3.2 Nghiên cứu định lượng
3.2.3 Mơ hình nghiên cứu đề xuất
Tính đến nay đã có nhiều nghiên cứu về việc đề xuất mơ hình các nhân tố ảnh hưởng đến chất lượng tín dụng và rủi ro tín dụng ở Việt Nam đã được thực hiện. Tuy nhiên, luận văn chỉ nêu ra một số bài nghiên cứu tiêu biểu trong giới hạn và khả năng của tác giả để làm cơ sở cho việc xây dựng mơ hình nghiên cứu đề nghị. Cụ thể là nghiên cứu của Lê Tất Thành (2010) về “Ứng dụng hàm Logit xây dựng mơ hình dự báo hạng mức tín nhiệm các doanh nghiệp Việt Nam”, nghiên cứu của Trương Đông Lộc (2010) về “Các nhân tố ảnh hưởng đến rủi ro tín dụng của các Ngân hàng thương mại nhà nước ở khu vực đồng bằng sông Cửu Long”, nghiên cứu của Hoàng Tùng (2011) về “Phân tích rủi ro tín dụng doanh nghiệp bằng mơ hình Logistic”, nghiên cứu của Trương Đông Lộc và Nguyễn Thị Tuyết (2011) về “Các nhân tố ảnh hưởng đến rủi ro tín dụng của Ngân hàng TMCP Ngoại Thương chi nhánh Cần Thơ”.
Tất cả các nghiên cứu trên đều có một điểm chung là sử dụng mơ hình hồi quy Binary Logistic để kiểm định các nhân tố ảnh hưởng đến rủi ro tín dụng của các doanh nghiệp.
3.2.3.2Lựa chọn mơ hình
Xác định chất lượng tín dụng của các DNNVV chính là xác định các DNNVV có rủi ro tín dụng hay khơng. Do đó để xác định các nhân tố ảnh hưởng đến chất lượng tín dụng hay rủi ro tín dụng của các DNNVV, luận văn sử dụng mơ hình Binary Logistic, mơ hình này nghiên cứu sự phụ thuộc của 1 biến nhị phân vào các biến độc lập khác. Mục đích của mơ hình này là đo lường các nhân tố có ảnh hưởng đến rủi ro tín dụng của DNNVV là bao nhiêu. Mơ hình Binary Logistic này cũng phù hợp với các nghiên cứu về rủi ro tín dụng trước đây.
Mơ hình đề xuấtnhư sau:
Loge [ ]= b0 + b1X1+ b2X2 + b3X3+ b4X4 + b5X5 + b6X6 + b7X7 3.2.3.3Lựa chọn biến số
Để áp dụng hồi quy Binary Logistic, trong quá trình xây dựng mơ hình cần phải xác định biến nào là biến phụ thuộc và biến độc lập.
P (Y = 1) P (Y = 0)
v Biến phụ thuộc
Trong mơ hình Binary Logistic thì Y là biến phụ thuộc, là chất lượng tín dụng được đo lường bằng chỉ tiêu nợ xấu với 2 giá trị là 0và 1.
Căn cứ theo Quyết định số 493/2005/QĐ-NHNN về việc phân loại nợ, trích lập và sử dụng dự phòng để xử lý rủi ro tín dụng trong hoạt động ngân hàng của các TCTD và Quyết định số 18/QĐ-NHNN về việc sửa đổi, bổ sung một số điều của
Quyết định 493/2005/QĐ-NHNN. Trong nghiên cứu này, tác giả xác định những khoản vay thuộc nhóm 1 và 2 là những khoản vay có chất lượng tốt,khách hàng có khả năng đảm bảo trả nợ cho ngân hàng thì Y = 1, cịn lại những khoản vay thuộc từ nhóm 3đến nhóm 5 là nợ xấu, khách hàng khơng có khả năng trả nợ đúng hạn cho ngân hàng thì Y = 0.
v Biến độc lập
Trong mơ hình trên thì X1, X2, X3, X4, X5,X6và X7 là các biến độc lập (biến giải thích). Theo kết quả nghiên cứu định tính thì các biến độc lập được xác định như sau:
Bảng 3.2: Diễn giải các biến độc lập được sử dụng trong mơ hình Binary Logistic
Nhóm nhân tố tác động
Biến số Diễn giải biến Kỳ
vọng Ký hiệu Nhân tố từ phía khách hàng Kinh nghiệm quản lý kinh doanh của khách hàng (X1)
Số năm kinh nghiệm của người quản lý doanh nghiệp trong ngành nghề vay vốn tính đến thời điểm hiện nay
+ KinhNghiem
Khả năng thanh toán hiện thời của khách hàng(X2)
Tài sản lưu động/Nợ ngắn
hạn + KhaNangTT
Vốn tự có tham gia vào phương
Tỷ lệ % vốn tự có tham gia
khách hàng (X3) dự án
Uy tín,đạo đức của khách hàng (X4)
Biến giả bằng 1 nếu khách hàng sử dụng vốn đúng mục đích
+
SuDungVon Biến giả bằng 0 nếu khách
hàng sử dụng vốn sai mục đích
-
Đa dạng hóa hoạt động kinh doanh (X5)
Biến giả bằng 1 nếu khách hàng kinh doanh từ 3 ngành nghề trở lên
+
KinhDoanh Biến giả bằng 0 cho các
trường hợp còn lại -
Kinh nghiệm của cán bộ tín dụng (X6)
Số năm trực tiếp làm cơng
tác tín dụng + NhanSu
Kiểm tra giám sát khoản vay (X7)
Tổng số lần kiểm tra, giám
sát khoản vay + KiemTra
(+/-: tác động cùng chiều/ngược chiều đến chất lượng tín dụng)
3.2.4Kết quả nghiên cứu định lượng3.2.4.1Thống kê mô tả 3.2.4.1Thống kê mô tả
Bảng 3.3: Thống kê mô tả biến phụ thuộc Chất lượng tín dụng
(Y) Số lượng Tỷ lệ %
Giá trị 0 29 19,5%
1 120 80,5%
Tổng: 149 100%
Kết quả thống kê cho thấy trong 149 DN điều tra được thì có 120 DN có khả năng trả nợ, chất lượng tín dụng tốt chiếm tỷ lệ 80,5%và số DN khơng có khả năng trả nợ là 29 DN chiếm tỷ lệ 19,5%.
Bảng 3.4: Thống kê mơ tả biến độc lập định tính
SDVon Số lượng Tỷ lệ % Giá trị 0 20 13,5% 1 129 86,5% Tổng: 149 100% KinhDoanh Số lượng Tỷ lệ % Giá trị 0 53 35,6% 1 96 64,4% Tổng: 149 100%
Nguồn: Số liệu tính tốn từ dữ liệu thu thập tại DAB
Kết quả thống kê cho thấy số DN sử dụng vốn đúng mục đích là 129 DN, chiếm tỷ lệ 86,5% và số DN sử dụng vốn sai mục đích là 20 DN, chiếm tỷ lệ 13,5%. Về đa dạng hóa hoạt động kinh doanh có 96 DN đa dạng hóa hoạt động kinh doanh, chiếm tỷ lệ 64,4% và có 53 DN chỉ kinh doanh một ngành hàng, chiếm tỷ lệ 35,6%.
Bảng 3.5: Thống kê mô tả biến độc lập định lượng
Biến độc lập N Minimum Maximum TrungBình Độ lệch
KinhNghiem 149 2 20 9,03 4,0736
KhaNangTT 149 0,5 5,32 1,43 0,387
VonTuCo 149 10% 50% 29,8% 0,112
NhanSu 149 1 10 5 2,382
KiemTra 149 0 5 2.76 1,101
Kết quả thống kê cho thấy số năm kinh nghiệm của người quản lý doanh nghiệp trung bình khoảng 9 năm. Về khả năng thanh tốn trung bình của doanh nghiệp khoảng 1,43 lần, doanh nghiệp có khả năng thanh tốn cao nhất là 5,32 lần. Về tỷ lệ phần trăm vốn tự có tham gia vào tổng nhu cầu vốn cho dự án/phương án kinh doanh của doanh nghiệp trung bình khoảng 29,8% tổng nhu cầu vốn, doanh nghiệp có vốn tự có tham gia cao nhất là 50% tổng nhu cầu vốn. Đối với cán bộ tín dụng thì số năm kinh nghiệm làm việc trong cơng tác tín dụng trung bình khoảng 5 năm, cán bộ tín dụng có kinh nghiệm cao nhất là 10 năm. Về số lần kiểm tra khoản vay của cán bộ tín dụng trung bình khoảng gần 3 lần, số lần kiểm tra khoản vay nhiều nhất là 5 lần.
