Du no Lai_sua t So_lan_k iem_tra_ sau_cho_ vay Thu_nha p_ho_tha ng So_ngu oi_phu_ thuoc Gia_tri_TSD B Kinh_ nghiem Mẫu 1752 1752 1752 1752 1752 1752 1752 Nhỏ nhất 10 10 1 2 1 99 3 Lớn nhất 1700 21 20 142 3 5000 65 Trung bình 395.000 18.000 4.000 25.000 1.000 700.000 18.000 Độ lệch chuẩn 195.295 1.355 2.786 13.176 .391 380.953 12.808 Phương sai 38140.206 1.836 7.765 173.601 .152 145125.559 164.055
Nguồn: Kết quả chạy mơ hình Kết quả chạy Correlations, Coefficients (Phụ lục 2)
- Correlations:
+ Biến Du_no và biến Gia_tri_TSDB có hệ số tương quan là 0,925. Có hiện tượng tương quan mạnh giữa Du_no và Gia_tri_TSDB.
+ Biến So_lan_kiem_tra_sau_cho_vay và biến Thoi_gian_vay có hệ số tương quan là 0,977. Do những khoản vay có thời gian vay càng dài tương ứng sẽ có số lần kiểm tra sau cho vay càng nhiều.
- Coefficients:
+ Giá trị VIF (Variance inflation factor) vượt quá 10 xuất hiện hiện tượng đa cộng tuyến (Hoàng Trọng, Chu Thị Mộng Ngọc (2008), Phân tích và xử lý số liệu bằng SPSS), có 3 biến có giá trị VIF > 10: Du_no (12,228), Thoi_gian_vay (24,156), So_lan_kiem_tra_sau_cho_vay (24,611). Biến Gia_tri_TSDB có VIF là 9,010 (~10).
+ Giá trị Sig. của các nhân tố <5%, các nhân tố có ý nghĩa thống kê, giải thích được ý nghĩa của biến phụ thuộc (Kha_nang_tra_no), những biến có giá trị Sig. >5% loại khỏi mơ hình. Bảng Coefficients, biến Thoi_gian_vay và Gia_tri_TSDB có Sig. > 5%.
Từ kết quả Correlations, Coefficients (Phụ lục 2) và phân tích ở trên, loại bỏ biến Thoi_gian_vay và Gia_tri_TSDB ra khỏi mơ hình.
Sau khi loại bỏ biến Thoi_gian_vay và Gia_tri_TSDB ra khỏi mơ hình, kiểm tra đa cộng tuyến của các biến cịn lại trong mơ hình (kết quả Phụ lục 2): VIF của các biến có giá trị < 10, Sig. của các biến đều < 5%. Như vậy khơng có hiện tượng đa cộng tuyến giữa các biến và các biến trong mơ hình có ý nghĩa thống kê, giải thích được ý nghĩa của biến phụ thuộc (Kha_nang_tra_no).
Kết quả nghiên cứu
B Sig Du_no -.005 .000 San_pham_trungdaihan -.324 .346 Lai_suat -.100 .027 So_lan_kiem_tra_sau_cho_vay .195 .002 Thu_nhap_ho_thang .087 .000 So_nguoi_phu_thuoc -.312 .058 Hon_nhan_dakethon -.313 .168 Ty_le_TSBD .062 .083 Nhom_nganh_nongnghiep (Base) .049 Nhom_nganh_banbuon .142 .744 Nhom_nganh_detmay -.651 .078 Nhom_nganh_dichvu -.859 .040 Nhom_nganh_khac 1.659 .129 Kinh_nghiem .008 .135 Ho_tro 1.364 .000 HL 0 -2LL 1435 Nagelkerke R Square 0.745 Accuracy 84.8
- Bảng Omnibus Tests of Model Coefficients (Phụ lục 3) cho kết quả kiểm định giả thuyết về độ phù hợp tổng quát có mức ý nghĩa quan sát là sig. = 0.000 nên bác bỏ giả thuyết Ho hay mơ hình là phù hợp.
- Bảng Model summary (Phụ lục 3) cho thấy giá trị -2 Log likehood = 1435 khơng cao lắm nên mơ hình tổng thể có độ phù hợp khá tốt.
- Mức độ chính xác của dự báo thể hiện qua bảng Classification Table (Phụ lục 3) trong 297 trường hợp KH khơng có khả năng trả nợ vay, mơ hình dự đốn đúng 259 trường hợp (87,2%); trong 1.455 trường hợp khách hàng có khả
năng trả nợ vay, mơ hình dự đốn đúng 1.448 trường hợp (99,5%). Tỷ lệ dự đốn đúng của tồn bộ mẫu là: 84,8%.
- Bảng Variables in the Equation (Phụ lục 3) cho thấy mức ý nghĩa sig. của các hệ số hồi quy đều nhỏ hơn 5%, như vậy các hệ số hồi quy đều có ý nghĩa và mơ hình có thể sử dụng để dự báo rủi ro.
2.3.2.5.1. Giải thích ý nghĩa của các biến trong mơ hình
- Biến “Du_no”: có tác động đến khả năng trả nợ vay của HGĐ.
- Biến “San_pham”: so sánh sản phẩm ngắn hạn và sản phẩm trung dài hạn thì sản phẩm trung dài hạn có khả năng trả nợ kém hơn cịn sản phẩm ngắn hạn có khả năng trả nợ tốt hơn, chính vì vậy thơng thường lãi suất cho vay ngắn hạn thấp hơn lãi suất cho vay trung và dài hạn. Điều này là phù hợp với thực tế trả nợ của HGĐ, trong ngắn hạn HGĐ quản lý dịng tiền của mình tốt hơn cũng như dự đốn và đánh giá tình hình thị trường tốt hơn.
- Biến “Nganh”: biến chỉ phân biệt được khả năng trả nợ ở một số ngành. - Biến “Lai_suat”: tác động ngược chiều với khả năng trả nợ của HGĐ, phù
hợp với giả thiết ban đầu: lãi suất càng cao thì khả năng trả nợ càng thấp. - Biến Hoc_van: biến chỉ phân biệt được khả năng trả nợ vay của trình độ học
vấn thất học và trung học, do những khách hàng có trình độ từ cao đẳng trở lên hầu như hoạt động sản xuất, kinh doanh chỉ là công việc mà những HGĐ này làm thêm để tăng thu nhập bên cạnh cơng việc chính theo cơng việc chun mơn của mình.
- Biến Ho_tro: những HGĐ được hỗ trợ cho vay từ các chương trình ưu đãi của UBND, Thơng tư của Thủ tướng Chính Phủ có khả năng trả nợ vay tốt hơn những HGĐ không được hỗ trợ. Những HGĐ được hỗ trợ sẽ thanh toán nợ vay và lãi vay đầy đủ và đúng hạn hơn.
- Biến Nha_o: biến chỉ phân biệt được khả năng trả nợ vay của HGĐ sở hữu tài sản với những HGĐ đi thuê nhà. Cụ thể là những HGĐ sở hữu nhà ở thì khả năng trả nợ vay cao hơn những HGĐ đi thuê nhà. Những HGĐ mà người đi vay không phải là người sở hữu tài sản mà tài sản do thành viên khác trong
HGĐ sở hữu hay nhà ở là đồng chủ sở hữu giữa người đi vay và một thành viên khác trong HGĐ thì khả năng trả nợ vay khơng có sự sai biệt nhiều so với những HGĐ sở hữu tài sản là nhà ở do dù có trực tiếp sở hữu nhà ở hay khơng thì nhà ở cũng là tài sản
- Biến Hon_nhan: những chủ hộ đã kết hơn có khả năng trả nợ vay thấp hơn những chủ hộ chưa kết hơn do khi kết hơn thì quyết định của người đi vay sẽ bị chi phối bởi nhiều người, kết hơn thì khả năng sử dụng vốn sai mục đích của người vay sẽ cao hơn.
- Biến So_nguoi_phu_thuoc: những hộ có số người phụ thuộc càng cao thì khả năng trả nợ vay càng kém.
- Biến So_lan_kiem_tra_sau_cho_vay: có tác động cùng chiều đến khả năng trả nợ vay của KH, số lần kiểm tra sau cho vay càng nhiều thì tỷ lệ KH sử dụng vốn đúng mục đích càng cao bên cạnh đó NH sẽ kịp thời phát hiện những rủi ro tín dụng từ KH từ đó có những chính sách tín dụng phù hợp nên tỷ lệ KH trả được nợ cao hơn.
- Biến Thu_nhap_ho_thang: những hộ có thu nhập càng cao thì khả năng trả nợ vay càng cao.
- Biến Ty_le_TSBD: những HGĐ có giá trị TSĐB trên dư nợ càng cao thì khả năng trả nợ vay càng cao.
Theo như mơ hình được lựa chọn ta có bảng tổng hợp các nhân tố tác động đến khả năng trả nợ vay của HGĐ như sau: