Lãi suất của khoản vay (Lãi suất)
Tổng giá trị dự án (Vốn dự án)
Vốn tự có của gia đình khi thực hiện dự án (Vốn tự có) Mực đích thực hiện dự án (Mục đích sd)
Số dƣ tiết kiệm của gia đình tại ngân hàng (Tiết kiệm) Tuổi của chủ hộ (Tuổi)
Giới tính của chủ hộ (Giới tính)
Số thành viên trong độ tuổi lao động (Tv trong lđ) Số thành viên ngoài độ tuổi lao động (Tv ngoài lđ)
Trình độ học vấn của chủ hộ (Trình độ)
Thị trƣờng tiêu thụ (Thị trƣờng) Diện tích đất gia đình sở hữu (Dt đất)
Đƣờng ôtô đi qua vực sống của hộ gia đình (Đƣờng)
Ý nghĩa kinh tế của các biến
Ý nghĩa kinh tế của các biến đối với việc trả nợ đúng hạn của ngƣời nghèo nhƣ thế nào đƣợc thể hiện trong Bảng 3.1 và cơ sở để xác định kỳ vọng dấu là dựa vào các nghiên cứu trƣớc.
Bảng 3. 1 Bảng nội dung các biến nghiên cứu
Biến Diễn giải biến Nghiên cứu trƣớc Kỳ
vọng
Y=Trả nợ Khách hàng trả nợ đúng hạn hoặc không đúng hạn
Ngô Mạnh Chính (2018), Trƣơng Đông Lộc & Nguyễn Thị Tuyết (2011), Joseph John Magali (2013) X1=Lãi suất Lãi suất ảnh hƣởng đến trả nợ đúng hạn Uganda Ministry of Finance,Planing and Economic Devolopment(2004), Nguyễn Việt Cƣờng (2008) Ngƣợc chiều X2=Vốn dự án
Tổng số tiền đầu tƣ thực hiện dự án ảnh hƣởng đến việc trả nợ đúng hạn
Pande et al., (2012), Nguyễn Việt Cƣờng (2008)
Cùng chiều X3=Vốn tự
có
Số vốn tự có của hộ vay tham gia thực hiện dự án ảnh hƣởng đến việc trả nợ đúng hạn Ledgerwood và White (2006) Cùng chiều X4=Mục đích sử dụng vốn Mục đích sử dụng vốn có ảnh hƣởng đến trả nợ đúng hạn
Pande et al., (2012), Phan Đình Khôi (2012)
Cùng chiều X5=Tiết
kiệm
Số tiền gửi tiết kiệm qua Tổ Tiết kiệm và Vay vốn có ảnh hƣởng đến hộ việc trả nợ đúng hạn
Fernando (1999), Phan Đình Khôi (2012), Nguyễn Việt Cƣờng (2008) Cùng chiều X6=Tuổi Tuổi chủ hộ có ảnh hƣởng đến hộ việc trả nợ đúng hạn Ikenna và Oforgbu(2013); Gobezie, Getaneh and Garber, Carter (2007), Phan Đình Khôi (2012), Nguyễn Việt Cƣờng (2008)
Cùng chiều
X7=Giới tính
Giới tính chủ hộ có ảnh hƣởng đến hộ việc trả nợ đúng hạn
Okezie et al.,(2014), Kondo và đtg (2007), Phan Đình Khôi (2012), Nguyễn Việt Cƣờng (2008) Ngƣợc chiều X8=Số thành viên trong tuổi lao động
Số thành viên trong tuổi lao động có ảnh hƣởng đến hộ việc trả nợ đúng hạn Nguyễn Việt Cƣờng (2008), Phan Đình Khôi (2012) Cùng chiều X9=Số thành viên ngoài tuổi lao động
Số thành viên ngoài tuổi lao động có ảnh hƣởng đến hộ việc trả nợ đúng hạn
Nguyễn Việt Cƣờng (2008),
Phan Đình Khôi (2012) Ngƣợc chiều
X10= Trình độ
Trình độ học vấn của chủ hộ có ảnh hƣởng đến hộ việc trả nợ đúng hạn
Stewwart et al., (2010), Phan Đình Khôi (2012), Nguyễn Việt Cƣờng (2008) Cùng chiều X11=Thị trƣờng Thị trƣờng tiêu thụ có ổn có ảnh hƣởng đến hộ việc trả nợ đúng hạn
Okezie et al.,(2014), Nguyễn Việt Cƣờng (2008) Cùng chiều X12= Diện tích sử dụng đất
Diện tích đất của hộ vay có ảnh hƣởng đến hộ việc trả nợ đúng hạn Phan Đình Khôi (2012), Nguyễn Việt Cƣờng (2008) Cùng chiều X13 =Đƣờng giao thông Khu vực sống, cơ sở hạ tầng, đƣờng ô tô có ảnh hƣởng đến hộ việc trả nợ đúng hạn Phan Đình Khôi (2012), Nguyễn Việt Cƣờng (2008) Cùng chiều
Giả thiết nghiên cứu:
(1)Lãi suất vay tại NHCSXH có tác động ngƣợc chiều với việc khách hàng trả nợ đúng hạn.
(2) Số vốn thực hiện dự án có tác động cùng chiều với việc khách hàng trả nợ đúng hạn.
(3) Số vốn tự có của khách hàng tham gia thực hiện dự án có tác động cùng chiều với việc khách hàng trả nợ đúng hạn.
(4) Mục đích sử dụng vốn có tác động cùng chiều đến việc trả nợ đúng hạn (bằng 1 cho mục đích nuôi bò sinh sản, bằng 2 cho mục đích buôn bán, đánh bắt thủy hải sản). Theo các nghiên cứu trƣớc cho thấy đa dạng ngành nghề và hoạt động phi nông nghiệp sẽ cải thiện thu nhập, nâng cao khả năng trả nợ đúng hạn nên yếu tố này đƣợc kỳ vọng tác động cùng chiều với biến “Trả nợ”.
(5) Số tiền gửi tiết kiệm có tác động cùng chiều với khách hàng trả nợ đúng hạn. (6) Độ tuổi của chủ hộ có tác động cùng chiều với khách hàng trả nợ đúng hạn. (7) Giới tính của chủ hộ có tác động ngƣợc chiều đến trả nợ đúng hạn. Chủ hộ là nữ gán giá trị 0, chủ hộ là nam gán giá trị 1. Theo các nghiên cứu trƣớc nữ giới quản lý tài chính tốt hơn nam giới do đó mô hình kỳ vọng giới tính tác động ngƣợc chiều đối với biến Trả nợ.
(8) Số thành viên trong tuổi lao động có tác động cùng chiều với khách hàng trả nợ đúng hạn.
(9) Số thành viên ngoài tuổi lao động có tác động ngƣợc chiều với khách hàng trả nợ đúng hạn.
(10) Trình độ học vấn của chủ hộ có tác động cùng chiều với khách hàng trả nợ đúng hạn.
(11) Thị trƣờng có tác động cùng chiều với khách hàng trả nợ đúng hạn. (12) Diện tích đất có tác động cùng chiều với khách hàng trả nợ đúng hạn.
(13) Khu vực sống của khách hàng có tác động cùng chiều với khách hàng trả nợ đúng hạn.
3.3. Mẫu nghiên cứu
3.3.1. Dữ liệu nghiên cứu
Xác định kích thƣớc mẫu là công việc không dễ dàng trong các nghiên cứu khoa học. Kích thƣớc mẫu cần cho nghiên cứu phụ thuộc vào nhiều yếu tố nhƣ
phƣơng pháp xử lý (hồi quy, phân tích nhân tố khám phá EFA,…), độ tin cậy, độ mạnh của phép kiểm định, số lƣợng biến độc lập,..(Tabachnick & Fidell 2007). Kích thƣớc mẫu càng lớn càng tốt nhƣng lại tốn thời gian và chi phí. Hiện nay, các nhà nghiên cứu xác định kích thƣớc mẫu cần thiết thông qua các công thức kinh nghiệm cho từng phƣơng pháp xử lý. Một công thức kinh nghiệm đƣợc dùng để tính kích thƣớc mẫu cho MLR nhƣ sau:
Trong đó, n là kích thƣớc mẫu tối thiểu cần thiết và p là số lƣợng biến độc lập trong mô hình. Gren (1991) cho rằng công thức trên tƣơng đối phù hợp nếu p<7. Khi p>7, công thức trên hơi quá khắc khe (công thức này đòi hỏi kích thƣớc lớn hơn cần thiết). Tuy nhiên nhiều nghiên cứu thƣờng dùng EFA cùng với MLR. EFA luôn đồi hỏi kích thƣớc mẫu lớn hơn nhiều so với MLR. Kích thƣớc mẫu tính từ công thức trên thƣờng nhỏ hơn kích thƣớc mẫu đòi hỏi cho EFA, cho nên chúng ta có thể dùng nó tính kích thƣớc mẫu cho MLR và so sánh lại kích thƣớc mẫu đòi hỏi cho EFA.
Đối với phân tích nhân tố khám phá EFA: Dựa theo nghiên cứu của Hair, Anderson, Tatham và Black (1998) cho tham khảo về kích thƣớc mẫu dự kiến. Theo đó kích thƣớc mẫu tối thiểu là gấp 5 lần tổng số biến quan sát. Đây là cỡ mẫu phù hợp cho nghiên cứu có sử dụng phân tích nhân tố (Comrey, 1973; Roger, 2006). n=5*m , lƣu ý m là số lƣợng câu hỏi trong bài.
3.3.2. Khảo sát và thu thập dữ liệu
Số mẫu nghiên cứu: Nghiên cứu đƣợc thực hiện với 279 mẫu trên tổng số 1.159 hộ nghèo vay vốn tại NHCSXH Ba Tri đến hạn năm 2018, tỷ lệ 24,16%. Số mẫu nghiên cứu đƣợc chọn ngẫu nhiên tại các xã, phƣờng, thị trấn trong huyện. Vì chọn mẫu nghiên cứu nhƣ vậy nên mẫu nghiên cứu có tính đại diện tƣơng đối so với tổng thể. Địa bàn thực hiện: Việc điều tra, khảo sát và thu thập dữ liệu đƣợc thực hiện tại 6 xã của huyện Ba Tri.
3.3.3. Cách thức tổ chức khảo sát
Việc khảo sát đƣợc thực hiện gồm 2 phần: một phần do bản thân trực tiếp thực hiện và một phần đƣợc thực hiện thông qua các Tổ trƣởng Tổ Tiết kiệm và Vay vốn thuộc địa bàn khảo sát.
3.3.4. Hình thức thực hiện
Luận văn thực hiện khảo sát theo ba cách sau đây:
Cách nhất, kết hợp với việc cán bộ tín dụng tổ chức giao dịch xã lƣu động tại địa bàn: Hàng tháng, vào ngày cố định trong tháng, NHCSXH nơi cho vay tiến hành giao dịch tại UBND xã của một xã nhất định. Khách hàng đến giao dịch thực hiện các công việc trả nợ gốc tất nợ, hoặc trả nợ gốc theo phân kỳ,…. Tổ trƣởng Tổ Tiết kiệm và Vay vốn thực hiện đóng lãi thu đƣợc của tổ viên trong tháng. Khi hộ vay đến trả nợ thì cán bộ ngân hàng thực hiện phỏng vấn, khảo sát để thu thập dữ liệu cần thiết.
Cách hai, thông qua việc sinh hoạt tổ Tiết kiệm và Vay vốn. Hàng tháng của tổ trƣởng tổ Tiết kiệm và Vay vốn đều tiến hành họp các thành viên trong tổ để sinh hoạt tổ, thu lãi, bình xét cho vay,… Cán bộ ngân hàng có thể đến dự, kiểm tra, khảo sát và thu thập dữ liệu.
Cách ba, Tổ trƣởng và bản thân đến nhà gặp trực tiếp hộ vay để tiến hành khảo sát, thu thập dữ liệu.
3.3.5. Nội dung khảo sát và thống kê mô tả các biến nghiên cứu
Việc khảo sát đƣợc thực hiện bằng Bảng câu hỏi. Nội dung khảo sát về tác động của các yếu tố đối với trả nợ đúng hạn của ngƣời nghèo đƣợc thể hiện ở Phụ lục 2.
3.4. Phƣơng pháp thu thập số liệu
Sử dụng phƣơng pháp hồi quy với 279 khách hàng vay vốn là hộ gia đình nghèo. Khách hàng đƣợc lựa chọn là những khách hàng có khoản vay từ 01/01/2015 đến 31/12/2018 còn số dƣ hoặc đã trả tất nợ, các khách hàng đƣợc chọn này phải
bảo đảm tất cả đều phát sinh kỳ hạn nợ phải thanh toán trong năm 2018. Nhƣ vậy, nghiên cứu mới có thể đánh giá đƣợc các yếu tố ảnh hƣởng đến trả nợ của hộ nghèo tƣơng đối chính xác.
