Luận văn: PPNC tác động đến khả năng thanh khoản của các NH

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC tác động đến khả năng thanh khoản của các NH hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Các yếu tố tác động đến khả năng thanh khoản của các Ngân hàng thương mại Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

3.1. Mô hình nghiên cứu và các giả thuyết

3.1.1. Mô hình nghiên cứu

Để phân tích các yếu tố tác động đến thanh khoản ngân hàng, nghiên cứu này kế thừa phương pháp nghiên cứu định lượng và mô hình hồi quy tuyến tính được vận dụng trong nhiều nghiên cứu trước đây như của Singh & Sharma (2016), Shah & cộng sự (2018), Husni & cộng sự (2022),… Mô hình nghiên cứu giúp làm rõ các yếu tố nội tại và yếu tố vĩ mô có tác động quan trọng đến thanh khoản. Trong đó, có xét đến tác động của cú sốc kinh tế do đại dịch Covid-19 thông qua biến giả COVID. Cụ thể, mô hình nghiên cứu đề xuất có dạng như sau:

• LIQ_i,t = α + β₁SIZE_i,t + β₂CAP_i,t + β₃ROE_i,t + β₄DEP_i,t + β₅LDR_i,t + β₆NPL_i,t + λ₁COVID_t + λ₂INF_t + λ₃GPD_t + ε_i,t

Trong đó:

• LIQ: Khả năng thanh khoản SIZE: Quy mô của ngân hàng CAP: Tỷ lệ vốn chủ sở hữu
• ROE: Tỷ suất sinh lời trên vốn chủ sở hữu DEP: Tỷ lệ tiền gửi
• LDR: Tỷ lệ dư nợ cho vay trên tiền gửi NPL: Tỷ lệ nợ xấu
• COVID: Giai đoạn đại dịch Covid-19 GDP: Tốc độ tăng trưởng kinh tế INF: Tỷ lệ lạm phát
• α: Hằng số
• β_1,…,6: Hệ số nhân tố đặc trưng của ngân hàng λ_1,2,3: Hệ số nhân tố vĩ mô
• i: Đại diện cho các NHTM (i=1,… ,29)
• t: Đại diện cho thời gian từ năm 2010 đến 2023 ε: Sai số ngẫu nhiên

3.1.2. Mô tả các biến và giả thuyết nghiên cứu

• Biến phụ thuộc: Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Khả năng thanh khoản (LIQ) được sử dụng làm biến phụ thuộc trong mô hình nghiên cứu này, phản ánh mức độ sẵn sàng của ngân hàng trong việc đáp ứng các nghĩa vụ tài chính ngắn hạn và dữ liệu được xác định trong giai đoạn 2010 – 2023 với mục tiêu tìm ra mối tương quan tác động từ các biến độc lập đến thanh khoản. Chỉ số này được đo lường thông qua tỷ lệ giữa tài sản có tính thanh khoản cao so với tổng tài sản, trong đó tài sản thanh khoản được xác định tại Thông tư số 22/2019/TT-NHNN của NHNN.

• Công thức tính: Thanh khoản = Tài sản có tính thanh khoản cao/Tổng tài sản

Cách đo lường này đã được các tác giả trên thế giới sử dụng trong nhiều nghiên cứu trước đó như của Shah & cộng sự (2018), Al-Qudah (2020),… cùng một số tác giả tại Việt Nam. Các nghiên cứu này nhìn chung cho thấy rằng thanh khoản cao giúp ngân hàng có khả năng đáp ứng tốt nghĩa vụ chi trả, nhưng quá trình duy trì thanh khoản cao cũng có thể kéo theo chi phí cơ hội do phần lớn tài sản thanh khoản thường mang lại lợi suất thấp.

• Các biến độc lập:

Thứ nhất, quy mô của ngân hàng (SIZE) thường được tính bằng logarit tự nhiên của tổng tài sản. Quy mô phản ánh năng lực tài chính, quy mô hoạt động và mức độ tin cậy của ngân hàng, có thể ảnh hưởng đến khả năng huy động vốn và thanh khoản.

• Công thức tính: SIZE = Ln(Tổng tài sản)

Tác động của quy mô ngân hàng đến thanh khoản vẫn chưa thống nhất trong các nghiên cứu trước. Theo nghiên cứu của Ahamed (2021), Kasana & cộng sự (2022), Husni & cộng sự (2022) phát hiện mối tương quan dương với thanh khoản ngân hàng, trong khi các tác giả như Singh & Sharma (2016), Al-Qudah (2020), Nguyễn Hoàng Phong & Phan Thị Thu Hà (2017), Nguyễn Thị Tuyết Nga (2019), Đỗ Thu Hằng & cộng sự (2022), Đặng Thị Quỳnh Anh & Trần Lê Mai Anh (2022), Vũ Cẩm Nhung & cộng sự (2023) cho kết quả ngược lại. Trên cơ sở đó, biến quy mô ngân hàng (SIZE) được sử dụng trong nghiên cứu này và tác giả đưa ra giả thuyết sau đây: Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Giả thuyết (H1-): Quy mô ngân hàng có mối tương quan âm với khả năng thanh khoản ngân hàng.

Thứ hai, tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAP) được xác định bằng tỷ số giữa tổng vốn chủ sở hữu và tổng tài sản của ngân hàng, phản ánh mức độ an toàn tài chính và khả năng chống chịu rủi ro của ngân hàng, có thể giúp giảm áp lực thanh khoản.

• Công thức tính: CAP = Tổng vốn chủ sở hữu/Tổng tài sản

Tuy nhiên, tác động của tỷ lệ vốn chủ sở hữu đến thanh khoản ngân hàng từ các nghiên cứu trước cũng chưa thống nhất. Nhiều tác giả ghi nhận tác động dương như Singh & Sharma (2016), Al-Qudah (2020), Husni & cộng sự (2022), Nguyễn Thị Tuyết Nga (2019), Vũ Cẩm Nhung & cộng sự (2023). Trong khi đó, Moussa (2015), Ahamed (2021), Kasana & cộng sự (2022) lại phát hiện mối liên hệ nghịch chiều với thanh khoản. Từ đó, nghiên cứu này tác giả sử dụng tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAP) để phân tích và đề xuất giả thuyết sau đây:

Giả thuyết (H2+): Tỷ lệ vốn chủ sở hữu có mối tương quan dương với khả năng thanh khoản ngân hàng.

Thứ ba, tỷ suất sinh lời trên vốn chủ sở hữu (ROE) phản ánh hiệu quả sử dụng vốn chủ sở hữu của ngân hàng, được xác định bằng tỷ số giữa lợi nhuận sau thuế và vốn chủ sở hữu bình quân. Chỉ số ROE cao thường thể hiện ngân hàng hoạt động hiệu quả, tăng khả năng thu hút vốn, góp phần cải thiện tính thanh khoản. Tuy nhiên, có thể làm gia tăng rủi ro thanh khoản nếu lợi nhuận đến từ các khoản đầu tư kém thanh khoản. Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

• Công thức tính: ROE = Lợi nhuận sau thuế/Vốn chủ sở hữu bình quân

Các nghiên cứu thực nghiệm về mối quan hệ giữa ROE và thanh khoản ngân hàng cũng đưa ra các kết quả trái chiều. Một số nghiên cứu như của Moussa (2015), Kasana & cộng sự (2022), Vũ Cẩm Nhung & cộng sự (2023) cho kết quả ROE có mối liên hệ thuận chiều với thanh khoản. Ngược lại, nghiên cứu Ahamed (2021), Nguyễn Hoàng Phong & Phan Thị Thu Hà (2017), Nguyễn Thị Tuyết Nga (2019) lại ghi nhận mối quan hệ nghịch chiều. Dựa trên các lập luận, trong bài nghiên cứu này sử dụng tỷ suất sinh lời trên vốn chủ sở hữu (ROE) và tác giả đề xuất giả thuyết:

Giả thuyết (H3+): Tỷ suất sinh lời trên vốn chủ sở hữu có mối tương quan dương với khả năng thanh khoản ngân hàng.

Thứ bốn, tỷ lệ tiền gửi (DEP) đo lường mức độ phụ thuộc của ngân hàng vào nguồn vốn huy động từ khách hàng, được tính bằng tổng tiền gửi huy động chia cho tổng tài sản của ngân hàng. Tiền gửi là nguồn vốn chủ yếu trong hoạt động của ngân hàng, hỗ trợ nâng cao năng lực cho vay và tăng khả năng thanh khoản. Nhiều nghiên cứu cho thấy DEP cao giúp cải thiện thanh khoản, song nếu quản lý không hiệu quả, tiền gửi vẫn có thể trở thành rủi ro thanh khoản khi khách hàng rút tiền đột ngột.

• Công thức tính: DEP = Tiền gửi huy động/Tổng tài sản

Theo kết quả nghiên cứu của Al-Qudah (2020), Kasana & cộng sự (2022), Nguyễn Hoàng Phong & Phan Thị Thu Hà (2017), Nguyễn Thị Tuyết Nga (2019) cho kết quả về mối tương quan dương giữa tỷ lệ tiền gửi và thanh khoản ngân hàng. Trong khi nghiên cứu của Shah & cộng sự (2018) chỉ ra tỷ lệ này có tác động nghịch chiều. Do đó, trong nghiên cứu này tác giả sử dụng biến tỷ lệ tiền gửi trên tổng tài sản (DEP) để đánh giá và đưa ra giả thuyết sau đây:

Giả thuyết (H4+): Tỷ lệ tiền gửi có mối tương quan dương với khả năng thanh khoản ngân hàng.

Thứ năm, tỷ lệ dư nợ cho vay trên tiền gửi (LDR) phản ánh mức độ sử dụng nguồn tiền gửi để cho vay, được tính bằng tổng dư nợ cho vay đã cấp chia cho tổng tiền gửi của ngân hàng. LDR cao cho thấy ngân hàng đang sử dụng đa phần tiền gửi để cấp tín dụng, điều này báo hiệu sự suy giảm thanh khoản nếu ngân hàng không còn đủ tiền gửi để thực hiện nhu cầu rút tiền hoặc chi trả các nghĩa vụ ngắn hạn. Ngược lại, khi tỷ lệ LDR thấp điều đó phản ánh các khoản cho vay đang thấp hơn so với lượng tiền gửi mà ngân hàng huy động được, nguồn dự trữ thanh khoản lớn làm cho khả năng thanh khoản của ngân hàng tăng.

• Công thức tính: LDR = Tổng dư nợ cho vay/Tổng tiền gửi

Tương tự các biến khác, ảnh hưởng của LDR đến thanh khoản trong các nghiên cứu trước cũng chưa có sự đồng thuận. Một số nghiên cứu như của Ahamed (2021), Đặng Thị Quỳnh Anh & Trần Lê Mai Anh (2022), Vũ Cẩm Nhung & cộng sự (2023) chỉ ra LDR có mối tương quan âm với thanh khoản, trong khi Simsek (2019) lại cho kết quả ngược lại. Dựa vào lý luận và bằng chứng thực nghiệm, nghiên cứu này cũng sử dụng tỷ lệ dư nợ cho vay trên tổng tiền gửi của ngân hàng và tác giả đặt ra giả thuyết sau đây: Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Giả thuyết (H5-): Tỷ lệ dư nợ cho vay trên tổng tiền gửi có mối tương quan âm với khả năng thanh khoản ngân hàng.

Thứ sáu, tỷ lệ nợ xấu (NPL) phản ánh mức độ rủi ro tín dụng và ảnh hưởng đến vốn khả dụng của ngân hàng, được tính bằng tổng nợ xấu (các khoản nợ xấu thuộc nợ nhóm 3, 4 và 5) chia cho tổng dư nợ cho vay. Khi tỷ lệ nợ xấu cao đồng nghĩa khả năng thu hồi vốn kém, áp lực dự phòng cao, ảnh hưởng nghịch chiều đến thanh khoản.

• Công thức tính: NPL = Tổng nợ xấu/Tổng dư nợ

Tuy vậy kết quả từ các nghiên cứu trước về tác động của tỷ lệ nợ xấu lên thanh khoản cho thấy sự không thống nhất. Một số tác giả như Vodová (2011), Vũ Cẩm Nhung & cộng sự (2023) cho rằng nợ xấu có thể liên quan thuận chiều đến thanh khoản do ngân hàng duy trì mức thanh khoản cao để phòng ngừa rủi ro. Ngược lại, Singh & Sharma (2016), Al-Qudah (2020), Husni & cộng sự (2022), Nguyễn Hoàng Phong & Phan Thị Thu Hà (2017), Đỗ Thu Hằng & cộng sự (2022), Đặng Thị Quỳnh Anh & Trần Lê Mai Anh (2022) lại cho thấy tác động nghịch chiều. Trong nghiên cứu này, tỷ lệ nợ xấu được sử dụng như một biến độc lập, với giả thuyết như sau:

Giả thuyết (H6-): Tỷ lệ nợ xấu có mối tương quan âm với khả năng thanh khoản ngân hàng.

Thứ bảy, giai đoạn đại dịch Covid-19 (COVID). Trong bối cảnh khủng hoảng như đại dịch Covid-19, thanh khoản ngân hàng có thể chịu ảnh hưởng do thay đổi về hành vi tài chính của khách hàng và hoạt động kinh tế. Một số nghiên cứu như Vodová (2011), Husni & cộng sự (2022) sử dụng biến giả để đo lường tác động của khủng hoảng tài chính và đều ghi nhận tác động nghịch chiều đến thanh khoản. Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Trong nghiên cứu này, tác động của đại dịch Covid-19 được đưa vào mô hình thông qua biến giả COVID, với giá trị bằng 0 cho giai đoạn 2010 – 2019 (trước đại dịch) và bằng 1 cho giai đoạn 2020 – 2023 (trong và sau đại dịch) nhằm đánh giá mức độ ảnh hưởng của đại dịch đối với thanh khoản của các NHTM tại Việt Nam như thế nào? Với điều kiện tại Việt Nam, mặc dù ảnh hưởng của Covid-19 chưa quá rõ rệt nhưng nghiên cứu kỳ vọng mối quan hệ cùng chiều giữa đại dịch và thanh khoản ngân hàng do chính sách hỗ trợ của Chính phủ và NHNN.

Giả thuyết (H7+): Đại dịch Covid-19 có mối tương quan dương với khả năng thanh khoản ngân hàng.

Thứ tám, tốc độ tăng trưởng của nền kinh tế (GDP) phản ánh mức độ sôi động của nền kinh tế, được đo bằng tỷ lệ tăng trưởng GDP hàng năm, có thể tạo điều kiện thuận lợi cho dòng tiền và nâng cao thanh khoản, song nghiên cứu trước chưa thống nhất kết luận.

Một số tác giả như Singh & Sharma (2016), Husni & cộng sự (2022), Kasana & cộng sự (2022), Nguyễn Hoàng Phong & Phan Thị Thu Hà (2017), Đỗ Thu Hằng & cộng sự (2022) ghi nhận mối quan hệ cùng chiều giữa tăng trưởng GDP và thanh khoản, trong khi Al-Qudah (2020), Ahamed (2021) lại phát hiện tác động ngược chiều. Dựa trên những kết quả đó, nghiên cứu này đề xuất giả thuyết sau:

Giả thuyết (H8+): Tốc độ tăng trưởng kinh tế có mối tương quan dương với khả năng thanh khoản ngân hàng.

Thứ chín, tỷ lệ lạm phát của nền kinh tế (INF) là một chỉ số quan trọng phản ánh sự thay đổi giá cả hàng hóa và dịch vụ trong nền kinh tế, được đo lường bằng chỉ số giá tiêu dùng (CPI). Lạm phát có thể ảnh hưởng trực tiếp đến khả năng thanh khoản của ngân hàng thông qua tác động đến tiền gửi, tín dụng và lãi suất.

Kết quả các nghiên cứu trước về ảnh hưởng của lạm phát đến thanh khoản ngân hàng cũng còn nhiều khác biệt. Nghiên cứu của Al-Qudah (2020), Ahamed (2021), Vũ Cẩm Nhung & cộng sự (2023) cho rằng lạm phát có ảnh hưởng thuận chiều lên thanh khoản ngân hàng, trong khi Vodová (2011), Husni & cộng sự (2022), Kasana & cộng sự (2022), Nguyễn Hoàng Phong & Phan Thị Thu Hà (2017), Nguyễn Thị Tuyết Nga (2019) lại chỉ ra tác động nghịch chiều. Do đó, nghiên cứu này đưa ra giả thuyết như sau:

Giả thuyết (H9+): Tỷ lệ lạm phát có mối tương quan dương với khả năng thanh khoản ngân hàng.

• Bảng 3.1: Tóm tắt các biến trong mô hình nghiên cứu

3.2. Mẫu dữ liệu nghiên cứu Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Trong nghiên cứu này, tác giả sử dụng dữ liệu tài chính của các NHTM để phản ánh các yếu tố nội tại, được thu thập từ BCTC thường niên đã được kiểm toán của 29 NHTM trong giai đoạn 2010 – 2023. Các dữ liệu kinh tế vĩ mô đại diện cho yếu tố bên ngoài được lấy từ Tổng cục Thống kê Việt Nam (GSO). Nguồn thu thập BCTC bao gồm website chính thức của các ngân hàng, các công ty chứng khoán và những nguồn dữ liệu tài chính đáng tin cậy khác.

Tính đến ngày 31/12/2023, theo Ngân hàng Nhà nước Việt Nam (SBV), hệ thống ngân hàng có 46 NHTM đang hoạt động tại Việt Nam, bao gồm: 4 NHTM có vốn Nhà nước, 31 ngân hàng TMCP, 9 ngân hàng 100% vốn nước ngoài và 2 ngân hàng liên doanh. Trong nghiên cứu này, tác giả không xét đến các ngân hàng liên doanh và ngân hàng nước ngoài do sự khác biệt về mô hình hoạt động và BCTC. Đồng thời, do hạn chế trong việc tiếp cận đầy đủ dữ liệu tài chính hằng năm từ một số ngân hàng nên mẫu nghiên cứu chỉ bao gồm 29 NHTM có quy mô tài sản lớn nhằm mang tính đại diện cho tổng thể toàn khối NHTM tại Việt Nam.

Sau khi thu thập dữ liệu, các chỉ số tài chính được tính toán dựa vào các khoản mục trong BCTC thường niên từ năm 2010 đến 2023 của 29 NHTM Việt Nam được lựa chọn. Dữ liệu sau khi tính toán sẽ được chuyển đổi thành các biến định lượng phù hợp với mô hình nghiên cứu thông qua phần mềm Microsoft Excel. Từ đó tác giả xây dựng dữ liệu với tổng số quan sát là 402 (tương ứng với 14 năm * 29 NHTM, trừ đi 4 quan sát bị thiếu thuộc về 2 ngân hàng do tác giả không tìm thấy được BCTC kiểm toán đó là Ngân hàng TMCP Sài Gòn (SCB) năm 2021, 2022, 2023 và Ngân hàng TMCP Bắc Á (BAB) năm 2010) trên mỗi biến, hình thành nên dạng dữ liệu bảng không cân bằng.

Sau khi xử lý sơ bộ, bảng dữ liệu Excel được nhập vào phần mềm STATA 15.1 để thực hiện các phân tích định lượng và kiểm định giả thuyết nghiên cứu. Việc sử dụng dữ liệu bảng giúp kiểm soát các yếu tố không quan sát được và phân tích sự thay đổi theo thời gian của từng ngân hàng, từ đó nâng cao tính chính xác và độ tin cậy của kết quả nghiên cứu. Mẫu dữ liệu này cho phép tác giả đánh giá một cách toàn diện các yếu tố nội tại và vĩ mô tác động đến khả năng thanh khoản của hệ thống NHTM Việt Nam. Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

3.3. Phương pháp nghiên cứu

Nghiên cứu áp dụng phương pháp định lượng thông qua hồi quy đa biến với dữ liệu bảng (panel data) của 29 NHTM Việt Nam trong khoảng thời gian 2010 – 2023. Các phân tích và kiểm định được thực hiện thông qua phần mềm STATA 15.1 nhằm đảm bảo độ chính xác trong ước lượng và kiểm định mô hình. Mô hình hồi quy bao gồm một biến phụ thuộc phản ánh khả năng thanh khoản và 9 biến độc lập đại diện cho các yếu tố nội tại và vĩ mô. Trong quá trình thực hiện, mô hình có thể gặp phải các vấn đề kỹ thuật thường gặp trong hồi quy như hiện tượng đa cộng tuyến (multicollinearity), phương sai sai số thay đổi (heteroskedasticity), tự tương quan (autocorrelation) và hiện tượng nội sinh (endogeneity). Do đó, nghiên cứu triển khai tuần tự các kỹ thuật hồi quy và kiểm định phù hợp nhằm đảm bảo tính đúng đắn và hiệu quả của mô hình, bao gồm: Mô hình hồi quy gộp (Pooled Ordinary Least Squares – Pooled OLS), mô hình hiệu ứng cố định (Fixed Effects Model – FEM), mô hình hiệu ứng ngẫu nhiên (Random Effects Model – REM), phương pháp bình phương tổng quát khả thi (Feasible Generalized Least Squares – FGLS) và phương pháp mô men tổng quát (Generalized Method of Moments – GMM).

Quy trình nghiên cứu được tiến hành theo các bước sau:

• Bước 1: Xác định các biến số nghiên cứu

Xác định các yếu tố nội tại của ngân hàng và các yếu tố kinh tế vĩ mô có khả năng ảnh hưởng đến khả năng thanh khoản.

• Bước 2: Mã hóa các biến quan sát

Chuyển đổi các chỉ tiêu định lượng sang dạng biến phù hợp với mô hình định lượng.

• Bước 3: Thu thập và xử lý số liệu theo mô hình nghiên cứu

Sử dụng Microsoft Excel để tổ chức và chuẩn hóa dữ liệu, sau đó chuyển vào phần mềm STATA 15.1 để tiến hành phân tích.

• Bước 4: Thống kê mô tả dữ liệu Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Mô tả các đặc trưng của dữ liệu như giá trị trung bình, giá trị lớn nhất, nhỏ nhất và độ lệch chuẩn của các biến phụ thuộc. Qua đó, giúp tóm lược và trình bày các xu hướng chung của mẫu dữ liệu một cách rõ ràng, dễ hiểu trước khi đi vào các phân tích hồi quy.

• Bước 5: Kiểm định và lựa chọn mô hình phù hợp.

Kiểm định hiện tượng đa cộng tuyến;

Hồi quy lần lượt các mô hình: Pooled OLS, FEM và REM; Lựa chọn mô hình phù hợp dựa trên các kiểm định sau:

• F-test để lựa chọn giữa mô hình Pooled OLS và FEM;
• Breusch-Pagan Lagrangian để lựa chọn giữa mô hình Pooled OLS và REM;
• Hausman để lựa chọn giữa mô hình FEM và REM;

Bước 6: Kiểm định và khắc phục các vi phạm giả định hồi quy

Thực hiện kiểm định Modified Wald để phát hiện phương sai sai số thay đổi. Áp dụng kiểm định Wooldridge để phát hiện tự tương quan trong dữ liệu bảng.

Khi mô hình tồn tại phương sai thay đổi và/hoặc tự tương quan, áp dụng FGLS để ước lượng, nhằm đảm bảo tính hiệu quả của các hệ số.

• Bước 7: Kiểm định hiện tượng nội sinh và áp dụng GMM (nếu cần)

Kiểm định nội sinh được thực hiện kiểm định Durbin và Wu–Hausman thông qua hồi quy bình phương tối thiểu hai giai đoạn (Two-stage least squares – 2SLS). Trong trường hợp phát hiện biến nội sinh, mô hình được ước lượng lại bằng phương pháp GMM nhằm khắc phục sai lệch và đảm bảo tính nhất quán của ước lượng.

• Bước 8: Trình bày và thảo luận kết quả nghiên cứu

Diễn giải các hệ số hồi quy, đánh giá ý nghĩa thống kê và kinh tế của các biến, từ đó đưa ra các hàm ý chính sách liên quan đến quản trị thanh khoản ngân hàng.

3.4. Quy trình kiểm định hồi quy các mô hình nghiên cứu Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

3.4.1. Kiểm định hiện tượng đa cộng tuyến

Trong phân tích hồi quy tuyến tính bội, đa cộng tuyến là một vấn đề kỹ thuật phổ biến khi các biến độc lập có mối tương quan tuyến tính cao với nhau. Hiện tượng này có thể làm lệch lạc trong việc ước lượng hệ số hồi quy, làm giảm độ tin cậy của các kiểm định thống kê và ảnh hưởng nghịch chiều đến khả năng giải thích của mô hình.

Một trong những phương pháp phổ biến để phát hiện đa cộng tuyến là hệ số phóng đại phương sai (VIF – Variance Inflation Factor). VIF đo lường mức độ mà phương sai của một hệ số ước lượng tăng lên do sự hiện diện của mối tương quan với các biến độc lập khác trong mô hình. Công thức tính VIF cho hệ số hồi quy là:

VIF = 1/(1 – R ²), với R ² là hệ số xác định khi biến độc lập 𝑖 được hồi quy với các biến độc lập khác.

VIF cao cho biết hệ số ước lượng liên quan có tính đa cộng tuyến cao, trong khi VIF thấp cho thấy điều ngược lại. Theo nguyên tắc thông thường, giá trị VIF vượt quá 10 cho thấy đa cộng tuyến nghiêm trọng và cần được điều chỉnh.

Ngoài ra, hệ số tương quan giữa các cặp biến độc lập cũng được sử dụng như một công cụ định tính để nhận diện khả năng xảy ra đa cộng tuyến. Khi hệ số tương quan giữa hai biến độc lập vượt quá ± 0,8, cần xem xét loại bỏ một trong hai biến có hệ số tương quan cao, thu thập thêm dữ liệu hoặc sử dụng các kỹ thuật biển đổi mô hình hồi quy như Ridge, Lasso hoặc phân tích thành phần chính (Principal Component Regression – PCR) nhằm khắc phục tình trạng này.

3.4.2. Kiểm tra và lựa chọn mô hình phù hợp Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Nghiên cứu sử dụng dữ liệu bảng với nhiều đơn vị quan sát theo thời gian, do đó cần lựa chọn phương pháp hồi quy phù hợp nhằm phản ánh chính xác mối quan hệ giữa các biến. Nghiên cứu triển khai ba phương pháp hồi quy phổ biến: Pooled OLS, FEM và REM.

Phương pháp hồi quy gộp (Pooled OLS) phản ánh mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập mà không tính đến sự khác biệt theo không gian và thời gian giữa các đối tượng trong nghiên cứu mà coi tất cả các quan sát như đồng nhất – các hệ số không đổi, điều này có thể dẫn đến sai lệch và mô hình không phản ánh đúng điều kiện thực tế do bỏ qua đặc điểm của từng đối tượng.

Phương pháp tác động cố định (FEM) cho phép tính đến các đặc điểm riêng của từng đối tượng trong nghiên cứu mà không thể đo lường hoặc không thay đổi theo thời gian, tập trung vào việc phân tích mức độ tác động của các biến độc lập đối với biến phụ thuộc. FEM giúp tránh được thiên lệch từ các yếu tố không quan sát được gây ra. Tuy nhiên, FEM sử dụng nhiều bậc tự do hơn khi số biến giả lớn, dẫn đến giảm độ chính xác khi số quan sát không lớn.

Phương pháp tác động ngẫu nhiên (REM) giả định rằng các yếu tố đặc thù của từng đơn vị là ngẫu nhiên và không tương quan với các biến độc lập, cho phép ước lượng các biến không thay đổi theo thời gian, do đó tự tương quan là một vấn đề tiềm tàng trong mô hình này cần phải giải quyết. Phương pháp cũng có ưu điểm là khi số lượng đối tượng nghiên cứu lớn, giúp mô hình trở nên đơn giản hơn và tiết kiệm bậc tự do hơn mặc dù có thể phải giải quyết vấn đề tự tương quan.

Để kiểm tra và lựa chọn mô hình thích hợp, nghiên cứu áp dụng ba kiểm định thống kê sau:

• Kiểm định F-test: So sánh chọn giữa Pooled OLS hay FEM là tốt hơn. Nếu p-value ≤ 5%, chọn FEM; ngược lại, chọn Pooled OLS.
• Kiểm định Breusch-Pagan Lagrangian: Giúp chọn giữa Pooled OLS và REM. Nếu p-value ≤ 5%, chọn REM; ngược lại, chọn Pooled OLS.
• Kiểm định Hausman: Dùng để lựa chọn giữa FEM và REM, với p-value ≤ 5%, chọn FEM, ngược lại chọn REM.

3.4.3. Kiểm tra và khắc phục vi phạm các giả định của mô hình

3.4.3.1. Kiểm định hiện tượng phương sai thay đổi Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Phương sai sai số thay đổi là hiện tượng phổ biến trong mô hình dữ liệu bảng, ảnh hưởng đến tính hiệu quả của các ước lượng. Để phát hiện hiện tượng này trong mô hình REM, kiểm định Modified Wald được sử dụng với giả thuyết:

• H₀: Không có hiện tượng phương sai sai số thay đổi H₁: Có hiện tượng phương sai sai số thay đổi
• Nếu p-value ≤ 5% sẽ chấp nhận giả thuyết H₁, bác bỏ giả thuyết H₀ và kết luận tồn tại phương sai sai số thay đổi trong mô hình.

3.4.3.2. Kiểm định hiện tượng tự tương quan

Tự tương quan xảy ra khi các sai số trong mô hình có mối tương quan với nhau qua các thời điểm, làm giảm tính hiệu quả và độ chính xác của mô hình hồi quy.

Trong nghiên cứu này, kiểm định Wooldridge được sử dụng để phát hiện tự tương quan bậc nhất trong mô hình FEM, với giả thuyết:

• H₀: Không có hiện tượng tự tương H₁: Có hiện tượng tự tương
• Nếu p-value ≤ 5% chấp nhận H₁, bác bỏ H₀, cho thấy có sự tồn tại của tự tương quan trong mô hình.

Nếu mô hình gặp phải hiện tượng phương sai thay đổi và/hoặc tự tương quan thì phương pháp FGLS có thể kiểm soát cả hai hiện tượng này.

3.4.3.3. Hồi quy bình phương tối thiểu tổng quát khả thi (FGLS)

Phương pháp hồi quy bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares – FGLS) được sử dụng khi các giả định của phương pháp hồi quy Pooled OLS không được thỏa mãn, đặc biệt khi có phương sai thay đổi và tự tương quan xuất hiện. Phương pháp FGLS cải thiện chất lượng ước lượng bằng cách tính toán ma trận phương sai của sai số từ mô hình ban đầu, sau đó sử dụng ma trận phương sai đã ước lượng để biến đổi các biến nhằm nâng cao độ chính xác và hiệu quả của mô hình, đặc biệt hữu ích trong phân tích dữ liệu bảng và chuỗi thời gian, nơi các quan sát có thể phụ thuộc lẫn nhau hoặc có sự biến động về phương sai theo thời gian. FGLS giúp khắc phục những hạn chế do phương sai sai số không đồng nhất và tự tương quan, giúp tăng độ chính xác của các ước lượng và cải thiện chất lượng các kết luận của nghiên cứu.

3.4.4. Kiểm tra tính nội sinh và hồi quy mô men tổng quát (GMM) Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Trong các nghiên cứu về ngân hàng, hiện tượng nội sinh thường phát sinh do mối quan hệ hai chiều giữa các biến (chẳng hạn giữa khả năng thanh khoản và tỷ lệ cho vay, huy động hoặc lợi nhuận), khiến các ước lượng OLS, FEM hoặc REM trở nên thiên lệch và không hiệu quả.

