Quy mô khoản vay
Chapman (1990) đã cung cấp một số thống kê khá thú vị khi cho thấy những khoản vay được phân loại ở quy mô nhỏ lại thường hay có rủi ro không trả nợ cao nhất, kế đến mới tới khoản vay lớn nhất và sau cùng là những khoản vay có quy mô trung bình. Kohansal và Mansoori (2009) cũng bác bỏ giả thuyết được nêu ở phần trên khi tìm thấy bằng chứng rằng những khoản vay lớn lại có mối tương quan thuận với khả năng trả nợ đúng hạn. Sharma và Zeller (1997) đã đưa ra kết luận rằng các khoản vay càng lớn, khả năng vỡ nợ (không trả được khoản nợ) càng thấp. Các tác giả giải thích rằng những khoản vay lớn sẽ giúp cho người vay dễ dàng tạo ra giá trị hơn so với những khoản vay nhỏ, những khoản vay mà thường là thuần về chi tiêu hoặc dùng để xử lý những tình huống khẩn cấp.
Lãi suất
Phần lớn các nghiên cứu thực nghiệm khi đưa yếu tố lãi suất khoản vay vào mô hình đã cho kết quả đúng như giả thuyết là lãi suất khoản vay càng cao thì khả năng trả nợ không đúng hạn càng cao. Deininge và Liu (2009), Ugbomeh và ctg (2008) đã cho thấy kết quả như thế.
23
Thời hạn
Phần lớn các nghiên cứu thực nghiệm về ảnh hưởng thời gian đáo hạn của khoản nợ tới khả năng trả nợ. Chapman (1990), đã đưa ra một kết quả thống kê ngược lại với quan điểm cho rằng thời gian đáo hạn của khoản nợ càng dài thì khả năng trả nợ càng cao, tác giả cho rằng những khoản nợ ngắn hạn từ một năm trở xuống có xác suất trả nợ đúng hạn cao hơn trong khi đó những khoản nợ từ một năm trở lên có xác suất ngược lại.
24
TÓM TẮT CHƯƠNG 2
Từ cơ sở lý thuyết cơ bản về tín dụng và nợ quá hạn của khách hàng cá nhân tại NHTM và kết quả từ các công trình nghiên cứu trong và ngoài nước trước đây, chương 2 của nghiên cứu tác giả nhận định có hai nhóm nhân tố ảnh hưởng trực tiếp và gián tiếp đến tỷ lệ nợ quá hạn của khách hàng cá nhân tại Agribank Chi nhánh tỉnh Lâm Đồng là các nhân tố thuộc về người vay là các đặc điểm về nhân khẩu học là độ tuổi, nghề nghiệp, thu nhập và rủi ro đạo đức sẽ kết hợp với các nhân tố thuộc về khoản vay phải kể đến như quy mô khoản vay, lãi suất và thời hạn vay sẽ là hai nhân tố lớn ảnh hưởng đến nợ quá hạn của khách hàng cá nhân tại NHTM. Các nhà nghiên cứu trước đây hầu hết sử dụng mô hình logit và mô hình hồi quy tuyến tính để nghiên cứu vấn đề khả năng trả nợ đúng hạn của khách hàng. Nhưng để phù hợp với bài nghiên cứu và thông tin dữ liệu của bài, tác giả sử dụng mô hình hồi quy tuyến tính để nghiên cứu các nhân tố ảnh hưởng đến tỷ lệ nợ quá hạn của khách hàng cá nhân tại Agribank Chi nhánh Lâm Đồng.
25
CHƯƠNG 3: MÔ HÌNH NGHIÊN CỨU 3.1 Xây dựng mô hình nghiên cứu
Mô hình nghiên cứu của đề tài tác giả đề xuất là mô hình hồi quy tuyến tính có dạng:
Y = βo + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7+ β8X8 + β9X9 + β10X10
Trong đó, Y là biến phụ thuộc: Tỷ lệ nợ quá hạn của khách hàng cá nhân tại ngân hàng: được xác định bằng số tiền nợ quá hạn chia cho tổng dư nợ của khách hàng.
