Pearson Correlation | -.022 | .129 | .008 | .045 | .178 * | .029 | -.098 | .022 | .147 | 1 | .187* | |
Sig. (2-tailed) | .806 | .143 | .929 | .609 | .042 | .747 | .267 | .801 | .095 | .033 | ||
N | 130 | 130 | 130 | 130 | 130 | 130 | 130 | 130 | 130 | 130 | 130 | |
kha_nang_tra _no | Pearson Correlation | .032 | -.061 | -.085 | .417** | - .226 ** | .378** | -.261** | .421** | - .368** | .187* | 1 |
Sig. (2-tailed) | .721 | .491 | .338 | .000 | .010 | .000 | .003 | .000 | .000 | .033 | ||
N | 130 | 130 | 130 | 130 | 130 | 130 | 130 | 130 | 130 | 130 | 130 |
Có thể bạn quan tâm!
- Tóm Tắt Quy Trình Cho Vay Sinh Viên Tại Ngân Hàng Chính Sách Xã Hội Tỉnh Bình Phước
- Giả Thuyết Nghiên Cứu Và Mô Hình Nghiên Cứu Khả Năng Trả Nợ
- Thống Kê Mô Tả Số Món Vay Của Gia Đình Có Khoản Vay Sinh Viên
- Các yếu tố ảnh hưởng đến khả năng trả nợ khoản vay sinh viên tại Chi nhánh Ngân hàng chính sách tỉnh Bình Phước - 9
- Các yếu tố ảnh hưởng đến khả năng trả nợ khoản vay sinh viên tại Chi nhánh Ngân hàng chính sách tỉnh Bình Phước - 10
Xem toàn bộ 80 trang tài liệu này.
Dưới đây là kết quả hồi quy giữa biến phụ thuộc khả năng trả nợ và 10 biến độc lập, được trình bày tại bảng 5.2:
Bảng 5.2: Kết quả hồi quy biến phụ thuộc với 10 biến độc lập
B | S.E. | Wald | df | Sig. | Exp(B) | ||
Step 1a | Tuổi | .000 | .040 | .000 | 1 | .991 | 1.000 |
Giới tính | -1.282 | .651 | 3.882 | 1 | .049 | .277 | |
Dân tộc | -1.035 | .760 | 1.858 | 1 | .173 | .355 | |
Trình độ học vấn | .915 | .353 | 6.722 | 1 | .010 | 2.496 | |
Nghề nghiệp | -2.063 | .665 | 9.614 | 1 | .002 | .127 | |
Số lao động | .304 | .446 | .466 | 1 | .495 | 1.356 | |
Số người phụ thuộc | -.747 | .249 | 9.016 | 1 | .003 | .474 | |
Số nguồn thu nhập | 1.429 | .512 | 7.801 | 1 | .005 | 4.173 | |
Số món vay | -2.311 | .628 | 13.534 | 1 | .000 | .099 | |
Mục đích tiết kiệm | 2.168 | .661 | 10.743 | 1 | .001 | 8.738 | |
Constant | -.126 | 2.415 | .003 | 1 | .959 | .882 |
Theo kết quả hồi quy trên, với mức ý nghĩa 5% các biến độc lập tuổi (Sig=0.991), dân tộc (Sig =0.173), số lao động (Sig =0.495), với mức ý nghĩa 5% , các biến độc lập trên không có tác động có ý nghĩa thống kê tới khả năng trả nợ.
Các biến còn lại là giới tính (Sig = 0.049), trình độ học vấn (Sig = 0.010), nghề nghiệp (Sig = 0.002), số người phụ thuộc (Sig = 0.003), số nguồn thu nhập (Sig = 0.005), số món vay (Sig = 0.000), mục đích tiết kiếm (Sig = 0.001). Với mức ý nghĩa 5% các
biến này có tác động tới khả năng trả nợ. Như vậy đến đây, các biến độc lập tuổi, dân tộc, số lao động không giải thích cho biến phụ thuộc nên loại bỏ 3 biến này ra khỏi mô hình. Và 7 biến độc lập còn lại: giới tính, trình đô học vấn, nghề nghiệp, số người phụ thuộc, số nguồn thu nhập, số món vay và mục đích tiết kiệm sẽ được giữ lại để phân tích các bước tiếp theo trong hồi quy.
