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
Nhóm (Y) | Số lượng | Tỷ trọng |
0 | 31 | 19,38% |
1 | 129 | 80,62% |
Tổng | 160 | 100% |
Có thể bạn quan tâm!
-
Thực Trạng Mô Hình Xếp Hạng Tín Dụng Cá Nhân Của Ngân Hàng Tmcp Sài Gòn -
Thực Trạng Mô Hình Xếp Hạng Tín Dụng Cá Nhân Tại Ngân Hàng Tmcp Sài Gòn -
Xây Dựng Mô Hình Xếp Hạng Tín Dụng Cá Nhân Tại Ngân Hàng Tmcp Sài Gòn -
So Sánh Tiêu Chuẩn Phân Bổ Cá Thể Mô Hình Xhtd Cá Nhân Hiện Tại Của Scb Và Mô Hình Hồi Quy Binary Logistic Đề Xuất -
Chỉ Tiêu Kế Hoạch Hoạt Động Kinh Doanh Năm 2013 Của Scb -
Hoàn thiện mô hình xếp hạng tín dụng cá nhân tại Ngân hàng TMCP Sài Gòn - 11
Xem toàn bộ 99 trang tài liệu này.
(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
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 |
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
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) | ||||||||||
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
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 | ||
- | -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
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
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
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 | ||
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
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: