Từ công thức số (3.1) phần mô hình Binary Logistic, ta dễ dàng nhận thấy ý nghĩa của các hệ số β (bao gồm từ β1 βj) là đo lường sự thay đổi trong tỷ lệ xác suất khả năng trả nợ đúng hạn khi biến độc lập X (từ X1Xj) thay đổi một đơn vị. Cụ thể như sau: nếu X tăng 1 đơn vị (với điều kiện các biến khác không đổi) thì Log của tỷ lệ xác suất khả năng trả nợ đúng hạn và không trả được nợ đúng hạn tăng β đơn vị.
Xét về dấu của hệ số β thể hiện chiều hướng tác động của biến độc lập lên biến phụ thuộc. Nếu β mang dấu dương (+) thì biến độc lập đấy tác động cùng chiều, theo hướng tích cực đối với biến phụ thuộc là khả năng trả nợ. Còn nếu β mang dấu âm (-) thì ngược lại.
3.1.2.3. Kiểm định độ phù hợp của mô hình
Tác giả sử dụng mô hình Binary Logistic cho bài nghiên cứu về đề tài các nhân tố ảnh hưởng tới khả năng trả nợ của khách hàng cá nhân tại ngân hàng TMCP Việt Nam Thịnh Vượng Chi Nhánh TP HCM. Tuy nhiên, trước hết tác giả phải kiểm định độ phù hợp của mô hình dựa trên chỉ số -2 Log likelihood (-2LL). Giá trị của - 2LL càng nhỏ càng tốt.
3.1.2.4. Kiểm định ý nghĩa thống kê của các hệ số
Để biết các hệ số hồi quy của các biến độc lập có ý nghĩa thống kê hay không, ta sử dụng kiểm định Wald Chi Square (kiểm tra sự có mặt của các biến không cần thiết) về ý nghĩa của các hệ số hồi quy tổng thể. Wald Chi Square được tính theo công thức: lấy ước lượng của hệ số hồi quy của biến độc lập trong mô hình (hệ số hồi quy mẫu) logit chia cho sai số chuẩn của ước lượng hệ số hồi quy này, sau đó bình phương , cụ thể như sau:
2 (3.3)
3.1.2.5. Kiểm định độ phù hợp tổng quát
Trong mô hình hồi quy Logit ta sử dụng kiểm định Chi-square để kiểm định độ phù hợp tổng quát của mô hình. Nếu hệ số sig. <0.05 ta hoàn toàn có thể nói mô hình có ý nghĩa thống kê, nghĩa là kết quả kiểm định giả thuyết về độ phù hợp tổng quát cao, hay các hệ số đều có ý nghĩa trong việc giải thích biến phụ thuộc.
3.2. Xác định các biến đưa vào mô hình và các giả thuyết nghiên cứu
Từ các luận điểm ở Chương 2, đặc biệt ở phần Các nhân tố ảnh hưởng tới khả năng trả nợ vay của khách hàng cá nhân, tác giả đưa ra các nhân tố ảnh hưởng tới khả năng trả nợ vay của khách hàng cá nhân. Từ cơ sở đó, tác giả đưa ra các giả thuyết của các biến đưa vào mô hình như sau:
Biến phụ thuộc Y: Y nhận giá trị = 0 nếu khách hàng không trả nợ/chậm trả các khoản vay (quá hạn từ trên 10 ngày), và Y=1 nếu khách hàng trả nợ đúng hạn/quá hạn dưới 10 ngày.
Giới tính (SEX): đây là biến giả và được xác định là 1 nếu khách hàng vay là nam, là 0 nếu là nữ. Giả thuyết, H1: Nếu khách hàng vay là nam, ảnh hưởng từ tính thích rủi ro sẽ tác động âm (- ) tới khả năng trả nợ, ngược lại nếu là nữ (-). Theo nghiên cứu của (Chapman, J.M., 1940), nam giới thường mang lại rủi ro cao hơn nữ giới vì đặc điểm của nữ giới là cẩn trọng và tiết kiệm.
