Omnibus Tests of Model Coefficients
Chi-square Df Sig.
Step 1 Step 221.745 5 .000
Block 221.745 5 .000
Sử dụng kiểm định Chi-square, căn cứ vào mức ý nghĩa Sig < 0.05. Kết luận khơng có hiện tượng các hệ số hồi quy đồng thời bằng khơng. Như vậy, mơ hình có ý nghĩa thống kê hay nói cách khác mơ hình có độ phù hợp tổng qt cao.
Bảng 3.8: Kiểm định sự phù hợp của mơ hình Model Summary Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 236.021a .380 .649
a. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.
Phân tích mơ hình hồi quy giới hạn với 6 biến độc lập là: Độ tuổi, Trình độ học vấn, tình trạng hôn nhân, số người phụ thuộc, thu nhập, hạn mức TTDQT. Kết quả phân tích mơ hình hồi quy giới hạn cho thấy -2LL = 236.021 cao hơn so với - 2LL của mơ hình hồi quy tổng thể (236.021 > 235.004). Tuy nhiên, tỷ lệ chênh lệch là rất nhỏ.
Bảng 3.9: Kiểm định sự phù hợp giữa kết quả dự báo và dữ liệu Hosmer and Lemeshow Test Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 2762.511 8 .000
Mức ý nghĩa của kiểm định Chi-square là 0.000 < 0.05 nên ta kết luận có sự phù hợp cao giữa dữ liệu nghiên cứu và kết quả dự báo.
Bảng 3.10: Ƣớc lƣợng mức độ dự báo chính xác của mơ hình Classification Tablea Observed Predicted No_xau.Y Percentage Correct 0 1 Step 1 No_xau.Y 0 483 12 97.6 1 24 70 74.5 Overall Percentage 93.9
Dựa vào kết quả tại Bảng 3.8 ta kết luận mơ hình hồi quy giới hạn có thể dự báo chính xác 93.9% xác suất khách hàng phát sinh nợ xấu TTDQT. Tỷ lệ dự báo chính xác của mơ hình tổng thể và mơ hình giới hạn là bằng nhau.
3.2.3 Nhận xét và lựa chọn mơ hình tối ƣu
Nhận xét chung: Cả hai mơ hình đều có độ phù hợp tổng qt cao (Omnibus test of Model Coefficients có Sig. = 0.000). Kết quả dự báo của mơ hình phù hợp với dữ liệu nghiên cứu (Hosmer and Lemeshow Test có Sig. = 0.000).
3.2.3.1 Căn cứ vào tiêu chuẩn định tính để lựa chọn mơ hình tối ƣu
Để lựa chọn mơ hình tối ưu tác giả sẽ căn cứ trên các tiêu chuẩn: Tiêu chuẩn đơn giản, tiêu chuẩn đầy đủ, tiêu chuẩn có ý nghĩa thực tế.
Tiêu chuẩn đơn giản: “Tiêu chuẩn đơn giản địi hỏi mơ hình có ít biến số
độc lập, vì nếu quá nhiều biến số thì vấn đề diễn dịch sẽ trở nên khó khăn, và có khi thiếu thực tế” (Nguyễn văn Tuấn, 2008, trang 233). Mơ hình hồi quy giới hạn bao gồm 6 biến độc lập và tất cả các biến đều có ý nghĩa thống kê. Trong khi đó, mơ hình tổng thể có 8 biến độc lập trong đó có 2 biến khơng có ý nghĩa thống kê. Căn cứ theo tiêu chuẩn đơn giản thì các mơ hình hồi quy giới hạn được đánh giá cao hơn vì có số lượng biến ít hơn và các hệ số hồi quy có mức ý nghĩa tốt hơn. Mơ hình giới hạn sẽ giúp ta diễn dịch dễ dàng hơn và có ý nghĩa thống kê chính xác hơn.
