Tên biến Loại biến Diễn giải
HTKTTS Độc lập Hàng tồn kho/Tổng nợ
LNTTTN Độc lập Lợi nhuận trước thuế/Tổng nợ VCSHTN Độc lập Vốn chủ sở hữu/Tổng nợ DTTTS Độc lập Doanh thu/Tổng tài sản QM Độc lập Quy mô doanh nghiệp LS Độc lập Lãi suất cho vay THOIHAN Độc lập Thời hạn khoản vay
LP Độc lập Lạm phát
GDP Độc lập GDP bình quân đầu người GDDN Độc lập Giám đốc doanh nghiệp
NQH Phụ thuộc Nợ quá hạn
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Thống kê mô tả:
Bảng 4.2 Bảng thống kê mô tả dữ liệu mơ hình nghiên cứu
Variable Obs Mean Std. Dev. Min Max
HTKTTS 1603 0.24 0.17 0.00 0.84 LNTTTN 1603 0.20 0.44 -3.05 3.48 VCSHTN 1603 1.41 2.70 -0.94 45.08 DTTTS 1603 1.37 1.46 0.00 43.44 QM 1603 0.57 0.49 0.00 1.00 LS 1603 10.98 3.43 7.11 16.95 THOIHAN 1603 0.44 0.49 0.00 1.00 LP 1603 7.56 5.26 0.88 18.68 GDP 1603 1837.00 322.28 1273.00 2253.00 GDDN 1603 0.75 0.43 0.00 1.00 NQH 1603 0.29 0.45 0.00 1.00
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Dữ liệu của mơ hình được thu thập từ 229 Cơng ty (bao gồm các loại hình khác nhau như Cơng ty Cổ phần, Công ty Trách nhiệm hữu hạn một và hai thành viên trở liên) có quan hệ tín dụng tại các Chi nhánh khu vực Thành phố Hồ Chí Minh của BIDV trong thời gian từ năm 2010 đến năm 2016, với tổng cộng là 1.602 quan sát. Trong đó, 1.318 quan sát là khơng có nợ q hạn và 284 quan sát là có nợ quá hạn.
Số liệu Hàng tồn kho, Tổng tài sản, Lợi nhuận trước thuế, Tổng nợ, Doanh thu được thu thập từ các báo cáo tài chính của các Cơng ty, sau đó sẽ được xử lý với từng hệ số tỷ lệ như bảng mô tả thể hiện. Riêng biến Quy mô doanh nghiệp sẽ được xác định dựa trên Quy định QĐ48/2006, Thông tư 133/2016 và quy định nội bộ của BIDV từng thời kỳ (phụ thuộc vào tổng nguồn vốn, số lượng lao động, doanh thu và một số yếu tố khác của Doanh nghiệp). Biến Giám đốc doanh nghiệp được xác định dựa trên Doanh nghiệp có th Giám đốc ngồi hay không, Giám đốc ngồi được hiểu là người khơng có bất kỳ đóng góp vốn nào vào vốn chủ sở hữu của Công ty.
Biến thời hạn khoản vay được xác định dựa trên món vay có khoảng thời hạn cao nhất của doanh nghiệp trong năm kiểm định.
Các biến vĩ mô như: Lãi suất cho vay được xác định dựa trên lãi suất cơ bản bình quân trong năm của Ngân hàng Nhà nước Việt Nam, GDP bình quân đầu người, Lạm phát.
