CHƯƠNG 4 THẢO LUẬN VỀ KẾT QUẢ NGHIÊN CỨU
4.2. KẾT QUẢ NGHIÊN CỨU
4.2.1. Phân tích biến độc lập
Thực hiện hồi quy Logistic bằng phần mềm SPSS với 9 biến độc lập:
46
Y Tuổi Giới tính Nghề nghiệp Thu nhập Lịch sử TD Quy mô KV Lãi suất Thời hạn vay TSĐB Y 1,000 Tuổi 0,063 1,000 Giới tính 0,155** 0,082* 1,000 Nghề nghiệp - 0,253** 0,237- ** -0,124** 1,000 Thu nhập 0,441** 0,067 0,105* * -0,289** 1,000 Lịch sử TD - 0,433** 0,123- ** -0,050 0,080* -0,329** 1,000 Quy mô KV 0,105** 0,147* * 0,068 -0,188** 0,048 0,063 1,000 Lãi suất -0,048 - 0,107** - 0,093* 0,115** -0,043 0,435** -0,040 1,000 Thời hạn vay 0,235** 0,141 * * 0,027 -0,039 0,224** -0,066 0,103** 0,490** 1,000 TSĐB 0,111** 0,102* * 0,074 -0,078* 0,106** 0,025 -0,091* 0,042 0,025 1,000 (Nguồn: Tổng hợp kết quả từ SPSS) 47 Bảng 4.3. Ma trận tương quan
S.E. Wald df Sig. Tuổi 0,024 2,996 1 0,083 Giới tính 0,502 10,155 1 0,001 Nghề nghiệp 0,574 5,193 1 0,023 Thu nhập 1,393 15,162 1 0,000 Lịch sử TD 0,997 39,119 1 0,000 Quy mô KV 0,000 11,056 1 0,001 Lãi suất 0,314 9,379 1 0,002 Thời hạn vay 0,017 0,136 1 0,712 Tài sản đảm bảo 0,160 2,879 1 0,090 Constant 3,239 9,606 1 0,002
Ghi chú: **, * có ý nghĩa thống kê lần lượt là 1%, 5%
( N g u ồ n : T ổ n g h ợ p t ừ k ế t q u ả S P S S ) 48
Kết quả trong Bảng 4.3 cho thấy tất cả các hệ số tương quan giữa các biến đều
thấp hơn 0,5. Do đó, các biến độc lập không có tương quan với nhau mà tương quan với biến phụ thuộc. Đồng thời, trong Bảng 4.2 chỉ số VIF nhỏ hơn 10, thậm chí nhỏ hơn 2 nên mô hình nghiên cứu không xảy ra hiện tượng đa cộng tuyến. Như vậy, các biến độc lập và biến phụ thuộc đủ điều kiện để thực hiện phân tích hồi quy tiếp theo.
B S.E. Wald df Sig. Giới tính 1,474 0,482 9,345 1 0,002 Nghề nghiệp -1,057 0,524 4,066 1 0,044 Thu nhập 5,767 1,403 16,888 1 0,000 Lịch sử TD -0,855 0,892 43,075 1 0,000 Quy mô KV 0,001 0,000 10,539 1 0,001 Lãi suất -1,055 0,270 15,290 1 0,000 Constant -12,562 2,848 19,462 1 0,000 Chi-square df Sig. Step 197,418 6 0,000 Block 197,418 6 0,000 Model 197,418 6 0,000
Step -2 Log likelihood Cox & Snell RSquare Nagelkerke RSquare
1 161,698a 0,259 0,616
(Nguồn: Kết quả tổng hợp từ SPSS)
Kết quả thực hiện hồi quy Logistic với 9 biến độc lập thì có 6 biến có ý nghĩa thống kê (Sig. < a = 5%) bao gồm: X2 (Giới tính), X3 (Nghề nghiệp), X4 (Thu nhập), X5 (Lịch sử tín dụng), X6 (Quy mô khoản vay), X7 (Lãi suất). Các biến X1 (Tuổi), X8
(Thời hạn vay), X9 (Tài sản đảm bảo) không tác động đến biến phụ thuộc Y (Sig. >
a = 5%), ít nhất là trong trường hợp của Agribank Bến Cát.
Kết quả sau khi thực hiện hồi quy Logistic với 6 biến độc lập được trình bày trong bảng dưới đây:
49
Bảng 4.5. Mô hình Logistic với 6 biến độc lập
(Nguồn: Kết quả tổng hợp từ SPSS) Bảng 4.6. Kiểm định giả thuyết độ phù hợp của mô hình
(Nguồn: Kết quả tổng hợp từ SPSS)
Ket quả Bảng 4.6 cho thấy mô hình có ý nghĩa thống kê do Sig. < α = 5%, tức ta bác bỏ giả thuyết HO: B1=B2=B3...=0, hay các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc. Do đó, có thể nói rằng mô hình có ý nghĩa thống kê.
Quan sát Y Độ chính xác (%) 0 1 Y 0 28 23 54,9 1 5 604 99,2 Tổng thể (%) 95,8 (Nguồn: Kết quả tổng hợp từ SPSS) 50
B S.E. Wald df Sig. Exp(B) Giới tính 1,474 0,482 9,345 1 0,002 4,365 Nghề nghiệp -1,057 0,524 4,066 1 0,044 0,347 Thu nhập 5,767 1,403 16,888 1 0,000 319,563 Lịch sử TD -0,855 0,092 43,075 1 0,000 0,425 Quy mô KV 0,001 0,000 10,539 1 0,001 1,001 Lãi suất -1,055 0,270 15,290 1 0,000 0,348 Constant -12,562 2,848 19,462 1 0,000 0,000 (Nguồn: Kết quả tổng hợp từ SPSS)
Chỉ số -2LL trong Bảng 4.7 là 161,698. Giá trị này tương đối thấp, tức là mô hình được sử dụng là phù hợp. Hơn nữa, chỉ số Nagelkerke R Square là 0,616, tức là các biến độc lập giải thích được 61,6% sự thay đổi của biến phụ thuộc. Hay nói cách khác, trong khoá luận này, các yếu tố đã xác định có thể mô tả khả năng trả nợ của KHCN tại Agribank Bến Cát với độ chính xác 61,6%.
Bảng 4.8 cho thấy kết quả về mức độ chính xác của mô hình. Trong số 51 khách hàng không có khả năng trả nợ trong dữ liệu mẫu thì mô hình dự đoán chính xác 28 khách hàng, tương ứng xác suất là 54,9%. Trường hợp khách hàng có khả năng trả nợ, mô hình dự đoán chính xác 604 khách hàng trên tổng số 609 khách hàng,
tương ứng xác suất là 99,2%. Tóm lại, tỷ lệ dự đoán chính xác của mô hình là 95,8%,
đây là một tỷ lệ rất cao, điều này là cực kỳ quan trọng trong việc ứng dụng mô hình.
4.2.2. Thảo luận về kết quả nghiên cứu
Với kết quả các hệ số hồi quy có ý nghĩa thống kê được trình bày trong Bảng 4.5, mô hình nghiên cứu có thể viết lại như sau:
∕o,ge p(p=1) = -12,562 + 1,474(Giới tính) — 1,057(Nghe nghiệp) +
5,767(Thu nhập) — 0,855(Lich s ử tín đụng) + 0,001( uy Ọ mô khoản vay) — 1,055(Lẵi suất) + ε
51
Tác động của các biến độc lập tới biến phụ thuộc trong mô hình được giải thích như sau:
4.2.2.1. Đối với các biến so có ý nghĩa thống kê Bảng 4.9. Kết quả hồi quy Logistic
Biến độc lập B
Khả năng trả nợ được ước tính khi biến độc lập thay đổi một đơn vị so với xác suất ban đầu là
10% 20% 30% 40% Giới tính 1,474 32,67% 52,19% 65,17% 74,43% Nghề nghiệp -1,057 3,72% 7,99% 12,96% 18,81% Thu nhập 5,767 97,26% 98,76% 99,28% 99,53% Lịch sử TD -0.855 4.51% 9.61% 15.42% 22.09% Quy mô KV 0,001 10,01% 20,02% 30,02% 40,02% Lãi suất -1,055 3,72% 8,01% 12,98% 18,84% (Nguồn: Kết quả tổng hợp từ SPSS)
Hệ số ước lượng (B) của các biến độc lập mang dấu dương thể hiện tương quan thuận giữa các biến độc lập và biến phụ thuộc, tức là khi biến độc lập tăng/giảm
một đơn vị thì logit(P) sẽ tăng/giảm B (hay tỷ số odds khả năng trả nợ sẽ tăng/giảm
eB). Tương tự với các hệ số ước lượng mang dấu âm sẽ thể hiện tương quan nghịch giữa các biến độc lập và biến phụ thuộc.