3.2.4.2Phân tích tương quan
Phân tích tương quan để đo lường mối quan hệ giữa các biến trong mơ hình. Nếu giữa các biến độc lập trong ma trận tương quan khơng có hệ số nào lớn hơn 0,8 là chấp nhận được, vì nếu giữa các biến độc lập có hệ số tương quan từ 0,8 trở lên thì có hiện tượng đa cộng tuyến nếu đưa các biến này vào mơ hình.
Qua kết quả phân tích tương quan Bảng 3.6 dưới đây, ta thấy mối tương quan giữa các biến đưa vào mơ hình đều có giá trị rất nhỏ (< 0,8). Điều đó cho thấy giữa các biến đưa vào mơ hình khơng có hiện tượng đa cộng tuyến.
Bảng 3.6: Tương quan giữa các biến đưa vào mơ hình
Nguồn: Số liệu tính tốn từ dữ liệu thu thập tạiDAB
Kinh Nghiem SDVon KhaNang TT VonTuCo Kinh Doanh NhanSu Kiem Tra KinhNghiem 1 SDVon 0.104 1 KhaNangTT 0.076 0.340** 1 VonTuCo 0.158 0.179* 0.291** 1 KinhDoanh 0.205* 0.119 0.192* 0.08 1 NhanSu 0.222** 0.216** 0.162* 0.139 0.130 1 KiemTra 0.265** 0.380** 0.278** 0.117 0.322** 0.413** 1
3.2.4.3Kết quả phân tích hồi quy Binary Logistic
Sử dụng phần mềm thống kê SPSS với phương pháp đưa biến trực tiếp vào mơ hình (Enter), ta đưa tất cả 7biến vào mơ hình.
Ta có các kết quả thực nghiệm như sau:
Bảng 3.7: Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 118.542 7 .000
Block 118.542 7 .000
Model 118.542 7 .000
Nguồn: Số liệu tính tốn từ dữ liệu thu thập tạiDAB
Bảng 3.7 ta đọc kết quả kiểm định H0: bKinhNghiem = bKhaNangTT = bSDVon = bVonTuCo = bKinhDoanh = bNhanSu = bKiemTra = 0. Kiểm định này xem xét khả năng giải thích biến phụ thuộc của tổ hợp biến độc lập, tức là kiểm định giả thuyết về độ phù hợp tổng quát. Kết quả cho thấy độ phù hợp tổng quát có mức ý nghĩa quan sát sig. = 0,000 nên ta bác bỏ giả thuyết H0. Nghĩa là tổ hợp biến độc lập trên có ý nghĩa trong việc giải thích cho biến phụ thuộc.
Về thể hiện kết quả độ phù hợp của mình. Hồi quy Binary Logistic sử dụng chỉ tiêu -2LL (-2 log likelihood) để đánh giá độ phù hợp của mơ hình. -2LL càng nhỏ càng thể hiện độ phù hợp cao. Giá trị nhỏ nhất của -2LL là 0 (tức là khơng có sai số) khi đó mơ hình có độ phù hợp hồn hảo.
Bảng 3.8: Model Summary
Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 26.333 .549 .875
Nguồn: Số liệu tính tốn từ dữ liệu thu thập tại DAB
Kết quả bảng 3.8cho thấy giá trị của -2LL = 26.333 khơng cao lắm, như vậy nó thể hiện một độ phù hợp khá tốt của mơ hình tổng thể.
Bảng 3.9: Classification Tablea
Observed
Predicted ChatluongTD
Percentage Correct Khong tra Tra duoc
ChatluongTD Khong tra 26 3 89.7
Tra duoc 1 119 99.2
Overall Percentage 97.3
Nguồn: Số liệu tính tốn từ dữ liệu thu thập tại DAB
Mức độ chính xác của dự báo cũng thể hiện qua bảng 3.9, bảng này cho thấy trong 29 trường hợp có rủi ro tín dụng (xem theo hàng) mơ hình đã dự đốn trúng 26 trường hợp, đạt tỷ lệ 89,7%. Cịn với 120 trường hợp khơng có rủi ro tín dụng mơ hình chỉ dự đốn sai 1 trường hợp, đạt tỷ lệ 99,2%. Kết luận chung tỷ lệ đoán đúng của tồn bộ mơ hình là 97,3%.
Bảng 3.10: Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a KinhNghiem .378 .155 5.934 1 .015 1.459 SuDungVon 3.907 1.713 5.205 1 .023 49.754 KhaNangTT 3.102 1.489 4.342 1 .037 22.239 VonTuCo 11.085 5.138 4.655 1 .031 6.516 Kinhdoanh 2.318 1.095 4.483 1 .034 10.159 Nhansu .708 .279 6.439 1 .011 2.031 Kiemtra 2.114 .860 6.046 1 .014 8.281 Constant -21.573 6.197 12.120 1 .000 .000
Nguồn: Số liệu tính tốn từ dữ liệu thu thập tại DAB
Kết quả bảng 3.10 cho thấy kiểm định Wald về ý nghĩa của các hệ số hồi qui tổng thể của các biến độc lập đều có mức ý nghĩa Sig. nhỏ hơn 0,05, tức các biến độc lập đưa vào mơ hình đều phù hợp và có ý nghĩa về mặt thống kê ở mức ý nghĩa 5% nên ta an toàn bác bỏ giả thuyết H0: bKinhNghiem = 0, bKhaNangTT = 0, bSDVon = 0, bVonTuCo = 0, bKinhDoanh = 0, bNhanSu = 0, bKiemTra = 0.
Từ các hệ số hồi qui này ta viết được phương trình:
Loge [ ] ]= -21,573 + 0,378KinhNghiem + 3,907SuDungVon +
3,102KhaNangTT + 11,085VonTuCo + 2,318KinhDoanh + 0,708NhanSu + 2,114KiemTra
Kết quả phân tích cho thấy trong 7 biến đưa vào mơ hình Binary Logistic thì cả 7 biến đều có mối tương quan thuận chiều với biến phụ thuộc, ta giải thích mối quan hệ của từng biến độc lập với biến phụ thuộc như sau:
v Kinh nghiệm quản lý kinh doanh (KinhNghiem): Kinh nghiệm quản lý kinh doanh của người quản lý DN càng cao thì chất lượng tín dụng đối với DN càng cao và ngược lại. Điều đó có nghĩa là chất lượng tín dụng của DN phụ thuộc rất lớn vào năng lực tổ chức, kinh nghiệm quản lý kinh doanh của người quản lý DN. Đây chính là tiền đề tạo ra khả năng kinh doanh có hiệu quả của DN, là cơ sở cho DN thực hiện cam kết hoàn trả đúng hạn nợ ngân hàng.
v Uy tín, đạo đức của khách hàng (SuDungVon): Uy tín, đạo đức của khách hàng thể hiện qua việc khách hàng sử dụng vốn vay có đúng mục đích hay khơng. Khi cấp bất kỳ một khoản tín dụng nào, ngân hàng đều quan tâm đến việc sử dụng vốn vay có đúng với phương án, dự án kinh doanh của khách hàng đề ra hay không. Điều này cho thấy việc sử dụng vốn vay khơng đúng mục đích có thể sẽ dẫn đến rủi ro tín dụng, ảnh hưởng đến chất lượng tín dụng của ngân hàng. Kết quả phân tích cũng cho thấy việc sử dụng vốn đúng mục đích của người vay có thể hạn chế rủi ro tín dụng cho ngân hàng.
v Khả năng thanh toán của khách hàng (KhaNangTT): Khả năng thanh toán của doanh nghiệp là năng lực về tài chính mà doanh nghiệp có được để đáp ứng nhu cầu thanh toán các khoản nợ cho các cá nhân, tổ chức có quan hệ cho doanh nghiệp vay hoặc nợ.Kết quả cho thấy hệ số khả năng thanh toán của DN càng cao, khả năng trảnợ củaDNcàng cao, chất lượng tín dụng của DN càng caovà ngược lại.
v Vốn tự có của KH tham gia vào phương án, dự án kinh doanh (VonTuCo): Vốn tự có của DN trong tổng nhu cầu vốn đầu tư dự án càng lớn thì chất lượng tín
P (Y = 1) P (Y = 0)
VonTuCo có hệ số bcao nhất chứng tỏ biến độc lập này có tác động mạnh nhất đến chất lượng tín dụng. Kết quả này hồn tồn phù hợp với thực tế và được giải thích là khi vốn tự có của người vay tham gia vào dự án càng lớn thì bên cạnh việc chi phí phải trả cho vốn vay sẽ thấp hơn mà người vay còn phải đầu tư thời gian và sự quan tâm nhiều hơn đến dự án, nên dự án sẽ dễ dàng thành công hơn và, rủi ro sẽ thấp hơn và như vậy chất lượng tín dụng càng cao.
v Đa dạng hóa hoạt động kinh doanh (KinhDoanh): Với sự phát triển không ngừng của nền kinh tế và mỗi một ngành hàng đều có chu kỳ sống của nó, hoạt động kinh doanh của DN vay vốn càng đa dạng hóa thì rủi ro cho DN càng thấp, do đó chất lượng tín dụng đối với các DN đa dạng hóa hoạt động kinh doanh sẽ càng cao. Kết quả phân tích bằng mơ hình Binary Logistic hoàn toàn phù hợp với kỳ vọng ban đầu. Điều này có nghĩa là khả năng vượt qua khó khăn và khả năng trả nợ của các DN có đa dạng hóa ngành nghề kinh doanh sẽ cao hơn so với những DN chỉ kinh doanh đơn độc một hoặc hai ngành hàng.
v Kinh nghiệm của cán bộ tín dụng (NhanSu): Cán bộ tín dụng càng làm lâu năm thì càng có nhiều kinh nghiệm trong thẩm định, quản lý món vay cũng như hỗ trợ khách hàng trong những lúc khó khăn. Kết quả cũng cho thấy rõ yếu tố kinh nghiệm của cán bộ tín dụng có mối tương quan thuận với chất lượng tín dụng, cán bộ tín dụng càng có nhiều kinh nghiệm thì chất lượng của các khoản vay mà họ quản lý càng cao và ngược lại.
v Kiểm tra, giám sát khoản vay (KiemTra): Trong hoạt động tín dụng, việc kiểm tra, giám sát sau khi cho vay là một nhiệm vụ bắt buộc của cán bộ tín dụng. Nhiều nghiên cứu cho rằng việc xảy ra rủi ro tín dụng là do q trình kiểm tra, giám sát sau khi cho vay khơng chặt chẽ. Kết quả trên cho thấy rõ việc kiểm tra, giám sát càng chặt chẽ thì khả năng xảy ra rủi ro tín dụng càng thấp hay chất lượng của khoản vay đó càng cao và ngược lại.
KẾT LUẬN CHƯƠNG 3
Thông qua việc thu thập dữ liệu từ các hồ sơ vay của các DNNVV tại Ngân hàng TMCP Đông Á, các số liệu thu thập được sau đó được xử lý bằng phần mềm SPSS 16 để xác định các mối quan hệ giữa các nhân tố ảnh hưởng đến chất lượng tín dụng của các DNNVV tại DAB.
Kết quả phân tích hồi quy Binary Logistic cho thấy các nhân tố thuộc về phía