Tải bản đầy đủ - 0 (trang)
1 Mô hình nghiên cứu

1 Mô hình nghiên cứu

Tải bản đầy đủ - 0trang

18



model (FEM) hay Random-effects model (REM). Tuy nhiên, đối với dạng dữ liệu bảng

hỗn hợp (panel data) thì OLS khơng phải là một lựa chọn hợp lý vì phương pháp này là

phương pháp ước lượng đơn giản nhất và trong trường hợp này OLS có thể làm cho

các hệ số ước lượng không đồng nhất và thiếu hiệu quả, tức là ước lượng không nhất

quán (bị chệch) và khả năng mức ý nghĩa thống kê khơng còn chính xác. Để giải quyết

vấn đề này, mơ hình hồi quy được đưa thêm vào các hiệu ứng cố định theo thời gian cụ

thể của quốc gia j. Ký hiệu cuối cùng trong mơ hình, j, t, biểu thị sai số thường gặp liên

quan đến quốc gia j tại thời điểm t. FEM được phát triển từ mơ hình Pooled OLS khi

có thêm kiểm soát được từng đặc điểm khác nhau giữa các quốc gia j, và có sự tương

quan giữa phần dư của mơ hình và các biến độc lập. Trong khi đó REM lại khơng có sự

tương quan giữa phần dư của mơ hình và các biến độc lập. Để lựa chọn mơ hình thích

hợp kiểm định Hausman được sử dụng và đi đến kết quả mơ hình FE có ưu thế hơn

RE.

Trong các mơ hình ước lượng, tuỳ chọn robust standard errors được đưa vào để

tránh hiện tượng phương sai thay đổi và tự tương quan.

Tuy nhiên, đây là một mơ hình giản đơn và phải đưa thêm các biến kiểm sốt

khác nhau vào mơ hình để tránh lỗi sai lệch. Biến kiểm soát là những biến chỉ đặc điểm

riêng có được đưa vào mơ hình nhằm làm giảm bất cứ tác động nào có thể gây nhiễu

cho các nhân tố khác hoặc cho việc diễn giải kết quả của nghiên cứu. Biến kiểm sốt

cũng có một ảnh hưởng tiềm năng vào biến phụ thuộc như biến độc lập, nhưng sự tác

động đó khơng phải là điều mà ta đang quan tâm. Bên cạnh đó, việc đưa biến kiểm sốt

vào mơ hình phân tích vì ta khơng thể bỏ qua sự tác động của nó khi xem xét các tác

động của biến độc lập.

Chính vì vậy, trong mơ hình hồi quy (1), các biến kiểm soát sau được đưa vào

bao gồm tốc độ tăng trưởng GDP (∆GDP), biến giả để nắm bắt mức độ ảnh hưởng của

cuộc khủng hoảng tài chính (dumFC) cũng như biến tương tác giữa biến giả khủng

hoảng tài chính và biến biến động lạm phát (dumFC * ℎ) để nắm bắt hiệu ứng biến



19



động đã thay đổi sau cuộc khủng hoảng tài chính. Ngồi ra, một số biến kiểm soát

được thêm vào để nắm bắt những tác động bất ổn xuất phát từ thị trường tài chính và

hàng hóa (đánh giá sự ổn định của nền kinh tế vĩ mô) đo lường sự biến động của thị

trường chứng khoán (



), giá dầu (



) và hai biến còn lại nắm bắt mức độ rủi

), và



ro – sinh lợi của ngành ngân hàng của từng quốc gia: rủi ro ngân hàng (

tỷ suất sinh lợi trung bình của ngân hàng (



). Mơ hình cuối cùng sau khi



thêm vào hiệu ứng cố định và các biến kiểm sốt có dạng như sau:

,



= +



ℎ, +



,



+



+ .



+



,



(2)



Cũng lưu ý rằng mơ hình mở rộng bao gồm các biến giả hằng năm, i.year để kiểm

sốt những cú sốc còn lại có thể ảnh hưởng đến mối tương quan.

Và cuối cùng, để tránh hiện tượng nội sinh của biến giải thích, kết quả hồi quy

dựa mơ hình biến cơng cụ Instrumnet Varible với kỹ thuật ước lượng GMM (IVGMM).

Cũng như vấn đề đa cộng tuyến và phương sai sai số thay đổi, vấn đề nội sinh

trong mơ hình OLS cũng được coi là một trong những vi phạm nghiêm trọng các giả

định của OLS. Hiện tượng nội sinh là hiện tượng các biến giải thích ở trong tình trạng

khơng hồn tồn độc lập với các biến được giải thích và phát sinh mối ảnh hưởng hai

chiều của các biến này dẫn đến các phương pháp ước lượng FEM và REM khơng còn

hiệu quả. Nội sinh trong mơ hình thường xuất hiện dưới 3 dạng. Thứ nhất, thiếu vắng

biến độc lập trong mô hình và do đó phần giải thích của biến này sẽ nằm ở sai số (phần

dư). Khi đó có mối tương quan chặt giữa biến độc lập và phần dư. Thứ hai, sai số trong

đo lường hay sai lệch do lựa chọn. Thứ ba, vấn đề đồng thời và hệ phương tình đồng

thời.

