Kết quả kiểm định hồi quy Binary Logistic lần 1 với 6 biến độc lập gồm: (1) qmo, (2) tnhap, (3) tuoi, (4) pthuoc, (5) mdich, (6) nhao. Kết quả kiểm định như sau:
Kết quả kiểm định độ phù hợp tổng quát của mô hình:
cho thấy mối tương quan giữa biến phụ thuộc và các biến độc lập trong mô hình có ý nghĩa thống kê tổng quát (xem bảng 4.7)
Bảng 4.7 Mức độ phù hợp tổng quát của mô hình Omnibus Tests of Model Coefficients
Chi- square df Sig. Step 1 Step 347.608 6 .000 Block 347.608 6 .000 Model 347.608 6 .000
Kết quả kiểm định mức độ giải thích của mô hình:
Kết quả kiểm định cho thấy giá trị -2LL= 61.804 không cao lắm, điều này thể hiện mức độ phù hợp khá tốt của mô hình tổng thể. Kết quả kiểm định cho thấy 92.2% sự thay đổi của biến phụ thuộc được giải thích bởi biến độc lập trong mô hình, phần còn lại là do các yếu tố khác. Kết quả kiểm định cho thấy mức độ giải thích của mô hình khá cao là 92.2% (xem bảng 4.8)
Bảng 4.8 Mức độ phù hợp tổng quát của mô hình (6 biến độc lập)
Model Summary
Step -2 Log
likelihood
Cox & Snell R Square
Nagelkerke R Square
1 61.804a .686 .922
Nguồn: Trích từ kết quả hồi quy Binary Logistic
Kiểm định ý nghĩa hệ số hồi quy:
kiểm định Wald về ý nghĩa của các hệ số hồi quy của 6 biến độc lập gồm: qmo, tnhap, tuoi, pthuoc, mdich, nhao có ý nghĩa thống kê ở mức 95% (xem bảng 4.9) với phương trình hồi quy như sau:
Y = ln ( )= -27.933 + 0.082*qmo + 0.446*tnhap + 0.405*tuoi –
1.341*pthuoc + 1.344*mdich + 1.952*nhao
Phương trình hồi quy cho thấy khả năng trả nợ phụ thuộc vào 6 biến độc lập là qmo, tnhap, tuoi, pthuoc, mdich, nhao, trong đó qmo, tnhap, tuoi, mdich, nhao tác động thuận chiều với khả năng trả nợ trong khi đó pthuoc tác động nghịch chiều với khả năng trả nợ. Theo đó khi số người phụ thuộc càng nhiều thì khả năng trả nợ càng kém.
Bảng 4.9 Kết quả hồi quy (6 biến độc lập)
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a qmo .082 .018 21.455 1 .000 1.085 tnhap .446 .098 20.568 1 .000 1.563 tuoi .405 .086 22.352 1 .000 1.499 pthuoc -1.341 .549 5.967 1 .015 .262 mdich 1.344 .677 3.940 1 .047 3.835 nhao 1.952 .742 6.917 1 .009 7.041 Constant -27.933 5.449 26.274 1 .000 .000
Nguồn: Trích từ kết quả hồi quy Binary Logistic
Tỷ số odd chính là tỷ số khi 1 biến độc lập bất kỳ tăng 1 đơn vị so với ban đầu trong khi đó giá trị của các biến độc lập khác không đổi. Kết ở bảng 4.9 cho thấy khi:
Tung bình điểm số qmo tăng 1 đơn vị (giá trị biến độc lập khác không đổi) thì khả năng trả nợ tăng 1.563 lần.
Trung bình điểm số tnhap tăng 1 đơn vị ( giá trị biến độc lập khác không đổi) thì khả năng trả nợ tăng 3.111 lần
Trung bình điểm số tuoi tăng 1 đơn vị ( giá trị biến độc lập khác không đổi) thì khả năng trả nợ tăng 1.499 lần
Trung bình điểm số pthuoc tăng 1 đơn vị ( giá trị biến độc lập khác không đổi) thì khả năng trả nợ giảm 0.262 lần.
Trung bình điểm số mdich tăng 1 đơn vị ( giá trị biến độc lập khác không đổi) thì khả năng trả nợ tăng 3.835 lần.
