Biến phụ thuộc: là biến khả năng tiếp cận vốn vay ngân hàng của DNNVV tại
BIDV khu vực TP.HCM được xem là biến kết quả, nó chịu sự chi phối của các biến độc lập. Nếu Ynhận được giá trị 1 thì doanh nghiệp được vay vốn và nếu Y có giá trị 0 nghĩa là doanh nghiệp đã nộp hồ sơ nhưng không được vay vốn.
Biế ộc lập
Thứ nhất, Tuổi doanh nghiệp là số năm hoạt động của doanh nghiệp được tính từ khi doanh nghiệp được cấp phép thành lập hoặc cấp phép đăng ký kinh doanh lần đầu. Tuổi của doanh nghiệp được kỳ vọng sẽ có mối quan hệ tương quan thuận với khả năng vay vốn ngân hàng. Các doanh nghiệp có thời gian hoạt động lâu thường t ch lũy và quản lý nhiều tài nguyên hơn, có nhiều uy tín và kinh nghiệm kinh doanh hơn, do đó khả năng thất bại trong kinh doanh t hơn. ì vậy việc vay vốn ngân hàng của các
doanh nghiệp này nhìn chung sẽ dễ dàng hơn so với các doanh nghiệp mới thành lập; Số năm hoạt động của doanh nghiệp (tuổi của doanh nghiệp) là yếu tố ảnh hưởng đến khả năng vay vốn ngân hàng của NN . o đó, giả thuyết được đưa ra là H1: Doanh nghiệp có số năm hoạt động càng lâu thì khả năng tiếp cận vốn tín dụng ngân hàng càng cao.
Thứ hai, Trình độ học vấn của chủ doanh nghiệp cũng là một yếu tố ảnh hưởng đến khả năng tiếp cận vốn vay ngân hàng của DNNVV. Trình độ học vấn của chủ doanh nghiệp là biến giả thể hiện trình độ học vấn của người trực tiếp quản lý điều hành doanh nghiệp. Biến trình độ sẽ mang giá trị 1 nếu người quản lý doanh nghiệp có trình độ từ cao đẳng trở lên (cao đẳng, đại học và trên đại học) và mang giá trị 0 trong các trường hợp còn lại (trung cấp, trung học phổ thông và trình độ khác). Học vấn của người quản lý được kỳ vọng sẽ có tương quan thuận với khả năng vay vốn. Giả thuyết được đặt ra là H2: Trình độ học vấn của chủ doanh nghiệp càng cao thì khả năng tiếp cận vốn tín dụng ngân hàng càng cao.
Thứ ba, tổng tài sản của doanh nghiệp cũng là yếu tố ảnh hưởng trực tiếp đến khả năng tiếp cận vốn vay ngân hàng của các DNNVV. Quy mô doanh nghiệp được đo lường bằng tổng tài sản doanh nghiệp (đơn vị tỷ đồng), yếu tố này có khả năng ảnh hưởng lớn đến quyết định cho vay của ngân hàng đối với doanh nghiệp. o đó, giả thuyết được đặt ra là H3: Quy mô tài sản của doanh nghiệp càng lớn, khả năng tiếp cận vốn tín dụng ngân hàng càng cao.
Thứ tư, Tỷ suất sinh lời được đo lường bằng tỷ lệ lợi nhuận và vốn chủ sở hữu của doanh nghiệp (ROE). Tỷ suất sinh lợi được kỳ vọng sẽ có mối tương quan thuận với khả năng vay vốn. Lợi nhuận càng cao thì nguồn tiền trả nợ cho ngân hàng sẽ nhiều hơn, từ đó sẽ giúp doanh nghiệp dễ dàng tiếp cận nguồn vốn tín dụng của ngân hàng; o đó, đây là yếu tố ảnh hưởng đến khả năng tiếp cận vốn vay ngân hàng của NN . o đó, giả thuyết được đưa ra là H4: ROE của doanh nghiệp càng cao, khả năng tiếp cận vốn tín dụng ngân hàng càng cao.
Thứ năm, tỷ số nợ là tỷ số giữa tổng số nợ phải trả so với tổng giá trị tài sản của doanh nghiệp. Tỷ số nợ trên tổng tài sản của doanh nghiệp được kỳ vọng mang dấu âm vì khi nợ phải trả của doanh nghiệp càng nhiều thì khả năng thanh toán của doanh
nghiệp càng thấp, và do đó ngân hàng sẽ do dự hơn khi cấp tín dụng cho doanh nghiệp, Tuy nhiên, một tỷ số nợ hợp lý sẽ có tác dụng làm tăng hiệu quả sử dụng vốn của doanh nghiệp và phần nào cho thấy những người cho vay trước đã đánh giá doanh nghiệp đủ tin cậy. Các nghiên cứu đã chỉ ra rằng các doanh nghiệp có tỷ số tổng nợ trên tổng tài sản cao thì có khả năng tiếp cận vốn tín dụng ngân hàng càng cao (Bebczuk, 2004) nên nhân tố tỷ số nợ với giả thuyết đưa ra là H5: Các doanh nghiệp có tỷ số nợ càng cao, khả năng tiếp cận vốn tín dụng ngân hàng càng cao.
Thứ sáu, đối với nhân tố mối quan hệ với ngân hàng biến quan hệ tín dụng với các ngân hàng là một biến giả, có giá trị bằng 1 nếu doanh nghiệp chưa có quan hệ tín dụng với ngân hàng và bằng 0 cho doanh nghiệp đã từng có quan hệ nên giả thuyết được đưa ra là: H6: Mối quan hệ với ngân hàng tác động cùng chiều với hả năng vay vốn vay ngân hàng của DNNVV.
Thứ bảy, Biến tài sản đảm bảo mang giá trị 1 nếu doanh nghiệp có đủ tài sản đảm bảo, mang giá trị 0 cho trường hợp doanh nghiệp không có tài sản đảm bảo hoặc tài sản đảm bảo không đủ. Các doanh nghiệp càng cung cấp được nhiều tài sản đảm bảo thì xác suất doanh nghiệp đó vay được vốn ngân hàng sẽ cao hơn. Ngược lại, doanh nghiệp không có tài sản đảm bảo hoặc tài sản đảm bảo không đủ giá trị thì có nhiều khả năng doanh nghiệp đó sẽ không vay được vốn ngân hàng; Yếu tố tài sản đảm bảo được phát triển giả thuyết là H7: Những doanh nghiệp có tài sản đảm bảo thì khả năng tiếp cận vốn tín dụng ngân hàng cao hơn.
Bảng 3.1. Tổng hợp các biến nghiên cứu trong mô hình Số thứ tự Kí hi u Tên biến Cách tính Kỳ vọng Biến phụ thuộc 1 Yi Khả năng tiếp cận vốn vay ngân hàng của DNNVV tại BIDV khu vực TP.HCM
Yi = 1: Doanh nghiệp được vay vốn.
Yi = 0: Doanh nghiệp đã nộp hồ sơ nhưng không được vay vốn.
Biến ộc lập
2 TUOIDN
Tuổi của doanh nghiệp
Số năm hoạt động của doanh nghiệp được tính từ khi doanh nghiệp được cấp phép thành lập hoặc cấp phép đăng ký kinh doanh lần đầu cho đến 31/12/2016.
+
3 TRINHDO
Trình độ học vấn của người quản lý doanh nghiệp
TRINH O = 1: Người quản lý có trình độ từ cao đẳng trở lên
TRINH O = 0: Người quản lý có trình độ dưới cao đẳng.
+
4 TONGTS Tổng tài sản
Tổng tài sản của doanh nghiệp tính bằng đơn vị tỷ đồng
+
5 TSNO Tỷ số nợ Tổng nợ/Tổng tài sản _ 6 TSLN Tỷ suất sinh lợi
(ROE)
Lợi nhuận sau thuế/Vốn chủ
sở hữu +
7 QHTD
Mối quan hệ với ngân hàng
QHTD = 1: doanh nghiệp đã có phát sinh quan hệ nghiệp vụ với BI khi đề nghị vay vốn.
