STT Hệ đào tạo Dư nợ HSSV
(trđ) Số HSSV Tỷ lệ %
1 Đại học 114.241 4.363 65,38
2 Cao đẳng 48.543 2.287 27,78
3 Cao đẳng nghề 3.873 185 2,22
4 Trung cấp chuyên nghiệp 5.408 317 3,09
5 Trung cấp nghề 2.605 158 1,49
6 Sơ cấp nghề 75 4 0,04
Tổng cộng 174.746 7.314 100
39
4.1.2 Kết quả thống kê mô tả các nhân tố ảnh hưởng trong mô hình
Trước khi tiến hành chạy mô hình, tiến hành thống kê số liệu các nhân tố ảnh hưởng đến KNTN vay của HSSV dựa trên 400 mẫu dữ liệu hồ sơ vay vốn HSSV tại NHCSXH Bến Tre để giúp nắm được thực trạng vùng nghiên cứu (bảng 4.4).
Bảng 4.4: Thống kê mô tả các biến trong mô hình
Nguồn: Phân tích dựa trên mẫu nghiên cứu Bảng 4.4 cho thấy số thành viên không tạo ra thu nhập trung bình mỗi gia đình khoảng hai người. Số người phụ thuộc trong mẫu quan sát có thể là người già, trẻ em và HSSV đang đi học. Đây là nguyên nhân làm tăng gánh nặng chi phí sinh hoạt cho gia đình và cả HSSV. Nghề nghiệp chính của đa số hộ gia đình vay vốn HSSV tại Bến Tre là hoạt động sản xuất nông nghiệp với nguồn thu nhập bấp bênh, thường không ổn định. Khi HSSV ra trường tìm được việc làm, phần lớn thu nhập thường phải phụ gia đình trang trãi cuộc sống, phụ gia đình lo chi phí cho các em đi học, điều này đã ảnh hưởng rất lớn đến KNTN vay.
Thu nhập bình quân hàng tháng của HSSV sau khi ra trường tìm được việc làm chưa ổn định, thu nhập thường không cao, mức thu nhập bình quân 5,6 triệu đồng/tháng. Nhiều viên vay vốn ra trường gặp khó khăn để tìm kiếm một công việc phù hợp. Thực trạng sinh viên chấp nhận làm các công việc trái ngành hoặc chưa tìm được việc làm khá phổ biến hiện nay. Khoản thu nhập này chủ yếu để phục vụ cho việc trang trải các chi phí sinh hoạt và rất áp lực cho việc hoàn trả nợ đến hạn khi có phát sinh. Biến Số quan sát Giá trị nhỏ nhất Giá trị lớn nhất Trung bình Độ lệch chuẩn
Quy mô khoản vay (trđ) 400 4,5 38,5 19,445 8,6252 Lãi suất món vay (%/năm) 400 6 7,8 7,4586 0,45852 Thu nhập bình quân sau
khi ra trường (trđ/tháng) 400 3 10,5 5,666 1,4477 Số người phụ thuộc trong
40
Đa số các khoản vay HSSV đều là những món vay nhỏ, phù hợp với đối tượng nghiên cứu có quy mô món vay thấp nhất là 4,5 triệu đồng, cao nhất là 38,5 triệu đồng và trung bình vào khoảng 19,4 triệu đồng. Bên cạnh đó, lãi suất cho vay ưu đãi được Chính phủ qui định thường rất thấp, thấp nhất là 6%/năm và cao nhất là 7,8%/năm.
Các biến phụ thuộc KNTN vay là biến nhị phân, biến giới tính của HSSV, biến việc làm sau khi ra trường, biến đối tượng gia đình vay vốn HSSV là biến giả, chỉ nhận hai giá trị 0 và 1 nên khó có thể nhận xét, phân tích. Do đó, các biến này sẽ được mô tả trong bảng 4.5 phân tích tần suất.
Bảng 4.5: Tần suất xuất hiện các biến trong mô hình
Biến Giá trị Tần suất %
Khả năng trả nợ Trả được nợ (đúng hạn = 1) 306 76,5
Có nợ quá hạn (= 0) 94 23,5
Giới tính HSSV Nam (= 1) 157 39,2
Nữ (= 0) 243 60,8
Hệ đào tạo Đại học (= 1) 199 49,8
Cao đẳng, trung cấp (= 0) 201 50,2
Việc làm sau khi ra
trường Có việc làm (= 1)
294 73,5
Chưa có việc làm (= 0) 106 26,5
Đối tượng gia đình vay vốn HSSV
Đối tượng khó khăn về tài chính (= 1)
238 59.5
Đối tượng khác (= 0) 162 40,5
Nguồn: Phân tích dựa trên mẫu nghiên cứu Bảng 4.5 cho thấy, trong 400 mẫu được chọn có 306 mẫu có KNTN trả được nợ vay đúng hạn, chiếm tỷ lệ 76,5% tổng thể; số hộ có nợ quá hạn chiếm 23,5%. Kết quả cũng cho thấy, số người đi vay là nữ giới chiếm tỷ trọng cao trong mẫu điều tra, chiếm 60,8%. Số lượng HSSV theo học hệ đại học chiếm 49,8%, học cao đẳng và trung cấp chiếm 50,2%. Số HSSV ra trường có việc tương chiếm 73,5%, chưa có việc làm 26,5%. Đối tượng gia đình vay vốn HSSV là đối tượng hộ khó khăn về tài chính chiếm 59,5%, trong khi đó đối tượng vay vốn là hộ nghèo, hộ cận nghèo và các đối tượng còn lại chiếm 40,5%.
41
4.2 Phân tích tương quan
Để phân tích kết quả hồi quy ta sử dụng mô hình hồi quy Logistic với biến phụ thuộc là biến nhị phân nhận giá trị bằng 0 nếu có nợ quá hạn và giá trị 1 nếu trả được nợ đúng hạn. Trước hết, ta cần xem xét mối tương quan giữa các biến với nhau trong mẫu quan sát.
Bảng 4.6 cho thấy các biến độc lập trong mô hình đều có tương quan với biến phụ thuộc ở mức ý nghĩa 1% và 5%. Trong đó, hệ số tương quan cao nhất là giữa biến phụ thuộc với biến độc lập số người phụ thuộc 0,497 (tương quan nghịch) và thấp nhất là biến quy mô khoản vay chỉ có 0,101 (tương quan thuận).
Bảng 4.6: Ma trận hệ số tương quan giữa các biến trong mô hình
KNTRANO GTINHSV QUYMO HEDTAO LSUAT VLAMSV TNHAPSV NPTHUOC DTGD KNTRANO 1 GTINHSV 0,107* 1 QUYMO 0,101* 0,102* 1 HEDTAO 0,250** 0,073 0,261** 1 LSUAT 0,106* -0,030 -0,030 -0,013 1 VLAMSV 0,402** 0,088 -0,009 0,116* 0,070 1 TNHAPSV 0,394** 0,069 0,065 0,125* 0,050 0,488** 1 NPTHUOC -0,497** -0,028 -0,049 -0,242** -0,102* -0,378** -0,370** 1 DTGD 0,397** 0,015 0,027 0,169** 0,054 0,242** 0,213** -0,706** 1
**. Tương quan có ý nghĩa thống kê ở mức ý nghĩa 1% *. Tương quan có ý nghĩa thống kê ở mức ý nghĩa 5%
Nguồn: Phân tích dựa trên mẫu nghiên cứu Kết quả bảng 4.6 cũng chỉ ra giữa các biến độc lập trong mô hình vẫn tồn tại mối tương quan với nhau, đặc biệt là biến đối tượng gia đình vay vốn và biến số người phụ thuộc có thể có tương quan chặt với nhau, hệ số tương quan = 0,706. Do vậy, mô hình có thể xuất hiện hiện tượng đa cộng tuyến, nghiên cứu cần tiếp tục kiểm định hiện tượng đa cộng tuyến ở bước tiếp theo.
4.3 Kiểm định đa cộng tuyến
Dựa vào hệ số phóng đại phương sai VIF tại bảng 4.7 ta thấy, mô hình không xảy ra hiện tượng đa cộng tuyến, thể hiện qua giá trị VIF của tất cả các biến đều nhỏ hơn 10 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Do đó, các biến đề xuất
42
đưa vào mô hình nghiên cứu thỏa mãn các điều kiện để tiến hành chạy phân tích hồi quy Binary Logistic ở bước tiếp theo.