Độ tuổi (EGE): giả thuyết, H2: khi khách hàng có độ tuổi càng cao thì khả năng trả nợ càng giảm (-). Độ tuổi khách hàng càng cao thì khả năng kiếm tiền, thu nhập giảm nên khả năng trả nợ giảm.
Tình trạng hôn nhân (MARRIED), đây là biến giả: giả thuyết, H3: Nếu khách hàng vay có gia đình thì khả năng trả nợ sẽ tăng (+). Do khách hàng đã kết hôn thì tổng thu nhập cao hơn, hành động chín chắn, có trách nhiệm hơn.
Số lượng thành viên phụ thuộc (HOS): giả thuyết, H4: nếu khách hàng đi vay có số lượng người phụ thuộc càng lớn thì khả năng trả nợ sẽ giảm (-). Số lượng thành viên phụ thuộc càng lớn thì số tiền cần phải chi tiêu càng nhiều nên số tiền còn lại để trả nợ giảm.
Trình độ học vấn (EDU), đây là biến giả: giả thuyết, H5: Trình độ học vấn càng cao, khả năng trả nợ vay càng lớn (+). Khách hàng có trình độ học vấn cao sẽ có tư duy, khả năng tính toán sử dụng tiền khoa học và đúng đắn hơn.
Đặc điểm nghề nghiệp (CAREER), đây là biến giả: giả thuyết, H6: Vị trí công việc của người đi vay càng cao sẽ làm tăng khả năng trả nợ (+). Nghề nghiệp càng cao thì thu nhập càng cao.
Thu nhập (EARNING): giả thuyết, H7: Thu nhập của khách hàng càng cao thì khả năng trả nợ càng tốt (+). Thu nhập cao thì khách hàng có nguồn tiền sử dụng để trả nợ cao.
Kích cỡ khoản vay (LOAN): giả thuyết, H8: Khoản vay càng lớn càng giúp cho khách hàng có khả năng trả nợ càng cao (+). Những khách hàng được duyệt cho vay cao chứng tỏ khách hàng đó có thu nhập cao và khả năng trả nợ tốt.
Lãi suất của khoản vay (INTEREST): giả thuyết, H9: Khả năng trả nợ của khách hàng tăng khi khách hàng được vay với lãi suất thấp hơn (-). Khi lãi suất thấp thì chi phí trả nợ ngân hàng thấp, giảm ghánh nặng về tài chính, vậy nên khả năng trả nợ sẽ càng cao, còn khi lãi suất cao thì chi phí cao.
Thời hạn vay (TIME): giả thuyết, H10: Thời gian vay càng ngắn dẫn tới khả năng trả nợ của khách hàng càng thấp (-).Thời hạn ngắn thì áp lực trả nợ của khoản vay rất cao, ngược lại những khoản vay có thời hạn càng dài thì số tiền vay của khách hàng càng được chia nhỏ phù hợp với khả năng trả nợ.
Hình thức vay (TYPE), đây là biến giả: giả thuyết, H11: Hình thức vay có đảm bảo sẽ ảnh hưởng tích cực tới khả năng trả nợ của khách hàng (+). Đối với khoản vay có đảm bảo, số tiền vay, thời hạn vay, lãi suất vay và phương thức trả nợ linh hoạt hơn, khách hàng sẽ có ý chí, thiện chí, động lực trả nợ cao hơn những khách hàng vay không có đảm bảo.
Mục đích vay (PURPOSE), đây là biến giả: giả thuyết, H12: Nếu mục đích vay của khách hàng là vay kinh doanh thì khả năng trả nợ sẽ cao hơn (+). Mục đích vay kinh doanh sẽ tạo ra nguồn thu nhập cao hơn và có khả năng trả nợ cao hơn.
Ta có thể tổng hợp các biến trong mô hình theo bảng dưới đây:
Bảng 3.1. Bảng tổng hợp biến độc lập
STT Chỉ tiêu Ký hiệu Thang đo Giả
thuyết Nghiên cứu
1 Giới tính SEX 1: Nam 0: Nữ - Chapman (1990) 2 Độ tuổi EGE Năm -
Chapman (1990) Kohansal và Mansoori (2009),
3 Tình trạng
hôn nhân MARRIED
1: Đã kết hôn 0: Độc thân/ly hôn/góa + Chapman (1990) 4 Số lượng thành viên HOS 0: Không có người phụ thuộc - Chapman (1990)
phụ thuộc 1: Có 1 người phụ thuộc 2: Có 2 người phụ thuộc 3: Có 3 người phụ thuộc trở lên
Nguyễn Quốc Nghi (2012) 5 Trình độ học vấn EDU 1: Đại học trở lên 0: Dưới đại học + Trương Đông Lộc, Nguyễn Thanh Bình, (2011) Nguyễn Quốc Nghi (2012) 6 Đặc điểm nghề nghiệp CAREER 1: Nhân viên 2: Quản lý 3: Kinh doanh cá thể + Chapman (1990)
7 Thu nhập EARNING Số tiền thu nhập
hàng năm + Chapman (1990) Kohansal và Mansoori (2009) Trương Đông Lộc, Nguyễn Thanh Bình, (2011) 8 Kích cỡ
khoản vay LOAN Số tiền vay vốn +
Kohansal và Mansoori (2009)
9 Lãi suất của
khoản vay INTEREST Lãi suất vay/năm -
Kohansal và Mansoori (2009) Trương Đông Lộc, Nguyễn Thanh Bình, (2011) Nguyễn Quốc Nghi, 2012 10 Thời hạn vay TIME
Thời hạn vay theo hợp
đồng - Kohansal và Mansoori (2009) 11 Hình thức vay TYPE 1: Vay có đảm bảo 0: Vay không có đảm bảo + Chapman (1990) Kohansal và Mansoori (2009),
12 Mục đích
vay PURPOSE
1: Vay kinh doanh 0: Vay khác (mua nhà, mua xe, tiêu dùng)
+
Samuel ANTWI (2012),
Chapman (1990)
3.3. Dữ liệu nghiên cứu
Để có thể thực hiện được đề tài nghiên cứu của mình, tác giả đã thu thập số liệu thứ cấp là nguồn thông tin từ bên trong ngân hàng. Cụ thể như sau, dữ liệu được xuất từ màn hình sao kê tín dụng của phần mềm quản lý khách hàng T24 của Ngân hàng tại thời điểm 15/02/2018 kết hợp với việc lấy các thông tin khách hàng từ phần mềm lưu trữ hồ sơ như Fine one (F1), alfresco, clos, T24 và hồ sơ được lưu trữ tại Ngân hàng. Tổng cộng tác giả thu thập được 2.235 khách hàng hiện đang còn dư nợ tại VPBank Chi nhánh TP HCM. Sau đó, chọn mẫu phi xác suất, mẫu dùng để nghiên cứu là 500 khách hàng có phát sinh dư nợ từ năm 2013-2017 và hiện tại đang còn dư nợ. Tất cả các khách hàng được chọn đều đã từng phát sinh kỳ trả nợ để thấy được lịch sử trả nợ của khách hàng. Sau đó tác giả tổng hợp thông tin của từng khách hàng theo các nhân tố mà tác giả sử dụng để đưa vào mô hình nghiên cứu của mình như: Khả năng trả nợ của khách hàng, giới tính, tuổi, tình trạng hôn nhân, số lượng thành viên phụ thuộc, trình độ học vấn, nghề nghiệp, thu nhập, kích cỡ khoản vay, lãi suất, thời hạn cho vay, hình thức vay, mục đích vay.
Về việc thu thập thông tin khả năng trả nợ của khách hàng để ghi nhận khách hàng đó có khả năng trả nợ hay không theo tiêu chí: nếu khách hàng tại thời điểm lấy dữ liệu có quá hạn từ 10 ngày trở lên (kể cả gốc và/hoặc lãi) thì tác giả sẽ ghi nhận khách hàng đó không có khả năng trả nợ (tức Y=0). Còn nếu tại thời điểm lấy dữ liệu khách hàng không bị quá hạn hoặc quá hạn gốc và/hoặc lãi nhỏ hơn 10 ngày thì được ghi nhận là khách hàng có khả năng trả nợ đúng hạn (tức Y=1).
3.4. Quy trình nghiên cứu
Từ phương pháp nghiên cứu và mô hình nghiên cứu, tác giả đưa ra quy trình nghiên cứu theo thứ tự như sau:
KẾT LUẬN CHƯƠNG III
Chương 3 tác giả đã đưa chi tiết, cụ thể phương pháp nghiên cứu là phương pháp định lượng. Trong đó tác giả sử dụng phương pháp thống kê mô tả và phương pháp phân tích hồi quy. Ngoài ra, tác giả đã đưa cụ thể mô hình nghiên cứu hồi quy, với 12 biến độc lập như sau: giới tính, tuổi, tình trạng hôn nhân, số lượng thành viên phụ thuộc, trình độ học vấn, nghề nghiệp, thu nhập, kích cỡ khoản vay, lãi suất, thời hạn cho vay, hình thức vay, mục đích vay và biến phụ thuộc là khả năng trả nợ cùng các giả thuyết nghiên cứu, kỳ vọng về dấu của mô hình. Dữ liệu nghiên cứu của bài viết này được lấy mẫu là 500 khách hàng cá nhân hiện đang còn nghĩa vụ tại Ngân hàng TMCP Việt Nam Thịnh Vượng – Chi Nhánh Thành Phố Hồ Chí Minh, có phát sinh dư nợ từ năm 2013-2017 để đưa vào mô hình, chạy dữ liệu trên phần mềm SPSS để tìm ra mô hình tối ưu tại Chương 4 sau đây.
Bước 1: Phân tích thực trạng của Ngân hàng TMCP Việt Nam Thịnh Vượng,
Bước 3: Tìm hiểu cơ sở lý thuyết và các công trình nghiên cứu trước Bước 4: Thu thập số liệu và xử lý số liệu trên phần mềm hỗ trợ SPSS
Bước 5: Tổng hợp và Phân tích dữ liệu theo phương pháp thống kê mô tả
Bước 6: Xác định mô hình nghiên cứu tối ưu với các nhân tố ảnh hưởng tới khả năng trả nợ của khách hàng cá nhân tại Ngân hàng
TMCP Việt Nam Thịnh Vượng-Chi nhánh TP HCM Bước 7: Phân tích kết quả hồi quy
Bước 8: Đưa ra kết luận và kiến nghị Bước 2: Xác định mục tiêu nghiên cứu
CHƯƠNG IV: KẾT QUẢ NGHIÊN CỨU
Trong chương này, tác giả thực hiện các nội dung chính như: phân tích thống kê mô tả chung, phân tích thống kê mô tả chi tiết từng nhân tố, phân tích tương quan, xây dựng mô hình hồi quy tối ưu, phân tích mô hình hồi quy, từ đó tác giả phân tích các nhân tố ảnh hưởng tới khả năng trả nợ của khách hàng cá nhân tại Ngân hàng TMCP Việt Nam Thịnh Vượng – Chi Nhánh TP HCM.
4.1. Phân tích thống kê mô tả
4.1.1. Phân tích thống kê mô tả chung
Nhờ sự hỗ trợ phần mềm SPSS tác giả chiết xuất dữ liệu thống kê mô tả chung cho toàn bộ biến phụ thuộc và biến độc lập như sau:
Bảng 4.1. Descriptive Statistics (Thống kê mô tả chung)
N Minimum Maximum Mean Std. Deviation SEX 500 0 1 ,67 ,472 EGE 500 23 74 38,57 9,061 MARRIED 500 0 1 ,54 ,499 HOS 500 0 3 ,22 ,629 EDU 500 0 1 ,79 ,408 CAREER 500 1 3 1,86 ,887 EARNING 500 50 16044 359,54 831,321 LOAN 500 12 21598 520,59 1556,444 TIME 500 9 300 63,93 46,219 INTEREST 500 8 40 15,33 6,011 TYPE 500 0 1 ,60 ,490 PURPOSE 500 0 1 ,14 ,345 PURPOSE_CHUNG 500 1 4 2,14 1,094 Y 500 0 1 ,51 ,500 Valid N (listwise) 500
(Nguồn: Chiết xuất từ phần mềm SPSS)
Nhìn vào bảng thống kê mô tả chung ở Bảng 4.1 ta thấy, trong 500 khách hàng thu thập thông tin, thì những khách hàng này nằm trong độ tuổi từ 23 tuổi tới 74 tuổi, độ tuổi trung bình là 39 tuổi. Đây được xem là nhóm khách hàng trung tuổi, nằm trong giai đoạn ổn định nhất của con người. Có công việc ổn định, thu nhập khá, đủ
độ chín chắn để quyết định cuộc sống của mình. Điều này thể hiện rõ ở dòng dữ liệu thu nhập (EARNING), thu nhập thấp là là 50 triệu/ năm, cao nhất là 16.044 triệu/năm. Thu nhập trung bình của độ tuổi này là 359 triệu/năm. Tương đương với khoảng gần 30 triệu/tháng. Đây được xem là nguồn thu nhập khá phù hợp với độ tuổi.
