Các Nghiên Cứu Trong Nước Về Các Yếu Tố Ảnh Hưởng Lên Khả Năng Vỡ Nợ

Nghiên cứu tại các nước Đông Nam Á của Dufhues và Cộng sự (2011) về việc trả nợ tín dụng tại hai quốc gia Thái Lan và Việt Nam. Tác giả đã sử dụng các yếu tố về khoản vay của khách hàng như: Dân tộc của chủ hộ (Kinh/Thái), giới tính chủ hộ, tuổi của chủ hộ, thuộc nhóm nghèo hay không, trình độ học vấn chủ hộ, giá trị đầu tư của hộ,…. Với 467 hộ gia đình được khảo sát tại Thái Lan với mô hình Logit được sử dụng đã cho thấy chỉ có hai yếu tố: (i) Trình độ học vấn của chủ hộ và (ii) Giá trị đầu tư của hộ có tác động cùng chiều đến khả năng trả nợ của các hộ gia đình. Các yếu tố khác đều không có ảnh hưởng đến khả năng trả nợ tín dụng của hộ. Đối với Việt Nam, kết quả nghiên cứu trên 198 hộ được khảo sát đã tìm ra có 2 yếu tố có ảnh hưởng: (i) Khoản vay của hộ (ii) Dân tộc của hộ có tác động cùng chiều lên khả năng trả nợ tín dụng của hộ dân (Dufhues et al., 2011).

Kết quả nghiên cứu của Kocenda & Vojtek (2011) sử dụng dữ liệu ngân hàng cho vay bán lẻ từ Cộng hòa Séc. Tác giả xây dựng hai mô hình rủi ro tín dụng dựa trên cây hồi quy phân loại và hồi quy Logistic. Nghiên cứu thực hiện trên 3.403 dữ liệu với 21 biến giải thích. Kết quả 2 mô hình chỉ ra, các đặc điểm tài chính và hành vi quan trọng nhất đối với khả năng vỡ nợ được phát hiện là số lượng tài nguyên mà khách hàng sở hữu, mức độ giáo dục, tình trạng hôn nhân, mục đích của khoản vay, số năm có tài khoản với ngân hàng. Bằng cách này, các tác giả xác nhận tầm quan trọng của các biến số xã hội học và liên kết kết quả của nghiên cứu với các vấn đề cụ thể đặc trưng cho các thành viên mới của EU.

Theo nghiên cứu của Peter & Peter (2006) ước tính khả năng vỡ nợ liên quan đến thu nhập và các yếu tố khác với dữ liệu của Úc (Cục Thống kê Úc, ABS 2001) cho một mẫu gồm 3.431 hộ gia đình, tỷ lệ trả được nợ cao hơn đáng kể so với tín dụng tiêu dùng. Kết quả cho thấy rằng độ tuổi của chủ hộ đóng vai trò quan trọng: Các hộ gia đình trẻ có xu hướng bị ảnh hưởng xấu bởi gánh nặng ngày càng tăng của các khoản thanh toán thế chấp. Thu nhập và các yếu tố nhân khẩu học xã hội cũng có ảnh hưởng: Thu nhập thấp, ít được giáo dục, tuổi đời trẻ và ly hôn là những yếu tố làm tăng khả năng vỡ nợ (V. Peter & Peter, 2011).

Trên thế giới đã có nhiều nghiên cứu được thực hiện về việc tìm hiểu và giải thích các yếu tố có ảnh hưởng đến khả năng vỡ nợ của KHCN tại các ngân hàng. Trong số đó, phải kể đến nghiên cứu của Mathews & Slocum (1969). Đây là một trong những nghiên cứu sớm nhất về các yếu tố có tính quyết định đến khả năng vỡ nợ trong tín dụng KHCN tại các ngân hàng. Nghiên cứu này chỉ ra rằng các chủ thẻ có mức thu nhập thấp, địa vị xã hội thấp hơn có xu hướng sử dụng thẻ tín dụng không hiệu quả và khả năng trả nợ thấp hơn so với những chủ thẻ có thu nhập cao, địa vị xã hội cao hơn (Mathews & Slocum, 1969).

Nghiên cứu của Agarwal & Cộng sự (2009) đánh giá ảnh hưởng của các đặc điểm thông tin cá nhân về vốn đến khả năng vỡ nợ của hộ gia đình và kết quả vỡ nợ trên bộ dữ liệu của hơn 170.000 chủ thẻ tín dụng trong thời gian trên 24 tháng. Kết quả cho thấy, các yếu tố rủi ro như chi tiêu, nợ, thu nhập, tài sản, điều kiện kinh tế, môi trường pháp lý, đặc điểm nhân khẩu học xã hội có ảnh hưởng đến khả năng vỡ nợ. Người vay chuyển nơi ở có xu hướng vỡ nợ nhiều hơn, người đã kết hôn và sở hữu một ngôi nhà của riêng mình có nguy cơ vỡ nợ thấp hơn. Theo độ tuổi, nhóm khách hàng trẻ nhất (30 tuổi trở xuống) và già nhất (60 tuổi trở lên) có nguy cơ phá sản thấp nhất. Thu nhập và tài sản cũng đóng vai trò tương đối quan trọng khi kết quả chỉ ra rằng chủ thẻ với thu nhập cao và nhiều tài sản có khả năng vỡ nợ ít hơn tương ứng là 17% và 22%.

Bằng cuộc điều tra hàng tháng ngẫu nhiên qua điện thoại được tiến hành bởi Trung tâm nghiên cứu khảo sát tại Đại học bang Ohio trên mẫu 500 hộ gia đình ở bang này từ tháng 2/1998 đến tháng 5/1999, nghiên cứu của Dunn & Kim (1999) đã tập trung vào mối quan hệ giữa khả năng vỡ nợ và kết quả của sự lựa chọn tài chính của khách hàng trong phạm vi các điều khoản hợp đồng với ngân hàng phát hành thẻ tín dụng. Kết quả cho thấy rằng, các biến nhân khẩu học xã hội như tuổi tác, tình trạng hôn nhân, số con có liên quan mạnh mẽ đến khả năng vỡ nợ trong khi thu nhập, giáo dục và sở hữu nhà không có ảnh hưởng như giả thuyết ban đầu (Dunn & Kim, 1999).

Livingstone & Lunt (1992) báo cáo về những phát hiện của một cuộc khảo sát chuyên sâu về các yếu tố xã hội, kinh tế và tâm lý liên quan đến nợ. Phân tích biệt số và phân tích hồi quy bội được sử dụng để giải quyết mục tiêu nghiên cứu. Các yếu tố xã hội học được tìm thấy có vai trò tương đối nhỏ trong khả năng trả nợ. Thu nhập được dự đoán quan trọng nhất trong việc xác định trả nợ. Các yếu tố về thái độ (là tín dụng thay vì chống trả nợ) được coi là những yếu tố dự báo quan trọng về trả nợ và không trả nợ. Các yếu tố tâm lý khác, tập trung vào các phân bổ kinh tế, kiểm soát, chiến lược đối phó và niềm vui của người khách hàng là rất quan trọng và một loạt các hoạt động kinh tế cụ thể cũng liên quan đến kinh nghiệm về trả nợ (Livingstone & Lunt, 1992).

Ozdemir (2004) thực hiện phân tích mối liên hệ giữa rủi ro vỡ nợ của khách hàng tín dụng tiêu dùng với một số đặc điểm nhân khẩu học và tài chính sử dụng dữ liệu của một ngân hàng ở Thổ Nhĩ Kỳ. Kết quả cho thấy, trừ biến tình trạng nơi ở, các biến nhân khẩu học khác không có ảnh hưởng đến khả năng vỡ nợ của KHCN. Trong khi đó, các đặc điểm về tài chính có thể giải thích tốt khả năng vỡ nợ, điển hình là biến lãi suất và thời hạn vay. Theo đó, thời hạn vay càng dài và lãi suất càng cao thì khả năng hoàn thành đúng nghĩa vụ thanh toán nợ của khách hàng càng thấp.

Nghiên cứu của Arminger & Cộng sự (1997) được thực hiện trên mẫu dữ liệu gồm 8.163 quan sát của một ngân hàng chuyên về tín dụng tiêu dùng ở Đức trong 2 năm 1991 và 1992 bằng cách so sánh kết quả của hai phương pháp trên với kết quả từ hệ thống tiếp cận (feedforward network). Các biến giải thích chính được sử dụng bao gồm: Tuổi, giới tính, tình trạng hôn nhân, thâm niên công tác và sở hữu xe hơi. Kết quả cho thấy, khả năng trả nợ tốt hơn thuộc về nhóm các đối tượng người trưởng thành, người có ô tô, người có thâm niên công tác, người có gia đình và nữ giới.

