Nhóm biến Mô tả biến Tác giả Tác động
Nhóm thông tin về bản thân khách hàng Giới tính Chapman (1990) - Tình trạng hôn nhân
Vương Quân Hoàng và ctg (2006)
Nhóm thông tin về tình hình tài chính của khách hàng Thu nhập của người vay
Chapman (1990),Vương Quân Hoàng
và ctg (2006) +
Tình trạng sở hữu nhà ở
Jonathan Crook (2001) +
Tiền gửi tích lũy tại ngân hàng
Đinh Thị Thanh Huyền và Stefanie Kleimeier (2007) + Nhóm thông tin về đặc điểm của khoản vay
Thời hạn vay Đinh Thị Thanh Huyền và Stefanie
Kleimeier (2007), Chapman (1990) -
Số tiền vay Vương Quân Hoàng và ctg (2006),
Chapman (1990) -
Tài sản đảm bảo Antwivà ctg (2012) +
Nguồn: thống kê dựa trên cơ sở lý thuyết và các nghiên cứu thực nghiệm
KẾT LUẬN CHƯƠNG 2
Chương 2 giúp chúng ta có cái nhìn sâu hơn và cụ thể hơn về cơ sở lý luận liên quan đến tín dụng, tín dụng cá nhân,tóm tắt các nghiên cứu, nhận định trên thế giới và Việt Nam về khả năng trả nợ của khách hàng cá nhân dựa trên sự kế thừa và tiếp thu các công trình nghiên cứu trước đây của các nhà kinh tế học từ đó hình thành ý niệm ban đầu về hướng nghiên cứu của đề tài trong những chương tiếp theo. Những nội dung trong chương này sẽ là cơ sở lý luận để vận dụng mô hình nghiên cứu nhằm đánh
giá, phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Sacombank chi nhánh Tiền Giang.
CHƯƠNG 3
PHƯƠNG PHÁP NGHIÊN CỨU
Dựa vào cơ sở lý thuyết và các công trình nghiên cứu liên quan trước đây đã được trình bày trong chương 2, chương 3 tập trung đi sâu vào một số khía cạnh như: xây dựng mô hình nghiên cứu với việc xác định từng biến số được sử dụng trong mô hình, các giả thuyết nghiên cứu, mô tả sơ lược về mẫu dữ liệu nghiên cứu, phương pháp
nghiên cứu. Bên cạnh đó, quy trình hồi quy được thực hiện trong quá trình nghiên cứu cũng sẽ được trình bày trong chương này.
3.1. Mô hình nghiên cứu
3.1.1. Mô hình kinh tế lượng tổng quát
Sau khi xem xét các ưu điểm và nhược điểm của các mô hình nghiên cứu về khả năng trả nợ của khách hàng cá nhân, học viên quyết định sử dụng mô hình hồi quy Binary Logistic(Logit) để tiến hành nghiên cứu đề tài, phân tích mối liên hệ giữa các biến độc lập và biến phụ thuộc.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), với hồi qui Binary Logistic, thông tin chúng ta cần thu thập về biến phụ thuộc Y và biến độc lập X. Đây là mô hình định lượng với biến phụ thuộc Y là biến giả, chỉ nhận hai giá trị là 0 và 1, với 0 là không xảy ra sự kiện mà ta quan tâm và 1 là có xảy ra.
Mô hình Binary Logistic là mô hình toán học hồi quy để xem xét mối liên hệ giữa biến phụ thuộc Y và tất cả các biến còn lại là biến độc lập (Xi)
Mô hình hồi quy Binary Logistic có dạng như sau: Pi= 𝑒Ŷ
1−𝑒Ŷ = 𝑒𝑥𝑝(𝑜+1𝑋1+⋯𝑛𝑋𝑛)
1+𝑒𝑥𝑝(𝑜+1𝑋1+⋯𝑛𝑋𝑛)
Trong công thức này Pi là kỳ vọng xác suất Y=1 với điều kiện Xi xảy ra. Xi là biến độc lập. Khi đó, xác suất không xảy ra sự kiện là:
P(Y=0) = 1 – P(Y=1)
Áp dụng phương pháp tuyến tính hoá, mô hình được viết thành: Loge = β0 + β1X1 + β2X2 + ... + βiXi
Ý nghĩa của mô hình: trong điều kiện các yếu tố khác không đổi, khi biến độc lập Xi thay đổi 1 đơn vị thì biến phụ thuộc Y sẽ thay đổi 1 lượng βi so với ban đầu. Nếu hệ số hồi quy βi dương thì nhân tố Xisẽ có tác động cùng chiều và ngược lại nếu hệ số hồi quy βi âm thì nhân tố Xi sẽ có tác động ngược chiều.
Đánh giá mô hình Logit:
+ Mô hình Logit là mô hình nghiên cứu định lượng thể hiện sự khách quan, nhất quán và không phụ thuộc vào ý muốn chủ quan của người phân tích, khắc phục được yếu điểm của mô hình 5C.
+ Kỹ thuật đo lường của mô hình logit đơn giản, người phân tích có thể ước lượng các tham số của mô hình thông qua các phần mềm chuyên dụng như Eview, SPSS…
+ Mô hình có thể đo lường được tác động của từng yếu tố đến từng khoản vay, đây là ưu điểm nổi bật của mô hình Logit so với các mô hình xếp hạng tín dụng truyền thống hay mô hình điểm số tín dụng Fico.
+ Mô hình có thể dễ dàng thêm bớt, hiệu chỉnh các biến độc lập vào mô hình để xác định tác động của từng yếu tố đến khả năng trả nợ của khách hàng.
Nhược điểm
+ Do đây là mô hình định lượng nên kết quả kiểm định của mô hình có thể cho ra kết quả trái với lý thuyết và thực tế và không có chức năng giải thích kết quả khác biệt này.
+ Mô hình phụ thuộc vào độ lớn mẫu nghiên cứu và độ chính xác của nguồn thông tin thu thập. Trong trường hợp biến độc lập có số lượng biến hiển thị quá thấp, mô hình có thể mắc lỗi bỏ qua tác động của biến trên lên biến phụ thuộc.
3.1.2. Mô hình nghiên cứu đề xuất
Dựa vào một số nghiên cứu thực nghiệm liên quan đã được giới thiệu, trên nguyên tắc kế thừa và điều chỉnh sao cho phù hợp với thực tế tại đơn vị, một số biến được đề xuất và đưa vào mô hình như sau:
KNTRANO = β0 + β1THUNHAP + β2GIOITINH + β3TTHONNHAN + β4STIENVAY + β5TSĐB + β6THANVAY + β7TGTICHLUY + β8TTSHNHAO + ε
Trong đó, biến phụ thuộc được sử dụng trong mô hình là khả năng hoàn trả nợ (KNTRANO). Khách hàng cá nhân được xem là có khả năng hoàn trả nợ nếu trả được hết nợ khi đến hạn, không phát sinh nợ quá hạn. Khi đó, quan sát này sẽ nhận giá trị 1, ngược lại nhận giá trị 0 nếu khách hàng cá nhân có nợ quá hạn. Các khái niệm và cách đo lường các biến được mô tả trong Bảng 3.1.
Bảng 3.1: Bảng mô tả các biến đo lường được sử dụng trong nghiên cứuTên biến Định nghĩa Cách đo lường Dấu kỳ