Để kiểm tra khả năng tồn tại nội sinh trong mô hình, nghiên cứu thực hiện kiểm định Durbin và Wu–Hausman thông qua hồi quy bình phương tối thiểu hai giai đoạn (Two-stage least squares – 2SLS) với giả thuyết:

• H₀: Không có hiện tượng nội sinh (các biến ngoại sinh) H₁: Có hiện tượng nội sinh
• Nếu p-value ≤ 5% chấp nhận H₁, bác bỏ H₀ kết luận có hiện tượng nội sinh trong mô hình

Để xử lý vấn đề này, nghiên cứu chuyển sang áp dụng phương pháp mô men tổng quát (Generalized Method of Moments – GMM) ước lượng thích hợp cho dữ liệu bảng động, đặc biệt khi mô hình có biến phụ thuộc trễ (lagged dependent variable). Cụ thể, nghiên cứu áp dụng mô hình System-GMM do Arellano & Bover (1995), Blundell & Bond (1998) đề xuất, cho phép sử dụng các biến công cụ nội sinh (instrumental variables) được hình thành từ chính giá trị trễ của các biến trong mô hình, giúp loại bỏ sai lệch do nội sinh. Trong đó, mô hình được đánh giá qua các tiêu chuẩn:

Điều kiện về số công cụ và số nhóm quan sát phải đảm bảo số công cụ không vượt quá số nhóm.

Kiểm định Arellano–Bond AR(2) để phát hiện hiện tượng tự tương quan bậc hai với giả thuyết:

• H₀: Không có tự tương quan bậc hai H₁: Có tự tương quan bậc hai
• Nếu p-value > 10% chấp nhận H₀, bác bỏ H₁ kết luận không xảy ra tự tương quan.

Kiểm định Sargan/Hansen để kiểm tra tính hợp lệ của các biến công cụ với giả thuyết:

• H₀: Biến công cụ là hợp lệ (ngoại sinh) H₁: Biến công cụ không hợp lệ
• Nếu p-value > 10% chấp nhận H₀, bác bỏ H₁ kết luận biến công cụ hợp lệ.

Nếu mô hình không có tự tương quan bậc hai và các công cụ là hợp lệ, thì kết quả ước lượng GMM được xem là vững chắc và đáng tin cậy, góp phần kiểm định độ bền của mô hình hồi quy chính.

TÓM TẮT CHƯƠNG 3 Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

Chương 3 trình bày cụ thể quy trình nghiên cứu được thực hiện nhằm phân tích các yếu tố tác động đến khả năng thanh khoản của các NHTM tại Việt Nam trong giai đoạn 2010 – 2023. Trên cơ sở tổng hợp lý thuyết nền tảng và kết quả từ các nghiên cứu trước, mô hình nghiên cứu được xây dựng với biến phụ thuộc là khả năng thanh khoản (LIQ) và chín biến độc lập. Trong đó, sáu biến phản ánh đặc điểm nội tại của ngân hàng gồm: Quy mô tổng ngân hàng (SIZE), tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAP), tỷ suất sinh lời trên vốn chủ sở hữu (ROE), tỷ lệ tiền gửi trên tổng tài sản (DEP), tỷ lệ dư nợ cho vay trên tiền gửi (LDR) và tỷ lệ nợ xấu (NPL); ba biến còn lại đại diện cho các yếu tố vĩ mô, bao gồm: Tác động của đại dịch Covid-19 (COVID), tốc độ tăng trưởng kinh tế (GDP) và tỷ lệ lạm phát (INF). Dữ liệu sử dụng trong nghiên cứu được thu thập từ BCTC đã kiểm toán của 29 NHTM và các nguồn thống kê chính thức trong nước. Phần mềm STATA 15.1 được sử dụng để xử lý và phân tích dữ liệu. Các phương pháp hồi quy bao gồm Pooled OLS, FEM, REM lần lượt được áp dụng nhằm lựa chọn mô hình ước lượng phù hợp, khắc phục các vi phạm giả định như phương sai thay đổi và tự tương quan bằng hồi quy FGLS, sau đó kiểm định nội sinh và ước lượng GMM, qua đó nâng cao độ tin cậy của kết quả nghiên cứu.

Chương 4 sẽ tiếp tục với phần phân tích và thảo luận kết quả thực nghiệm để xác định rõ mức độ tác động của từng yếu tố đến khả năng thanh khoản của các NHTM Việt Nam. Luận văn: PPNC tác động đến khả năng thanh khoản của các NH.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: KQNC tác động đến khả năng thanh khoản của các NH

Dịch Vụ Viết Luận Văn 24/7 Chuyên cung cấp dịch vụ làm luận văn thạc sĩ, báo cáo tốt nghiệp, khóa luận tốt nghiệp, chuyên đề tốt nghiệp và Làm Tiểu Luận Môn luôn luôn uy tín hàng đầu. Dịch Vụ Viết Luận Văn 24/7 luôn đặt lợi ích của các bạn học viên là ưu tiên hàng đầu. Rất mong được hỗ trợ các bạn học viên khi làm bài tốt nghiệp. Hãy liên hệ ngay Dịch Vụ Viết Luận Văn qua Website:  https://hotrovietluanvan.com/ – Hoặc Gmail: hotrovietluanvan24@gmail.com