vọng Biến phụ thuộc KNTRANO Khả năng hoàn trả nợ vay. Y = 1 nếu trả được nợ (đúng hạn)
Y = 0 nếu người vay có nợ quá hạn Biến độc lập THUNHAP Thu nhập của người quyết định vay và hoàn trả.
Thu nhập bình quân đầu người trên tháng của khách hàng (triệu đồng/tháng), dựa trên hồ sơ vay của khách hàng, đã được cán bộ tín dụng thẩm định. + GIOITINH Giới tính của người ra quyết định vay và hoàn trả. 1 : nếu là nam 0 : nếu là nữ - TTHONNHAN Tình trạng hôn nhân. 1: có gia đình 0: độc thân, ly dị, góa +
STIENVAY Quy mô
khoản vay. Triệu đồng -
TSĐB Tài sản cầm cố hoặc thế chấp của khách hàng khi vay. 1 : có TSĐB 0 : không có TSĐB + THANVAY Kỳ hạn vay. Tháng - TGTICHLUY Số tiền gửi tích lũy tại các ngân hàng. Triệu đồng + TTSNNHAO Tình trạng sở hữu nhà ở. 1: có sở hữu nhà ở 0: không sở hữu nhà ở + Nguồn: Tổng hợp của tác giả
3.1.3. Xây dựng mô hình nghiên cứu
Mục đích của việc xây dựng và phân tích mô hình kinh tế lượng sử dụng hàm hồi quy Binary Logistic là nhằm nhận diện và đánh giá mức độ tác động của từng nhân tố ảnh hưởng. Các thông tin thu thập được từ kết quả điều tra khảo sát thực tế sẽ được phân tích bằng phần mềm SPSS.
Trước khi chính thức thực hiện hồi quy Binary Logistic, đề tài tiến hành một số kiểm định ban đầu như: phân tích tương quan để xem xét mối tương quan giữa các biến
với nhau, đặc biệt là kiểm định xem có mối tương quan giữa biến phụ thuộc và các biến độc lập trong mẫu quan sát, hiện tượng đa cộng tuyến để kiểm tra vi phạm các biến độc lập trong mô hình có phụ thuộc lẫn nhau hay không. Khi các kiểm định này thỏa, các kiểm định về mức độ phù hợp của mô hình và kiểm định thêm về tính nội sinh của mô hình với các giả thiết về hệ số hồi quy sẽ được tiếp tục tiến hành và phân tích. Cụ thể như sau:
Phân tích tương quan
Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập, vì điều kiện để hồi quy là trước nhất phải tương quan. Phân tích này dựa trên kết quả hệ số tương quan trong ma trận hệ số tương quan giữa các biến trong mô hình nghiên cứu.
Kiểm định hiện tượng đa cộng tuyến
Để dò tìm và phát hiện hiện tượng đa cộng tuyến, nghiên cứu sử dụng công cụ hệ số phóng đại phương sai (VIF - Variance Inflation Factor), quy tắc là khi VIF vượt quá 2 thì có hiện tượng đa cộng tuyến xuất hiện (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Một biện pháp dò tìm khác cũng khá hiệu quả đó là xem xét các hệ số tương quan tuyến tính giữa các biến giải thích trong ma trận hệ số tương quan. Nếu tồn tại mối quan hệ tương quan mạnh giữa các biến độc lập với nhau (giá trị tương quan Pearson >0.4) thì mô hình có khả năng xảy ra hiện tượng đa cộng tuyến(Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Nếu mô hình nghiên cứu có tồn tại hiện tượng đa cộng tuyến, đề tài sử dụng phương pháp loại bỏ bớt biến giải thích ra khỏi mô hình, cụ thể như sau:
Bước 1: Xem cặp biến giải thích nào có quan hệ chặt chẽ. Giả sử X2, X3…Xk là các biến độc lập, Y là biến phụ thuộc và X2, X3 có tương quan chặt chẽ với nhau.
Bước 2: Tính R2 đối với các hàm hồi quy: có mặt cả hai biến, không có mặt một trong hai biến.
Bước 3: Loại biến mà giá trị R2 tính được khi không có mặt biến đó là lớn hơn.
Kiểm định mức độ phù hợp của mô hình
Kiểm định độ phù hợp tổng quát: đối với kiểm định này, hồi quy Binary Logistic sử dụng kiểm định Chi-square để xem các biến số đưa vào mô hình thực sự có ý nghĩa trong việc giải thích cho biến phụ thuộc không. Kết luận được đánh giá dựa vào mức ý nghĩa quan sát mà SPSS đưa ra trong bảng Omnibus Tests of Model Coefficients. Nếu Sig nhỏ hơn mức ý nghĩa đưa ra thì có thể khẳng định tồn tại mối tương quan giữa các biến độc lập và biến phụ thuộc trong mô hình nghiên cứu.