Bảng 4.10 sau đây ước lượng khả năng trả nợ của KHCN với giả định xác suất
trả nợ ban đầu lần lượt là 10%, 20%, 30% và 40%:
52
(Nguồn: Tác giả tổng hợp)
Dựa vào Bảng 4.9 và Bảng 4.10, tác giả thảo luận về khả năng trả nợ của KHCN tại chi nhánh nghiên cứu với giả định xác suất trả nợ ban đầu là 40%.
Giới tính
Với các điều kiện khác không đổi, nếu khách hàng vay là nam thì khả năng trả
nợ vay sẽ là 74,43%, cao hơn xác suất giả định ban đầu 34,43%. Kết quả này trái với kết quả và lý luận trong các nghiên cứu trước của Chapman (1990), Weber và Musshoff (2012) đã kết luận rằng nữ giới ít tạo rủi ro tín dụng hơn nam giới. Trong các nghiên cứu đó, có lẽ các lý luận dựa trên văn hoá Á Đông rằng nữ giới ít ưa thích
rủi ro hơn cho nên họ thận trọng hơn trong các khoản vay so với nam giới chỉ phù hợp trong bối cảnh nền kinh tế ổn định. Tuy nhiên, một số thực nghiệm cho rằng khả năng đối phó với các rủi ro, ứng biến trước các khủng hoảng của nam giới cao hơn nữ giới. Và trong thời gian nghiên cứu, nền kinh tế Việt Nam cũng như thế giới có nhiều bất ổn do tác động nặng nề của đại dịch Covid-19, do đó vai trò của nam giới trong giai đoạn này trở nên quan trọng. Họ sẽ có trách nhiệm cao hơn với gia đình rằng phải đảm bảo được thu nhập ổn định và nguồn trả nợ cho khoản vay của gia
53
đình. Bên cạnh đó, phần lớn khách hàng tại Agribank Ben Cát là nông dân sống ở các
khu vực nông thôn nơi mà văn hoá người đàn ông là trụ cột gia đình còn rất được đề cao. Có thể đó là những nguyên nhân dẫn đến trách nhiệm đối với các khoản vay của nam giới cao hơn nữ giới, ít nhất là trong trường hợp của Agribank Bến Cát.
Nghề nghiệp
Kết quả mô hình tiên lượng phù hợp với giả thuyết đặt ra ban đầu liên quan đến nghề nghiệp của người vay. Với hai khách hàng có cùng các đặc điểm, một trong
số họ là công nhân thì khả năng trả nợ giảm 21,19% so với người còn lại, chỉ còn 18,81%. Và thực tế là những khách hàng có nghề nghiệp ổn định thì khả năng tạo ra dòng tiền thường xuyên ổn định để trả nợ cũng cao hơn khách hàng làm những nghề nghiệp không ổn định. Điều này đúng với trường hợp của Chi nhánh nghiên cứu, trong số 95 khách hàng công nhân trong mẫu nghiên cứu thì có đến 23 người không có khả năng trả nợ, chiếm tỷ lệ 24,21% trong khi tỷ lệ này ở các nhóm khách hàng khác dao động từ 0 - 7% (Xem Phụ lục 9). Tuy nhiên, hiện nay việc xác định nghề nghiệp của khách hàng còn nhiều bất cập do thủ tục đơn giản, không yêu cầu nhiều dẫn đến nhiều khách hàng giả mạo hồ sơ để vay vốn, chưa kể đến áp lực doanh số làm cho một số CBTD hỗ trợ khách hàng thực hiện điều này dẫn đến hậu quả về rủi ro tín dụng nghiêm trọng. Đặc biệt trong bối cảnh dịch bệnh, đối tượng khách hàng là công nhân bị ảnh hưởng khá nhiều do đó khi cho vay đối tượng này cần xem xét kĩ lưỡng trước khi ra quyết định cho vay.