Cách chọn mẫu: 279 mẫu quan sát đƣợc chọn thuộc nhiều khu vực khác nhau trong huyện nhƣ xã biển, xã thuộc vùng khó khăn, xã nông thôn mới, xã nằm ở trung tâm huyện và cả thị trấn. Sau đó tiến hành kiểm tra hồ sơ tín dụng và khảo sát khách hàng để thu thập các số liệu cần thiết cho mô hình.
3.5. Phƣơng pháp phân tích số liệu
Đề tài sử dụng hỗn hợp cả 2 phƣơng pháp nghiên cứu là nghiên cứu định tính và nghiên cứu định lƣợng để phân tích nội dung đề tài.
3.5.1. Phương pháp thống kê mô tả và so sánh Phương pháp thống kê mô tả
3.5.1.1
Sử dụng phƣơng pháp thống kê mô tả để đánh giá thực trạng việc trả nợ của khách hàng thuộc diện hộ nghèo có vay vốn tại NHCSXH huyện Ba Tri thông qua các chỉ tiêu tài chính nhƣ: Tổng nợ đến hạn, thu nợ thực tế, tỷ lệ thu nợ thực tế, tần xuất các giá trị, tỷ lệ so với tổng thể…để mô tả đánh giá dữ liệu thu thập đƣợc, từ đó đƣa ra cái nhìn khái quát về vấn đề nghiên cứu, nguyên nhân và giải pháp cho từng vấn đề.
Phương pháp so sánh
3.5.1.2
Sử dụng phƣơng pháp so sánh bằng số tuyệt đối và so sánh bằng số tƣơng đối để thấy đƣợc tình hình biến động của ngân hàng từ năm 2015 đến năm 2018.
Phƣơng pháp so sánh bằng số tuyệt đối: Là phép trừ giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu kinh tế.
= s1 - s0
: Là phần chênh lệch tăng, giảm giữa kỳ phân tích và kỳ gốc s1: Chỉ tiêu kỳ phân tích
s0: Chỉ tiêu kỳ gốc
Phƣơng pháp so sánh bằng số tƣơng đối: Là một chỉ tiêu tổng hợp biểu hiện bằng số lần (%) phản ánh tình hình của sự kiện khi số tuyệt đối không thể nói lên đƣợc.
=
x 100% Trong đó:
: Biểu hiện tốc độ tăng trƣởng giữa kỳ phân tích và kỳ gốc s1: Chỉ tiêu kỳ phân tích
s0: Chỉ tiêu kỳ gốc
3.5.2. Mô hình hồi quy Binary Logistic
Đối với dữ liệu của mô hình nghiên cứu, luận văn sử dụng mô hình hồi quy để tổng hợp, phân tích là Binary Logistic.
Mô hình đánh giá rủi ro tín dụng thông qua tiêu chí trả nợ vay đúng hạn của ngƣời nghèo. Mô hình này đƣợc xây dựng nhằm đánh giá các yếu tố ảnh hƣởng đến trả nợ vay đúng hạn của ngƣời nghèo.
Theo Nguyễn Đình Thọ (2013), Binary Logistic là mô hình hồi quy mà trong đó biến phụ thuộc là biến giả. Có nhiều sự vật, hiện tƣợng, nhiều quá trình mà khi mô tả bằng mô hình kinh tế lƣợng, biến phụ thuộc là biến giả (biến giả là biến rời rạc nó có thể nhận một trong hai giá trị là 0 và 1). Mô hình này sử dụng biến phụ thuộc dƣới dạng nhị phân để ƣớc lƣợng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có đƣợc.
Có rất nhiều hiện tƣợng trong tự nhiên chúng ta cần dự đoán khả năng xảy ra một sự kiện nào đó mà ta quan tâm, ví dụ sản phẩm mới đƣợc chấp nhận hay không,
ngƣời vay trả đƣợc nợ hay không, mua hay không mua,… Những biến nghiên cứu có 2 biểu hiện nhƣ vậy gọi là biến giả, hai biểu hiện này sẽ đƣợc mã hóa thành 2 giá trị 0 và 1 và ở dƣới dạng này gọi là biến nhị phân. Khi biến phụ thuộc ở dạng nhị phân thì không thể phân tích với dạng hồi quy thông thƣờng vì làm nhƣ vậy sẽ gây xâm phạm các biến giả định, rất dễ thấy là khi biến phụ thuộc chỉ có 2 biểu hiện thì không phù hợp với giả định phần dƣ có phân phối chuẩn, mà thay vào đó sẽ có phân phối nhị thức, điều này sẽ làm mất hiệu lực các kiểm định thống kê trong phép hồi quy thông thƣờng. Một khó khăn khác khi dùng hồi quy tuyến tính thông thƣờng là giá trị dự đoán đƣợc của biến phụ thuộc không thể đƣợc diễn dịch nhƣ xác suất (giá trị diễn dịch của biến phụ thuộc trong hồi quy Binary Logistic phải rơi vào khoảng (0;1)).