Bảng 4.7: Kiểm định đa cộng tuyến
Stt Biến Hệ số phóng đại phương sai VIF
1 Giới tính HSSV 1,02
2 Quy mô khoản vay 1,09
3 Hệ đào tạo 1,14
4 Lãi suất 1,02
5 Việc làm sau khi ra trường 1,41
6 Thu nhập sau khi ra trường 1,40
7 Số người phụ thuộc trong gia đình HSSV 2,36
8 Đối tượng gia đình vay vốn HSSV 2,01
Nguồn: Phân tích dựa trên mẫu nghiên cứu
4.4 Các kiểm định, phân tích và thảo luận
Thực hiện hồi qui Binary Logistic trên phần mềm SPSS với biến phụ thuộc là KNTN vay và tám biến độc lập gồm: Quy mô khoản vay, lãi suất khoản vay, giới tính HSSV, hệ đào tạo, tình trạng việc làm của HSSV sau khi ra trường, thu nhập của HSSV sau khi ra trường, số người phụ thuộc trong gia đình, đối tượng gia đình vay vốn HSSV, được kết quả được tính trong bảng 4.8.
43
Bảng 4.8: Kết quả hồi qui Binary Logistic trên SPSS Biến Biến Hệ số hồi qui B Sai số chuẩn S.E. Kiểm định Wald Bậc tự do df Mức ý nghĩa Sig. Hệ số Exp(B) Giới tính HSSV 0,426 0,324 1,726 1 0,189 1,531
Quy mô khoản vay 0,021 0,019 1,230 1 0,267 1,021
Hệ đào tạo 0,860 0,329 6,838 1 0,009 2,362
Lãi suất cho vay 0,481 0,319 2,280 1 0,131 1,618 Việc làm sau khi ra
trường 0,786 0,351 5,023 1 0,025 2,194
Thu nhập sau khi ra
trường 0,489 0,145 11,383 1 0,001 1,630
Số người phụ thuộc
trong gia đình HSSV -0,901 0,255 12,507 1 0,000 0,406 Đối tượng gia đình
vay vốn HSSV 1,913 0,582 10,795 1 0,001 6,777
Hằng số -4,876 2,655 3,372 1 0,066 0,008
Số quan sát 400
Hệ số -2 Log likelihood 269,159
Hệ số Cox & Snell R Square 0,341
Hệ số Nagelkerke R Square 0,514
Nguồn: Phân tích dựa trên mẫu nghiên cứu
4.4.1 Kiểm định độ phù hợp của mô hình nghiên cứu
Để kiểm định mức độ phù hợp tổng quát của mô hình, nghiên cứu dựa trên kết quả của kiểm định của bảng Omnibus Tests of Model Coefficients, bảng 4.9 cho thấy sig. = 0,000 < 0,05. Do đó, chấp nhận giả thuyết H1 và mô hình được xem là phù hợp, có ý nghĩa thống kê.
44
Bảng 4.9: Kiểm định độ phù hợp tổng quát của mô hình Chi - bình phương Bậc tự do Sig.
Step 1
Step 167,039 8 0,000
Block 167,039 8 0,000
Model 167,039 8 0,000
Nguồn: Phân tích dựa trên mẫu nghiên cứu Kiểm định mức độ giải thích của mô hình Model Summary (bảng 4.10) cho thấy giá trị -2 LL = 269,159 giá trị này tương đối cao; R2 – Nagelkerke = 0,514 có nghĩa là 51,4% thay đổi của biến phục thuộc được giải thích bởi các biến độc lập, nên mức độ phù hợp của mô hình chỉ mang tính tương đối.
Bảng 4.10: Kiểm định độ phù hợp của mô hình Step Hệ số -2 Log
likelihood
Hệ số Cox & Snell R Square
Hệ số Nagelkerke R Square
1 269,159 0,341 0,514
Nguồn: Phân tích dựa trên mẫu nghiên cứu
4.4.2 Kiểm định độ tính chính xác trong dự báo của mô hình nghiên cứu
Mức độ chính xác của dự báo cũng được thể hiện qua bảng Classification Table (bảng 4.11), bảng này cho thấy trong 94 quan sát được dự đoán là không có KNTN thì mô hình dự đoán đúng được 50 trường hợp với tỷ lệ là 53,2%. Còn với 306 quan sát được dự đoán là có KNTN thì mô hình đã dự đoán đúng 277 trường hợp, chiếm tỷ lệ 90,5%. Tỷ lệ dự đoán đúng của toàn mô hình là 81,8%. Như vậy mô hình nghiên cứu có tính phù hợp.
Bảng 4.11: Kiểm định tính chính xác trong dự báo của mô hình Quan sát Dự đoán KNTRANO Có nợ quá hạn Trả được nợ (đúng hạn) % dự báo đúng KNTRANO Có nợ quá hạn 50 44 53,2 Trả được nợ (đúng hạn) 29 277 90,5 % Tổng thể 81,8
45
4.4.3 Kiểm định ý nghĩa các hệ số hồi qui trong mô hình nghiên cứu
Bảng 4.8 thể hiện kết quả của kiểm định Wald (kiểm định giả thuyết hồi qui khác không), kết quả cho thấy trong tám biến đưa vào mô hình thì có năm biến có ý nghĩa về mặt thống kê ở mức ý nghĩa 5%, cụ thể gồm các biến như: Hệ đào tạo, tình trạng việc làm sau khi ra trường, thu nhập của HSSV sau khi ra trường, số người phụ thuộc trong gia đình, đối tượng gia đình vay vốn HSSV. Còn lại các biến là giới tính HSSV, quy mô và lãi suất khoản vay không có ý nghĩa về mặt thống kê và sẽ được loại bỏ khỏi mô hình nghiên cứu.
4.4.4 Kiểm định phương sai sai số thay đổi
Sau khi sử dụng kiểm định Spearman trên SPSS cho thấy, phương sai của phần dư thay đổi có phân phối không giống nhau, qua mức ý nghĩa sig. < 0,05. Do đó, mô hình có hiện tượng phương sai thay đổi. Để đơn giản và khắc phục được tốt hiện tượng này, cần chạy phân tích hồi qui Binary Logistic với tham số Robust trên phần mềm STATA.
Bảng 4.12 và 4.13 thể hiện kết quả mô hình hồi qui cho thấy, phương sai các ước lượng và mức ý nghĩa các biến đã được điều chỉnh để đảm bảo khắc phục hiện tượng phương sai thay đổi. Đặc biệt, kết quả chạy mô hình hồi qui Binary Logistic được phân tích trên STATA vẫn không thay đổi so với phân tích trên SPSS. Tóm lại, qua nhiều kiểm định đã được thực hiện, có thể kết luận mô hình hồi qui đáp ứng tốt yêu cầu nghiên cứu. Tiếp theo sẽ tiến hành thảo luận kết quả hồi qui và đánh giá mức độ tác động của các nhân tố có ý nghĩa trong mô hình.
46
Bảng 4.12: Kết quả hồi qui Binary Logistic theo hệ số hồi qui trên STATA
KNTRANO Tham số Robust z P>z [95% Conf. Interval] Hệ số Coef. Sai số chuẩn S.E. GTINHSV 0,426 0,326 1,31 0,191 -0,212 1,064 QUYMO 0,021 0,020 1,04 0,300 -0,018 0,059 HEDTAO 0,860 0,337 2,55 0,011 0,200 1,519 LSUAT 0,481 0,330 1,46 0,145 -0,166 1,129 VLAMSV 0,786 0,368 2,14 0,033 0,065 1,506 TNHAPSV 0,489 0,145 3,36 0,001 0,207 0,774 NPTHUOC -0,901 0,232 -3,89 0,000 -1,355 -0,447 DTGD 1,913 0,485 3,95 0,000 0,963 2,864 Hằng số -4,876 2,752 -1,77 0,076 -10,269 0,517 Nguồn: Phân tích dựa trên mẫu nghiên cứu
Bảng 4.13: Kết quả hồi qui Binary Logistic theo tỷ số Odds trên STATA KNTRANO
Tham số Robust
z P > z [95% Conf. Interval] Tỉ số Odds Sai số
chuẩn S.E. GTINHSV 1.531 0.499 1.31 0.191 0.809 2.899 QUYMO 1,021 0,020 1,04 0,300 0,982 1,061 HEDTAO 2,362 0,795 2,55 0,011 1,221 4,568 LSUAT 1,618 0,535 1,46 0,145 0,847 3,093 VLAMSV 2,194 0,807 2,14 0,033 1,067 4,510 TNHAPSV 1,630 0,237 3,36 0,001 1,226 2,168 NPTHUOC 0,406 0,094 -3,89 0,000 0,258 0,639 DTGD 6,777 3,287 3,95 0,000 2,619 17,533 Hằng số 0,008 0,021 -1,77 0,076 0,000 1,677
Nguồn: Phân tích dựa trên mẫu nghiên cứu
4.4.5 Thảo luận kết quả hồi qui
Sau khi loại bỏ một số biến độc lập không có ý nghĩa về mặt thống kê, mô hình nghiên cứu KNTN của HSSV tại NHCSXH Bến Tre có thể viết lại:
47
LogePP((YY01)) = - 4,876 + 0,860*HDTAO + 0,786*VLAMSV + 0,489*TNHAPSV – 0,901*NPTHUOC + 1,913*DTGD
Kết quả hồi qui Binary Logistic nhằm nhận diện những nhân tố ảnh hưởng đến KNTN của HSSV trong mẫu nghiên cứu, và đã chỉ ra năm biến độc lập có ý nghĩa về mặt thống kê bao gồm: Hệ đào tạo, tình trạng việc làm sau khi ra trường, thu nhập bình quân của HSSV sau khi ra trường, số người phụ thuộc trong gia đình, đối tượng gia đình vay vốn HSSV. Cả năm biến độc lập này đều có ý nghĩa ở mức 5%.
Trong đó, biến số người phụ thuộc có hệ số hồi qui mang dấu âm, đúng với kỳ vọng trong giả thiết ban đầu, có nghĩa là khi tăng thêm một đơn vị biến này thì sẽ làm giảm KNTN vay của HSSV, trong điều kiện các nhân tố khác không đổi. Ngược lại, các biến như hệ đào tạo, tình trạng việc làm của HSSV sau khi ra trường, thu nhập của HSSV sau khi ra trường, đối tượng gia đình vay vốn HSSV có hệ số hồi qui mang dấu dương, đúng với kỳ vọng trong giả thiết, điều này cho thấy những nhân tố này làm tăng KNTN vay của HSSV nếu tăng thêm một đơn vị của các nhân tố đó trong điều kiện các nhân tố khác không đổi. Như vậy, các hệ số hồi qui có dấu đúng với dấu của kỳ vọng ban đầu.
Bên cạnh đó, còn lại các biến là biến giới tính, quy mô khoản vay và lãi suất khoản vay không có ý nghĩa về mặt thống kê trong mô hình nghiên cứu.
Để giải thích rõ hơn mức độ tác động của từng nhân tố ảnh hưởng đến KNTN vay của HSSV, nghiên cứu tiến hành mô phỏng tỷ lệ KNTN vay của HSSV.
Đặt P0: Xác suất ban đầu. P1: Xác suất thay đổi. Với P1 = )) ( 1 ( 1 ) ( * 0 0 B Exp P B Exp P
Dựa vào kết quả chạy hồi quy Binary Logistic ở bảng 4.8 và công thức nêu trên tính toán được bảng 4.14 như sau:
48
Bảng 4.14: Ước lượng KNTN vay theo tác động của từng nhân tố
Các biến độc lập hồi qui Hệ số B
Hệ số Exp(B)
Mô phỏng xác suất trả nợ khi biến độc lập thay đổi 1 đơn vị và
xác suất ban đầu là: 5% 10% 15% 20%
Hệ đào tạo 0,860 2,362 11,06 20,79 29,42 37,13
Tình trạng việc làm của
HSSV sau khi ra trường 0,786 2,194 10,35 19,60 27,91 35,42 Thu nhập bình quân của
HSSV sau khi ra trường 0,489 1,630 7,90 15,33 22,34 28,95 Số người phụ thuộc
trong gia đình HSSV -0,901 0,406 2,09 4,32 6,69 9,21 Đối tượng gia đình vay