Trang chủ / Khả Năng Trả Nợ

Phân Tích Hệ Số Tương Quan Và Đa Cộng Tuyến Giữa Các Biến Độc Lập Trong Mô Hình:



B

S.E.

Wald

df

Sig.

Exp(B)

Step 1a

SEX

3.041

1.129

7.261

1

.007

20.929


SOL

-.014

.004

11.822

1

.001

.986


TIME

.057

.022

6.936

1

.008

1.059


INC

.535

.163

10.757

1

.001

1.707


INT

315.452

98.797

10.195

1

.001

9.975E136


SEC

-23.294

6.652

12.263

1

.000

.000


TOL

15.009

3.735

16.147

1

.000

3.298E6


IOS

-2.423

1.068

5.148

1

.023

.089


Constant

-19.690

7.288

7.300

1

.007

.000

Có thể bạn quan tâm!

Xem toàn bộ 93 trang tài liệu này.

Các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Ngân hàng thương mại cổ phần Công Thương Việt Nam - 8


Bảng 4.14 – Kết quả mô hình sau khi chạy bước 3 Nguồn: tác giả sử dụng phần mềm SPSS để nghiên cứu

Dựa trên bảng 4.14, ta có mô hình nghiên cứu như sau


Bảng 4 14 cho thấy mô hình này được lựa chọn tất cả các biến đều có ý 1



Bảng 4.14 cho thấy mô hình này được lựa chọn, tất cả các biến đều có ý nghĩa thống kê ở mức sig nhỏ hơn 0.05. Như vậy, mô hình 3 là mô hình tối ưu trong nghiên cứu này (chi tiết kết quả xem phụ lục).

4.3 Phân tích hệ số tương quan và đa cộng tuyến giữa các biến độc lập trong mô hình:

Bảng 4.15 mô tả mối tương quan giữa các biến độc lập trong mô hình, các biến có hệ số sig lớn hơn 0.05, điều có có nghĩa các biến độc lập không có sự tương quan với nhau. Tuy nhiên trong đó biến kích cỡ khoản vay và biến kinh nghiệm của cán bộ thẩm định có mối tương quan ở mức 0.01. Như vậy có mối liên hệ cùng


chiều giữa hai yếu tố trên. Nghĩa là khi kích cỡ khoản vay càng lớn thì những khoản vay này thường do cán bộ thẩm định lâu năm quản lý.



SEX

SOL

TIME

INC

INT

SEC

TOL

IOS

SEX

Pearson

Correlation

1

-.045

-.067

.009

-.049

.051

-.115

-.075


Sig. (2-tailed)


.551

.369

.908

.512

.497

.125

.315


N

180

180

180

180

180

180

180

180

SOL

Pearson

Correlation

-.045

1

.414**

.625**

.002

.248

**

.104

.191*


Sig. (2-tailed)

.551


.000

.000

.974

.001

.166

.010


N

180

180

180

180

180

180

180

180

TIME

Pearson

Correlation

-.067

.414**

1

.038

.046

.048

-.088

.104


Sig. (2-tailed)

.369

.000


.612

.541

.523

.238

.164


N

180

180

180

180

180

180

180

180

INC

Pearson

Correlation

.009

.625**

.038

1

.077

.260

**

.206*

*

.102


Sig. (2-tailed)

.908

.000

.612


.302

.000

.006

.172


N

180

180

180

180

180

180

180

180

INT

Pearson

Correlation

-.049

.002

.046

.077

1

.455

**

-.006

-.007


Sig. (2-tailed)

.512

.974

.541

.302


.000

.932

.928


N

180

180

180

180

180

180

180

180

SEC

Pearson Correlation

.051

.248**

.048

.260**

.455**

1

.343*

*

.099



Sig. (2-tailed)

.497

.001

.523

.000

.000


180

.000

.186

N

180

180

180

180

180

180

180

TOL

Pearson

Correlation

-.115

.104

-.088

.206**

-.006

.343

**

1

.018


Sig. (2-tailed)

.125

.166

.238

.006

.932

.000


.806


N

180

180

180

180

180

180

180

180

IOS

Pearson

Correlation

-.075

.191*

.104

.102

-.007

.099

.018

1


Sig. (2-tailed)

.315

.010

.164

.172

.928

.186

.806



N

180

180

180

180

180

180

180

180

Bảng 4.15 – Ma trận hệ số tương quan giữa các biến độc lập Nguồn: tính toán của tác giả dựa trên phần mềm SPSS

Kiểm tra hiện tượng đa cộng tuyến của các biến độc lập trong mô hình 4.16, ta thấy hệ số VIF trong bảng có giá trị dưới 10 nên không có hiện tượng đa cộng tuyến xuất hiện trong mô hình.



Model

Unstandardized Coefficients

Standardized Coefficients


t


Sig.

Collinearity Statistics

B

Std. Error

Beta

Tolerance

VIF

1

(Constant)

.495

.174


2.848

.005



SEX

.110

.046

.111

2.420

.017

.948

1.055

SOL

-9.124E-5

.000

-.139

-2.035

.043

.431

2.320

TIME

-.002

.001

-.114

-2.173

.031

.733

1.363

INC

.004

.001

.210

3.402

.001

.529

1.892

INT

5.775

1.848

.164

3.125

.002

.729

1.371



SEC

-.835

.072

-.663

-

11.524

.000

.608

1.644

TOL

.753

.051

.733

14.616

.000

.798

1.253

IOS

-.035

.046

-.035

-.756

.451

.951

1.051

Bảng 4.16 – Phân tích hiện tượng đa cộng tuyến Nguồn: tính toán của tác giả dựa trên phần mềm SPSS

4.4 Kiểm định hồi quy:

4.4.1 Độ phù hợp của mô hình:



Step

-2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1

45.442a

.662

.898

Bảng 4.17 – Mức độ phù hợp của mô hình Nguồn: tính toán của tác giả dựa trên phần mềm SPSS

Bảng 4.17 cho ta thấy -2LL = 45.442 không cao lắm, như vậy nó thể hiện mức độ khá phù hợp của mô hình tổng thể. Hệ số mức độ giải thích của mô hình R2 Nagelkerke = 89.8%. Điều này có nghĩa là 89.8% sự thay đổi của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

4.4.2 Kiểm định ý nghĩa thống kê của các hệ số:



B

S.E.

Wald

df

Sig.

Exp(B)

Step 1a

SEX

3.041

1.129

7.261

1

.007

20.929

SOL

-.014

.004

11.822

1

.001

.986

TIME

.057

.022

6.936

1

.008

1.059

INC

.535

.163

10.757

1

.001

1.707

INT


315.452


98.797


10.195


1


.001

9.975E13

6

SEC

-23.294

6.652

12.263

1

.000

.000



TOL

15.009

3.735

16.147

1

.000

3.298E6

IOS

-2.423

1.068

5.148

1

.023

.089

Constant

-19.690

7.288

7.300

1

.007

.000

Bảng 4.18 – Kết quả kiểm định Wald

Nguồn: tính toán của tác giả dựa trên phần mềm SPSS

Bảng 4.18, kiểm định Wald về ý nghĩa của các hệ số hồi quy tổng thể của các biến giới tính, kích cỡ khoản vay, thời gian, thu nhập, lãi suất, tài sản bảo đảm, mục đích vay và kinh nghiệm của cán bộ thẩm định. Tất cả các biến đều co mức sig nhỏ hơn 0.05 nên ta bác bỏ giả thuyết

H0: B1

(Giới tính)

= 0

H0: B8

(Thu nhập)

= 0

H0: B9

(Kích cỡ khoản vay)

= 0

H0: B10

(Thời hạn vay)

= 0

H0: B11

(Lãi suất vay)

= 0

H0: B12

(Hình thức vay)

= 0

H0: B13

(Mục đích vay)

= 0

H0: B15

(Kinh nghiệm CBTĐ)

= 0

4.4.3 Kiểm định mức độ phù hợp tổng quát:



Chi-square

df

Sig.

Step 1

Step

195.127

8

.000


Block

195.127

8

.000


Model

195.127

8

.000

Bảng 4.19 – Kết quả kiểm định Omnibus Nguồn: tính toán của tác giả dựa trên phần mềm SPSS

Kết quả kiểm định giả thuyết về độ phù hợp tổng quát ở bảng 4.19 có mức ý nghĩa với số quan sát sig = 0.000 nên ta bác bỏ giả thuyết

H0: B1=B8=B9=B10=B11=B12=B13=B15=0


4.4.4 Mức độ dự báo chính xác:

Mức độ dự báo chính xác của mô hình nghiên cứu thể hiện qua bảng 4.20



Observed

Predicted

Y

Percentage Correct

0

1

Step 1

Y

0

66

4

94.3



1

6

104

94.5


Overall Percentage



94.4

Bảng 4.20 – Mức độ dự báo chính xác của mô hình Nguồn: tính toán của tác giả dựa trên phần mềm SPSS

Bảng này cho ta thấy mức độ dự báo chính xác của mô hình, trong 70 trường hợp khách hàng trả trễ thì mô hình dự đoán đúng 66, chiếm 94.3%. Còn trong 110 trường hợp khách hàng trả nợ đúng hạn thì mô hình dự đoán đúng 104 trường hợp chiếm 94.5%. Do đó, tỷ lệ dự báo đúng của toàn bộ mô hình là 94.4%.

4.5 Phân tích kết quả hồi quy:

4.5.1 Kết quả hồi quy:

Dựa trên bảng 4.14, ta thấy các biến đều có ý nghĩa thống kê do mức sig nhỏ hơn 0.05 do đó mô hình phân tích các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN tại Vietinbank được thể hiện như sau:

Kỳ vọng về dấu của các biến có ý nghĩa thống kê Biến Kỳ vọng dấu theo 4




Kỳ vọng về dấu của các biến có ý nghĩa thống kê:



Biến

Kỳ vọng dấu theo lý

thuyết

Kết quả từ mô hình


SEX

+

+

INC

+

+

SOL

-

-

TIME

+

+

INT

-

+

SEC

+

-

TOL

+

+

IOS

+

-

Bảng 4.21 – Kết quả kỳ vọng về dấu của mô hình Nguồn: tác giả dựa trên kết quả nghiên cứu

Tác động biên của các biến có ý nghĩa thống kê lên biến phụ thuộc dựa trên nghiên cứu của Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) với giả định xác suất ban đầu= 0.5:

Biến

Hệ số B

Tác động biên

SEX

3.041

0.76

INC

0.535

0.134

SOL

-0.014

-0.004

TIME

0.057

0.014

INT

315.452

78.863

SEC

-23.294

-5.824

TOL

15.009

3.752

IOS

-2.423

-0.606

Bảng 4.22 – Tác động biên của các biến độc lập lên biến phụ thuộc Nguồn: tính toán của tác giả

4.5.2 Phân tích các nhân tố ảnh hưởng:

Hệ số hồi quy của các biến SEX - Giới tính, biến INC – Thu nhập, biến SOL

– Kích cỡ khoản vay, biến TIME – Thời gian vay, biến TOL – Mục đích vay vốn có kết quả phù hợp với kỳ vọng về dấu theo lý thuyết, cụ thể như sau:


Biến số giới tính có ý nghĩa thống kê với mức tác động biên là 0.76. Với mức xác suất ban đầu 50% trong điều kiện các yếu tố khác không đổi, nếu khách hàng vay là nữ thì khả năng trả nợ đúng hạn sẽ tăng 0.76 lần. Bên cạnh đó, dấu kỳ vọng từ mô hình phù hợp với giả thuyết nghiên cứu. Điều này có thể là do tính cách của nam giới thường ưa thích mạo hiểm trong khi nữ giới thì đa số khá thận trọng và tiết kiệm. Kết quả nghiên cứu trên cũng phù hợp với nghiên cứu của Chapman (1990).

Biến số thu nhập có ý nghĩa thống kê với mức tác động biên là 0.134. Với mức xác suất ban đầu 50% trong điều kiện các yếu tố khác không đổi, nếu thu nhập của người vay tăng 1 triệu đồng thì khả năng trả nợ đúng hạn tăng 0.134 lần. Biến số cũng phù hợp với giả thuyết nghiên cứu, thu nhập càng cao thì khả năng trả nợ càng cao. Bởi vì thu nhập chính là nguồn trả nợ chính của khách hàng do đó thu nhập càng tăng thì khả năng trả nợ đúng hạn của khách hàng tăng. Kết quả nghiên cứu cũng phù hợp với các nghiên cứu khác như Trương Đông Lộc (2011), Mohammad Reza Kohansal (2009).

Kích cỡ khoản vay càng lớn thì khả năng trả nợ càng thấp do áp lực trả nợ của khách hàng càng lớn tuy nhiên tác động không nhiều so với các yếu tố khác. Tác động biên của biến kích cỡ khoản vay thấp nhất so với các biến khác, chỉ khoảng 0.004. Vậy trong điều kiện các yếu tố khác không đổi với mức xác suất ban đầu 50%, nếu kích cỡ khoản vay tăng lên 1 triệu đồng, về mặt trung bình xác suất trả nợ đúng hạn của khách hàng sẽ giảm 0.004 hay 0.4%. Điều này được lý giải xét trong mẫu chọn, vay tiêu dùng chiếm 65.6% trong tổng quan sát, nếu các khoản vay càng lớn thì gốc và lãi định kỳ hàng tháng của khách hàng phải trả càng tăng do đó áp lực trả nợ đúng hạn tăng cao.

Thời gian trả nợ càng dài thì khả năng trả nợ đúng hạn càng cao. Tác đông biện của biến thời gian khoảng 0.014. Trong điều kiện các yếu tố khác không đổi với mức xác suất ban đầu là 50%, nếu biến thời gian tăng lên 1 đơn vị thì khả năng trả nợ đúng hạn của khách hàng cũng tăng 0.014 lần. Điều này được giải thích vì khách hàng không bị áp lực trả nợ mà các khoản vay sẽ được chia thành những khoản trả định kỳ đều nhau phù hợp với khả năng trả nợ của khách hàng. Trong khi

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 03/06/2022