Bộ dữ liệu bảng Stata (số liệu thật World Bank): các yếu tố vĩ mô quyết định nợ xấu hệ thống ngân hàng tại các nền kinh tế châu Á (9 quốc gia, 2010 - 2019)

Mô hình nghiên cứu Các yếu tố vĩ mô quyết định nợ xấu hệ thống ngân hàng tại các nền kinh tế châu Á

Bộ dữ liệu bảng Stata (số liệu thật World Bank): các yếu tố vĩ mô quyết định nợ xấu hệ thống ngân hàng tại các nền kinh tế châu Á (9 quốc gia, 2010 - 2019)

199.000 ₫

Khai báo và mô tả dữ liệu bảng
Pooled OLS, FEM, REM và kiểm định Hausman
Kiểm định, khắc phục khuyết tật mô hình
Có phương trình, mô hình và kết quả tham khảo

Tải xuống ngaysau khi xác nhận thanh toán, link gửi qua email
Thanh toán VietQRquét mã, nội dung chuyển khoản điền sẵn
Hỗ trợ qua Zalo0947 971 630, giải đáp cách dùng tài liệu

Cần dữ liệu đúng mô hình của bạn?Đặt phân tích theo yêu cầu, báo giá miễn phí →

Mã: KDL-REAL-896 Danh mục: Bộ tài liệu thực hành Thẻ: Dữ liệu thứ cấp, Số liệu thật, Stata, Tài chính - Ngân hàng

Thông tin nhanh

Mã sản phẩmKDL-REAL-896
Phần mềmR, Stata
Loại dữ liệuDữ liệu thứ cấp
Cỡ mẫuDưới 300
Chuyên ngànhTài chính - Ngân hàng
Định dạngFile .zip, tải ngay
Cập nhật13/11/2026

Cần tư vấn?

Nhắn Zalo Gọi 0947 971 630 Đặt phân tích theo yêu cầu →

Chia sẻ

Cam kết của Kaas.vn

Ghi rõ nguồn và loại dữ liệu (số liệu thật hoặc mô phỏng)
Có cú pháp và hướng dẫn chạy từng bước
Hỗ trợ mở file, đọc kết quả qua Zalo

Dữ liệu bảng cân bằng 9 quốc gia thuộc nhóm các nền kinh tế châu Á giai đoạn 2010 - 2019 (90 quan sát), số liệu thật trích từ World Development Indicators (WDI) của Ngân hàng Thế giới, cập nhật đến tháng 11/2026. Gói gồm 90 quan sát, 7 biến, kèm do-file Stata, script R, sổ mã hóa và hướng dẫn chi tiết.

Mô hình nghiên cứu

Mô hình dựa trên mô hình các yếu tố vĩ mô quyết định nợ xấu (Louzis, Vouldis và Metaxas, 2012; Nkusu, 2011) và giả thuyết quản trị yếu kém (Berger và DeYoung, 1997). Tăng trưởng thấp, lãi suất và thất nghiệp cao làm giảm khả năng trả nợ; tăng trưởng tín dụng nóng làm tăng nợ xấu; vốn ngân hàng dày giúp kiểm soát rủi ro.

\[NPL_{it} = \beta_0 + \beta_{1}\,GDPG_{it} + \beta_{2}\,LEND_{it} + \beta_{3}\,INF_{it} + \beta_{4}\,CREDIT_{it} + \beta_{5}\,BCAP_{it} + \beta_{6}\,UNEMP_{it} + u_i + \varepsilon_{it}\]

Định nghĩa biến và giả thuyết

Biến	Ký hiệu	Cách đo	Kỳ vọng
Tỷ lệ nợ xấu (biến phụ thuộc)	`npl`	\(\dfrac{\text{Nợ xấu}}{\text{Tổng dư nợ}} \times 100\)
Tăng trưởng GDP thực	`gdpg`	\(\%\,\Delta\text{GDP thực}\)	H1: (-)
Lãi suất cho vay	`lend`	\(\text{Lãi suất cho vay bình quân (\%/năm)}\)	H2: (+)
Lạm phát	`inf`	\(\%\,\Delta\text{CPI}\)	H3: (+)
Tín dụng cho khu vực tư nhân	`credit`	\(\dfrac{\text{Tín dụng nội địa cho khu vực tư nhân}}{\text{GDP}} \times 100\)	H4: (+)
Vốn ngân hàng	`bcap`	\(\dfrac{\text{Vốn và dự trữ ngân hàng}}{\text{Tổng tài sản}} \times 100\)	H5: (-)
Tỷ lệ thất nghiệp	`unemp`	\(\dfrac{\text{Người thất nghiệp}}{\text{Lực lượng lao động}} \times 100\)	H6: (+)

Nguồn số liệu

Dữ liệu là số liệu thật trích từ cơ sở dữ liệu World Development Indicators (WDI) của Ngân hàng Thế giới (truy cập tháng 11/2026), giữ nguyên giá trị gốc. Kaas.vn chỉ giữ các quốc gia - năm có đủ số liệu cho mọi biến, không nội suy hay điền số liệu thiếu. Biến logarit, bình phương và biến tương tác được tính từ số liệu gốc.

Biến	Tên	Mã chỉ số World Bank
`npl`	Tỷ lệ nợ xấu	FB.AST.NPER.ZS
`gdpg`	Tăng trưởng GDP thực	NY.GDP.MKTP.KD.ZG
`lend`	Lãi suất cho vay	FR.INR.LEND
`inf`	Lạm phát	FP.CPI.TOTL.ZG
`credit`	Tín dụng cho khu vực tư nhân	FS.AST.PRVT.GD.ZS
`bcap`	Vốn ngân hàng	FB.BNK.CAPA.ZS
`unemp`	Tỷ lệ thất nghiệp	SL.UEM.TOTL.ZS

Quốc gia trong mẫu (mã ISO3): BRN, IDN, KGZ, KOR, MYS, PHL, SGP, THA, VNM. Trích dẫn: World Bank (2026). World Development Indicators (WDI). Washington, DC: The World Bank. Giấy phép CC BY 4.0.

Kết quả chạy mô hình trên Stata (minh họa)

Hình dưới tái hiện cửa sổ kết quả khi chạy file phan_tich.do với bộ dữ liệu này, giúp bạn biết trước cần đọc chỉ số nào.

Thống kê mô tả và đa cộng tuyến

Bộ dữ liệu bảng cân bằng gồm 9 quốc gia trong 10 năm (2010 - 2019), tổng 90 quan sát. NPL có giá trị trung bình 2,8646, độ lệch chuẩn 2,3224. Hệ số tương quan lớn nhất giữa các biến độc lập là 0,658 (dưới 0,8), VIF trung bình 2,49 và lớn nhất 3,60, không có dấu hiệu đa cộng tuyến nghiêm trọng.

Lựa chọn mô hình Pooled OLS, FEM, REM

Kiểm định F (\(u_{i} = 0\)) cho \(F(8, 75) = 11{,}47\), \(p < 0{,}001\): tồn tại tác động riêng của từng quốc gia, FEM phù hợp hơn Pooled OLS. Kiểm định Breusch-Pagan LM (xttest0) cho \(\chi^2 = 59{,}82\), \(p < 0{,}001\), REM phù hợp hơn Pooled OLS. Kiểm định Hausman cho \(\chi^2(6) = 6{,}34\), \(p = 0{,}386\) lớn hơn 0,05, chưa bác bỏ H0, nên chọn mô hình tác động ngẫu nhiên REM.

Kết quả ước lượng REM

\(R^2_{\text{overall}} = 0{,}5768\). Kiểm định Wald \(\chi^2(6) = 34{,}04\), \(p < 0{,}001\), mô hình có ý nghĩa thống kê.

