2.4. Thực trạng nghiên cứu khảo sát các nhân tố tác động đến công tác quản lý nợ xấu tạ
2.4.2. Các biến nghiên cứu và dữ liệu nghiên cứu
Các giả thiết nghiên cứu
• Giả thiết H1: Nhân tố khách hàng đi vay có tác động đến cơng tác quản lý nợ xấu tại ACB
• Giả thiết H2: Nhân tố từ phía ngân hàng cho vay có tác động đến cơng tác quản lý nợ xấu tại ACB
• Giả thiết H3: Nhân tố từ Môi trường kinh tế và mơi trường pháp lý có tác động đến cơng tác quản lý nợ xấu tại ACB
Thời gian thực hiện khảo sát là từ tháng 5/2014 đến tháng 7/2014. Phạm vi khảo sát: các chi nhánh ACB trên địa bàn Thành phố Hồ Chí Minh
Các biến nghiên cứu
• Biến phụ thuộc: Cơng tác quản lý nợ xấu
• Biến độc lập: nhân tố từ phía khách hàng đi vay, nhân tố từ phía ngân hàng cho vay và nhân tố từ Môi trường kinh tế và môi trường pháp lý Mẫu khảo sát: Tác giả thực hiện khảo sát với 200 phiếu được phát ra, số lượng
thu về là 184 phiếu chiếm tỷ lệ 92.0%. Số phiếu này đạt yêu cầu về số lượng mẫu để đảm bảo độ tin cậy dữ liệu.
Đối tượng khảo sát: là các nhân viên, quản lý đang làm việc tại hệ thống ACB trên địa bàn thành phồ Hồ Chí Minh, các cổ đơng của ACB.
Nội dung khảo sát: khảo sát các nhân tố tác động tới công tác quản lý nợ xấu tại ACB, thông qua bảng câu hỏi (xem phụ lục 1)
2.4.3. Kết quả nghiên cứu 2.4.3.1. Mô tả mẫu khảo sát
Với câu hỏi khảo sát vị trí cơng tác của các đối tượng cho kết quả: Vị trí Quản
lý 25,1% số người trả lời; Chuyên gia chiếm 30,4% số người trả lời; Nhân viên
chiếm 40,4% số người trả lời và cuối cùng là Cổ đông chiếm 4,4% số người trả lời (xem phụ lục 2 - bảng 2.1)
Về giới tính của các đối tượng khảo sát: Tỷ lệ nam và nữ trong khảo sát này khá khác xa nhau, cụ thể nam giới chiếm là 61,4% và nữ là 38,6%. Điều này cho thấy nam giới có xu thế làm việc trong ACB nhiều hơn nữ giới (xem phụ lục 2 - bảng 2.2)
Với câu hỏi khảo sát về độ tuổi của đối tượng khảo sát, độ tuổi chiếm nhiều nhất với 66,3% là tuổi từ 20 đến dưới 40 tuổi; tiếp đến là tuổi từ 40 đến dưới 60 tuổi có 51 đối tượng chiếm 27,7% số người trả lời; các lứa tuổi còn lại chiếm 6%. Điều này cho thấy các nhân viên, các nhà quản lý, cổ đông của ACB có độ tuổi trung bình cao nhất là 20 đến dưới 40 tuổi (xem phụ lục 2 - bảng 2.3)
Kết quả khảo sát về trình độ học vấn: trên đại học có 6 cá nhân, chiếm 3,3% số trả lời; trình độ đại học có 122 cá nhân chiếm tỷ lệ cao nhất là 66,3% số người trả lời, cao đẳng là 31 cá nhân chiếm 16,8% số đối tượng, trung cấp là 25 cá nhân chiếm 13,6% số người trả lời
Kết quả này cho thấy rằng các đối tượng khảo sát có trình độ đại học có số lượng lớn nhất, điều này cho thấy ACB có đầu vào nhân sự có trình độ cao (xem phụ lục 2 - bảng 2.4)
2.4.3.2. Tiến hành thống kê mô tả giá trị các biến độc lập:
Về Nhân tố từ phía khách hàng đi vay (xem phụ lục 2 - bảng 2.5) ta thấy giá trị trung bình là 3,74, rất gần so với mức 4 là mức lựa chọn Đồng ý. Điều này cho thấy
Nhân tố từ phía khách hàng đi vay được đánh giá có tác động mạnh đến công tác quản lý nợ xấu tại ACB.
Về Nhân tố từ phía Ngân hàng cho vay (xem phụ lục 2 - bảng 2.6) ta thấy giá trị trung bình là 3,86, rất gần so với mức 4 là mức lựa chọn Đồng ý. Điều này cho thấy
Nhân tố từ phía Ngân hàng cho vay được đánh giá có tác động mạnh đến cơng tác quản lý nợ xấu tại ACB.
Về Nhân tố từ Môi trường kinh tế và môi trường pháp lý (xem phụ lục 2 - bảng 2.7) ta thấy giá trị trung bình là 3,69, rất gần so với mức 4 là mức lựa chọn Đồng ý. Điều này cho thấy Nhân tố từ Môi trường kinh tế và mơi trường pháp lý được đánh giá có tác động mạnh đến cơng tác quản lý nợ xấu tại ACB.
2.4.3.3. Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha
Tính hệ số độ tin cậy Cronbach Alpha: Hệ số Cronbach’s Alpha là một phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ và tương quan giữa các biến quan sát. Tiến hành loại bỏ các biến không phù hợp và hạn chế biến rác trong mơ hình nghiên cứu. Chỉ những biến có hệ số tương quan biến tổng phù hợp (Corrected Item-Total Correlation) lớn hơn 0,3 và hệ số Alpha lớn hơn 0,6 mới được xem là chấp nhận được và thích hợp đưa vào phân tích những bước tiếp theo. Khi thang đo
có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lường tốt. Tác giả sẽ lần lượt tiến hành kiểm tra độ tin cậy của từng biến bao gồm 3 biến độc lập và 1 biến phụ thuộc.
Kiểm định Nhân tố từ phía khách hàng đi vay: Nhân tố này bao gồm 6 biến
được mã hóa cụ thể trong bảng khảo sát. Kết quả được thể hiện trong phụ lục 2 - bảng 2.8.
Nhìn vào phụ lục 2 - bảng 2.8 cho thấy hệ số Cronbach’s Alpha của nhân tố con người là 0,817 > 0,6 nên thang đo đạt tiêu chuẩn. Đồng thời, các biến quan sát đều có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều lớn hơn 0,3 nên các biến đạt yêu cầu về độ tin cậy của dữ liệu.
Kiểm định Nhân tố từ phía Ngân hàng cho vay: Bao gồm 14 biến được mã hóa cụ thể trong bảng khảo sát. Kết quả được thể hiện trong phụ lục 2 - bảng 2.9.
Nhìn vào bảng trên cho thấy hệ số Cronbach’s Alpha của Nhân tố từ phía Ngân hàng cho vay là 0,884 > 0,6 nên thang đo đạt tiêu chuẩn. Các biến quan sát đều có hệ số tương quan biến - tổng đều lớn hơn 0,3 nên các biến đạt yêu cầu về độ tin cậy của dữ liệu.
Kiểm định Nhân tố từ Môi trường kinh tế và môi trường pháp lý: Bao gồm
10 biến được mã hóa cụ thể trong bảng khảo sát. Kết quả được thể hiện trong phụ lục 2 - bảng 2.10
Ta thấy hệ số Cronbach’s Alpha của Nhân tố từ Môi trường kinh tế và môi trường pháp lý là 0,804 > 0,6 nên thang đo đạt tiêu chuẩn. Đồng thời, các biến quan
sát đều có hệ số tương quan biến - tổng đều lớn hơn 0,3 nên các biến đạt yêu cầu về độ tin cậy của dữ liệu.
Kiểm định nhân tố phụ thuộc Biện pháp giúp tăng cường quản lý nợ xấu tại ACB: Bao gồm 6 biến được mã hóa cụ thể trong bảng khảo sát. Kết quả được thể hiện trong phụ lục 2 - bảng 2.11
Ta thấy hệ số Cronbach’s Alpha của nhân tố Biện pháp giúp tăng cường quản lý nợ xấu tại ACB là 0,785 > 0,6 nên thang đo đạt tiêu chuẩn. Đồng thời, các
biến quan sát đều có hệ số tương quan biến - tổng đều lớn hơn 0,3 nên các biến đạt yêu cầu về độ tin cậy của dữ liệu.
Thực hiện các bước kiểm tra độ tin cậy của dữ liệu cho thấy rằng tất cả các biến đều đảm bảo độ tin cậy của dữ liệu, thỏa mãn yêu cầu về dữ liệu được đặt ra. Dùng các dữ liệu này cho các bước tiếp theo là hoàn tồn hợp lý.
2.4.3.4. Phân tích nhân tố khám phá Exploratory Factor Analysis (EFA)
Sau khi kiểm tra độ tin cậy, các dữ liệu đều thỏa mãn độ tin cậy với 3 nhóm biến độc lập với 30 yếu tố kỳ vọng tác động đến nợ xấu tại ACB được đưa vào phân tích nhân tố khám phá. Phân tích nhân tố khám phá EFA là kỹ thuật được sử dụng để thu nhỏ và tóm tắt dữ liệu. Phương pháp này rất hiệu quả trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Nghiên cứu này sử dụng phương pháp kiểm định Kaiser-Meyer-Olkin (KMO) và Bartlett để đo lường sự tương thích của mẫu khảo sát. Hệ số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu, tiến hành loại bỏ và thực hiện lại đến khi các hệ số đều lớn hơn 0,5. Một phần quan trọng trong bảng phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rolated component matrix). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố Principal Component nên các hệ số tải nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt yêu cầu.
Bảng 2.14: Bảng tóm tắt các hệ số khi sử dụng phân tích nhân tốLần Tổng số biến Lần Tổng số biến phân tích Biến quan sát bị loại Hệ số KMO Sig Phương sai trích Số nhân tố phân tích được 1 30 .860 .000 62.713 7 2 28 2 biến .855 .000 64.507 7
Nguồn: Nghiên cứu của tác giả
Dựa vào bảng 2.14 cho thấy hệ số KMO > 0,5 và sig = 0,000 < 0,05 nên giả thuyết H0 trong phân tích này “Độ tương quan giữa các biến quan sát bằng 0 trong tổng thể” sẽ bị bác bỏ, điều này có nghĩa là các biến quan sát có tương quan với nhau trong tổng thể và phân tích nhân tố EFA là thích hợp. Các con số trong bảng Rotated Component Matrix thể hiện các trọng số nhân tố hay hệ số tải nhân tố (factor loading) lớn nhất của mỗi biến quan sát. Để phân tích nhân tố EFA được xem là quan trọng và có ý nghĩa thiết thực, chỉ giữ lại các biến quan sát có trọng số nhân tố > 0,5.
Sau khi loại những biến quan sát có trọng số nhỏ hơn 0,5, mơ hình nghiên cứu cịn lại 28 yếu tố thành phần trích thành 7 nhóm được tổng hợp và trình bày ở bảng 2.11. Các giá trị Eigenvalues đều lớn hơn 1 và độ biến thiên được giải thích tích luỹ là 64,507% cho biết 7 nhóm nhân tố nêu trên giải thích được 64,507% biến thiên của các biến quan sát.
Bảng 2.15: Bảng phân tích nhân tố tương ứng với các biến quan sátPhân nhóm và mã hóa Rotated Component Matrixa Phân nhóm và mã hóa Rotated Component Matrixa
Component 1 2 3 4 5 6 7 Nhân tố nội bộ (NB) NH12 .727 NH14 .721 NH13 .689 NH11 .580 NH10 .547 NH6 .509 Nhân tố khách hàng (KH) KH3 .777 KH2 .764 KH4 .739 KH6 .652 Yếu tố năng lực (NL) NH2 .820 NH4 .744 NH3 .575 NH1 .545 KH1 .520
Nhân tố môi trường kinh doanh (MT) KQ2 .753 KQ1 .667 KQ4 .637 KQ3 .572 Nhân tố pháp luật (PL) KQ7 .844 KQ5 .755 KQ8 .696 KQ6 .685 Nhân tố quản trị (QT) NH8 .885 NH7 .804 NH9 .528 Nhân tố bất khả kháng (BKK) KQ10 .769 KQ9 .694
Tiến hành kiểm tra tương tự với biến phụ thuộc ta có giá trị KMO là 0,789 (> 0,5) và sig = 0,000 < 0,05 nên giả thuyết H0 trong phân tích này “Độ tương quan giữa các biến quan sát bằng 0 trong tổng thể” sẽ bị bác bỏ, điều này có nghĩa là các biến quan sát có tương quan với nhau trong tổng thể và phân tích nhân tố EFA là thích hợp.
Bảng 2.16: Bảng phân tích nhân tố với biến độc lập
Phân nhóm và mã hóa Component Matrixa Component 1 Biện pháp (BP) DX3 .777 DX2 .728 DX1 .693 DX5 .677 DX4 .659 DX6 .626 KMO = 0,789
Nhân tố nội bộ (NB) H1 Nhân tố khách hàng (KH) H2 Yếu tố năng lực (NL) H3 Nợ xấu (NX) H4
Nhân tố môi trường doanh (MT)kinh
H5 H6 Nhân tố pháp luật (PL) H7 Nhân tố quản trị (QT) Nhân tố bất khả kháng (BKK)
Qua kết quả phân tích EFA, mơ hình nghiên cứu được hiệu chỉnh lại như sau:
Hình 2.4 : Mơ hình nghiên cứu sau phân tích EFA
Nguồn: Nghiên cứu của tác giả
Các giả thiết nghiên cứu sau phân tích EFA:
o H1: Nhân tố nội bộ có tác động đến cơng tác quản lý nợ xấu tại ACB
o H2: Nhân tố khách hàng có tác động đến cơng tác quản lý nợ xấu tại ACB
o H4: Nhân tố mơi trường kinh doanh có tác động đến cơng tác quản lý nợ xấu tại ACB
o H5: Nhân tố pháp luật có tác động đến công tác quản lý nợ xấu tại ACB
o H6: Nhân tố quản trị có tác động đến cơng tác quản lý nợ xấu tại ACB
o H7: Nhân tố bất khả kháng có tác động đến cơng tác quản lý nợ xấu tại ACB
2.4.3.5. Kiểm định mơ hình bằng phân tích hồi quy bội
Phương trình hồi quy có dạng như sau:
NX = β0β1*NBβ2*KHβ3*NLβ4*MTβ5*PLβ6*QTβ7*BKK
Tiến hành hồi quy chúng ta gom nhóm và tính giá trị trung bình cho các nhóm mới dựa vào giá trị mà biến thể hiện.
Nhằm xác định, đo lường và đánh giá mức độ liên quan của các biến đến công tác quản lý nợ xấu tại ACB, tác giả sử dụng phương pháp hồi quy tuyến tính bội đối với 7 nhóm nhân tố ảnh hưởng thu được từ phần phân tích nhân tố khám phá ở trên. Kết quả thu được được thể hiện trong bảng 2.13.
Bảng 2.13: Phân tích hồi quy
Model Summaryb
Adjusted R Square
Std. Error of the Estimate
Model R R Square Durbin-Watson
1 .770a .593 .577 .34885 2.011
a. Predictors: (Constant), BKK, KH, PL, QT, NB, MT, NL b. Dependent Variable: BP
Kết quả trong bảng 2.13 cho giá trị R2 = 0,557; giá trị R2 cho biết rằng các biến độc lập trong mơ hình có thể giải thích được 55,7% sự thay đổi của biến phụ thuộc.
Để kiểm định độ phù hợp của mơ hình hồi quy tổng thể ta xem xét đến giá trị F từ bảng 2.14 phân tích phương sai ANOVA, giá trị F = 36,638 giá trị sig = 0,000, bước đầu cho thấy mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 2.14: Phân tích phương sai ANOVA
ANOVAb
Sum of Squares
Model df Mean Square F Sig.
1 Regression 31.210 7 4.459 36.638 .000a Residual 21.418 176 .122 Total 52.628 183 a. Predictors: (Constant), BKK, KH, PL, QT, NB, MT, NL b. Dependent Variable: BP
Nguồn: Nghiên cứu của tác giả
Đại lượng thống kê Durbin-Watson = 2,011 (bảng 2.13) nằm trong đoạn chấp nhận từ 1 đến 3 nên hiện tượng tự tương quan giữa các biến độc lập khơng xảy ra. Vì vậy, mơ hình hồi quy trên có thể được chấp nhận cho thấy khơng có sự tương quan giữa các phần dư. Điều này có ý nghĩa là mơ hình hồi quy khơng vi phạm giả định về tính độc lập của sai số.
Bảng 2.15: Bảng hệ kết quả phân tích hồi quy Coefficientsa Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model t Sig. Std. Error
B Beta Tolerance VIF
1 (Constant) .115 .171 .670 .504 NB .192 .078 .169 2.470 .014 .494 2.024 KH .042 .047 .055 .908 .365 .629 1.591 NL .118 .073 .111 1.630 .105 .497 2.014 MT .204 .068 .200 3.020 .003 .526 1.903 PL .119 .040 .157 2.979 .003 .831 1.203 QT .075 .036 .120 2.067 .040 .689 1.452 BKK .206 .037 .306 5.542 .000 .759 1.317 a. Dependent Variable: BP
Nguồn: Nghiên cứu của tác giả
Nhìn vào bảng 2.15, ta thấy có nhóm biến KH và NL có hệ số Sig. >5% nên tiến hành loại bỏ biến có hệ số Sig. lớn nhất là KH, chạy lại mơ hình hồi quy.
Bảng 2.16: Bảng hệ kết quả phân tích hồi quy lần 2 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error
Beta Tolerane VIF
1 (Constant) .131 .170 .769 .443 NB .196 .078 .172 2.521 .013 .495 2.019 NL .146 .066 .137 2.224 .027 .605 1.654 MT .206 .068 .202 3.050 .003 .526 1.901 PL .118 .040 .155 2.948 .004 .832 1.202 QT .081 .036 .129 2.257 .025 .710 1.409 BKK .206 .037 .306 5.549 .000 .759 1.317 a. Dependent Variable: BP