Nghiên cứu định lượng

3.2.1 Phương pháp nghiên cứu

Nghiên cứu được thực hiện thông qua 2 bước:

Bước 1: Trên cơ sở các nhân tố ảnh hưởng đ ến chất lượng tín dụng đ ối với DNNVV đã được xác định trong nghiên cứu định tính . Tác giả tiếp tục gửi phiếu điều tra đến các CBTD đang làm việc tại Phòng Khách hàng Doanh nghiệp của SHB đang quản lý các hồ sơ vay của các DN , đồng thời tác giả trực tiếp hướng dẫn các CBTD điền phiếu điều tra , từ đó thu thập các thông tin về các nhân tố ảnh hưởng đến chất lượng tín dụng đ ối với DNNVV. Nội dung phiếu điều tra cho nghiên cứu định lượng được trình bày ở Phụ lục 03.

Bước 2: Tiến hành phân tích hồi quy Binary Logistic bằng phần mềm SPSS 16.0 nhằm kiểm định sự ảnh hưởng của cá c nhân tố này đ ến chất lượng tín dụng đ ối với các DNNVV tại SHB.

3.2.2 Mẫu nghiên cứu

Theo kế hoạch điều tra, kích thước mẫu là 200 hồ sơ vay của DNNVV tại SHB, là những khoản vay đã phát sinh trư ớc ngày 01/01/2012 và đến thời điểm 30/06/2013 vẫn còn dư nợ. Việc chọn mẫu như vậy để đảm bảo rằng tất cả các mẫu được chọn đều phát sinh kỳ hạn nợ phải thanh toán , do đó mới có thể đánh giá được chất lượng khoản vay một cách tương đối chính xác.

Số lượng hồ sơ vay của DNNVV được khảo sát là 200, tuy nhiên có 51 hồ sơ vay không hợp lệ do thiếu thông tin khảo sát. Kết quả còn 149 hồ sơ vay hợp lệ được sử dụng làm dữ liệu nghiên cứu. Sau khi tổng hợp phi ếu điều tra, tác giả chia khách hàng vay thành 2 nhóm: nhóm 1 là nhóm khách hàng có khả năng trả nợ (theo khảo sát được phân loại vào nhóm 1,2) và nhóm 0 là nhóm khách hàng khơng có khả năng trả nợ (theo khảo sát được phân loại vào nhóm 3,4,5).

Phân tích hồi quy Logistic cũng như các kỹ thuật khác , kết quả phân tích đều bị ảnh hưởng bởi kích thước mẫu . Đã có nhiều kết quả nghiên cứu đưa ra tỷ lệ 20 quan sát cho mỗi biến dự báo , theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cho rằng có tối thiểu 5 quan sát cho mỗi biến dự báo . Như vậy mẫu nghiên cứu này có 149 quan sát, với số biến dự định đưa vào mô hình là 7 biến, thì theo các kết quả nghiên cứu trên mơ hình của chúng ta có thể có kết luận chính xác để suy rộng ra tởng thể.

3.2.3 Mơ hình nghiên cứu đề xuất

3.2.3.1 Lược khảo một số nghiên cứu liên quan

Tính đến nay đã có nhiều cơng trình nghiên cứu về việc đề xuất mô 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 mô hình nghiên cứu đề nghị . Cụ thể là nghiên cứu của Lê Tất Thành (2010) về “Ứng dụng hàm Logit xây dựng mô 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 Ng ân 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 mô 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 DN.

3.2.3.2 Lựa chọn mơ hình

Xác định chất lượng tín dụng đ ối với 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 mô hình Binary Logistic , mô 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 củ a 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 xuất như sau:

Loge [ ]= β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 3.2.3.3 Lựa chọn biến số

Để áp dụng hồi quy Binary Logistic , trong quá trình xây dựng mô hình cần phải xác định biến nào là biến phụ thuộc và biến nào là biến độc lập.

 Biến phụ thuộc

Trong mô 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 0 và 1.

Căn cứ theo Quyết định số 493/2005/QĐ-NHNN về việc phân loại nợ , trích lập và sử dụ ng 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 trả nợ cho NH thì Y = 1, cịn lại những khoản vay thuộc từ nhóm 3 đến nhóm 5 là những khoản vay có chất lượng xấu, khách hàng khơng có khả nă ng trả nợ đúng hạn cho NH thì Y = 0.

 Biến độc lập

Trong mô hình trên thì X1, X2, X3, X4, X5, X6 và 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:

P (Y = 1) P (Y = 0)

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

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 án kinh doanh của khách hàng (X3)

Tỷ lệ % vốn tự có tham gia vào phương án , dự án/Tổng nhu cầu vốn của phương án, dự án

+ VonTuco

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)

3.2.4 Kết quả nghiên cứu định lượng 3.2.4.1 Thống 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%

Nguồn: Số liệu tính toán từ dữ liệu thu thập tại SHB

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, chất lượng tín dụng xấu 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 toán từ dữ liệu thu thập tại SHB

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 Trung Bình 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

Nguồn: Số liệu tính toán từ dữ liệu thu thập tại SHB

Kết quả thống kê cho thấy số năm kinh nghiệm củ a người quản lý DN trung bình khoảng 9 năm. Về khả năng thanh toá n trung bình của DNkhoảng 1,43 lần, DN có khả năng thanh toán 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 DN trung bình khoảng 29,8% tởng nhu cầu vốn , DN có vốn tự có tham gia cao nhất là 50% tổng nhu cầu vốn . Đối với CBTD thì số năm kinh nghiệm làm việc trong lĩnh vực tín dụng trung bình khoảng 5 năm, CBTD có kinh nghiệm cao nhất là 10 năm. Về số lần kiểm tra kho ản vay của CBTD trung bình khoảng gần 3 lần, số lần kiểm tra khoản vay nhiều nhất là 5 lần.

3.2.4.2 Phân tích tương quan

Phân tích tương quan để đo lường mối quan hệ giữa các biến trong mô 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 mô hình .

Qua kết quả phân tích tương quan ở 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 toán từ dữ liệu thu thập tại SHB

3.2.4.3 Kết quả phân tích hồi quy Binary Logistic

Sử dụng phần mềm thống kê SPSS 16.0 với phương pháp đưa biến trực tiếp vào mơ hình (Enter), ta đưa tất cả 7 biến vào mô 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 toán từ dữ liệu thu thập tại SHB

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

Bảng 3.7 ta đọc kết quả kiểm định H 0: βKinhNghiem = βKhaNangTT = βSDVon = βVonTuCo = βKinhDoanh = βNhanSu = βKiemTra = 0. Kiểm định này xem xét khả năng giải thích biến phụ thuộc của tở hợp biến độc lập, tức là kiểm định giả thuyết về độ phù hợp tổng quát. Kết quả cho thấy độ phù hợp tởng quát có mức ý nghĩa quan sát sig . = 0,000 nên ta bác bỏ giả thuyết H 0. Nghĩa là tổ hợp biến độc lập trên có ý nghĩa trong việc giải thích cho biến phụ thuộc.

Về thể hiện kết q uả độ phù hợp củ a mơ hình, 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 toán từ dữ liệu thu thập tại SHB

Kết quả Bảng 3.8 cho thấy giá trị của -2LL = 26,333 không cao lắm, như vậy nó thể hiện một độ phù hợp khá tốt của mơ hình tởng 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

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 ) mô hình đã dự đoán trúng 26 trường hợp, đạt tỷ lệ 89,7%. Cịn với 120 trường hợp khơng có rủi ro tín dụng mơ hình chỉ dự đoán sai 1 trường hợp, đạt tỷ lệ 99,2%. Kết luận chung tỷ lệ đoán đúng của toàn bộ mô 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 2,685 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 toán từ dữ liệu thu thập tại SHB

Kết quả B ảng 3.10 cho thấy kiểm định Wald về ý nghĩa của các hệ số hồi qui tởng thể của các biến độc lập đều có mức ý nghĩa Sig . nhỏ hơn 0,05, tức các biến độc lập đưa vào mô 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: βKinhNghiem = 0, βKhaNangTT = 0, βSDVon = 0, βVonTuCo = 0, βKinhDoanh = 0, βNhanSu = 0, βKiemTra = 0.

Từ các hệ số hồi qui này ta viết được phương trình:

Loge [ ] ]= -21,573 + 0,378KinhNghiem + 3,907SuDungVon +

3,102KhaNangTT + 2,685VonTuCo + 2,318KinhDoanh+ 0,708NhanSu +

2,114KiemTra

P (Y = 1) P (Y = 0)

Kết quả phân tích cho thấy trong 7 biến đưa vào mô hình Binary Logistic thì cả 7 biến đều có mối tương quan thuận chiều với biến phụ thuộc , ta giải t hích mối quan hệ của từng biến độc lập với biến phụ thuộc như sau:

 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 điều hành hoạt động 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 NH.

 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. Theo kết quả hồi quy Bi nary Logistic thì biến SuDungVon có hệ số β cao nhất chứng tỏ biến độc lập này có tác động mạnh nhất đến chất lượng tín dụng . Kết quả này hoàn toàn phù hợp với thực tế . Điều này có thể được hiểu là khi cấp bất kỳ một kh oản tín dụng nào, NH đều rất 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 không đúng mục đích r ất dễ dẫn đến rủi ro tín dụng , ảnh hưởng đến chấ t lượng tín dụng của NH. 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 NH.

 Khả năng thanh toán của khách hàng (KhaNangTT): Khả năng thanh toán của DN là năng lực về tài chính mà DN có được để đáp ứng nhu cầu thanh toán các khoản nợ cho các cá nhân, tở chức có quan hệ cho DN vay hoặc nợ. Kết quả cho thấy h ệ số khả năng thanh toán của DN càng cao , khả năng trả nợ của DN càng cao , chất lượng tín dụng của DN càng cao và ngược lại.

 Vốn tự có của KH tham gia vào phương án , dự án kinh doanh (VonTuCo): Vốn