3.5.1 Mô hình nghiên cứu đề xuất
Hiện nay có nhiều tác giả nghiên cứu về khả năng tiếp cận vốn tín dụng ngân hàng đối với các doanh nghiệp. Xuất phát từ cơ sở lý thuyết về các yếu tố ảnh hưởng đến tiếp cận tín dụng ngân hàng của các DNNVV (mục 2.2) và những nghiên cứu liên quan trước đây (mục 2.3) về khả năng tiếp cận vốn tín dụng ngân hàng của các DNNVV.
Dựa trên sự tổng hợp về cơ sở lý thuyết và các công trình nghiên cứu khoa học có liên quan về khả năng tiếp cận tín dụng ngân hàng của DNNVV được công nhận của các tác giả trong và ngoài nước: Edmore Mahembe (2011), Ricardo N. Bebczuk (2004), Hongjiang Zhao (2006), Gamage Pandula (2011), Tabeb Ahmad (2005),
Nguyễn Quốc Nghi (2012),… Đã gợi ý cho tác giả đề xuất mô hình nghiên cứu của đề tài cơ bản dựa vào một số mô hình nghiên cứu trước, tuy nhiên việc kế thừa mô hình sẽ được hiệu chỉnh các yếu tố ảnh hưởng đến khả năng tiếp cận tín dụng ngân hàng của các DNNVV phù hợp thực tiễn trên địa bàn Tỉnh Vĩnh Long.
38
Mặt dù có sự khác biệt nhất định, phần lớn kết quả từ các nghiên cứu đều cho thấy, khả năng tiếp cận vốn tín dụng ngân hàng chịu ảnh hưởng bởi các yếu tố như: Vốn chủ sở hữu (VCSH), tỷ suất lợi nhuận trên tổng tài sản (ROA), tài sản bản đảm (TSBD), tỷ lệ nợ trên tổng tài sản (TN_TTS), tuổi doanh nghiệp (TDN), mối quan hệ giữa doanh nghiệp với ngân hàng (MQH). Phần còn lại của nghiên cứu này phân tích các yếu tố trên ảnh hưởng như thế nào đến khả năng tiếp cận vốn tín dụng ngân hàng của các DNNVV trên địa bàn Tỉnh Vĩnh Long.
Đề tài: “Nghiên cứu các yếu tố ảnh hưởng đến khả năng tiếp cận tín dụng của doanh nghiệp nhỏ và vừ Thương Việt Nam chi nhánh Vĩnh Long” sẽ tập trung vào phân tích các yếu tố có ảnh hưởng đến khả năng tiếp cận tín dụng của DNNVV được vay hay không được vay vốn. Từ đó, tác giả đề xuất xây dựng mô hình nghiên cứu như sau:
:
Hình 3.2: Mô hình nghiên cứu được đề xuất
Vốn chủ sở hữu
Tài sản bảo đảm ROA
Tỷ lệ nợ trên tổng tài sản
Tuổi doanh nghiệp
Mối quan hệ với ngân hàng
Khả năng tiếp cận vốn tín
dụng ngân hàng của DNNVV
39
3.5.2 Mô hình hồi quy Binary Logistic
Tác giả sử dụng mô hình hồi quy Binary Logistic để xác định các yếu tố ảnh hưởng đến khả năng tiếp cận tín dụng ngân hàng của các DNNVV và mức độ tác động của từng yếu tố.
Mô hình Logistic (Maddala, 1984) là mô hình định lượng trong đó biến phụ thuộc là biến nhị phân, chỉ nhận 2 giá trị là 0 hoặc 1. Mô hình này được ứng dụng rộng rãi trong phân tích kinh tế. Mô hình Logistic là mô hình toán học hồi quy để xem xét mối liên hệ giữa biến (Y) là biến phụ thuộc và tất cả các biến còn lại là biến độc lập.