5.1.2. Kiểm định đa cộng tuyến
Hệ số phóng đại phương sai VIF (Variance Inflation Factors)
Hệ số VIF được thiết lập trên cơ sở của hệ thống xác định R2 của biến Xi trong hồi quy theo các biến khác để kiểm tra trong mô hình hồi quy có xảy ra hiện tượng đa cộng tuyến hay không.
Công thức như sau :
1−𝑅2
VIF (Xi) = 1
𝑖
Như vậy, kết quả kiểm định hiện tượng đa cộng tuyến với 7 biến còn lại của mô hình ta có kết quả ở bảng 5.3 như sau:
Bảng 5.3 Kết quả kiểm định đa cộng tuyến
VIF | |
Giới tính | 1.079 |
Trình độ học vấn | 1.165 |
Nghề nghiệp | 1.132 |
Số người phụ thuộc | 1.069 |
Số nguồn thu nhập | 1.088 |
Số món vay | 1.047 |
Mục đích tiết kiệm | 1.112 |
Từ bảng kết quả trên có thể thấy các giá trị VIF của các biến độc lập không có giá trị nào lớn hơn 10 vì vậy có thể kết luận không có hiện tượng đa cộng tuyến xảy ra giữa các biến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
5.1.3. Kiểm định các yếu tố ảnh hưởng đến khả năng trả nợ của mô hình
(a) Kiểm định mực độ phù hợp của mô hình
(i) Kiểm định Omnibus các hệ số của mô hình
Kiểm định này xem xét khả năng giải thích biến phụ thuộc của tổ hợp biến độc lập. Giả thiết:
H0 : Mô hình là không phù hợp ( β1 = β2 = … = βk = 0) H1: : Mô hình là phù hợp.
Với mức ý nghĩa là 5%, kết quả trong bảng 5.4 cho thấy Sig= 0.000 < 5% vậy giả thiết H0 bị bác bỏ, tức là mô hình là phù hợp.
Bảng 5.1: Kiểm định Omnibus các hệ số của mô hình
Chi-square | df | Sig. | ||
Step 1 | Step | 94.453 | 7 | .000 |
Block | 94.453 | 7 | .000 | |
Model | 94.453 | 7 | .000 |
(ii) Kiểm định Hosmer và Lemeshow
Kiểm định Hosmer và Lemeshow là kiểm định sự phù hợp của phân phối xác suất tiêu chuẩn Chi-square bằng cách so sánh giá trị ước lượng với giá trị quan sát. Quy tắc của phương pháp này là nếu giá trị Chi-square <15 và Sig>5% thì ta chấp nhận H0 (Tinoco và Wilson, 2013).
Giả thiết:
H0 : Không có sự khác biệt giữa giá trị thực tế và giá trị dự báo. (mô hình hồi quy phù hợp)
H1: Có sự khác biệt giữa giá trị thực tế và giá trị dự báo. (mô hình hồi quy không phù hợp)
Với kết quả thể hiện tại bảng 5.5, ta thấy giá trị Chi-square = 4.380 < 15 và Sig=0.821 > 5% nên ta chấp nhận giả thiết H0 tức mô hình lựa chọn là phù hợp.
Bảng 5.5: Kiểm định Hosmer và Lemeshow
Chi-square | df | Sig. | |
1 | 4.380 | 8 | .821 |
b) Kiểm định mức độ dự đoán của mô hình
Hệ số -2 Log likelihood dùng để đánh giá mức độ phù hợp của mô hình hồi quy Binary logistics. Nguyên tắc đánh giá: Hệ số -2 Log likelihood càng bé thì càng thể hiện mô hình lựa chọn phù hợp. Nếu -2LL= 0 có nghĩa là không có sai lệch, điều đó chứng tỏ mô hình lựa chọn có mức độ phù hợp tuyệt đối.
Ngoài ra, bảng Clasification table dùng để đánh giá mô hình dự đoán tốt như thế nào. Dựa trên bảng phân loại này, trị số dự đoán và trị số thực sẽ được so sánh cho từng biểu hiện và tính tỉ lệ phỏng đoán đúng biến cố xảy ra.
Bảng 5.6 cho thấy giá trị của -2 Log likelihood = 85.273, hệ số -2LL này càng thấp càng thể hiện sự phù hợp của mô hình và hệ số Nagelkerke R Square = 0.689 tức là 68.9% sự thay đổi của biến phụ thuộc có thể được giải thích bởi 7 biến độc lập trong mô hình, còn lại là do các yếu tố khác không có trong mô hình.
Kết quả tại bảng 5.7 cho thấy mô hình dự đoán đứng người vay không có khả năng trả nợ là 59 trên tổng cộng 69 trường hợp, tỷ lệ dự đoán đúng trong trường hợp này là 85.5%; dự đoán đúng việc người vay có khả năng trả nợ là 52 trên 61 trường hợp, tỷ lệ dự đoán đúng là 85.2%. Trung bình theo trọng số, khả năng dự đoán chính xác của mô hình là khá cao, ở mức 85.4%.
Bảng 5.6: Kiểm định mức độ giải thích của mô hình
-2 Log likelihood | Cox & Snell R Square | Nagelkerke R Square | |
1 | 85.273a | .516 | .689 |
Bảng 5.7: Mức độ dự báo của mô hình
Số quan sát | Dự báo | ||||
KHA_NANG_TRA_NO | Phần trăm dự đoán đúng | ||||
0,0 | 1,0 | ||||
Step 1 | KHA_NANG_TR A_NO | 0,0 | 59 | 10 | 85.5 |
1,0 | 9 | 52 | 85.2 | ||
Phần trăm tổng thể | 85.4 |
c) Kiểm định hồi quy binary logistic với 7 biến độc lập
Sau khi loại bỏ 3 biến độc lập không có tác động đến khả năng trả nợ, 7 biến còn lại là giới tính, trình độ học vấn, nghề nghiệp, số người phụ thuộc, số nguồn thu nhập, số món vay và mục đích tiết kiệm sẽ được giữ lại trong mô hình hồi quy và mô hình được viết lại như sau :
𝐿𝑛 [𝑃(KHA_NANG_TRA_NO=1)]= β0 + β2*gioi_tinh + β4*rinh_do_hoc_vien + β5*nghe_nghiep+
𝑃(KHA_NANG_TRA_NO=0)
β7*so_nguoi_phu_thuoc + β8*so_nguon_thu_nhap + β9*so_mon_vay+ β10*muc_dich_tiet_kiem +ε
Kết quả hồi quy được trình bày tại bảng 5.8 như sau:
Bảng 5.8 : Kết quả hồi quy Binary logistic với 7 biến độc lập
B | S.E. | Wald | df | Sig. | Exp(B) | ||
Step 1a | Giới tính | -1.397 | .626 | 4.986 | 1 | .026 | .247 |
Trình độ học vấn | .924 | .346 | 7.109 | 1 | .008 | 2.519 | |
Nghề nghiệp | -1.975 | .650 | 9.226 | 1 | .002 | .139 | |
Số người phụ thuộc | -.678 | .226 | 8.997 | 1 | .003 | .507 | |
Số nguồn thu nhập | 1.585 | .377 | 17.660 | 1 | .000 | 4.877 | |
Số món vay | -2.337 | .611 | 14.610 | 1 | .000 | .097 | |
Mục đích tiết kiệm | 2.089 | .635 | 10.820 | 1 | .001 | 8.078 | |
Constant | -.007 | 1.118 | .000 | 1 | .995 | .993 |
Kết quả hồi quy tại bảng 5.8 ta thấy các biến độc lập : giới tính (Sig = 0.026), trình độ học vấn (Sig=0.008), nghề nghiệp (Sig=0.002), số người phụ thuộc (Sig=0.003), số nguồn thu nhập (Sig = 0.000), số món vay (Sig=0.000) và mục đích tiết kiệm (Sig
= 0.001). Với mức ý nghĩa 5% ta có thể bác bỏ giả thiết H0 và chấp nhận Hi (i=2,4,5,7,8,9,10) đã đề cập tại chương 4 như sau :
- Giả thuyết H2: Giới tính người đứng tên vay có tác động tới khả năng trả nợ khoản vay sinh viên tại Ngân hàng chính sách xã hội tỉnh Bình Phước.