Jacobson & Roszbach (2003) thực hiện nghiên cứu với trường hợp vay vốn ở các ngân hàng tại Thụy Điển. Với mẫu dữ liệu gồm 13.338 hồ sơ xin vay tiêu dùng cá nhân tại một ngân hàng lớn ở Thụy Điển từ 9/1994 đến 8/2005, các tác giả đã sử dụng phép đo 57 biến và chỉ ra 16 biến dùng được sau khi đã loại đi các biến tương quan. Các biến có tác động đáng kể đến khả năng vỡ nợ gồm: Tuổi tác, thu nhập, sự thay đổi trong thu nhập hàng năm và một số điều kiện tín dụng miễn thế chấp có tác động đáng kể đến khả năng vỡ nợ (Jacobson & Roszbach, 2003).

1.1.2. Các nghiên cứu trong nước về các yếu tố ảnh hưởng lên khả năng vỡ nợ của khách hàng

Nghiên cứu của Đào Thị Thanh Bình (2019) về xây dựng mô hình chấm điểm tín dụng KHCN vay tiêu dùng tại Việt Nam. Tác giả sử dụng phương pháp của hệ thống FICO có tính đến tình hình của Việt Nam. Bài báo cũng nhằm mục tiêu giúp cho người tiêu dùng tính được điểm tín dụng của mình một cách đơn giản. Với 5 biến giải thích được đánh giá là quan trọng được tác giả đưa vào mô hình phân tích biệt số: X1 = Học vấn; X2 = Nghề nghiệp; X3= Thu nhập (đơn vị triệu đồng); X4 = Số người phụ thuộc; X5 = Tài khoản. Kết quả phân loại mang lại khả năng chính xác là 89,4%. Trong đó, tác giả chỉ ra mô hình với hàm phi chuẩn hóa có khả năng tốt hơn so với hàm chuẩn hóa. Hai yếu tố là X4 (số người phụ thuộc) và X5 (tài khoản) có đóng góp nhiều nhất cho dự báo khả năng vỡ nợ của khách hàng (Đào Thị Thanh Bình, 2019).

Nghiên cứu của Phạm Thị Thu Trà & Robert Lensink (2008) xem xét sự khác biệt về khả năng vỡ nợ trong tín dụng chính thức, phi chính thức và bán chính thức. Đồng thời, phân tích các yếu tố quyết định đến khả năng vỡ nợ liên quan tới ba nguồn tín dụng này bằng việc sử dụng bộ dữ liệu thống kê về hộ gia đình Việt Nam. Các tác giả thấy rằng, các hộ gia đình nhỏ với tài sản thế chấp hoặc bảo lãnh chủ yếu vay chính thức và bán chính thức trong khi nhà thầu nữ, hộ lớn và khách hàng vay không cần thế chấp hoặc người bảo lãnh chủ yếu dựa vào vay phi chính thức. Bên cạnh đó,

người cho vay không chính thức chịu nguy cơ vỡ nợ cao hơn so với cho vay chính thức và bán chính thức. Một số điều khoản trong hợp đồng vay có liên quan đến việc xác định rủi ro vỡ nợ trong tín dụng chính thức chẳng hạn như thời hạn cho vay, lãi suất cho vay và đặc biệt vai trò người thân trong việc cho vay không chính thức được nhấn mạnh, theo đó vay người thân làm giảm tỷ lệ vỡ nợ.

Nghiên cứu của Đường Thị Thanh Hải (2014) về đặc điểm và các yếu tố ảnh hưởng đến tín dụng cá nhân tại hệ thống ngân hàng thương mại ở Việt Nam hiện nay. Kết quả nghiên cứu chỉ ra, các đặc điểm của tín dụng cá nhân gồm: Quy mô khoản vay nhỏ nhưng số lượng vay lớn; Các khoản tín dụng cá nhân có mức lãi suất cho vay chưa linh hoạt; Tín dụng cá nhân có chi phí lớn nhất trong danh mục tín dụng của ngân hàng; Tín dụng cá nhân có mức độ rủi ro cao. Đồng thời, nghiên cứu cũng chỉ ra các yếu tố ảnh hưởng tới chất lượng tín dụng khách hàng cá nhân: (i) Yếu tố từ phía ngân hàng (chiến lược kinh doanh, chính sách, quy định của ngân hàng, cán bộ tín dụng, công tác thông tin, công nghệ của ngân hàng); (ii) Yếu tố từ phía khách hàng (năng lực tài chính, thói quen, đạo đức của khách hàng); (iii) Yếu tố từ bên ngoài (đặc điểm văn hóa, kinh tế vĩ mô) (Đường Thị Thanh Hải, 2014).

