Vietinbank
Mô hình hồi quy bội (Multiple Linear Regression) dùng để kiểm định giả thuyết về mối quan hệ giữa nhiều biến độc lập và một biến phụ thuộc (Nguyễn Đình Thọ, 2012). Với ý nghĩa đó, nghiên cứu này đƣợc thực hiện nhằm tiến hành kiểm định giả thuyết các yếu tố ảnh hƣởng đến quản trị rủi ro tín dụng tại Vietinbank.
Mô hình hồi quy bội trong nghiên cứu này nhƣ sau:
Trong đó: Y - Quản trị rủi ro tín dụng là biến phụ thuộc; X1 - Chính sách tín dụng;
X2 - Quy trình cấp tín dụng; X3 - Thông tin tín dụng; X4 - Hệ thống xếp hạng tín dụng;
X5 - Chất lƣợng nguồn nhân lực; X6 - Các yếu tố bên ngoài là những biến độc lập; - sai số thống kê.
Phƣơng pháp phân tích đƣợc sử dụng cho mô hình hồi quy tuyến tính bội này là phƣơng pháp từng bƣớc (Stepwise) đƣợc xử lý bằng phần mềm SPSS. Phƣơng pháp này đƣợc xem là phƣơng pháp khám phá trong nghiên cứu khoa học, dùng để khám phá các mối quan hệ chƣa có giả thuyết suy diễn từ lý thuyết.
Bảng 3.9: Các biến đưa vào/loại ra trong mô hình hồi quy bội
Biến đƣợc đƣa vào/loại ra mô hình Mô hình Biến đƣa vào mô hình Biến loại trừ ra mô hình Phƣơng pháp 1 X1 - Chính sách tín dụng
. Stepwise (Criteria: Probability-of-F-to- enter <= .050, Probability-of-F-to-remove >= .100).
2
X6 - Yếu tố bên ngoài
. Stepwise (Criteria: Probability-of-F-to- enter <= .050, Probability-of-F-to-remove >= .100).
3
X3 - Thông tin tín dụng
. Stepwise (Criteria: Probability-of-F-to- enter <= .050, Probability-of-F-to-remove >= .100).
Theo phƣơng pháp Stepwise, kết quả phân tích từ SPSS cho thấy sẽ có 3 mô hình đƣợc tạo ra. Các biến lần lƣợc đƣợc đƣa vào mô hình và loại trừ ra. Kết quả có 3 mô hình đạt yêu cầu, trong đó, mô hình 1 bao gồm 1 biến độc lập X1 và biến phụ thuộc Y; mô hình 2 đƣợc thêm vào biến X6 và mô hình 3 có thêm biến X3.
Mô tả ƣớc lƣợng của 3 mô hình nhƣ sau: Mô hình 1:
Mô hình 2:
Mô hình 3:
Bảng 3.10: Tổng quan về mô hình hồi quy
Tổng quan về mô hình
Mô hình R R2 R
2
hiệu
chỉnh Sai số chuẩn của ƣớc lƣợng
1 0.470 0.221 0.216 0.542 2 0.542 0.293 0.284 0.518 3 0.566 0.320 0.306 0.510
Để đánh giá mức độ phù hợp của mô hình đối với mô hình hồi quy bội, hệ số xác định R2 theo mẫu thƣờng đƣợc sử dụng. Bên cạnh đó, hệ số xác định R2 hiệu chỉnh cũng đƣợc sử dụng khi so sánh các mô hình với nhau. Hệ số này giúp điều chỉnh mức độ phù hợp của mô hình: nghĩa là kiểm tra những mô hình có nhiều biến độc lập nhƣng thực sự trong đó có một số biến không giúp bao nhiêu trong việc giải thích sự biến thiên của biến phụ thuộc.
Bảng 3.11: Bảng ANOVA cho kiểm định F
Bảng ANOVA cho kiểm định F
Mô hình Tổng bình phƣơng df Trung bình bình phƣơng Kiểm định F Hệ số Sig. 1 Hồi quy 12.332 1 12.332 42.001 .000 Phần dƣ 43.455 148 .294 Tổng cộng 55.787 149 2 Hồi quy 16.358 2 8.179 30.494 .000 Phần dƣ 39.429 147 .268 Tổng cộng 55.787 149 3 Hồi quy 17.875 3 5.958 22.947 .000 Phần dƣ 37.912 146 .260 Tổng cộng 55.787 149
Theo kết quả từ bảng 3.10 và bảng 3.11, mô hình 3 với ba biến độc lập X1, X3 và X6 có hệ số xác định R2 = 0.320 lớn nhất trong cả 3 mô hình và hệ số xác định R2 hiệu chỉnh của mô hình này = 0.306 nhỏ hơn R2 vì biến X3 không giải thích gì thêm cho biến thiên của Y. Kiểm định F của mô hình 3 cho thấy mức ý nghĩa p = 0.00 (trong SPSS ký hiệu là Sig.). Nhƣ vậy, mô hình 3 là phù hợp. So với hai mô hình còn lại, mô hình 3 có thể giải thích tốt nhất cho biến thiên của biến Y, dựa vào kết quả trên các biến độc lập trong mô hình 3 giải thích đƣợc 32% phƣơng sai của biến phụ thuộc. Do đó, mô hình 3 là kết quả của mô hình hồi quy tuyến tính cho nghiên cứu này.
Kết quả cho thấy chỉ có 3 trong số 6 yếu tố có ảnh hƣởng đến quản trị rủi ro tín dụng của Vietinbank là Chính sách tín dụng, Thông tin tín dụng và Yếu tố môi trƣờng bên ngoài. Hệ số hồi quy của các yếu tố này đều có ý nghĩa thông kê (do sig. < = 0.05) và mang dấu dƣơng, điều này nói lên các biến X có tác động cùng chiều vào biến Y.
Trong sự ảnh hƣởng của biến này, yếu tố Chính sách tín dụng ảnh hƣởng mạnh nhất (1 =0.331) đến hoạt động quản trị rủi ro tín dụng của Vietinbank, tiếp theo là yếu tố môi trƣờng bên ngoài ((6 =0.218) và yếu nhất là yếu tố Thông tin tín dụng ((3
=0.187). Kiểm định đa cộng tuyến bằn hệ số phóng đại phƣơng sai VIF cho từng biến độc lập cho thấy hầu hết VIF đều nhỏ hơn 1.5, nhƣ vậy, trong mô hình này không có hiện tƣợng đa cộng tuyến.
Bảng 3.12: Hệ số hồi quy của mô hình
Hệ số hồi quy
Mô hình
Hệ số hồi quy chƣa chuẩn hoá
Hệ số hồi quy chuẩn hoá Kiểm định t Hệ số
Sig. Đa cộng tuyến Hệ số
B
Sai số
chuẩn Hệ số Beta Độ sai biệt Hệ số VIF
(Constant) 1.009 0.398 2.535 0.012 X1 - Chính sách tín dụng 0.364 0.082 0.331 4.428 0.000 0.834 1.198 X6 - Yếu tố mô trƣờng bên ngoài 0.250 0.091 0.218 2.756 0.007 0.741 1.350 X3 - Thông tin tín dụng 0.169 0.070 0.187 2.417 0.017 0.780 1.282
Bảng 3.12 trình bày hệ số hồi quy của mô hình chính của nghiên cứu là mô hình 3. Mô hình hồi quy tuyến tính của các yếu tố ảnh hƣởng đến rủi ro tín dụng Vietinbank dựa vào khảo sát này là: