Phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tạiNgân

Một phần của tài liệu (LUẬN văn THẠC sĩ) phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tại ngân hàng thương mại cổ phần công thương – chi nhánh thừa thiên huế (Trang 65 - 72)

5. Kết cấu của đề tài nghiên cứu

2.3.2. Phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tạiNgân

tạiNgân hàng Công thương Việt Nam, chi nhánh Thừa Thiên Huế

2.3.2.1. Phân tích hồi quy Binary Logistic

KIỂM ĐỊNH GIẢ THIẾT VỀ ĐỘ PHÙ HỢP CỦA MÔ HÌNH: Kiểm định giả thuyết:

H0:β1=β2=β3=…=β13=0 H1:β1=β2=β3=…=β13 ≠ 0

Từ bảng 23 có mức ý nghĩa quan sát sig = 0,000 nên ta bác bỏ giả thuyết H0:

β1=β2=β3=…=β13=0 tức là các biến độc lập trong mô hình đã giải thích được biến phụ thuộc là khả năng trả nợ.

Bảng 2.21: Kiểm định độ phù hợp của mô hình (xem phụ lục) Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1

Step 76,442 13 0,000 Block 76,442 13 0,000 Model 76,442 13 0,000

(Nguồn:tổng hợp của tác giả)

Nhìn vào bảng trên, dễ nhận thấy được giá trị sig. của kiểm định Chi bình phương = 0,000 < 0,05, như vậy đủ điều kiện để bác bỏ giả thuyết Ho: β1= β2= … = βn

= 0, lúc này đủ cơ sở để kết luận tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình có ý nghĩa trong việc giải thích cho sự thay đổi của biến phụ thuộc.

Bảng 2.22: -2 Log Likelihood Model Summary

Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square

1 120.051a 0,362 0,529

(Nguồn:tổng hợp của tác giả)

Từ bảng 22 có mức ý nghĩa quan sát sig = 0,000 nên ta bác bỏ giả thuyết H0:

β1=β2=β3=…=β12 =0 tức là các biến độc lập trong mô hình đã giải thích được biến phụ thuộc là quyết định vay vốn. Tuy nhiên giá trị -2 Log Likelihood = 120,051 khá cao, như vậy nó thể hiện một độ phù hợp chưa tốt lắm của mô hình tổng thể.

Đo lường độ phù hợp tổng quát của mô hình Binary 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 thể hiện độ phù hợp càng 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.

Mức độ chính xác của dự báo cũng được thể hiện qua bảng Classification Table

Bảng 2.23: Dự đoán

Dự đoán Khả năng trả nợ

Phần trăm Không trả được nợ Trả được nợ

Khả năng trả nợ Không trả được nợ 26 19 57,8

Trả được nợ 10 115 92,0

Tổng phần trăm 82,9

(Nguồn: tổng hợp của tác giả)

Bảng trên cho thấy trong 45 trường hợp không trả được nợ khi có nhu cầu thì mô hình đã dự đoán trúng 26 trường hợp, như vậy tỉ lệ trúng là 57,8%. Còn đối với 125 trường hợp có khả năng trả nợ khi có nhu cầu thì mô hình đã dự đoán trúng 115 trường hợp, sai 10 trường hợp, như vậy tỉ lệ trúng là 92,0%. Từ đó ta tính được tỉ lệ dự đoán đúng của toàn bộ mô hình là (26+115)/170 = 82,9%. Tỉ lệ này ở mức tương đối cao, thể hiện mức độ chính xác của mô hình là khá tốt.

Bảng 2.24: Kết quả mô hình hồi quy binary logistic (xem phụ lục):

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step 1a X1 -0,258 0,499 0,268 1 0,605 0,772 X2 0,195 0,276 0,499 1 0,480 1,215 X3 1,049 0,552 3,605 1 0,058 2,854 X4 0,716 0,324 4,884 1 0,027 2,047 X5 0,308 0,296 1,081 1 0,298 1,361 X6 0,383 0,273 1,964 1 0,161 1,467 X7 0,087 0,457 0,036 1 0,849 1,091 X8 -0,777 0,370 4,419 1 0,036 0,460 X9 1,601 0,534 8,974 1 0,003 4,956 X10 0,305 0,572 0,285 1 0,594 1,357 X11 0,193 0,213 0,822 1 0,365 1,213 X12 -0,913 0,493 3,429 1 0,064 0,401 X13 0,965 0,563 2,936 1 0,087 2,624 Constant -6,765 2,629 6,622 1 0,010 0,001

(Nguồn:tổng hợp của tác giả)

Theo giả thiết nếu Sig < 5% giả thiết chinh xác, nghĩa là các biến đó có tác động tới khả năng trả nợ của KHCN và ngược lại. Qua kết quả như bảng trên ta thấy có 8 biến độc lập không tác động tới biến phụ thuộc của chúng ta, đó là X1, X2, X3, X5, X6, X7, X10, X11, X12, X13.

Phương trình hồi quy của mô hình là:

loge[P(Y=1)P(Y=0)] = -6,765 + -0,258*X1+ 0,195*X2 + 1,049*X3 + 0,716*X4 + 0,308*X5 + 0,383*X6 + 0,087* X7 + -0,777*X8 +1,601*X9 + 0,305*X10 +

0,193*X11 +- 0,913*X12 + 0,965*X13

Trong đó các biến X1, X2, X3, X5, X6, X7, X10, X11, X12, X13 không có ý nghĩa và loge[P(Y=1)P(Y=0)] chính là xác suất để xảy ra có khả năng trả nợ hay không có khả năng trả nợ của KHCN tại VietinBank chi nhánh Thừa Thiên Huế.

2.3.2.2. Các biến số có ý nghĩa thống kê

Biến số X4: Trình độ học vấn

Trình độ học vấn của cá nhân có tác động cùng chiều đến khả năng trả nợ của cá nhân đó trên địa bàn tỉnh Thừa Thiên Huế, nghĩa là khi cá nhân có trình độ cao hơn thì xác suất có khả năng trả nợ sẽ tăng lên. Cụ thể, khi trình độ của cá nhân tăng lên một cấp bậc thì xác suất có khả năng trả nợ của cá nhân tăng lên 2,047 lần. Tuy nhiên sự khác biệt này có ý nghĩa thống kê vì sig = 0,027 < 0,05.

Khi trình độ học vấn cao, mỗi cá nhân có nhiều hiểu biết, nhận thức cao, cộng với trình độ chuyên môn nghiệp vụ nên dễ đề ra kế hoạch kinh doanh. Mặt khác, những người có trình độ học vấn cao thường hay giữ một số chức vụ trong bộ máy hành chính nhà nước ở địa phương hoặc làm công nhân viên chức… nên có nhiều cơ hội hơn trong việc tiếp xúc với tín dụng, dẫn đến việc những người này thường có quyết định khả năng trả nợ nhiều hơn.

Biến số X8: Lãi suất

Về mặt lý thuyết lẫn thực nghiệm tại ngân hàng thì yếu tố lãi suất có tầm ảnh hưởng lớn tới khả năng trả nợ của khách hàng. Lãi suất có β= -0,777. Điều đó có nghĩa khi lãi suất tăng thì xác suất có khả năng trả nợ sẽ giảm xuống. Theo như kết quả thực nghiệm, biến số này có tác động âm và có ý nghĩa thống kê tới khả năng trả nợ.

Biến số X9:Thời hạn vay

Thời hạn vay vốn có tác động cùng chiều với khả năng trả nợ của cá nhân, nghĩa là thời gian vay là trung dài hạn thì khả năng trả nợ của cá nhân sẽ tăng lên. Cụ thể: khi thời gian tăng lên một đơn vị thì xác suất quyết định trả nợ tăng lên 4,956 lần. Vì thời gian càng dài sẽ giúp cá nhân giảm áp lực về thời gian trả nợ và sẽ khiến khách hàng đủ khả năng để xoay sở tìm kiếm nguồn trả nợ.

2.3.2.3. Các biến số không có ý nghĩa thống kê

Biến số X1:Giá trị Sig của giới tính là 0,605 > 0,05 do vậy biến này không có ý nghĩa thống kê trong mô hình. Theo như lý thuyết thì nữ giới sẽ ít ưa thích rủi ro hơn nam giới và như vậy sẽ ảnh hưởng tích cực tới khả năng trả nợ của khách hàng. Tuy nhiên, theo nghiên cứu thực tế tại ngân hàng cho thấy không có ảnh hưởng nào của giới tính lên khả năng trả nợ.

Biến số X2: Độ tuổi của cá nhân có tác động cùng chiều với việc cá nhân vay vốn ngân hàng (β=0,195), nghĩa là khi cá nhân có tuổi cao hơn thì xác suất có khả năng trả nợ sẽ tăng lên. Cụ thể, khi tuổi của cá nhân tăng lên trong điều kiện các yếu tố khác không đổisẽ làm cho xác suất có khả năng trả nợ của cá nhân tăng 1,215 lần. Sig = 0,480 < 0,05 nên biến số này không có ảnh hưởng tới khả năng trả nợ của khách hàng. Có thể những người trẻ với đặc điểm ưa thích rủi ro hơn đã sử dụng vốn thiếu hiệu quả trong thời kỳ kinh tế khó khăn, khi đó những người lớn tuổi cũng không tạo ra hiệu quả cao do ảnh hưởng sức ỳ của độ tuổi.

Biến X3: Tình trạng hôn nhân (0: chưa có gia đình; 1: đã có gia đình) có mối quan hệ cùng chiều với việc cá nhân có khả năng trả nợ, tức là khi gia đình càng ổn định thì xác suất có khả năng trả nợ sẽ tăng lên. Cụ thể nếu cá nhân đã có gia đình thì xác suất có khả năng trả nợ tăng lên 2,854 lần. Sở dĩ như vậy là vì: ở bảng tính độ tuổi trung bình từ 35 đến 45 tuổi (bảng 9), đây là khoảng tuổi mà gia đình đã tương đối ổn định nên họ có nhiều điều kiện hơn để thực hiện các phương án sản xuất kinh doanh v.v nên nhu cầu vay vốn của họ là lớn hơn. Và sig = 0,058 > 0,05 nên không có ý nghĩa thống kê.

Biến số X5: Nghề nghiệp của cá nhân nhận bốn giá trị (1:nếu là học sinh, sinh viên, 2: CBCNV, 3: nếu là kinh doanh buôn bán, 4: nếu là ngành nghề khác) có tác động thuận chiều tới quyết định khả năng trả nợ của cá nhân. Theo một số nghiên cứu

trước thì những khách hàng có vị trí nghề nghiệp cao hơn thì khả năng tạo ra thu nhập cao và ổn định hơn từ đó dẫn tới khả năng trả nợ cao hơn. Tuy nhiên, với kết quả thực nghiệm cho thấy, điều này là không hoàn toàn đúng vì có thể khách hàng là những người nông dân nhưng áp lực trả nợ đối với họ cao nên họ luôn để sẵn một khoản thu nhập của mình cho việc trả nợ. Vì thế mặc dù là nghề nghiệp ko có vị trí cao nhưng khả năng trả nợ của họ không phải là thấp.

Biến số X6:Thu nhập bình quân hàng tháng của cá nhân cũng có tác động cùng chiều với việc cá nhân có khả năng trả nợ, tức là khi cá nhân có thu nhập cao hơn thì xác suất có khả năng trả nợ sẽ tăng lên. Cụ thể: khi thu nhập tăng lên một đơn vị thì xác suất quyết định trả nợ tăng lên 1,467 lần. Khi thu nhập cao hơn thì người ta càng có điều kiện dễ dàng trả nợ những khoản vay, ta cũng biết được là trong chấm điểm tín dụng cá nhân thì khi thu nhập càng cao thì điểm chấm càng cao, và xác suất khả năng được khả năng trả nợ càng cao. Tuy nhiên sự khác biệt này không có ý nghĩa thống kê vì sig= 0,161 > 0,05.

Biến số X7: Kích cỡ khoản vay của cá nhân có tác động cùng chiều với việc cá nhân có khả năng trả được nợ, nghĩa là khi cá nhân có kích cỡ khoản vay phù hợp với năng lực cá nhân thì khả năng trả được nợ sẽ tăng lên. Cụ thể: khi kích cỡ khoản vay tăng lên một đơn vị thì xác suất quyết định trả nợ tăng lên 1,091 lần. . Tuy nhiên sự khác biệt này không có ý nghĩa thống kê vì sig= 0,849 > 0,05

Biến số X10: Hình thức vay vốn của cá nhân có tác dộng cùng chiều với khả năng trả nợ của cá nhân. Có hai giá trị (1: nếu hình thức vay là tín chấp , 2: nếu hình thức vay là thế chấp), nghĩa là đối với hình thức vay thế chấp sẽ ảnh hưởng tích cực đến khả năng trả nợ của khách hàng. Cụ thể khi vay thế chấp tăng lên một đơn vị thì xác suất quyết định trả nợ tăng lên 1,357 lần. Tuy nhiên sự khác biệt này không có ý nghĩa thống kê vì sig= 0,594 > 0,05.

Biến số X11: Mục đích vay vốn của cá nhân bao gồm 04 biến (1: nếu là vay tiêu dùng, 2: vay bất động sản, 3: vay sản suất, 4: Vay nhằm mục đích khác), và biến số tham chiếu dùng trong mô hình là biến số thể hiện mục đích vay dùng. Tuy nhiên sự khác biệt này không có ý nghĩa thống kê vì sig= 0,365 > 0,05.

Biến số X12: Rủi ro đạo đức của cá nhân bao gồm 03 biến (1: Khách hàng sử dụng hoàn toàn đúng mực đích, 2: Khách hàng sử dụng đúng mục đích, 3: Khách hàng hoàn toàn không sử dụng đúng mục đích) và có tác động ngược chiều đến khả năng trả nợ của KHCN. Sự khác biệt này không có ý nghĩa thống kê vì sig= 0,064 > 0,05.

Biến số X13: Điểm tín dụng

Nghiên cứu thực nghiệm tại ngân hàng cho thấy điểm tín dụng không có bất kỳ ảnh hưởng nào tới khả năng trả nợ của KHCN khi chỉ có Sig = 0,087 > 0,05. Điều này có nghĩa là những khách hàng có điểm tín dụng cao có khả năng trả nợ cũng không khác biệt với những khách hàng có điểm tín dụng thấp. Có thể là do nền kinh tế bị khủng hoảng dẫn tới sự biến động không lường trước được về hiệu quả sử dụng khoản vay của khách hàng. Nguyên nhân nghiêm trọng hơn là do đạo đức của cán bộ tín dụng hoặc là hệ thống chấm điểm của ngân hàng có vấn đề chưa phát hiện được.

Một phần của tài liệu (LUẬN văn THẠC sĩ) phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tại ngân hàng thương mại cổ phần công thương – chi nhánh thừa thiên huế (Trang 65 - 72)

Tải bản đầy đủ (PDF)

(89 trang)