Biến Ký hiệu Loại Đặc điểm
Phụ thuộc Y Nhị phân Chỉ nhận 02 giá trị 0 và 1. Cụ thể: + Bằng 0: Khách hàng không trả được nợ - có rủi ro tín dụng => Khách hàng khơng có KNTN vay + Bằng 1: Khách hàng trả được nợ - khơng có rủi ro tín dụng => Khách hàng có KNTN vay Độc lập Xi Liên tục hoặc rời rạc
Các nhân tố ảnh hưởng đến khách hàng như giới tính, trình độ học vấn, thu nhập .... ảnh hưởng đến KNTN vay của KHCN
(Nguồn: Phân tích dữ liệu nghiên cứu với SPSS, Hoàng Trọng – Mộng Ngọc (2008))
* Phƣơng pháp ƣớc lƣợng
+ Mơ hình hồi quy binary logistic ước tính xác suất một khách hàng trả được nợ (xác suất Y = 1) có dạng:
Pi = E(Y=1/X)= =
Trong đó: Pi = E(Y=1/X): xác suất để xảy ra sự kiện Y=1
Xi: Các nhân tố ảnh hưởng đến KNTN vay của KHCN;
i: Hệ số ước lượng của biến Xi, cho biết khi Xi tăng 1 đơn vị thì
log của tỷ lệ (Pi/1-Pi) tăng i đơn vị
Khi đó, tỷ lệ chênh lệch giữa xác suất một sự kiện xảy ra với xác suất sự kiện đó khơng xảy ra:
=
Lấy logarit cơ số e 2 vế phương trình và thực hiện biến chuyển ta được dạng hàm hồi quy binary logistic là:
* Ƣu điểm
- Khắc phục được những nhược điểm của mơ hình định tính, thể hiện sự khách quan, nhất quán, không phụ thuộc vào ý kiến chủ quan của CBTD.
- Kỹ thuật đo lường rủi ro tín dụng khá đơn giản, dễ thực hiện bằng phần mềm chuyên dụng (như Eviews, SPSS,…)
- Giúp NH phân loại khách hàng và nhận riện rủi ro thơng qua có thể ước lượng được xác suất khơng có KNTN vay của khách hàng, từ đó NH có thể xác định được mức độ an toàn trong cho vay giúp NH chủ động trong việc đưa ra những biện pháp hạn chế rủi ro.
- Mơ hình có thể đo lường vai trò của các yếu tố tác động đến KNTN vay của khách hàng. Khi sử dụng mơ hình Logistic, có thể dễ dàng hiệu chỉnh hoặc thêm bớt các biến nhằm xác định cụ thể tác động của các yếu tố tới rủi ro tín dụng là như thế nào.
* Nhƣợc điểm
- Phụ thuộc vào mức độ chính xác của nguồn thơng tin thu nhập và khả năng dự báo cũng như trình độ phân tích của CBTD.
- Khi mơ hình có hệ số xác định ở mức nhỏ thì dự báo có thể kém chính xác (thể hiện qua các giá trị phần dư).
2.5.3 Mơ hình nghiên cứu tác giả lựa chọn
Dựa trên các nghiên cứu thực nghiệm trước đây về KNTN vay đối với KHCN, tác giả nhận thấy mơ hình binary logistic (gọi tắt là mơ hình logit) được các tác giả trước sử dụng đáp ứng các tiêu chí lựa chọn mơ hình của tác giả để đo lường KNTN vay của KHCN tại BIDV Long An như sau:
- Dựa trên các nghiên cứu của các tác giả trước trên cơ sở so sánh ưu, nhược điểm của các mơ hình;
- Là mơ hình thống kê nên có thể khắc phục được những hạn chế từ các phương pháp đánh giá KNTN vay của KHCN dựa vào nhận định chủ quan của CBTD;
- Mơ hình có khả năng lượng hóa được xác suất trả nợ của khách hàng, dùng làm cơ sở lượng hóa rủi ro đối với từng KHCN để có quyết định đúng đắn trong cấp tín dụng;
- Mơ hình đơn giản, dễ sử dụng và có thể cho ra kết quả nhanh chóng;
- Các biến đưa vào mơ hình có thể định tính hoặc định lượng để có thể đưa ra kết quả khách quan nhất.
Ngồi các tiêu chí thích hợp như trên, việc lựa chọn mơ hình logistic thay vì mơ hình hồi quy tuyến tính là do các đặc tính riêng có của mơ hình: