2.1.2Các Chinhánh NHNo&PTNT trên địabàn TP .HCM
2.3 Khảo sát các nhân tố nội tại ảnh hưởngđến nợ xấu của các Chinhánh Ngân
2.3.1 Quytrình nghiên cứu
Hình 2.16: Quy trình nghiên cứu
Nghiên cứu định tính (thảo luận tay đơi)
Phân tích Hồi quy tuyến tính bội Vấn đề nghiên cứu Mục tiêu nghiên cứu Thang đo nháp Điều chỉnh
Thang đo Nghiên cứu định lượng
(Bảng câu hỏi khảo sát) Phân tích nhân tố khám
phá Cronbach alpha Thang đo hoàn chỉnh Cơ sở lý thuyết
2.3.2 Phương pháp nghiên cứu 2.3.2.1 Nghiên cứu sơ bộ 2.3.2.1 Nghiên cứu sơ bộ
Bằng phương pháp nghiên cứu định tính sử dụng kỹ thuật thảo luận tay đôi để đánh giá các nhân tố nội tại tác động đến nợ xấu của Agribank – Khu vực TP. HCM.
Nghiên cứu định tính được thực hiện qua hai bước sau:
- Tác giả thu thập dữ liệu và đúc kết các nhân tố nội tại ảnh hưởng đến nợ xấu của Agribank khu vực TP. HCM. Trong mỗi nhân tố, tác giả liệt kê tất cả các biến quan sát cụ thể tác động đến nợ xấu.
- Thảo luận tay đôi: tác giả tập hợp các nhân tố thành bảng câu hỏi khảo sát. Bảng câu hỏi sẽ được phỏng vấn thử với nhóm 7 người đang cơng tác tại các phịng tín dụng với mục đích lấy ý kiến để xác định, điều chỉnh lại biến.
Kết quả nghiên cứu sơ bộ:
Qua phỏng vấn, các đại diện đang cơng tác tại phịng tín dụng của các chi nhánh Agribank trên địa bàn TP. HCM đánh giá các nhân tố đưa ra có tầm quan trọng, có tác động đến nợ xấu. Cuối cùng đã thống nhất được các biến quan sát trong các nhân tố của thang đo (chi tiết thang đo xem Phụ lục 04).
2.3.2.2 Nghiên cứu định lượng
Mẫu quan sát trong nghiên cứu này được chọn theo phương pháp chọn mẫu thuận tiện (phi xác suất). Đối tượng khảo sát là các nhân viên tín dụng, Phó/Trưởng Phịng tín dụng, Phó Giám đốc phụ trách tín dụng của các Chi nhánh Agribank.
Thông tin được thu thập bằng phiếu khảo sát trực tiếp.
Phương pháp phân tích dữ liệu trong nghiên cứu này là phương pháp phân tích nhân tố khám phá EFA và phân tích hồi quy bội.
Kích thước mẫu
Kích thước mẫu phụ thuộc vào đối tượng nghiên cứu. Mẫu nghiên cứu càng nhiều thì độ chính xác càng cao. Theo Hair và các cộng sự (1998), kích thước mẫu phải từ 100 đến 150 quan sát. Trong khi đó, Bollen (1989) cho rằng tổng số quan sát tối thiểu bằng 5 quan sát cho một tham số cần ước lượng. Trong nghiên cứu này, có
28 biến đo lường vì vậy kích thước mẫu tối thiểu là 28x5=140. Tuy nhiên, vì muốn nghiên cứu có độ chính xác cao, tác giả đã tăng kích thước mẫu lên 171.
Nội dung bảng khảo sát gồm 2 phần:
Phần 1: Thông tin chung về ứng viên tham gia khảo sát.
Phần 2: Câu hỏi liên quan đến các nhân tố nội tại tác động đến nợ xấu.
Khảo sát được thực hiện từ ngày 15/06/2014 đến 15/07/2014. Dữ liệu thu thập sẽ được xử lý với sự hỗ trợ của phần mềm SPSS phiên bản 20.
Xây dựng thang đo
Trong phạm vi của đề tài nghiên cứu này, thang đo Likert được sử dụng sử dụng với năm mức độ cho các biến quan sát. Câu hỏi sử dụng trong bảng khảo sát là câu hỏi dạng đóng với những lựa chọn trả lời như hồn tồn khơng đồng ý, không đồng ý, trung lập, đồng ý, hồn tồn đồng ý.
Giải thích việc lựa chọn thang đo được sử dụng trong bảng câu hỏi nghiên cứu:
Theo lý thuyết được tổng hợp trong Chương 1: nợ xấu chịu tác động của các nhóm nhân tố: nhóm nhân tố bên ngồi và nhóm nhân tố tố nội tại bên trong.
Qua phân tích thực trạng nợ xấu của Agribank – Khu vực TP. HCM trong Chương 2, tác giả nhận thấy có nhiều nhân tố tác động đến nợ xấu. Tuy nhiên, do phạm vi nghiên cứu của đề tài theo hướng hẹp, chỉ tập trung nghiên cứu những nhân tố nội tại tác động đến nợ xấu nên tác giả chỉ đưa nhóm nhân tố nội tại của Agribank vào thang đo.
2.3.3 Kế hoạch phân tích dữ liệu
Thang đo sẽ được mã hóa theo phụ lục 04. Dữ liệu sau khi thu thập sẽ được xử lý bằng phần mềm SPSS theo trình tự sau:
- Chạy Cronbach’s Alpha cho các khái niệm để loại bỏ những biến khơng phù hợp
- Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) - Phân tích tương quan
2.3.4 Kết quả nghiên cứu
2.3.4.1 Thông tin mẫu nghiên cứu
Để đạt được kích thước mẫu n=171 đã đề ra, nghiên cứu sử dụng hình thức phát phiếu khảo sát trực tiếp. Số lượng phiếu phát ra là 200 phiếu, số lượng phiếu thu về là 188 trong đó có 17 phiếu khơng hợp lệ do ứng viên tham gia khảo sát đánh cùng một lựa chọn. Số phiếu hợp lệ cuối cùng là 171.
2.3.4.2 Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Kết quả kiểm tra độ tin cậy của các biến quan sát dùng hệ số Cronbach’s Alpha được trình bày ở bảng 2.2:
Bảng 2.2: Kết quả Cronbach’s Alpha
STT Biến quan sát thang đo nếu Trung bình loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến – tổng
Cronbach’s Alpha nếu loại
biến
Nhân tố “Cơ chế kiểm soát tín dụng (CC) 0.905
1
CC1 6.75 3.845 0.870 0.812
2 CC3 6.78 4.300 0.791 0.881
3 CC4 6.82 4.616 0.779 0.892
Nhân tố “Cơ chế đánh giá rủi ro tín dụng (CRA)” 0.840
4 CRA1 6.31 3.674 0.682 0.799
5 CRA2 6.13 3.129 0.724 0.762
6 CRA3 6.28 3.544 0.713 0.770
Nhân tố “ Định hướng tín dụng (CO) (0.814)
7 CO1 5.99 4.953 0.698 0.709
8 CO2 6.01 5.953 0.676 0.749
9 CO3 6.09 4.779 0.645 0.776
Nhân tố “Tăng trưởng tín dụng” (CG) 0.886
10 CG1 7.98 8.829 0.763 0.851
11 CG2 7.93 8.219 0.735 0.861
12 CG3 8.35 8.206 0.788 0.839
13 CG4 8.00 8.647 0.726 0.863
Nhân tố “Điều khoản tín dụng” (CT) 0.897
14 CT1 6.61 4.191 0.758 0.893
15 CT2 6.18 4.369 0.840 0.819
16 CT3 6.23 4.424 0.801 0.851
Nhân tố “Lãi suất” (IR) 0.907
17 IR1 7.14 4.439 0.885 0.805
18 IR2 7.42 5.492 0.772 0.903
19 IR3 7.10 4.925 0.796 0.882
Kết quả kiểm định trên cho thấy:
Nhân tố “Cơ chế kiểm sốt tín dụng”: Hệ số a = 0,810 > 0,8, tuy nhiên, tương quan biến - tổng của biến CC2 < 0,3. Khi loại bỏ CC2, chạy lại độ tin cậy của các biến quan sát, hệ số a = 0,905 là thang đo lường tốt. Vì vậy, các biến quan sát CC1, CC3, CC4 được đưa vào mơ hình để phân tích nhân tố tiếp theo.
Nhân tố “Cơ chế đánh giá rủi ro tín dụng”: Hệ số a = 0,739 > 0,6 là có thể chấp nhận được. Tương quan biến – tổng của biến CRA3 < 0,3. Khi loại bỏ biến CRA3 thì hệ số a tăng lên 0,840 > 0,8 là thang đo lường tốt. Do đó, các biến quan sát CRA1, CRA2, CRA4 được đưa vào mơ hình để phân tích nhân tố tiếp theo.
Nhân tố “Định hướng tín dụng”: Hệ số a = 0,814, tương quan biến – tổng của các biến quan sát đều thoả điều kiện là lớn hơn 0,3, do vậy các biến CT1, CT2, CT3 đều được giữ lại để chạy trong các bước sau.
Nhân tố “Tăng trưởng tín dụng”: Hệ số a = 0,824 > 0.8, tuy nhiên tương quan biến – tổng của biến CG5 = 0,229 nhỏ hơn 0,3, và khi loại biến CG5 thì kết quả chạy lại a = 0,886, tương quan biến – tổng của các biến quan sát đều thoả điều kiện là lớn hơn 0,3. Do đó, các biến CG1, CG2, CG3, CG4 được đưa vào phân tích nhân tố ở bước tiếp theo.
Nhân tố “Điều khoản tín dụng”: Hệ số a = 0,897 > 0.8, đây là thang đo tốt, tương quan biến – tổng của các biến quan sát đều lớn hơn 0,3. Do vậy, các biến quan sát CT1, CT2, CT3 đều được giữ lại để chạy mơ hình trong các bước tiếp theo. Nhân tố “Lãi suất”: Hệ số a = 0,907, tương quan biến – tổng của các biến đều lớn hơn 0,3. Kết quả này cho thấy thang đo Lãi suất là thang đo lường tốt và được đo bởi các biến quan sát: IR1, IR2, IR3. Các biến này được đưa vào phân tích nhân tố ở bước tiếp theo.
Nhân tố phụ thuộc “Nợ xấu”: Hệ số a = 0,899, tương quan biến – tổng đều thoả điều kiện là lớn hơn 0,3 nên các biến đều được giữ lại để chạy trong các bước tiếp theo.
2.3.4.3 Đánh giá thang đo bằng phân tích nhân tố khám phá EFA
Sau khi kiểm định độ tin cậy bằng Cronbach’s Alpha, 19 biến quan sát cho biến độc lập và 6 biến quan sát cho biến phụ thuộc đều đảm bảo độ tin cậy, các thang đo được kiểm định bằng phương pháp phân tích nhân tố EFA. Phương pháp trích Principal Component với phép quay vng góc varimax được sử dụng trong phân tích EFA. Các biến đo lường được chấp nhận khi thoả điều kiện tổng phương sai trích bằng hoặc lớn hơn 50%, KMO lớn hơn 0,5 và các biến phải có trọng số từ 0,5 trở lên (Gerbing & Anderson, 1988).
Phân tích nhân tố EFA cho các biến độc lập
Kiểm định KMO và Barlett’s trong phân tích nhân tố độc lập cho thấy hệ số KMO khá cao (bằng 0,81 > 0,5) với mức ý nghĩa < 0,05 (sig = 0,000) cho thấy phân tích nhân tố EFA rất thích hợp.
Phân tích nhân tố EFA đã trích được sáu nhân tố, hệ số tải nhân tố của các biến quan sát đều lớn hơn 0,5, tổng phương sai trích bằng 80,24% cho biết sáu nhân tố này giải thích được 80,24% sự biến thiên của dữ liệu. Với kết quả phân tích nhân tố EFA, các điều kiện phân tích EFA đều thoả, đo đó khơng có biến nào bị loại. Phân tích nhân tố EFA cho biến phụ thuộc
Kiểm định KMO và Barlett’s trong phân tích nhân tố phụ thuộc cho thấy hệ số KMO cao (bằng 0,855 > 0,5) với mức ý nghĩa sig = 0,000. Phân tích EFA đã rút trích được một nhân tố phụ thuộc, tổng phương sai trích lớn hơn 50% (bằng 67,36%) cho biết một nhân tố này giải thích 67,36% sự biến thiên của dữ liệu. Các điều kiện phân tích EFA cho biến phụ thuộc “Nợ xấu” đều thoả. Do đó, khơng có biến nào bị loại.