GDPG (tăng trưởng GDP thực): hệ số -0,0897, \(p = 0{,}111\). Chưa có ý nghĩa thống kê ở mức 5%, giả thuyết H1 chưa được ủng hộ.
LEND (lãi suất cho vay): hệ số 0,1008, \(p = 0{,}234\). Chưa có ý nghĩa thống kê ở mức 5%, giả thuyết H2 chưa được ủng hộ.
INF (lạm phát): hệ số -0,0372, \(p = 0{,}487\). Chưa có ý nghĩa thống kê ở mức 5%, giả thuyết H3 chưa được ủng hộ.
CREDIT (tín dụng cho khu vực tư nhân): hệ số -0,0320, \(p = 0{,}004\). Có ý nghĩa thống kê nhưng ngược kỳ vọng dấu, cần giải thích bằng bối cảnh nghiên cứu.
BCAP (vốn ngân hàng): hệ số 0,2304, \(p = 0{,}013\). Có ý nghĩa thống kê nhưng ngược kỳ vọng dấu, cần giải thích bằng bối cảnh nghiên cứu.
UNEMP (tỷ lệ thất nghiệp): hệ số -0,2761, \(p = 0{,}129\). Chưa có ý nghĩa thống kê ở mức 5%, giả thuyết H6 chưa được ủng hộ.

Bước tiếp theo khi tự chạy: kiểm định phương sai sai số thay đổi (xttest3), tự tương quan (xtserial). Nếu vi phạm, dùng sai số chuẩn cụm theo quốc gia (vce(cluster country)), FGLS (xtgls) hoặc Driscoll-Kraay (xtscc); do-file trong gói đã viết sẵn các lệnh này.

Phương trình ước lượng (REM):

\[\widehat{NPL}_{it} = 3{,}9297 - 0{,}0897\,GDPG_{it} + 0{,}1008\,LEND_{it} - 0{,}0372\,INF_{it} - 0{,}0320\,CREDIT_{it}^{***} + 0{,}2304\,BCAP_{it}^{**} - 0{,}2761\,UNEMP_{it}\]

*** \(p < 0{,}01\); ** \(p < 0{,}05\); * \(p < 0{,}1\). Ước lượng trên số liệu thật từ World Bank; kết quả có thể thay đổi nhẹ khi nguồn cập nhật số liệu.

Xem trước bộ tài liệu

Hình dưới đây là nội dung thật của các file trong gói. Nhấn vào hình để xem kích thước đầy đủ.

Bạn sẽ thực hành được gì?

Khai báo và mô tả dữ liệu bảng

Pooled OLS, FEM, REM và kiểm định Hausman

Kiểm định, khắc phục khuyết tật mô hình

Viết phương trình và diễn giải kết quả

Nội dung bộ tài liệu

File	Nội dung
`README.txt`	Đọc trước khi bắt đầu
`huong_dan.html`	Hướng dẫn từng bước
`data_that_stata_no_xau_ngan_hang_asia.csv`	Dữ liệu 90 quan sát, 7 biến
`so_ma_hoa.csv`	Sổ mã hóa: tên biến, cách đo, kỳ vọng dấu
`phan_tich.do`	Do-file Stata chạy toàn bộ quy trình
`phan_tich_plm.R`	Script R đối chiếu kết quả

Thông tin sản phẩm

Phần mềm: Stata 14 trở lên (hoặc R với gói plm)
Loại dữ liệu: dữ liệu bảng (panel), số liệu thật từ World Bank
Lĩnh vực: Tài chính - Ngân hàng
Định dạng: file .zip, khoảng 12 KB

Cách nhận file

Nhấn "Mua nhanh, nhận QR ngay" hoặc thêm vào giỏ và đặt hàng.
Quét mã VietQR với số tiền và nội dung điền sẵn.
Sau khi Kaas.vn xác nhận thanh toán, link tải được gửi qua email và hiển thị tại Tài khoản > Tải xuống.

Nguồn và liêm chính học thuật: Số liệu gốc thuộc World Bank (giấy phép CC BY 4.0). Khi dùng cho bài nghiên cứu, hãy trích dẫn World Bank, đối chiếu lại với bản cập nhật mới nhất và ghi rõ các bước xử lý. Kaas.vn cung cấp phần ghép bảng, làm sạch, mã lệnh và hướng dẫn; phần lập luận, diễn giải và kết luận là của người nghiên cứu. Cần hỗ trợ thêm? Gọi 0947 971 630 (Zalo).