Thông tin ta cần thu thập về biến về biến phụ thuộc là một sự kiện nào đó có xảy ra hay không, biến phụ thuộc Y lúc này có hai giá trị là 0 và 1, với 0 là không xảy ra sự kiện quan tâm và 1 là xảy ra, và tất nhiên cả thông tin về các biến độc lập X. Từ biến phụ thuộc nhị phân này, một thủ tục sẽ đƣợc dùng để dự đoán xác suất sự kiện xảy ra theo quy tắc xác suất đƣợc dự đoán lớn hơn 0,5 thì kết quả dự đoán sẽ cho là “có” xảy ra sự kiện, ngƣợc lại thì kết quả dự đoán sẽ là “không”. Nghiên cứu mô hình Binary Logistic trong trƣờng hợp đơn giản khi chỉ có một biến độc lập X.
Ta có mô hình Binary Logistic nhƣ sau:
Trong công thức này Pi=E(Y=1/X)=P(Y=1) gọi là xác suất để sự kiện xảy ra (Y=1) khi biến độc lập X có giá trị cụ thể là Xi. Ký hiệu biểu thức (B0+B1X) là z, ta viết lại mô hình hàm Binary Logistic nhƣ sau:
𝑃𝑖 𝐸 𝑌 1 𝑋 𝑒(𝐵0+𝐵1𝑋) 1 + 𝑒(𝐵0+𝐵1𝑋) 𝑃(𝑌 1) 𝑒 𝑧 1 + 𝑒𝑧
Vậy thì xác suất không xảy ra sự kiện là:
Thực hiện phép so sánh giữa xác suất một sự kiện xảy ra với xác suất sự kiến đó không xảy ra, tỷ lệ chênh lệch này có thể đƣợc thể hiện trong công thức:
Lấy log cơ số e hai vế của phƣơng trình trên rồi thực hiện biến đổi vế phải ta đƣợc kế quả là:
Vì Logeez =z nên kết quả cuối cùng là:
Hay viết cách khác: loge(Pi/(1-Pi))=B0+B1X là dạng hàm hồi quy Binary Logistic. Và ta có thể mở rộng mô hình cho hai hay nhiều biến độc lập Xk.
Đã có nhiều nghiên cứu sử dụng mô hình Binary Logistic làm cơ sở để ngân hàng nhận diện và phân loại rủi ro. Thông qua kết quả phân tích mô hình ta có thể ƣớc lƣợng đƣợc xác suất không trả nợ đúng hạn của khách hàng. Từ đó làm cơ sở xác định khách hàng nào nằm trong nhóm có rủi ro cao, sử dụng vốn chƣa hiệu quả và không trả nợ đúng hạn. Đồng thời kịp thời đƣa ra những giải pháp, gợi ý chính sách giúp ngân hàng và chính quyền địa phƣơng có phƣơng án hỗ trợ ngƣời nghèo sản xuất kinh doanh hiệu quả, cải thiện kinh tế, nâng cao khả năng trả nợ trả nợ đúng hạn. 𝑃(𝑌 0) 1 − 𝑃(𝑌 1) 1 − 𝑒 𝑧 1 + 𝑒𝑧 𝑃(𝑌 1) 𝑃(𝑌 0) 𝑒𝑧 1 + 𝑒𝑧 1 −1 + 𝑒𝑒𝑧 𝑧 𝑙𝑜𝑔𝑒 𝑃(𝑌 1) 𝑃(𝑌 0) 𝑙𝑜𝑔𝑒𝑒𝑧 𝑙𝑜𝑔𝑒 𝑃(𝑌 1) 𝑃(𝑌 0) 𝐵 + 𝐵 𝑋
Bảng 3. 2 Diễn giải các biến và kỳ vọng trong phân tích hồi quy STT Biến Đo lƣờng Kỳ STT Biến Đo lƣờng Kỳ vọng 1 Y=Trả nợ đúng hạn Khách hàng đã trả nợ đúng hạn có giá trị là 1; hoặc không đúng hạn có giá trị là 0