Các biến độc lập
X1: Độ tuổi (Age), được xác định từ thời điểm vay trừ đi năm sinh (năm). Giả thuyết H1: Khách hàng có độ tuổi càng cao thì khả năng phát sinh nợ quá hạn thấp hơn (Kỳ vọng dấu -).
X2: Dân tộc (Nation), là biến giả và được xác định bằng 1 nếu là dân tộc kinh; bằng 0 nếu là dân tộc khác. Giả thuyết H2: Người vay vốn là người dân tộc kinh thì khả năng phát sinh nợ quá hạn thấp hơn (Kỳ vọng dấu -).
X3: Nghề nghiệp (Career), là biến giả trong đó nếu người vay có vị trí nghề nghiệp là nông dân nhận giá trị 1, ngược lại quan sát nhận giá trị 0. Giả thuyết H3 : Khách hàng vay vốn là người nông dân thì khả năng phát sinh nợ quá hạn cao (Kỳ vọng dấu +).
X4: Thu nhập (Income), được tính theo khoản thu nhập ổn định tính theo tháng ngay tại thời điểm vay do nhân viên tín dụng thẩm định (triệu đồng/tháng). Giả thuyết H4: Thu nhập trung bình của người đi vay càng cao thì tỷ lệ nợ quá hạn càng thấp (Kỳ vọng dấu -) theo các nghiên cứu của Maharjan và ctg (1983), Kohansal và Mansoori (2009).
X5: Quy mô khoản vay (Loan), đơn vị tính là triệu đồng. Biến số thể hiện tổng giá trị khoản vay của khách hàng. Giả thuyết H5: Khoản vay càng lớn thì tỷ lệ nợ quá hạn giảm (Kỳ vọng dấu -) (Kohansal và Mansoori, 2009).
26
X6: Lãi suất (Interest), đơn vị là %. Lãi suất thỏa thuận giữa ngân hàng và khách hàng được tính theo lãi suất trung bình trong kỳ vay. Giả thuyết H6: Lãi suất của khoản vay càng thấp thì tỷ lệ nợ quá hạn giảm (Kỳ vọng dấu +).
X7: Thời hạn vay (Period), đơn vị là tháng. Thời gian tính từ lúc khách hàng nhận tiền vay lần đầu tiên đến khi kết thúc hợp đồng vay. Giả thuyết H7: Thời gian vay càng dài thì tỷ lệ nợ quá hạn càng cao (Kỳ vọng dấu +) (Kohansal và Mansoori, 2009).
X8: Hình thức vay (Type), đây là biến giả thể hiện giá trị 1 nếu khoản vay có tài sản thế chấp và giá trị 0 nếu khoản vay không có tài sản thế chấp. Giả thuyết H8: Hình thức vay thế chấp sẽ làm cho tỷ lệ nợ quá hạn giảm (Kỳ vọng dấu -).
X9: Mục đích vay (Purpose), là biến giả và đạt giá trị là 1 nếu mục đích vay là sản xuất, kinh doanh, ngược lại bằng 0. Giả thuyết H9: Mục đích vay của khách hàng là vay sản xuất thì tỷ lệ nợ quá hạn sẽ giảm (Kỳ vọng dấu -).
X10: Chấm điểm tín dụng (Score). Biến này được đo lường bằng số điểm tín dụng được chấm. Giả thuyết H10 : Khách hàng nào được chấm điểm tín dụng càng cao thì tỷ lệ nợ quá hạn càng giảm. Kỳ vọng dấu âm (-).
27
Bảng 3.1: Các biến trong mô hình nghiên cứu
Tên Biến Ký hiệu Đơn vị đo lường Kỳ vọng
dấu
Độ tuổi Age Năm -
Dân tộc Nation 1: Dân tộc kinh
0: Dân tộc khác
-
Nghề nghiệp Career 1: Nông dân
0: Khác
+
Thu nhập Income Triệu đồng/tháng -
Quy mô khoản vay Loan Triệu đồng -
Lãi suất Interest % +
Thời hạn Period Tháng +
Hình thức vay Type 1: Có tài sản thế chấp
0: Không có tài sản thế chấp
-
Mục đích vay Purpose 1: Sản xuất và kinh doanh
0: Khác
-
Chấm điểm tín dụng Score Điểm -
Nguồn: Tác giả tổng hợp
3.4 Thu thập dữ liệu
Tác giả tiến hành thu thập hồ sơ vay vốn của khách hàng có phát sinh dư nợ bắt đầu từ tháng 01/2011 cho đến thời điểm 31/12/2015. Tác giả chỉ tiến hành thu thập những hồ sơ vay đang hoạt động và đã đến thời hạn trả gốc và lãi (những hồ sơ vay vốn có phát sinh dư nợ từ tháng 01/2011 và đã kết thúc hợp đồng tín dụng, những hồ sơ phát sinh dư nợ nhưng chưa phải trả gốc không được tính đến). Tổng số lượng hồ
28
sơ vay vốn của khách hàng cá nhân thỏa mãn những điều kiện trên tại Agribank Chi nhánh Tỉnh Lâm Đồng có 4,576 hồ sơ. Trong đó, có 1,713 hồ sơ đã có phát sinh nợ quá hạn (khách hàng có phát sinh nợ quá hạn là những khách hàng đã từng bị rơi vào nhóm nợ 2 trở lên trong suốt thời hạn vay vốn) chiếm tỷ lệ 37.43%.
Để giảm bớt chi phí nghiên cứu về thu thập hồ sơ cũng như thời gian, tác giả lựa chọn mẫu theo phương pháp ngẫu nhiên mẫu có 400 hồ sơ vay vốn của khách hàng cá nhân, trong đó có 250 hồ sơ vay không phát sinh nợ quá hạn (lựa chọn ngẫu nhiêu trong số 2.863 hồ sơ), 150 hồ sơ phát sinh nợ quá hạn (lựa chọn ngẫu nhiên trong 1.713 hồ sơ có nợ quá hạn của chi nhánh). Do đặc thù sản phẩm vay vốn tại chi nhánh là đầu tư sản xuất nông nghiệp (trồng hoa, trồng rau,…) và đối tượng khách hàng chủ yếu là người nông dân với khoản vay không quá dài (vì phụ thuộc vào yếu tố mùa vụ của cây trồng). Cho nên khi lựa chọn mẫu ngẫu nhiên, các khoản vay giống nhau được tác giả lựa chọn lại ngẫu nhiên không trùng lắp, vẫn đảm bảo được tỷ lệ hồ sơ được chọn vào mẫu thuộc khoản vay thế chấp và tín chấp là 50/50. Tác giả lấy số liệu từ năm 2011 đến năm 2015 là số liệu trong 5 năm, mỗi năm là 80 hồ sơ. Mẫu tác giả lựa chọn vẫn đảm bảo được tỷ lệ hồ sơ vay vốn có phát sinh nợ quá hạn là 37.5%, đảm bảo tính đúng đắn và tính chính xác (tuy có một số sai số nhất định), các hồ sơ được lựa chọn luôn thể hiện tính phổ biến và có đầy đủ các yếu tố cần thỏa mãn cho nghiên cứu này.
Các thông tin thu thập từ hồ sơ vay vốn của khách hàng cá nhân bao gồm: tổng dư nợ, tỷ lệ nợ quá hạn, đặc điểm nhân khẩu học (độ tuổi, dân tộc…), năng lực của người vay (thu nhập, nghề nghiệp…), đặc điểm của khoản vay (dư nợ, thời hạn, lãi suất, mục đích vay vốn…), rủi ro đạo đức người vay (kiểm tra mục đích sử dụng vay vốn có đúng hay không ở các biên bản kiểm tra), rủi ro tác nghiệp từ phía ngân hàng (chấm điểm tín dụng).
