Các nhân tố tác động đến nợ xấu tại các ngân hàng thương mại Việt Nam

Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 133 
CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU TẠI 
CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM 
NGUYỄN THỊ NHƯ QUỲNH1,*, LÊ ĐÌNH LUÂN1, LÊ THỊ HƯƠNG MAI1 
1Trường Đại học Ngân hàng Thành phố Hồ Chí Minh 
*Email: quynhntn@buh.edu.vn 
(Ngày nhận: 07/06/2018; Ngày nhận lại: 10/07/2018; Ngày duyệt đăng: 11/07/2018) 
TÓM TẮT 
Bài viết nhằm phân tích các nhân tố tác động đến nợ xấu của Ngân hàng thương mại 
(NHTM) trong giai đoạn 2006-2016, thông qua mẫu nghiên cứu gồm 25 NHTM cổ phần tại Việt 
Nam. Nhóm tác giả sử dụng mô hình Pooled OLS, FEM, REM sau đó lựa chọn mô hình phù hợp 
là FEM. Các kiểm định khuyết tật của mô hình lần lượt được tiến hành, phát hiện mô hình FEM 
có hiện tượng phương sai thay đổi. Để khắc phục tình trạng này, nhóm tác giả sử dụng mô hình 
hồi quy theo phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least 
Squares – FGLS) để đảm bảo hiệu quả của mô hình. Kết quả nghiên cứu cho thấy với mức ý 
nghĩa thống kê 1%, tốc độ tăng trưởng kinh tế, tăng trưởng tín dụng của ngân hàng và tỷ lệ thất 
nghiệp tác động ngược chiều với tỷ lệ nợ xấu. Đồng thời, tỷ lệ lạm phát và tỷ lệ nợ xấu năm 
trước tương quan thuận chiều với tỷ lệ nợ xấu hiện tại. Tuy nhiên, mối quan hệ giữa yếu tố quy 
mô và khả năng sinh lời của ngân hàng với tỷ lệ nợ xấu chưa được tìm thấy. 
Từ khóa: FGLS; Ngân hàng thương mại; Nợ xấu. 
Factors affecting non-performing loan of commercial banks in Vietnam 
ABSTRACT 
The primary objective of this study was to explore the impact of factors on non-performing 
loan (NPL) of commercial banks in Vietnam over the period 2006-2016, using data for 25 
commercial banks in Vietnam. The study used the Pooled OLS, FEM, REM and then chose the 
appropriate FEM model. The defect tests of the model were carried out, detecting the FEM 
model with heteroskedasticity phenomena. To overcome this situation, the study used the 
Feasible Generalized Least Squares (FGLS) regression model to ensure the effectiveness of the 
model. These results of empirical research revealed that with statistically significant 1%, 
economic growth rate, credit growth of the bank and the unemployment rate have a negative 
impact on the NPLs ratio. And the inflation and the NPLs ratio in the previous year are 
positively correlated with the NPLs ratio. However, the relationship between bank size and ROE 
with the NPLs ratios has not been found. 
Keywords: Commercial banks; FGLS; Non-performing loan. 
1. Giới thiệu 
Nền kinh tế của một quốc gia sẽ không 
phát triển bền vững nếu hệ thống tài chính 
của quốc gia đó hoạt động kém hiệu quả và 
không ổn định (Badar & Javid, 2013). Hoạt 
động của ngân hàng đóng vai trò quan trọng 
134 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 
trong việc duy trì ổn định hệ thống tài chính, 
tuy nhiên bản chất của hoạt động ngân hàng 
chứa đựng nhiều rủi ro. Một trong những tiêu 
chí để đo lường mức độ rủi ro của ngân hàng 
là chỉ tiêu nợ xấu. Theo số liệu của báo cáo 
tài chính (BCTC) các ngân hàng, trong giai 
đoạn 2006-2012, tỷ lệ nợ xấu tăng gấp đôi từ 
2% năm 2006 đến 4.08% năm 2012, nhưng 
tới năm 2016 tỷ lệ này còn 2.52% (giảm 
1.56%). 
ĐVT: tỷ đồng, % 
Hình 1. Nợ xấu hệ thống ngân hàng TMCP Việt Nam giai đoạn 2006 – 2016 
Nguồn: Nhóm tác giả tự tổng hợp từ Báo cáo thường niên và sbv.gov.vn 
Việc nghiên cứu và tìm ra các nhân tố tác 
động đến nợ xấu đối với NHTM sẽ giúp cho 
nhà quản trị ngân hàng chủ động hơn trong 
quá trình khắc phục, thay đổi và tìm ra chính 
sách phù hợp để giảm thiểu nợ xấu. Ngoài ra 
việc xác định các yếu tố này cũng sẽ giúp cho 
NHNN có chính sách phù hợp trong quá trình 
tái cấu trúc hệ thống ngân hàng. Bài viết sẽ 
phân tích các nhân tố tác động đến nợ xấu của 
NHTM. Phần tiếp theo của bài viết sẽ nghiên 
cứu về cơ sở lý thuyết và các nhân tố tác động 
đến nợ xấu, phần 3 là phương pháp, mô hình 
và dữ liệu nghiên cứu, phần 4 kết quả nghiên 
cứu và thảo luận, phần 5 kết luận và khuyến 
nghị một số chính sách. 
2. Cơ sở lý thuyết và các nhân tố tác 
động đến nợ xấu 
2.1. Cơ sở lý thuyết 
Nợ xấu là thuật ngữ được sử dụng phổ 
biến trên thế giới với các từ như “Non-
performing loans” (NPL), “bad debt”, 
“doubtful debt” chỉ các khoản nợ khó đòi 
(Fofack, 2005) hoặc các khoản vay có vấn đề 
(Berger và De Young, 1997) hoặc khoản nợ 
không trả được (defaulted loans) mà ngân 
hàng không thể thu lợi từ nó (Ernst & Young, 
2004) hay các khoản cho vay bắt đầu được 
đưa vào nợ xấu khi đã quá hạn trả nợ gốc và 
lãi 90 ngày trở lên (Peter Rose, 2004). Hiện 
tại không có một quy tắc hay chuẩn mực 
thống nhất khi thảo luận về vấn đề nợ xấu. 
Tại Việt Nam, theo quan điểm của 
NHNN, nợ xấu được định nghĩa là những 
khoản nợ được phân loại vào nhóm nợ dưới 
tiêu chuẩn, nợ nghi ngờ và nợ có khả năng 
mất vốn. Trong đó, nợ xấu được phân loại 
theo hai tiêu chí là định lượng và định tính. 
Về định lượng, nợ nhóm 3 là các khoản nợ 
quá hạn từ 90 ngày đến 180 ngày; nợ nhóm 4 
là các khoản nợ quá hạn từ 181 ngày đến 360 
ngày và nợ nhóm 5 là các khoản nợ quá hạn 
trên 360 ngày. Trong khi đó theo định tính, nợ 
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 135 
xấu là các khoản nợ dưới chuẩn, bị nghi ngờ 
về khả năng trả nợ lẫn khả năng thu hồi vốn 
của chủ nợ (Nguyễn Thành Nam, (2013), 
Đinh Thị Thanh Vân, (2012)). 
Do các yếu tố định tính khó xác định nên 
nợ xấu trong bài nghiên cứu sẽ được thu thập 
theo tiêu chí định lượng: 
Tỷ lệ nợ xấu = 
2.2. Các nhân tố tác động đến nợ xấu 
của NHTM 
Hiện nay, trên thế giới và tại Việt Nam có 
nhiều nghiên cứu thực nghiệm và các giả 
thuyết bàn về các nhân tố tác động đến nợ xấu 
của NHTM. 
Các nhân tố vi mô thuộc đặc thù ngân hàng 
Quy mô ngân hàng 
Quy mô thể hiện năng lực thị trường của 
ngân hàng đó. Hầu hết các kết quả nghiên cứu 
theo nhóm tác giả thống kê thì yếu tố quy mô 
ngân hàng tác động cùng chiều đến tỷ lệ nợ 
xấu. Cụ thể, có thể kể đến nghiên cứu của 
Rajan & Dhal (2003), Ghosh (2015), Đỗ 
Quỳnh Anh và Nguyễn Đức Hùng (2013), 
Nguyễn Thị Hồng Vinh (2015), Nguyễn Tuấn 
Kiệt và Đinh Hùng Phú (2015). 
Trong khi đó, tương quan nghịch chiều 
giữa quy mô và nợ xấu cũng được tìm thấy 
trong nghiên cứu của Salas và Suarina (2002). 
Thật vậy, ngân hàng có tổng tài sản lớn thể hiện 
quy mô ngân hàng lớn. Quy mô ngân hàng lớn 
cho phép các NHTM có điều kiện để đầu tư cải 
thiện quy trình tín dụng, chất lượng quản trị rủi 
ro cũng như nguồn nhân lực chất lượng cao. 
Mặt khác, quy mô lớn cùng với thị phần cao 
cho phép các NHTM có thể đa dạng hóa hoạt 
động tín dụng của mình, từ đó giúp giảm thiểu 
rủi ro tập trung tín dụng (Louzis, 2012). 
Tăng trưởng tín dụng 
Tăng trưởng tín dụng thể hiện quy mô 
vốn cung ứng ra nền kinh tế, các nghiên cứu 
phân tích tác động của tăng trưởng tín dụng 
đến tỷ lệ nợ xấu cho các kết quả không thống 
nhất. Một phần các nghiên cứu trước chỉ ra 
rằng tỷ lệ nợ quá hạn và nợ xấu có liên quan 
đến tốc độ tăng trưởng tín dụng nhanh chóng. 
Salas và Saurina (2002) đã nghiên cứu các 
ngân hàng Tây Ban Nha thấy rằng tăng trưởng 
dư nợ cho vay có liên quan đến khoản vay 
không có khả năng thanh toán. Weinberg 
(1995) đưa ra giả thuyết rủi ro cho vay tăng 
trong thời kỳ phát triển kinh tế vì lợi nhuận kỳ 
vọng từ các dự án đầu tư được cải thiện và do 
đó, lợi nhuận kỳ vọng từ tất cả các khoản vay 
đã khiến ngân hàng thường xuyên nới lỏng 
các tiêu chuẩn bảo lãnh phát hành, trong khi 
hoạt động tín dụng cần được thắt chặt các tiêu 
chuẩn, do đó các khoản nợ xấu tăng lên cùng 
với sự gia tăng tín dụng. Ngoài ra, các kết quả 
nghiên cứu của Klein (2013), Đỗ Quỳnh Anh 
và Nguyễn Đức Hùng (2013) và Nguyễn Thị 
Hồng Vinh (2015) cũng đồng quan điểm trên. 
Trong khi đó, nghiên cứu của Nguyễn 
Tuấn Kiệt và Đinh Hùng Phú (2016) lại cho 
rằng tốc độ tăng trưởng tín dụng tương quan 
nghịch chiều với nợ xấu. Điều này được lý 
giải là trong giai đoạn nghiên cứu ở Việt Nam 
các khoản tín dụng của các ngân hàng thường 
sau một năm mới phát sinh nợ xấu, nghĩa là 
nếu năm nay ngân hàng tăng trưởng tín dụng 
thấp vì năm trước ngân hàng có tỷ lệ nợ xấu 
cao, nên ngân hàng bắt buộc tập trung xử lý 
nợ xấu kèm theo việc hạn chế tăng trưởng tín 
dụng do áp đặt của NHNN. 
Khả năng sinh lời của ngân hàng 
Hầu hết các nghiên cứu thực nghiệm đã 
chỉ ra nợ xấu và khả năng sinh lời của ngân 
hàng có quan hệ ngược chiều như nghiên cứu 
của Klein (2013), Ghosh (2015), Lê Hoàng 
Anh và Mai Thị Phương Thùy (2015), 
Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016). 
Thật vậy, một ngân hàng có khả năng 
sinh lời cao sẽ có ít động cơ tham gia vào các 
hoạt động cấp tín dụng với rủi ro cao. Ngược 
lại, những ngân hàng hoạt động kém hiệu quả 
sẽ cố gắng sinh lời bằng việc cấp các khoản 
tín dụng không đạt chuẩn, do đó tại các ngân 
hàng này dễ dàng nảy sinh các khoản nợ xấu 
hơn. Vấn đề này cũng hợp lý khi lợi nhuận 
136 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 
các ngân hàng Việt Nam thu được chủ yếu từ 
hoạt động tín dụng, vì vậy, khi lợi nhuận cao, 
chất lượng các khoản vay của các ngân hàng 
tốt, vốn và lãi được thu hồi đầy đủ, dẫn đến 
nợ xấu thấp (Nguyễn Tuấn Kiệt & Đinh Hùng 
Phú, 2016). 
Tỷ lệ nợ xấu năm trước 
Theo Marki và cộng sự (2014), việc thu 
hồi nợ không hiệu quả là nguyên nhân tăng nợ 
xấu cũng như những khó khăn gặp phải khi xử 
lý các khoản nợ xấu. Thêm vào đó, các khoản 
nợ xấu tồn đọng các năm trước đến hiện tại 
chưa được giải quyết triệt để thì sẽ làm tăng 
nợ xấu trong năm hiện tại. 
Nhân tố vĩ mô: 
Tốc độ tăng trưởng kinh tế 
Các nghiên cứu khi xem xét tác động của 
các nhân tố vĩ mô đến nợ xấu đều khẳng định 
ảnh hưởng của tăng trưởng kinh tế đến chất 
lượng khoản vay. Các nghiên cứu trước đây 
hầu hết đều cho kết quả ngược chiều trong 
mối quan hệ này như Salas và Suarina (2002), 
Fillip (2015), Ghosh (2015), Đỗ Quỳnh Anh 
và Nguyễn Đức Hùng (2013), Nguyễn Thị 
Hồng Vinh (2015), Nguyễn Tuấn Kiệt Và 
Đinh Hùng Phú (2016) Nền kinh tế tăng 
trưởng tốt sẽ thúc đẩy hoạt động sản xuất, 
kinh doanh được thuận lợi, từ đó nâng cao khả 
năng thanh toán các khoản vay của người đi 
vay (Markri & cộng sự (2012); Klein, 2013). 
Tỷ lệ thất nghiệp 
Marki và cộng sự (2012) khi sử dụng 
phương pháp hồi quy với mẫu 14 trong số 17 
quốc gia thuộc khu vực đồng Euro, kết quả 
cho thấy có mối quan hệ rõ ràng giữa tỷ lệ thất 
nghiệp và nợ xấu, nợ xấu tăng lên do sự tăng 
trưởng của tỷ lệ thất nghiệp. Fillip (2015), 
Ghosh (2015) cũng đồng quan điểm trên. 
Khi thất nghiệp xảy ra, thu nhập của 
người đi vay sẽ giảm, do đó khả năng hoàn trả 
nợ gốc cũng như lãi vay của họ sẽ giảm, điều 
này dẫn đến tỷ lệ nợ xấu của ngân hàng sẽ 
tăng lên (Fillip, (2015)). 
Lạm phát 
Khi lạm phát tăng, người tiêu dùng giảm 
nhu cầu chi tiêu khiến hàng hóa tiêu thụ thấp, 
doanh nghiệp gặp khó khăn do hoạt động kinh 
doanh trì trệ, dẫn đến lợi nhuận thấp hơn kỳ 
vọng, thậm chí có thể xảy ra tình trạng thua lỗ 
làm ảnh hưởng đến khả năng trả nợ của doanh 
nghiệp, điều này khiến cho nợ xấu NHTM 
tăng lên (Fillip (2015), Đỗ Quỳnh Anh và 
Nguyễn Đức Hùng (2013), Nguyễn Tuấn Kiệt 
và Đinh Hùng Phú (2016)). 
3. Phương pháp nghiên cứu 
3.1. Mô hình nghiên cứu 
Dựa trên mô hình nghiên cứu của Salas & 
Saurina (2002), Klein (2013), Nguyễn Thị 
Hồng Vinh (2015), Nguyễn Tuấn Kiệt và 
Định Hùng Phú (2016),  nhóm tác giả tiếp 
cận nghiên cứu theo phương pháp dữ liệu 
bảng năng động để giải thích sự tồn tại yếu tố 
thời gian trong tỷ lệ nợ xấu. 
Mô hình có dạng: 
NPLit = it 1 it it it, 
Trong đó: 
- i và t biểu thị đường chéo và chiều thời 
gian trong mẫu dữ liệu bảng tương ứng, NPLit 
là biến phụ thuộc, được xác định bằng logarit 
của tỷ lệ nợ xấu ngân hàng thứ i trong năm t. 
- Biến phụ thuộc NPLit được giải thích 
bởi độ trễ của nó là NPLit-1; biểu thị độ 
trễ vector đa thức. Xit là vector của biến các 
yếu tố vi mô đặc thù của ngân hàng (ngoài 
biến nợ xấu trong quá khứ) bao gồm: khả 
năng sinh lời (ROEit), tỷ lệ tăng trưởng tín 
dụng (CREDITit), quy mô ngân hàng (SIZEit). 
Các biến này cũng được lấy giá trị logarit tự 
nhiên. 
- Mit là các biến các yếu tố vĩ mô gồm: tỷ 
lệ lạm phát (INFit), tốc độ tăng trưởng kinh tế 
(GDPit), tỷ lệ thất nghiệp (UNTit). 
- it: các sai số 
Như vậy, dựa vào các nghiên cứu trước 
và thực tiễn tại Việt Nam về mối quan hệ giữa 
các nhân tố tác động tới nợ xấu NHTM, nhóm 
tác giả sử dụng các biến và dấu kỳ vọng trong 
mô hình nghiên cứu như sau (Bảng 1). 
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 137 
Bảng 1 
Các biến được sử dụng trong mô hình nghiên cứu 
Tên biến Mô tả biến 
Dấu kì 
vọng 
Nghiên cứu trước 
Tốc độ tăng trưởng 
(GDPit) 
Tốc độ tăng 
trưởng kinh tế 
- 
Salas và Suarina (2002), Klein (2013), Makri 
& cộng sự (2014), Filip (2015), Ghosh 
(2015), Đỗ Quỳnh Anh và Nguyễn Đức 
Hùng (2013), Nguyễn Thị Hồng Vinh 
(2015), Nguyễn Tuấn Kiệt và Đinh Hùng 
Phú (2016) 
Tỷ lệ thất nghiệp 
(UNTit) 
Tỷ lệ thất 
nghiệp 
+ 
Klein (2013), Filip (2015), Ghosh (2015), 
Makri & cộng sự (2014) 
Tỷ lệ lạm phát 
(INFit) 
Tỷ lệ lạm phát + 
Klein (2013), Filip (2015), Ghosh (2015), 
Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013) 
Tỷ lệ nợ xấu năm 
trước (NPLi(t-1)) 
ln
+ 
Beck, Jakubik & Piloiu (2013), Đỗ Quỳnh 
Anh và Nguyễn Đức Hùng (2013), Nguyễn 
Thị Hồng Vinh (2015) 
Quy mô ngân hàng 
(SIZEit) 
ln(Tổng tài 
sản) 
- 
Ghosh (2015), Đỗ Quỳnh Anh và Nguyễn 
Đức Hùng (2013), Nguyễn Thị Hồng Vinh 
(2015), Nguyễn Tuấn Kiệt và Đinh Hùng 
Phú (2015) 
Tăng trưởng tín 
dụng của ngân 
hàng (CREDITit) 
Ln(dư nợit – 
dư nợit-1) /dư 
nợit-1 
+ 
Keeton (1999), Klein (2013), Vithessonthi 
(2016), Đỗ Quỳnh Anh và Nguyễn Đức 
Hùng (2013), Nguyễn Thị Hồng Vinh 
(2015), Lê Hoàng Anh và Mai Thị Phương 
Thùy (2015) 
Khả năng sinh lời 
của ngân hàng 
(ROEit) 
Ln (lợi nhuận 
sau 
thuế/VCSH 
bình quân) 
- 
Klein (2013), Ghosh (2015), Lê Hoàng Anh 
và Mai Thị Phương Thùy (2015), Nguyễn 
Thị Hồng Vinh (2015), Nguyễn Tuấn Kiệt 
và Đinh Hùng Phú (2016) 
Nguồn: Tác giả tổng hợp. 
3.2. Dữ liệu nghiên cứu 
Đối với các dữ liệu vi mô từ ngân hàng: 
Nghiên cứu thu thập dữ liệu từ báo cáo 
tài chính của 25 NHTMCP Việt Nam (bao 
gồm ACB, ABB, VietCapitalBank, LPB, 
Vietinbank, BIDV, DongA bank, Seabank, 
KLB, Maritime bank, Techcombank, 
NamABank, Vietcombank, HDBank, OCB, 
MB Bank, VIB, NCB, Saigonbank, SHB, 
Sacombank, VietABank, VP Bank, PG 
Bank, Eximbank) trong giai đoạn 2006 – 
2016. Lý do nghiên cứu chỉ sử dụng dữ liệu 
của 25 ngân hàng này trong giai đoạn được 
đề cập vì trong giai đoạn này chỉ có 25 
138 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 
NHTMCP công bố đủ dữ liệu mà bài viết 
cần. Các ngân hàng được chọn đáp ứng tiêu 
chí còn tồn tại và hoạt động cho tới hết năm 
2016. 
