Chương 3 PHƯƠNG PHÁP NGHIÊNCỨU
3.2.1.Mơ hình Probit
3.2. Mơ hình nghiên cứu
3.2.1.Mơ hình Probit
Tổng hợp các nghiên cứu trước về rủi ro tín dụng cá nhân tại Chương 2 cho thấy, rủi ro tín dụng cá nhân chịu sự tác động bởi rất nhiều yếu tố, các yếu tố này có thể nhóm lại thành 5 nhóm nhân tố chính như sau: (i) Đặc điểm nhân khẩu học, (ii) Năng lực của người vay, (iii) Đặc điểm của khoản vay. Các yếu tố thuộc về Đặc điểm nhân khẩu học thường được các nghiên cứu sử dụng bao gồm: giới tính (Miller, 2012), độ tuổi (Kohansal và Mansoori, 2009), tình trạng hơn nhân (Duygan-Bump và Grant, 2008), và kích cỡ hộ gia đình (Zeller, 1996). Trong điều kiện thực tế cho vay tại Agribank, ngoại trừ yếu tố kích cỡ hộ gia đình là khơng được đề cập đến trong hợp đồng và trong hồ sơ vay vốn của khách hàng, các yếu còn lại đều được coi là thông tin bắt buộc mà khách hàng cá nhân phải cung cấp.
Do đặc thù của biến số độc lập được sử dụng trong mơ hình mang giá trị nhị nguyên là 0 và 1, cụ thể hơn nếu Y đạt giá trị 0 thì quan sát đó khơng trả nợ vay đúng hạn, nếu Y đạt giá trị 1 thì ngược lại. Với cách trình bày dữ liệu theo dạng nhị nguyên như đã mơ tả, đề tài có thể lựa chọn một trong ba mơ hình hồi quy như sau: mơ hình xác suất tuyến tính LPM, mơ hình Binary logistics, và mơ hình Probit. Do mơ hình xác suất tuyến tính có nhược điểm là các yếu tố ngẫu nhiên không thuần nhất và phương sai của chúng thay đổi, ngoài ra yếu tố ngẫu nhiên khơng có phân bố chuẩn nên ta khơng thể ước lượng được khoảng tin cậy cho các hệ số hồi quy. Do vậy đề tài có thể sử dụng một trong hai loại mơ hình logit này là mơ hình Binary logistics hoặc mơ hình Probit. Về bản chất hai loại mơ hình này là giống nhau, điều khác nhau ở đây là mơ hình Probit có hàm mật độ phân phối xác suất được chuyển về phân phối chuẩn hóa, trong khi hàm mật độ phân phối xác suất của Binary logistics có phân phối chuẩn. Đề tài này sẽ sử dụng mơ hình Probit để ước lượng. Mơ hình Probit được cho như sau:
Trong công thức này 𝑃𝑖 = 𝐸 (𝑌 = 1
𝑋) gọi là xác suất để sự kiện xảy ra (𝑌 = 1) khi biến độc lập X có giá trị cụ thể là Xi. Đặt Z = 𝛽0+ 𝛽1𝑋. Lúc này:
𝑃𝑖 = 𝑒
𝑧 1 + 𝑒𝑧 Tuyến tính hóa mơ hình:
𝑃1 1 − 𝑃1 = 𝑒 𝑧 𝐿𝑛( 𝑃1 1 − 𝑃1) = 𝑍𝑖 = 𝛽0+ 𝛽1𝑋 Khi đó 𝑃 (𝑌 = 1 𝑋) → 1 𝑘ℎ𝑖 𝑍 → +∞; 𝑃(𝑌 = 1 𝑋 → 0 𝑘ℎ𝑖 𝑍 → −∞ Hàm mật độ tích lũy ∫ 1 √2𝜋𝑒−𝑥/2𝑑𝑧 −𝛽
−∞ là hàm phân phối chuẩn hóa.
3.2.2. Đề xuất mơ hình nghiên cứu khả năng trả nợ tại Agribank Bến Tre
Đề xuất mơ hình nghiên cứu như sau:
Khả năng của khách hàng cá nhân = f (Độ tuổi, Giới tính, Tình trạng hơn nhân, Trình độ học vấn, Thu nhập, Thời hạn vay, Mục đích vay, Số tiền vay, Lãi suất, Tài sản đảm bảo)
𝐿𝑛( 𝑃1
1 − 𝑃1) = 𝛽0+ 𝛽1𝑇𝑈 + 𝛽2𝐺𝑇 + 𝛽3𝐻𝑁 + 𝛽4𝐻𝑉 + 𝛽5𝑇𝑁 + 𝛽6𝐾𝐻𝑇𝑉 + 𝛽7𝑀𝐷 + 𝛽8𝑇𝑉 + 𝛽9𝐿𝑆 + 𝛽10𝑇𝑆
• Cách chọn biến số:
Biến phụ thuộc (Y): đại diện cho khả năng trả nợ của khách hàng cá nhân. Trong nghiên cứu này, biến phụ thuộc nhận những giá trị sau:
Y = 1: nếu khách hàng trả nợ đúng hạn khi có vay vốn tại ngân hàng.
Y = 0: nếu khách hàng khơng có khả năng trả nợ đúng hạn khi có vay vốn tại ngân hàng.
Khả năng trả nợ của khách hàng cá nhân có thể được hiểu là khả năng khách hàng trả nợ đúng hạn quy định trong hợp đồng tín dụng giữa ngân hàng và khách hàng cá nhân là không bị trể hạn hay vỡ nợ, mất khả năng thanh tốn, khơng trả được nợ vay.
Theo đánh giá của các NHTM, các khoản nợ từ nhóm 3 trở lên được đánh giá là khơng có khả năng thu hồi gốc và lãi khi đến hạn trả nợ. Do nợ nhóm 2 chỉ mới là nợ cần chú ý và bao gồm các khoản nợ vay quá hạn từ 1 ngày đến 10 ngày, khách hàng vẫn cịn khả năng thanh tốn nợ vay. Ta thấy thời gian quá hạn của nợ nhóm 2 so với các nhóm nợ 3, 4, 5 là khá ít, những khoản nợ này được coi là có dấu hiệu cho thấy khả năng trả nợ vay của khách hàng đang bị giảm sút, cần lưu ý. Trong bài nghiên cứu tác giả chỉ tập trung vào đối tượng khách hàng đã mất khả năng thanh tốn, do đó những khách hàng thuộc nhóm 3, 4, 5 được cho là khơng có khả năng thanh tốn. Trong nghiên cứu này, các khoản nợ có khả năng tổn thất một phần nợ vốn và lãi vay được cho là khơng có khả năng trả nợ (Y = 0). Các khoản nợ nhóm 1, nhóm 2 được cho là có khả năng trả nợ vay và đảm bảo khoản vay (Y = 1).
Biến độc lập: Việc lựa chọn biến độc lập được tiến hành theo hai cách. Cách tiếp cận đầu tiên là dựa trên cơ sở từ những nghiên cứu trước đây. Cách tiếp cận thứ hai là trực giác dựa trên cơ sở kiến thức của những chuyên gia và lựa chọn những biến chưa có trong những nghiên cứu trước đây và cơ sở lý thuyết hợp lý. Trong bài nghiên cứu này, tác giả dựa vào những nghiên cứu trước đây, ứng dụng các mơ hình tại Việt Nam và nước ngồi đã được đăng trên các tạp chí khoa học.