Đo lường độ phù hợp của mô hình hồi quy Binary Logistic còn được dựa trên chỉ tiêu -2LL (viết tắt của -2 log likelihood), thước đo này càng nhỏ càng tốt vì -2LL càng nhỏ càng thể hiện độ phù hợp của mô hình cao. Giá trị nhỏ nhất của -2LL là 0 (tức là không có sai số), khi đó mô hình có độ phù hợp hoàn hảo.
Ngoài ra, chúng ta cùng có thể xác định được mô hình dự đoán tốt đến đâu qua bảng phân loại Clasification Table do SPSS đưa ra, bảng này sẽ so sánh số thực và số dự đoán cho từng biểu hiện và tính tỷ lệ đoán đúng sự kiện.
Kiểm định ý nghĩa của các hệ số
Trong hồi quy Binary Logistic, kiểm định Wald sẽ được sử dụng để kiểm định ý nghĩa thống kê của các hệ số hồi quy tổng thể.
Cách thức sử dụng mức ý nghĩa Sig cho kiểm định Wald cũng theo nguyên tắc thông thường: nếu Sig nhỏ hơn mức ý nghĩa đưa ra thì kết luận có ý nghĩa về mặt thống kê và ngược lại.
Để chạy mô hình Logit xây dựng mô hình nghiên cứu, học viên sử dụng phần mềm SPSS 16. Các bước xây dựng lần lượt như sau:
Bước 1: Chạy mô hình và xác định những biến quan trọng. Thông qua kết quả chạy mô hình học viên xác định những biến độc lập có ảnh hưởng đến khả năng trả nợ của khách hàng. Các tiêu chuẩn cần xem xét để đánh giá mức độ phù hợp của mô hình:
quát của mô hình với giả thiết H0: 1= 2 =…= k = 0, nếu Sig < thì giả thiết bị bác bỏ hay ta có thể kết luận mô hình phù hợp một cách tổng quát.
-Classification Table: bảng này cho ta kiểm tra độ chính xác trong việc dự báo của mô hình, tỷ lệ phần trăm dự đoán đúng càng cao cho thấy mô hình càng dự báo càng chính xác.
- Chỉ số - 2 Log likelihood (- 2 LL): chỉ số này đo lường mức độ phù hợp của mô hình tổng thể, chỉ số này càng nhỏ thể hiện độ phù hợp càng cao.
Bước 2: Dựa trên mức độ ý nghĩa của các biến và các tiêu chuẩn đo lường mức độ phù hợp của mô hình thực hiện loại dần các biến không có ý nghĩa giải thích cho mô hình. Kiểm tra lại mô hình sau khi loại bớt các biến với các tiêu chuẩn như ở bước 1.
Bước 3: Đề xuất mô hình phù hợp sau khi tìm ra mô hình tối ưu.
3.2. Dữ liệu nghiên cứu
Dữ liệu nghiên cứu được xuất từ hệ thống T24 của Sacombank vào thời điểm cuối tháng 12 năm 2016. Mẫu nghiên cứu gồm 180 khách hàng cá nhân, bao gồm những khách hàng đang có dư nợ và đã hết dư nợ tại Sacombank. Mẫu nghiên cứu được chọn theo nguyên tắc ngẫu nhiên, tuy nhiên có loại trừ các trường hợp sau:
Các trường hợp cán bộ công nhân viên Sacombank vay tín chấp, các trường hợp vay tín chấp quân nhân. Trường hợp vay cán bộ nhân viên và các trường hợp vay tín chấp đặc thù là những đối tượng khách hàng ưu tiên cho vay theo quy định của Sacombank, một số thông tin về những khách hàng này sẽ không cần đánh giá như những khách hàng vay thông thường (ví dụ thông tin về người hôn phối, người phụ thuộc…), vì vậy những đối tượng khách hàng này sẽ không có đầy đủ dữ liệu cho mục tiêu của mẫu nghiên cứu.
Các trường hợp vay vốn do cán bộ bán hàng trực tiếp thẩm định. Đối tượng này là những khách hàng vay do đối tượng cán bộ quan hệ khách hàng trực tiếp thẩm định, thông thường vì áp lực chỉ tiêu cán bộ bán hàng sẽ có động cơ đánh giá sai lệch một số thông tin về khách hàng hoặc thu thập sót những thông tin về khách hàng, đặc biệt là
những thông tin phi tài chính, vì vậy để đảm bảo mức tin cậy của dữ liệu nghiên cứu đầu vào học viên sẽ loại những đối tượng khách hàng này ra khỏi mẫu nghiên cứu.
3.3. Giả thuyết nghiên cứu
Trên cơ sở kết quả đạt được từ các nghiên cứu thực nghiệm đã được tìm hiểu và chứng minh, kế thừa và vận dụng vào bối cảnh thực tế tại vùng nghiên cứu, các giả thuyết nghiên cứu sử dụng trong đề tài cụ thể như sau:
Giả thuyết H1: thu nhập bình quân tháng của khách hàng cá nhân có tác động đến khả năng hoàn trả nợ vay.
Chapman (1990) khi xem xét mối liên hệ giữa thu nhập của người đi vay và khả năng trả nợ đã thấy rằng khả năng trả nợ thành công được sắp xếp theo thứ tự sau: thu nhập cao, thu nhập thấp và thu nhập trung bình. Trương Đông Lộc và Nguyễn Thanh Bình (2011) tìm hiểu yếu tố thu nhập hộ thông qua thu nhập của tất cả các thành viên tạo ra thu nhập trong hộ cũng cho thấy càng có nhiều thành viên tạo ra thu nhập cao thì khả năng trả nợ đúng hạn càng lớn. Nhóm tác giả Kohansal và Mansoori (2009) cũng tìm thấy những bằng chứng ủng hộ giả thuyết trên. Lý do chung có thể đưa ra đó là khi có nguồn thu nhập cao, ngoài việc phục vụ chi tiêu, sinh hoạt trong gia đình thì họ còn dư ra một phần để đảm bảo cho việc hoàn trả nợ. Do đó, nghiên cứu này kỳ vọng thu nhập bình quân tháng của khách hàng càng cao sẽ càng làm tăng khả năng hoàn trả nợ. Dấu kỳ vọng: (+).
Giả thuyết H2 : giới tính của người ra quyết định vay và hoàn trả có ảnh hưởng đến khả năng hoàn trả nợ vay của khách hàng cá nhân.
Nghiên cứu của Chapman (1990) cho rằng rủi ro tín dụng bị ảnh hưởng bởi giới tính của người đi vay, kết quả quan sát chỉ ra những món vay xấu tập trung nhiều vào nam giới đi vay, đặc biệt là nam đã có gia đình. Tuy nhiên, trong nghiên cứu của Antwi và ctg (2012), nhân tố giới tính cũng được sử dụng để tìm hiểu ảnh hưởng đến rủi ro mất khả năng trả nợ nhưng kết quả chưa tìm thấy mối liên hệ này. Trên thực tế, thường trong những gia đình có thu nhập thấp, khi nữ giới là người đi vay sẽ có khả năng trả nợ cao hơn vì nữ giới thường được đánh giá cao hơn nam giới ở khía cạnh quản lý và
sử dụng tiền bạc, đặc biệt là trong chi tiêu của gia đình, nữ thường có ý thức tiết kiệm cao hơn, thường có kế hoạch tỉ mỉ cho việc nên tiêu tiền vào mục đích nào là phù hợp và tiết kiệm cho tương lai. Dấu kỳ vọng: (-).
Giả thuyết H3 : tình trạng hôn nhân của người ra quyết định vay và hoàn trả có ảnh hưởng đến khả năng hoàn trả nợ vay của khách hàng cá nhân.
Chapman (1990) hay Duygan-Bump và Grant (2008) không tìm thấy mối liên hệ nào giữa biến số này và khả năng trả nợ, Vương Quân Hoàng và ctg (2006) lại chỉ ra rằng tình trạng hôn nhân có tác động trái chiều đến khả năng trả nợ. Tuy nhiên xét về khía cạnh lý thuyết người đã lập gia đình sẽ sống có trách nhiệm hơn, họ ít ưa mạo hiểm và có hành động chín chắn hơn so với người chưa lập gia đình, do vậy rủi ro không trả được nợ sẽ thấp hơn. Đặc điểm văn hóa của Việt Nam cũng cho thấy yếu tố gia đình rất được coi trọng khi một người bước vào cuộc sống hôn nhân, lúc này họ sẽ sống có trách nhiệm hơn và cẩn trọng hơn trong mỗi hoạt động của mình. Dấu kỳ vọng: (+).
Giả thuyết H4 : quy mô khoản vay có ảnh hưởng đến khả năng hoàn trả nợ của khách hàng cá nhân.
Một số nghiên cứu như Chapman (1990), Kohansal và Mansoori (2009) đã đưa ra minh chứng ngược lại với giả thuyết nêu trên, lý do được giải thích cho vấn đề này là những khoản vay lớn sẽ giúp người đi vay tạo ra được giá trị cao hơn so với những món vay nhỏ, những món vay nhỏ thường là dùng để chi tiêu hay sản xuất nhỏ. Nghiên cứu của Huppi và Feder (1990) cũng đã cho thấy điều tương tự như lập luận trên. Do đó, nghiên cứu này kỳ vọng quy mô khoản vay càng lớn càng làm giảm khả năng hoàn trả nợ vay. Dấu kỳ vọng: (-).
Giả thuyết H5 : tài sản đảm bảo có ảnh hưởng đến khả năng hoàn trả nợ vay của khách hàng cá nhân.
Theo Antwi và ctg (2012) đã kết luận rằng loại hình vay mượn và khoản vay được đảm bảo là hai biến số thực sự có ảnh hưởng đến khả năng trả nợ của người đi vay và cho rằng các ngân hàng nên chú trọng đến khả năng đảm bảo khoản vay bằng tài sản đảm bảo của người đi vay mượn để cải thiện rủi ro không trả được nợ của người đi vay.
Do đó, nghiên cứu này kỳ vọng tài sản đảm bảo có ảnh hưởng tích cực đến khả năng hoàn trả nợ vay của khách hàng cá nhân. Dấu kỳ vọng: (+).
Giả thuyết H6 : thời hạn cho vay cũng có tác động đến khả năng hoàn trả nợ vay của khách hàng cá nhân.
Theo Roslan và Karim (2009) thời gian cho vay càng dài tỷ lệ nợ quá hạn càng cao. Thời hạn vay càng kéo dài sẽ tạo nên áp lực trả nợ càng lớn đối vớikhách hàng cá nhân, việc phải trả nợ vay trong một khoảng thời gian qua dài khiến cho các khách hàng cá nhân gặp khó khăn trong vấn đề chi tiêu và sinh hoạt, làm giảm thu nhập do đó khó có khả năng trả nợ hơn các khoản vay ngắn hạn. Dấu kỳ vọng (-).
Giả thuyết H7 : số tiền gửi tích lũy tại ngân hàng có ảnh hưởng đến khả năng hoàn trả nợ vay của khách hàng cá nhân.
Trong bài nghiên cứu của Đinh Thị Thanh Huyền và Stefanie Kleimeier (2007) chưa tìm được mối liên hệ giữa số tiền gửi tích lũy tại ngân hàng có ảnh hưởng khả năng hoàn trả nợ vay của khách hàng cá nhân. Tuy nhiên trong bài nghiên cứu này học viên kỳ vọng những khách hàng có số tiền gửi tại các ngân hàng càng cao thì khả năng tài chính của họ càng vững vàng, khi đó khả năng trả nợ của những khách hàng đó cũng tốt hơn. Dấu kỳ vọng (+).
Giả thuyết H8: tình trạng sở hữu nhà ở riêng cũng ảnh hưởng đến khả năng hoàn
trả nợ vay của các khách hàng cá nhân.
Theo Crook (2001), Cox và Jappelli (1993) cho thấy tình trạng sở hữu nhà ở riêng cũng ảnh hưởng tích cực đến khả năng trả nợ của các khách hàng cá nhân. Tương tự biến tiền gửi tích lũy tại các ngân hàng trong bài nghiên cứu này học viên cũng kỳ vọng những khách hàng có sở hữu nhà ở riêng sẽ là những khách hàng có năng lực tài chính tốt, do đó khả năng trả được nợ cũng cao hơn. Dấu kỳ vọng (+).
KẾT LUẬN CHƯƠNG 3
Với việc nghiên cứu mô hình lý thuyết, mô hình thực nghiệm và đưa ra các phương pháp nghiên cứu liên quan đến việc nhận diện và đo lường những nhân tố ảnh hưởng đến khả năng hoàn trả nợ của khách hàng cá nhân tại vùng nghiên cứu, chương 3 đã vạch ra được một quy trình nghiên cứu cụ thể để giúp trả lời được những câu hỏi
đề ra. Mô hình nghiên cứu được đề xuất gồm có 08 biến được kỳ vọng là có ảnh hưởng đến khả năng hoàn trả nợ vay, cụ thể gồm: thu nhập, giới tính, tình trạng hôn nhân, số tiền vay, tài sản đảm bảo, thời hạn vay, tài sản tích lũy và tình trạng sở hữu nhà ở. Các nhân tố này sẽ được phân tích trên cơ sở 180 mẫu điều tra bằng mô hình hồi quy Logit.Đây là nền tảng quan trọng cho bước phân tích và thảo luận kết quả trong chương tiếp theo.
CHƯƠNG 4
PHÂN TÍCH VÀ THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
Trên cơ sở những lý thuyết và mô hình nghiên cứu đã được giới thiệu ở các chương 3, chương 4 học viên thực hiện thống kê mô tả đối với các biến của mô hình