QHTD = 0: doanh nghiệp chưa có phát sinh quan hệ nghiệp vụ với BI khi đề nghị vay vốn. + 8 TSDB Tài sản đảm bảo TSDB = 1: doanh nghiệp có tài sản đảm bảo TSDB =0: doanh nghiệp không có tài sản đảm bảo hoặc tài sản đảm bảo không đủ giá trị
3.2 PHƯƠNG PHÁP NGHIÊN CỨU
Phươ g h ghiê ứu ị h lượng
Luận văn sử dụng phương pháp nghiên cứu định lượng thông qua mô hình hồi quy Logistic cho bộ dữ liệu gồm 167 bộ hồ sơ vay vốn của DNNVV tại BI trên địa bàn TP.HCM từ năm 2012 đến năm 2016 để phân tích các yếu tố ảnh hưởng đến khả năng tiếp cận vốn vay của doanh nghiệp.
Thống kê mô tả các biến
Sử dụng phân tích thống kê mô tả để mô tả những đặc t nh cơ bản của dữ liệu thu thập được nhằm có cái nhìn tổng quát nhất về tổng thể mẫu nghiên cứu như: giá trị lớn nhất, giá trị bé nhất, giá trị trung bình, độ lệch chuẩn của biến nghiên cứu. Dữ liệu được xử lý trên Excel, sau đó chuyển sang S SS để thực hiện phân tích thông kê mô tả về các giá trị.
Ma trận h số tươ g qu
Ma trận hệ số tương quan được sử dụng để phân tích mối quan hệ giữa các biến độc lập và biến phụ thuộc. Kết quả phân t ch tương quan có thể bước đầu đánh giá được các dự báo của mô hình. Ngoài ra, trong trường hợp các biến độc lập có mối tương quan cao thì đây là dấu hiệu của đa cộng tuyến. Như vậy đây là một cơ sở để tác giả thực hiện kiểm định đa cộng tuyến và điều chỉnh mô hình.
Kiể ị h ộng tuyến
Dựa vào ma trận hệ số tương quan, trường hợp các biến độc lập có mối tương quan cao thì đây là dấu hiệu của đa cộng tuyến. Sử dụng hệ số phóng đại phương sai (Variance inflation factor - I ) để phát hiện một biến có tương quan mạnh mẽ với các biến còn lại. Nếu VIF > 10 thì mức độ cộng tuyến được xem là cao dẫn đến các hệ số hồi quy được ước lượng với độ chính xác không cao. Vì vậy, các biến có hệ số VIF > 10 sẽ bị loại ra khỏi mô hình để tránh hiện tượng đa cộng tuyến.
Kiể ịnh mứ ộ phù hợp c a mô hình
Tác giả thực hiện kiểm định Omnibus để kiểm định mức độ phù hợp của mô hình.
Kiểm định mức độ giải thích của mô hình
Tác giả sử dụng bảng kết quả hệ số R2 để đánh giá mức độ giải thích của mô hình nghiên cứu.
Phươ g h thu thậ số li u thứ ấ
Phương pháp sử dụng dữ liệu lịch sử được thu thập, xử lý và phân t ch tổng hợp từ các báo cáo thường niên BI , ục thống kê T . H và các tạp ch chuyên ngành.
Phươ g h thu thập số li u sơ ấp
- Đối tượng điều tra và địa bản điều tra: các doanh nghiệp nhỏ và vừa trên địa bàn TP. HCM.
- Cỡ mẫu: theo Bollen (1989) thì cỡ mẫu tối thiểu để phân t ch được mô hình kinh tế lượng dựa trên số biến của mô hình, cỡ mẫu tối thiểu là 5 quan sát cho 1 tham số cần ước lượng. Để đảm t nh đại diện, đáp ứng yêu cầu phân t ch định lượng và khả năng nghiên cứu này dự kiến điều tra khoảng 167 doanh nghiệp.