Dạng tổng quát của mô hình Binary Logistic có dạng như sau:
i i i i i e X X X X P P Log ) .... 1 ( 0 1 1 2 2 3 3
Trong đó, Pi là xác suất DNNVV có khả năng tiếp cận tín dụng khi biến độc lập X có giá trị cụ thể là Xi. Ta sẽ nghiên cứu mô hình hàm Binary Logistic trong trường hợp đơn giản nhất là khi chỉ có 1 biến độc lập X.
Ta có mô hình hàm Binary Logistic như sau:
Z Z e e Y P 1 ) 1 (
Trong công thức này E(Y/X) là xác suất để Y=1 (là xác suất để sự kiện xảy ra) khi biến độc lập X có giá trị cụ thể là Xi. Ký hiệu biểu thức (β0+β1X) là Z.
Vậy, xác suất không xảy ra sự kiện là:
Z Z e e Y P Y P 1 1 ) 1 ( 1 ) 0 (
Thực hiện phép so sánh giữa xác suất một sự kiện xảy ra với xác suất sự kiện đó không xảy ra, tỷ lệ chênh lệch này có thể được thể hiện trong công thức:
Z Z Z Z e e e e Y P Y P 1 1 1 ) 0 ( ) 1 (
40
Lấy Log cơ số e hai vế của phương trình trên rồi thực hiện biến đổi vế phải ta được kết quả là: z e e Log e Y P Y P Log ) 0 ( ) 1 (
Vì Loge = z nên kết quả cuối cùng là:
X Y P Y P Loge 0 1 ) 0 ( ) 1 ( (*)
(*) là dạng hàm hồi quy Binary Logistic. Mô hình có thể mở rộng cho 2 hay nhiều biến độc lập Xk.
Liên hệ giữa lý thuyết với nghiên cứu: Một doanh nghiệp có khả năng tiếp cận tín dụng là một giá trị kỳ vọng của đề tài (gọi là biến Y), và doanh nghiệp không có khả năng tiếp cận tín dụng là giá trị còn lại của biến kỳ vọng. Khả năng tiếp cận tín dụng của khách hàng được xác định thông qua hệ thống biến giải thích là những biến đo lường khả năng về vốn, về tài sản bảo đảm, về tỷ nợ trên tổng tài sản, về tỷ suất lợi nhuận, về tuổi doanh nghiệp và mối quan hệ giữa DNNVV với ngân hàng.
Đánh giá những yếu tố ảnh hưởng đến khả năng tiếp cận tín dụng của doanh nghiệp, mô hình đánh giá những doanh nghiệp có khả năng tiếp cận, hoặc không có khả năng tiếp cận được là mô hình Logit (Binary Logistics) được sử dụng cho trường hợp biến phụ thuộc chỉ có 2 giá trị, thông thường hai giá trị này được mã hóa là “1” hoặc “0”. Trong đó, mỗi giá trị đại diện cho một giá trị cụ thể của biến phụ thuộc. Việc xác định “1” hoặc “0” thuộc đối tượng nào, giá trị nào của biến phụ thuộc không ảnh hưởng đến kết quả của mô hình.
Kết quả xây dựng mô hình trên được tiến hành và kết luận sau khi thực hiện các kiểm định về tính khả dụng của mô hình, các kiểm định về tính cộng tuyến giữa các biến giải thích trong mô hình, đánh giá mức độ giải thích của mô hình. Đồng thời, nghiên cứu cũng hướng đến tính khả thi mô hình và đánh giá chính xác nhất trong việc giải quyết mục tiêu nghiên cứu.
Trong nghiên cứu này tác giả sử dụng mô hình Binary Logistic có dạng như sau:
41 MQH TDN TTS TN TSBD ROA VCSH P P Loge ] 0 1 2 3 4 _ 5 6 1 [ Trong đó;
Biến phụ thuộc: Khả năng tiếp cận tín dụng ngân hàng của DNNVV tại NHTMCP Công Thương Việt Nam Vĩnh Long.