Nghiên cứu của Lê Văn Triết (2010) về hoàn thiện hệ thống xếp hạng tín dụng cá nhân của Ngân hàng thương mại (NHTM) Á Châu. Tác giả chỉ sử dụng thống kê mô tả các thông tin của khách hàng có nợ xấu theo tỷ lệ phần trăm các chỉ tiêu về tuổi, trình độ học vấn, tình trạng hôn nhân, chỗ ở hiện tại, số lượng bất động sản đang sở hữu, số người phụ thuộc, thu nhập, chi phí sinh hoạt, số tiền vay, thời hạn vay, mục đích vay, tỷ lệ vay/vốn đầu tư, tài sản thế chấp, số tiền trả nợ hàng tháng. Kết quả mô tả cho thấy, độ tuổi của khách hàng có nợ xấu trung bình là 35 tuổi.

Nghiên cứu của Hoàng Thị Kim Diễm (2012) với Ngân hàng Đầu tư và Phát triển Chi nhánh Nam Sài Gòn. Việc sử dụng mô hình Logit với số lượng 137 khách hàng, tác giả đã tìm ra các yếu tố ảnh hưởng tới khả năng trả nợ của KHCN bao gồm:

(1) Giới tính; (2) Thuê nhà; (3) Tình trạng hôn nhân; (4) Thời gian cư trú; (5) Tiết kiệm hàng tháng có tác động ngược chiều lên khả năng trả nợ của doanh nghiệp. Các yếu tố: (6) Trình độ học vấn; (7) Sở hữu nhà; (8) Rủi ro nghề nghiệp; (9) Thời gian làm việc; (10) Thu nhập hàng tháng; (11) Số dịch vụ khác sử dụng; (12) Làm cho công ty vốn nhà nước có tác động cùng chiều lên khả năng trả nợ của khách hàng đối với ngân hàng (Hoàng Thị Kim Diễm, 2012).

Nghiên cứu của Nguyễn Quốc Nghi (2013) thực thiện đánh giá các yếu tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của hộ gia đình tại Ngân hàng Agribank. Kết quả phân tích dữ liệu với mô hình Probit từ 202 hộ gia đình làm nông nghiệp có thực

hiện vay vốn tại Ngân hàng Agribank Chi nhánh Hậu Giang. Kết quả chỉ ra, các yếu tố thu nhập hàng tháng, học vấn của chủ hộ, thời gian tiếp xúc với ngân hàng, thông tin tiếp cận thị trường, mục đích sử dụng nguồn vốn vay có ảnh hưởng tới khả năng trả được nợ của hộ gia đình. Ngoài ra, các yếu tố khác về lãi suất hay số người phụ thuộc trong gia đình không có quan hệ tới khả năng trả nợ của khách hàng (Nguyễn Quốc Nghi, 2013). Từ kết quả nghiên cứu này, tác giả cũng tiến hành xây dựng mô hình xếp hạng tín dụng KHCN tại Ngân hàng Agribank Chi nhánh Hậu Giang.

Nghiên cứu của Đinh Thị Huyền Thanh & Kleimeier (2007) bằng việc sử dụng bộ dữ liệu gồm 56.037 quan sát của một NHTM Việt Nam, thông qua hồi quy Logistic các tác giả đã đưa ra kết luận đối với những biến số có ảnh hưởng lớn đến khả năng vỡ nợ của KHCN với mô hình tối ưu được ước lượng là 16 biến có ý nghĩa, bao gồm các biến như: Thâm niên giao dịch với ngân hàng, giới tính, số khoản vay và thời hạn vay (Dinh & Kleimeier, 2007).

1.1.3. Các nghiên cứu ước lượng dự báo về rủi ro vỡ nợ của khách hàng sử dụng cây phân loại

Nghiên cứu về dự báo rủi ro tín dụng theo tiếp cận mô hình phân tích biệt số (DA) và mạng neuron thần kinh (ANN) ở Tunisian của Khemakhem & Boujelbene (2015). Nghiên cứu này là khám phá một cách thực tế mới dựa trên mạng thần kinh nhân tạo. Kết quả sẽ giúp nhân viên ngân hàng dự đoán rủi ro việc không thanh toán được mà các khách hàng yêu cầu vay. Mô hình mới này được thúc đẩy bởi sự thiếu sót của các mô hình phổ biến truyền thống. Mẫu bao gồm 86 công ty tài chính ở Tunisian đã được tính toán trong khoảng thời gian từ năm 2005 đến năm 2007. Kết quả thu được so sánh với các phân tích biệt số. Các tác giả đã chỉ ra rằng kĩ thuật mạng thần kinh nhân tạo (ANN) chính xác hơn về mặt dự đoán (Khemakhem & Boujelbene, 2015).

Booth và Cộng sự (2014) thực hiện nghiên cứu về giao dịch tự động với Random Forest và tính thời vụ. Các tác giả đề xuất một hệ thống chuyên gia sử dụng các kỹ thuật máy móc mới để dự đoán lợi nhuận của các sự kiện theo mùa và sau đó sử dụng các dự đoán này để phát triển một chiến lược giao dịch có lợi nhuận. Trong bài viết này, các tác giả giới thiệu một hệ thống giao dịch tự động dựa trên mô hình dự báo Random Forest nhằm cải thiện lợi nhuận và sự ổn định của các sự kiện theo mùa. Một phân tích về các kỹ thuật hồi quy khác nhau được thực hiện cũng như khám phá những ưu điểm của các kỹ thuật khác nhau. Hiệu suất của các mô hình được phân tích bằng cách sử dụng một lượng lớn cổ phiếu từ DAX. Kết quả cho thấy, các phân loại Random Forest có trọng số suy thoái tạo ra kết quả vượt trội về cả lợi nhuận và độ chính xác dự đoán so với các kỹ thuật khác (Booth et al., 2014).

Bennell & Cộng sự (2006) sử dụng bộ dữ liệu toàn diện của các cơ quan xếp hạng và các quốc gia trong giai đoạn 1989 - 1999. Nghiên cứu này chứng minh rằng, mạng thần kinh nhân tạo (ANN) đại diện cho một công nghệ vượt trội để hiệu chỉnh và dự đoán xếp hạng tín dụng so với mô hình Probit (mô hình Probit trước đó đã được xem xét là cách tiếp cận kinh tế lượng thành công nhất). ANN đã được áp dụng cho các vấn đề phân loại rất thành công trên một loạt các ứng dụng khi không có mô hình lý thuyết chính xác để củng cố các mối quan hệ trong dữ liệu. Các kết quả cho xếp hạng tín dụng chứng thực qua kết quả của các nhà nghiên cứu khác rằng ANN là cây phân loại hiệu quả cao (Bennell et al., 2006).

Finch & Schneider (2007) thực hiện đề tài phân loại độ chính xác của mạng neuron thần kinh (ANN) so với phân tích biệt số (DA), hồi quy Logistic và các cây phân loại. Nghiên cứu này, so sánh độ chính xác dự đoán của ba phương pháp tham số thường được sử dụng để phân loại thành các nhóm gồm phân tích phân biệt tuyến tính, phân tích phân biệt bậc hai và hồi quy Logistic. Nghiên cứu mô phỏng đã xem xét tác động của các yếu tố như sự bất bình đẳng của ma trận hiệp phương sai, phân phối các yếu tố dự đoán và tỷ lệ kích thước nhóm (trong số các yếu tố khác) đến hiệu suất của từng phương pháp. Kết quả chỉ ra rằng, phân tích phân biệt bậc hai luôn thực hiện tốt như các phương pháp khác trong khi các mạng neuron thần kinh hoạt động rất giống với phân tích phân biệt tuyến tính và hồi quy Logistic (Finch & Schneider, 2007).