Về kích cỡ khoản vay (LOAN), khoản vay thấp nhất là 12 triệu và cao nhất là 21.589 triệu đồng. Kỳ hạn vay thấp nhất là 9 tháng và dài nhất là 300 tháng. Khi thu thập số liệu thì những khoản vay có kỳ hạn ngắn hạn thông thường là những khoản vay kinh doanh, còn những khoản vay dài hạn là những khoản vay khác như mua nhà.
Lãi suất trung bình của 500 khách hàng này là 15,33%/năm, trong đó, lãi suất thấp nhất là 8%/năm, đây thông thường là những khoản vay kinh doanh, còn những khoản vay với lãi suất cao, cao nhất là 40%/năm là những khoản vay tín chấp tiêu dùng.
4.1.2. Thống kê mẫu theo từng biến độc lập
4.1.2.1. Nhóm các nhân tố liên quan tới đặc điểm nhân khẩu học
Về giới tính: Bảng 4.2. Bảng thống kê giới tính SEX Giới tính Tần số Phần trăm KH Không có khả năng trả nợ Phần trăm KH không có khả năng trả nợ/Tổng KH không có khả năng trả nợ Phần trăm KH không có khả năng trả nợ/Tổng Khách hàng KH Có khả năng trả nợ Phần trăm KH có khả năng trả nợ/Tổng KH có khả năng trả nợ Phần trăm KH có khả năng trả nợ/Tổng Khách hàng Tỷ lệ KH có khả năng trả nợ/KH không có khả năng trả nợ Nữ 167 33% 71 29% 14% 96 38% 19% 1.35 Nam 333 67% 173 71% 35% 160 63% 32% 0.92 Tổng 500 100 % 244 100% 49% 256 100% 51% 1.05
(Nguồn: Tính toán của tác giả dựa trên phần mềm SPSS)
Dữ liệu nghiên cứu 500 khách hàng, trong đó có 167 khách hàng vay là nữ, chiếm 33,4% và 333 khách hàng vay là nam, chiếu 66,6%. Ngoài ra, trong 167 khách hàng vay là nữ thì có tới 71 khách hàng nữ không có khả năng trả nợ, chiếm 29% trong tổng 244 khách hàng không có khả năng trả nợ. Đối với khách hàng vay là nam giới thì khả năng không trả được nợ là 173 khách hàng, chiếm 70,3% trong tổng khách hàng không có khả năng trả nợ và chiếm gần 50% trong tổng số lượng khách hàng đi vay là nam giới.
Trong 256 khách hàng có khả năng trả nợ thì số lượng khách hàng nữ là 96 chiếm 37,5% số lượng khách hàng có khả năng trả nợ, chiếm 57,4% trong tổng khách hàng nữ. Còn số lượng khách hàng nam có khả năng trả nợ là 160, tương đương 62,5% khách hàng có khả năng trả nợ.
Tỷ lệ khách hàng có khả năng trả nợ/khách hàng không có khả năng trả nợ của nhóm khách hàng là nữ là 1.35, của nam là 0.92. Vậy cũng tương đồng với giả thuyết mà tác giả đưa ra.
Về độ tuổi của khách hàng
Bảng 4.3. Bảng thống kê độ tuổi của khách hàng EGE Độ tuổi Tần số Phần trăm KH Không có khả năng trả nợ Phần trăm KH