29
3.5 Các phương pháp nghiên cứu
3.5.1 Phương pháp phân tích tương quan
Hiện tượng tương quan cho thấy mối liên hệ ràng buộc lẫn nhau giữa các biến số hoặc các chỉ tiêu đang được xem xét. Với hệ số tương quan đo lường mức độ quan hệ tuyến tính giữa hai biến, hay nói chính xác hơn là quan hệ tuyến tính giữa hai biến mà không phân biệt biến này phụ thuộc vào biến kia.
Mục đích của phương pháp hồi quy tương quan là ước lượng mức độ liên hệ (tương quan) giữa các biến độc lập (các biến giải thích) đến các biến phụ thuộc (biến được giải thích), hoặc ảnh hưởng của các biến độc lập với nhau (các yếu tố nguyên nhân). Phương pháp này được ứng dụng trong kinh doanh và kinh tế để phân tích mối liên hệ giữa hai hay nhiều biến ngẫu nhiên.
Ta có hệ số tương quan mẫu (r) (Sample correlation coefficient) sau:
Gọi (x1, y1), (x2, y2), ..., (xn, yn) là n cặp quan sát của một mẫu ngẫu nhiên của hai biến ngẫu nhiên X & Y. Hệ số tương quan mẫu tính từ mẫu n cặp giá trị quan sát của hai biến X và Y với trung bình x và y và phương sai x2 và y2 được thể hiện trong công thức sau:
30
Đặc tính của hệ số tương quan (r) không có đơn vị, có thể tính từ giá trị mã hóa bằng phép biến đổi tuyến tính của X và Y. Do đó, tương quan Pearson sẽ tìm ra một đường thẳng phù hợp nhất với mối quan hệ tuyến tính của 2 biến.
Hệ số tương quan Pearson (r) sẽ nhận giá trị từ +1 đến -1. Nếu r = +1 hoặc r = - 1 thì mô hình cho thấy mối liên hệ giữa các biến hoàn toàn chặt chẽ. Còn r = 0 thì mô hình cho thấy giữa các biến không có mối liên hệ.
Giá trị tuyệt đối của r càng cao thì mức độ tương quan giữa 2 biến càng lớn hoặc dữ liệu càng phù hợp với quan hệ tuyến tính giữa hai biến. Giá trị r bằng +1 hoặc bằng -1 cho thấy dữ liệu hoàn toàn phù hợp với mô hình tuyến tính (Phạm Trí Cao, 2013).
3.5.2 Phương pháp phân tích hồi quy
Phương pháp hồi quy là tìm quan hệ phụ thuộc của một biến, được gọi là biến phụ thuộc vào một hoặc nhiều biến khác, được gọi là biến độc lập nhằm mục đích ước lượng hoặc tiên đoán giá trị kỳ vọng của biến phụ thuộc khi biết trước giá trị của biến độc lập (Phạm Trí Cao và Vũ Minh Châu, 2006).
Dạng đơn giản nhất của một mô hình hồi quy chứa một biến phụ thuộc (còn được gọi là biến được giải thích, biến được dự báo, biến được hồi quy, biến phản ứng hoặc biến nội sinh) và một biến độc lập (còn gọi là biến giải thích, biến dự báo, biến hồi quy, biến tác nhân hay biến kiểm soát hoặc biến ngoại sinh).
Ví dụ, Ngân hàng ABC muốn tăng lượng tiền huy động. Ngân hàng này muốn biết mối quan hệ giữa lượng tiền gửi X và lãi suất tiền gửi Y, cụ thể hơn họ muốn biết khi tăng lãi suất tiền gửi Y thêm 0.1% thì lượng tiền gửi X sẽ tăng lên trung bình là bao nhiêu. Sự phụ thuộc này được gọi là hồi quy của Y lên X.
3.5.3 Phương pháp kiểm định mô hình nghiên cứu
Một giả thuyết thống kê là một khẳng định về phân phối của một hoặc nhiều biến ngẫu nhiên. Nếu giả thuyết thống kê xác định hoàn toàn một phân phối, thì nó được gọi là một giả thiết thống kê đơn; trường hợp ngược lại, nó được gọi là một giả thiết thống kê hợp (Phạm Trí Cao và Vũ Minh Châu, 2006).