- Phương pháp chọn mẫu: phương pháp là ngẫu nhiên các doanh nghiệp trên địa bàn TP.HCM.
KẾT LUẬN CHƯƠNG 3
Trong chương 3, dựa trên tổng quan những cơ sở lý thuyết liên quan đến khả năng tiếp cận vốn vay của các DNNVV và tổng quan một số nghiên cứu trước đây về khả năng tiếp cận vốn vay của các DNNVV, tác giả đề xuất mô hình nghiên cứu dựa trên phương pháp hồi quy Binary Logistic, đưa giả thuyết nghiên cứu về các biến tuổi doanh nghiệp, trình độ học vấn, tổng tài sản doanh nghiệp, tỷ suất sinh lời, tỷ số nợ, mối quan hệ với ngân hàng và tài sản đảm bảo. Đồng thời, nêu lên phương pháp thu thập dữ liệu nghiên cứu và các kiểm định được thực hiện trong nghiên cứu.
CHƯƠNG 4: ẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1KẾT QUẢ NGHIÊN CỨU
4.1.1 Thống kê mô tả các biến
Bảng 4.1 cho thấy giá trị lớn nhất, giá trị nhỏ nhất, giá trị trung bình, độ lệch chuẩn, độ lệch, độ nhọn của các biến của các biến trong mô hình.
Biến tuổi doanh nghiệp (TUOIDN) có giá trị trung bình là 7.34 điều này cho thấy số năm hoạt động trung bình của các doanh nghiệp trong mẫu quan sát khá cao, đã có một khoảng thời gian đi vào hoạt động đủ lớn để ổn định tình hình sản xuất kinh doanh. Giá trị nhỏ nhất là 3, giá trị lớn nhất là 19 và độ lệch chuẩn khá cao 3.390 thể hiện tuổi doanh nghiệp trong mẫu có sự biến động mạnh.
Biến trình độ học vấn của người quản lý doanh nghiệp (TRINHDO) có giá trị trung bình là 0.56 cho thấy chỉ có 56% người quản lý doanh nghiệp có trình độ học vấn từ cao đẳng trở lên. Tỷ lệ này đối với quản lý doanh nghiệp là tương đối thấp.
Biến tổng tài sản (TONGTS) có giá trị trung bình bình là 12.10, giá trị nhỏ nhất là 1.0, giá trị lớn nhất là 90 và độ lệch chuẩn là 16.564 cho thấy giá trị tổng tài sản của các doanh nghiệp trong mẫu dữ liệu có sự biến động rất lớn.
Biến tỷ suất sinh lợi (TSLN) có giá trị trung bình là 14.04 và có độ lệch chuẩn khá cao 11.510 cho thấy tỷ suất sinh lợi của các doanh nghiệp trong mẫu có nhiều biến động.
Biến tỷ số nợ (TSNO) có giá trị trung bình là 33.88 và độ lệch chuẩn 23.267 là rất lớn, điều này cho thấy giữa các doanh nghiệp trong nghiên cứu có tỷ số nợ biến động rất lớn, có những doanh nghiệp sử dụng rất ít nợ trong cấu trúc vốn (giá trị bé nhất là 1) và có những doanh nghiệp thì nợ chiếm tỷ lệ rất cao trong cấu trúc vốn (giá trị lớn nhất là 80).
Biến quan hệ với ngân hàng (QHTD) có giá trị trung bình là 0.47 cho thấy trong số các DNNVV có nộp hồ sơ vay vốn tại BIDV trên địa bàn TP.HCM trong khoảng thời gian 2012 – 2016 thì có gần một nửa số doanh nghiệp (47%) đã có phát sinh nghiệp vụ với BIDV.
Biến tài sản đảm bảo (TSDB) có giá trị trung bình là 0.49 cho thấy có 49% số doanh nghiệp nộp hồ sơ vay vốn tại BIDV có đủ tài sản đảm bảo để thế chấp tại ngân hàng.