Các dữ liệu vĩ mô bao gồm tăng trưởng 
kinh tế, tỷ lệ lạm phát, tỷ lệ thất nghiệp được 
nhóm tác giả thu thập t ... là 
35.45%, 28.97%, 30.68%. Điều này thể hiện 
rằng các biến độc lập được sử dụng trong mô 
hình có thể đã giải thích được 35.45%, 
28.97%, 30.68% sự thay đổi trong tỷ lệ nợ 
xấu của các ngân hàng. Giá trị p-value của mô 
hình được ước lượng theo 3 phương pháp trên 
đều là 0.0000 – giá trị này nhỏ hơn = 0.01. 
Như vậy, ước lượng của ba phương pháp này 
đều có ý nghĩa thống kê. 
Tuy nhiên, việc ước lượng theo mô hình 
Pooled OLS không phản ánh được tác động 
riêng biệt, mang tính đặc thù của từng ngân hàng. 
Do đó, để khắc phục hạn chế này, nghiên cứu 
tiếp tục lựa chọn ước lượng mô hình hồi quy theo 
phương pháp tác động cố định FEM và tác động 
ngẫu nhiên REM. Kết quả hồi quy cho thấy kết 
quả mô hình REM có các thông số giống với mô 
hình Pooled OLS, còn mô hình FEM các biến 
trong mô hình đều cùng dấu với mô hình Pooled 
OLS và có ý nghĩa nhưng mức độ tác động và 
mức ý nghĩa lại có sự khác nhau ở 2 mô hình. 
Bên cạnh đó, ở mô hình FEM có thêm một biến 
có ý nghĩa ở mức 5% là biến ROEit – ngược dấu 
với tỷ lệ nợ xấu ngân hàng. 
Bảng 4 
Kết quả mô hình nghiên cứu POOLED OLS, FEM và REM 
Biến POOLED OLS REM FEM 
GDPit -21.6495*** 
(7.818448) 
-21.6495*** 
(7.818448) 
-24.17823*** 
(7.903077) 
UNTit -38.47075*** 
(18.59383) 
-38.47075*** 
(18.59383) 
-33.40755* 
(20.00597) 
INFit 1.617915* 
(0.6572823) 
1.617915* 
(0.6572823) 
1.438222** 
(0.7242406) 
NPLit-1 0.4602879*** 
(0.0624571) 
0.4602879*** 
(0.0624571) 
0.29916*** 
(0.0733148) 
SIZEit 0.1254202 
(0.4058038) 
0.1254202 
(0.4058038) 
1.204488 
(0.8821612) 
CREDITit -0.0314504 
(0.0415894) 
-0.0314504 
(0.0415894) 
-0.0277163 
(0.0495247) 
ROEit -1.1048886 
(0.468327) 
-1.1048886 
(0.468327) 
-0.1107841** 
(0.0526507) 
Cons -0,7216739 
(1,304945) 
-0,7216739 
(1,304945) 
-3,898641 
(2,416071) 
Số quan sát 218 218 218 
 F(7.210) = 16.48 Wald chi2(7) = 115.33 F(7.186) = 11.76 
 Prob > F = 0.0000 Prob > chi2 = 0.0000 Prob > F = 0.0000 
 R2 = 0.3545 R2 within = 0.2897 R
2
 within = 0.3068 
*, **, *** tương ứng với mức ý nghĩa thống kê 10%, 5%, 1%. 
140 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 
Vì vậy, để xác định mô hình nào phù hợp 
hơn, nghiên cứu thực hiện kiểm định 
Hausman Test để chọn lựa giữa mô hình FEM 
và REM. Kiểm định cho kết quả p-value = 
0.00138 < = 0.05. Với mức ý nghĩa 1%, ta 
bác bỏ giả thuyết H0, tức mô hình FEM được 
chọn. Như vậy, trong ba mô hình Pooled 
OLS, REM và FEM khi hồi quy dữ liệu bảng 
thì mô hình FEM là phù hợp nhất với tổng thể 
số liệu nghiên cứu các nhân tố tác động đến tỷ 
lệ nợ xấu tại các NHTM. 
Kiểm định hiện tượng phương sai thay 
đổi: Để xem mô hình FEM có xảy ra hiện 
tượng phương sai thay đổi hay không, nhóm 
tác giả tiến hành kiểm định Wald để kiểm tra. 
Kết quả cho thấy giả thuyết H0 – phương sai 
đồng nhất bị bác bỏ (p-value = 0.0000 < 
=0.05) tức là có tồn tại hiện tượng phương sai 
thay đổi trong mô hình, với mức ý nghĩa 5%. 
Như vậy, sau khi kiểm định, mô hình hồi 
quy nghiên cứu bị vi phạm hiện tượng phương 
sai không thay đổi. Do đó, nhóm tác giả thực 
hiện hồi quy theo phương pháp bình phương 
tổi thiểu tổng quát khả thi FGLS (Feasible 
Generalized Least Squares) nhằm kiểm soát 
hiện tượng này để tăng tính hiệu quả cao cho 
mô hình nghiên cứu. Bảng 5 là kết quả mô 
hình được xử lý vấn đề phương sai thay đổi: 
Bảng 5 
Kết quả ước lượng mô hình FGLS 
Biến Hệ số Sai số chuẩn P - value 
GDPit -16.76133 3.756384 0.000 
UNTit -28.11477 8.794796 0.001 
INFit 1.876038 0.3110112 0.000 
NPLit-1 0.5325985 0.0457227 0.000 
SIZEit 0.0204614 0.2034225 0.920 
CREDITit -0.0801332 0.0248936 0.001 
ROEit -0.0443937 0.0254649 0.081 
Cons -0.6392588 0.6560633 0.330 
Nguồn: Tác giả tổng hợp. 
Dựa vào Bảng 5, ta có kết quả hồi quy 
theo phương pháp FGLS như sau: p-value = 
0.000 < 0.01. Do đó, mô hình hồi quy có 
ý nghĩa thống kê mạnh mẽ tại mức 1%. 
Tóm lại, mô hình nghiên cứu có phương 
trình như sau với mức ý nghĩa thống kê 1%: 
NPLit = 0.5325985NPLit-1 – 
0.0801332CREDITit – 16.76133GDPit + 
1.8760382INFit – 28.11477UNTit 
Thông qua mô hình nghiên cứu trên, ta 
thấy: 
Một là, tỷ lệ nợ xấu năm trước có mối 
tương quan thuận chiều với tỷ lệ nợ xấu năm 
hiện tại. Điều này cho thấy chất lượng tín 
dụng có xu hướng giảm ở năm trước sẽ kéo 
theo nợ xấu năm sau tăng và ngược lại. Kết 
quả này cũng phù hợp với các nghiên cứu 
trước như Salas và Saurina (2002), Klein 
(2013), Đỗ Quỳnh Anh và Nguyễn Đức Hùng 
(2013), Nguyễn Thị Hồng Vinh (2015),  Nợ 
xấu trong quá khứ cao thể hiện khả năng quản 
trị rủi ro trong cho vay của ngân hàng kém 
dẫn đến nợ xấu gia tăng trong hiện tại. Một cú 
sốc với nợ xấu sẽ có ảnh hưởng lâu dài đối 
với hệ thống ngân hàng (Nguyễn Thị Hồng 
Vinh, 2015). 
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 141 
Hai là, tốc độ tăng trưởng tín dụng có 
mối quan hệ ngược chiều tỷ lệ nợ xấu. 
Nguyên nhân trong giai đoạn 2006 – 2016 tại 
Việt Nam, trải qua thời kỳ suy giảm do ảnh 
hưởng của khủng hoảng kinh tế thế giới năm 
2008 và chỉ phục hồi những năm sau đó. 
Quan hệ ngược chiều này phù hợp với chiều 
phục hồi của nền kinh tế sau khủng hoảng. 
Môi trường vĩ mô từng bước ổn định, nợ xấu 
suy giảm theo thời gian, tăng trưởng tín dụng 
tăng lên trong nền kinh tế. Tăng trưởng tín 
dụng thể hiện sự tăng lên về nhu cầu của các 
khoản cho vay đối với các dự án hoạt động 
kinh doanh của nền kinh tế. Đồng thời, kết 
quả này cũng được lý giải bởi các khoản tín 
dụng của các NHTM thường phát sinh nợ xấu 
sau một năm. Nếu ngân hàng năm trước có tỷ 
lệ nợ xấu cao thì năm sau ngân hàng có tốc 
độ tăng trưởng tín dụng thấp vì ngân hàng bắt 
buộc phải tập trung xử lý nợ xấu và hạn chế 
tăng trưởng tín dụng bởi sự áp đặt của NHNN 
(Nguyễn Tuấn Kiệt & Đinh Hùng Phú 
(2016). Do đó, kết quả này có thể được xem 
là phù hợp. 
Ba là, tăng trưởng kinh tế có tác động 
ngược chiều với tỷ lệ nợ xấu. Đây là biến có 
tác động mạnh trong mô hình nghiên cứu. Kết 
quả này đúng với kỳ vọng ban đầu của nhóm 
tác giả. Điều này cũng hoàn toàn phù hợp với 
thực tiễn tại Việt Nam, trong giai đoạn nghiên 
cứu, nhìn chung nợ xấu của các NHTM gia 
tăng từ năm 2009 trong khi tăng trưởng kinh 
tế giai đoạn 2009 – 2016 thấp hơn giai đoạn 
2006 – 2008. Khi nền kinh tế tăng trưởng, thu 
nhập của cá nhân, hộ gia đình tăng sẽ khiến 
họ tiêu dùng nhiều hơn, tạo điều kiện cho các 
doanh nghiệp hoạt động có hiệu quả, thu nhập 
gia tăng và do đó khả năng thanh toán các 
khoản nợ dễ dàng hơn. Ngược lại, khi kinh tế 
kém phát triển, hoạt động sản xuất kinh 
doanh bị trì trệ khiến họ không có khả năng 
trả nợ, từ đó khiến tỷ lệ nợ xấu các ngân hàng 
gia tăng. 
Bốn là, tỷ lệ lạm phát có tương quan 
thuận chiều với tỷ lệ nợ xấu. Khi tỷ lệ lạm 
phát trong nền kinh tế tăng cao, NHNN thực 
hiện chính sách tiền tệ thắt chặt để chống lạm 
phát, hoạt động tín dụng của các NHTM cũng 
sẽ bị ảnh hưởng. Cụ thể, lãi suất cho vay tăng 
lên, chi phí đầu vào của doanh nghiệp bị đẩy 
lên đã làm giảm hiệu quả kinh doanh của các 
doanh nghiệp vay vốn, từ đó ảnh hưởng trực 
tiếp đến khả năng trả nợ của họ đối với ngân 
hàng. Bên cạnh đó, ngân hàng siết chặt việc 
cho vay sẽ dẫn đến tình trạng nền kinh tế thiếu 
tính thanh khoản, hoạt động sản xuất kinh 
doanh bị trì trệ, các doanh nghiệp chiếm dụng 
vốn lẫn nhau, mất khả năng thanh toán, nhiều 
doanh nghiệp, nhất là các doanh nghiệp vừa 
và nhỏ đứng trước nguy cơ phá sản, đẩy gánh 
nặng nợ xấu về phía các ngân hàng. 
Năm là, tỷ lệ thất nghiệp tương quan 
nghịch chiều với tỷ lệ nợ xấu. Điều này ngược 
dấu với kì vọng ban đầu của nhóm tác giả đưa 
ra cũng như một số nghiên cứu trước đây của 
các tác giả Messai, Jouini (2013), Klein 
(2013), Fillip (2015), Ghosh (2015), Makri và 
cộng sự (2014). Câu hỏi đặt ra ở đây là liệu 
kết quả này có thể phù hợp với thực tế tại Việt 
Nam trong giai đoạn nghiên cứu hay không? 
Thực tế tình hình nợ xấu của các NHTM 
và tỷ lệ thất nghiệp Việt Nam trong giai đoạn 
2009 – 2013 và năm 2015 ủng hộ cho kết quả 
nghiên cứu này của nhóm tác giả. Mối tương 
quan nghịch chiều này có thể giải thích hai 
nguyên nhân như sau: một là, tỷ trọng cho vay 
cá nhân tiêu dùng trên tổng dư nợ tín dụng 
vẫn còn thấp; đồng thời tỷ lệ thất nghiệp ở 
Việt Nam thấp và không biến động nhiều. Do 
đó, về lý thuyết khi thất nghiệp tăng lên có thể 
dẫn đến gia tăng nợ xấu trong trường hợp số 
người thất nghiệp không có giao dịch tín dụng 
với ngân hàng ít thì nguy cơ rủi ro nợ xấu sẽ 
giảm xuống. Nguyên nhân thứ hai xuất phát 
từ đặc thù thị trường tại Việt Nam cho phép 
người lao động có thể sẵn sàng làm bất kỳ 
công việc nào tuy khác với chuyên môn do đó 
tỷ lệ thất nghiệp ở Việt Nam thấp so với các 
nước trên thế giới và rất ít biến động. Thất 
nghiệp dạng này gần với thất nghiệp tự nhiên 
142 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 
của nền kinh tế. Như vậy, điều này có nghĩa là 
tỷ lệ thất nghiệp tăng giảm không giải thích 
cho sự thay đổi của nợ xấu mà có thể nợ xấu 
thay đổi đơn thuần do những yếu tố khác tác 
động như GDP và các yếu tố ngân hàng. 
5. Một số khuyến nghị 
Thông qua kết quả nghiên cứu đã được 
trình bày ở trên, để giảm thiểu tỷ lệ nợ xấu 
của NHTM, nhóm tác giả đưa ra một số kiến 
nghị sau: 
Đối với Ngân hàng Thương mại 
Thứ nhất, các ngân hàng cần đảm bảo 
tăng trưởng tín dụng bền vững thể hiện ở việc 
giám sát chặt trong khâu thẩm định, quyết 
định cấp tín dụng cũng như giám sát sau khi 
cấp tín dụng. Các ngân hàng cần tránh cấp tín 
dụng quá mức, hạ chuẩn cấp tín dụng; cần xây 
dựng và xác định rõ ràng khẩu vị rủi ro, từ đó 
chủ động xây dựng danh mục tín dụng với các 
tỷ trọng phân bố dự kiến và lựa chọn phương 
án thích hợp với mục tiêu lợi nhuận và khả 
năng chịu đựng tổn thất của ngân hàng. 
Thứ hai, tỷ lệ nợ xấu năm trước có tác 
động mạnh thuận chiều đến nợ xấu năm hiện 
tại nên các ngân hàng cần chú trọng tăng 
cường khả năng quản trị rủi ro phù hợp với 
quy mô tổng tài sản không ngừng tăng lên 
theo thời gian. Nâng cấp cơ chế quản lý và 
kiểm soát rủi ro, học hỏi từ các ngân hàng 
nước ngoài để tiến hành phân tích tín dụng và 
giám sát khả năng trả nợ của người vay một 
cách hiệu quả. Tiếp tục xử lý nhanh chóng nợ 
đọng bằng cách bán tài sản đảm bảo; tích cực 
thu hồi nợ từ khách hàng; gia hạn nợ, cơ cấu 
lại khoản vay, đánh giá lại nợ; bán nợ cho 
công ty mua bán nợ hay sử dụng dự phòng rủi 
ro để xử lý. 
