Xác Định Mô Hình Hồi Quy Và Lựa Chọn Phương Pháp Ước Lượng

suất vay là nhân tố quan trong nhất ảnh hưởng, kế tiếp là các nhân tố kinh nghiệm của người nông dân và tổng chi phí sinh hoạt.

Nghiên cứu của C.A.Woognaa và D.Awunyo-Vitor năm 2013 trên báo Agris online Papers in Economics and Informatics về đề tài các nhân tố ảnh hưởng đến khả năng trả nợ của những người nông dân trồng khoai lang ở thị trấn Sene, Ghana bằng phương pháp probit. Kết quả nghiên cứu cho thấy trình độ học vấn, kinh nghiệm, lợi nhuận, tuổi, giám sát và thu nhập phi nông nghiệp có tác động tích cực đến khả năng trả nợ. Ngược lại, giới tính và hôn nhân có ảnh hưởng tiêu cực đến khả năng trả nợ trong khi đó kết quả của số thành viên trong gia đình thì không rò ràng.

Nghiên cứu của George Yaw Mensah (2012) trường đại học khoa học và kỹ thuật Kwame Nkrumah, một bài nghiên cứu khoa học về những nhân tố ảnh hưởng đến khả năng hoàn trả của khách hàng tại Ngân hàng Akatakyiman Rural. Nghiên cứu bao gồm 11 biến, dữ liệu được thu thập từ 100 quan sát trong 4 năm 2006 đến 2010. Bằng phương pháp logit, kết quả cho thấy tài sản bảo đảm và mục đích vay có ảnh hưởng đáng kể trong khi đó giới tính, tình trạng hôn nhân, tuổi, trình độ giáo dục, lãi suất và số năm quan hệ với ngân hàng không ảnh hưởng.

Nghiên cứu của Kenneth Ogol Ochung (2013) trường đại học Nairobi, một báo cáo nghiên cứu về những nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng tại Ngân hàng Thương Mại Barclay của Kenya. Đối tượng khảo sát bao gồm các nhân viên quan hệ khách hàng, quản lý tín dụng tại các chi nhánh của ngân hàng, bên cạnh đó còn có khách hàng tại ngân hàng. Luận văn nhận được 78 phản hồi với kết quả nghiên cứu các nhân tố thuộc nhóm người cho vay (khoảng thời gian chấp nhận cho vay, địa điểm của ngân hàng, những nhân tố vĩ mô, lạm phát, hiệu suất làm việc của ngân hàng), các nhân tố thuộc về người vay (tuổi, giới tính, trình độ học vấn, nghề nghiệp, kinh nghiệm) và các nhân tố khoản vay (chi phí vay, hình thức vay/tài sản thế chấp, kích cỡ vay, thời hạn vay) có tác động đến khả năng trả nợ của khách hàng tại ngân hàng. Tuy nhiên, luận văn không đề cập cụ thể tác động của từng nhân tố bên trong đến khả năng trả nợ của khách hàng.

2.3.2 Nghiên cứu trong nước:

Ở Việt Nam thì có nghiên cứu của Trương Đông Lộc và Nguyễn Thanh Bình về các nhân tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của nông hộ ở tỉnh Hậu Giang bằng phương pháp sử dụng mô hình probit vào năm 2011 trên báo công nghệ Ngân hàng, kết quả phân tích cho thấy khả năng trả nợ vay đúng hạn của nông hộ có tương quan thuận với thu nhập sau khi vay và số thành viên trong gia đình có thu nhập nhưng lại tương quan nghịch với lãi suất vay. Đồng thời, kết quả nghiên cứu còn cho thấy trình độ học vấn của chủ hộ càng cao thì khả năng trả nợ cao và những khoản vay có nguồn trả nợ từ hoạt động sản xuất nông nghiệp cao hơn so với phi nông nghiệp.

Nghiên cứu của Trần Quốc Nghi trên báo tạp chí khoa học và đào tạo Ngân hàng năm 2012 về các nhân tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của hộ gia đình ở khu vực Trà Vinh bằng phương pháp sử dụng mô hình binary logistics. Nghiên cứu cho thấy các nhân tố trình độ học vấn chủ hộ, dân tộc, tiết kiệm và mục đích sử dụng vốn vay tương quan thuận với khả năng trả nợ vay đúng hạn của hộ gia đình. Ngược lại, các nhân tố tỷ lệ người phụ thuộc và lãi suất vay tỷ lệ nghịch với khả năng trả nợ vay đúng hạn của hộ gia đình. Trong đó, nhân tố tỷ lệ người phụ thuộc trong hộ có ảnh hưởng mạnh nhất đến khả năng trả nợ đúng hạn của hộ gia đình ở khu vực nông thôn.

Ngoài ra còn nhiều luận văn, nghiên cứu và các bài báo khác chuyên ngành kinh tế có nội dung liên quan đến đề tài tuy nhiên nhìn chung các đề tài của các nhóm nghiên cứu chủ yếu tập trung vào đối tượng nghiên cứu như nông dân, hộ gia đình. Đối tượng nghiên cứu chưa được đa dạng và các nhân tố được chọn lựa vẫn chưa đầy đủ, chưa được phân tích rò ràng do đó luận văn lựa chọn mẫu nghiên cứu là các khách hàng đang có dư nợ tại Vietinbank với các nhân tố được lựa chọn dựa trên tham khảo các công trình nghiên cứu trước đây và tham khảo hồ sơ vay vốn đối với các KHCN tại Ngân hàng.

Có thể bạn quan tâm!

Xem toàn bộ 93 trang tài liệu này.

KẾT LUẬN CHƯƠNG 2

Chương 2 trình bày khái quát cơ sở lý luận về tín dụng cá nhân, khả năng trả nợ của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN. Cụ thể như sau:

Dựa trên quyết định 493/2005/QĐ-NHNN và dựa trên một số tài liệu nghiên cứu trên thế giới, luận văn đánh giá khả năng trả nợ của khách hàng là việc xem xét khách hàng có thực hiện đầy đủ và đúng hạn nghĩa vụ nợ cho bên cấp tín dụng trong toàn bộ thời gian quan hệ tín dụng hoặc trong một khoảng thời gian xác định hay không. Đồng thời, chương còn trình bày mối tương quan nghịch chiều giữa khả năng trả nợ của KHCN và rủi ro tín dụng. Nếu khả năng trả nợ của KHCN càng cao thì rủi ro tín dụng càng thấp và ngược lại.

Bên cạnh đó, chương còn sơ lược một số nghiên cứu thực nghiệm tại Việt Nam và trên thế giới về đề tài này. Đây là nền tảng để đưa ra mô hình nghiên cứu ban đầu bao gồm 5 nhân tố chính: Đặc điểm cá nhân của người vay, Năng lực của người vay, Đặc điểm của khoản vay, Rủi ro đạo đức của người vay và Rủi ro tác nghiệp từ ngân hàng sẽ được đề xuất trong chương 3.

CHƯƠNG 3: PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU

Chương này phân tích các mô hình hồi quy ước lượng nhằm chọn ra mô hình nghiên cứu phù hợp đồng thời dựa trên lý thuyết và các nghiên cứu thực nghiêm đã được trình bày trong chương 2 nhằm đề xuất xây dựng mô hình nghiên cứu ban đầu bao gồm các kỳ vọng dấu và các giả thuyết đối với từng biến độc lập, bên cạnh đó chương còn tập trung xác định phương pháp, quy trình và cách thức lựa chọn mẫu dữ liệu.

3.1 Xác định mô hình hồi quy và lựa chọn phương pháp ước lượng

Theo Nguyễn Thị Nga (2016) và Đoàn Thị Xuân Duyên (2013), các mô hình nghiên cứu thường được dùng để phân tích thống kê trong trường hợp biến phụ thuộc có hai tính chất có hay không xảy ra một sự kiện bao gồm như sau:

 Mô hình xác suất tuyến tính (LPM)

 Mô hình phân tích phân biệt (MDA)

 Mô hình Logit và probit

 Mô hình mạng Neutral

3.1.1 Mô hình xác suất tuyến tính (LPM):

Mô hình xác suất tuyến tính (LPM) là mô hình ước lượng đa biến dùng phương pháp bình phương tối thiểu OLS. Mô hình này được sử dụng trong trường hợp biến phụ thuộc sẽ nhận hai giá trị 1 và 0.

Hàm hồi quy của mô hình có dạng như sau:

(3.1)

Tuy nhiên mô hình có nhược điểm như sau:

o Sai số hồi quy không tuân theo phân phối chuẩn.

o Phương sai của sai số thay đổi

trọng.

o Không thỏa mãn điều kiện cơ bản của xác suất trong khoảng (0,1), có nghĩa là có giá trị lớn hơn 1 và có giá trị nhỏ hơn 0 của một số ước lượng biến phụ thuộc.

o Tác động biên không đổi trong khi bản chất của mô hình xác suất là tác động biên thay đổi theo từng giá trị của biến độc lập.

Do đó, trong thực tế việc sử dụng mô hình xác suất tuyến tính cần phải thận

3.1.2 Mô hình phân tích phân biệt (MDA):

MDA là một phương pháp thống kê được sử dụng để phân loại một quan sát nào đó vào một hay nhiều nhóm độc lập dựa vào những đặc thù riêng biệt của những quan sát. Do đó, bước đầu tiên là phải xây dựng việc phân loại nhóm rò ràng. Sau khi các nhóm đã được thiết lập, dữ liệu phải được thu thập. MDA sẽ lọc ra, kết hợp tuyến tính của những đặc trưng này để phân biệt tốt nhất giữa các nhóm.

Mục tiêu chung của mô hình phân tích phân biệt trong đo lường rủi ro vỡ nợ là phân biệt giữa công ty có rủi ro vỡ nợ và công ty không có nguy cơ rủi ro vỡ nợ một cách khách quan và chính xác nhất thông qua hàm biệt thức trong đó các biến số là biến định lượng.

Các mô hình được phát triển thông qua MDA có hình thức như sau:

(3.2)

Trong đó: Z: chỉ số tổng thể

β1, β2… βn: hệ số phân biệt x1, x2… xn: các biến độc lập

Chẳng hạn như khi nghiên cứu rủi ro vỡ nợ, có hai nhóm đối tượng là các công ty có rủi ro vỡ nợ và không có rủi ro vỡ nợ. Mức chỉ số phân biệt (Z) được thực hiện để ước tính đặc tính rủi ro vỡ nợ của công ty. Giá trị của Z càng thấp, xác suất xảy ra rủi ro vỡ nợ của công ty càng tăng và ngược lại.

Kỹ thuật phân tích MDA có ưu điểm là có khả năng phân biệt các đặc tính giữa các nhóm công ty có hoặc không có khả năng trả nợ. Mô hình tương đối đơn

giản, dễ ứng dụng. Tuy nhiên, mô hình chỉ thực sự phù hợp cho việc phân tích số liệu là các chỉ tiêu định lượng hơn là xem xét phân tích các chỉ tiêu định tính.

3.1.3 Mô hình Logit và mô hình probit:

Mô hình Logit và Probit nghiên cứu sự phụ thuộc của một biến nhị phân vào các biến độc lập khác. Trong khi đó hồi quy thông thường đòi hỏi biến phụ thuộc ở dạng định lượng.

Mô hình Logit được thể hiện như sau:

(3.3)

Mô hình Probit như sau:

(3.4)

Ưu điểm của mô hình Logit và Probit so với mô hình khác là kết quả của nó có thể cung cấp trực tiếp được xác suất khách hàng có khả năng trả nợ là bao nhiêu. Sự khác nhau giữa mô hình Logit và Probit là mô hình Logit giả định hạng nhiễu phân phối chuẩn logistic, trong khi đó Probit giả định hạng nhiễu phân phối chuẩn thông thường. Tuy nhiên, sự khác biệt giữa Logit và Probit không đáng kể và không có ý nghĩa về mặt thống kê.

3.1.4 Mô hình mạng Neutral:

Mục tiêu chính trong nghiên cứu mạng Neutral là đưa ra những mô hình có kết quả được tạo ra một cách tự động từ những quy luật hay kiểu mẫu dữ liệu. Mạng Neutral có thể bắt chước và nhận thức được các trạng thái thực đối với dữ liệu đầu vào và không đầy đủ hoặc dữ liệu với một số lượng biến lớn.

Kỹ thuật này đặc biệt với mô hình dự báo mà không có công thức toán học nào được biết để miêu tả mối quan hệ giữa các biến đầu vào và đầu ra. Hơn nữa, phương pháp này hữu dụng khi mục tiêu dự báo là quan trọng hơn giải thích. Bên

cạnh đó, một trong những thuận lợi của mô hình Neutral là nó có thể giải quyết mối quan hệ phi tuyến tính.

Theo Nguyễn Thị Nga (2016) và Đoàn Thị Xuân Duyên (2013), mô hình ước lượng và dự báo dựa trên phương pháp mạng Neutral tốt hơn mô hình Logit và Probit, sau đó mới đến MDA và LPM. Tuy nhiên, do mô hình mạng Neutral đòi hỏi dữ liệu đầu vào lớn, đồng thời phương pháp này tương đối phức tạp và chưa phổ biến ở Việt Nam, nên nếu sử dụng phương pháp thống kê để phân tích rủi ro phá sản tại các công ty, nên việc lựa chọn mô hình Logit hoặc Probit là hợp lý vì yêu cầu mẫu không quá cao, ước lượng tham số dễ dàng, ít ràng buộc về mặt giả thiết và hiện đang được sử dụng rộng rãi trên thế giới.

3.2 Đề xuất mô hình nghiên cứu ban đầu:

Dựa trên việc phân tích các mô hình hồi quy định lượng cho thấy mô hình binary logistic là mô hình phù hợp nhất nhằm đánh giá khả năng trả nợ của KHCN do có nhiều ưu điểm hơn so với các mô hình còn lại như: không yêu cầu mẫu quá cao, ít ràng buộc về giả thuyết và cung cấp kết quả trực tiếp cho biết xác suất khách hàng trả nợ là bao nhiêu bên cạnh đó từ các công trình nghiên cứu trước đây tại chương 2 cho thấy trong hầu hết các nghiên cứu trong và ngoài nước thường sử dụng mô hình logistic để phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN như nghiên cứu George Yaw Mensah (2012), nghiên cứu của Samuel Antiwi (2012), nghiên cứu của Kohansal (2009), nghiên cứu của Li Shuai (2013), nghiên cứu của Trần Quốc Nghi (2012),… Tuy nhiên, do mỗi nghiên cứu lựa chọn các biến khác nhau tùy thuộc vào đối tượng khách hàng và tùy thuộc vào địa bàn nghiên cứu do đó dựa trên môi trường công tác và vị trí công tác hiện tại, tác giả đề xuất mô hình nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tại Vietinbank bao gồm 5 nhân tố chính: Đặc điểm cá nhân của người vay, Năng lực của người vay, Đặc điểm của khoản vay, Rủi ro đạo đức của người vay và Rủi ro tác nghiệp từ ngân hàng. Trong các nhân tố chính, luận văn chọn lựa các nhân tố cụ thể có tác động đến khả năng trả nợ của khách hàng như sau:

Đặc điểm cá nhân của người vay bao gồm các nhân tố giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình, tình trạng hôn nhân

Năng lực của người vay bao gồm trình độ học vấn, vị trí công việc, thu nhập Đặc điểm của khoản vay bao gồm kích cỡ khoản vay, thời gian vay, lãi suất

vay, tài sản thế chấp, mục đích vay. Luận văn đưa thêm nhân tố mục đích vay vào trong nghiên cứu vì nhân tố này được đề cập trong hồ sơ vay vốn tại ngân hàng Vietinbank. Là căn cứ để ngân hàng đánh giá khoản vay về mục đích sử dụng, thời hạn vay, lãi suất,.. cho phù hợp với từng khách hàng.

Rủi ro đạo đức của người vay thể hiện qua lịch sự nợ quá hạn của khách

hàng

Rủi ro tác nghiệp từ ngân hàng thể hiện qua kinh nghiệm, trình độ cán bộ

Khả năng trả nợ của KHCN

Giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình, tình trạng hôn

Trình độ học vấn, tình trạng công việc, thu nhập

Kích cỡ khoản vay, thời gian vay, Lãi suất vay, tài sản thế chấp, mục đích vay

Lịch sự nợ quá hạn của khách hàng

Kinh nghiệm, trình độ cán bộ thẩm định cho vay

Đặc điểm cá nhân của người vay

Năng lực của người vay

Đặc điểm của khoản vay

thẩm định cho vay

Rủi ro đạo đức của người vay

Rủi ro tác nghiệp từ ngân hàng

Hình 3.1– Mô hình các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN Nguồn: Tác giả thiết kế từ cơ sở lý luận và các nghiên cứu trước đây