* Mô hình ước lượng cho thấy ảnh hưởng của việc cho vay đối với xây dựng đến lợi nhuận của ngân hàng
MH: LNTT1 = β1*LVNH1 + β2*LVTDH1 + β3*NO XAU1 + C -Ước lượng mô hình:
Sử dụng phương pháp OLS trong phần mềm kinh tế lượng EVIEW
Mô hình ước lượng được là:
LNTT1 = 2810.956 + 0.299530LVNH + 0.430994LVTDH - 0.556306NOXAU
- Thực hiện các kiểm định tính đúng đắn của mô hình với mức ý nghĩa α = 5%.
+ Kiểm định White:Để thực hiện kiểm định White chúng ta cần ước lượng mô hình sau đây sau khi đã ghi lại phần dư của mô hình đã ước lượng:
ei 2 = β1 + β2 LVNH + β3 LVHN2 + β4 LVTDH + β5 LVTDH2 + β6 NOXAU+
β7NOXAU2 + ui
Trong đó ei là phần dư thu được khi ước lượng mô hình LNTT phụ thuộc vào LVNH, LVTDH. Dùng phương pháp OLS ước lượng mô hình trên ta có kết quả:
Ta có giá trị P-value của thống kê F = 0.075116 > α = 5%
giá trị P-value của χ2 = 0.090155 > α = 5%
Vậy có thể thấy mô hình trên là mô hình có phương sai của sai số đồng đều.
- Kiểm định Breusch-Godfrey:
Kiểm định BG đòi hỏi phải ước lượng mô hình sau đây:
Et = β1 + β2 LVNH + β3 LVTDH +β4NOXAU + ρ1Et-1 + vt
Trong đó et: là phần dư. Ước lượng mô hình ta có kết quả:
Ta có giá trị P-value của thống kê F = 0.097784 > α = 5%
giá trị P-value của χ2 = 0.063879 > α = 5%
Vậy có thể thấy mô hình trên không tồn tại tự tương quan.
-Kiểm định Ramsey:
ƯL MH: LNTT1t = β1 + β2 LVNH1 + β3 LVTDH1 +β4NOXAU1 + ut
Từ kết quả ước lượng mô hình trên ta thu được các giá trị LNTTt là các giá trị dự đoán của LNTTt
Từ đó ta thực hiện việc ước lượng mô hình:
LNTT1t = β1 + β2 LVNH1 + β3 LVTDH1 +β4NOXAU1 +β5LNTT12 + ut
Ta có giá trị P-value của thống kê F = 0.992261 > α = 5%
giá trị P-value của χ2 = 0.991187 > α = 5% . Từ kết quả trên ta kểt luận mô hình có dạng hàm đúng.
- Kiểm định tính dừng của yếu tố ngẫu nhiên Kí hiệu E1 là phần dư của mô hình
D là toán tử sai phân
MH: ∆LNTTt = β1 + β2 E1(-1) + ut
Như vậy, có thể thấy mô hình không có khuyết tật và có thể dùng mô hình để phân tích và dự báo về hiệu quả hoạt động tín dụng của chi nhánh đối với ngành xây dựng.
*Mô hình ước lượng cho thấy ảnh hưởng của việc cho vay đối với ngành vận tải và thông tin liên lạc đến lợi nhuận của ngân hàng
-Ước lượng mô hình:
Sử dụng phương pháp OLS trong phần mềm kinh tế lượng EVIEW
Kết quả ước lượng cho thấy các con số đều có ý nghĩa thống kê và mô hình là:
LNTT2 = 2810.965 + 1.302306*LVNH2 + 1.873888*LVTDH2 – 2.41872*NOXAU2
Thực hiện các bước kiểm định với mô hình này với mức ý nghĩa α
= 5%
- Kiểm định White:
Để thực hiện kiểm định White chúng ta cần ước lượng mô hình sau đây:
E2i 2 = β1 + β2 LVNH2 + β3 LVNH22 + β4 LVTDH2 + β5 LVTDH22 + β6
NOXAU+ β7 NOXAU2 + ui
Trong đó ei là phần dư thu được khi ước lượng mô hình LNTT phụ thuộc vào LVNH, LVTDH. Dùng phương pháp OLS ước lượng mô hình trên ta có kết quả:
Ta có giá trị P-value của thống kê F = 0.075116 > α = 5%
giá trị P-value của χ2 = 0.090155 > α = 5%
Vậy có thể thấy mô hình trên là mô hình có phương sai của sai số đồng đều.
-Kiểm định Breusch-Godfrey:
Kiểm định BG đòi hỏi phải ước lượng các mô hình sau đây:
E2t = β1 + β2 LVNH2 + β3 LVTDH2 + β4NOXAU2 + ρ1E2(t-1) + vt
Trong đó et: là phần dư. Ước lượng mô hình ta có kết quả:
Ta có giá trị P-value của thống kê F = 0.097784 > α = 5%
giá trị P-value của χ2 = 0.063879 > α = 5%
Vậy có thể thấy mô hình trên không tồn tại tự tương quan.
