Phương pháp phân tích số liệu

Chương 2: PHƯƠNG PHÁP LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.2 PHƯƠNG PHÁP NGHIÊN CỨU

2.2.4 Phương pháp phân tích số liệu

 Đối với mục tiêu (1): Đánh giá khả năng tiếp cận tín dụng chính thức và thực trạng sử dụng vốn vay của TLMBLG ở tỉnh Đồng Tháp đƣợc thực hiện thông qua công cụ thống kê mô tả nhằm mô tả và trình bày khái quát về thị trường tín dụng ở tỉnh Đồng Tháp cũng như khả năng tiếp cận vốn vay của thương lái, tình hình sử dụng vốn và tình hình thu nhập của thương lái.

Bên cạnh đó bài làm còn sử dụng bảng và hình để mô tả lại kết quả thống kê.

 Đối với mục tiêu (2): Phân tích các yếu tố ảnh hưởng đến việc tiếp cận tín dụng chính thức và lƣợng vốn vay của TLMBLG. Đối với mục tiêu này bài viết sử dụng phương pháp phân tích hồi quy bằng mô hình kinh tế lƣợng thông qua mô hình Probit và Tobit:

Mô hình Probit

Mô hình hồi quy Probit dùng để phân tích các yếu tố ảnh hưởng đến khả năng tiếp cận nguồn vốn tín dụng chính thức của TLMBLG trong đề tài nghiên cứu.



Mô hình này do Goldberger (1964) đề xuất với giả thuyết rằng: Y sẽ nhận giá trị 1 hoặc có giá trị 0, tùy thuộc vào đọ thỏa dụng Y*đƣợc xác định bởi các biến độc lập. Độ thỏa dụng càng lớn thì xác suất để y có giá trị 1 càng lớn.

Giả sử tồn tại một mức giới hạn Y* để:

Y = 1 nếu Y > Y*

Y = 0 nếu Y < Y*

Do Y* không thể quan sát đƣợc, nên ta giả thuyết rằng:

Yi* = 0 + iXi + ui Trong đó:

- Yi*: Biến phụ thuộc - Xi: Các biến độc lập - 0: Hệ số góc

- i: Hệ số hồi quy của mô hình - ui: Sai số

Giả thuyết u có phân phối chuẩn hóa N(0,1). Khi đó ta có thể ƣớc lƣợng đƣợc:

pi = P(Y=1 Xi)=P(Y*<Y)=F(Yi)

Trong đó F là hàm phân bố xác suất tích lũy của u. Vì ui phân bố chuẩn hóa nên:

F(Yi* = 0+iXi) = e t dt

Xi

i

) 2 / ( 2 / 1

2 0

) 2 (

 1













Mô hình Probit không nghiên cứu ảnh hưởng trực tiếp của các biến độc lập Xk đối với biến Y mà nó xem xét ảnh hưởng các biến Xk đến xác suất để biến Y nhận giá trị bằng 1 hay kỳ vọng của Y.

Ảnh hưởng của các biến Xk đến pi được tính như sau:

k k

k i i

k i

k

X X f X

X F

X p  

 



 )

2 ) exp( (

) 2 ( ) 1

( ) (

2 2

/

 1

 

 









Mô hình Tobit:

Mô hình hồi quy Tobit dùng để xác định và phân tích các yếu tố ảnh hưởng đến lượng vốn vay của TLMBLG trong đề tài nghiên cứu.

Mô hình hồi quy Tobit đƣợc hình thành bởi nhà kinh tế học Jame Tobin (1958) và đƣợc sử dụng để phân tích trong lý thuyết kinh tế. Trong đó, mô hình Tobit không chỉ ƣớc lƣợng xác suất xảy ra của biến phụ thuộc mà còn đo lường mức độ biến động của biến phụ thuộc.

Yi = Yi* = 0+iXi+ui nếu Y*I> 0 Yi = 0 nếu Y*i  0 Với ui~N(0;2)

Trong đó: Yi: Biến phụ thuộc; 0: Hệ số gốc; 1: Hệ số hồi quy của mô hình; Xi: Các biến độc lập; ui: Sai số.

Ảnh hưởng của Xi đến Y được tính như sau:

) 1 0

( ) Pr

(

) 1 0

( . Pr ) 1 0

, ( ) 1 0

, ( ).

1 0

( ) Pr

(

*

*

*

*

*





 









 



 





 



 



Y ob X x

X Y E

X Y Y ob

X Y X E

Y X Y E Y

X ob X Y E

i i

i

i i

i i i

i



Ứng dụng mô hình Tobit để phân tích lƣợng vốn vay Mô hình hồi quy có dạng:

y*i = iXi+ui nếu (y*> 0)

yi =0 nếu (y*  0) Với ui~N(0;2)

Trong đó:

Yi (biến phụ thuộc): Lƣợng vốn vay của doanh nghiệp.

Xj: là các biến độc lập.

 Đối với mục tiêu (3): Phân tích đóng góp của vốn vay đối với thu nhập của TLMBLG đƣợc thực hiện thông qua việc xác định sự chênh lệch giữa khoản thu nhập của thương lái sau khi sử dụng vốn vay so với trước khi vay đƣợc vốn. Ở đây bài viết sử dụng kiểm định sự khác biệt về trung bình tổng thể.

 Đối với mục tiêu (4): Dựa vào kết quả phân tích thống kê và chạy mô hình kinh tế lƣợng từ kết quả phỏng vấn trực tiếp các TLMBLG, tham khảo các chính sách liên quan từ đó đề xuất một số giải pháp nhằm giúp TLMBLG tiếp cận và sử dụng vốn vay hiệu quả hơn góp phần làm tăng thu nhập và hiệu quả kinh doanh của TLMBLG cũng nhƣ góp phần phát triển kinh tế tỉnh Đồng Tháp.

Giải thích các biến đƣợc đƣa vào 2 mô hình và dấu kỳ vọng:

Khả năng vay vốn và lượng vốn vay có thể bị ảnh hưởng bởi nhiều biến khác nhau và mỗi biến độc lập sẽ ảnh hưởng đến biến phụ thuộc ở những mức độ khác nhau. Sau đây là một số biến đƣợc xem xét để đƣa vào mô hình:

Tổng diện tích đất ruộng: Gia đình TL có lƣợng đất ruộng càng nhiều thì việc tiếp cận vốn càng dễ dàng và lƣợng vốn vay đƣợc sẽ lớn hơn so với TL có ít đất ruộng hơn. Chính vì thế lƣợng đất ruộng đƣợc kỳ vọng sẽ có tương quan thuận với khả năng được vay và lượng vốn vay.

Tổng diện tích đất vườn: Tương tự như đất ruộng, lượng đất vườn càng nhiều thì việc tiếp cận vốn cũng càng dễ dàng và lƣợng vốn vay đƣợc cũng sẽ lớn hơn. Kỳ vọng biến có tương quan thuận với khả năng được vay và lượng vốn vay.

Tổng diện tích đất thổ cư: Cũng như 2 loại đất ruộng và đất vườn, đất thổ cư cũng sẽ được kỳ vọng có tương quan thuận với khả năng được vay và lƣợng vốn vay.

Lượng lúa mua bán: Đó là lượng lúa mà phương tiện chuyên chở của TL có thể chuyên chở sau mỗi chuyến mua bán, lƣợng lúa này càng lớn thì vốn kinh doanh của TL càng lớn, từ đó nhu cầu vay vốn cũng lớn hơn, nên biến này được kỳ vọng có tương quan thuận với khả năng được vay và lượng vốn vay.

Tổng tài sản: Đó là giá trị tổng tài sản của TL bao gồm giá trị các loại đất, nhà cửa, ghe,… Giá trị tổng tài sản càng lớn thì càng tạo sự tin tưởng cho tài sản thế chấp vay vốn của TL với ngân hàng càng cao. Cho nên lƣợng vốn vay được sẽ càng nhiều. Biến này được kỳ vọng tương quan thuận với khả năng đƣợc vay và lƣợng vốn vay.

Tổng thu nhập: Là tổng lƣợng thu nhập của TL trong một năm bao gồm tiền thu từ mua bán lúa gạo, lương, từ sản xuất nông nghiệp,… nếu thu nhập của TL càng cao thì lƣợng vốn vay sẽ càng ít. Từ đó, biến này đƣợc kỳ vọng sẽ tương quan nghịch với khả năng được vay và lượng vốn vay.

Giới tính chủ hộ: Biến có giá trị 1 nếu chủ hộ là nam và giá trị 0 nếu chủ hộ là nữ, theo kỳ vọng chủ hộ là nam thì khả năng tiếp cận vốn vay sẽ dễ dàng hơn nữ, do nam thường có tính chủ động hơn nữ trong nhiều việc.

Có quen cán bộ tín dụng: Biến này đƣợc mã hóa giá trị là 1 nếu TL có quen cán bộ tín dụng, giá trị là 0 nếu TL không có quen biết cán bộ tín dụng.

Việc quen biết cán bộ tín dụng giúp ích cho TL rất nhiều trong việc dễ dàng tiếp cận vốn vay và lƣợng vốn vay cũng đƣợc tối đa hóa.

Tuổi: Tuổi của chủ hộ cũng ảnh hưởng đến việc tiếp cận vốn vay và lƣợng vốn vay. Nếu TL càng lớn tuổi thì theo đánh giá của ngân hàng khả năng trả nợ càng thấp, từ đó lƣợng vốn vay đƣợc cũng càng ít.

Chức vụ của thành viên gia đình TL: Thành viên gia đình TL có chức vụ trong xã, huyện thì uy tín của gia đình TL cũng đƣợc nâng lên, từ đó lƣợng vốn vay đƣợc cũng tăng hơn. Biến đƣợc mã hóa giá trị 1 nếu thành viên gia đình TL có chức vụ, giá trị 0 nếu thành viên gia đình TL không có chức vụ.

Tổng chi tiêu: Đó là các khoản chi sinh hoạt, kinh doanh và các loại chi khác trong một năm. Tổng chi tiêu của gia đình TL càng nhiều thì lƣợng vay vốn sẽ càng lớn. Biến này được kỳ vọng tương quan thuận với lượng vốn vay.

Thu nhập trước khi vay: Đó là tổng thu nhập của gia đình TL trong một năm trước khi vay vốn, lượng thu nhập này càng lớn thì sẽ ảnh hưởng làm giảm lượng vốn vay càng nhiều. Biến này kỳ vọng tương quan nghịch với lƣợng vốn vay.

Bảng 2.1 Biến và dấu kỳ vọng sử dụng trong mô hình Probit và Tobit

Biến độc lập Ký hiệu Đơn vị Dấu kỳ vọng

Tổng diện tích

đất ruộng datruong 1.000 m2 +

Tổng diện tích

đất vườn datvuon 1.000 m2 +

Tổng diện tích

đất thổ cƣ datthocu 1.000 m2 +

Lƣợng lúa

mua bán luonglua Tấn +

Tổng tài sản tongtaisan 1.000 đồng +

Tổng thu nhập tongthunhap 1.000 đồng -

Giới tính chủ

hộ gioitinh

Nam=1

Nữ=0 +

Có quen cán

bộ tín dụng quenbiet

Có quen=1 Không quen=0

+

Tuổi tuoi Tuổi của thương lái

(chủ hộ) _

Chức vụ của thành viên gia

đình TL

chucvu

Có chức vụ=1

Không chức vụ=0 +

Thu nhập

trước khi vay thunhaptruoc 1.000 đồng -

Tổng chi tiêu chitieu 1.000 đồng +

CHƯƠNG 3