Các yếu tố kinh tế vĩ mô ảnh hưởng đến nợ xấu của ngân hàng các nước khu vực châu Á Thái Bình Dương

50
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
__________________________________________
1 Trường Đại Học Tài chính – Marketing
CÁC YẾU TỐ KINH TẾ VĨ MÔ ẢNH HƯỞNG ĐẾN 
NỢ XẤU CỦA NGÂN HÀNG CÁC NƯỚC KHU VỰC CHÂU Á 
THÁI BÌNH DƯƠNG
MACROECONOMIC FACTORS AFFECT BAD DEBT OF BANKS 
IN ASIA PACIFIC REGION
Đặng Thị Ngọc Lan1
Ngày nhận: 17/01/2019 Ngày nhận bản sửa: 21/01/2019 Ngày đăng: 15/02/2019
Tóm tắt
Bài nghiên cứu được thực hiện với mục tiêu, xác định các yếu tố kinh tế vĩ mô như: (1) tốc độ tăng 
trưởng kinh tế (GDP), (2) tỷ lệ lạm phát (INF), (3) lãi suất (IR), (4) chỉ số phát triển công nghiệp 
(IPI), (5) tỷ lệ thất nghiệp (UN), (6) lượng cung tiền (V2), chỉ số giá tiêu dùng (CPI) có ảnh hưởng 
đến tỷ lệ nợ xấu (NPL) trong khu vực ngân hàng của 13 nước khu vực Châu Á Thái Bình Dương 
được công bố trên Wordbank trong khoảng thời gian 10 năm. Kết quả nghiên cứu tìm thấy, có 2 
mối quan hệ ngược chiều giữa GDP và IPI có ảnh hưởng đến NPL và có 2 mối quan hệ cùng chiều 
có ảnh hưởng đến NLP. Từ kết quả này có thể rút ra bài học kinh nghiệm và đề xuất các giải pháp 
ổn định kinh tế vĩ mô nhằm giảm tỷ lệ nợ xấu (NPL) tại khu vực ngân hàng Việt Nam trong thời 
kỳ cách mạng công nghệ 4.0. Nghiên cứu này cũng cung cấp thêm một bằng chứng thực nghiệm 
về các yếu tố kinh tế vĩ mô có ảnh hưởng đến nợ xấu của các ngân hàng thương mại tại Việt Nam 
nói riêng và thế giới nói chung.
Từ khóa: nợ xấu, yếu tố kinh tế vĩ mô, ngân hàng
Abtract
The paper is conducted with the objective of identifying macroeconomic factors such as: (1) economic 
growth rate (GDP), (2) inflation rate (INF), (3) interest rate (IR), (4) industrial development index 
(IPI), (5) unemployment rate (UN), (6) amount of money supply (V2), consumer price index (CPI) 
affect NPLs in the banking sector of 13 Asia Pacific countries were published on Wordbank over a 
period of 10 years. The results of the study found that there are two inverse relations between GDP 
and IPI that affect the NPL and there are two positive relations that affect NLP. From this result, 
lessons can be drawn and proposed solutions to stabilize the macro economy to reduce the bad 
debt ratio (NPL) in Vietnam’s banking sector to match the Industry 4.0. This study also provides an 
empirical evidence of macroeconomic factors that affect bad debt of commercial banks in Vietnam 
and the world in general.
Keywords: bad debt, macroeconomic factors, influence
51
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
hưởng từ các cuộc khủng hoảng trên thế giới là 
một điều không tránh khỏi. Vì vậy, nghiên cứu 
về nợ xấu là rất cần thiết, để từ đó đưa ra biện 
pháp, chính sách phù hợp trong việc điều tiết 
hoạt động tín dụng nhằm đảm bảo nợ xấu được 
ở mức quy định của ngành. Đảm bảo một tiền 
đề vững chắc cho sự phát triển có định hướng, 
có mục tiêu và an toàn, có hiệu quả về lâu dài. 
Các nước khu vực châu Á Thái Bình Dương 
(East Asia & Pacific) đa phần là những nước 
đang phát triển, có tình hình kinh tế gần với 
tình hình kinh tế của Việt Nam, từ kết quả 
của nghiên cứu của một số nước trong khu 
vực có thể rút ra những bài học cần thiết cho 
ngành ngân hàng Việt Nam. Đây cũng chính 
là lý do mà tác giả chọn thực hiện nghiên cứu 
“Các yếu tố kinh tế vĩ mô ảnh hưởng đến nợ 
xấu của ngân hàng các nước khu vực châu Á 
Thái Bình Dương”. Qua nghiên cứu này cũng 
nhằm đánh giá lại các yếu tố kinh tế vĩ mô 
ảnh hưởng đến nợ xấu của ngân hàng sau 10 
năm Việt Nam ra nhập WTO. Kết quả nghiên 
cứu này cũng sẽ cung cấp thêm một bằng 
chứng thực nghiệm về sự ảnh hưởng của các 
yếu tố kinh tế vĩ mô đến nợ xấu của khu vực 
ngân hàng. Từ đó rút ra những bài học kinh 
nghiệm cho Việt Nam. Những đóng góp của 
nghiên cứu sẽ giúp các nhà hoạch định chính 
sách chú ý đến tác động của các yếu tố kinh tế 
vĩ mô đến các khoản nợ xấu làm tổn hại sức 
khỏe của hệ thống tài chính trong khi xây dựng 
các biện pháp tài chính – tiền tệ.
