1 Kỳ vọng dấu của hệ số β trong mô hình

Một phần của tài liệu (LUẬN văn THẠC sĩ) các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng cá nhân tại ngân hàng thương mại cổ phần sài gòn thương tín (Trang 49 - 53)

Nguồn: Tác giả tổng hợp từ giả thuyết nghiên cứu

3.4.2 Mô hình hồi quy dự kiến

Dựa trên mô hình nghiên cứu đề xuất và các giả thuyết nghiên cứu, luận văn dự kiến mô hình hồi quy như sau:

Loge[P(Y=1)/P(Y=0)] = β0 + β1SEX + β2AGE + β3HOS + β4EDU_1 + β5EDU_2 + β6WORK + β7SOL + β8TIME + β9INC + β10INT + β11SEC + β12TOL + β13CIC + β14 IOS

Như vậy, mô hình hồi quy (3.5) gồm 14 biến với hệ số β tương ứng từ β1->

3.5 Dữ liệu nghiên cứu

Luận văn sử dụng dữ liệu sơ cấp và thứ cấp. Dữ liệu thứ cấp là nguồn thông tin bên trong ngân hàng, dữ liệu được trích từ báo cáo tình hình dư nợ cho vay của các chi nhánh của Sacombank tại thời điểm 30/06/2017, chương trình T24 của core banking ngân hàng và phần mềm chấm điểm tín dụng khách hàng trên CRS. Riêng đối với biến số năm kinh nghiệm từ cán bộ thẩm định KHCN, luận văn kết hợp sử dụng chương trình T24 của core banking và dữ liệu sơ cấp từ phỏng vấn nhân viên thẩm định tín dụng cá nhân để cung cấp số liệu cho biến IOS. Bên cạnh đó, luận văn sử dụng dữ liệu thứ cấp là các báo cáo tài chính hợp nhất của ngân hàng qua các năm 2014, 2015, 2016 và 2017 để đánh giá khái quát thực trạng dư nợ KHCN và tình hình nợ quá hạn tại Ngân hàng.

Kích thước mẫu là 550 dựa trên nghiên cứu hồi quy đa biến Daniel Boduszek (2016), được tính toán theo công thức của Tabachnick and Fidell như sau:

N > 50+8*m (3.6)

Trong đó: N là kích thước mẫu; m là số biến trong mô hình

Các số liệu ban đầu đươc thu thập từ 11 chi nhánh: Chi nhánh Bình Dương, chi nhánh Bình Phước, chi nhánh Sài Gòn, chi nhánh Thủ Đức, chi nhánh Củ Chi, chi nhánh Tây Ninh, chi nhánh Gia Lai, chi nhánh Đắk Lắk, chi nhánh Tiền Giang, chi nhánh Cần Thơ, chi nhánh Long Biên của Ngân hàng dựa trên việc chọn mẫu cân bằng giữa các chi nhánh (mỗi chi nhánh 50 mẫu) được chọn một cách ngẫu nhiên có chọn lọc, sau đó được nhập liệu vào file excel và chọn các mẫu một cách có điều kiện các khoản vay trả gốc và lãi định kỳ để tạo ra các biến cần phân tích. Sau đó, sử dụng phần mềm SPSS để phân tích thống kê mô tả, phân tích hồi quy mô hình binary logistic. Dưới đây là bảng mô tả biến:

STT Tên biến

hiệu biến

Nguồn

dữ liệu Cơ sở nghiên cứu thực nghiệm 1 Khả năng trả nợ đúng hạn của KHCN (Bằng 1 nếu khách hàng có khả năng trả nợ đúng hạn và

ngược lại nhận giá trị là 0)

Y

Báo cáo nội bộ Sacombank

Nghiên cứu của Kohansal (2009) và Trương Đông Lộc (2011) 2 Giới tính (Bằng 1 nếu giới tính là nữ và bằng 0 nếu là nam) SEX Phần mềm T24 của core banking và phần mềm chấm điểm tín dụng của CRS

Nghiên cứu của Chapman (1990)

3 Độ tuổi AGE

Nghiên cứu của Trương Đông Lộc(2011)

và Wongnaa (2013)

4 Số thành viên phụ thuộc

gia đình HOS

Nghiên cứu của Trương Đông Lộc (2011) và Li Shuai (2013)

5

Trình độ học vấn từ trung cấp đến cao đẳng (Bằng 1 nếu người vay có trình độ từ trung cấp,

cao đẳng và khác nhận giá trị 0)

EDU_1

Nghiên cứu của Trương Đông Lộc (2011), Nguyễn Quốc Nghi (2012) và Wongnaa (2013) 6 Trình độ học vấn từ đại học trở lên (Bằng 1 nếu người vay có trình độ từ đại học trở lên và khác nhận giá trị 0) EDU_2

7

Công việc (Bằng 1 nếu người vay có vị trí công việc văn phòng, trí óc và

khác nhận giá trị 0)

WORK

Nghiên cứu của Li Shuai (2013) và Chapman

(1990)

8 Thu nhập INC

Nghiên cứu của Trương Đông Lộc (2011), Nguyễn Quốc Nghi

(2012).

9 Kích cỡ khoản vay SOL

Báo cáo nội bộ Sacombank

Nghiên cứu của Acquah (2011) và Kohansal

(2009)

10 Thời gian vay TIME

Nghiên cứu của Li Shuai (2013)

11 Lãi suất vay INT

Nghiên cứu của Trương Đông Lộc (2011), Nguyễn Quốc Nghi (2012), Mohammad Reza Kohansal (2009)

12

Tài sản thế chấp (Bằng 1 nếu người vay có tài sản

thế chấp và ngược lại nhận giá trị 0)

SEC Nghiên cứu của

Kohansal (2009)

13

Vay kinh doanh (Bằng 1 nếu mục đích của người

vay là sản xuất kinh doanh và khác nhận giá

trị 0)

TOL

Nghiên cứu của George Yaw Mensah (2012),

Kohansal (2009) và Samuel Antwi 2012

14

Lịch sử nợ quá hạn của người vay (Bằng 1 nếu khách hàng chưa có nợ quá hạn và ngược lại

nhận giá trị 0) CIC Phần mềm chấm điểm tín dụng của CRS

Ngiên cứu của Kohansal (2009) và Million Sileshi (2012) 15 Kinh nghiệm, trình độ cán bộ thẩm định cho vay (Bằng 1 nếu cán bộ thẩm định có kinh nghiệm từ 2 năm trở lên

và ngược lại) IOS Phần mềm T24 của core banking kết hợp phỏng vấn cán bộ thẩm định

Nghiên cứu của Jonathan A.Scott (2006) nhưng được tác giả điều chỉnh

Một phần của tài liệu (LUẬN văn THẠC sĩ) các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng cá nhân tại ngân hàng thương mại cổ phần sài gòn thương tín (Trang 49 - 53)

Tải bản đầy đủ (PDF)

(101 trang)