Thang đo nợ xấu của Agribank – Khu vực TP. HCM được đo lường bởi 06 nhân tố nội tại sau:
Nhân tố Biến
F1: Cơ chế kiểm sốt tín dụng CC1, CC3, CC4 F2: Cơ chế đánh giá rủi ro tín dụng CRA1, CRA2, CRA4 F3: Định hướng tín dụng CO1, CO2, CO3 F4: Tăng trưởng tín dụng CG1, CG2, CG3, CG4 F5: Điều khoản tín dụng CT1, CT2, CT3
F6: Lãi suất IR1, IR2, IR3
Bảng 2.3 : Kết quả EFA Component Component 1 2 3 4 5 6 CG3 CG4 CG1 CG2 CC1 CC4 CC3 CT2 CT3 CT1 IR1 IR2 IR3 CRA2 CRA4 CRA1 CO1 CO2 CO3 .893 .842 .839 .836 .909 .879 .847 .889 .878 .840 .890 .845 .795 .831 .792 .770 .840 .836 .804 Eigenvalue 6.120 2.919 2.292 1.492 1.234 1.188 Phương sai trích (%) 32.212 15.365 12.063 7.853 6.495 6.254 Cronbach’s Alpha 0.886 0.905 0.897 0.907 0.840 0.814 KMO = 0,811
Sau khi phân tích nhân tố EFA, mơ hình nghiên cứu và giả thuyết nghiên cứu được hình thành.
Hình 2.17 : Mơ hình nghiên cứu sau phân tích EFA
Bảng 2.4 : Giả thuyết nghiên cứu sau phân tích EFA
Giả thuyết
CC Cơ chế kiểm sốt tín dụng có tác động đến nợ xấu của Agribank – Khu vực TP. HCM
CRA Cơ chế đánh giá rủi ro tín dụng có tác động đến nợ xấu của Agribank – Khu vực TP. HCM
CO Định hướng tín dụng có tác động đến nợ xấu của Agribank – Khu vực TP. HCM CG Tăng trưởng tín dụng có tác động đến nợ xấu của Agribank – Khu vực TP. HCM CT Điều khoản tín dụng có tác động đến nợ xấu của Agribank – Khu vực TP. HCM
IR Lãi suất tác động đến nợ xấu của Agribank – Khu vực TP. HCM Điều khoản tín dụng (CT)
Cơ chế kiểm sốt tín dụng (CC) Cơ chế đánh giá rủi ro tín dụng (CRA)
Lãi suất
Định hướng tín dụng (CO)
Tăng trưởng tín dụng (CG)
2.3.4.4 Phân tích hồi quy bội
Các giá trị của các biến quan sát ở mỗi nhân tố được tính trung bình để phục vụ cho việc chạy tương quan, hồi quy. Do vậy, sáu nhân tố được rút trích từ phân tích nhân tố EFA được đưa vào phân tích hồi quy bội để xem xét mức độ tác động của từng nhân tố đến nợ xấu của Agribank – Khu vực TP. HCM.
Mơ hình hồi quy có dạng sau:
NPL = β0 + β1*CC + β2*CRA+ β3*CO +β4*CG + β5CT + β6IR +ε
Trong đó, các hệ số βilà các hệ số hồi quy riêng thể hiện mối quan hệ giữa biến phụ thuộc và biến độc lập trong điều kiện các nhân tố khác không đổi. Khi các biến độc lập CC, CRA, CO, CG, CT, IR tăng lên một đơn vị thì biến phụ thuộc NPL tăng lên bình quân βi đơn vị.