- Giả thuyết H4 : Trình độ học vấn của người đứng tên vay có tác động tới khả năng trả nợ khoản vay sinh viên tại Ngân hàng chính sách xã hội tỉnh Bình Phước.
- Giả thuyết H5 : Nghề nghiệp người đứng tên vay có tác động tới khả năng trả nợ khoản vay sinh viên tại Ngân hàng chính sách xã hội tỉnh Bình Phước.
- Giả thuyết H7 : Số người phụ thuộc trong gia đình có khoản vay sinh viên có tác động tới khả năng trả nợ khoản vay sinh viên tại Ngân hàng chính sách xã hội tỉnh Bình Phước.
- Giả thuyết H8 : Số nguồn thu nhập trong gia đình có khoản vay sinh viên có tác động tới khả năng trả nợ khoản vay sinh viên tại Ngân hàng chính sách xã hội tỉnh Bình Phước.
- Giả thuyết H9 : Số món vay trong gia đình có khoản vay sinh viên có tác động tới khả năng trả nợ khoản vay sinh viên tại Ngân hàng chính sách xã hội tỉnh Bình Phước.
- Giả thuyết H10 : Mục đích tiết kiệm tác động tới khả năng trả nợ khoản vay sinh viên tại Ngân hàng chính sách xã hội tỉnh Bình Phước.
5.2 Giải thích kết quả hồi quy
Từ kết quả hồi quy tại bảng 5.8, mô hình hồi quy được viết lại như sau:
𝐿𝑛 [𝑃(KHA_NANG_TRA_NO=1)] = f(x) = -0.007 - 1.397*gioi_tinh + 0.924 *trinh_do_hoc_van -
𝑃(KHA_NANG_TRA_NO=0)
1.975* nghe_nghiep -0.678*so_nguoi_phu_thuoc +1.585*so_nguon_thu_nhap – 2.337*so_mon_vay +2.089*muc_dich_tiet_kiem + ε
Giả định xác suất trả nợ ban đầu là P1 = 61/130 = 46.90% .
5.2.1 Giải thích kết quả các hệ số hồi quy các biến có nghĩa thống kê
(i) Giới tính: β2 = -1.397 , Sig =0.026
Kết quả hệ số hồi quy là β2 = –1.397 cho thấy, biến độc lập giới tính có tác động nghịch với biến phụ thuộc khả năng trả nợ, tức là với giới tính là nam hoặc nữ của người đứng tên vay sẽ tác động đến khả năng trả nợ khoản vay sinh viên tại Chi nhánh Ngân hàng chính sách tỉnh Bình Phước. Trong điều kiện mẫu khảo sát nữ chiếm đa số 61%, ta có thể suy luận, các khoản vay sinh viên mà nữ là đại diện đứng tên vay sẽ có khả năng trả nợ kém hơn, bởi một số lý do như nữ thường tham gia các công việc lại lợi nhuận thấp, việc sinh con có thể làm gián đoạn việc kiếm thu nhập,.. Kết quả này hoàn toàn phù hợp với các nghiên cứu thực nghiệm trước đây (Nawai và Shariff, 2012).
