Tại Việt Nam có nghiên cứu của Trương Đông Lộc và Nguyễn Thanh Bình, (2011), phân tích các nhân tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của nông hộ ở tỉnh Hậu Giang. Đề tài xác định được một số yếu tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của những hộ vay vốn, tạo căn cứ để ngân hàng chủ động đưa ra các giải pháp phù hợp nhằm hạn chế rủi ro tín dụng cho ngân hàng và nâng cao khả năng tiếp cận vốn của nông hộ. Tác giả xây dựng mô hình trên cơ sở hệ thống dữ liệu thu thập được từ 436 hộ có vay vốn trong năm 2009 và đến thời điểm 31/12/2009 vẫn còn số dư.
Các tác giả đã sử dụng hình hồi quy Probit với 7 biến số được đưa vào mô hình đó là: mục đích sử dụng vốn, thu nhập sau khi vay, lãi suất vay, tuổi người đi vay, ngành nghề chính tạo ra thu nhập của chủ hộ, số thành viên trong gia đình tạo ra thu nhập, trình độ học vấn của chủ hộ. Nghiên cứu đã kết luận rằng khả năng trả nợ vay đúng hạn của nông hộ có tương quan thuận với thu nhập sau khi vay, trình độ học vấn của chủ hộ và số thành viên trong gia đình có thu nhập. Trong khi đó biến số lãi suất đi vay có tương quan nghịch với khả năng trả nợ đúng hạn. Nghiên cứu cũng chỉ rằng những khoản vay được sử dụng đúng mục đích cũng sẽ cho xác suất trả nợ đúng hạn cao hơn.
Một nghiên cứu khác của Nguyễn Thị Thanh Hương (2016) sử dụng mô hình kinh tế lượng dưới dạng hàm hồi qui nhị phân Binary Logistic ước lượng tác động
của các nhân tố đến các chỉ tiêu chủ yếu phản ánh khả năng trả nợ của khách hàng, có phân chia dữ liệu khách hàng theo từng vùng miền trên cả nước. Với tổng số mẫu khảo sát là 118 mẫu hợp lệ, các chỉ tiêu đánh giá bao gồm 24 chỉ tiêu liên quan đến thông tin khách hàng và 7 chỉ tiêu về mối quan hệ giữa khách hàng và ngân hàng.
Nghiên cứu của Vương Quốc Duy và Đặng Hoàng Trung (2015) sử dụng số liệu sơ cấp và mô hình Probit để đánh giá các nhân tố ảnh hưởng đến khả năng tiếp cận tín dụng chính thức của hộ chăn nuôi heo ở quận Ô Môn, Thành phố Cần Thơ sau khi thu thập số liệu từ phỏng vấn trực tiếp 223 nông hộ chăn nuôi heo trên địa bàn theo phương pháp chọn mẫu phân tầng kết hợp với ngẫu nhiên. Từ 11 chỉ tiêu đưa vào mô hình, nghiên cứu chỉ ra được có 05 nhân tố ảnh hưởng đến việc tiếp cận tín dụng của các nông hộ đó là giới tính, trình độ học vấn, độ tuổi, vị trí xã hội, thu nhập.
Tương tự, nghiên cứu của Đoàn Thị Bảo Châu (2014) cũng ứng dụng phương pháp hồi quy Binary Logistic nhằm xác định ảnh hưởng của các yếu tố đến khả năng trả nợ của khách hàng cá nhân tại Ngân hàng TMCP Á Châu. Từ 14 biến độc lập được đưa vào mô hình nghiên cứu, kết quả chỉ ra 6 yếu tố tác động đến khả năng trả nợ của khách hàng cá nhân là độ tuổi của khách hàng, số người phụ thuộc, thu nhập của khách hàng, độ rủi ro trong nghề nghiệp của khách hàng và tình trạng sở hữu nhà của khách hàng.
