Kể từ ngày 1/1/2017 - Blog luanvantuanson đã nâng cấp thành website luanhay.vn với thông tin như bên dưới.
LUANHAY.VN - NGHIÊN CỨU ĐỊNH LƯỢNG.
Địa chỉ: Tầng 8, Tòa nhà Sáng tạo, số 1 Lương Yên, Hai Bà Trưng, Hà Nội
Email: luanhay@luanhay.com - Điện thoại: 0127 800 1762/ 097 9696 222
Facebook: https://www.facebook.com/bui.tuanson.9
Fanpage: https://www.facebook.com/nghiencuudinhluong/
Nhận hướng dẫn, thu thập, phân tích, xử lý dữ liệu nghiên cứu bằng: spss, eview, stata, amos - Cung cấp tài liệu, số liệu theo yêu cầu.!
Email: luanhay@luanhay.com - Điện thoại: 0127 800 1762/ 097 9696 222
Facebook: https://www.facebook.com/bui.tuanson.9
Fanpage: https://www.facebook.com/nghiencuudinhluong/
Nhận hướng dẫn, thu thập, phân tích, xử lý dữ liệu nghiên cứu bằng: spss, eview, stata, amos - Cung cấp tài liệu, số liệu theo yêu cầu.!
1/ Giới thiệu về phương pháp hồi quy GMM
GMM được Lars Peter
Hansen trình bày lần đầu tiên vào
năm 1982 trong bài viết
“Large Sample Properties
of Generalized Methods
of Moments Estimators” được đăng
trong Econometrica, Vol. 50, page
1029-1054. Một cách tổng quan, GMM là phương pháp tổng quát của rất nhiều
phương pháp ước lượng phổ biến như OLS, GLS, MLE,….Ngay cả trong điều kiện giả
thiết nội sinh bị vi phạm, phương pháp GMM cho ra các hệ số ước lượng vững,
không chệch, phân phối chuẩn và hiệu quả.
Để ước lượng được vector hệ số β,
Phương pháp GMM sẽ dùng một bộ L vector các biến công cụ (trong ước lượng GMM
còn được gọi là các điều kiện Moment) và số lượng biến công cụ phải không ít
hơn số biến trong mô hình ( ). Điều kiện để một biến được chọn là biến công cụ
là nó không được tương quan với phần dư, điều này có nghĩa là: Ý tưởng chủ đạo
của phương pháp GMM là thay thế giá trị các biến công cụ bằng giá trị trung
bình của mẫu và đi tìm Vector β thõa mãn phương trình trên.
Khi
số lượng điều
kiện moment lớn
hơn số biến
trong mô hình thì phương trình không thể xác định một
nghiệm chính xác duy nhất (có nhiều nghiệm có thể thõa mãn phương trình). Khi
đó mô hình được gọi là overidentified.
Trong trường hợp đó, chúng ta phải thực hiện tính toán lại nhằm xác định
giá trị β làm cho điều kiện moment gần bằng 0 nhất có thể, có nghĩa là khoảng cách
với giá trị 0 là nhỏ nhất, khoảng cách đó được xác định thông qua ma trận ngẫu
nhiên, cân xứng và không âm (kích thước L x L) được gọi là ma trận trọng số vì
nó thể hiện mức đóng góp của các điều kiện moment khác nhau vào khoảng
cách J. Phương pháp ước lượng GMM sẽ xác định giá trị
ước lượng β để khoảng cách là J là nhỏ nhất.
2/ Ứng dụng GMM vào xem xét tác động của thanh khoản tới khả năng sinh lời của ngân hàng
Dependent
Variable: ROA
|
||||
Method:
Panel Generalized Method of Moments
|
||||
Transformation:
First Differences
|
||||
Sample
(adjusted): 2009 2012
|
||||
Cross-sections
included: 20
|
||||
Total
panel (unbalanced) observations: 79
|
||||
White
period instrument weighting matrix
|
||||
White
period standard errors & covariance (d.f. corrected)
|
||||
Instrument
list: @DYN(ROE,-2) LA(-1) LA(-1)^2 LA(-1)*MKT_INCOME
|
||||
LA(-1)*GDP
LA(-1)*REPOS LEV(-1) TIER_1(-1)
|
||||
@LEV(@SYSPER)
|
||||
Variable
|
Coefficient
|
Std.
Error
|
t-Statistic
|
Prob.
|
LA(-1)
|
-0.020504
|
0.021168
|
-0.968627
|
0.3362
|
LA(-1)^2
|
-0.016416
|
0.014108
|
-1.163664
|
0.2486
|
LA(-1)*MKT_INCOME
|
0.084896
|
0.027554
|
3.081041
|
0.0030
|
LA(-1)*GDP
|
0.824129
|
0.292283
|
2.819628
|
0.0063
|
LA(-1)*REPOS
|
-0.395690
|
0.609651
|
-0.649044
|
0.5185
|
LEV(-1)
|
-0.000452
|
0.000213
|
-2.120852
|
0.0376
|
TIER_1(-1)
|
-0.037111
|
0.012558
|
-2.955158
|
0.0043
|
@LEV(@ISPERIOD("2009"))
|
0.003753
|
0.001370
|
2.739706
|
0.0078
|
@LEV(@ISPERIOD("2010"))
|
-0.007007
|
0.001331
|
-5.266354
|
0.0000
|
@LEV(@ISPERIOD("2011"))
|
0.002395
|
0.000999
|
2.397754
|
0.0192
|
@LEV(@ISPERIOD("2012"))
|
-0.000926
|
0.000680
|
-1.362045
|
0.1777
|
Effects Specification
|
||||
Cross-section
fixed (first differences)
|
||||
Period
fixed (dummy variables)
|
||||
R-squared
|
0.268300
|
Mean dependent var
|
-0.001863
|
|
Adjusted
R-squared
|
0.160697
|
S.D. dependent var
|
0.007509
|
|
S.E. of
regression
|
0.006879
|
Sum squared resid
|
0.003218
|
|
J-statistic
|
11.84117
|
Instrument rank
|
20.00000
|
|
Ước lượng
mô hình cho thấy:
Biến trễ
thanh khoản và tỷ lệ thu nhập từ dịch vụ/Tổng
thu nhập , Biến trễ thanh khoản và tăng trưởng kinh tế, Tỷ lệ vốn cấp 1/TTS rủi
ro có tác động đến lợi nhuận của ngân hàng ở mức ý nghĩa 5%.
βLA(-1)*Mkt_income
= 0.084896 cho thấy mối quan hệ tích cực giữa biến trễ thanh khoản và tỷ
lệ thu nhập từ dịch vụ/Tổng thu nhập với lợi nhuận ngân hàng. Khi biến trễ
thanh khoản và tỷ lệ thu nhập từ dịch vụ/Tổng thu nhập tăng 1% thì lợi nhuận
tăng 0.084896 % và ngược lại.
βLA(-1)*GDP
= 0.824129 cho thấy mối quan hệ tích cực giữa biến trễ thanh khoản và tỷ
lệ thu nhập từ dịch vụ/Tổng thu nhập với lợi nhuận ngân hàng. Khi biến trễ
thanh khoản và tỷ lệ thu nhập từ dịch vụ/Tổng thu nhập tăng 1% thì lợi nhuận
tăng 0.824129 % và ngược lại.
βLEV(-1)
-0.000452 cho thấy mối quan hệ tiêu cực giữa biến trễ đòn bẩy với lợi nhuận
trên tổng tài sản của ngân hàng. Khi biến trễ đòn bẩy của ngân hàng tăng 1% thì
lợi nhuận ngân hàng giảm 0.000452% và ngược lại.
βTIER_1(-1)
-0.037111 cho thấy mối quan hệ tiêu cực giữa biến tỷ lệ vốn C1/TTS rủi ro
với lợi nhuận trên tổng tài sản của ngân hàng. Khi biến này tăng 1% thì lợi nhuận
ngân hàng giảm 0.037111% và ngược lại.
Trân trọng
Nhóm hướng dẫn nghiên cứu định lượng Tuấn Sơn
- Phụ trách nhóm – Mr.Quân: 0127 800 1762- Email: luanvanhay@gmail.com
- Blog: http://luanvantuanson.blogspot.com/
- Facebook: https://www.facebook.com/bui.tuanson.9
Không có nhận xét nào:
Đăng nhận xét