Trung bình điểm số nhao tăng 1 đơn vị ( giá trị biến độc lập khác không đổi) thì khả năng trả nợ tăng 7.047 lần.
Kết quả dự báo:
Kết quả trên bảng 4.10 cho thấy có 128 trường hợp không trả được nợ trong đó dự báo đúng 123 trường hợp (dự báo đúng 96.1%). Trong 172 trường hợp trả
được nợ kết quả dự báo đúng 162 trường hợp (dự báo đúng 94,2%). Kết quả kiểm định cho thấy tỷ lệ dự đoán đúng của toàn mô hình là 95% (xem bảng 4.10)
Bảng 4.10: Kết quả dự báo của mô hình
Classification Tablea Observed Predicted y Percentage Correct 0 khong tra 1 tra duoc Step 1 y 0 khong tra 123 5 96.1 1 tra duoc 10 162 94.2 Overall Percentage 95.0 4.4 Vận dụng trong dự báo
Gỉa dụ 1 đối tượng đến xin vay, bạn yêu cầu trả lời các câu hỏi. Kết quả đưa vào công thức tính bạn sẽ dự báo được xác suất để cho khả năng khả năng trả nợ của khách hàng thể như sau:
Pi = P(Y=1) = ez/ (1 + ez)
Với Z= -27.933 + 0.082*qmo + 0.446*tnhap + 0.405*tuoi – 1.341*pthuoc + 1.344*mdich + 1.952*nhao
Vậy với giá trị các biến như khách hàng đầu tiên sẽ được tính như sau:
Khách
hàng qmo tnhap tuoi pthuoc mdich nhao
1
Vay 90
triệu 24 triệu/năm 22 tuổi 1 người sản xuất
có nhà ở Z= -27.933 + 0.082*90 + 0.446*24 + 0.405*22 – 1.341*1 + 1.344*1 + 1.952*1 = 1.013
ez = 2.711.013 = 2.745
với kết quả dự báo bằng SPSS 20 ( sai số do lấy chữ số thập phân).
Dựa vào kết quả dự báo, cán bộ tín dụng có thể kết luận khách hàng thứ 1 sẽ có khả năng trả nợ với xác xuất là 73.3%%, còn 26.7% có thể người này không trả được nợ. Một vấn đề khác cần chú ý khả năng dự báo này chỉ đúng ở 95% mà thôi.
Bảng 4.11: Kết quả dự báo xuất từ dữ liệu 100 mẫu dữ liệu
Khách hàng
khả năng trả nợ
qmo tnhap tuoi pthuoc mdich nhao dự báo
1 1 90 24 22 1 1 1 73.06200% 2 1 60 36 40 1 1 1 99.99900% 3 1 120 18 28 2 0 1 62.59300% 4 1 120 36 45 2 1 1 100.00000% 5 1 60 12 27 0 1 1 3.09600% 6 1 30 24 30 2 1 1 11.86800% 7 0 20 12 30 1 1 0 0.01500% 8 1 10 24 31 0 1 1 36.55600% 9 1 50 60 40 1 1 1 100.00000% 10 1 90 36 30 2 1 0 99.81700% 11 1 50 36 50 2 1 1 100.00000% 12 1 50 36 40 0 1 1 99.99900% 13 1 120 12 37 2 1 1 94.40400% 14 1 90 36 34 1 1 1 99.99900% 15 0 30 12 25 0 1 0 0.01700% 16 0 50 18 29 3 0 1 0.21500% 17 0 50 12 29 3 1 0 0.00800% 18 0 20 24 27 2 1 0 0.25000% 19 0 10 12 27 2 0 1 0.00100% 20 1 50 48 40 2 1 1 100.00000% 21 1 20 60 32 2 1 0 99.99900% 22 1 90 36 40 3 1 1 99.99800%
23 1 80 60 45 2 1 1 100.00000% 24 1 120 36 40 1 0 0 100.00000% 25 1 120 24 50 1 1 1 100.00000% 26 1 90 24 50 2 0 0 99.95500% 27 1 90 36 37 1 0 1 99.99800% 28 1 60 36 55 1 1 0 100.00000% 29 0 50 12 43 2 1 0 8.20500% 30 0 60 18 24 0 0 1 3.47500% 31 1 60 24 40 1 1 1 99.70900% 32 1 60 24 45 2 1 0 98.97400% 33 1 60 36 40 1 0 1 99.99500% 34 0 30 12 44 0 1 1 72.92200% 35 1 30 36 40 2 0 0 98.37900% 36 0 20 12 24 0 1 1 0.03600% 37 0 20 18 27 1 0 1 0.12100% 38 0 30 18 28 2 0 1 0.10700% 39 1 20 24 40 2 1 1 77.34800% 40 1 90 36 40 2 1 0 99.99700% 41 1 80 48 43 4 0 1 100.00000% 42 0 50 12 22 0 1 0 0.02600% 43 1 50 36 40 2 1 0 99.91600% 44 0 50 36 22 2 0 1 59.90700% 45 1 90 24 40 3 1 1 99.63400% 46 0 50 12 23 3 1 0 0.00100% 47 0 50 18 25 2 1 1 0.62100% 48 0 50 12 30 2 1 1 0.32400% 49 0 90 18 24 2 0 0 0.40400% 50 1 90 24 40 1 1 1 99.97500% 51 1 90 24 22 1 0 1 41.42800% 52 1 60 36 40 1 0 0 99.96300%
53 0 120 18 28 2 1 1 86.51700% 54 1 120 36 45 2 1 0 100.00000% 55 0 60 12 27 0 0 0 0.11800% 56 0 30 24 30 2 1 1 11.86800% 57 0 20 12 30 1 1 1 0.10700% 58 0 10 24 31 0 0 0 2.08900% 59 1 50 60 40 1 1 1 100.00000% 60 1 90 36 30 2 1 1 99.97400% 61 1 50 36 50 2 0 0 99.99400% 62 1 50 36 40 0 1 1 99.99900% 63 1 120 12 37 2 0 0 38.45100% 64 1 90 36 34 1 0 1 99.99500% 65 0 30 12 25 0 1 0 0.01700% 66 0 50 18 29 3 1 0 0.11700% 67 0 50 12 29 3 0 1 0.01500% 68 0 20 24 27 2 1 0 0.25000% 69 0 10 12 27 2 1 0 0.00100% 70 1 50 48 40 2 0 1 100.00000% 71 1 20 60 32 2 1 1 100.00000% 72 1 90 36 40 3 0 0 99.95300% 73 1 80 60 45 2 1 1 100.00000% 74 1 120 36 40 1 0 1 100.00000% 75 1 120 24 50 1 0 0 99.99900% 76 1 90 24 50 2 1 1 99.99800% 77 1 90 36 37 1 0 0 99.98900% 78 1 60 36 55 1 0 1 100.00000% 79 0 50 12 43 2 1 1 38.62700% 80 0 60 18 24 0 1 0 1.92300% 81 1 60 24 40 1 0 1 98.89400% 82 1 60 24 45 2 1 1 99.85300%
83 1 60 36 40 1 1 1 99.99900% 84 0 30 12 44 0 0 1 41.25500% 85 1 30 36 40 2 1 0 99.57200% 86 0 20 12 24 0 0 1 0.00900% 87 0 20 18 27 1 1 0 0.06600% 88 0 30 18 28 2 1 0 0.05800% 89 1 20 24 40 2 0 1 47.10300% 90 1 90 36 40 2 1 1 100.00000% 91 1 80 48 43 4 1 0 100.00000% 92 0 50 12 22 0 1 1 0.18600% 93 1 50 36 40 2 1 1 99.98800% 94 0 50 36 22 2 0 0 17.50500% 95 1 90 24 40 3 1 1 99.63400% 96 0 50 12 23 3 0 0 0.00000% 97 0 50 18 25 2 0 0 0.02300% 98 0 50 12 30 2 1 1 0.32400% 99 0 90 18 24 2 1 1 9.86900% 100 1 90 24 40 1 0 0 99.32500%
Nguồn: Trích từ kết quả hồi quy Binary Logistic
Kết luận chương 4
Trong chương 4 tác giả trình bày kết quả thảo luận nhóm trong nghiên cứu định tính, phân tích hồi quy binary logistic để kiểm định mô hình. Kết quả kiểm định cho thấy cả 6 nhân tố (qmo, tnhap, tuoi, pthuoc, mdich, nhao) có ý nghĩa thống kê ở độ tin cậy 95% trong đó 2 nhân tố là lsu và khan không có ý nghĩa thống kê, chưa có bằng chứng để công nhận 2 nhân tố này có ảnh hưởng đến khả năng trả nợ. Bên cạnh đó nghiên cứu cũng cho biết xác xuất dự báo chính xác dự báo là 95%. Trong chương 4 tác giả cũng trình bày ứng dụng trong việc đánh giá khả năng trả nợ củ khách hàng cụ thể trong việc đối chiếu với dự báo từ dữ tiệu thu thập được.