Bảng 4.1. Thống kê mô tả các biến
Descriptive Statistics
N Nhỏ nhất Lớn nhất Trung bình Độ lệch
chuẩn
Skewness
Thống kê Thống kê Thống kê Thống kê Sai số chuẩn Thống kê Thống kê Sai số chuẩn
TUOIDN 167 3 19 7.34 .262 3.390 1.915 .188 TRINHDO 167 0 1 .56 .038 .498 -.256 .188 TONGTS 167 1 90 12.10 1.282 16.564 3.051 .188 TSLN 167 0 60 14.04 .891 11.510 1.511 .188 TSNO 167 1 80 33.88 1.800 23.267 .455 .188 QHTD 167 0 1 .47 .039 .500 .133 .188 TSDB 167 0 1 .49 .039 .501 .036 .188 Hợp lệ N (listwise) 167
Nguồn: Tính toán của tác giả
4.1.2 Ma trận h số tươ g qu giữa các biế ộc lập
Bảng 4.2 Thể hiện mối tương quan giữa các biến độc lập trong mô hình. Ta thấy hệ số tương quan Pearson giữa các biến độc lập khá nhỏ, giá trị lớn nhất của hệ số tương quan Pearson giữa các biến độc lập là 0.439. Bên cạnh đó, hệ số Sig khá cao như mối quan hệ TUOIDN với QHTD là 0.771 và TRINHDO với QHTD là 0.734 thể hiện các biến độc lập này không có mối tương quan với nhau. o đó, đa cộng tuyến được loại trừ trong mô hình ( erbeek, 2004). Điều này cũng sẽ được kiểm tra lại bằng các sử dụng hệ số VIF từ mô hình.
Bảng 4.2. Ma trận h số tươ g qu giữa các biế ộc lập
Correlations
TUOIDN TRINHDO TONGTS TSLN TSNO QHTD TSDB
TUOIDN Pearson Correlation 1 .100 .081 .439** -.403** .023 .227** Sig. (2-tailed) .200 .299 .000 .000 .771 .003 N 167 167 167 167 167 167 167 TRINHDO Pearson Correlation .100 1 .185* -.019 .044 .027 -.028 Sig. (2-tailed) .200 .017 .812 .574 .734 .720 N 167 167 167 167 167 167 167 TONGTS Pearson Correlation .081 .185* 1 .203** -.131 .073 .274** Sig. (2-tailed) .299 .017 .008 .093 .349 .000 N 167 167 167 167 167 167 167 TSLN Pearson Correlation .439** -.019 .203** 1 -.427** -.032 .188* Sig. (2-tailed) .000 .812 .008 .000 .683 .015 N 167 167 167 167 167 167 167 TSNO Pearson Correlation -.403** .044 -.131 -.427** 1 -.310** .004 Sig. (2-tailed) .000 .574 .093 .000 .000 .964 N 167 167 167 167 167 167 167 QHTD Pearson Correlation .023 .027 .073 -.032 -.310** 1 -.175* Sig. (2-tailed) .771 .734 .349 .683 .000 .023 N 167 167 167 167 167 167 167 TSDB Pearson Correlation .227** -.028 .274** .188* .004 -.175* 1 Sig. (2-tailed) .003 .720 .000 .015 .964 .023 N 167 167 167 167 167 167 167
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
Ghi chú: ** Mức ý nghĩa 1%, * Mức ý nghĩa 5%
Nguồn: Tính toán của tác giả
4.1.3 Kiể ị h ộng tuyến
Bài nghiên cứu dựa vào vào bảng ma trận hệ số tương quan và hệ số phóng đại phương sai ( I ) để xác định có xảy ra đa cộng tuyến hay không. Kết quả bảng 4.2 cho thấy hệ số tương quan giữa các biến độc lập thấp nên ít có khả năng xảy ra đa công tuyến. Để chắc chắn hơn tác giả dùng I để kiểm định hiện tượng đa cộng tuyến trong mô hình. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), khi VIFi > 10 thì mức độ đa cộng tuyến được xem là cao và khi đó các hệ số hồi quy được ước