So Sánh Mô Hình Hồi Quy Binary Logistic Và Hồi Quy Tuyến Tính

Bảng 4.1. So sánh mô hình hồi quy binary logistic và hồi quy tuyến tính

Mô hình hồi quy binary logistic

Mô hình hồi quy tuyến tính

Biến phụ thuộc ở dạng nhị phân (biến giả)

Biến phụ thuộc phải ở dạng định lượng và là biến liên tục

Giá trị ước lượng của biến phụ thuộc ở dạng xác suất rơi vào khoảng (0;1)

Giá trị dự đoán của biến phụ thuộc không thể được diễn dịch như xác suất

Có thể bạn quan tâm!

Xem toàn bộ 110 trang tài liệu này.

(Nguồn: Phân tích dữ liệu nghiên cứu với SPSS, Hoàng Trọng – Mộng Ngọc (2008))

Tác giả sử dụng mô hình hồi quy logistic để phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp, mô hình nghiên cứu cụ thể như sau:

=𝑒

Với Pi là giá trị ước lượng của Y sau khi hồi quy Y theo các biến độc lập, phương trình của Pi như sau:

Trong đó:

= E(Y=1/X)= 𝑒

𝑍

1+ 𝑒𝑧

(0+ 1𝑋1+ 2𝑋2+ 3𝑋3+⋯𝑘𝑋𝑘)

1+ 𝑒(0+ 1𝑋1+ 2𝑋2+ 3𝑋3+⋯𝑘𝑋𝑘)

Pi = E(Y=1/X): xác suất để xảy ra sự kiện Y=1

Y: là biến phụ thuộc: xác định trên khả năng trả nợ của khách hàng doanh nghiệp tại BIDV Long An trong giai đoạn năm 2016-2018.

Y = 0: khách hàng không có khả năng trả nợ vay, cách xác định là: khách hàng có khoản vay bị quá hạn trên 90 ngày

Y = 1: khách hàng có khả năng trả nợ vay, cách xác định: khách hàng không có nợ bị quá hạn trên 90 ngày.

i: Hệ số ước lượng của biến Xi, cho biết khi Xi tăng 1 đơn vị thì log của tỷ lệ (Pi/1-Pi) tăng i đơn vị

Xi là các biến độc lập: xác định dựa trên lập luận chương 2, do hạn chế thời gian và nguồn dữ liệu thu thập nên tác giả xây dựng mô hình với các biến như sau:

Các yếu tố thuộc về doanh nghiệp:

Biến X1: Số năm hoạt động của doanh nghiệp trong lĩnh vực hiện tại, ký hiệu NAMHOATDONG. Kiểm định giả thuyết H1: số năm hoạt động của doanh nghiệp càng lớn thì khả năng trả nợ của doanh nghiệp càng cao, Học viên kỳ vọng số năm hoạt động của doanh nghiệp có mối quan hệ đồng biến với KNTN của KHDN

Biến X2: đòn bẩy tài chính của doanh nghiệp: ký hiệu DONBAY, được thể hiện qua hệ số nợ/vốn chủ sở hữu của doanh nghiệp. Kiểm định giả thuyết: H2: đòn bẩy tài chính của doanh nghiệp càng lớn thì khả năng trả nợ của doanh nghiệp càng thấp. Học viên kỳ vọng đòn bẩy tài chính doanh nghiệp có mối quan hệ nghịch biến với KNTN của KHDN.

Biến X3: hiệu quả kinh doanh: ký hiệu ROE, được tính theo công thức: Lợi nhuận sau thuế/ Vốn chủ sở hữu, kiểm định giả thuyết H3:hiệu quả kinh doanh của doanh nghiệp càng cao thì khả năng trả nợ của doanh nghiệp càng lớn. Học viên kỳ vọng: hiệu quả kinh doanh có mối quan hệ đồng biến với KNTN của KHDN

Các yếu tố thuộc về khoản vay:

Biến X4: tài sản bảo đảm: ký hiệu: TLTSBD: được tính dựa trên giá trị tài sản bảo đảm của khách hàng trên tổng dư nợ của khách hàng. Kiểm định giả thuyết: H4: Các khoản vay của doanh nghiệp có tỷ lệ tài sản bảo đảm càng cao thì khả năng trả nợ của doanh nghiệp càng lớn. Học viên kỳ vọng: tài sản bảo đảm có mối quan hệ đồng biến với KNTN của khách hàng DN

Biến X5: thời gian vay: ký hiêu: THOIGIANVAY: thời hạn cho vay đối với khách hàng. Kiểm định giả thuyết H5: Thời gian vay của doanh nghiệp càng dài thì khả năng trả nợ của doanh nghiệp càng thấp. Học viên kỳ vọng: thời gian vay có mối quan hệ nghịch biến với KNTN của khách hàng DN

Biến X6: số tiền cho vay: ký hiệu: DUNO: thể hiện quy mô khoản vay đối với từng khách hàng, được tính dựa trên tổng dư nợ vay đối với từng khách hàng. Kiểm

định giả thuyết H5: Số tiền cho vay càng cao thì khả năng trả nợ của doanh nghiệp càng thấp. Học viên kỳ vọng: số tiền cho vay có mối quan hệ nghịch biến với KNTN của khách hàng DN.

Tổng hợp các biến phụ thuộc như sau:

Biến

Ký hiệu	Mô tả	Kỳ vọng dấu
X1	NAMHOATDONG	Số năm hoạt động của doanh nghiệp trong lĩnh vực hiện tại	+
X2	DONBAY	Nợ phải trả/ Vốn chủ sở hữu	-
X3	ROE	Lợi nhuận sau thuế/ Vốn chủ sở hữu	+
X4	TLTSBD	Tỷ lệ tài sản bảo đảm trên dư nợ cho vay	+
X5	THOIGIANVAY	Thời hạn vay của khách hàng	-
X6	DUNO	Tổng dư nợ vay đối với từng khách hàng	-

Trong đó:

Dấu + thể hiện mối quan hệ đồng biến giữ biên độc lập và biến phụ thuộc. Dấu – thể hiện mối quan hệ nghịch biến giữa biến độc lập và biến phụ thuộc.

4.2 Dữ liệu nghiên cứu

Trong phân tích hồi quy, Tabachnick và Fidell (1996) đã chỉ ra rằng để phân tích hồi quy đạt được kết quả với đủ độ tin cậy thì số lượng mẫu nên thỏa mãn công thức n ≥ 8m + 50 với n là số lượng mẫu và m là số biến độc lập trong mô hình. Trong bài nghiên cứu này, tác giả xây dựng mô hình nghiên cứu bao gồm sáu biến độc lập. Do đó để đảm bảo đủ độ tin cậy thì kích thước mẫu phải đạt tối thiểu n = 8*6+50 = 98 và tác giả đã chọn mẫu với kích thước n = 318 trong bài nghiên cứu của mình.

Nghiên cứu này được thực hiện dựa trên 106 khách hàng doanh nghiệp đang có dư nợ tại ngân hàng TMCP Đầu Tư và Phát Triển Việt Nam chi nhánh Long An trong giai đoạn từ năm 2016 -2018 và đủ điều kiện xếp hạng tín dụng nội bộ của ngân hàng.

Cơ sở dữ liệu được lấy từ chương trình xếp hạng tín dụng nội bộ của ngân hàng, và báo cáo tài chính của khách hàng doanh nghiệp, bài nghiên cứu sử dụng phần mềm SPSS để cho ra kết quả nghiên cứu.

Tổng số khách hàng doanh nghiệp đang có quan hệ tín dụng tại BIDV Long An là 150 khách hàng đến 31/12/2018, trong đó có 106 doanh nghiệp có đủ điều kiện xếp hạng tín dụng và có đủ báo cáo tài chính từ năm 2016-2018, bảo đảm sẽ đại diện cho tổng thể khách hàng đang có dư nợ tín dụng tại BIDV Long An.

Cơ cấu DN được lựa chọn theo thời gian vay: Các khoản vay ngắn hạn chiếm tỷ lệ 70%, các khoản vay trung hạn chiếm tỷ lệ 24%, các khoản vay dài hạn chiếm tỷ lệ 6%

Cơ cấu doanh nghiệp được lựa chọn theo cho vay có tài sản bảo đảm: các khoản vay có tỷ lệ tài sản bảo đảm nhỏ hơn 1 chiếm tỷ lệ 38%, các khoản vay có tỷ lệ tài sản bảo đảm >=100% là 62%.

Cơ cấu doanh nghiệp theo quy mô: khách hàng DN nhỏ và vừa chiếm tỷ lệ 77%, KHDN lớn chiếm tỷ lệ 4%, KHDN có vốn đầu tư nước ngoài chiếm tỷ lệ 1%, KHDN siêu nhỏ chiếm tỷ lệ 18%.