Có nhiều các để khắc phục hiện tượng nội sinh như: chấp nhận sai lệch tiềm ẩn

mà không làm gì cả, có thể sử dụng thêm lệnh ước lượng vững (robust); sử dụng panel

data với một mơ hình có thể giải quyết vấn đề nội sinh; tìm một biến proxy khác phù



20



hợp để giải quyết mơ hình; sử dụng mơ hình với biến cơng cụ: IV model, 2SLS, 3SLS

Trong bài nghiên cứu, để khắc phục hiện tượng nội sinh tác giả sử dụng mơ hình

biến cơng cụ IV. Người ta dùng nhiều kỹ thuật để xử lý phụ thuộc vào chính mơ hình

chúng ta định ước lượng, các kỹ thuật ước lượng phổ biến là: 2SLS, GMM, iGMM,..

việc xác định kỹ thuật ước lượng nào dựa vào số biến nội sinh và biến cơng cụ mà

chúng ta có được. Để giải quyết cả vấn đề nội sinh và phương sai thay đổi trong mơ

hình thì GMM là kỹ thuật ước lượng phù hợp nhất.

Mustafa, Bing (2016) đã sử dụng biến trễ của các biến lạm phát, sự biến động của

lạm phát, và tỷ suất sinh lời ngân hàng để làm biến công cụ. Tương tự như vậy, bài

nghiên cứu sử dụng độ trễ thứ 2 của lạm phát, sự biến động của lạm phát, và tỷ suất

sinh lời ngân hàng thông qua kết quả kiểm định thống kê J của Hansen (1982) và pvalue để xác định tính hợp lý của biến công cụ.

3.2 Mẫu quan sát và nguồn số liệu

3.2.1 Mẫu quan sát

Để thực hiện bài nghiên cứu, dữ liệu được trích xuất từ cơ sở dữ liệu Bankscope

do Bureau van Dijk thu thập và điều chỉnh. Bankscope là một trong những cơ sở dữ

liệu toàn diện nhất về các báo cáo tài chính của các ngân hàng. Từ cơ sở dữ liệu này,

bài nghiên cứu thu thập ba chỉ tiêu cấp ngân hàng bao gồm: cho vay ròng, thu nhập

ròng và tổng tài sản.

Mặc dù Bankscope cung cấp thơng tin về các ngân hàng trên tồn thế giới, tuy

nhiên do hạn chế khi thu thập số liệu, tác giả chỉ thu thập được tại các quốc gia khu vực

Đơng Nam Á. Để làm tăng tính chính xác khi ước lượng, dữ liệu tương tự của các ngân

hàng niêm yết tại một số quốc gia khác ở Châu Á được thu thập từ Datastream. Trong

mẫu cuối cùng, bài nghiên cứu yêu cầu mỗi quốc gia nên đóng góp ít nhất 10 ngân

hàng tại bất kỳ mọi thời điểm để có một thước đo chính xác về sự phân tán chéo tỷ lệ

cho vay / tài sản của mỗi quốc gia. Mục tiêu chính của bài nghiên cứu là tập trung vào



21



chính sách của các quốc gia Châu Á. Do đó, những hạn chế trên đã khiến mẫu dữ liệu

cấp ngân hàng thu thập từ 19 nước bao gồm: Bangladesh, Trung Quốc, Hongkong, Ấn

Độ, Indonesia, Israel, Jordan, Kazakhstan, Kuwait, Lào, Malaysia, Paskita, Philippin,

Singapore, Hàn Quốc, SriLanka, Đài Loan, Thái Lan và Việt Nam. Sử dụng bộ dữ liệu

này, bài nghiên cứu sử dụng thông tin cấp ngân hàng với 556 ngân hàng ở tất cả các

nước để tạo ra các biến phụ thuộc và kiểm soát. Dữ liệu cấp ngân hàng được trích xuất

hàng năm và kéo dài khoảng thời gian từ năm 1988 đến năm 2016.

3.2.2 Mô tả biến và nguồn dữ liệu

3.2.2.1 Độ phân tán tỷ lệ cho vay

Để xem xét mức độ hiệu quả của sự phân bổ các nguồn cho vay của các ngân

hàng tại một nước, bài nghiên cứu sử dụng thước đo độ phân tán tỷ lệ cho vay trên tổng

tài sản. Cụ thể là phương sai tỷ lệ cho vay trên tổng tài sản của các ngân hàng của nước

j tại thời điểm t. Như vậy, tại một nước, một thời điểm, chỉ có một quan sát.

Bảng 3.1: Mơ tả thống kê tỷ lệ cho vay/tổng tài sản

Nước



Giai đoạn



N



Bangladesh



2009 – 2016



18



62,97%



8,49%



Trung Quốc



2004 – 2016



31



48,14%



13,42%



Hongkong



2012 – 2016



13



43,78%



13,42%



Ấn Độ



1998 – 2016



40



54,84%



9,21%



Indonesia



1990 - 2015



119



59,53%



19,62%



Israel



2003 – 2016



10



69,57%



9,18%



Jordan



2004 – 2016



11



45,41%



9,78%



Kazakhstan



2001 – 2015



13



66,80%



10,97%



Kuwait



2011 – 2016



10



53,11%



15,73%



Lào



2012 – 2015



10



45,02%



19,46%



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

1 Mô hình nghiên cứu

Tải bản đầy đủ ngay(0 tr)

×