2. Cơ sở lý luận và tình hình nghiên cứu
Thuật ngữ “nợ xấu” (Bad Debt, NPL – Non-
performing loans, Doubtful Debt) là khoản vay 
quá hạn 90 ngày và bị nghi ngờ về khả năng trả 
nợ của khách hàng (theo Nhóm chuyên gia tư 
vấn – Advisory Expert Group – AEG).Theo Ủy 
1. Mở đầu
Trong kỷ nguyên số, trước sự ảnh hưởng sâu 
rộng của cuộc cách mạng 4.0. Nắm bắt được xu 
thế này, nhiều ngân hàng đã tập trung đầu tư 
vào công nghệ nhằm thay đổi hệ thống quản lý, 
dịch vụ phục vụ khách hàng để nâng cao khả 
năng cạnh tranh. Tuy nhiên, công nghệ số hóa 
này cũng có mặt trái của nó và cần thiết phải có 
sự kiểm soát vĩ mô của Nhà nước. Vì vậy vai 
trò điều hành kinh tế của Nhà nước là hết sức 
quan trọng để chống lại tình trạng khủng hoảng, 
suy thoái và thất nghiệp. Trong 2 thập kỷ qua, 
nhiều định chế tài chính trên thế giới phải đối 
mặt vấn đề nợ xấu (Non Performing Loans - 
NPL). Thế giới đã ghi nhận nợ xấu có liên hệ 
chặt chẽ với cuộc khủng hoảng tiền tệ Châu Á 
1997 và khủng hoảng cho vay dưới chuẩn 2007. 
Nhiều tổ chức tài chính trên toàn thế giới đã 
phải đối mặt với vấn đề cho vay không có hiệu 
suất (NPL), nợ xấu đã bị nghi ngờ là nguyên 
nhân chính của sự sụp đổ thị trường tài chính. 
Trong giai đoạn này, các vấn đề nợ xấu trong 
khu vực cho vay của các ngân hàng ở các nước 
khu vực Châu Á Thái Bình Dương đã tăng vọt. 
Ví dụ ở Indonesia, hơn 60 ngân hàng sụp đổ 
trong cuộc khủng hoảng do nợ xấu chiếm gần 
70% tổng dư nợ cho vay (theo Caprio Geraid 
and Kilngebiel Daniela, 2002).
Tỷ lệ nợ xấu là một trong những tiêu chí 
chính để đánh giá uy tín của các ngân hàng. Đặc 
biệt là “nợ xấu” còn gây ảnh hưởng tới sự phát 
triển của ngành, là nguyên nhân làm cho tình 
hình tài chính của các ngân hàng thương mại 
trở nên yếu kém, khả năng cạnh tranh giảm sút. 
Một trong những thực tế đẩy tình trạng nợ xấu 
gia tăng có xuất phát điểm từ nền kinh tế. Khi 
mà nền kinh tế tiến dần đến toàn cầu hóa và hội 
nhập sâu rộng giữa các quốc gia thì việc ảnh 
52
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
mở rộng quy mô vay vốn mở rộng đầu tư; Dùng 
lạm phát có kiểm soát; Nhà nước có thể in thêm 
tiền để bù đắp thâm hụt ngân sách, mở rộng đầu 
tư và bảo đảm chi tiêu Chính phủ.
Đã có nhiều nghiên cứu đánh giá các yếu tố 
ảnh hưởng đến tỷ lệ nợ xấu của các ngân hàng 
thương mại, từ đó có những biện pháp khắc 
phục sự gia tăng của tỷ lệ nợ xấu. Tuy nhiên, 
bất chấp nỗ lực quản lý của hệ thống ngân hàng 
thương mại tại Việt Nam nói riêng và một số 
nước trong khu vực nói chung, tỷ lệ nợ xấu 
vẫn tiếp tục tăng. Diễn biến này đặt ra yêu cầu 
tìm kiếm các giải pháp hữu hiệu hơn cho bài 
toán nợ xấu. Từ năm 1988 đến nay, hiệp ước 
Basel I, II, III lần lượt được thiết lập nhằm định 
hướng quản trị nợ xấu, rủi ro tín dụng và thanh 
khoản cho các ngân hàng thương mại trên toàn 
cầu. Đồng thời, những nghiên cứu thực nghiệm 
nhằm xác định các yếu tố tác động đến tỷ lệ nợ 
xấu đã được triển khai tại nhiều quốc gia với 
2 hướng tiếp cận, hướng tiếp cận từ các yếu tố 
vĩ mô của nền kinh tế và hướng thứ 2 tiến cận 
từ các yếu tố vi mô thuộc về ngân hàng. Trong 
nghiên cứu này, tác giả sẽ chỉ tập trung vào 
nghiên cứu đối với xu hướng thứ nhất.
Theo xu hướng thứ nhất, nghiên cứu về tác 
động của các yếu tố vĩ mô đến tỷ lệ nợ xấu, tác 
giả Munib Badar (2013) và cộng sự đã có bài 
nghiên cứu các yếu tố vĩ mô tác động đến nợ 
xấu của các ngân hàng thương mại ở Pakistan. 
Kết quả của nghiên cứu cho thấy, các chỉ số kinh 
tế vĩ mô là những yếu tố quyết định đáng kể đến 
tỷ lệ các khoản nợ xấu của khu vực ngân hàng 
thương mại.Nghiên cứu tiếp theo là nghiên cứu 
của OlayinkaAkinlo thuộc Đại học Obafemi 
Awolowo (2014). Olayinka Akinlo và cộng sự 
nghiên cứu về mối quan hệ của các yếu tố vĩ mô 
ban Besel về giám sát ngân hàng (BCBS) thì nợ 
xấu bao gồm toàn bộ các khoản cho vy đã quá 
hạn trên 90 ngày và có dấu hiệu người đi vay 
không trả được nợ. 
