháp nghiên cứu
Nghiên cứu sử dụng mô hình hồi quy dữ liệu bảng để kiểm tra mối quan hệ giữa các yếu tố bên trong và bên ngoài đến khả năng sinh lời của ngân hàng. Có 2 mô hình để thực hiện các ước lượng dữ liệu bảng: mô hình tác động cố định và mô hình tác động ngẫu nhiên.
Mô hình tác động cố định (FEM) giả định rằng mỗi quan sát chéo có các đặc điểm riêng biệt và không đổi theo thời gian. Các đặc điểm riêng này có thể tác động đến các biến độc lập. Do vậy, FEM phân tích mối tương quan này giữa phần dư của mỗi quan sát chéo với các biến độc lập để kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt ra khỏi các biến độc lập để ước lượng những ảnh hưởng thực của biến độc lập lên biến phụ thuộc.
Khác với mô hình FEM, trong mô hình tác động ngẫu nhiên (REM), sự biến động giữa các quan sát chéo được giả định là ngẫu nhiên và không tương quan đến các biến độc lập. Trong đó, phần dư của mỗi quan sát chéo không tương quan với biến độc lập và được xem là một biến độc lập mới. Vì vậy, nếu sự khác biệt giữa các quan sát chéo có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM.
Tác giả tiến hành hồi quy theo 2 mô hình trên và thực hiện kiểm định Hausman
tot nghiep do wn load thyj uyi pl aluan van full moi nhat z z vbhtj mk gmail.com Luan van retey thac si cdeg jg hg
để chọn ra mô hình phù hợp. Từ mô hình được lựa chọn, tác giả sẽ tiến hành các kiểm định để đảm bảo tính vững và hiệu quả của mô hình. Các vấn đề được kiểm định như: tính phù hợp của mô hình, hiện tượng đa cộng tuyến và tự tương quan.
Phân tích hồi quy
Để xác định mối quan hệ và mức độ tác động của các biến độc lập đến biến phụ thuộc, tác giả sử dụng phân tích hồi quy để kiểm định giả thiết:
H0: βi = 0, biến độc lập i không có tác động đến biến phụ thuộc H1: βi ≠ 0, biến độc lập i có tác động đến biến phụ thuộc
Giá trị P_value được sử dụng trong kiểm định này để đưa ra kết luận:
Nếu P_value < , bác bỏ giả thiết H0, biến độc lập i có tác động đến biến phụ thuộc.
Nếu P_value > , chấp nhận giả thiết H0, biến độc lập i không có tác động đến biến phụ thuộc.
Với là mức thống kê có ý nghĩa, thường có giá trị là 1%, 5% và 10%. Tác giả chọn mức ý nghĩa thống kê 5% để kiểm định các giả thiết.
Kiểm định lựa chọn mô hình: kiểm định Hausman
Kiểm định Hausman được sử dụng để so sánh giữa mô hình tác động cố định và mô hình tác động ngẫu nhiên. Tác giả tiến hành kiểm định này với giả thiết:
H0: mô hình tác động ngẫu nhiên thích hợp hơn H1: mô hình tác động cố định thích hợp hơn
Với mức ý nghĩa 5%, giá trị P_value được sử dụng để đưa ra kết luận:
Nếu P_value < 0,05, bác bỏ giả thiết H0, nên chọn mô hình tác động ngẫu nhiên.
Nếu P_value > 0,05, chấp nhận giả thiết H0, nên chọn mô hình tác động cố định.
Kiểm định tính phù hợp của mô hình
Sau khi lựa chọn mô hình, chúng ta cần đánh giá mức độ phù hợp của mô hình hồi quy. Lúc này, chúng ta quan tâm đến hệ số xác định của mô hình (R2). R2 cho biết mô hình hồi quy giải thích được bao nhiêu % thay đổi của biến phụ thuộc. Hệ số R2 càng gần 1 thì mô hình hồi quy càng có ý nghĩa.
Để kiểm định tính phù hợp của mô hình, cần đánh giá xem giá trị R2 khác 0 có ý
tot nghiep do wn load thyj uyi pl aluan van full moi nhat z z vbhtj mk gmail.com Luan van retey thac si cdeg jg hg
nghĩa thống kê hay không. Do đó, tác giả tiến hành kiểm định này với giả thiết:
H0: R2 = 0, mô hình hồi quy không phù hợp H1: R2 > 0, mô hình hồi quy phù hợp
Với mức ý nghĩa 5%, giá trị P_value được sử dụng trong kiểm định này để đưa ra kết luận:
Nếu P_value < 0,05 thì bác bỏ giả thiết H0, mô hình hồi quy phù hợp.
Nếu P_value > 0,05 thì chấp nhận giả thiết H0, mô hình hồi quy không phù hợp.
Kiểm định về vấn đề đa cộng tuyến
Vấn đề đa cộng tuyến xảy ra khi các biến độc lập tương quan với nhau. Đây là vấn đề không thể loại bỏ hoàn toàn trong thống kê, vì vậy mức độ đa cộng tuyến càng thấp thì càng tốt. Để kiểm định vấn đề đa cộng tuyến, tác giả tiến hành chạy các mô hình hồi quy phụ giữa một biến độc lập với các biến độc lập còn lại. Số mô hình hồi quy phụ bằng với số biến độc lập của mô hình hồi quy chính. Sau đó, chúng ta xét đến nhân tử phóng đại phương sai (VIF – Variance Inflation Factor):
VIFj = 1/(1 – Rj2)
Trong đó Rj2 là hệ số xác định của các mô hình hồi quy phụ. Khi Rj2 càng gần 1 hay VIFj càng lớn thì mức độ cộng tuyến của các biến độc lập càng cao.
Quy tắc kinh nghiệm để xem xét vấn đề đa cộng tuyến của mô hình là: Nếu VIFj >
10 tức là Rj2 > 0.9 thì mức độ đa cộng tuyến được xem là cao.
Kiểm định về vấn đề tự tương quan
Tự tương quan là sự tương quan giữa sai số của quan sát này với sai số của quan sát khác. Tác giả sử dụng kiểm định Durbin – Watson để kiểm định tự tương quan của các biến trong mô hình. Phương pháp kinh nghiệm để phát hiện tình trạng tự tương quan như sau:
Nếu 0 < d < 1 thì mô hình có sự tự tương quan dương
Nếu 1 < d < 3 thì mô hình không có sự tự tương quan
Nấu 3 < d < 4 thì mô hình có sự tự tương quan âm
tot nghiep do wn load thyj uyi pl aluan van full moi nhat z z vbhtj mk gmail.com Luan van retey thac si cdeg jg hg