Thu nhập
Thu nhập thường xuyên của khách hàng đóng vai trò quan trọng đối với xác suất trả nợ thể hiện qua mức ý nghĩa thống kê nổi bật và hệ số tác động lớn. Cụ thể, với một triệu đồng thu nhập tăng thêm và các yếu tố khác không đổi, khả năng trả nợ
của khách hàng tăng 59,53% so với giả định xác suất ban đầu là 40%. Kết quả này phù hợp với hầu hết các nghiên cứu về khả năng trả nợ trước đó và cũng đúng trong thực tế cho vay KHCN, thu nhập của khách hàng là một trong các yếu tố quan trọng để ra quyết định cho vay vì nó là nguồn trả nợ chủ yếu bên cạnh dòng tiền tạo ra từ
54
phương án. Thu nhập càng cao sẽ càng củng cố năng lực tài chính của người vay để đảm bảo khả năng trả nợ khi đến hạn do khoản tiền còn lại sau khi trừ hết các chi phí còn dư để trả nợ. Trong những năm gần đây, thu nhập bình quân đầu người của nước ta không ngừng được cải thiện, trong đó có Bình Dương. Theo số liệu thống kê năm 2020, thu nhập bình quân đầu người của Bình Dương cao nhất cả nước, hơn 7 triệu đồng/tháng. Đây là tín hiệu chung đáng mừng, qua đó gián tiếp có thể hiểu rằng khả năng thanh toán nợ vay của người dân Bình Dương cũng được nâng cao.
Lịch sử tín dụng
Kết quả hồi quy cho thấy với các điều kiện khác không đổi, giả định xác suất ban đầu là 40%, những khách hàng đã từng phát sinh nợ quá hạn có khả năng trả nợ thấp hơn những khách hàng chưa từng phát sinh nợ quá hạn, chỉ còn 22,09%. Điều này phù hợp với thực tế, nó liên quan đến đạo đức, tình hình tài chính của khách hàng.
Nếu khách hàng là người có ý thức trả nợ tốt thì sẽ cố gắng không để phát sinh nợ quá hạn. Do đó, ngân hàng cần lưu ý khi ra quyết định cho vay đối với các đối tượng thường xuyên phát sinh nợ quá hạn. Trên thực tế tại Agribank Bến Cát, các nhóm đối tượng này được xem xét rất kĩ lưỡng, cân nhắc nhiều điều kiện trước khi ra quyết định cho vay. Các trường hợp khách hàng này được cho vay với mức lãi suất cao hơn
tù 1 - 1,5% tuỳ từng mục đích khác nhau và nguyên nhân để xảy ra nợ quá hạn, nhưng
chủ yếu là các nguyên nhân khách hàng quan, và nhóm đối tượng này cũng rất ít như đã trình bày trong phần thống kê mô tả.
Quy mô khoản vay
Kết quả hồi quy cũng cho thấy quy mô khoản vay càng lớn thì khả năng trả nợ
của khách hàng càng cao, điều này trái với giả thuyết ban đầu. Với cùng các đặc điểm
như nhau và giả định khả năng ban đầu là 40% thì cứ mỗi một triệu đồng tiền vay tăng lên sẽ làm khả năng trả nợ tăng thêm 0,02%, tức 40,02%. Mặc dù không đúng với kỳ vọng dấu ban đầu nhưng các nghiên cứu của Maharjan và cộng sự (1983), Zeller (1997), Bhatt và Sui-Yang Tanin (2002), Kohansal và Mansoori (2009) cũng có kết quả tương tự. Tại Agribank Bến Cát, các khoản vay lớn được xác định là khoản
55
vay trên 500 triệu, Giám đốc sẽ trực tiếp thẩm định các món vay này. Và thực tế là tỷ lệ không trả nợ của các khoản vay từ 500 trở xuống tại Chi nhánh chiếm đến hơn 78% trong tổng số các khoản vay không có khả năng hoàn trả. Đây là con số đáng kể! Nhìn chung, xét về lý thuyết khoản vay càng lớn thì rủi ro vỡ nợ càng cao do đó mà phía ngân hàng trong quá trình thẩm định cũng kĩ càng hơn, chuyên nghiệp hơn, yêu cầu khắt khe hơn đối với khách hàng. Điều đó lại giúp khoản vay chất lượng hơn.