Nghiên cứu của Pacelli & Azzollini (2011) về sử dụng mạng thần kinh nhân tạo (ANN) cho quản lý rủi ro tín dụng tại Italia. Mạng thần kinh nhân tạo đại diện cho một phương pháp thay thế cho các phương pháp phân loại truyền thống vì chúng có thể thích ứng với các tình huống phức tạp. Như đã được nhấn mạnh trong các nghiên cứu khác, trên thực tế các mạng neuron nhân tạo đặc biệt phù hợp để phân tích, giải thích các mối quan hệ ẩn giấu chi phối các dữ liệu phức tạp và thường làm lu mờ các hiện tượng và quy trình. Nghiên cứu này giới thiệu một cách tổng quan về tài liệu trong việc áp dụng các hệ thống trí tuệ nhân tạo để quản lý rủi ro tín dụng. Mô hình này phát triển hơn so với các mô hình nghiên cứu khác. Kết quả cho thấy, sự khác biệt giữa hai mô hình mạng thần kinh. Bên cạnh đó, nghiên cứu cũng chỉ ra mô hình mạng neuron nhân tạo có thể hỗ trợ tốt hơn với mô hình truyền thống. Nhưng nghiên cứu cũng đưa ra khuyến nghị về việc kết hợp sử dụng các mô hình phân tích hồi quy như Logisitc hay Probit để hỗ trợ nhau trong việc dự báo (Pacelli & Azzollini, 2011).

Zang (2011) thực hiện sử dụng mô hình mạng neuron thần kinh nhân tạo (ANN) để dự báo khả năng vỡ nợ của khách hàng trong các ngân hàng thương mại ở Trung Quốc. Tác giả sử dụng mạng neuron thần kinh BP để xây dựng chỉ số vỡ nợ của các KHCN trước tiên, sau đó tác giả sử dụng kết quả về các trọng số cho từng biến trong

mô hình ANN để kiểm tra cho mẫu thử bên ngoài về khả năng vỡ nợ. Kết quả cho thấy, các mẫu thử nghiệm mạng neuro thần kinh BP có độ chính xác dự đoán cao và ứng dụng tốt cho các ngân hàng thương mại ở Trung Quốc (Zhang, 2011).

Như vậy, có thể thấy rằng các nghiên cứu về những yếu tố tác động đến khả năng vỡ nợ của KHCN là một trong những lĩnh vực đáng được quan tâm. Các nghiên cứu khác nhau đã chỉ ra những ảnh hưởng khác nhau của các yếu tố nhân khẩu xã hội học, hành vi và các yếu tố môi trường kinh tế xã hội lên nguy cơ vỡ nợ của KHCN. Đây là tiền đề cho những nghiên cứu tiếp theo trong lĩnh vực này.

Từ những nghiên cứu đi trước, NCS tiến hành tổng hợp các nghiên cứu theo bảng tổng hợp sau:

Bảng 1.1. Tổng hợp các nghiên cứu về khả năng vỡ nợ của khách hàng

Tác giả

Tên đề tài	Phương pháp sử dụng	Kết quả
Abid (2018)	Mô hình dự đoán thanh toán mặc định cho vay tiêu dùng của người tiêu dùng: Một ứng dụng của hồi quy Logistic (LR) và phân tích phân biệt (DA) trong một ngân hàng thương mại	Mô hình Logit, phân tích phân biệt (DA)	Bằng cách so sánh hiệu suất tương ứng của hồi quy Logistic (LR) và phân tích phân biệt (DA), kết quả nhận thấy rằng mô hình LR mang lại hiệu quả tốt 99%. Phương pháp DA (trong đó tỷ lệ phân loại tốt chỉ bằng 68,49% dẫn đến tỷ lệ lỗi cao đáng kể, tức là 31,51 %)
			Ở Thái Lan chỉ có hai yếu tố: (1) Trình độ học
			vấn của chủ hộ và (2) Giá trị đầu tư của hộ có
Dufhues và cộng sự (2011)	Khả năng trả nợ tín dụng ở các quốc gia Đông Nam Á	Mô hình Logit, phân tích cụm	tác động cùng chiều lên khả năng trả nợ của các hộ gia đình. Đối với Việt Nam đã tìm ra có 2 yếu tố có ảnh hưởng: (1) Khoản vay của hộ và
			(2) Dân tộc của hộ có tác động cùng chiều lên
			khả năng trả nợ tín dụng của hộ dân
			Kết quả nghiên cứu chỉ ra rằng, không có mối
			quan hệ đáng kể giữa vỡ nợ cho vay và lịch trả
Mensah (2013)	Mối quan hệ giữa mức độ vỡ nợ và lịch trả nợ	Hồi quy đa biến	nợ. Các khoản vay không được hỗ trợ bởi tài sản thế chấp cũng được phát hiện đã góp phần đáng
			kể vào việc vỡ nợ trong số các khoản vay của
			khách hàng