Bảng 3.1 Các biến số được sử dụng trong mơ hình hồi quy STT Tên STT Tên
biến
Ký
hiệu Phương pháp tính Nghiên cứu trước Kỳ
vọng 1 Khả năng trả nợ Y Trả nợ đúng hạn (nợ nhóm 1) nhận giá trị 1, trả nợ không đúng hạn ( nợ nhóm 2,3,4,5) nhận giá trị 0 Kohansal và Mansoori (2009), Trương Đông Lộc và Nguyễn Thanh Bình (2011) 2 Độ
tuổi TU Thời điểm vay trừ năm sinh
Kohansal và
Mansoori (2009) -
3 Giới
tính GT
Nếu quan sát có giới tính nam nhận giá trị 1, ngược lại nhận giá trị 0 (adsbygoogle = window.adsbygoogle || []).push({});
Weber và Musshoff (2012) + 4 Tình trạng hơn nhân
HN Nếu quan sát có gia đình nhận giá trị 1, ngược lại nhận giá trị 0
Duygan-Bump và Grant (2008) + 5 Mục đích vay MD
Nhận giá trị 1 nếu quan sát có mục đích vay sản xuất kinh doanh, ngược lại nhận giá trị 0 Kohansal và Mansoori (2009) + 6 Tài sản đảm bảo TS
Thể hiện giá trị 1 nếu người vay có tài sản thế chấp và giá trị 0 nếu người vay theo hình thức tín chấp Nguyễn Phúc Mẫn (2015) + 7 Trình độ học vấn HV Nhận giá trị 1 nếu khách hàng có trình độ học vấn từ trung học phổ thông trở xuống, nhận giá trị 2 nếu khách hàng có trình độ cao đẳng hoặc trung cấp, nhận giá trị 3 nếu khách hàng có trình độ đại học và nhận giá
Trần Thế Sao
trị 4 nếu khách hàng có trình độ sau đại học.
8 Số tiền
vay TV
Giá trị khoản vay của khách hàng tính theo đơn vị triệu đồng
Kohansal và Mansoori (2009) + 9 Thời hạn vay
KH Ngày đáo hạn trừ ngày vay, tính theo
đơn vị tháng Chapman (1990) +
10 Lãi
suất LS Lãi suất cho vay được tính theo năm
Onyeagocha và ctg
(2012) -
11 Thu
nhập TN
Khoản thu nhập ổn định tính theo tháng ngày tại thời điểm vay của khách hàng, tính theo đơn vị triệu đồng
Trương Đơng Lộc, Nguyễn Thanh Bình (2011)
+
(Nguồn: Tác giả tổng hợp nghiên cứu)
3.3. Dữ liệu nghiên cứu
Kỹ thuật xác định cỡ mẫu dựa trên kinh nghiệm của Green (1991) trích bởi Lưu Tiến Dũng (2013). Tác giả khuyến nghị công thức xác định cỡ mẫu nghiên cứu như sau: n > 50 + 8m. Trong đó, n là kích thước mẫu tối thiểu cần thiết và m là số lượng biến độc lập trong mơ hình. Giả sử vẫn áp dụng kinh nghiệm chọn mẫu của Green (1991), với số biến độc lập là 11, vậy kích thước mẫu nghiên cứu tối thiểu bằng 138 quan sát. Cỡ mẫu từ 150 hoặc lớn hơn thường là cần thiết để có được ước lượng các thơng số với sai số chuẩn đủ nhỏ (Anderson và Gerbing, 1988). Như vậy, cỡ mẫu lớn hơn 150 là có thể chấp nhận được. Như vậy, cỡ mẫu tối thiểu cần đạt được cho nghiêncứunày là 150. Tuy nhiên, cỡ mẫu càng lớn hơn mức tối thiểu yêu cầu thì độ tin cậy của nghiên cứu càng cao (giảm những sai lệch do lấy mẫu).
tại Agribank Bến Tre ngày 23/06/2019. Tác giả chọn lọc những khách hàng có đầy đủ thơng tin và chọn ngẫu nhiên 290 khách hàng trong toàn bộ danh sách. Số lượng thông tin chọn lọc được đối chiếu với hồ sơ gốc của khách hàng được quản lý tại Agribank Bến Tre
Các số liệu nghiên cứu ban đầu được nhập liệu vào bảng tính Excel và được xử lý cơ bản ban đầu để tạo ra các biến cần phân tích trong nghiên cứu. Luận văn sử dụng phần mềm phân tích thống kê chuyên dùng Eviews 8.0 để thực hiện các phân tích thống kê mơ tả, phân tích tương quan, phân tích hồi quy tuyến tính đa biến, phân tích đa cộng tuyến và phân tích hồi quy Probit.
3.4. Trình tự nghiên cứu
Các nghiên cứu trước về rủi ro tín dụng cá nhân cho thấy, rủi ro tín dụng cá nhân chịu sự tác động bởi rất nhiều yếu tố, các yếu tố này có thể nhóm lại thành 5 nhóm yếu tố chính như sau: (i) Đặc điểm nhân khẩu học, (ii) Năng lực của người vay, (iii) Đặc điểm của khoản vay. Các yếu tố thuộc về Đặc điểm nhân khẩu học thường được các nghiên cứu sử dụng bao gồm: giới tính (Miller, 2012), độ tuổi (Kohansal và Mansoori, 2009), tình trạng hơn nhân (Duygan-Bump và Grant, 2008), và kích cỡ hộ gia đình (Zeller, 1996). Trong điều kiện thực tế của Agribank Bến Tre, ngoại trừ yếu tố kích cỡ hộ gia đình là khơng được đề cập đến trong hợp đồng và trong hồ sơ vay vốn của khách hàng, các yếu tố còn lại đều được coi là thông tin bắt buộc mà khách hàng cá nhân phải cung cấp.
Yếu tố Năng lực của người vay thể hiện trình độ học vấn (Antwi và ctg, 2012), đặc điểm nghề nghiệp (Accquah và Addo, 2011), và đặc điểm thu nhập (Kohansal và Mansoori, 2009). Ba nhân tố này đều được ngân hàng thu thập và sử dụng trong việc thẩm định hồ sơ vay vốn của khách hàng. (adsbygoogle = window.adsbygoogle || []).push({});
Nhóm yếu tố thuộc về Đặc điểm khoản cho vay thường được xuất hiện trong hầu hết các nghiên cứu, bao gồm kích cỡ khoản vay (Chapman,1990), lãi suất (Onyeagocha
và ctg, 2012), thời hạn cho vay (Chapman,1990). Hai nhân tố còn lại hiếm khi xuất hiện trong các nghiên cứu là tài sản đảm bảo và mục đích vay (vay tiêu dùng, vay sản xuất kinh doanh,…). Toàn bộ 5 yếu tố này đều xuất hiện trong hợp đồng tín dụng cá nhân và được nhập liệu để theo dõi tiến trình trả nợ của khách hàng.
Tìm hiểu tác động của các nhân tố tới khả năng trả nợ được biểu hiện bởi khía cạnh khả năng trả nợ đúng hạn: Khả năng trả nợ đúng hạn = f (Đặc điểm nhân khẩu học, Năng lực của người vay, Đặc điểm của khoản vay). Từ hai trường hợp trên đề tài sẽ tiến hành xác định từng biến số trong mơ hình và các giả thuyết nghiên cứu kèm theo.
Sơ đồ 3.1 Quy trình nghiên cứu
Nguồn: Tác giả thiết kế
Bước 1 • Xác định vấn đề nghiên cứu
Bước 2 • Xây dựng khung cơ sở lý thuyết
Bước 3 • Phương pháp nghiên cứu
Bước 4
• Thu thập dữ liệu và phân tích định lượng thơng qua: • Phân tích thống kê mơ tả
• Phân tích tương quan và
• Phân tích hồi quy Probit.
Bước 1. Xác định vấn đề nghiên cứu Bước 2. Xây dựng khung cơ sở lý thuyết Bước 3. Phương pháp nghiên cứu
Bước 4. Thu thập dữ liệu và phân tích định lượng thơng qua: Phân tích thống kê mơ tả; Phân tích tương quan và Phân tích hồi quy Probit.
Bước 5. Kết quả thảo luận và đưa ra gợi ý chính sách
3.4.1. Thống kê mô tả
Trong phần mềm Eviews, thống kê mơ tả dùng cho mục đích thống kê trung bình cộng, tổng sum, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất, độ lệch chuẩn, Độ nhọn Kurtosis, Độ lệch Skewness, và cách sắp xếp kết quả theo Variable list, Alphabetic, tăng dần theo giá trị trung bình Ascending Means, giảm dần theo giá trị trung bình Descending Means…Thơng thường, thống kê mô tả người ta tập trung đánh giá vào giá trị nhỏ nhất, giá trị lớn nhất, giá trị trung bình. Cịn giá trị độ lệch chuẩn ít được đánh giá, vì trong các bài nghiên cứu dạng khảo sát thị trường, giá trị này không thực sự quan trọng bằng các chỉ tiêu khác. Theo tác giả Nguyễn Quang Dong và Nguyễn Thị Minh, trong cuốn giáo trình Kinh tế lượng, giải thích ý nghĩa thống kê mô tả:
Cột minimum là giá trị nhỏ nhất. Ví dụ giá trị nhỏ nhất của biến TV là 3 thì nghĩa là trong số quan sát này, sẽ có người có số tiền vay là 3 triệu đồng. Và đây là mức thấp nhất (có nghĩa là khơng có quan sát nào ở mức 2 triệu đồng).
Cột maximum là giá trị lớn nhất. Ví dụ giá trị nhỏ nhất của biến TV là 10 thì nghĩa là trong số quan sát này, sẽ có người có số tiền vay là 10 triệu đồng. Và đây là mức cao nhất (có nghĩa là khơng có quan sát nào ở mức 11 triệu đồng).
Cột tiếp theo là mean, giá trị trung bình. Ví dụ mean của TV là 5, giá trị này được tính bằng cách lấy trung bình cộng của tổng số quan sát của biến TV. Nghĩa là lấy tổng các giá trị này cơng lại, sau đó chia cho số quan sát thì sẽ ra được số này.
Cột Std.Deviation là độ lệch chuẩn. Độ lệch chuẩn là mức độ dao động của các biến xung quanh giá trị trung bình. Độ lệch chuẩn càng lớn thì quan điểm của người trả lời càng khác nhau. Ví dụ có hai trường hợp. Trường hợp 1: có ba số (-1,0,1) trường hợp 2 cũng có ba số ( -100,0,100). Trong cả hai trường hợp thì giá trị trung bình của mỗi trường hợp đều bằng 0. Nhưng độ lệch chuẩn trong trường hợp thứ hai lớn hơn trong trường hợp thứ nhất nhiều. Vì trường hợp đầu chỉ dao động nhỏ, giá trị lẩn quẩn ở mức 0, 1… Còn trường hợp nhì dao động lớn, giá trị lên đến 100.
Cột Skewness là độ lệch một phân phối xác suất đo lường sự đối xứng của phân phối đó. Giá trị tuyệt đối của độ lệch càng cao thì phân phối đó càng bất đối xứng. Một phân phối đối xứng có độ lệch bằng 0. Nếu phân phối có độ lệch dương – nó sẽ bị lệch sang phải – khi đó ký hiệu sẽ là dấu “>”. Cụ thể: mean > median > mode. Ngược lại, nếu phân phối có độ lệch âm – nó sẽ bị lệch sang trái – ký hiệu sẽ là “<” :mean<median < mode.
Cột Kurtosis là chỉ số để đo lường về đặc điểm hình dáng của một phân phối xác suất. Cụ thể hơn, nó so sánh độ cao phần trung tâm của một phân phối so sánh với một phân phối chuẩn. Phần trung tâm càng cao và nhọn, chỉ số Kurtosis của phân phối đó càng lớn.
Cột Jarque-Bera, trong thống kê học, là một loại kiểm định xem thử dữ liệu có skewness (hệ số bất đối xứng) và kurtosis (hệ số nhọn) đáp ứng yêu cầu của phân phối chuẩn.
Cột Sum là tổng các giá trị của từng biến tương ứng.
3.4.2. Phân tích tương quan
Phân tích tương quan là một phép phân tích được sử dụng là thước đo độ lớn của các mối liên hệ giữa các biến định lượng trong nghiên cứu. Thông qua thước đo này người nghiên cứu có thể xác định mối liên hệ tuyến tính giữa các biến độc lập, phụ thuộc trong nghiên cứu.
Dựa trên một khoảng tin cậy cho trước sẽ có một giá trị tương quan của mơ hình giữa các biến đại diện. Khoảng giá trị của hệ số tương quan chạy trong đoạn giá trị [-1 đến 1]. Dấu của hệ số tương quan nói lên tính liên hệ thuận nghịch giữa các biến. Phản ánh tính chất tuyến tính của mơ hình hồi quy.
3.4.3. Phân tích hồi quy Probit
Hồi quy Probit, cịn được gọi là mơ hình Probit, được sử dụng để mơ hình các biến kết cục nhị phân hoặc nhị phân. Trong mơ hình Probit, phân phối chuẩn của nghịch đảo xác suất được mơ hình hóa như một tổ hợp tuyến tính của các yếu tố dự đốn. Một mơ (adsbygoogle = window.adsbygoogle || []).push({});