4.3 Chạy mơ hình và kiểm định. 4.3.1 Chạy mơ hình 4.3.1 Chạy mơ hình
Đầu tiên, tác giả chạy mơ hình OLS thông thường với kết quả ban đầu như sau:
Bảng 4.3 Bảng kết quả chạy dữ liệu mơ hình OLS
Source SS df MS MS Number of obs 1602
F( 10, 1591) 45,54
Model 51,994 10 5,199 Prob > F 0
Residual 181,659 1591 0,114 R-squared 0,2225
Adj R-squared 0,2176
Total 233,653 1601 0,146 Root MSE 0,3379 NQH Coef. Std. Err. T P>t [95% Conf. Interval] GDDN -0,006 0,020 -0,30 0,767 -0,045 0,033 GDP 0,000 0,000 5,82 0,000 0,000 0,000 LP -0,020 0,006 -3,51 0,000 -0,031 -0,009 THOIHAN -0,003 0,019 -0,14 0,889 -0,040 0,034 LS 0,047 0,012 3,98 0,000 0,024 0,070 QM 0,047 0,020 2,38 0,017 0,008 0,086 DTTTS -0,027 0,006 -4,56 0,000 -0,039 -0,016 VCSHTN 0,046 0,004 12,23 0,000 0,039 0,053 LNTTTN -0,394 0,023 -17,37 0,000 -0,438 -0,349 HTKTTS 0,287 0,054 5,35 0,000 0,182 0,392 _cons -0,868 0,196 -4,44 0,000 -1,252 -0,484
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Từ bảng trên, với mức ý nghĩa 5% thì các biến GDP bình quân đầu người, Lạm phát, Lãi suất cho vay, Quy mô doanh nghiệp, Doanh thu/Tổng tài sản, Vốn chủ sỡ hữu/Tổng nợ, Lợi nhuận trước thuế/Tổng nợ, Hàng tồn kho/Tổng tài sản là có ý nghĩa thống kê (p-value < 5%). Trong đó, các biến có hệ số gốc lớn hơn 0 là tương quan cùng chiều với rủi ro nợ quá hạn và ngược lại.
Tiếp theo, tác giả sẽ chạy mơ hình logit và probit đối với tập dữ liệu:
Mơ hình Logit:
Bảng 4.4 Bảng kết quả chạy dữ liệu mơ hình Logit Logistic regression Logistic regression
Number of obs = 1602 LR chi2(10) = 1059,93 Prob > chi2 = 0 Log likelihood = -228,55675 Pseudo R2 = 0,6813 NQH Coef. Std. Err. z P>z [95% Conf. Interval] GDDN 0,128 0,289 0,44 0,657 -0,438 0,695 GDP 0,007 0,002 3,84 0,000 0,004 0,011 LP -0,237 0,076 -3,10 0,002 -0,387 -0,087 THOIHAN 0,408 0,261 1,56 0,119 -0,105 0,920 LS 0,800 0,212 3,78 0,000 0,385 1,215 QM -0,341 0,279 -1,22 0,221 -0,888 0,205 DTTTS -0,377 0,160 -2,36 0,018 -0,691 -0,064 VCSHTN 3,349 0,268 12,48 0,000 2,823 3,874 LNTTTN -47,125 3,717 -12,68 0,000 -54,411 -39,839 HTKTTS 5,153 0,750 6,87 0,000 3,683 6,622 _cons -24,136 5,527 -4,37 0,000 -34,969 -13,303
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Cũng với mức ý nghĩa 5%, các biến sau có ý nghĩa thống kê: GDP bình quân đầu người, Lạm phát, Lãi suất cho vay, Doanh thu/Tổng tài sản, Vốn chủ sỡ hữu/Tổng nợ, Lợi nhuận trước thuế/Tổng nợ, Hàng tồn kho/Tổng tài sản. Tương tự, các biến có hệ số gốc lớn hơn 0 là tương quan cùng chiều với rủi ro nợ quá hạn và ngược lại.
Mơ hình Probit:
Bảng 4.5 Bảng kết quả chạy dữ liệu mơ hình Probit Probit regression Probit regression
Number of obs = 1602 LR chi2(10) = 1030,12 Prob > chi2 = 0.0000 Log likelihood = -233,4582 Pseudo R2 = 0.6781 NQH Coef. Std. Err. z P>z [95% Conf. Interval]
GDDN 0,0752 0,1641 0,46 0,647 -0,2465 0,3968 GDP 0,0038 0,0009 4,12 0,000 0,0020 0,0056
THOIHAN 0,2134 0,1476 1,45 0,148 -0,0758 0,5027 LS 0,4158 0,1077 3,86 0,000 0,2048 0,6268 QM -0,2296 0,1582 -1,45 0,147 -0,5395 0,0804 DTTTS -0,2292 0,0922 -2,48 0,013 -0,4100 -0,0484 VCSHTN 1,9543 0,1500 13,03 0,000 1,6603 2,2482 LNTTTN -27,3104 2,0691 -13,20 0,000 -31,3657 -23,2551 HTKTTS 2,9781 0,4181 7,12 0,000 2,1586 3,7976 _cons -12,4385 2,6271 -4,73 0,000 -17,5874 -7,2895
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Tương tự với mức ý nghĩa 5%, giống với mơ hình Logit, các biến có ý nghĩa thống kê: GDP bình quân đầu người, Lạm phát, Lãi suất cho vay, Doanh thu/Tổng tài sản, Vốn chủ sỡ hữu/Tổng nợ, Lợi nhuận trước thuế/Tổng nợ, Hàng tồn kho/Tổng tài sản.
4.3.2 Kiểm định mơ hình
Tác giả tiến hành kiểm định mức độ phù hợp của hai mơ hình Logit và Probit:
Bảng 4.6 Bảng kết quả kiểm định mức độ phù hợp của mơ hình Logit Logistic model for NQH, goodness-of-fit test Logistic model for NQH, goodness-of-fit test
(Table collapsed on quantiles of estimated probabilities)
number of observations = 1602
number of groups = 10
Hosmer-Lemeshow chi2(8) = 11,96
Prob > chi2 = 0,1431
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Với kiểm định Hosmer-Lemeshow cho thấy, p = 14,31% > 5%, vì vậy mơ hình Logit là phù hợp.
Bảng 4.7 Bảng kết quả kiểm định mức độ phù hợp của mơ hình Probit Probit model for NQH, goodness-of-fit test Probit model for NQH, goodness-of-fit test
(Table collapsed on quantiles of estimated probabilities)
number of observations = 1.602
number of groups = 10
Hosmer-Lemeshow chi2(8) = 12,37
Prob > chi2 = 0,1354
Với kiểm định Hosmer-Lemeshow cho thấy, p = 13,54% > 5%, vì vậy mơ hình Logit là phù hợp.
Cả hai kiểm định đều cho thấy mơ hình Logit và Probit đều phù hợp để dự báo kết quả.
4.4 Kết quả và nhận xét.
Bảng 4.8 Bảng thống kê kết quả dự báo của ba mơ hình Logit, Probit, OLS Variable Obs Mean Std. Dev. Min Max Variable Obs Mean Std. Dev. Min Max
NQH 1602 0,1772 0,3819 0 1
plogit 1602 0,1773 0,3168 0 1
pprobit 1602 0,1756 0,3171 0 1
pols 1602 0,1773 0,1802 -0,9941 2,1921
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Từ bảng trên có thể thấy rằng, mơ hình OLS là khơng phù hợp trong dữ liệu với biến phụ thuộc là biến nhị phân, các kết quả dự báo từ mơ hình OLS đã nằm ngồi khoảng (0;1).
Bảng 4.9 Bảng thể hiện tỷ lệ dự báo chính xác của mơ hình Logit
Logistic model for NQH
-------- True -------- Classified D ~D Total + 202 48 250 - 82 1.270 1.352 Total 284 1.318 1.602 Classified + if predicted Pr(D) >= .5 True D defined as NQH != 0 Sensitivity Pr( +| D) 71,13% Specificity Pr( -|~D) 96,36% Positive predictive value Pr( D| +) 80,80% Negative predictive value Pr(~D| -) 93,93% False + rate for true ~D Pr( +|~D) 3,64% False - rate for true D Pr( -| D) 28,87% False + rate for classified + Pr(~D| +) 19,20% False - rate for classified - Pr( D| -) 6,07%
Correctly classified 91,89%
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Probit model for NQH -------- True -------- Classified D ~D Total + 200 46 246 - 84 1.272 1.356 Total 284 1.318 1.602 Classified + if predicted Pr(D) >= .5 True D defined as NQH != 0 Sensitivity Pr( +| D) 70,42% Specificity Pr( -|~D) 96,51% Positive predictive value Pr( D| +) 81,30% Negative predictive value Pr(~D| -) 93,81% False + rate for true ~D Pr( +|~D) 3,49% False - rate for true D Pr( -| D) 29,58% False + rate for classified + Pr(~D| +) 18,70% False - rate for classified - Pr( D| -) 6,19%
Correctly classified 91,89%
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Từ bảng 4.9 và bảng 4.10 có thể thấy rằng, tỷ lệ dự báo của mơ hình Logit và Probit là tương đương nhau với số liệu khá cao 91,98%, thể hiện khả năng dự báo của mơ hình là tốt.
4.11 Bảng so sánh mơ hình Logit và Probit Mơ hình
Chỉ tiêu Logit Probit
Log likelihood -228,5567 -233,4582
Pseudo R2 0,6813 0.6781
Prob > chi2 Hosmer-
Lemeshow 0,1431 0,1354
Correctly classified 91,89% 91,89%
Nguồn: Theo kết quả chạy chương trình Stata của tác giả
Qua bảng 4.11 có thể thấy rằng, với các chỉ tiêu Log likelihood, Pseudo R2, Prob > chi2 Hosmer-Lemeshow, Correctly classified, mơ hình Logit đều vượt trội hơn so với mơ hình Probit. Vì vậy, kết quả của mơ hình Logit là phù hợp để đảm bảo khả năng dự báo nợ quá hạn.
Với mơ hình Logit được chọn, kết quả cho thấy, các biến có p-value < 5% sẽ có ý nghĩa thống kê bao gồm: GDP bình qn đầu người, Lạm phát, Lãi suất cho
vay, Doanh thu/Tổng tài sản, Vốn chủ sỡ hữu/Tổng nợ, Lợi nhuận trước thuế/Tổng nợ, Hàng tồn kho/Tổng tài sản. Các biến cịn lại sẽ khơng có ý nghĩa thống kê trong mơ hình. Tác giả sẽ chỉ tập trung phân tích vào tác động của các biến có ý nghĩa thống kê, cụ thể:
- Biến GDP bình qn đầu người có tương quan cùng chiều với khả năng nợ quá hạn của doanh nghiệp. Tuy nhiên, với hệ số 𝛽 = 0,007 đã chỉ ra rằng, tác động của biến này đến nợ quá hạn của doanh nghiệp là rất thấp. Đây là một trong những biến vĩ mơ trong mơ hình, với kỳ vọng mang một dấu âm trước đó, điều này cũng thể hiện, tùy thuộc vào từng vùng địa lý và văn hóa khác nhau, sự ảnh hưởng chung của nền kinh tế đến khả năng nợ quá hạn của doanh nghiệp là khác nhau và mức độ ảnh hưởng cũng khác nhau.
- Biến Lạm phát là một mối quan hệ ngược chiều với khả năng nợ quá hạn của doanh nghiệp. Hệ số 𝛽 = -0,237 là thấp. Đây cũng là một kết quả khác với kỳ vọng ban đầu. Nhưng theo các nghiên cứu trước đây cũng đã chỉ rõ, lạm phát sẽ tác động không rõ nét đến rủi ro tín dụng của doanh nghiệp, vì cịn phụ thuộc vào mức độ lạm phát như thế nào. Vì vậy, theo như tác giả thấy, với khoảng thời gian từ 2010 đến 2016 là chưa đủ để đánh giá tác động của biến này.
- Biến Lãi suất thể hiện một mối tương quan cùng chiều với khả năng nợ quá hạn của doanh nghiệp. Điều này đúng với kỳ vọng ban đầu của tác giả, tuy nhiên mức độ ảnh hưởng của biến này đến khả năng nợ quá hạn của doanh nghiệp là không cao (𝛽 = 0,800), giống với kết luận của Carling và cộng sự (2007) là lãi suất khơng có tác động định lượng quan trọng về nguy cơ vỡ nợ của doanh nghiệp.
- Biến Doanh thu/Tổng tài sản có mối quan hệ tương quan ngược chiều với khả năng nợ quá hạn của doanh nghiệp. Đây là một kết quá đúng với kỳ vọng ban đầu của tác giả, tuy nhiên ảnh hưởng của biến này trong mơ hình là khơng lớn (𝛽 = -0,377)
- Biến Vốn chủ sở hữu/Tổng nợ có mối quan hệ tương quan cùng chiều với khả năng nợ quá hạn của doanh nghiệp. Đây là một kết quả khá bất ngờ và ngược
với kỳ vọng ban đầu của tác giả. Tuy nhiên, nếu xét một cách cụ thể, khi cơ cấu nguồn vốn mà trong đó vốn chủ sở hữu chiếm tỷ trọng quá cao thì việc sử dụng vốn của doanh nghiệp sẽ kém hiệu quả đi, làm hạn chế khả năng tận dụng các nguồn lực từ bên ngoài, cũng như chiếm dụng vốn từ đối tác. Và ngược lại, nếu tỷ trọng tổng nợ quá cao sẽ làm tăng mạnh áp lực tài chính cho doanh nghiệp, tăng khả năng vỡ nợ. Đồng thời, hệ số 𝛽 = 3,349 là ở mức tương đối. Qua đó, có thể thấy rằng, doanh nghiệp muốn sử dụng tốt nguồn vốn cần phải cân đối tốt tỷ trọng giữa vốn chủ sở hữu và tổng nợ của mình.
- Biến lợi nhuận trước thuế/Tổng nợ có tương quan ngược chiều với khả năng nợ quá hạn của doanh nghiệp. Với hệ số 𝛽 = -47,125, thể hiện rằng biến này tác động rất mạnh đến khả năng nợ quá hạn của doanh nghiệp. Điều này là hoàn toàn phù hợp với kỳ vọng cũng như thực tiễn. Khi một doanh nghiệp hoạt động kinh doanh hiệu quả, có nhiều lợi nhuận đồng nghĩa với việc doanh nghiệp đó đã đảm bảo tốt khả năng trả nợ vay, do đó sẽ khơng xuất hiện nợ q hạn.
- Biến hàng tồn kho/tổng tài sản có tương quan cùng chiều với khả năng xuất hiện nợ quá hạn của doanh nghiệp. Điều này là phù hợp với kỳ vọng ban đầu của tác giả và các nghiên cứu trước đây. 𝛽 = 5,153, thể hiện mức độ ảnh hưởng khá lớn của biến này trong mơ hình.
Tóm lại, kết quả ước lượng của các biến đều tương đối giống với giả thiết đã đặt ra, hay nói một cách khác là phù hợp với nền tảng lý thuyết chung. Vì thế, kết quả của mơ hình Logit có khả năng dự đốn tốt. Kết quả của mơ hình có thể được viết lại như sau:
Zi = -24,136 + 0,007X1 - 0,237X2 + 0,800X3 - 0,377X4 + 3,349X5 -47,125X6 + 5,153X7.
pi = eZi
1+eZi =
e(−24,136 + 0,007X1 − 0,237X2 + 0,800X3 − 0,377X4 + 3,349X5 −47,125X6 + 5,153X7) 1+e(−24,136 + 0,007X1 − 0,237X2 + 0,800X3 − 0,377X4 + 3,349X5 −47,125X6 + 5,153X7)
Với X1, X2, X3, X4, X5, X6, X7, lần lượt là các biến GDP bình quân đầu người, Lạm phát, Lãi suất cho vay, Doanh thu/Tổng tài sản, Vốn chủ sở hữu/Tổng nợ, Lợi nhuận trước thuế/Tổng nợ và Hàng tồn kho/Tổng tài sản.
Kết luận Chương 4
Tóm lại, kết quả khảo sát và kiểm định của mơ hình đã thể hiện được sự tác động (về chiều và mức độ) của các yếu tố từ trong bản thân doanh nghiệp cho đến những yếu tố vĩ mô xung quanh doanh nghiệp mà sẽ ảnh hưởng đến khả năng xuất hiện nợ quá hạn của doanh nghiệp. Qua đó, các doanh nghiệp có thể tự điều chỉnh chiến lược cũng như hoạt động nội bộ để đạt được hiệu quả kinh doanh tốt nhất và các ngân hàng có thể đánh giá khách hàng của mình một cách khách quan nhất, đảm bảo được an tồn trong rủi ro tín dụng.
Với tình hình kinh tế khó khăn hiện nay, hoạt động kinh doanh ngân hàng cũng gặp rất nhiều khó khăn. Để có thể cạnh tranh tồn tại với những ngân hàng khác, địi hỏi việc ra quyết định phải nhanh chóng và đồng thời đảm bảo được rủi ro.