Biến độc lập: Vốn chủ sở hữu (VCSH), tỷ suất lợi nhuận trên tổng tài sản (ROA), tài sản bản đảm (TSBD), tỷ lệ nợ trên tổng tài sản (TN_TTS), tuổi doanh nghiệp (TDN), mối quan hệ giữa doanh nghiệp với ngân hàng(MQH).
3.6 CÁC PHƯƠNG PHÁP ĐƯA BIẾN ĐỘC LẬP VÀO MÔ HÌNH HỒI QUY BINARY LOGISTIC
Với phương pháp hồi quy từng bước (Stepwise), số thống kê được sử dụng cho các biến được dưa vào và dời ra căn cứ trên số thống kê likelihood-ratio (tỷ lệ thích hợp) hay số thống kê Wald. Cũng có thể chọn một trong các phương pháp sau:
- Enter: Đưa vào bắt buộc, các biến trong khối biến độc lập được đưa vào trong một bước
- Forward: Conditional là phương pháp đưa vào dần theo điều kiện. Nó kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng thông số có điều kiện.
- Forward: LR là phương pháp đưa vào dần kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Wald.
- Backwald: Conditional là phương pháp loại trừ dần theo điều kiện. Nó kiểm tra việc loại biến căn cứ tên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng của những thông số có điều kiện.
- Backwald: LR là phương pháp loại trừ dần kiểm tra loại biến căn cứ trên xác suất của số thống kê Wald.
42
3.7 CÁC KIỂM ĐỊNH TRONG MÔ HÌNH HỒI QUY BINARY LOGISTIC 3.7.1 Phân tích tương quan Pearson để kiểm tra đa cộng tuyến giữa các biến 3.7.1 Phân tích tương quan Pearson để kiểm tra đa cộng tuyến giữa các biến độc lập trong mô hình
Hệ số tương quan Pearson được dùng để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng (Hoàng Trọng, 2005). Nếu giữa hai biến có sự tương quan chặt chẽ thì cần lưu ý đến hiện tượng đa cộng tuyến khi phân tích hồi quy. Trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả được xem xét như nhau. Một hệ số tương quan tuyệt đối lớn chỉ ra một hiện tượng đa cộng tuyến, nghĩa là các khái niệm nghiên cứu trùng lắp với nhau và có thể chúng đang đo lường cùng một thứ (John và Benet - Martinez, 2000). Theo Nguyễn Thành Cả và Nguyễn Thị Ngọc Miên ( 2014), khả năng đa cộng tuyến xãy ra khi r ≥ 0,8.
3.7.2 Kiểm định độ phù hợp của mô hình
Hồi quy Binary Logistic cũng đòi hỏi ta phải đánh giá độ phù hợp của mô hình. Đo lường độ phù hợp tổng quát của mô hình Logistic được dựa trên chỉ tiêu -2LL (viết tắt của -2 log likelihood), thước đo này có ý nghĩa giống như SSE (Sum of squares of error) nghĩa là càng nhỏ càng tốt. Bạn không cần quan tâm nhiều đến việc -2LL tính toán như thế nào nhưng nhớ rằng quy tắc đánh giá độ phù hợp căn cứ trên -2LL ngược với quy tắc dựa trên hệ số xác định mô hình R2, nghĩa là giá trị -2LL càng nhỏ càng thể hiện độ phù hợp cao. Giá trị nhỏ nhất của -2LL là 0 (tức là không có sai số) khi đó mô hình có một độ phù hợp hoàn hảo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Chúng ta còn có thể xác định được mô hình dự đoán tốt đến đâu qua bảng phân loại (clasification table) do SPSS đưa ra, bảng này sẽ so sánh trị số thực và trị số dự đoán cho từng biểu hiện và tính tỷ lệ dự đoán đúng sự kiện.
3.7.3 Kiểm định ý nghĩa thống kê của các hệ số
Hồi quy Binary Logistic cũng đòi hỏi kiểm định giả thuyết hệ số hồi quy khác không. Nếu hệ số hồi quy β0 và β1 đều bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ
43
bằng 1, tức xác suất để sự kiện xảy ra hay không xảy ra như nhau, lúc đó mô hình hồi quy của chúng ta vô dụng trong việc dự đoán.
