2.4. Ứng dụng mơ hình Logistic hồn thiện mơ hình xếp hạng tín dụng cá nhân vay
2.4.4.2. Kết quả hồi quy Binary Logistic
Sử dụng phần mềm thống kê SPSS với phương pháp Backwald, tác giả đưa 12 biến còn lại (sau khi đã loại 4 biến: “baohiem”, “trano”, “tiengui” và “thu nhập”) vào mơ hình hồi quy Binary logistic để thực hiện kiểm tra loại trừ dần căn cứ trên xác suất thống kê Wald, kết quả hồi quy như bảng 2.9:
Bảng 2.9. Kết quả ước lượng hồi quy Binary Logistic
Biến Giả thiết B S.E. Wald Sig.
Gioitinh +/- -3,480 1,440 5,836 0,016 Trinhdo + 1,843 0,656 7,896 0,005 Tgcutru + 1,124 0,452 6,189 0,013 Choo + 3,975 1,636 5,903 0,015 nguoiphuthuoc - -5,165 2,059 6,293 0,012 Tietkiem + 1,178 0,548 4,616 0,032 No - -0,107 0,041 6,784 0,009 Constant -28,911 11,586 6,226 0,013
Omnibus Tests of Model coefficients (OB) 0,00
Hosmer and Lemeshow Test (HL) 17,9%
Độ chính xác 97,2%
-2 Log likelihood (-2LL) 32,89
Nhận xét kết quả ước lượng hồi quy Binary Logistic
- Mơ hình có Sig. OB = 0,00 < chứng tỏ mơ hình đạt độ phù hợp tổng qt
vì các hệ số không đồng thời bằng 0 (bác bỏ giả thuyết H0). - Độ chính xác của kết quả dự báo từ mơ hình rất cao (97,2%).
- Giá trị của -2LL (-2 Log likelihood) tương đối thấp, thể hiện độ phù hợp khá tốt của mơ hình tổng thể.
- Theo kết quả ước lượng tại bảng 2.9, kiểm định Wald về ý nghĩa của các hệ số hồi quy của biến “gioitinh”, “trinhdo”, “tgcutru”, “choo”, “nguoiphuthuoc”, “tietkiem” và “no” đều có mức ý nghĩa Sig (p-value) nhỏ hơn 0,05 nên các hệ số hồi quy tìm được đều có ý nghĩa và mơ hình được sử dụng tốt.
Từ các hệ số hồi quy này, phương trình hồi quy logistic được viết: 13 12 6 5 4 3 1 1,843 1,124 3,975 5,165 1,178 0,107 480 , 3 911 , 28 ) 0 ( ) 1 ( log X X X X X X X Y P Y P e
Nhận xét kết quả ước lượng
Kết quả nghiên cứu cho thấy dấu của các hệ số của các biến độc lập trong hàm Logistic là phù hợp với giả thiết kinh tế. Đồng thời cho biết nếu chỉ số của hàm Logistic càng cao thì chứng tỏ khách hàng vay vốn được đánh giá càng tốt. Cụ thể như sau:
- Giới tính: Kết quả nghiên cứu cho thấy nữ giới có khả năng trả nợ tốt hơn nam giới. Điều này hoàn toàn phù hợp trong điều kiện Việt Nam, bởi vì người phụ nữ Việt Nam luôn chịu tác động của các tiêu chuẩn đạo đức xã hội của người Á Đơng, rất coi trọng uy tín, nhân phẩm. Người phụ nữ Việt Nam thường quản lý tài chính tốt hơn, và có ý thức trả nợ tốt hơn nam giới.
- Trình độ: Kết quả nghiên cứu đã chứng minh các TCTD đúng khi đánh giá những người có trình độ cao hơn thường có khả năng trả nợ tốt hơn. Vì người có trình độ cao thường có nhiều cơ hội việc làm, thu nhập ổn định và cao hơn, ý thức trách nhiệm đối với việc trả nợ tốt hơn, do đó mức độ rủi ro tín dụng thấp hơn những người có trình độ thấp.
- Thời gian cư trú ở địa chỉ hiện tại: Kết quả nghiên cứu cho thấy khả năng trả nợ của người vay đồng biến với thời gian cư trú của người vay tại địa chỉ hiện tại; Vì thời gian cư trú tại một nơi càng lâu thì có thể tin rằng cuộc sống của người đó ổn định. Một người khơng ổn định về chỗ ở sẽ khiến cho các TCTD ngại cấp tín dụng vì họ ngại gặp khó khăn trong vấn đề quản lý người vay.
- Tình trạng nơi cư trú (nhà thuê, sống với cha mẹ hay có sở hữu nhà): Kết quả nghiên cứu đã chứng minh, người có sở hữu nhà thường có khả năng trả nợ tốt hơn người đang sống nhà thuê hay sống chung nhà của bố mẹ. Người vay có sở hữu nhà cho thấy có khả năng tài chính tốt và khơng phải chịu áp lực trả tiền thuê nhà cùng một lúc với áp lực trả nợ cho các TCTD.
- Số người phụ thuộc trực tiếp vào người vay về mặt kinh tế: Kết quả nghiên cứu cho thấy, khả năng trả nợ của người vay nghịch biến với số người phụ thuộc trực tiếp về kinh tế với người vay. Càng có nhiều người phụ thuộc trực tiếp, thường xuyên về kinh tế vào người vay sẽ khiến cho người vay phải gánh chịu nhiều áp lực về chi tiêu nên đe doạ đến nguồn thu nhập dùng để trả nợ vay.
- Tiết kiệm hàng tháng: Kết quả nghiên cứu đã khẳng định khả năng trả nợ của người vay đồng biến với mức tiết kiệm hàng tháng của người vay.
- Tình trạng vay nợ (tức là số dư nợ vay tại các TCTD của người vay): Tuy tình trạng vay nợ của người vay khơng có nhiều ý nghĩa đối với khả năng trả nợ của người vay, do các TCTD thường quyết định cho vay và số tiền cho vay chủ yếu dựa trên mức tiết kiệm hàng tháng của người vay; Nhưng nghiên cứu đã chứng minh khả năng trả nợ của người vay nghịch biến với số dư nợ vay; Số dư nợ vay càng lớn, càng gây áp lực trả nợ đối với người vay nên khả năng trả nợ giảm.
Trong các nhân tố có ý nghĩa đối với dự báo khả năng trả nợ của người vay, các nhân tố có khả năng dự báo lớn nhất lần lượt là “số người phụ thuộc trực tiếp về kinh tế thường xuyên liên tục vào người vay” (X6), “thời gian cư trú ở địa chỉ hiện tại” (X4) và “giới tính” (X1).
KẾT LUẬN CHƯƠNG 2
Trong chương 2, tác giả giới thiệu tổng quan về Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BIDV) và thực trạng hệ thống XHTD cá nhân vay tiêu dùng của BIDV đang áp dụng. Qua đó, tác giả đã phân tích và chỉ ra những kết quả đạt được, những hạn chế của hệ thống XHTD cá nhân vay tiêu dùng hiện hữu của BIDV.
Tác giả từng bước hồn thiện mơ hình XHTD cá nhân của BIDV bằng phương pháp hồi quy Binary Logistic, gồm những nội dung chính sau:
- Chọn biến, chọn mẫu, xử lý biến, và chạy hồi quy Binary Logistic
CHƯƠNG 3: GIẢI PHÁP HỒN THIỆN MƠ HÌNH XẾP HẠNG TÍN DỤNG CÁ NHÂN VAY TIÊU DÙNG TẠI NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM