Qua các kiểm định, ta có thể kết luận kết quả của mô hình hồi quy là đáng tin
cậy. Kết quả cho thấy các doanh nghiệp tập trung quan hệ tín dụng vào một ngân hàng duy nhất có khả năng bị hạn chế tín dụng thấp hơn so với có nhiều hơn hai
quan hệ tín dụng ngân hàng. Tác động có ý nghĩa tại mức ý nghĩa 5%. Trong khi việc có hai quan hệtín dụng không có sựkhác biệt so với có nhiều hơn hai quan hệ
tín dụng ngân hàng.
Đối với thời gian tồn tại quan hệtín dụng, như mong đợi, nếu doanh nghiệp có một quan hệ tín dụng thì thời gian tồn tại quan hệ không có tác động đáng kể.
Nhưng nếu ngân hàng có hai quan hệ tín dụng ngân hàng, thời gian tồn tại có ý
0 2 4 6 8 10 12 14 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 S eries : R es iduals S am ple 1 124 O bs ervations 124 Mean 0.005126 Median -0.026795 Maxim um 0.880519 Minim um -0.932252 S td. D ev. 0.361268 S kew nes s -0.101161 K urtos is 3.906830 Jarque-B era 4.460248 P robability 0.107515
nghĩa ở mức ý nghĩa 10% với tác động ngược chiều với khả năng bị hạn chế tín dụng.
Kết quảnày cho thấy giảthuyết nghiên cứu là phù hợp, quan hệtín dụng có thể
làm giảm khả năng doanh nghiệp bị ngân hàng hạn chế tín dụng. Trong đó quan hệ
tín dụng được đo lường bằng số lượng ngân hàng mà doanh nghiệp xây dựng quan hệtín dụng và thời gian tồn tại của quan hệtín dụng ngân hàng.
Các tác động biên của các đặc điểm doanh nghiệp cũng cho thấy những dấu hiệu hợp lý. Khi có vấn đề trọng yếu trong cấu trúc tài chính hay hoạt động kinh doanh
đều làm tăng khả năng bịhạn chếtín dụng. Cụthể:
_ Nếu doanh nghiệp có đòn bẩy tài chính dẫn đến cấu trúc vốn không an toàn sẽlàm
tăng khả năng bịhạn chếtín dụng.
_ Nếu doanh nghiệp có sựsụt giảm trọng yếu trong lợi nhuận hoặc bịlỗsẽ làm tăng
khả năng bị hạn chếtín dụng.
_ Nếu doanh nghiệp có sựsụt giảm trọng yếu trong doanh thu sẽ làm tăng khả năng
bịhạn chếtín dụng. Tuy nhiên, tác động này có ý nghĩa thống kê rất thấp. Điều này cho thấy trong giai đoạn khó khăn, các ngân hàng đã khá linh hoạt trong việc đánh
giá tình hình tài chính của doanh nghiệp, trong đó chú trọng tới tiềm lực và cơ hội
kinh doanh, đồng thời chia sẻ khó khăn khi cầu thị trường co hẹp làm doanh số
giảm sút. Đây cũng là cơ hội để ngân hàng đánh giá khả năng quản trị của doanh nghiệp và kết quả nghiên cứu cho thấy ngân hàng đánh giá cao điều này. Những doanh nghiệp có doanh thu sụt giảm nhưng tương ứng có thểkiểm soát được chi phí
đa phần đều được ngân hàng chia sẻ khi đánh giá tín dụng.
Tác động của biến CHINH_SACH cũng đáp ứng mong đợi khi tác động rất rõ ràng. Những ngành nghề được đánh giá là nên hạn chế trong công văn nội bộ của
ngân hàng, được phân tích dựa trên biến động vĩ mô từ thị trường của từng ngành nghề, gặp khả năng bịngân hàng hạn chếtín dụng cao hơn.
Kết quảcũng cho thấy các ngân hàng có xu hướng cho vay các doanh nghiệp có quy mô doanh thu lớn thay vì các doanh nghiệp có quy mô doanh thu nhỏ. Đồng thời, những doanh nghiệp có thời gian hoạt động lâu năm có khả năngbịhạn chếtín
dụng cao hơn. Điều này thể hiện trong giai đoạn khủng hoảng với mức ý nghĩa 10%. Đối với tác động của thời gian hoạt động, có thể giải thích rằng các doanh nghiệp hoạt động lâu năm trong mẫu khảo sát có xác suất gặp phải vấn đề về tài
chính cao hơn so với các doanh nghiệp mới hoạt động. Tuy nhiên, tác động này không có ý nghĩa thống kê, cho thấy không có tác động có ý nghĩa tới khả năng bị
hạn chếtín dụng.
Đểtối ưu hóa mô hình, tác giảtiến hành kiểm định giảm số lượng các biến độc lập không có ý nghĩa thống kê theo phương pháp BackWalk (Wald test). Nghiên
cứu tiến hành kiểm định loại bỏtừng biến theo thứtựmức độphù hợp với lý thuyết và có ý nghĩa thống kê kém nhất. Theo đó thứ tự loại biến là LOG_TUOI, DOANH_THU, HAI_NH và THOIGIAN1. Kết quảkiểm định Wald test thể hiện ở (adsbygoogle = window.adsbygoogle || []).push({});
Bảng 3.4 “Kiểm định bỏ biến Wald test với biến LOG_TUOI”, Bảng 3.5 “Kiểm
định bỏ biến Wald test với biến DOANH_THU”, Bảng 3.6 “Kiểm định bỏ biến Wald test với biến HAI_NH” và Bảng 3.7 “Kiểm định bỏ biến Wald test với biến
THOIGIAN1”.
Kết quả mô hình sau khi tiến hành loại bỏ các biến không hiệu quả thể hiện trong Bảng 3.8 “Kết quảmô hình hồi quy Probit sau khi tối ưu”. Nhìn vào chỉ tiêu Log likelihood ta thấy giá trịrất nhỏ và đãđược cải thiện so với mô hình trước, điều
đó nói lên mô hình ở mức độ phù hợp cao và kiểm định loại bỏ biến là có hiệu quả
tốt.
Kết quảsau khi tối ưu hóa mô hình cho thấy dấu và ý nghĩa của các hệ số hồi
quy như sau:
Biến Hệsố Dấu Ý nghĩa
MOT_NH -1.176067 - Khi biến MOT_NH tăng thì khả năng bị
hạn chếtín dụng giảm
THOIGIAN2 -0.176015 - Khi biến THOIGIAN2 tăng thì khả năng
bịhạn chếtín dụng giảm
DON_BAY 1.401848 + Khi biến DON_BAY tăng thì khả năng bị
QUY_MO -0.622100 - Khi biến QUY_MO tăng thì khả năng bị
hạn chếtín dụng giảm
LOI_NHUAN 1.568030 + Khi biến LOI_NHUAN tăng thì khả năng
bị hạn chếtín dụng tăng
CHINH_SACH 1.514447 + Khi biến CHINH_SACH tăng thì khả năng bịhạn chếtín dụng tăng
Kết quả dấu của các biến độc lập vẫn thể hiện sự hợp lý, đồng thời ý nghĩa
thống kê được cải thiện đáng kể. Kiểm định ý nghĩa của các hệsốhồi quy tổng thể
bằng kiểm định Wald với giả thiết H0: = = = = = = 0 nhằm kiểm
định sựphù hợp tổng quát của các biến độc lập trong mô hìnhđược thểhiện trong Bảng 3.9 “Kiểm định Wald vềsựphù hợp tổng quát của các biến độc lập trong mô hình hồi quy Probit sau khi tối ưu hóa”.
Ta thấy giá trị p của kiểm định F-statistic và Chi-square đều bằng 0 do đó bác bỏ
giả thiết H0, tức là các hệ số hồi quy đều có ý nghĩa thống kê trong việc giải thích biến phụ thuộc. Kết quả kiểm định Hosmer-Lemeshow và kiểm định khả năng dự
báo của mô hình hồi quy Probit sau khi tối ưu được thể hiện lần lượt trong Bảng 3.10 “Kiểm định Goodness of Fit Test của hồi quy Probit sau khi tối ưu hóa” và Bảng 3.11 “Kết quả dự đoán khả năng bị hạn chế tín dụng của mô hình hồi quy Probit sau khi tối ưu hóa với xác suất chuẩn 0.5”. Kết quả thống kê cho thấy tỷ lệ
dự đoán đúng của mô hình vẫn là 84.68%. Với p = 0.21, kiểm định Hosmer- Lemeshow của mô hình mới cho biết giá trị tiên đoán từ mô hìnhđã gia tăng m ức
độphù hợp với giá trịquan sát so với mô hình cũ.
Kiểm định phần dư của mô hình thểhiện trong Biểu đồ3.2 “Kết quảkiểm định phần dư của hồi quy Probit sau khi tối ưu hóa”.
0 2 4 6 8 10 12 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 S am ple 1 124 O bs ervations 124 Mean 0.005943 Median -0.025593 Maxim um 0.874078 Minim um -0.940123 S td. D ev. 0.360503 S kew nes s -0.134915 K urtos is 3.870162 Jarque-B era 4.288283 P robability 0.117169 (adsbygoogle = window.adsbygoogle || []).push({});
Biểu đồ3.2: Kết quảkiểm định phần dư của hồi quy Probit sau khi tối ưu hóa
Kiểm định phần dư của hồi quy với giảthiết H0là phần dư có phân phối chuẩn. Kết quảcho thấy giá trịp = 0.11, nghĩa là chấp nhận giảthiết H0.
3.3. Kết luận và các giải phápđề xuất3.3.1. Kết luận từkết quảnghiên cứu