Bên cạnh đó, như đã trình bày trong phần thống kê mô tả, các khoản vay lớn sẽ giúp khách hàng dễ xoay sở và tạo ra giá trị hơn các khoản vay nhỏ thường mang tính cấp thời. Tuy nhiên, cần phải nhấn mạnh rằng tác giả không phủ nhận việc các khoản vay
lớn luôn tiềm ẩn rủi ro và cần được xem xét cẩn trọng.
Lãi su at
Lãi suất càng cao thì khả năng trả nợ của khách hàng càng giảm là kết quả của
mô hình tiên lượng về khả năng trả nợ của KHCN tại Agribank Bến Cát. Kết quả này
phù hợp với giả thuyết ban đầu. Cụ thể, với các yếu tố khác không thay đổi, giả định xác suất ban đầu là 40% thì mỗi một 1%/năm lãi suất cho vay tăng lên thì khả năng trả nợ của khách hàng giảm 21,16%, còn 18,84%. Những khách hàng chấp nhận khoản vay với lãi suất cao thường dễ xảy ra rủi ro hơn vì họ phải trả số tiền lãi cao hơn trong khi thu nhập không thể đảm bảo hoàn trả đủ cho khoản vay. Mặt khác, lãi suất là giá cả (chi phí) sử dụng vốn và khách hàng thường lựa chọn những ngân hàng
cho vay với lãi suất thấp hơn, trong đó có Agribank Bến Cát. Khi đó nguồn thu nhập của họ đủ để thanh toán nợ khi đến hạn. Thực tế những năm qua, tình hình kinh tế đất nước nói chung, tại tỉnh Bình Dương nói riêng, có nhiều biến động, ảnh hưởng đến thu nhập của người dân, đồng thời cũng tác động đến kinh doanh của ngân hàng. Do đó có hiện tượng ngân hàng gia tăng lãi suất cho vay cá nhân, trong khi khách hàng gặp khó khăn trong việc tạo ra thu nhập để trả nợ. Cụ thể trong trường hợp của Agribank Bến Cát, trong vòng 3 năm trở lại đây, nợ xấu do không trả được nợ tăng liên tục dù vẫn nằm trong mức giới hạn của Chi nhánh (Bảng 3.2). Qua đó có thể thấy, lãi suất cao làm tăng áp lực tài chính do đó làm giảm khả năng trả nợ của khách
56
4.2.2.2. Các biến số không có ý nghĩa thống kê Tuổi
Ket quả nghiên cứu cho thấy biến số độ tuổi của người vay không tác động đến khả năng trả nợ của họ tại mức ý nghĩa 5%. Trong các nghiên cứu thực nghiệm đã trình bày trong Chương 2, độ tuổi có tác động âm đến khả năng trả nợ của khách hàng do những khách hàng trẻ thì cởi mở và dễ dàng tiếp thu các kiến thức mới trong
sản xuất dẫn đến hiệu quả cũng cao hơn. Hay ngược lại, một số khác chỉ ra rằng độ tuổi có tác động dương đến khả năng trả nợ khi lập luận rằng người trẻ thì ưa thích rủi ro hơn và ít kinh nghiệm sản xuất hơn những người lớn tuổi. Tuy nhiên, kết quả mô hình nghiên cứu lại cho rằng không có tác động của yếu tố độ tuổi đến khả năng trả nợ. Có thể do người trẻ vốn ưa thích rủi ro hơn đã không sử dụng vốn hiệu quả