Trước khi kiểm định mơ hình bằng phân tích hồi quy tuyến tính bội, mối tương quan của biến phụ thuộc và các biến độc lập trong mơ hình được xem xét dựa trên phương pháp phân tích tương quan Correlations tại bảng Correlations
Bảng 2.5:Correlations NPL CRA CC CO IR CT CG NPL Pearson Correlation 1 .604 ** .554** .434** .546** .437** .394** Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 171 171 171 171 171 171 171 CRA Pearson Correlation .604 ** 1 .464** .247** .509** .385** .168* Sig. (2-tailed) .000 .000 .001 .000 .000 .028 N 171 171 171 171 171 171 171 CC Pearson Correlation .554 ** .464** 1 .134 .410** .182* .145 Sig. (2-tailed) .000 .000 .080 .000 .017 .058 N 171 171 171 171 171 171 171 CO Pearson Correlation .434 ** .247** .134 1 .278** .335** .282** Sig. (2-tailed) .000 .001 .080 .000 .000 .000 N 171 171 171 171 171 171 171 IR Pearson Correlation .546 ** .509** .410** .278** 1 .447** .158* Sig. (2-tailed) .000 .000 .000 .000 .000 .040 N 171 171 171 171 171 171 171 CT Pearson Correlation .437 ** .385** .182* .335** .447** 1 .095 Sig. (2-tailed) .000 .000 .017 .000 .000 .216 N 171 171 171 171 171 171 171 CG Pearson Correlation .394 ** .168* .145 .282** .158* .095 1 Sig. (2-tailed) .000 .028 .058 .000 .040 .216 N 171 171 171 171 171 171 171
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
Nguồn: Tổng hợp kết quả hồi quy bằng phầm mềm SPSS
Kết quả chạy tương quan cho thấy có mối liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Đây là điều kiện cần thiết để tiếp tục bước phân tích hồi quy.
Sau khi phân tích tương quan, phép hồi quy bội được sử dụng để phân tích tác động của các biến độc lập đến nợ xấu của Agribank – Khu vực TP. HCM. Để kiểm định sự độc lập giữa các biến, hệ số Tolerance và VIF được sử dụng.
Kết quả phân tích hồi quy (Phụ lục 08)
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .790a .625 .611 .57067 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constan t) -.436 .224 -1.941 .054 CC .264 .051 .291 5.225 .000 .737 1.357 CRA .265 .062 .259 4.282 .000 .625 1.599 CO .152 .044 .182 3.427 .001 .809 1.236 CG .212 .048 .221 4.383 .000 .903 1.108 CT .122 .051 .135 2.406 .017 .723 1.384 IR .125 .051 .149 2.451 .015 .621 1.611 ANOVA
Model Sum of Squares df Mean Square F Sig.
1 Regression Residual Total 88.827 53.410 142.237 6 164 170 14.805 .326 45.459 .000a
Nguồn: Tổng hợp từ kết quả hồi quy bằng phần mềm SPSS
Kết quả phân tích hồi quy cho thấy:
- Bảng Model Summary R2 hiệu chỉnh bằng 0,611 cho thấy mơ hình giải thích được 61,10% sự biến thiên của biến phụ thuộc (NPL) với sai số là 57%.
- Bảng ANOVA giá trị sig. = 0,000 <0,05 chứng tỏ mơ hình này sử dụng được.
- Bảng Coefficient, giá trị sig. của các biến độc lập < 0,05 nên kết quả mơ hình là chấp nhận được. Giá trị VIF < 2, do đó vấn đề đa cộng tuyến khơng ảnh hưởng đáng kể đến kết quả hồi quy.
Phương trình hồi quy tuyến tính có dạng sau:
NPL = 0,291CC +0,259CRA + 0,221CG + 0,182CO +0,135CT + 0,149IR + E
Kiểm tra sự vi phạm các giả định trong hồi quy tuyến tính
Mơ hình hồi quy tuyến tính bằng phương pháp OSL được thực hiện với một số giả định và mơ hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy, để đảm bảo cho độ tin cậy của mô hình, việc dị tìm sự vi phạm các giả định là cần thiết.
Về giả định liên hệ tuyến tính, phương pháp được sử dụng là biểu đồ phân tán Scatterplot. Nhìn vào biểu đồ cho thấy phần dư khơng thay đổi theo một trật tự nào đối với giá trị dự đốn. Do đó, giả định về liên hệ tuyến tính khơng bị vi phạm.
Giả định phân phối chuẩncủa phần dư được kiểm tra qua biểu đồ Histogram
và đồ thị Q-Q Plot. Biểu đồ Histogram cho thấy phần dư có dạng gần với phân phối chuẩn, giá trị trung bình gần bằng 0 và độ lệch chuẩn gần bằng 1 (cụ thể là 0,982). Đồ thị Q-Q plot biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa phần dư có phân phối chuẩn.
Hình 2.19: Biểu đồ tần số của các phần dư chuẩn hóa
Hình 2.20: Đồ thị so sánh với phân phối chuẩn (p-p) của phần dư chuẩn hóa
Sau khi kiểm tra sự vi phạm các giả định trong hồi quy tuyến tính, các giả định