CHƯƠNG 5 KẾT LUẬN VÀ KHUYẾN NGHỊ 5.1 Kết quả nghiên cứu
Việt Nam đang trong quá trình tự do hóa, mở cửa thị trường, đặc biệt là trong lĩnh vực tài chính ngân hàng. Vì vậy, hoạt động ngân hàng cần có nhiều đổi mới để nâng cao năng lực cạnh tranh và khẳng định vị thế của mình trên trường quốc tế.
Mục tiêu này thì vấn đề trước tiên cần quan tâm là xây dựng hệ thống tín dụng lành mạnh, an toàn, hiệu quả và phát triển bền vững. Thật vậy, tình hình tài chính của khách hàng sẽ ảnh hưởng trực tiếp đến chất lượng khoản vay, từ đó sẽ chi phối hoạt động ngân hàng. Khi khách hàng sử dụng nguồn vốn vay ngân hàng một cách hiệu quả sẽ tạo ra lợi nhuận và từ đó đảm bảo khả năng trả nợ cho ngân hàng, ngân hàng cũng sẽ thu được gốc và lãi đúng hạn. Khi đó ngân hàng vừa tạo ra hiệu quả kinh tế lại tạo được hiệu quả xã hội.
Để hạn chế rủi ro tín dụng đòi hỏi các ngân hàng nâng cao khả năng nhận diện khách hàng, nhằm lựa chọn được khách hàng tốt để cho vay, phát hiện và xử lý các khoản vay có nguy cơ mất vốn một cách kịp thời. Muốn được vậy, ngân hàng phải có khả năng đánh giá tình hình tài chính và thẩm định khả năng thanh toán nợ vay của khách hàng một cách triệt để nhằm bảo toàn nguồn vốn cho ngân hàng.
Tác giả sử dụng phần mềm SPSS 20 cùng với mẫu dữ liệu là 300 khách hàng cá nhân có giao dịch và dư nợ tín dụng tại Agribank Tân Hưng đến 31/12/2019. Kết quả nghiên cứu mô hình đã cho thấy 6 yếu tố có bằng chứng có ảnh hưởng đến khả năng trả nợ của khách hành với xác xuất dự báo là 95%.
5.2 Một số khuyến nghị/ hàm ý chính sách
Dựa trên những phân tích và những phát hiện ta kết quả nghiên cứu, tác giả đề xuất những khuyến nghị như sau đối với ngân hàng và chính quyền địa phương cụ thể như sau:
Ngoài những công cụ thẩm định hiện có đã và đang áp dụng trong thẩm định, cần tham khảo thêm kết quả dự báo của mô hình nghiên cứu này trong đó những yếu tố quan trọng lần lượt được ưu tiên xem xét đó là những nhân tố có ý nghĩa thống kê trong mô hình. Cụ thể như sau:
5.2.1. Đối với sở hữu tài sản nhà ở
Xem xét cá nhân đó có nhà ở hay không, có nhà ở sẽ là lợi thế, đây là yếu tố có hệ số β lớn nhất. Ngoài ra nhà ở còn là tài sản đảm bảo thu hồi vốn cho ngân hàng. Theo nghiên cứu này là yếu tố quan trọng nhất cần được xem xét. Nếu người dân có nhà thì cuộc sống và tạo ra được thu nhập ổn định.
5.2.2. Đối với mục đích vay
Mục đích vay trong đó vay cho sản xuất được ưu tiên. Kết quả của nghiên cứu này cho thấy vay cho mục đích sản xuất sẽ tăng khả năng trả nợ so với vay phi sản xuất. Việc ngân hàng chú ý ưu tiên cho đối tượng vay sản xuất cũng phù hợp với chủ trương của nhà nước về chính sách với nông nghiệp nông dân, nông thôn. Tùy theo từng thời điểm mà ngân hàng có các gói cho vay hỗ trợ kịp thời cho người dân như hỗ trợ lãi suất, vay sửa chửa nhà ở, vay chăn nuôi, vay xây dựng nhà, vay mua máy móc thiết bị phục vụ nông nghiệp nông thôn, tùy theo gói cho vay mà ngân hàng có lãi suất và thời gian trả nợ phù hợp.
5.2.3. Đối với người phụ thuộc của khách hàng vay
Số người phụ thuộc làm giảm khả năng trả nợ, nếu số người phụ thuộc ít sẽ là lợi thế. Với kết quả của nghiên cứu số người phụ thuộc trong gia đình của nông hộ có tác động rất tiêu cực đến khả năng trả nợ. Vì chất lượng của khoản vay, do vậy các bộ tín dụng cần xem xét ở nhiều khía cách khác nhau như người vay hiện đang có trách nhiệm nuôi dưỡng những ai.
Thu nhập khách hàng có cao nhưng khách hàng chịu trách nhiệm nuôi dưỡng và quá nhiều người phụ thuộc cũng sẽ dẫn đến phân tán nguồn trả nợ cho ngân hàng. Nếu chủ hộ có người phụ thuộc càng nhiều có nghĩa là chủ hộ phải trả nhiều hơn cho những khoản chi phí sinh hoạt tối thiểu hàng ngày, chi cho việc học hành, khám chữa bệnh và các khoản chi khác, điều này làm giảm mức thu nhập bình quân của chủ hộ cũng như khả năng tiết kiệm, tích lũy của chủ hộ và có thể gây bất ổn cho kinh tế gia đình làm tăng xác suất trả nợ vay không đúng hạn. cân nhắc trước khi quyết định với trường hợp này. Nhiều khách hàng mất khả năng trả nợ chỉ trường hợp này.
Thu nhập càng cao sẽ tăng khả năng trả nợ. Mặc dù thu nhập là 1 nhân tố trực tiếp, nhưng trong kết quả của nghiên cứu này đứng ở vị trí thứ 4 về mức độ quan trọng. Trong điều kiện tại Việt Nam nói chung hay cụ thể tại Tân Hưng 1 huyện thâm canh về nông nghiệp, có thể đa phần chủ hộ là nông dân. Nguồn thu nhập chủ yếu dực vào thu hoạch lúa. Mùa màng của người nông dân phụ thuộc vào thời tiết, khí hậu. Chính lý do này mà việc thẩm định về thu nhập sẽ gặp khó khăn. Vì vậy khi xem xét đến yếu tố thu nhập chúng ta không nên quá đề cao, mà nên xem xét tình hình thu nhập cao có ổn định không, thu nhập này kèm mức độ rủi ro bao nhiêu, thu nhập này người vay có hoàn toàn trả nợ ngân hàng không, người vay đang trong giai đoạn nào của quá trình sản xuất kinh doanh với mức thu nhập đang có…
5.2.5. Đối với tuổi của khách hàng
Tuổi càng cao sẽ tăng khả năng trả nợ, đây là yếu tố có hệ số β không cao, cần xem xét. Trong kết quả nghiên cứu cho thấy Tuổi càng cao thì có ưu thế trong khả năng trả nợ. Độ tuổi sẽ ảnh hưởng đến kinh nghiệm, thời gian làm việc, trình độ, … nên ít nhiều ảnh hưởng đến năng lực tài chính của khách hàng, đồng thời quyết định thành công hay thất bại của khách hàng.
Có thể trên thực tế những nông hộ có tuổi là những người dân “gốc” ở địa phương, những người có tài sản, đất đai và thu nhập từ nhiều nguồn. Do vậy đây là nhân tố rất quan trong mà cán bộ tín dụng cần chú ý.
Thực tế những người trẻ tuổi luôn gặp phải những khó khăn nhất định trong công việc (trình độ, kinh nghiệm, …) So với những người trẻ tuổi thì những người có kinh nghiệm lâu năm luôn chiếm ưu thế hơn. Vì vậy, khi xét duyệt cấp tín dụng,