Tại Việt Nam, nợ xấu được quy định tại 
Thông tư số 02 do NHNN ban hành có hiệu 
lực ngày 01/06/2014 như sau: Nợ xấu là những 
khoản nợ được phân loại vào nhóm 3 (dưới 
chuẩn) nhóm 4 (nghi ngờ) và nhóm 5 (có khả 
năng mất vốn). Nợ xấu được hiểu là các khoản 
nợ dưới chuẩn (từ nhóm 3 – nhóm 5), có thể quá 
hạn và bị nghi ngời về khả năng trả nợ lẫn khả 
năng thu hồi vốn của chủ nợ xảy ra khi khách 
hàng vay làm ăn thua lỗ hoặc phá sản hoặc tẩu 
tán tài sản
Tỷ lệ nợ xấu =
Tổng Nợ xấu
Tổng dư nợ
Quản lý nợ xấu là quá trình xây dựng và 
thực thi các chính sách về nợ xấu nhằm đảm 
bảo mục tiêu an toàn, hiệu quả và phát triển bền 
vững. Theo lý thuyết kinh tế của John Mayvard 
Keynes cho rằng, vai trò kinh tế của Nhà nước 
là hết sức quan trọng, để chống lại tình trạng 
khủng hoảng, suy thoái và thất nghiệp. Vai trò 
của Nhà nước sẽ làm tăng mức sản lượng của 
nền kinh tế gần với mức sản lượng tiềm năng. 
Cách làm tăng tổng cầu cần có sự can thiệp của 
Nhà nước. Keynes cho rằng, lãi suất là một 
khuynh hướng tâm lý cao độ, có tính quy ước, 
Chính phủ có thể dùng chính sách điều chỉnh lãi 
suất để tác động vào kinh tế. Sử dụng hệ thống 
tài chính, tiền tệ nhằm kích thích lòng tin, tính 
lạc quan và tính tích cực đầu tư của các nhà 
kinh doanh. Mục đích hướng đến là: Tăng khối 
lượng tiền tệ vào lưu thông để giảm lãi suất 
thực tế cho vay; Khuyến khích các nhà tư sản 
53
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
nợ xấu. Mô hình này nghiên cứu khá đầy đủ 
các yếu tố kinh tế vĩ mô. Năm 2011, Solarin và 
cộng sự đã nghiên cứu các yếu tố tác động đến 
nợ xấu tại các ngân hàng hồi giáo ở Malaysia 
giai đoạn 2007 – 2009. Nhóm nghiên cứu đã sử 
dụng tỷ lệ nợ xấu trên tổng các ngân hàng hồi 
giáo để đo lường mức độ nợ xấu tại Malaysia. 
Kết quả cho thấy có mối quan hệ song song 
giữa các biến, lãi suất có tác động lâu dài và 
cùng chiều đến tỷ lệ nợ xấu, chỉ số sản xuất 
công nghiệp có tác động tỷ lệ thuận với nợ xấu. 
Tuy nhiên chỉ số giá sản suất dường như có tác 
động ngược chiều đến tỷ lệ nợ xấu.
Tại Việt Nam, theo báo cáo của Viện Nghiên 
cứu quản lý kinh tế trung ương, thị trường tài 
chính toàn cầu liên tục trải qua những đợt biến 
động mạnh và trên diện rộng, do gia tăng căng 
thẳng thương mại giữa Mỹ và các nền kinh tế 
chủ chốt. Tỷ lệ nợ xấu của các tổ chức tín dụng 
tăng nhẹ so với 2017. Như vậy, qua cơ sở lý 
thuyết và những nghiên cứu thực nghiệm cùng 
với thực trạng tại Việt Nam thì việc nghiên cứu 
các yếu tố kinh tế vĩ mô có ảnh hưởng như thế 
nào đến nợ xấu của Việt Nam nói riêng và các 
nước trong khu vực nói chung là cần thiết.
3. Phương pháp nghiên cứu và mô hình 
nghiên cứu
(1) Phương pháp nghiên cứu
Phân tích hồi quy bội bằng phương pháp 
OLS để ước lượng giá trị trung bình của biến 
phụ thuộc với giá trị đã cho của biến giải thích. 
Qua đó kiểm định giả thiết về bản chất của sự 
phụ thuộc và dự đoán các yếu tố ảnh hưởng đến 
biến phụ thuộc. Trên cơ sở của phương pháp 
này, nghiên cứu sử dụng mô hình hồi quy bội. 
Trong khu vực châu Á Thái Bình Dương, nhóm 
chọn nghiên cứu trong phạm vi của 13 quốc gia 
đến tỷ lệ nợ xấu, nhóm nghiên cứu đã cung cấp 
một mô hình kinh tế vĩ mô các khoản cho vay tại 
Nigeria. Nghiên cứu của Roziela Endut và cộng 
sự(2013) đã phân tích số liệu từ năm 2000 đến 
năm 2008 của 12 quốc gia thuộc khu vực châu 
Á Thái Bình Dương. Kết quả nghiên cứu đã chỉ 
ra rằng có sự tác động quan trọng của lãi suất, tỷ 
lệ lạm phát và tăng trưởng kinh tế (GDP) đến nợ 
xấu. Tỷ lệ lạm phát có tác động cùng chiều đến 
nợ xấu, đặc biệt là GDP, có ảnh hưởng ngược 
chiều với nợ xấu, đồng thời sự ổn định kinh tế 
vĩ mô và tăng trưởng kinh tế có liên kết chặt chẽ 
đến việc giảm tỷ lệ nợ xấu. Muhammad Farhan 
và cộng sự (2012) đã nghiên cứu ảnh hưởng của 
các yếu tố kinh tế vĩ mô đến tỷ lệ nợ xấu của các 
ngân hàng thương mại tại Pakistan. Sử dụng mô 
hình tương quan và hồi quy để phân tích sự tác 
động của các biến giải thích đến tỷ lệ nợ xấu, 
nghiên cứu tìm ra nguyên nhân gây ra nợ xấu 
trong lĩnh vực ngân hàng tại Pakistani từ năm 
2006 – 2010. Kết quả cho thấy Lãi suất, khủng 
hoảng năng lượng, tỷ lệ thất nghiệp, lạm phát 
và tỷ giá hối đoái có mối liên hệ cùng chiều với 
nợ xấu, trong khi GDP có mối quan hệ ngược 
chiều đến nợ xấu. Năm 2013 Olayinka Akinlo, 
kiểm định mô hình thực nghiệm ghiên cứu về 
mối quan hệ của các yếu tố vĩ mô đến tỷ lệ nợ 
xấu ở Nigeria từ năm 1981 – 2011. Nghiên cứu 
cung cấp một mô hình kinh tế vĩ mô cho các 
khoản cho vay tại Nigeria. Nghiên cứu khẳng 
định trong dài hạn tốc độ tăng trưởng kinh tế 
có liên quan tiêu cực đến nợ xấu. Mặt khác tỷ 
lệ thất nghiệp, tín dụng khu vực tư nhân, thất 
nghiệp, lãi suất khu vực và trao đổi tin gây sức 
ảnh hưởng cùng chiều đến nợ xấu ở Nigeria. 
Trong ngắn hạn, các khoản tín dụng cho khu 
vực tư nhân, tỷ giá, lãi suất cho vay thị trường 
chứng khoán là các yếu tố chính ảnh hưởng đến 
54
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
ra mô hình phù hợp nhất, từ đó xác định mức 
độ tác động của các chỉ số kinh tế vĩ mô đến tỷ 
lệ nợ xấu. 
(2) Mô hình nghiên cứu
Dựa trên cơ sở các lý thuyết và bằng chứng 
thực nghiệm của các nghiên cứu trước, nghiên 
cứu sử dụng phương pháp bình phương nhỏ 
nhất tổng quát của dữ liệu dạng bảng để ước 
lượng theo các mô hình sau: 
có các chỉ số kinh tế vĩ mô (GDP, tỷ lệ lạm phát, 
lãi suất cho vay, chỉ số sản xuất công nghiệp, 
cung tiền) và tỷ lệ nợ xấu của hệ thống ngân 
hàng được công bố đầy đủ nhất trên Ngân hàng 
thế giớitrong 10 năm (từ năm 2008 đến 2017). 
Tác giả sử dụng phương pháp nghiên cứu định 
lượng dạng bảng dữ liệu thứ cấp thông qua các 
biến, tiến hành các kiểm định trong mô hình hồi 
quy dữ liệu. Qua kết quả phân tích định lượng 
kiểm tự tương quan và đa cộng tuyến để chọn 
Mô hình Pooled OLS:
NPL
it
 = β
0
 + β1GDPit + β2INFit + β3IRit + β4IPIit... + εit
Trong đó
i = 1, 2, 13: đại diện cho nước thứ i
t = 1, 2.. 10: đại diện cho số năm nghiên cứu.
Hệ số chặn β
0 
và các hệ số gốc các biến giải 
thích β
1,2,3,4
 không thay đổi theo thời gian. Phần 
dư đo lường chênh lệch theo thời gian, không 
gian giữa các nước khác nhau.
Mô hình tác động cố định (FEM – Fixed Effects Model):
NPL
it
 = β
0
 + β1GDPit + β2INFit + β3IRit + β4IPIit... + εit
Đây là mô hình hồi quy các tác động cố 
định, sự khác biệt của β
0
 có thể biểu thị cho 
đặc tính của mỗi nước, hệ số chặn thay đổi theo 
từng quốc gia nhưng không thay đổi theo thời 
gian, các hệ số gốc β
1,2,3,4
 giải thích cho các biến 
không thay đổi theo thời gian và không gian. 
Mô hình này phù hợp với bộ dữ liệu có mẫu 
quan sát trong khoảng thời gian ngắn.
Mô hình tác động ngẫu nhiên (REM – Random Effects Model):
NPL
it
 = β
0
 + β1GDPit + β2INFit + β3IRit + β4IPIit... + εit
Mô hình này thể hiện đặc thù của các mẫu quan sát.
55
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
4. Kết quả nghiên cứu
Phân tích qua số liệu thống kê mô tả các biến
Kết quả thống kê mô tả Bảng 2 cho thấy: 
Nhìn chung các nước khu vực châu Á Thái 
Bình Dương có tỷ lệ nợ xấu (NPL) trung bình là 
1.97%, cao nhất là 9.36%, thấp nhất là 0.09%, 
độ lệch chuẩn ... ến tính giữa lượng 
cung tiền (V2) và nợ xấu (-/+);
H
7
: có một ảnh hưởng tuyến tính giữa tỷ lệ 
thất nghiệp (UN) và nợ xấu (+).