Trong hồi quy tuyến tính chúng ta sử dụng kiểm định t để kiểm định giả thuyết H0: ρk=0. Còn với hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể. Cách thức sử dụng, mức ý nghĩa Sig. cho kiểm định Wald cũng theo quy tắc thông thường. Wald Chi Square được tính bằng cách lấy ước lượng của hệ số hồi quy của biến độc lập trong mô hình (hệ số hồi quy mẫu) Binary Logistic chia cho sai số chuẩn của hệ số hồi quy này, sau đó bình phương lên theo công thức sau:
2 2
.
. .( ) . .( )
B
Wald Chi square
s e s e B
3.7.4 Kiểm định mức độ phù hợp tổng quát
Ở Hồi quy Binary Logistic, tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình ngoại trừ hằng số cũng được kiểm định xem có thực sự có ý nghĩa trong việc giải thích cho biến phụ thuộc không. Với hồi quy tuyến tính bội ta dùng thống kê F để kiểm định giả thuyết H0: ρ1=ρ2=…=0, còn với hồi quy Binary Logistic ta dùng kiểm định Chi-bình phương. Căn cứ vào mức ý nghĩa mà SPSS đưa ra trong bảng Omnibus Tests of model Coefficients để quyết định bác bỏ hay chấp nhận H0.
Tóm tắt Chương 3
Trên cơ sở lý thuyết ở chương 2, qua chương 3 tác giả tiến hành thiết kế nghiên cứu, xây dựng các giả thuyết và mô hình nghiên cứu các yếu tố tác động đến khả năng tiếp cận tín dụng ngân hàng của DNNVV tại Vietinbank Vĩnh Long. Mô hình nghiên cứu gồm có 6 yếu tố: Vốn chủ sở hữu, tỷ suất lợi nhuận trên tổng tài sản, tài sản bảo đảm, tỷ lệ nợ trên tổng tài sản, tuổi doanh nghiệp, mối quan hệ giữa doanh nghiệp với ngân hàng. Bên cạnh đó, tác giả cũng giới thiệu mô hình hồi quy Binary Logistic và các kiểm định của mô hình. Đồng thời, chương 3 sẽ là cơ sở để tác giả đi vào phân tích chương 4.
44
CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương 3, đề tài đã trình bày quy trình nghiên cứu và trọng tâm các phương pháp nghiên cứu khoa học được sử dụng cũng như kiểm định mô hình nghiên cứu. Chương 4 trình bày thực trạng tiếp cận tín dụng của DNNVV tại Vietinbank Vĩnh Long, kết quả nghiên cứu và thảo luận các vấn đề đã được đề cập ở chương 3.
4.1 THỰC TRẠNG TIẾP CẬN TÍN DỤNG NGÂN HÀNG CỦA DOANH NGHIỆP NHỎ VÀ VỪA TẠI VIETINBANK VINH LONG NGHIỆP NHỎ VÀ VỪA TẠI VIETINBANK VINH LONG
4.1.1 Tình hình phát triển doanh nghiệp nhỏ và vừa tại Tỉnh Vĩnh Long
Tính đến thời điểm cuối năm 2014, toàn tỉnh Vĩnh Long có 3.079 doanh nghiệp với tổng số vốn đăng ký là 14.756 tỷ đồng, quy mô vốn bình quân đạt 4,79 tỷ đồng/ doanh nghiệp. Trong đó:
- Doanh nghiệp đăng ký kinh doanh mới cho 256 doanh nghiệp, chủ yếu là DNNVV, với tổng số vốn đăng ký 894 tỷ đồng, quy mô vốn đăng ký bình quân đạt 3,5 tỷ đồng/doanh nghiệp. So với năm 2013 số doanh nghiệp thành lập mới giảm 18 doanh nghiệp, quy mô vốn đăng ký bình quân giảm 1,39 tỷ đồng/doanh nghiệp và so với năm 2010 số doanh nghiệp thành lập mới giảm 93 doanh nghiệp, quy mô vốn đăng ký bình quân giảm 0,56 tỷ đồng/doanh nghiệp. Loại hình doanh nghiệp đăng ký thành lập mới chủ yếu là doanh nghiệp tư nhân và công ty TNHH 1 thành viên (73%) và phần nhiều là lãnh vực thương mại- dịch vụ (57%) trong khi lĩnh vực nông nghiệp nông thôn chỉ chiếm 2% số doanh nghiệp đăng ký hoạt động sản xuất kinh doanh.
- Năm 2014 đã làm thủ tục giải thể là 74 doanh nghiệp với vốn đầu tư 260 tỷ đồng, tăng 40 doanh nghiệp so với năm 2013 và so với năm 2010 tăng 1 doanh nghiệp.
45
Bảng 4.1 Tình hình phát triển DNNVV tại tỉnh Vĩnh Long
Chỉ tiêu Năm 2010 2011 2012 2013 2014 Số DNNVV thành lập mới (DN) 349 271 410 274 256 Vốn (tỷ đồng) 1.415 830 824 1.339 894 Số lao động (lao động) 5.260 4.285 4.970 3.995 3.174 Số DNNVV giải thể (DN) 73 40 71 34 74 Vốn (tỷ đồng) 221 89 206 99 260 Số lượng DNNVV (DN) 1.367 1.598 1.937 2.177 2.359
(Nguồn : Sở Kế hoạch và đầu tư Tỉnh Vĩnh Long)
Qua số liệu về tình hình doanh nghiệp cho thấy: số doanh nghiệp thành lập mới giảm, trong khi đó số doanh nghiệp giải thể ngày càng tăng, điều đáng chú ý là quy mô vốn của doanh nghiệp thành lập mới ngày càng giảm đi, điều này chứng tỏ số doanh nghiệp hoạt động không hiệu quả ngày càng tăng và năng lực tài chính của doanh nghiệp trên địa bàn tỉnh ngày càng kém, khó có khả năng chống đỡ trước những biến động xấu trong sản xuất kinh doanh.
Hình 4.1: Số lượng DNNVV qua các năm
- 500,0 1000,0 1500,0 2000,0 2500,0 2010 2011 2012 2013 2014 1.367 1.598 1.937 2.177 2.359 Số lượng DNNVV Năm
46
4.1.2 Thực trạng tiếp cận tín dụng ngân hàng của nghiệp nhỏ và vừa tại Vietinbank Vĩnh Long Vietinbank Vĩnh Long
Hoạt động cho vay là hoạt động chủ yếu và tạo ra nhiều lợi nhuận nhất cho ngân hàng nói chung và Vietinbank Vĩnh Long nói riêng. Thời gian qua do tình hình kinh tế - xã hội diễn ra trong bối cảnh kinh tế thế giới hồi phục chậm và không đồng đều giữa các nền kinh tế sau suy thoái toàn cầu. Ngoài ra, tình hình chính trị bất ổn tại một số quốc gia, nhất là khu vực châu Âu dẫn đến kinh doanh trong lĩnh vực thương mại và công nghiệp cũng như xuất khẩu của khu vực đồng EURO bị ảnh hưởng mạnh bởi các biện pháp trừng phạt kinh tế giữa các nước trong khu vực.
Ở trong nước, kinh tế vĩ mô diễn biến theo hướng tích cực. Tuy nhiên, tổng cầu của nền kinh tế tăng chậm, hoạt động sản xuất kinh doanh của các doanh nghiệp còn khó khăn, tồn kho hàng hóa vẫn ở mức cao. Sức hấp thụ vốn của nền kinh tế còn yếu, tình trạng khó khăn trong hoạt động kinh tế kéo dài đã gây ảnh hưởng không nhỏ đến phát triển kinh tế đất nước nói chung và địa bàn tỉnh Vĩnh Long nói riêng. Đồng thời,