CHƢƠNG 2 PHƢƠNG PHÁP NGHIÊN CỨU
2.3. Phƣơng pháp xử lý dữ liệu
2.3.1. Phƣơng pháp so sánh
Phƣơng pháp so sánh đƣợc sử dụng chủ yếu để phân tích các chỉ số tài chính của doanh nghiệp. Khi so sánh thƣờng đối chiếu các chỉ tiêu hoạt động với nhau để biết đƣợc mức độ biến động của các đối tƣợng nghiên cứu, các chỉ tiêu so sánh phải thống nhất về nội dung và đơn vị tính. Cụ thể, trong luận văn tác giả đã xem xét chỉ tiêu đang phân tích bằng cách so sánh chúng với chỉ tiêu gốc, từ đó đƣa ra các nhận xét kết luận. Hai phƣơng pháp so sánh chủ yếu đƣợc sử dụng:
- Phương pháp so sánh bằng số tuyệt đối: đƣợc thể hiện cụ thể qua các con số. Là kết quả của phép trừ giữa trị số của kỳ phân tích với kỳ gốc của chỉ tiêu kinh tế.
Dy = Y1 – Yo
Trong đó: Yo: chỉ tiêu năm trƣớc Y1: chỉ tiêu năm sau
Dy: phân chênh lệch tăng, giảm của các chỉ tiêu kinh tế
Phƣơng pháp này sử dụng để so sánh số liệu năm sau so với năm trƣớc của các chỉ tiêu, cho thấy sự biến động về mặt số lƣợng các chỉ tiêu qua các năm phân tích và tìm ra nguyên nhân biến động của các chỉ tiêu kinh tế, từ đó đề ra biện pháp khắc phục.
- Phương pháp so sánh bằng số tương đối: đƣợc tính theo tỷ lệ %, là kết quả của phép chia giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu kinh tế.
Dy = x 100%
Trong đó: Yo: Chỉ tiêu năm trƣớc. Y1: Chỉ tiêu năm sau.
Dy: tốc độ tăng trƣởng của các chỉ tiêu kinh tế.
Phƣơng pháp này dùng để làm rõ tình hình biến động của mức độ của các chỉ tiêu kinh tế trong thời gian nào đó. So sánh tốc độ tăng trƣởng của chỉ tiêu giữa các năm và so sánh tốc độ tăng trƣởng giữa các chỉ tiêu. Từ đó tìm ra nguyên nhân và biện pháp khắc phục.
2.3.2. Phƣơng pháp hồi quy bội
Phƣơng pháp Hồi quy bội là dạng mở rộng của mô hình hồi quy tuyến tính (linear regression) bao gồm hai biến (hoặc nhiều hơn hai biến) giải thích trong một số hằng số dự đoán một biến kết quả. Mô hình hồi quy bội là một hƣớng cơ bản của phân tích thống kê ở hầu hết các lĩnh vực bởi nó rất mạnh và linh hoạt.
Phƣơng trình hồi qui tuyến tính nhiều chiều có dạng: y = a + b1x1 + b2x2 + .... + bkxk
Mô hình nghiên cứu: Các nhân tố ảnh hƣởng đến tăng cƣờng quản trị RRTD tại Ngân hàng BIDV – chi nhánh Đông Hà Nội:
- Nhóm nguyên nhân khách quan
- Nhóm nguyên nhân từ phía khách hàng - Nhóm nguyên nhân từ phía ngân hàng Các giả thuyết đặt ra:
- H0: Không có mối quan hệ giữa các nhân tố tới tăng cƣờng quản trị RRTD tại BIDV Đông Hà Nội.
- H1: Có mối quan hệ cùng chiều giữa nguyên nhân khách quan và tăng cƣờng quản trị RRTD tại BIDV Đông Hà Nội.
- H2: Có mối quan hệ cùng chiều giữa nguyên nhân từ phía khách hàng và tăng cƣờng quản trị RRTD tại BIDV Đông Hà Nội.
- H3: Có mối quan hệ cùng chiều giữa nguyên nhân từ phía ngân hàng và tăng cƣờng quản trị RRTD tại BIDV Đông Hà Nội.
Mô hình sẽ đƣợc dùng để kiểm định nhóm giả thuyết từ H0 đến H3 bằng phƣơng pháp hồi quy với mức ý nghĩa 5%.
2.3.3. Phƣơng pháp Alpha Cronbach
Mô hình Cronbach’s Alpha nằm trong nhóm phƣơng pháp đánh giá tƣơng quan trong. Đây là một phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ và tƣơng quan giữa các biến quan sát. Điều này liên quan đến hai khía cạnh là tƣơng quan giữa bản thân và các biến tƣơng quan của các điểm số của từng biến với điểm số toàn bộ các biến của mỗi ngƣời trả lời.
Phƣơng pháp này cho phép ngƣời phân tích loại bỏ những biến không phù hợp và hạn chế các biến rác trong mô hình nghiên
Trong ứng dụng, giá trị hệ số Alpha chấp nhận đƣợc là 0,6 – 0,7 đối với số liệu kinh tế xã hội, giá trị Alpha lớn hơn 0,8 đƣợc coi là rất tốt.
Kết luận chƣơng 2
Chƣơng 2 đã trình bày quy trình nghiên cứu luận văn, các phƣơng pháp thu thâp và xử lý dữ liệu về công tác quản trị rủi ro tín dụng tại ngân hàng BIDV chi nhánh Đông Hà Nội. Trên cơ sở đó làm nền tảng nghiên cứu thực trạng quản trị rủi ro tín dụng tại chi nhánh ở chƣơng 3.
CHƢƠNG 3: THỰC TRẠNG QUẢN TRỊ RỦI RO TÍN DỤNG TẠI
NGÂN HÀNG TMCP ĐẦU TƢ VÀ PHÁT TRIỂN VIỆT NAM