31
luật hay một kinh nghiệm nào đó để đặt ra một giả thiết thống kê. Sau đó xây dựng những thủ tục và những giả thiết đã đặt ra được chấp nhận hay bác bỏ. Những thủ tục đó được gọi là những phép kiểm định (trắc nghiệm) giả thiết thống kê.
Phép kiểm định thường là phép so sánh giữa hai hay nhiều giá trị. Giả thuyết được đặt ra thường được gọi là Giả thuyết không, ký hiệu Ho. Chữ “không” ở đây có nghĩa là không có sự khác biệt có ý nghĩa về mặt thống kê giữa các giá trị cần so sánh. Khi bác bỏ Ho, chúng ta sẽ chấp nhận một giả thuyết H1 khác, được gọi là giả thuyết đối của Ho.
Để các ước lượng của mô hình theo phương pháp tổng bình phương bé nhất mô hình cần thỏa mãn các giả thuyết sau:
Giả thiết 1: Mẫu ngẫu nhiên
Giả thiết 2: Kỳ vọng sai số ngẫu nhiên bằng 0
Giả thiết 3: Phương sai sai số ngẫu nhiên không đổi
Giả thiết 4: Các biến độc lập không có quan hệ cộng tuyến hoàn hảo (Đa cộng tuyến) Cov (X1,X2,…,Xk)=0
Giả thiết 5: Không có tương quan giữa các sai số (Tự tương quan) Cov (e1,e2,…,ek)=0
Kiểm định F
Với cặp giả thuyết: Ho: Phương sai của phần dư không đổi H1: Phương sai của phần dư thay đổi
Để thực hiện kiểm định giả thiết phương sai sai số ngẫu nhiên không đổi, tác giả sử dụng kiểm định White. Ta có được giá trị F. Nếu tại mức ý nghĩa α: F > 0.05 và R2
32
Kiểm định Breusch-Godfrey
Xét mô hình: Yi = ßi + ß2Xi + Ui , với Ui = p1Ui-1 + p2Ui-2 + ... + ppUi-p + ɛi và ɛi
thỏa mãn các giả thuyết của mô hình cổ điển. Ta đặt giả thuyết H0 là không có tự tương quan và H1 là có tự tương quan.
Nếu Obs*R-Squared > (df), bác bỏ H0, hay thừa nhận có tự tương quan và nếu p-value (Probability) > α, chấp nhận H0, hay không có tự tương quan (Phạm Trí Cao, 2013).
Kiểm định White Heteroskedasticity
Kiểm định White là mô hình tổng quát về sự thuần nhất của phương sai. Xét mô hình: Yi = ßi + ß2X2 + ß2X3 + Ui, ta có hai giả thuyết H0 là phương sai không đổi và H1 là phương sai thay đổi.
Nếu Obs*R-Squared > (df), bác bỏ H0, phương sai có thay đổi và nếu p-value (Probability) < α, bác bỏ H0, phương sai có thay đổi (Phạm Trí Cao, 2013).
Kiểm định đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình phụ thuộc tuyến tính lẫn nhau và thể hiện được dưới dạng hàm số. Mà theo giả thuyết của phương pháp OLS thì các biến độc lập không có hiện tượng đa cộng tuyến.
Khi có hiện tượng đa cộng tuyến thì chúng ta không thể ước lượng được mô hình. Vì chỉ cần một sự thay đổi nhỏ trong mẫu dữ liệu sẽ kéo theo sự thay đổi lớn các hệ số ước lượng (Phạm Trí Cao, 2013).
Để kiểm định hiện tượng đa cộng tuyến, tác giả căn cứ trên kết quả của bảng ma trận hệ số tương quan. Kết quả cho thấy, các cặp biến độc lập có sự tương quan với nhau nhưng hệ số tương quan R2 đều nhỏ hơn 0.8. Do đó, mô hình không có hiện