CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.4. Kiểm định hồi quy
4.4.1. Kết quả phân tích hồi quy
Kết quả phân tích hồi quy nhị phân (binary logicst) với 12 biến độc lập được trình bày tại bảng sau:
Bảng 4.8 Kết quả hồi quy Binary logistic (Nhị phân) Variables in the Equation
B S.E. Wald df Sig. Exp(B)
HN- Tình trạng hôn nhân .784 .409 3.682 1 .055 2.190
DT- Độ tuổi .013 .015 .775 1 .379 1.013
KN- Số năm kinh nghiệm .304 .153 3.956 1 .047 1.355
HV- Trình độ học vấn .057 .356 .025 1 .873 1.058
TN- Thu nhập .001 .000 24.008 1 .000 1.000
ST- Số tiền vay .000 .000 6.163 1 .013 1.000
TG- Thời gian vay .056 .065 .736 1 .391 1.057
LS- Lãi suất vay -.185 .114 2.638 1 .104 .831
LH- Loại hình vay -.013 .192 .005 1 .946 .987
TS- Tài sản thế chấp -1.713 .453 14.299 1 .000 .180 MD- Sử dụng vốn vay
đúng mục đích 1.523 .662 5.291 1 .021 4.584
XH- Chấm điểm xếp
hạng tín dụng .061 .023 7.293 1 .007 1.063
Constant -5.801 2.718 4.555 1 .033 .003
Kết quả bảng trên cho thấy các biến độc lập có giá trị Sig. < 0,1 là: HN (tình trạng hôn nhân), KN (số năm kinh nghiệm), TN (thu nhập), ST (số tiền vay); TS (Tài sản thế chấp), MD (sử dụng vốn đúng mục đích), XH (chấm điểm xếp hạng tín dụng) nên các biến này có có ý nghĩa thống kê; hay các biến này ảnh hưởng tới khả năng trả nợ của khách hàng cá nhân tại Vietcombank Bình
Dương. Các biến DT (Độ tuổi), HV (Trình độ học vấn), TG (Thời gian vay), LS (Lãi suất vay), LH (Loại hình vay) có Sig. > 0,1) không có ý nghĩa thống kê tới khả năng trả nợ của KHCN.
4.4.2. Kiểm định đa cộng tuyến
Sau khi loại các biến độc lập có hệ số Sig> 0,1, tiếp tục tiến hành kiểm định đa cộng tuyến với 7 biến còn lại. Kết quả kiểm định đa cộng tuyến các giá trị VIF của 06 biến độc lập đều nhỏ hơn 10 nên không có hiện tượng đa cộng tuyến xảy ra trong mô hình (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008), (Phan Thế Công, 2012).
4.4.3. Kiểm định mức phù hợp của mô hình
Kiểm định mức phù hợp của mô hình là kiểm định các yếu tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN tại Vietcombank Bình Dương. Mô hình kinh tế lượng được xây dựng như sau:
垀 (媠ಁ ă imS = )
(媠ಁ ă imS =) = β0 + β1*HN + β2*DT + β3*KN + β4*HV + β5*TN + β6*ST+
β7*TG + β8*LS + β9*LH + β10*TS +β11*MD+ β12*XH+ ε
Sau khi đã loại bỏ các biến độc lập không có ý nghĩa thống kê thì mô hình trở thành:
垀 (媠ಁ ă imS = )
(媠ಁ ă imS =) = β0 + β1*HN + β3*KN + β5*TN + β6*ST + β10*TS +β11*MD+
β12*XH
Trên cơ sở mô hình hồi quy Binary Logistic đã xây dựng, sử dụng bộ dữ liệu hình thành trên cơ sở dữ liệu KHCN vay vốn tại Vietcombank Bình Dương, với sự hỗ trợ của phần mềm SPSS 20 nhằm kiểm tra và xác định các yếu tố ảnh hưởng tới khả năng trả nợ của hộ. Các kết quả hồi quy được trình bày sau đây:
- Kiểm định Chi-square
Kiểm định Chi-square để xem các biến số đưa vào mô hình có thực sự có ý nghĩa trong việc giải thích cho biến phụ thuộc hay không. Kết quả ở bảng dưới kiểm định mức độ phù hợp của mô hình, cho thấy mức ý nghĩa quan sát Sig. = 0,000<0,05 như vậy mô hình tổng quát cho thấy mối tương quan giữa biến độc lập và biến phụ thuộc trong mô hình nghiên cứu, có ý nghĩa thống kê với khoảng độ tin cậy trên 99% nên ta bác bỏ giả thuyết H0: mô hình là không phù hợp.
Bảng 4.9 Kiểm định Chi-square các hệ số trong mô hình Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1
Step 98.570 12 .000
Block 98.570 12 .000
Model 98.570 12 .000
- Kiểm định mức độ giải thích của mô hình
Kết quả bảng kiểm định mức độ giải thích của mô hình cho thấy giá trị của -2 Log likelihood = 306.916 và hệ số mức độ giải thích của mô hình Nagelkerke R2 = 0,353, điều này có nghĩa 35,3% sự thay đổi của biến phụ thuộc có thể được giải thích bởi 06 biến độc lập trong mô hình, còn lại là do các yếu tố khác.
Bảng 4.10 Kiểm định mức độ giải thích của mô hình Model Summary
Step -2 Log likelihood Cox & Snell R Square
Nagelkerke R Square
1 306.916a .237 .353
- Kiểm định mức độ dự báo chính xác của mô hình:
Bảng 4.11 Mức độ dự báo chính xác của mô hình
Quan sát Dự báo
Y Mức độ chính
.00 1.00 xác
Step 1 Y .00 38 51 42.7
1.00 11 265 96.0
Overall Percentage 83.0
a. The cut value is .500
(Nguồn: Kết quả phân tích bằng SPSS 20) Bảng trên cho thấy mô hình dự đoán đúng việc KHCN không có khả năng trả nợ đúng hạn là 89 trường hợp, đạt tỷ lệ 42,7%; dự đoán đúng việc KHCN có khả năng trả nợ đúng hạn là 276 trường hợp, đạt tỷ lệ 96 %. Trung bình theo trọng số, khả năng dự đoán chính xác của mô hình là tương đối cao, ở mức 83%.
Kết quả phân tích cho thấy từ 06 biến có ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại ngân hàng Vietcombank Bình Dương là các biến HN (tình trạng hôn nhân), KN (số năm kinh nghiệm), TN (thu nhập), TS (Tài sản thế chấp), MD (sử dụng vốn đúng mục đích), XH (chấm điểm xếp hạng tín dụng).
Từ các hệ số hồi quy này ta viết được phương trình:
( 1)
log ( 0)
e P Y P Y
1,797 + 0.784*HN + 0,304*KN + 0,001 * TN – 1,713 * TS + 1,523 *MD + 0,061 *XH.