Tiêu chuẩn đầy đủ: “Tiêu chuẩn đầy đủ ở đây có nghĩa là mơ hình đó phải
mơ tả dữ liệu một cách thỏa đáng, tức phải tiên đoán gần (hay càng gần càng tốt) với giá trị thực tế quan sát của biến phụ thuộc Y. Nếu giá trị quan sát của Y là 10 và nếu có một mơ hình tiên đốn là 9 và một mơ hình tiên đốn là 6 thì mơ hình đầu phải được xem là đầy đủ hơn.” (Nguyễn văn Tuấn, 2008, trang 233).
Bảng 3.11: So sánh khả năng dự báo của hai mơ hình
Chỉ tiêu Mơ hình tổng thể Mơ hình giới hạn
-2LL 235.004 236.021
Hệ số -2LL của mơ hình tổng thể thấp hơn so với mơ hình tổng thể nhưng sự khác biệt là khơng lớn (1.017 đơn vị) chứng tỏ mơ hình tổng thể có độ phù hợp cao hơn khơng đáng kể so với mơ hình giới hạn.
Tỷ lệ dự báo chính xác của hai mơ hình là bằng nhau trong khi mơ hình giới hạn khơng bao gồm các biến khơng có ý nghĩa. Vậy nếu căn cứ vào tiêu chuẩn đầy đủ thì mơ hình giới hạn được đánh giá cao hơn vì có mức độ dự báo chính xác cao và khơng bao gồm các biến khơng có ý nghĩa.
Giá trị của Nagelkerke R Square trong mơ hình tổng thể và mơ hình giới hạn lần lượt là 65.15%, 64.9%. Cả hai mơ hình đều cho thấy: Việc sử dụng các biến độc lập đưa vào mơ hình để giải thích sự biến thiên của biến phụ thuộc là khá cao. M c dù mơ hình tổng thể được đánh giá cao hơn nhưng mức độ chênh lệch là khơng đáng kể 0.25%.
Hai mơ hình có cùng mức độ dự báo chính xác nhưng độ phù hợp và khả năng giải thích sự biến thiên của mơ hình giới hạn có phần thấp hơn khơng đáng kể so với mơ hình tổng thể và tất cả các biến trong mơ hình giới hạn đều có ý nghĩa thơng kê. Như vậy, nhìn chung thì mơ hình giới hạn được đánh giá cao hơn.
Có ý nghĩa thực tế: “Có nghĩa là mơ hình đó phải được yểm trợ bằng lý
thuyết hay có ý nghĩa thực tế, ý nghĩa lâm sàng (nếu là nghiên cứu lâm sàng), v.v... Có thể số điện thoại một cách nào đó có liên quan đến tỉ lệ gãy xương, nhưng tất nhiên một mơ hình như thế hồn tồn vơ nghĩa. Đây là một tiêu chuẩn quan trọng, bởi vì nếu một phân tích thống kê dẫn đến một mơ hình dù rất có ý nghĩa tốn học mà khơng có ý nghĩa thực tế thì mơ hình đó cũng chỉ là một trị chơi con số, khơng có giá trị khoa học thật sự.” (Nguyễn văn Tuấn, 2008, trang 233). Các lý thuyết nghiên cứu về ảnh hưởng giữa giới tính, tình trạng sở hữu nhà ở và hành vi thanh tốn nợ thẻ quốc tế chưa có sự thống nhất trong kết quả nghiên cứu. Một số nghiên cứu cho rằng có sự tương quan giữa các biến giới tình, trình trạng sở hữu nhà ở và hành vi thanh toán nợ thẻ, trong khi một số nghiên cứu khác lại khơng đồng tình. Vì vậy, chưa thể căn cứ theo tiêu chuẩn có ý nghĩa thực tế để lựa chọn mơ hình tối ưu.
