Do biến phụ thuộc trong đề tài là khả năng trả nợ vay đúng hạn (biến nhị phân, chỉ nhận giá trị 0 hoặc 1), nên đề tài có thể sử dụng một trong ba mô hình cơ bản để phân tích nhƣ: mô hình xác xuất tuyến tính LPM, mô hình Binary logistic, mô hình Probit. Trong đó, mô hình xác xuất tuyến tính LPM có nhƣợc điểm là các yếu tố ngẫu nhiên không thuần nhất và phƣơng sai của chúng thay đổi, ngoài ra yếu tố ngẫu nhiên không có phân bổ chuẩn nên ta không thể ƣớc lƣợng đƣợc khoảng tin cậy cho các hệ số hồi quy. Do vậy, đề tài có thể sử dụng một trong hai loại mô hình là mô hình Binary logistic hoặc mô hình Probit. Giữa mô hình Binary logistic và mô hình Probit có rất nhiều điểm tƣơng đồng nhƣ không có sự ràng buộc về phân phối của các biến độc lập, kiểm định thống kê không quá phức tạp, các biến độc lập định
Độ tuổi ngƣời vay vốn
Thời hạn vay Số thành viên trong
gia đình tạo ra thu nhập
Trình độ học vấn của ngƣời vay
Giá trị của khoản vay
Kinh nghiệm
Ngành nghề chính tạo ra thu nhập của ngƣời vay
Thu nhập của ngƣời vay
Lãi suất vay
Khả năng trả nợ vay đúng hạn
tính thông qua việc thiết lập biến giả có thể chuyển thành định lƣợng…Điểm khác nhau trong giả thuyết giữa mô hình Binary logistic hoặc mô hình Probit là mô hình Binary logistic giả định hạng nhiễu phân phối chuẩn logistic, trong khi mô hình Probit giả định hạng nhiễu phân phối chuẩn thông thƣờng. Từ đó, tác giả chọn mô hình hồi quy Probit để nghiên cứu các yếu tố có ảnh hƣởng đến KNTN vay đúng hạn của nông dân tại BIDV – Chi nhánh Đồng Tháp. Vì đây cũng là mô hình nghiên cứu tại quốc gia đang phát triển trên thế giới và tại khu vực ĐBSCL, Việt Nam nên có tính chất phổ biến và tƣơng đồng với các nghiên cứu khác, có dữ liệu nghiên cứu phù hợp với cơ sở dữ liệu có thể thu thập đƣợc. Mô hình nghiên cứu có dạng cụ thể nhƣ sau:
KNTraNo = 0 + 1(DoTuoi) + 2(TrinhDo) + 3(NganhNghe) +
4(ThuNhap) + 5(SoNguoi) + 6(GiaTri) + + 7(KinhNghiem) + 8(ThoiHan) +
9(Laisuat) + ε Trong đó:
- 0 : Là hằng số của mô hình. - 1,…, 9: Là hệ số hồi quy.
- ɛ : Nhiễu của phƣơng trình hồi quy (đại diện cho sai số và các biến không xuất hiện trong mô hình hay các yếu tố khác ảnh hƣởng đến biến phụ thuộc ngoài các biến độc lập trong bài).
- Biến phụ thuộc
KNTraNo: Khả năng trả nợ đúng hạn. Là biến phụ thuộc của mô hình probit trong nghiên cứu này là giá trị tiềm ẩn của nông dân trong thời gian trả nợ vay. Biến phụ thuộc này là một biến giả với giá trị bằng 1 nếu nông dân trả khoản vay và lãi trong thời hạn trong thời gian trả nợ vay và nhận giá trị bằng 0 nếu không trả khoản vay và lãi đúng hạn.
Khả năng trả nợ đúng hạn của nông dân thứ i phụ thuộc vào các biến giải thích Ii = 0 + 1(DoTuoi)i + 2(TrinhDo)i + 3(NganhNghe)i + 4(ThuNhap)i +
5(SoNguoi)i + 6(GiaTri)i + + 7(KinhNghiem)i + 8(ThoiHan)i + 9(Laisuat)i + εi. Nhƣ vậy, để đánh giá khả năng trả nợ đúng hạn của nông dân chúng ta quan sát các nhân tố tác động đến khả năng trả nợ của nông dân đó, trong đó:
KNTraNoi = 1 (nông dân thứ i trả nợ đúng hạn), nếu Ii > 0
KNTraNoi = 0 (nông dân thứ i trả nợ không đúng hạn), nếu Ii ≤ 0 - Biến độc lập
+ DoTuoi : Độ tuổi ngƣời vay vốn
+ TrinhDo : Trình độ học vấn của ngƣời vay
+ NganhNghe : Ngành nghề chính tạo ra thu nhập của ngƣời vay
+ ThuNhap : Thu nhập của ngƣời vay
+ SoNguoi : Số thành viên trong gia đình tạo ra thu nhập
+ GiaTri : Giá trị của khoản vay
+ KinhNghiem : Kinh nghiệm của ngƣời vay trong sản xuất chăn nuôi
+ ThoiHan : Thời hạn vay
+ LaiSuat : Lãi suất vay