Bảng 4.2. Thống kê dữ liệu mô tả các biến

Biến

Mẫu	Giá trị nhỏ nhất	Giá trị lớn nhất	Giá trị trung bình	Độ lệch chuẩn
NAMHOATDONG	318	0	20	9,22	4,678
DONBAY	318	,000	14,588	1,98218	2,131188
ROE	318	-,940294	1,0661764	,112268133	,171856960
DUNO	318	50	291432	16321,47	36247,840
TLTSBD	318	,16	13,60	1,2964	1,43090
THOIGIANVAY	318	1	195	21,66	28,289

Nguồn: kết quả xử lý mô hình trên chương trình SPSS

Các bước tiến hành chạy mô hình:

Bước 1: Đánh giá mức độ phù hợp của mô hình, dựa trên các tiêu chuẩn kiểm định như sau:

 Omnibus Test of Model Coefficients: Kiểm định sự phù hợp của mô hình hồi quy với giả thiết H0 là các hệ số hồi quy đều bằng 0. Nếu Sig<α thì H0 bị bác bỏ hay có tồn tại mô hình hồi quy.

 -2LL (-2 Log Likelihood): đo lường độ phù hợp tổng quát của mô hình, với quy tắc -2LL càng nhỏ càng thể hiện độ phù hợp cao. Giá trị nhỏ nhất là 0 (tức là không có sai số), khi đó mô hình có một độ phù hợp cao.

 Classification Table: bảng so sánh trị số thực và trí số dự đoán cho từng biểu hiện có KNTN/ không có KNTN và tính tỷ lệ dự đoán đúng. Từ đó ta có hướng tiếp cận khác để xác định được mức độ phù hợp của mô hình.

 Mức ý nghĩa Sig của các kiểm định và của hệ số hồi quy (β) được chọn là

<=10%

Bước 2: Dựa trên mức ý nghĩa của các biến và các tiêu chuẩn đo lường phù hợp của mô hình xác định các biến có ảnh hưởng đến khả năng trả nợ của KHDN.

4.3 Kết quả nghiên cứu

Bảng 4.3. Kết quả kiểm định mức độ dự báo của mô hình

Quan sát				Tỷ lệ dự đoán đúng (%)

Y	0	31	55	36,0
	1	11	221	95,3
Tỷ lệ dự báo đúng của toàn bộ mô hình (%)				79,2

0 1

(Nguồn: Kết quả xử lý mô hình trên chương trình SPSS) Theo kết quả tại Bảng 4.3.1 với 86 khách hàng không có KNTN (xem theo hàng) mô hình dự đoán đúng 31 khách hàng, với tỷ lệ đúng 36%. Còn với 232 khách hàng có KNTN, mô hình dự đoán đúng 211 khách hàng, tỷ lệ đúng là 95,3%.

Tỷ lệ dự báo đúng của toàn bộ mô hình là 79,2%. Mô hình có tính phù hợp.

Bảng 4.4. Kết quả kiểm định mức độ giải thích của mô hình

-2 Log likelihood

Cox & Snell R Square	Nagelkerke R Square
291,749a	,221	,321

(Nguồn: kết quả xử lý mô hình trên chương trình SPSS)

-2 Log likelihood = 291,749a tương đối cao, nên độ phù hợp của mô hình chỉ mang tính tương đối.

Kiểm định sự phù hợp của mô hình hồi quy:

Bảng 4.5. Kiểm định Omnibus (Omnibus Tests of Model Coefficients)

R bình phương

Df	Hệ số Sig.
Mô hình	79,482	6	,000

(Nguồn: kết quả xử lý mô hình trên chương trình SPSS)

- Bảng Omnibus Tests of Model Coefficients có mức ý nghĩa có Sig= 0.000

<0.05, bác bỏ giả thiết H0 là các hệ số hồi quy đều bằng 0 (Omnibus Test of Model Coefficients) hay có tồn tại mô hình hồi quy tức là có thể dùng mô hình để dự đoán.

Kiểm định tương quan từng phần của các hệ số hồi quy:

Bảng 4.6: Kết quả kiểm định các giả thuyết nghiên cứu

Mối quan hệ

Giá trị ước lượng (β)	Độ lệch chuẩn	Kiểm định Wald	Giá trị Sig.
Y←	NAMHOATDONG	,090	,032	8,043	,005
	DONBAY	,072	,078	,855	,355
Y←	ROE	12,666	2,234	32,135	,000
	DUNO	,000	,000	,022	,882
	TLTSBD	,046	,099	,220	,639
Y←	THOIGIANVAY	-,010	,006	3,480	,062
	Hằng số	-,680	,408	2,780	,095

(Nguồn: kết quả xử lý mô hình trên chương trình SPSS)

Giải thích kết quả của mô hình:

Dựa vào cột mức ý nghĩa (Sig.) của kiểm định Wald cho thấy:

Các biến có mức ý nghĩa < 90% gồm các biến: DONBAY, DUNO, TLTSBD có Sig> 0,05, do đó, các biến này tương quan không có ý nghĩa với biến Y (KNTN) với độ tin cậy 95%.

 Biến DONBAY: giá trị β = 0,072 và Sig = 0,355 > 0,05 => giả thuyết H2: Đòn bẩy tài chính của doanh nghiệp càng lớn thì khả năng trả nợ của doanh nghiệp càng thấp bị bác bỏ ( mức ý nghĩa: 95%).

 Biến DUNO: β = 0 và Sig = 0,882 > 0,05 => giả thuyết H6: Số tiền cho vay càng cao thì khả năng trả nợ của doanh nghiệp càng thấp: bị bác bỏ mức ý nghĩa 95%.

 Biến TLTSBD: β = 0,046 và Sig = 0,639 > 0,05 => giả thuyết H4: Các khoản vay của doanh nghiệp có tỷ lệ tài sản bảo đảm càng cao thì khả năng trả nợ của doanh nghiệp càng lớn bị bác bỏ với mức ý nghĩa 95%.

Các biến có mức ý nghĩa từ 90% - 94% gồm 01 biến:

THOIGIANVAY có Sig là 0,062 > 0,05 biến THOIGIANVAY tương quan có ý nghĩa với biến KNTN vay của KHDN với độ tin cậy 94%; Với = -0,10 nghĩa là thời gian vay có mối quan hệ ngược chiều với KNTN, thời gian vay càng cao KNTN càng giảm, thời gian vay tăng 1 đơn vị thì KNTN của khách hàng sẽ giảm 0,1 đơn vị=> Phù hợp với kỳ vọng ban đầu của tác giả và nghiên cứu của Coravos (2010), Jimenez và Saurina (2003). Trên thực tế, thời gian vay càng dài, khả năng kiểm soát khoản vay của ngân hàng càng giảm, dẫn đến giảm KNTN.

Các doanh nghiệp có khả năng trả nợ tốt, thường chọn phương án vay vốn ngắn hạn để tiết kiệm chi phí tài chính. Các khoản vay trung dài hạn tại BIDV Long An là các khoản vay đầu tư dự án, mua sắm tài sản cố định, mở rộng quy mô sản xuất, khả năng thu hồi nợ còn phụ thuộc vào hiệu quả của dự án mang lại, có nhiều trường hợp, mặc dù với dự toán dự án có hiệu quả, nhưng đến khi đi vào hoạt động thì nảy sinh thêm nhiều vấn đề, ảnh hưởng đến KNTN của khách hàng.

Các biến có mức ý nghĩa > 95% gồm 02 biến:

 NAMHOATDONG: có Sig là 0,005 <0,05. Do đó, biến NAMHOATDONG tương quan có ý nghĩa với biến KNTN vay của KHDN với độ tin cậy 99%. Với β = 0,090 nghĩa là kinh nghiệm của DN có mối quan hệ cùng chiều với KNTN, khi kinh nghiệm càng tăng KNTN càng tăng, khi năm hoạt động của doanh nghiệp tăng 1 đơn vị thì KNTN của khách hàng tăng 0,09 đơn vị => Phù hợp với kỳ vọng ban đầu của tác giả và nghiên cứu của Petrunia (2007). Trong điều kiện các yếu tố khác là như nhau, kinh nghiệm thể hiện một phần năng lực hoạt động của doanh nghiệp, khách hàng đã hoạt động lâu năm trong ngành, có nhiều kinh nghiệm, sẽ được ngân hàng đánh giá cao so với các DN còn non trẻ, ít kinh nghiệm trong ngành hơn. Doanh nghiệp hoạt động lâu, đã có sẵn nền khách hàng thân thiết, doanh thu ổn định, cũng như các đối tác sẵn sàng cung ứng các nguồn nguyên vật liệu đầu ra với giá tốt, hoặc cho doanh nghiệp trả chậm, bên cạnh đó, còn có thêm các mối quan hệ tốt với ban ngành cơ quan nhà nước, và trong trường hợp gặp các điều kiện không thuận lợi, do đã có nhiều kinh nghiệm trong ngành,