Nguồn: Tác giả thiết kế từ giả thuyết nghiên cứu và dữ liệu thu thập
3.6 Phƣơng pháp nghiên cứu
Luận văn kết hợp phương pháp nghiên cứu định tính và định lượng. Trong đó, phương pháp nghiên cứu định tính được áp dụng thông qua tổng hợp các nghiên cứu trước để làm nền tảng đưa ra mô hình lý thuyết và các giả thuyết nghiên cứu kèm theo. Phương pháp nghiên cứu định lượng được sử dụng trong quá trình tổng hợp các số liệu thứ cấp, số liệu sơ cấp thông qua phương pháp thống kê mô tả và phân tích hồi quy, cụ thể như sau:
3.6.1 Phƣơng pháp thống kê mô tả
Phương pháp thống kê mô tả là các phương pháp liên quan đến việc thu thập số liệu, tóm tắt, trình bày và tính toán các đặc trưng để phản ánh một cách tổng quát đối tượng nghiên cứu. Dựa trên dữ liệu thu thập, luận văn sử dụng chương trình Microsoft Excel để xử lý số liệu sơ cấp và thứ cấp. Sau đó, dựa trên số liệu đã xử lý luận văn sử dụng phần mềm SPSS để thống kê tần số từng biến và thống kê mô tả
các biến với các chỉ số kinh tế như trung bình, độ lệch chuẩn, giá trị max và min,…nhằm đánh giá một cách tổng quát toàn bộ biến trong mô hình.
3.6.2 Phƣơng pháp phân tích hồi quy
Như đã trình bày ở trên, để đánh giá khả năng trả nợ đúng hạn của KHCN, luận văn sử dụng mô hình binary logistics.
Mô hình được thể hiện như sau:
Trong đó E(Y/X) là xác suất để Y=1 (tức xác suất khách hàng có khả năng trả nợ đúng hạn) khi mức giá là Xi. Đặt , ta có thể viết lại hàm binary logistics như sau:
Và xác suất khách hàng có khả năng trả nợ đúng hạn và không có khả năng trả nợ đúng hạn là:
Nếu so sánh giữa xác suất khách hàng có khả năng trả nợ đúng hạn và khách hàng không có khả năng trả nợ đúng hạn, ta có tỷ lệ Odds với công thức:
Trong đó:
Y=1: khách hàng có khả năng trả nợ đúng hạn.
Y=0: khách hàng không có khả năng trả nợ đúng hạn.
3.6.2.1 Diễn dịch ý nghĩa của các hệ số hồi quy
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2009), tên gọi hồi quy Binary Logistic xuất phát từ quá trình biến đổi lấy logarit của thủ tục này. Sự chuyển hóa các hệ số hồi quy của hồi quy binary logistic có nghĩa hơi khác với hệ số hồi quy trong trường hợp thông thường với các biến phụ thuộc dạng thập phân.
Từ kết quả công thức (3.7), có thể nói hệ số ước lượng β1 là sự đo lường những thay đổi trong tỷ lệ (được lấy logarit) của các xác suất xảy ra sự kiện với 1 đơn vị thay đổi trong biến độc lập X1 tức là khi X1 tăng 1 đơn vị thì Log của tỷ lệ (Pi/1-Pi) tăng β1 đơn vị. Về chiều hướng tác động, vế trái của của công thức (3.7) đồng biến với Pi (tức xác suất Y=1) nên nếu hệ số βi mang dấu dương thì tăng Xi sẽ làm tăng khả năng Y nhận giá trị 1 trong khi hệ số âm làm giảm khả năng này.
Tuy nhiên, để diễn dịch ý nghĩa của các hệ số hồi quy, cần tính tác động biên của Xi lên xác suất Pi (tức xác suất Y=1) thông qua công thức sau:
Tác động biên của Xi lên xác suất Y=1 xác định với xác suất ban đầu = 0,5 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2009)
3.6.2.2 Độ phù hợp của mô hình
Đối với mô hình Binary logistics để kiểm định phù hợp của mô hình, sử dụng chỉ tiêu -2LL (-2 Log Likelihood), thước đo này có ý nghĩa giống như SSE (Sum of Squares of error) nghĩa là có giá trị càng nhỏ càng tốt. Giá trị nhỏ nhất của -2LL là 0 (tức là không có sai số) khi đó mô hình có độ phù hợp hoàn hảo.
3.6.2.3 Kiểm định ý nghĩa thống kê của các hệ số
Để kiểm định ý nghĩa của các hệ số hồi quy Logistics sử dụng đại lượng Wald Chi Square (kiểm định giả thuyết hồi quy khác không) để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể. Nếu hệ số hồi quy β0 và β1 đều bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay không xảy ra như nhau, lúc đó mô hình hồi quy không có tác dụng dự đoán. Wald Chi Square được tính bằng cách lấy ước lượng của hệ số hồi quy của biến độc lập trong mô hình (hệ số hồi quy mẫu) logistics chia cho sai số chuẩn của ước lượng hệ số hồi quy này, sau đó lấy bình phương như sau:
3.6.2.4 Kiểm định mức độ phù hợp tổng quát
Kiểm định độ phù hợp tổng quát trong hồi quy logistics, với hồi quy tuyến tính bội ta dùng thống kê F để kiểm định giả thuyết tuy nhiên trong hồi quy logistics ta dùng kiểm định Chi - bình phương để kiểm định tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình có thực sự ý nghĩa trong việc giải thích cho biến phụ thuộc không. Với mức sig <0,05 ta bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 tức là các hệ số hồi quy khác nhau có ý nghĩa thống kê và các hệ số đều thực sự có ý nghĩa trong việc giải thích biến phụ thuộc.
3.7 Quy trình nghiên cứu
Dựa trên mô hình nghiên cứu và phương pháp nghiên cứu, quy trình nghiên cứu được tóm tắt như sau:
Hình 3.2 – Quy trình nghiên cứu mô hình
Nguồn: Tác giả tổng hợp từ các nghiên cứu và phương pháp nghiên cứu Cơ sở lý thuyết và các bằng
chứng thực nghiệm
Mô hình dự kiến các nhân tố ảnh hưởng đến khả năng trả nợ đúng
hạn của KHCN
Điều chỉnh chọn lọc các biến phù hợp với mô hình Thu thập số liệu và thử nghiệm
các biến trên phần mềm SPSS
Mô hình nghiên cứu tối ưu với các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN
Phân tích hồi quy mô hình nghiên cứu và kiểm định giả
thuyết
KẾT LUẬN CHƢƠNG 3
Có rất nhiều phương pháp thống kê được sử dụng trong việc đánh giả khả năng trả nợ của KHCN tuy nhiên chương 3 sẽ trình bày cụ thể khái niệm, ưu điểm và nhược điểm của từng mô hình MDA, mô hình LPM, mô hình logit và probit, mô hình mạng Neutral. Theo đó, mô hình binary logistic là phù hợp nhất bởi vì đặc tính dễ sử dụng và được sử dụng phổ biến trong hầu hết các nghiên cứu về khả năng trả nợ đúng hạn của khách hàng.
Dựa trên các bằng chứng thực nghiệm tại chương 2 và thực tế tại Ngân hàng, luận văn đề xuất mô hình nghiên cứu ban đầu bao gồm 14 biến độc lập (giới tính, độ tuổi, số thành viên phụ thuộc, trình độ học vấn, tình trạng công việc, thu nhập, kích cỡ khoản vay, thời hạn vay, hình thức thế chấp, lãi suất vay, mục đích vay, lịch sử nợ quá hạn và kinh nghiệm, trình độ cán bộ thẩm định) và biến phụ thuộc khả năng trả nợ đúng hạn của khách hàng cùng các giả thuyết nghiên cứu và bảng kỳ vọng về dấu của mô hình. Dữ liệu nghiên cứu của mô hình được lấy cân bằng từ 550 mẫu hồ sơ vay vốn KHCN tại 11 chi nhánh của Ngân hàng Sacombank tại thời điểm ngày 30.06.2017. Thông qua, phương pháp nghiên cứu thống kê mô tả và phương pháp hồi quy mô hình binary logistic để tìm ra mô hình nghiên cứu tối ưu với các biến có ý nghĩa thống kê trong chương 4.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
Các phần chính được thực hiện trong chương này bao gồm: sơ lược thực trạng tình hình cho vay KHCN tại Sacombank, phân tích thống kê mô tả, phân tích tương quan và đa cộng tuyến, phân tích mô hình hồi quy dựa trên quy trình xây dựng mô hình nghiên cứu tối ưu tại chương 3. Đồng thời, các nhận xét, giải thích và phân tích lý giải nhằm làm nổi bật các nhân tố ảnh hưởng và không ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN tại Ngân hàng.
4.1 Thực trạng tình hình cho vay khách hàng cá nhân tại Ngân hàng TMCP Sài gòn Thƣơng Tín qua các năm 2015-2017
Ngân hàng Thương mại Cổ phần Sài Gòn Thương Tín là một trong những NHTMCP đầu tiên được thành lập tại thành phố Hồ Chí Minh. Từ mức vốn điều lệ ngày đầu thành lập (21/12/1991) chỉ 3 tỷ đồng 25 năm sau, tổng tài sản đã tăng hơn 3.000 lần và vốn điều lệ tăng hơn 6.000 lần. Sacombank vẫn kiên định mục tiêu trở thành ngân hàng bán lẻ hiện đại và đa năng hàng đầu khu vực. Trong đó, bán lẻ được xem là trọng tâm xuyên suốt quá trình phát triển của ngân hàng, kết hợp giữa mô hình hiện đại và truyền thống để tối đa hoá nhu cầu khách hàng.
Với mục tiêu trên, Sacombank đã không ngừng cải tiến về chất lượng cũng như sản phẩm dịch vụ bán lẻ nhằm thu hút khách hàng. Theo báo cáo tài chính hợp nhất năm 2017, tổng tài sản của Sacombank đạt hơn 368.000 tỷ đồng, tăng 10,84% so với đầu năm; tổng vốn huy động từ tổ chức kinh tế và dân cư đạt gần 345.000 tỷ đồng, tăng 11,65%; dư nợ tín dụng hơn 222.000 tỷ đồng, tăng 12,12%. Đặc biệt, tỷ suất sinh lời của ngân hàng dần được cải thiện với tổng thu nhập đạt 8.645 tỷ đồng, tăng 32,38% so với năm trước, tạo nguồn lực tài chính để xử lý các tồn đọng. Thu dịch vụ năm 2017 của Sacombank đạt 3.439 tỷ đồng, tăng 62.83% so với năm trước. Cụ thể, tình hình dư nợ cho vay khách hàng cá nhân như sau:
ĐVT: tỷ đồng Chỉ tiêu 2015 2016 2017 Tổng dư nợ tín dụng 185.916 198.859 222.946 Dư nợ KHCN 89.680 104.075 130.864 Tỷ trọng dư nợ KHCN/tổng dư nợ 48,24% 52,34% 58,69%
Bảng 4.1 – Tình hình dƣ nợ KHCN tại Sacombank giai đoạn 2015-2017
Nguồn: báo cáo tài chính hợp nhất của Sacombank
Theo báo cáo tài chính hợp nhất của Sacombank qua các năm 2015, 2016 và 2017, tỷ trọng dư nợ KHCN của Sacombank năm 2015 chiếm 48,24% trên tổng dư nợ tín dụng tương đương với 89.680 tỷ đồng, đến năm 2016 là 52,34% và năm 2017 là 58,69% tương đương với 130.864 tỷ đồng, đứng thứ nhất trong dư nợ cho vay các loại hình doanh nghiệp tại Ngân hàng. Từ đó cho thấy Sacombank đang đi đúng định hướng của chiến lược giai đoạn 2018-2020 là đẩy mạnh bán lẻ.
Tăng trưởng tín dụng luôn đi đôi với kiểm soát chất lượng, cơ cấu chuyển dịch theo hướng tích cực giúp Sacombank luôn đảm bảo tốc độ tăng trưởng cho vay phù hợp với khả năng huy động, tỷ lệ dư nợ cho vay so với tổng tiền gửi duy trì ở mức 64,34%. Tuy nhiên, sau khi nhận sáp nhập với Ngân hàng Thương mại Cổ phần Phương Nam (SouthernBank) vào tháng 10 năm 2015 chất lượng nợ đã thay đổi theo chiều hướng gia tăng. Theo báo cáo tài chính hợp nhất của Sacombank giai đoạn 2014-2017 về phân loại chất lượng nợ vay của Sacombank, có thể thấy chỉ tiêu nợ không đủ tiêu chuẩn của Sacombank qua các năm tăng, cụ thể nếu năm 2014 tỷ lệ nợ không đủ tiêu chuẩn chỉ là 2.027 tỷ đồng thì năm 2015 tỷ lệ này là 11.818 tỷ đồng đến năm 2016 tăng 38% tương đương 16.338 tỷ đồng, năm 2017 có giảm xuống còn 11.303 tỷ đồng, chiếm khoảng 5,07% trên tổng dư. Mặc dù 2017 tỷ lệ nợ không đủ tiêu chuẩn của Sacombank có giảm xuống, tuy nhiên tỷ lệ nợ xấu vẫn là 4,46% tương đương 10.404 tỷ đồng. Nếu so với mặt bằng chung ngành ngân hàng, tỷ lệ nợ xấu của Sacombank đã được liệt kê vào mức cao. Tỷ lệ nợ xấu có chiều
hướng giảm chủ yếu là do việc Sacombank đã bán cho Công ty trách nhiệm hữu hạn một thành viên Quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC). Theo báo cáo của VAMC nếu cộng cả số dư nợ xấu Sacombank đã bán cho VAMC và một số khoản phải thu xấu từ NHTMCP Phương Nam chuyển giao sang, ước tính tổng giá trị nợ xấu tại Sacombank đã lên hơn 60.000 tỷ đồng tính đến thời điểm cuối năm 2016.
ĐVT: tỷ đồng
Chỉ tiêu 2014 2015 2016 2017
Nợ cần chú ý 506 1.041 2.594 899
Nợ dưới tiêu chuẩn 102 1.776 2.613 1.474
Nợ nghi ngờ 414 1.140 2.621 627
Nợ có khả năng mất vốn 1.005 7.861 8.510 8.303
Tổng cộng 2.027 11.818 16.338 11.303
Bảng 4.2 – Báo cáo chất lƣợng nợ quá hạn của Sacombank từ năm 2014-2017
Nguồn: báo cáo tài chính hợp nhất của Sacombank
Nợ xấu từ SouthernBank không chỉ làm giảm hiệu quả kinh doanh tín dụng, qua đó làm giảm lợi nhuận của Sacombank, mà còn trực tiếp ảnh hưởng đến lợi nhuận của Sacombank thông qua việc ngân hàng này phải tăng trích lập dự phòng. Dễ thấy nhất là quý IV/2015 ngân hàng này đã phải chịu lỗ nặng 671 tỷ đồng ngay sau khi sáp nhập Southern Bank cũng bởi trích lập dự phòng tăng đột biến 1.128 tỷ đồng. Do đó, để đảm bảo an toàn cho hoạt động tín dụng và hạn chế tổn thất, ngân hàng cần kiểm soát chặt chẽ khoản vay ngay từ khâu tiếp nhận và thẩm định, trong đó đặc biệt cần chú trọng đánh giá khả năng trả nợ của khách hàng.
4.2 Thống kê mô tả
4.2.1 Thống kê mô tả chung
Biến số Số lượng Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình AGE 550 18.00 67.00 40.4145 SOL 550 30.00 4500.00 656.6727 TIME 550 12.00 240.00 58.1782 INC 550 4.00 220.00 25.8871 INT 550 .06 .13 .0974
Bảng 4.3 – Bảng thống kê mô tả dữ liệu các biến trong mô hình
Nguồn: Tác giả sử dụng phần mềm SPSS để tính toán
Trong 550 mẫu quan sát có độ tuổi thấp nhất là 18 và cao nhất 67 tuổi, độ tuổi trung bình là 40 tuổi, điều này khá phù hợp vì đây là giai đoạn khách hàng vay có sự ổn định về công việc, nghề nghiệp, nguồn vốn và kinh nghiệm do đó khả năng trả nợ đúng hạn cao hơn khá nhiều.
Kích cỡ khoản vay thấp nhất là 30 triệu vì đây là khoản vay tín chấp, hạn mức cấp tín dụng dựa trên thu nhập từ lương của khách hàng vay. Cùng với kích cỡ khoản vay thì thu nhập của người vay tương ứng thấp nhất là 4 triệu và cao nhất là 220 triệu. Lý do thu nhập thấp nhất là 4 triệu vì có những khoản vay tín chấp cho cán bộ công nhân viên của các đoàn thể chính trị-xã hội, cán bộ công nhân viên làm việc tại Sacombank,…do đó việc cấp hạn mức tín dụng phụ thuộc vào lương thực nhận của khách hàng sau khi trừ đi chi phí sinh hoạt. Thời gian vay dao động từ 12 tháng đến 240 tháng vì biến phụ thuộc được xét trong điều kiện trả gốc và lãi hàng tháng bên cạnh đó mẫu quan sát chiếm 73,8% chủ yếu vay tiêu dùng do đó thời hạn vay khá dài.
Lãi suất vay trung bình dao động 9,7%/năm là khá phù hợp với các khoản vay trung, dài hạn, lãi suất vay trung, dài hạn của Sacombank tính đến thời điểm hiện tại là 10,5%/năm trong đó lãi suất vay thấp nhất 6%/năm với các khách hàng được áp dụng chương trình khuyến mãi ưu đãi và khoản vay của cán bộ nhân viên, lãi suất vay cao nhất 13%/năm do đây là khoản vay tín chấp.
4.2.2 Cơ cấu mẫu theo biến độc lập 4.2.2.1 Nhóm nhân tố đặc điểm cá nhân 4.2.2.1 Nhóm nhân tố đặc điểm cá nhân
Dữ liệu nghiên cứu bao gồm 550 mẫu trong đó có 334 mẫu khách hàng vay là nam, chiếm 60,7% và 216 mẫu khách hàng vay là nữ, chiếm 39,3%. Dữ liệu khá tương đồng đối với biến giới tính.
Giới tính Tần số Phần trăm (%) Giá trị phần trăm (%) Phần trăm cộng dồn (%) Nam 334 60,7 60,7 60,7 Nữ 216 39,3 39,3 100 Tổng cộng 550 100 100 Bảng 4.4 - Đặc điểm giới tính
Nguồn: tính toán của tác giả dựa trên phần mềm SPSS
Kết quả thống kê cho thấy số thành viên phụ thuộc trong gia đình nhiều nhất là 5 người và thấp nhất là không có người phụ thuộc nào trong gia đình. Trong đó, số thành viên phụ thuộc chủ yếu là 2 người, chiếm 32,4% và thấp nhất là 3 người, chiếm 1,6%.
Số lượng thành viên phụ thuộc trong gia
đình Tần số Phần trăm (%)