Số Liệu Thống Kê Mô Tả Của Các Biến Định Lượng


Bộ số liệu sử dụng trong đề tài là thông tin về việc vay vốn và trả nợ của khách hàng được thu thập từ nguồn dữ liệu thứ cấp gồm 160 mẫu quan sát là khách hàng cá nhân có quan hệ tín dụng với Ngân hàng TMCP Sài Gòn từ năm 2010 đến năm 2012 để tiến hành nghiên cứu.

Trong mẫu nghiên cứu gồm 160 khách hàng được chia thành 2 nhóm. Nhóm 1 là nhóm các khách hàng có khả năng trả nợ gồm 129 khách hàng và nhóm 0 là nhóm các khách hàng không có khả năng trả nợ gồm 31 khách hàng.

3.2. Kết quả phân tích‌

3.2.1 Phân tích thống kê mô tả

Bảng 3.2: Phân loại khách hàng theo khả năng trả nợ


Phân loại khách hàng theo khả năng trả nợ

Nhóm (Y)

Số lượng

Tỷ trọng

0

31

19,38%

1

129

80,62%

Tổng

160

100%

Có thể bạn quan tâm!

Xem toàn bộ 99 trang tài liệu này.

Hoàn thiện mô hình xếp hạng tín dụng cá nhân tại Ngân hàng TMCP Sài Gòn - 8

(Nguồn: Số liệu tính toán từ dữ liệu của Ngân hàng TMCP Sài Gòn)

Với bảng 3.2, số liệu khách hàng không có khả năng trả nợ là 19,38% và 80,62% khách hàng có đủ khả năng trả nợ. Ngoài ra, đề tài cũng thống kê mô tả toàn bộ dữ liệu và cho ra các thông số sau:

Bảng 3.3: Số liệu thống kê mô tả của các biến định lượng


Số liệu thống kê mô tả của các biến định lượng


Giá trị trung bình

Độ lệch chuẩn


Minimum


Maximum

Tuổi

44.99

10.647

24

77

Thời gian làm việc

113.48

74.457

6

395

Số người phụ thuộc

1.06

0.995

0

3

Số dịch vụ đang sử dụng

1.20

0.853

0

4

Thu nhập hàng tháng

21.58

27.596

4

225


Tiết kiệm hàng tháng

15.60

26.019

2

215

Số tiền vay

473.97

865.734

30

6000

Giá trị tài sản

1343.92

1709.486

83

9446

Tỷ lệ nợ trên tổng tài sản

36.2001

20.30256

3.33

70.02

(Nguồn: Số liệu tính toán từ dữ liệu của Ngân hàng TMCP Sài Gòn)

Bảng 3.3 cho thấy, Tuổi trung bình của khách hàng cá nhân vay tại SCB là 45, trong đó tuổi cao nhất là 77 tuổi và thấp nhất là 24 tuổi. Thời gian làm công việc hiện tại trung bình của khách hàng là 114 tháng. Số dịch vụ đang sử dụng trung bình của khách hàng tại SCB là 1. Thu nhập hàng tháng trung bình của khách hàng vay là 22 triệu đồng. Số tiền vay trung bình của khách hàng cá nhân là 474 triệu đồng, số tiền vay nhỏ nhất là 30 triệu đồng, cao nhất là 6000 triệu đồng. Giá trị tài sản trung bình của khách hàng dùng để thế chấp cho SCB là 1344 triệu đồng. Tỷ lệ nợ trên tổng tài sản trung bình của khách hàng cá nhân chiếm khoảng 36,2%, trong đó tỷ lệ nợ trên tổng tài sản cao nhất chiếm 70,02% và thấp nhất 3,33%.

3.2.2 Phân tích tương quan

Xem xét mối tương quan của các biến (định lượng) đưa vào mô hình. Nếu hệ số tương quan cặp > 0.8 thì sẽ dẫn đến hiện tượng đa cộng tuyến nếu đưa các biến này vào mô hình.

Bảng 3.4: Hệ số tương quan cặp các biến định lượng đưa vào mô hình


Hệ số tương quan cặp các biến định lượng đưa vào mô hình


Tuổi

Thời gian làm việc

Số người phụ thuộc

Số dịch vụ đang sử dụng

Thu nhập hàng tháng

Tiết kiệm hàng tháng

Số tiền vay

Giá trị tài sản

Tỷ lệ nợ trên tổng tài

sản


Tuổi

Hệ số

tương quan cặp


1









Sig. (2-tailed)












Thời gian làm việc

Hệ số tương quan

cặp


0.365**


1








Sig. (2-tailed)

0.000










Số người phụ thuộc

Hệ số tương quan

cặp


-0.060


0.106


1







Sig. (2-tailed)

0.447

0.182








Số dịch vụ đang sử dụng

Hệ số

tương quan cặp


0.056


0.109


0.052


1






Sig. (2-tailed)

0.484

0.170

0.515







Thu nhập hàng tháng

Hệ số

tương quan cặp


-0.003


0.185*


0.041


0.523**


1





Sig. (2-tailed)

0.973

0.019

0.606

0.000






Tiết kiệm hàng tháng

Hệ số tương quan

cặp


-0.015


0.158*


0.034


0.498**


0.994**


1




Sig. (2-tailed)

0.855

0.045

0.672

0.000

0.000






Số tiền vay

Hệ số tương quan

cặp


-0.055


0.117


0.089


0.335**


0.498**


0.462**


1



Sig. (2-tailed)

0.487

0.141

0.264

0.000

0.000

0.000





Giá trị tài sản

Hệ số

tương quan cặp


0.064


0.041


0.071


0.294**


0.409**


0.383**


0.751**


1


Sig. (2-tailed)

0.424

0.607

0.370

0.000

0.000

0.000

0.000



Tỷ lệ nợ trên tổng tài sản

Hệ số tương quan

cặp


-.0238**


0.244**


0.115


0.199*


0.373**


0.351**


0.428**


0.013


1

Sig. (2-tailed)

0.002

0.002

0.149

0.012

0.000

0.000

0.000

0.874


**. Mối tương quan có ý nghĩa ở mức 0.01 (2-tailed).

*. Mối tương quan có ý nghĩa ở mức 0.05 (2-tailed).

(Nguồn: Số liệu tính toán từ dữ liệu của Ngân hàng TMCP Sài Gòn)


Theo kết quả bảng 3.4 thể hiện 2 biến thu nhập hàng tháng và tiết kiệm có sự tương quan chặt với nhau (hệ số tương quan = 0.994 > 0.8). Điều này cho thấy nếu cùng đưa 2 biến này vào mô hình thì sẽ xảy ra hiện tượng đa cộng tuyến.

Tuy nhiên, theo Ramanathan (2003), đa cộng tuyến có thể không ảnh hưởng đến khả năng dự báo của mô hình và thậm chí có thể cải thiện khả năng dự báo. Có 2 cách xử lý vấn đề này là vẫn đưa biến vào mô hình để tăng khả năng dự báo hoặc loại bỏ 1 trong 2 biến trên.

3.2.3. Ước lượng mô hình Binary Logistic

Mô hình 1: Sử dụng phần mềm thống kê SPSS với phương pháp Enter, đưa tất cả 15 biến vào mô hình, ta được mô hình 1.

Mô hình 2: được ước lượng bằng cách loại bỏ những biến có mức ý nghĩa Sig > 0.05 (mức ý nghĩa dành cho mô hình dự báo) từ mô hình 1.

Bảng 3.5: Kết quả ước lượng hồi quy Binary Logistic của 2 mô hình


Kết quả ước lượng hồi quy Binary Logistic của 2 mô hình

Biến

Giả

thuyết

Mô hình 1

Mô hình 2

B

Sig.

B

Sig.

Gioitinh

+/-

3.332

0.037

2.180

0.015

Tuoi

-

0.016

0.854



TĐHV

+/-

-2.789

0.098



TCCV

+/-

0.779

0.551



Honnhan

-

2.328

0.164



TTNO

+

1.128

0.515



Thoigianlamviec

+

0.050

0.054

0.032

0.018

Songuoiphuthuoc

-

-1.692

0.084



LichsuTD

-

-0.570

0.678



Sodichvu

+

3.814

0.020

2.008

0.007

Thunhap

+

1.294

0.035

1.169

0.000

Tietkiem

+

0.393

0.461




Tienvay

-

-0.036

0.002

-0.022

0.000

Taisan

+

0.009

0.009

0.004

0.004

TLNTTS

-

0.245

0.009

0.118

0.005

Constant

-26.672

0.009

-17.290

0.000

OB

0.000

0.000

Độ chính xác

94.40%

93.80%

-2LL

36.34

48.77

McFadden R-squared

82.33%

71.02%

(Nguồn: Số liệu tính toán từ dữ liệu của Ngân hàng TMCP Sài Gòn)

Nhận xét chung

- Cả hai mô hình đều có độ phù hợp tổng quát với mức ý nghĩa quan sát (Sig. OB = 0.00 < α).

- Độ chính xác của kết quả dự báo của hai mô hình rất cao lần lượt là: 94.40%, 93.80%.

- Giá trị “McFadden R-squared” từ ước lượng hồi quy Binary Logistic của hai mô hình lần lượt là: 82.33%, 71.02% sự biến động của xác suất trả được nợ của khách hàng.

- Về kiểm định -2LL có chỉ số tương đối thấp, điều này thể hiện một độ phù hợp khá tốt của mô hình tổng thể.

3.3. Đề xuất mô hình xếp hạng tín dụng cá nhân cho Ngân hàng TMCP Sài Gòn

Mô hình 2 đảm bảo tất cả các hệ số hồi quy tìm được trong mô hình đều có ý nghĩa. Trong mô hình cũng không có hiện tượng đa cộng tuyến giữa biến thunhap và tietkiem (đã loại biến này ra khỏi mô hình 1 do biến tietkiem không có ý nghĩa thống kê vì có số Sig lớn 0.461).