Qua quá trình tham khảo các nghiên cứu thực nghiệm trong và ngoài nước, có thể thấy các tác giả đa số vận dụng mô hình hồi quy Binary Logistics để đánh giá tác động của các nhân tố đến biến phụ thuộc. Tuy nhiên các biến được đưa vào từng mô hình là khác nhau tùy thuộc theo đặc điểm của từng địa phương được phân tích, chủ yếu là các yếu tố có thể kể đến như các yếu tố liên quan đến khách hàng (giới tính, độ tuổi, tình trạng hôn nhân, nghề nghiệp, số năm kinh nghiệm, thu nhập,…) hay các yếu tố liên quan đến khoản vay (lãi suất vay, hình thức vay, tài sản thế chấp,…). Các nghiên cứu trước tập trung vào từng nhóm đối tượng riêng biệt của
từng vùng địa lý, chẳng hạn như nghiên cứu khả năng trả nợ của nông hộ chăn nuôi heo ở quận Ô Môn, Cần Thơ của Vương Quốc Duy và Đặng Hoàng Trung (2015), hay nghiên cứu về khả năng trả nợ của các hộ nông dân trồng khoai lang ở quận Sene – Ghana của Wongnaa (2013). Luận văn này tập trung vào nhóm khách hàng cá nhân đã có quan hệ vay vốn tại một ngân hàng cụ thể là BIDV Bắc ĐăkLăk, phân tích khả năng trả nợ của khách hàng dưới góc nhìn của ngân hàng. Trên cơ sở kế thừa mô hình và biến số được đưa vào của các nghiên cứu trước, tác giả cũng có thay đổi một số biến số cho phù hợp với tình hình thu thập thông tin khách hàng và điều kiện hoạt động tại chi nhánh.
Kết luận chương 2
Như vậy, chương 2 của luận văn đã trình bày được cơ sở lý thuyết về khả năng trả nợ của khách hàng, giới thiệu các mô hình nghiên cứu trước đây, sơ lược một số nghiên cứu thực nghiệm trên thế giới và Việt Nam. Và trình bày các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân làm tiền đề hình thành các giả thuyết và sự lựa chọn các biến trong chương 3.
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU SỬ DỤNG
Trong chương 1, tác giả đã khái quát về phương pháp nghiên cứu của luận văn thì trong chương 3 này, tác giả trình bày chi tiết về dữ liệu nghiên cứu, phương pháp phân tích số liệu, và phân tích hồi quy Binary Logistic cũng như cách xác định đưa các biến vào mô hình. Từ đó, tác giả kỳ vọng về dấu các hệ số của biến độc lập và dự kiến kết quả của mô hình, làm cơ sở cho kết quả nghiên cứu ở chương 4.
3.1 Phương pháp nghiên cứu
Dựa trên thông tin thu thập từ hồ sơ khách hàng và cơ sở dữ liệu khách hàng của chi nhánh, tác giả sử dụng phương pháp phân tích hồi quy nhị phân thông qua việc vận dụng mô hình Binary Logistic để ước lượng mô hình nhằm xác định các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại BIDV chi nhánh Bắc ĐăkLăk.
Hàm hồi quy Logistic (còn gọi là hồi quy Logit) có dạng như sau: 𝑌 = ln[𝑃(𝑌=1) 𝑃(𝑌=0)] = βo + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + ε (3.1) Hay Y = Ln[P0/(1 - P0)] = βo + β1X1+ β2X2+ β3X3+β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + ε (3.2) Trong đó:
- Y: Khả năng trả nợ vay đúng hạn của khách hàng cá nhân Y = 1: Khách hàng trả nợ vay đúng hạn
Y = 0: Khách hàng không trả nợ vay đúng hạn
- X1, …, X8: Các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng cá nhân
- βi là các hệ số hồi quy của hàm Logit - ε là sai số ngẫu nhiên.
Hàm hồi quy Logit sẽ tính xác suất xảy ra Y theo quy tắc: Nếu xác suất >=0.5 thì Y=1; nếu xác suất < 0.5 thì Y = 0.