Bảng 1. Các biến sử dụng trong mô hình
Loại biến Tên biến
Ký 
hiệu
Cách đo lường
(tham khảo cách đo lường của 
Việt Nam)
Đơn vị 
tính
Chiều tác 
động dự 
báo
Biến phụ 
thuộc
Tỷ lệ nợ xấu NPL Tổng nợ xấu /tổng dư nợ %
Biến độc lập
1.Tốc độ phát triển 
kinh tế
GDP GDP thực % -
2. Tỷ lệ lạm phát INF (Giá TB - Giá kỳ trước)/giá kỳ 
trước * 100%
% -
3.Lãi suất cho vay IR Tính theo lãi suất cho vay TB 
năm mỗi quốc gia
% +
4. Chỉ số sản xuất 
công nghiệp
IPI
o
o
q q
q
q
i W
I
W
= ∑
∑ theo quy ước quốc tế
% +
5.Chỉ số giá tiêu 
dùng
CPI Được tính theo công thức 
Laspeyres, gốc thời gian: 2010
% -/+
6. Lượng cung tiền V2 Tiền rộng (% GDP) là tổng tiền 
tệ bên ngoài ngân hàng 
% -/+
7.Tỷ lệ thất nghiệp Un Ước tính theo ILO (% tổng lực 
lượng lao động)
% +
56
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
cao nhưng không đồng đều ở mỗi quốc gia. 
Đáng chú ý đó là GDP, bình quân của các nước 
trong khu vực không cao, mức chênh lệch GDP 
giữa các nước tương đối cao.
tỷ lệ lạm phát của các nước khu vực châu Á 
Thái Bình Dương trung bình là 3.06%, với mức 
chênh lệch khá cao, tỷ lệ lạm phát lớn nhất là 
23.1%, nhỏ nhất là -1.35%, độ lệch chuẩn là 
(3.2). Lạm phát trung bình của các nước không 
Bảng 2. Thống kê mô tả dữ liệu
Chỉ số NPL IPI INF CPI UN V2 GDP IR
Trung bình 1.96949 32.42906 3.06835 109.112 3.62381 137.697 4.00194 6.13112
Trung vị 1.74441 33.20222 2.53530 106.052 3.515 125.448 3.83761 5.38791
Giá trị lớn nhất 9.36467 74.11302 23.1163 155.798 7.21 376.524 25.2638 16.9538
Giá trị nhỏ nhất 0.09233 3.719908 -1.35284 85.8064 0.49 36.0017 -21.5945 1.04475
Độ lệch chuẩn 1.48372 15.42978 3.24866 12.8651 1.53115 76.1215 4.59791 2.92270
Độ bất cân xứng 
(Skewness) 1.72478 0.265349 2.81136 1.32644 0.16536 1.37145 -0.13552 1.49646
Độ nhọn 
(Kurtosis) 7.67425 3.634 16.3093 4.80283 2.72519 4.74110 13.6426 5.61307
Giá trị phân phối 
(Jarque-Bera) 182.802 3.702811 1130.74 55.7265 1.00152 57.1727 613.925 85.5066
(Nguồn: Tính toán của tác giả)
Phân tích qua kết quả kiểm định
Kết quả qua kiểm định đa cộng tuyến
Bảng 3. Ma trận tương quan các biến
NPL IPI INF CPI UN V2 GDP IR
NPL 1
IPI 0.68190273 1
INF -0.069005468 -0.12041 1
CPI -0.191085893 -0.22734 -0.002185 1
UN 0.215957258 0.418373 -0.184993 -0.33685 1
V2 -0.377409127 -0.51191 -0.180678 0.05988 -0.11933 1
GDP -0.175218503 -0.08617 0.2251423 0.05013 -0.15303 -0.10577 1
IR 0.154420894 0.177005 0.7048002 0.130251 0.073715 -0.48898 0.19204 1
(Nguồn: Tính toán của tác giả)
57
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
giá mức độ ảnh hưởng của các biến giải thích 
lên biến độc lập. Kiểm định sự tồn tại của các 
ảnh hưởng cố định chính là cơ sở lựa chọn giữa 
Pooled OLS và Fixed Efects. Kiểm định về sự 
tương quan chéo giữa các đơn vị bảng chính là 
cơ sở lựa chọn giữa Pooled OLS và Random 
Effects. Kiểm định Likelihood Ratio nhằm xác 
định hệ số chặn β
0
 của các biến có bằng nhau 
hay không, hay nói cách khác là kiểm định hệ 
số chặn của mỗi quốc gia có bằng nhau hay 
không? Với giả thiết H
0
: Hệ số chặn của các 
quốc gia bằng nhau và ngược lại. Tiếp theo là 
kiểm định Hausman Test được thực hiện nhằm 
xem xét mức độ phù hợp của 2 mô hình FEM 
và REM với giả thiết: H
0
: hai mô hình không có 
sự khác biệt và ngược lại.
Bảng 3 thể hiện hệ số tương quan giữa các 
biến trong mô hình, các biến giải thích trong bài 
nghiên cứu không có tương quan cao. Như vậy, 
mô hình được xác định không có hiện tượng 
đa cộng tuyến, chúng ta có thể sử dụng kết quả 
hồi quy cho mục đích phân tích phân tích chính 
sách và dự báo. Quan sát dấu của các hệ số 
tương quan cho ta thấy chiều tác động của các 
biến giải thích lên biến phụ thuộc. Như vậy, kết 
quả cho thấy, trong giai đoạn 10 năm (2008-
2017), chỉ số sản xuất công nghiệp, tỷ lệ thất 
nghiệp và lãi suất tỷ lệ thuận với nợ xấu. Các 
yếu tố lạm phát, chỉ số giá, cung tiền và GDP có 
tác động ngược chiều đến nợ xấu.
Kết quả các kiểm định
Nghiên cứu thực hiện các kiểm định để đánh 
Bảng 4. Kết quả kiểm định 
Chỉ tiêu
Pooled OLS FEM REM
Coefficient Prob. Coefficient Prob. Coefficient Prob.
C 1.536414 -2.416414 1.536414
GDP 1.536414 0.1679 -0.058063 0.0110* -0.046514 0.1453
IR -0.046514 0.0327 -0.017386 0.7787 0.074595 0.0242
INF 0.074595 0.2154 -0.009467 0.8556 -0.040292 0.1908
CPI -0.040292 0.4099 0.027354 0.0214** -0.011594 0.1549
IPI -0.011594 0.1780 0.070061 0.0000* 0.064296 0.0000
UN 0.064296 0.0000 -0.116617 0.1223*** -0.143009 0.0513
V2 -0.143009 0.0649 -0.000582 0.7235 -0.000118 0.9416
R-squared 0.499606 0.595787 0.499606
Prob(F-statistic) 0.000000 0.000000 0.000000
Durbin-Watson stat 2.345736 2.583233 2.345736
Mức ý nghĩa: *** < 1%, ** < 5%, * < 10%
(Nguồn: Tính toán của tác giả)
58
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
vậy giả thuyết H
0
: hai mô hình FEM và REM 
không có sự khác biệt bị bác bác bỏ. Nghĩa là 2 
mô hình có sự khác biệt và α < 0.05 vì vậy FEM 
được chọn và REM bị loại. Như vậy, kết quả 
đánh giá kết quả hồi quy theo dựa theo phân 
phối t và F thì mô hình FEM là phù hợp trong 
trường hợp nghiên cứu các yếu tố kinh tế vĩ 
mô ảnh hưởng đến nợ xấu của ngân hàng 13 
nước khu vực châu Á Thái Bình Dương. Mô 
hình FEM được lựa chọn tuy nhiên để quyết 
định có sử dụng kết quả hồi quy của mô hình 
này hay không, chúng ta cần tiến hành kiểm 
định giả thuyết về sự phù hợp và ý nghĩa của 
mô hình.
Kết quả kiểm định Hausman Test
Giá trị Kiểm định 
Hausman Test
Kiểm định 
Likelihood Ratio
P_value 0.0010 0.0173
(Nguồn: Tính toán của tác giả)
Theo kết quả hồi quy mô hình dữ liệu bảng 
cho thấy giá trị R-squared của mô hình FEM 
có ý nghĩa cao nhất và có phương sai không 
đổi. Kết quả kiểm định Likelihood Ratio cho 
thấy, P_value = 0.0173 < α (0.05), như vậy, giả 
thiết H
0
: hệ số chặn của các quốc gia bằng nhau 
bị bác bỏ (nghĩa là hệ số chặn của các quốc gia 
là không bằng nhau. Mô hình FEM được chấp 
nhận và Pooled OLS bị loại. Kết quả kiểm định 
Hausman Test cũng cho thấy P_value < α, như 
Bảng 5. Kết quả hồi quy mô hình FEM
Variable Coefficient t-Statistic Prob.
C -2.416414 -1.776786 0.0784
GDP -0.058063 -2.586800(*) 0.0110
IR -0.017386 -0.281663 0.7787
INF -0.009467 -0.182360 0.8556
IPI 0.070061 8.919225(*) 0.0000
UN -0.116617 -1.557028(***) 0.1223
V2 -0.000582 -0.354738 0.7235
CPI 0.027354 2.334689(**) 0.0214
R-squared 0.595787
Mức ý nghĩa: * < 1%, ** < 5%, *** < 10%
(Nguồn: Tính toán của tác giả)
Qua kết quả chạy hồi quy cho thấy, hệ số 
Coefficient của các biến giải thích trong mô 
hình đều khác 0, có thể tạm kết luận các biến 
giải thích có ảnh hưởng đến tỷ lệ nợ xấu của 
các quốc gia trong khu vực châu Á Thái Bình 
Dương. Kiểm định t với mức ý nghĩa 5%, nếu 
biến giải thích có P(|T| > t-Statistic) < 0,05 thì 
biến giải thích có ý nghĩa trong mô hình. Xét 
các biến giải thích sau:
Với mức ý nghĩa 1%, Biến tốc độ tăng 
trưởng(GDP) và biến chỉ số sản suất công 
nghiệp (IPI), có tác động mạnh nhất đến nợ 
xấu trong mô hình nghiên cứu. Tiếp theo phải 
kể đến đó chính là biến chỉ số giá (CPI) của 
59
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
Mô hình hồi quy cho kết quả hồi quy với 
R-squared = 59,5%, điều này có nghĩa là 59,5% 
sự biến động của nợ xấu được giải thích là do sự 
tác động của các biến tốc độ tăng trưởng kinh 
tế (GDP), chỉ số sản xuất công nghiệp (IPI), chỉ 
số giá tiêu dùng (CPI) và tỷ lệ thất nghiệp (UN). 
Như vậy, giả thiết H
0
: không có ảnh hưởng nào 
giữa biến giải thích và biến độc lập (hệ số biến 
giải thích không có ý nghĩa thống kê) bị bác bỏ. 
Mô hình hồi quy được xác địnhn như sau:
mỗi quốc gia có tác động đến nợ xấu ở mức ý 
nghĩa 5%. Đối với biến tỷ lệ thất nghiệp (UN) 
có tác động đến nợ xấu với mức ý nghĩa là 10%. 
Các biến như: Lạm phát (INF), lãi suất (IR) và 
cung tiền (V2)cũng đều có ảnh hưởng đến nợ 
xấu nhưng với mức độ rất thấp. Điều này có thể 
được giải thích rằng, trong ngắn hạn, INF và IR 
và 2 không có ảnh hưởng nhiều đến tỷ lệ nợ xấu 
nên không có biểu hiện rõ ràng như GDP, IPI, 
CPI, UN nhưng có thể ảnh hưởng nhiều trong 
dài hạn.
NPL = -2.416414+ 0.070061* IPI -0.058063*GDP + 0.027354*CPI -0.116617*UN
Như vậy, qua kết quả kiểm định mẫu quan 
sát ta thấy rằng, có mối quan hệ có ý nghĩa 
thống kê giữa các biến số kinh tế vĩ mô và tỷ lệ 
nợ xấu khu vực ngân hàng của 13 nước khu vực 
Châu Á Thái Bình Dương. GDP và UN có tác 
động ngược chiều đến nợ xấu và IPI, CPI có tác 
động cùng chiều đến nợ xấu trong khu vực ngân 
hàng của 13 nước khu vực Châu Á Thái Bình 
Dương trong giai đoạn 2008 – 2017.
5. Gợi ý chính sách
(1) Ổn định kinh tế vĩ mô:
Để bắt kịp với cuộc cách mạng công nghệ 
4.0, các quy định về quy trình thẩm định tín 
dụng cần được định kỳ rà soát điều chỉnh để 
qua đó nhằm kiểm soát nợ xấu trước, trong và 
sau khi cho vay. Các chính sách vĩ mô được sử 
dụng hợp lý phù hợp từng thời kỳ hậu WTO, 
nhằm kích thích tiêu dùng, tăng trưởng kinh tế 
góp phần làm giảm nợ xấu. Ngoài ra, cơ cấu 
về sản xuất công nghiệp cũng cần được cân 
đối các dự án đầu tư hợp lý trong từng thời 
kỳ. Tránh việc đầu tư dàn trải, làm suy giảm 
nguồn vốn của hệ thống ngân hàng, vốn yếu, 
ngân hàng sẽ không đủ khả năng theo dự án, 
dẫn đến dự án treo, làm gia tăng nợ xấu. Kinh 
tế vĩ mô ổn định sẽ góp phần làm suy giảm nợ 
xấu, các hoạt động kinh tế, xã hội của quốc gia 
phát triển ổn định và bền vững. Chính phủ và 
Ngân hàng phải cùng hợp tác xử lý triệt để các 
khoản nợ xấu đang tồn tại vì trong nền kinh tế 
đang khủng hoảng, một ngân hàng sụp đổ chắn 
chắn sẽ ảnh hưởng đến toàn bộ tài chính quốc 
gia. Hệ thống ngân hàng cần được giám sát chặt 
chẽ hơn, cần được nâng cao hiệu quả quản lý, 
điều hành và tăng cường tính minh bạch trong 
hoạt động kinh doanh. Chính phủ phải kết hợp 
tái cấu trúc khu vực ngân hàng và tái cấu trúc 
khu vực doanh nghiệp. Một khu vực ngân hàng 
khỏe mạnh sẽ giúp cho khu vực doanh nghiệp 
hoạt động dễ dàng hơn, việc xử lý nợ xấu cần có 
lộ trình, xuyên suốt.
(2) Xây dựng cơ cấu nợ hợp lý:
Kiểm soát và xử lý nợ xấu cần được xem là 
ưu tiên hàng đầu của hệ thống ngân hàng mỗi 
quốc gia. Việc tỷ lệ nợ xấu cao, nếu không kiểm 
soát và xử lý kịp thời thì hậu quả xấu của nó gây 
ra đối với bản thân các ngân hàng và đối với 
nền kinh tế rất lớn. Như vậy, việc áp dụng một 
hệ thống xác định, phân loại nợ là cần thiết. Áp 
dụng các tiêu chuẩn của Basel sẽ làm cho tỷ lệ 
vốn an toàn của ngân hàng được đảm bảo.
60
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
nhằm nắm được các quy luật của nợ xấu và giảm 
thiểu rủi ro về nợ xấu trong thời kỳ 4.0. Mục 
đích của nghiên cứu này để kiểm tra mối quan 
hệ giữa các khoản nợ xấu của ngân hàng và một 
số chỉ tiêu kinh tế vĩ mô quan trọng trong nền 
kinh tế quốc gia. Đặc biệt, qua kết quả nghiên 
cứu có thể rút ra bài học kinh nghiệm và đề xuất 
các giải pháp ổn định kinh tế vĩ mô nhằm giảm 
tỷ lệ nợ xấu (NPL) tại các ngân hàng. Việc thực 
hiện nghiên cứu này có ý nghĩa quan trọng về 
mặt khoa học cũng như thực tiễn cụ thể như 
sau: nghiên cứu xác định chiều tác động của 
các yếu tố kinh tế vĩ mô đến tỷ lệ nợ xấu của hệ 
thống ngân hàng.
Hạn chế và hướng nghiên cứu
Nghiên cứu này tác giả mới chỉ nghiên 
cứu được 13 quốc gia trong khu vực châu Á 
Thái Bình Dương trong giai đoạn ngắn hạn (10 
năm). Nghiên cứu chưa bao quát được các yếu 
tố vi mô. Vì vậy, để có cái nhìn tổng quát hơn, 
các nghiên cứu tiếp theo có thể mở bộ dữ liệu, 
nghiên cứu ở nhiều quốc gia hơn, nghiên cứu 
trong dài dạn và nghiên cứu thêm các yếu tố vi 
mô. Thông qua việc nghiên cứu với bộ dữ liệu 
lớn, trong thời gian dài và nhiều chỉ số sẽ tìm ra 
quy luật tác động chính xác hơn trong dài hạn. 
Ngoài các yếu tố vĩ mô thuộc về nền kinh tế 
còn có yếu tố vi mô thuộc về bản thân các ngân 
hàng cũng cần được nghiên cứu. Đặc biệt, ứng 
dụng nghiên cứu tại các ngân hàng thương mại 
tại Việt Nam.
(3) Bài học kinh nghiệm cho Việt Nam:
Trong bối cảnh khu vực và hội nhập kinh tế 
toàn cầu, để đảm bảo tỷ lệ nợ xấu được kiểm 
soát hiệu quả, các vấn đề vĩ mô phải được kiểm 
soát tốt. Muốn giảm tỷ lệ nợ xấu thì GDP phải 
tăng trưởng tốt hơn, kiểm soát tốt hơn trong 
hoạt động đầu tư trong sản xuất công nghiệp 
sẽ làm giảm tỷ lệ nợ xấu. Nền kinh tế vĩ mô 
không ổn định cùng với chi phí vốn tăng trong 
các hoạt đồng đầu tư sản xuất công nghiệp sẽ 
làm tăng tỷ lệ nợ xấu. Vì vậy, Việt Nam cần áp 
cụng các chính sách, công cụ tài chính vĩ mô 
để ổn định kinh tế, tránh rơi vào tình trạng suy 
thoái hay khủng hoảng sẽ làm gia tăng nợ xấu 
trong khu vực ngành ngân hàng. Việt Nam cũng 
nên sớm tiếp cận và áp dụng tiêu chuẩn Basel 
vào quản lý rủi ro để nâng cao sức cạnh tranh 
của hệ thống ngân hàng thương mại Việt Nam.
6. Kết luận
Ý nghĩa của nghiên cứu
Từ kết quả nghiên cứu có thể cung cấp cho 
các nhà làm chính sách biết thêm một cơ sở 
khoa học về vấn đề nợ xấu đang tồn tại trong 
hệ thống ngân hàng như thế nào? Từ đó có giải 
pháp khả thi để xử lý nợ xấu tại các ngân hàng. 
Ngoài ra, qua nghiên cứu này cũng giúp cho các 
nhà quản lý ngân hàng biết được các nguyên 
nhân nào ảnh hưởng mạnh đến nợ xấu của hệ 
thống ngân hàng trong suốt thời gian qua. Từ đó 
có tầm nhìn chiến lược trong công tác quản lý 
Tài liệu tham khảo
Tiếng Việt
Báo cáo kinh tế vĩ mô quí 2/2018, viện Nghiên cứu kinh tế quản lý trung ương
Hiệp định Besel về giám sát ngân hàng (BCBS)
61
Tạp chí Nghiên cứu Tài chính – Marketing số 49, 02/2019
Phan Hồng Mai, Cao Đức Anh, Nhân tố ảnh hưởng tới tỷ lệ nợ xấu của các ngân hàng thương mại 
Việt Nam, Tạp chí Kinh tế & Phát triển, số 207(II), 9-2014.
John Maynard keynes (12/1994), Lý thuyết tổng quát về việc làm, lãi suất và tiền tệ, nhà xuất bản 
giáo dục – ĐH Kinh tế quốc dân Hà Nội.
Tiếng Anh
Munib Badar et al./ Impact of Macro economic forces on Nonperforming loans an empirical study of 
commercial banks in Pakistan, Elixir Marketing Mgmt. 56A (2013) 13807-13814, ISSN:2229-
712X.
Muhammad Farhan, Ammara Sattar, Abrar Hussain Chaudhry, Fareeha Khalil1 (2012), Economic 
Determinants of Non-Performing Loans: Perception of Pakistani Bankers, European Journal of 
Business and Management, www.iiste.org, ISSN 2222-1905 (Paper) ISSN 2222-2839 (Online) 
Vol 4, No.19, 2012.
OlayinkaAkinlo, Mofoluwaso Emmanuel (2014), Determinants of Non-Performing loans in 
Nigeria, Accounting & Taxation, Vol. 6, No. 2, 2014, pp. 21-28.
Roziela Endut, Nurul Syuhada, Fathiah Ismail and Wan Mansor W. Mahmood (2013), 
Macroeconomic Implications on Non-Performing Loans in Asian Pacific Region, World Applied 
Sciences Journal 23, 57-60, 2013, ISSN 1818-4952.
Solarin Sakiru, Prof. Wan Sulaiman b. Wan Yusoff, Dr. Jauhari Dahalan (2011), An ardl approach 
to the determinants of nonperforming loans in islamic banking system in maylaysia. Kuwait 
Chapter of Arabian Journal of Business and Management Review Vol. 1, No.2; October 2011.