Tác động biên:
𝑑(𝑌𝑖 = 1) = 𝛽
∗ 𝑃(𝑌
= 1) ∗ [1 − 𝑃(𝑌
= 1)]
𝑑𝑋2
2 𝑖 𝑖
= 𝛽2 ∗ 𝑃1 ∗ (1 − 𝑃1) = −1.397 ∗ 46.90% ∗ (1 − 46.90%) = - 0.3479
Như vậy khi người đại diện đứng tên vay có giới tính là nữ và các yếu tố khác không đổi thì về trung bình khả năng trả nợ sẽ giảm đi 34.79%.
(ii) Trình độ học vấn: β4 = 0.924 , Sig =0.008
Trình độ học vấn càng cao sẽ có tác động tích cực đến khả năng trả nợ càng cao và ngược lại (Wahab và cộng sự, 2011; Pasha và Negese, 2014; Angaine và Waari, 2014). Theo kết quả hồi quy, biến trình độ học vấn của người đứng tên vay có tác động thuận đến khả năng trả nợ khoản vay sinh viên tại Ngân hàng chính sách xã hội tỉnh Bình Phước. Điều này được lý giải rằng trình độ học vấn cao thì ý thức về việc vay và trả nợ sẽ cao hơn so với người có trình độ thấp hoặc không đi học. Biến độc lập trình độ học vấn với các thông số hồi quy trên phù hợp với các nghiên cứu thực nghiệm trước đây.
Về tác động biên của biến độc lập trình độ học vấn lên khả năng trả nợ như sau:
𝑑(𝑌𝑖 = 1) = 𝛽
∗ 𝑃(𝑌
= 1) ∗ [1 − 𝑃(𝑌
= 1)]
𝑑𝑋4
4 𝑖 𝑖
= 𝛽4 ∗ 𝑃1 ∗ (1 − 𝑃1) = 0.924 ∗ 46.90% ∗ (1 − 46.90%) =0.2301
Như vậy, nếu xác suất khả năng trả nợ ban đầu của hộ vay là 46.90%, khi người đại diện vay có trình độ học vấn tăng thêm một bậc và các yếu tố khác không đổi, về trung bình xác suất trả nợ của hộ vay sẽ tăng 23.01%.
(iii) Nghề nghiệp: β5 = - 1.975, Sig =0.002
Ngành nghề của người đứng tên vay có tác động nghịch tới khả năng trả nợ vay khoản vay sinh viên tại tỉnh Bình Phước. Hệ số hồi quy β5 = - 1.975 thể hiện việc người đứng tên vay làm sản xuất nông nghiệp hay làm nghề khác sẽ tác động đến khả năng trả nợ, kết hợp điều tra khảo sát tại địa bàn tỉnh Bình Phước những người làm sản xuất nông nghiệp sẽ có khả năng trả nợ cao hơn bởi họ thường có đất đai và trồng cây công nghiệp lâu năm như là một phần tài sản, họ có thể thu hoạch trên đó mà còn có thể năng cao giá trị tài sản sau này. Kết quả này phù hợp với nghiên cứu của Mokhta và cộng sự (2012).
Về tác động biên của biến độc lập nghề nghiệp lên khả năng trả nợ như sau:
𝑑(𝑌𝑖 = 1) = 𝛽
∗ 𝑃(𝑌
= 1) ∗ [1 − 𝑃(𝑌
= 1)]
𝑑𝑋5
5 𝑖 𝑖
= 𝛽5 ∗ 𝑃1 ∗ (1 − 𝑃1) = −1.975 ∗ 46.90% ∗ (1 − 46.90%) =-0.4919
Như vậy, nếu xác suất khả năng trả nợ ban đầu của hộ vay là 46.90%, khi người đại diện vay không làm sản xuất nông nghiệp và các yếu tố khác không đổi, về trung bình xác suất trả nợ của hộ vay sẽ giảm 49.19%.
(iv) Số người phụ thuộc: β7 = - 0.678, Sig =0.003
Hệ số hồi quy β7 = = - 0.678 thể hiện biến số người phụ thuộc trong gia đình có khoản vay sinh viên có tác động nghịch với biến phụ thuộc khả năng trả nợ tại Chi nhánh