Căn cứ theo các tiêu chí lựa chọn mơ hình tối ưu. Tiêu chí đơn giản và đầy đủ ủng hộ việc sử dụng mơ hình giới hạn là mơ hình tối ưu. Tiêu chí có ý nghĩa thực
tế chưa thể kết luận mơ hình nào tốt hơn. Như vậy, 2/3 tiêu chuẩn ủng hộ việc chọn mơ hình giới hạn là mơ hình tối ưu.
3.2.3.2 Căn cứ vào hệ số AIC để lựa chọn mơ hình tối ƣu
Một thước đo quan trọng và có ích để chúng ta quyết định một mơ hình đơn giản và đầy đủ là Akaike Information Criterion (AIC). Mơ hình tối ưu là mơ hình có hệ số AIC nhỏ nhất và các biến độc lập phải có ý nghĩa thống kê. R có một hàm gọi là step có thể giúp chúng ta đi tìm một mơ hình đơn giản và đầy đủ. Kết quả phân tích dữ liệu trên phần mềm R thu được hệ số AIC như sau.
Phần mềm R báo cáo từng bước lựa chọn mơ hình tối ưu. Khởi đầu là mơ hình với 8 biến độc lập có hệ số AIC là 233.35, sau đó là 7 biến độc lập với AIC là 230.03. Cuối cùng là mơ hình tối ưu với 6 biến độc lập có hệ số AIC là 228.29. Căn cứ theo hệ số AIC thì mơ hình giới hạn được đánh giá là có khả năng dự báo tốt hơn vì có hệ số AIC thấp nhất.
Kết luận: Xét về tổng thể các yếu tố, mơ hình hồi quy giới hạn được đánh
giá cao hơn. Như vậy, dựa trên cơ sở dữ liệu của mơ hình, căn cứ vào các tiêu chuẩn lựa chọn mơ hình và hệ số AIC. Tác giả đề xuất sử dụng mơ hình giới hạn để áp dụng trong dự báo xác suất nợ xấu TTDQT.
Mơ hình tối ưu:
[
]
3.3 Ý nghĩa của các hệ số hồi quy trong mơ hình tối ƣu
Để dễ dàng diễn dịch và phân tích ý nghĩa của hệ số hồi quy, cơng thức (1) có thể được viết lại như sau.
(2)
Dựa theo công thức (2) ta thấy rằng, khi các biến độc lập tăng thêm một đơn vị thì tỷ lệ giữa xác suất khách hàng phát sinh nợ xấu so với không phát sinh nợ xấu sẽ thay đổi tương ưng là . Ví dụ: Khi trình độ khách hàng cao thêm một bậc thì xác suất khách hàng phát sinh nợ xấu so với không phát sinh nợ xấu sẽ giảm tương ứng là:
= 0.157 lần
Phần mềm SPSS đã hỗ trợ việc tính tốn sự biến thiên về xác suất nợ xấu. Tại cột Exp(B) tại Bảng 3.6 là tỷ lệ thay đổi của xác suất phát sinh nợ xấu so với xác suất không phát sinh nợ xấu khi các biến phụ thuộc tăng thêm 1 đơn vị.
Độ tuổi ( = -0.055): Trong khi các yếu tố khách không đổi, với mức ý nghĩa 5%, khi khách hàng tăng thêm một tuổi thì tỷ lệ xác suất nợ xấu so với tỷ lệ xác suất trả nợ đúng hạn giảm là 0.946 lần.
Trình độ học vấn ( = -1.852): Trong điều kiện các yếu tố khác không đổi, với mức ý nghĩa 5% khi trình độ của chủ thẻ tăng thêm 1 đơn vị thì tỷ lệ xác suất nợ xấu của chủ thẻ so với xác suất trả nợ đúng hạn giảm 0.157 lần.
Trình trạng hơn nhân ( = -1.409): Trong điều kiện các yếu tố khác không đổi, với mức ý nghĩa 5% khi chủ thẻ đã kết hơn thì tỷ lệ xác suất nợ xấu của chủ thẻ so với xác suất trả nợ đúng hạn giảm 0.244 lần.
Số người phụ thuộc ( = 1.492): Trong điều kiện các yếu tố khác không đổi, với mức ý nghĩa 5% khi tăng thêm một người phụ thuộc thì tỷ lệ xác suất nợ xấu của chủ thẻ so với xác suất trả nợ đúng hạn tăng 4.444 lần.
Thu nhập ( = -0.428): Trong điều kiện các yếu tố khác không đổi, với mức ý nghĩa 5% khi thu nhập của chủ thẻ tăng thêm một triệu đồng thì tỷ lệ xác suất nợ xấu của chủ thẻ so với xác suất trả nợ đúng hạn giảm 0.652 lần.
Hạn mức ( = 0.033): Trong điều kiện các yếu tố khác không đổi, với mức ý nghĩa 5% khi hạn mức của chủ thẻ tăng thêm một triệu đồng thì tỷ lệ xác suất nợ xấu của chủ thẻ so với xác suất trả nợ đúng hạn tăng 1.034 lần.
Kết quả nghiên cứu phù hợp với cơ sở lý thuyết và kỳ vọng về dấu của hệ số hồi qui trong mơ hình.
3.4 Dự báo xác suất phát sinh nợ xấu
Để dự báo xác suất phát sinh nợ xấu thẻ tín dụng. Cơng thức (1) được viết lại như sau:
(3)
Dựa theo công thức (3) ta đưa ra được dự báo xác suất khách hàng phát sinh nợ xấu. Giả sử có một khách hàng có thơng tin như sau: Khách hàng 30 tuổi, trình
đồng, mở thẻ tín dụng với hạn mức là 45 triệu đồng (Gấp ba lần lương) thì ta có xác suất phát sinh nợ xấu của khách hàng này là:
= 60%
P = 60% ta kết luận xác suất khách hàng phát sinh nợ xấu là 60% > 50% nên ta kết luận không thể cấp tín dụng cho khách hàng với hạn mức 45 triệu đồng. Trong trường hợp, nếu cán bộ tín dụng đề nghị giảm hạn mức tín dụng của khách hàng xuống còn 30 triệu đồng (Gấp hai lần lương) thì xác suất phát sinh nợ xấu của khách hàng là: P = 37% ta kết luận xác suất khách hàng phát sinh nợ xấu là 37% < 50% nên ta có thể cấp tín dụng cho khách hàng này với hạn mức là 30 triệu đồng. Kết quả dự báo này chính xác tới 93,9%.
Kết luận chƣơng 3
Thực hiện nghiên cứu vận dụng mơ hình hồi quy Binary Logistic để xác định các nhân tố ảnh hưởng đến nợ xấu TTDQT và mức độ ảnh hưởng của các nhân tố. Nghiên cứu đưa ra mơ hình hồi quy tổng thể và mơ hình giới hạn để phân tích. Sau đó, từ những phân tích, căn cứ trên các tiêu chuẩn và sử dụng phần mềm R lựa chọn được mơ hình giới hạn để ứng dụng vào dự báo xác suất nợ xấu TTDQT. Đề tài đi đến kết luận được có 6 nhân tố tương quan với nợ xấu TTDQT. Tác giả đến kết luận và đưa ra các giải pháp giúp giảm nợ xấu TTDQT tại Chương 4.
Chƣơng 4: KẾT LUẬN VÀ GIẢI PHÁP GIÚP HẠN CHẾ NỢ XẤU TTDQT 4.1 Kết luận
Nợ xấu TTDQT gia tăng mạnh mẽ trong khoảng thời gian ngắn. Các tổ chức phát hành phải tự tìm ra các giải pháp dự báo các khách hàng có xác suất phát sinh nợ xấu TTDQT cao để hạn chế cấp tín dụng. Trong đề tài của mình tác giả đã ứng dụng các phương pháp thống kê mô tả, phương pháp định lượng để phân tích dữ liệu. Đề tài ứng dụng mơ hình Logistic, phân tích bằng phần mềm SPSS nhằm xác định các nhân tố ảnh hưởng đến nợ xấu TTDQT và mức độ ảnh hưởng của từng nhân tố. Có 6 nhân tố có mối quan hệ tương quan với xác suất nợ xấu TTDQT. Sử dụng các nhân tố này để dự báo xác suất nợ xấu mức độ chính xác tới 93.9%. Qua quá trình nghiên cứu đề tài thu được kết quả như sau:
Xác định được mơ hình các nhân tố ảnh hưởng đến xác suất nợ xấu TTDQT của khách hàng. Mơ hình được diễn tả như sau:
[
]
Các nhân tố ảnh hưởng đến xác suất nợ xấu TTDQT bao gồm: Tuổi, Trình độ học vấn, Hơn nhân, Số người phụ thuộc, Thu nhập, Hạn mức tín dụng. Mối quan hệ của các nhân tố với xác suất nợ xấu TTDQT của khách hàng phù hợp với kỳ vọng ban đầu của nghiên cứu. Chưa thể kết luận mối quan hệ giữa các nhân tố Giới tính và Tình trạng sở hữu nhà ở và xác suất nợ xấu TTDQT của khách hàng vì chưa đủ độ tin cậy.
Các biến độc lập có mối quan hệ đồng biến với xác suất nợ xấu TTDQT của khách hàng là: Số người phụ thuộc, Hạn mức. Kết luận: Khi giá trị của một trong các biến độc lập này tăng lên (theo mã hóa tại Bảng 1.1) và các biến khác khơng thay đổi thì xác suất nợ xấu TTDQT của khách hàng sử dụng thẻ tín dụng quốc tế cũng tăng lên.
Các biến có mối tương quan nghịch biến với xác suất nợ xấu TTDQT của khách hàng là: Độ tuổi, Thu nhập, Tình trạng hơn nhân, Trình độ. Kết luận: Khi giá
biến khác khơng thay đổi thì xác suất nợ xấu TTDQT của khách hàng sử dụng thẻ tín dụng quốc tế giảm xuống.
Mức độ ảnh hưởng của các nhân tố theo thứ tự giảm dần: Số người phụ thuộc > Hạn mức > Độ tuổi > Thu nhập > Tình trạng hơn nhân > Trình độ. Trong đó, số người phụ thuộc có tương quan đồng biến mạnh nhất với khả năng trả nợ trễ hạn của khách hàng. Biến hạn mức có tương quang đồng biến và tương đối ch t chẽ với khả năng phát sinh nợ xấu của khách hàng. Các biến sau có tương quan nghịch biến với xác suất phát sinh nợ xấu TTDQT theo thứ tự giảm dần là: Độ tuổi > Thu nhập > Tình trạng hơn nhân > Trình độ.
Mối quan hệ giữa nhân tố: Tình trạng sở hữu nhà ở, Giới tính và xác suất phát sinh nợ xấu TTDQT là khơng có ý nghĩa thống kê. Vì vậy, chưa thể kết luận mức độ ảnh hưởng của các nhân tố này đến xác suất phát sinh nợ xấu TTDQT.
4.2 Một số đề xuất từ mơ hình nghiên cứu
Cấp hạn mức tín dụng: Thơng thường tại các ngân hàng, HMTD tối đa được cấp cho khách hàng gấp 10 lần lương. Việc cấp hạn mức tín dụng cho khách hàng quá tập trung vào chỉ tiêu thu nhập. Trong khi kết quả nghiên cứu cho thấy nhân tố thu nhập khơng phải là nhân tố có tương quan mạnh nhất đến khả năng phát sinh nợ xấu của khách hàng. Việc cấp HMTD của khách hàng quá tập trung vào chỉ tiêu thu nhập là nguyên nhân gây ra những đánh giá thiếu tồn diện và khơng chính xác.