-Kiểm định Ramsey:
Từ kết quả ước lượng mô hình ta thu được các giá trị LNTTt là các giá trị dự đoán của LNTTt
Từ đó ta thực hiện việc ước lượng mô hình:
LNTT2 = β1 + β2 LVNH2 + β3 LVTDH2 +β4NOXAU2 +β5LNTT2 + ut
Ta có giá trị P-value của thống kê F = 0.992261 > α = 5%
giá trị P-value của χ2 = 0.991187 > α = 5% .
Từ kết quả trên ta kểt luận rằng mô hình có dạng hàm đúng.
- Kiểm định tính dừng của yếu tố ngẫu nhiên Kí hiệu E2 là phần dư của mô hình
D là toán tử sai phân MH: ∆Yt = β1 + β2 E2(-1) + ut
Với giá trị τ = ρ/ Se(ρ) = -3.137910. So sánh τ với τ 0.01= - 2.6700;
τ0.05= -1.9566;
τ0.1= -1.6235
Kết quả tính toán cho thấy chuỗi E2 là chuỗi dừng, và E2 được gọi là nhiễu trắng, có nghĩa là các yếu tố ngẫu nhiên không ảnh hưởng hệ thống đến giá trị trung bình của LNTT.
Như vậy, có thể thấy mô hình không có khuyết tật và có thể dùng mô hình để phân tích và dự báo về hiệu quả hoạt động tín dụng của ngân hàng đối với ngành vận tải và thông tin liên lạc.
2.2.2.2 Phân tích kết quả
Mô hình sử dụng để đánh giá hiệu quả hoạt động tín dụng đối với ngành xây dựng:
LNTT1 = 2810.956 + 0.299530LVNH1 + 0.430994LVTDH1 - 0.556306NOXAU1
Và đối với ngành vận tải và thông tin liên lạc là:
LNTT2 = 2810.965 + 1.302306LVNH2 + 1.873888LVTDH2 – 2.41872NOXAU2
Các hệ số của 2 mô hình trên cho thấy:
-Lãi nay ngắn hạn, lãi vay dài hạn đối với các ngành ảnh hưởng thuận chiều với LNTT .
-Lượng nợ xấu đối với các ngành đều ảnh hưởng ngược chiều với LNTT
Điều này cho thấy mô hình trên chấp nhận được bởi về mặt lý thuyết ta có thể thấy theo các lý thuyết về kinh tế thì cứ tăng thêm một đồng lãi vay ngắn hạn hoặc lãi vay dài hạn thì đều có thể làm gia tăng thêm LNTT cho ngân hàng mà ở cả hai mô hình ta thấy:
Trong mô hình đối với ngành xây dựng: Cứ cho vay để tăng thêm dược một đơn vị lãi vay ngắn hạn thì có thể làm LNTT tăng 0.299530 đơn vị, cho vay dài hạn tăng để tăng thêm một đơn vị lãi vay dài hạn có thể làm tăng 0.430999 đơn vị và nếu lượng nợ xấu tăng thêm 1 đơn vị thì sẽ làm LNTT giảm 0.556306 đơn vị.
Trong mô hình đối với ngành vận tải và thông tin liên lạc: Cứ cho vay để tăng thêm dược một đơn vị lãi vay ngắn hạn thì có thể làm LNTT tăng 1.302306 đơn vị, cho vay dài hạn tăng để tăng thêm một đơn vị lãi vay có thể làm tăng 1.873888 đơn vị và nếu lượng nợ xấu tăng thêm 1 đơn vị thì sẽ làm LNTT giảm 2.41872 đơn vị.
Mặt khác nếu lượng nợ xấu bị tăng lên tức là khả năng thu hồi vốn của ngân hàng bị giảm, điều này ảnh hưởng đến khả năng đầu tư sinh lợi
của ngân hàng làm cho lợi nhuận của ngân hàng bị giảm xuống và điều này cho thấy hai mô hình trên là đúng.
Với R2 = 97.5018% có thể thấy sức thuyết phục của 2 mô hình là tương đối cao, có nghĩa LNTT của ngân hàng chịu ảnh hưởng đến 97.5018% do các biến trong mô hình đối với từng ngành gây ra. Điều này cho thấy hiệu quả hoạt động tín dung của chi nhánh đối với các ngành này chịu ảnh hưởng lớn bởi lượng cho vay, lãi suất áp dụng cho các khoản vay và lượng nợ xấu của chính ngân hàng đối với từng ngành.
Vậy có thể dùng 2 mô hình để dự báo và đề ra các chính sách phù hợp với tình hình tài chính của ngân hàng.