Ta có thể nhận thấy về chỉ tiêu thống kê về mức độ phù hợp mô hình, mức độ chính xác của dự báo thì mô hình 2 là thích hợp cho mô hình XHTD. Vì vậy, tác giả xin đề xuất mô hình 2 là mô hình XHTD cá nhân cho Ngân hàng TMCP Sài Gòn.

Tiến hành phân tích và nhận xét mô hình 2:


- Độ phù hợp mô hình 2:

+ Kết quả kiểm định giả thuyết về độ phù hợp tổng quát ở Bảng 3.6 có mức ý nghĩa quan sát (Sig. OB = 0.00 < α) nên an toàn ta có thể bác bỏ giả thuyết:

H0: B1 = B7 = B10 = B11 = B13 = B14 = B15 = 0

Bảng 3.6: Kiểm tra Omnibus của hệ số mô hình


Kiểm tra Omnibus của hệ số mô hình


Chi-square

df

Sig.


Step 1

Bước

108.547

7

0.000

Khối

108.547

7

0.000

Mô hình

108.547

7

0.000


+ Bảng 3.7 cho thấy giá trị của – 2LL = 48.769 không cao lắm, như vậy nó thể hiện một độ phù hợp khá tốt của mô hình tổng thể.

Bảng 3.7: Mô hình tóm tắt


Mô hình tóm tắt

Bước

-2 Log likelihood

Cox & Snell R Square

Nagelkerke

R Square

1

48.769a

0.493

0.787

a. Dự đoán kết thúc tại lần lặp lại thứ 10 vì ước lượng tham số ít hơn 0.001

- Mức độ chính xác của dự báo

+ Mức độ chính xác của dự báo được thể hiện qua bảng phân loại (Bảng 3.8),

Bảng 3.8: Bảng phân loại


Bảng phân loại


Quan sát

Dự đoán

Khả năng trả nợ

Tỷ lệ phần trăm chính xác

Không có khả

năng trả nợ

Có khả năng

trả nợ



Bước 1


Khả năng trả nợ

Không có

khả năng trả nợ

25

6

80.6

Có khả năng

trả nợ

4

125

96.9

Tỷ lệ phần trăm tổng thể



93.8

a. Giá trị điểm cắt là 0.500

+ Bảng này cho thấy trong 31 trường hợp thực tế là không trả được nợ mô hình đã dự đoán trúng 25 trường hợp, tỷ lệ trúng là 80.6%. Còn 129 trường hợp thực tế có trả nợ mô hình dự đoán sai 4 trường hợp, tỷ lệ trúng là 96.9%. Từ đó ta tính được tỷ lệ dự đoán đúng toàn bộ mô hình là 93.8%

- Kiểm định ý nghĩa của các hệ số hồi quy tổng thể Bảng 3.9: Kết quả hồi quy mô hình 2

Kết quả hồi quy mô hình 2


B

S.E.

Wald

df

Sig.


Bước 1

Gioitinh

2.180

0.898

5.892

1

0.015

Thoigianlamviec

0.032

0.013

5.550

1

0.018

Sodichvu

2.008

0.741

7.346

1

0.007

Thunhap

1.169

0.308

14.436

1

0.000

Tienvay

-0.022

0.005

16.913

1

0.000

Taisan

0.004

0.002

8.072

1

0.004

TLNTTS

0.118

0.042

8.050

1

0.005

Constant

-17.290

4.182

17.091

1

0.000


+ Bảng 3.9, kiểm định Wald về ý nghĩa của hệ số hồi quy tổng thể của các biến giới tính, thời gian làm công việc hiện tại, số dịch vụ, thu nhập, tiền vay, tài


sản, tỷ lệ dư nợ vay trên tổng giá trị tài sản đều có mức ý nghĩa sig. nhỏ hơn 0.05 nên ta an toàn bác bỏ giả thuyết

H0: B1 = B7 = B10 = B11 = B13 = B14 = B15 = 0

+ Như vậy, các hệ số hồi quy tìm được có ý nghĩa và mô hình đưa ra sử dụng tốt.

+ Từ các hệ số hồi quy này ta viết được phương trình

Log e [𝑃 ( 𝑌 = 1)] = - 17.290 + 2.180 gioitinh+ 0.032 thoigianlamviec + 2.008

𝑃 ( 𝑌=0 )

sodichvu + 1.169 thunhap – 0.022 tienvay + 0.004 taisan + 0.118 TLNTTS. (3.1)

Giới tính

Thời gian

làm việc

Số dịch vụ

đang sử dụng

Thu nhập

hàng tháng

Khả năng

trả nợ

Số

tiền vay

Giá trị

tài sản

Tỷ lệ nợ

trên tổng tài sản

Ảnh

hưởng

Như vậy, sau khi đưa ra mô hình bằng SPSS để đo lường khả năng trả được nợ vay của khách hàng cá nhân phụ thuộc vào 7 chỉ tiêu sau:

Xem toàn bộ nội dung bài viết ᛨ

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

Ngày đăng: 27/06/2022