Thứ ba, các yếu tố vĩ mô thực sự tác động 
đến hoạt động cấp tín dụng và khả năng trả nợ 
của khách hàng. Các biến vĩ mô thường nằm 
ngoài tầm kiểm soát của các ngân hàng 
thương mại. Do đó, các ngân hàng cần chủ 
động đối phó trước những thay đổi của nền 
kinh tế nhằm bảo toàn tài sản của mình. Trong 
các thuật toán đánh giá sức chịu đựng (Stress 
test), các ngân hàng cần quan tâm hơn đến các 
biến số vĩ mô. Điều này không những giúp 
các ngân hàng chủ động ứng phó với những 
cú sốc của nền kinh tế mà còn giúp các ngân 
hàng dự báo được các khoản trích lập dự 
phòng rủi ro. Từ đó, các ngân hàng có thể đưa 
ra các chiến lược phát triển hợp lý, vừa đảm 
bảo được khả năng sinh lời, vừa bảo toàn 
được các tài sản có của ngân hàng. 
Đối với Ngân hàng Nhà nước Việt Nam 
Do tốc độ tăng trưởng kinh tế GDP tăng 
thì tỷ lệ nợ xấu có xu hướng giảm, khả năng 
trả nợ của người đi vay tăng và ngược lại. Vì 
vậy, NHNN cần có các biện pháp kích cầu 
nền kinh tế, hỗ trợ cho khu vực kinh tế tư 
nhân trong sản xuất kinh doanh và tiếp cận 
vốn. 
Đồng thời, trong từng thời kỳ nhất định, 
NHNN cần có một chính sách tiền tệ phù hợp 
nhằm kiểm soát lạm phát ở mức thấp, giúp 
giảm nợ xấu 
Tài liệu tham khảo 
Badar, M. & Javid, Y. (2013). Impact of macroeconomic forces on nonperforming loans: An 
empirical study of commercial banks in Pakistan. Wseas Transactions on Business and 
Economics, 40 - 48. 
Berger, A. & DeYoung, R. (1997). Problem loas and cost efficiency commercial banks. Journal 
of Banking and Finance, 21. 
Đinh Thị Thanh Vân (2012). So sánh nợ xấu, phân loại nợ và trích lập dự phòng rủi ro tín dụng 
của Việt Nam và thông lệ quốc tế. Tạp chí Công nghệ Ngân hàng, 19, 5-12. 
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 143 
Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013). Phân tích thực tiễn về những yếu tố quyết định 
đến nợ xấu tại các ngân hàng thương mại Việt Nam. Kỷ yếu hội thảo khoa học: Seminar 
Nghiên cứu Kinh tế và Chính sách số 07 do Trung tâm Nghiên cứu Kinh tế và Chính sách 
tổ chức, Hà Nội, tháng 01/2013. 
Farrar, D. & Glauber, R. (1967). Multicollinearity in regression analysis: The problem revisited. 
Review of Economics and Statistics, 49, 92-107. 
Filip, B.F. (2015). The quality of bank loans within the framework of Globalization. Procedia 
Economics and Finance, 20, 208-217. 
Fofack, H. (2005). Non-performig loans in sub-Saharan Africa: Causal analysis and 
macroecomic implications. World Bank Policy Research Working Paper No.3769, 
November. 
Ghosh, A. (2015). Banking-industry specific and regional economic determinants of non-
performing loans: Evidence from US state. Journal of Financial Stability, 20, 93-104. 
Keeton, W. R. (1999). Does faster loan growth lead to higher loan losses? Federal Reserve Bank 
of Kansas City. Economic Review, 84(2) 57-75. 
Klein, N. (2003). Non-performing loan in CESEE: Determinants and impact on macroeconomic 
performance. IMF Country Report, No. 13/86 
Lê Hoàng Anh và Mai Thị Phương Thùy (2015). Ảnh hưởng của các cú sốc kinh tế vĩ mô đến nợ 
xấu ở Việt Nam. Tạp chí Kinh tế và Dự báo, 16, 81 – 84. 
Louzis, D.P.; Vouldis, A. T. & Metaxas, V. L. (2010). Macroeconomic and bank-specific 
determinants of non-performing loans in Greece: A comparative study of mortgage, 
business and consumer loan portfolios. Journal of Banking and Finance, 36(4), 1012-1027. 
Makri, V., Tsagkanos, A., Bellas, A. (2014). Determinants of non-performing loans: The case of 
Eurozone. Panoeconomicus, 2, 193-206. 
Nguyễn Thành Nam (2013). Vấn đề xử lý nợ xấu tại các ngân hàng thương mại Việt Nam. Tạp 
chí Khoa học Đào tạo Ngân hàng, 135. 
Nguyễn Thị Hồng Vinh (2015). Yếu tố tác động đến nợ xấu các ngân hàng thương mại Việt 
Nam. Tạp chí Phát triển kinh tế, 26(11), 80-98. 
Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016). Các yếu tố vĩ mô và vi mô tác động đến nợ xấu 
của hệ thống ngân hàng Việt Nam. Tạp chí Kinh tế và Phát triển, 229, 9 – 16. 
Peter Rose (2004). Quản trị ngân hàng thương mại, Bản dịch Tiếng Việt, NXB Tài chính. 
Rajan, R & Dahl, S. (2003). Non-performing loans and terms of credit od public sector banks in 
India: An empirical assessment. Occasional papers, Reserve Bank of India. 
Salas, V. and Saurina, J. (2002). Credi risk in two institutional regimes: Spanish commercial and 
savings banks. Journal of Financial Services Research, 22(3), 203 - 224. 
Vithessonthi, C. (2016). Deflation, bank credit growth, and non-performing loans: Evidence 
from Japan. International Review of Financial analysis, 45, 295-305.