Trang chủ / Tín Dụng

Các Biến Được Giữ Lại Sau Phân Tích Đơn Biến


Đối với phiếu khảo sát được thiết kế gồm 4 phần:

Phần 1: Thông tin về người trả lời câu hỏi: Phần này, tác giả luận án thu thập các thông tin về người trả lời câu hỏi bao gồm thông tin về vị trí hiện tại và thời gian công tác để qua đó tác giả luận án đánh giá mức độ am hiểu công tác phân tích RRTD trong đơn vị.

Phần 2: Thông tin chung về ngân hàng: Gồm 5 câu hỏi liên quan đến thông tin chung về chi nhánh như tên chi nhánh, địa chỉ của chi nhánh, thời gian thành lập, số lượng phòng giao dịch... Những thông tin này nhằm đánh giá về đặc điểm hoạt động của các chi nhánh của BIDV

Phần 3: Khảo sát về công tác phòng ngừa và hạn chế RRTD trong đơn vị. Phần này nhằm mục đích thu thập các thông tin về công tác Phòng ngừa và hạn chế RRTD tại ngân hàng như: quy trình phân tích, nhân sự phân tích, thời gian tiến hành phân tích, nguồn thông tin phục vụ phân tích, thông tin phân tích cung cấp cho ai, công cụ và kỹ thuật phân tích... để đánh giá về thực trạng phòng ngừa và hạn chế RRTD tại BIDV.

Phần 4: Đánh giá ảnh hưởng của các chỉ tiêu phòng ngừa và hạn chế RRTD. Phần này tác giả luận án tiến hành thu thập dữ liệu nhằm mục đích đánh giá mức độ cần thiết và mức độ sử dụng của các chỉ tiêu Phòng ngừa và hạn chế RRTD theo quan điểm của các ngân hàng.

Mục đích của các câu hỏi này nhằm thu thập dữ liệu về thực trạng hệ thống chỉ tiêu phòng ngừa và hạn chế RRTD đang được BIDV sử dụng và mức độ cần thiết của các chỉ tiêu phân tích, kết hợp với các minh chứng từ các báo cáo phòng ngừa và hạn chế RRTD, từ đó làm cơ sơ cho việc đề xuất các giải pháp cơ bản để phòng ngừa và hạn chế RRTD, góp phần nâng cao chất lượng thông tin cung cấp cho nhà quản lý, Hội sở BIDV, NHNN. Để phục vụ cho phần này, tác giả sử dụng thang đo Likert từ 1 đến 5 điểm, trong đó điểm 1 là điểm số thấp nhất thể hiện mức độ rất không cần thiết và mức độ không sử dụng của chỉ tiêu đưa ra. Với điểm 5 là điểm số cao nhất thể hiện mức độ rất cần thiết và rất thường xuyên sử dụng chỉ tiêu.


Người được điều tra sẽ cho biết ý kiến của mình về các chỉ tiêu đó bằng cách khoanh tròn vào số điểm mà họ cho là thích hợp. Bằng cách này sẽ giúp lượng hóa được ý kiến của người điều tra và phục vụ trong phân tích thống kê sau này.

Kết quả khảo sát BIDV, khách hàng được tác giả tổng hợp và sử dụng trong chương 2, nhằm mục tiêu đánh giá thực trạng phòng ngừa và hạn chế RRTD tại BIDV và làm cơ sở cho việc đề xuất các giải pháp phòng ngừa và hạn chế RRTD tại BIDV.

c. Phương pháp xử lý và phân tích dữ liệu:

Dữ liệu được tác gia sử dụng trong luận án bao gồm cả dữ liệu sơ cấp và dữ liệu thứ cấp:

- Đối với dữ liệu sơ cấp: Để phân tích dữ liệu, luận án đã sử dụng các phương pháp chuyên gia, phân tích thống kê:

+ Phương pháp chuyên gia: Được sử dụng trong trường hợp phân tích định tính nhằm thảo luận với các chuyên gia để xác định vấn đề nghiên cứu, hình thành các thang đo và bảng câu hỏi khảo sát. Khi có kết quả phân tích định lượng, thảo luận với các chuyên gia về các kết quả tìm kiếm.

+ Phương pháp phân tích thống kê: Được sử dụng để mô tả đặc điểm của đối tượng khảo sát, xu hướng quan hệ của các biến và phân tích hiện trạng của vấn đề nghiên cứu, nhằm cung cấp bức tranh rõ ràng về thực trạng phòng ngừa và hạn chế RRTD tại BIDV.

Mặc dù đã chấp nhận tham gia khảo sát nhưng vì một số lý do khách quan, kết quả cuối cùng tác giả nhận được 31 phiếu của hội sở và 73 phiếu của chi nhánh.

Sau khi thu thập đầy đủ số liệu, tác giả chuyển vào Excel, mã hóa các biến theo từng phần và từng nhóm của bảng câu hỏi điều tra. Tiếp đó, đưa toàn bộ dữ liệu vào phần mềm SPSS. Như vậy, sẽ có 31 mẫu dữ liệu của chuyên gia hội sở và 73 mẫu dữ liệu của chi nhánh được đưa vào phân tích SPSS. Kết quả phân tích thống kê được tác giả thể hiện chi tiết qua các bảng


phân tích dưới đây và trong chương 2 của luận án.

Các bước phân tích hồi quy Logistic

Bước 1: Phân tích đơn biến

Do số lượng biến đầu vào lớn, thực hiện lựa chọn các biến đại diện cho từng cấu phần (T24/CIC/BCTC (từ bảng cân đối)/BCTC (từ Bảng Kết quả kinh doanh)/BCTC tỉ lệ) bằng cách hồi quy logistic độc lập cho từng cấu phần và lựa chọn các biến tốt nhất ở từng cấu phần trước khi thực hiện hồi quy đa biến cho từng mô hình.

Trong quá trình hồi quy sử dụng phương pháp Stepwise

Sau bước này, các biến được giữ lại trước khi tiến hành phân tích tương quan là:

Bảng 2.12: Các biến được giữ lại sau Phân tích đơn biến


Nhóm

Biến

Nội dung

T24

SoBL_6t_log

Số hợp đồng bảo lãnh trung bình mỗi tháng

trong vòng 6 tháng gần nhất

T24

CL_GtttTSBD_6t_12t_org

Tăng trưởng Giá trị thị trường trung bình của

TSBĐ mỗi tháng giữa 6 và 12 tháng qua

T24

CL_ghino_6t_12t_org

Tăng trưởng ghi nợ trung bình mỗi tháng giữa 6

và 12 tháng qua

T24

snqh_3t_org

Số ngày quá hạn trung bình 3 tháng gần nhất

T24

CL_tbDN3t_TTS_org

Tỉ lệ chênh lệch giữa Dư nợ trung bình 3 tháng

gần nhất và Tổng tài sản

T24

CL_tbDN3t_DT_org

Tỉ lệ chênh lệch giữa Dư nợ trung bình 3 tháng

gần nhất và Doanh thu

T24

snqh_max_12t_org

Số ngày quá hạn cao nhất trong 12 tháng gần nhất

CIC

CIC13_org

Tỉ lệ dư nợ trung hạn đủ tiêu chuẩn/ Tổng dư nợ

CIC

CIC17_org

Solan_noxau

CIC

CIC20_org

#TC_check_6m

BCTC_raw

M151_log

Chi phí trả trước ngắn hạn

BCTC_raw

M152_log

Thuế GTGT được khấu trừ

BCTC_raw

M268_log

Tài sản dài hạn khác

BCTC_raw

M319_log

Các khoản phải trả, phải nộp ngắn hạn khác

BCTC_raw

M333_log

Phải trả dài hạn khác

BCTC_raw

M336_log

Dự phòng trợ cấp mất việc làm

BCTC_raw

M21_log

Doanh thu hoạt động tài chính

BCTC_raw

M50_log

Tổng lợi nhuận kế toán trước thuế

BCTC_ratio

TC07_org

TSCĐ/ Tài sản ngắn hạn

BCTC_ratio

TC31_org

(Tài sản ngắn hạn - Nợ ngắn hạn)/ Doanh thu

thuần về bán hàng và cung cấp dịch vụ

Có thể bạn quan tâm!

Xem toàn bộ 209 trang tài liệu này.

Phòng ngừa và hạn chế rủi ro tín dụng tại Ngân hàng thương mại cổ phần Đầu tư và Phát triển Việt Nam - 17

Nguồn: Tính toán từ tác giả

132


Bước 2: Phân tích tương quan

Kết quả phân tích tương quan cho thấy, chỉ có 2 biến snqh_max_12t_org và snqh_3t_org tương quan cao với nhau:

Bảng 2.13: Kết quả Phân tích tương quan



SoBL

_6t_log

CL_Gttt TSBD

_6t_12t

_org

CL_ ghino

_6t_12t

_org

snqh_ 3t_org

CL_ tbDN3t

_TTS

_org

CL_ tbDN3t

_DT

_org

snqh_ max_12t

_org

CIC13

_org

CIC17

_org

CIC20

_org

M151

_log

M152

_log

M268

_log

M319

_log

M333

_log

M336

_log

M21

_log

M50

_log

TC07

_org

TC31

_org

SoBL_6t_log

1.00




















CL_GtttTSBD

_6t_12t_org

-0.17

1.00



















CL_ghino_6t

_12t_org

0.02

-0.22

1.00


















snqh_3t_org

-0.01

0.12

-0.09

1.00

















CL_tbDN3t

_TTS_org

-0.02

0.14

0.03

-0.02

1.00
















CL_tbDN3t

_DT_org

0.06

0.08

0.01

0.03

0.53

1.00















snqh_max_12t_org

-0.02

0.14

-0.12

0.82

-0.02

0.11

1.00














CIC13_org

0.13

-0.14

0.07

-0.08

-0.20

0.01

-0.08

1.00













CIC17_org

0.03

0.06

-0.14

0.37

0.10

0.41

0.36

-0.01

1.00












CIC20_org

-0.04

0.25

-0.03

-0.05

0.11

0.01

-0.06

-0.04

0.01

1.00











M151_log

-0.02

-0.14

0.15

-0.09

-0.05

-0.01

-0.10

0.14

-0.10

-0.16

1.00










M152_log

0.09

0.12

0.06

-0.12

0.03

-0.02

-0.20

0.04

0.00

0.11

-0.13

1.00









M268_log

0.06

-0.02

0.11

0.05

0.03

-0.05

0.04

0.15

-0.09

-0.09

0.05

0.19

1.00








M319_log

0.11

-0.20

0.16

0.01

-0.25

-0.02

-0.05

0.05

-0.03

-0.12

0.11

0.03

0.01

1.00







M333_log

0.10

-0.08

-0.04

-0.04

-0.08

0.24

0.04

0.16

0.06

-0.05

-0.01

-0.22

-0.12

-0.02

1.00






M336_log

-0.08

0.03

-0.07

-0.02

0.00

0.06

-0.03

0.10

-0.06

-0.05

0.30

0.10

0.07

0.15

0.31

1.00





M21_log

0.03

-0.14

0.27

-0.06

-0.10

-0.04

-0.12

0.24

-0.03

-0.16

0.23

0.08

0.08

0.40

0.03

0.14

1.00




M50_log

-0.11

0.10

-0.02

0.00

0.10

0.15

0.02

0.01

0.05

-0.02

0.11

-0.12

-0.16

-0.01

0.08

0.15

-0.04

1.00



TC07_org

-0.03

0.00

-0.08

-0.03

-0.12

0.11

-0.04

0.41

-0.04

0.00

0.25

-0.13

0.01

0.11

0.10

0.09

0.03

0.16

1.00


TC31_org

-0.01

0.08

0.00

0.19

0.00

0.00

0.23

-0.17

0.18

-0.07

-0.07

-0.04

-0.18

-0.33

-0.03

-0.01

-0.03

0.08

-0.43

1.00

Nguồn: Tính toán từ tác giả

Bước 3: Phân tích đa biến

Các phân tích đa biến sẽ được tách thành 2 phương án:

- Phương án 1: Danh sách các biến độc lập có chứa biến snqh_3t_org

- Phương án 2: Danh sách các biến độc lập có chứa biến snqh_max_12t_org

Kết quả:

Phương án 1:

Bảng 2.14: Kết quả Phương án 1 - Phân tích đa biến


Variables in the Equation



B

S.E.

Wald

Df

Sig.

Step 8a

SoBL_6t_log

-1.3889

0.5632433

6.0807135

1

0.0137


CL_ghino_6t_12t_org

-0.0001

2.342E-05

5.3797862

1

0.0204


snqh_3t_org

1.0112

0.2902661

12.135979

1

0.0005


CL_tbDN3t_TTS_org

6.4651

2.0291588

10.151144

1

0.0014


M268_log

-0.5817

0.2280768

6.5048057

1

0.0108


Constant

7.4589

2.1195573

12.384036

1

0.0004

Nguồn: Tính toán từ tác giả

Phương án 2:

Bảng 2.15: Kết quả Phương án 2 - Phân tích đa biến


Variables in the Equation



B

S.E.

Wald

Df

Sig.

Step

6a

SoBL_6t_log

-1.9346

0.6186998

9.7770662

1

0.0018


CL_ghino_6t_12t_org

-0.0000

1.722E-05

7.5638668

1

0.0060


CL_tbDN3t_TTS_org

6.9719

1.9732865

12.483087

1

0.0004


snqh_max_12t_org

0.1362

0.038382

12.591572

1

0.0004


M268_log

-0.5066

0.2103867

5.7990768

1

0.0160


Constant

8.3254

2.1328257

15.237143

1

0.0001

Nguồn: Tính toán từ tác giả

Cả 2 phương án đề có thỏa mãn các tiêu chí về Sig.<0.05 và Dấu các chỉ tiêu phù hợp với ý nghĩa kinh tế, các biến được giữ lại cũng tương đương đánh


giá khả năng phân biệt và khả năng dự báo.

Bước 4: Đánh giá khả năng phân biệt và khả năng dự báo đúng của mô hình

Bảng 2.16: Kết quả Đánh giá Khả năng phân biệt



Mẫu phát triển

Mẫu Kiểm định

Phương

án 1

Phương

án 2

Phương

án 1

Phương

án 2

Gini

83%

81%

77%

73%

Khoảng tin

cậy 90%

Cận trên

73%

72%

64%

57%

Cận dưới

91%

89%

88%

85%


Tần suất của Gini trong quá trình

Bootstrapping

Gini<=10%

0%

0%

0%

0%

10%<Gini<=20%

0%

0%

0%

0%

20%<Gini<=30%

0%

0%

0%

0%

30%<Gini<=40%

0%

0%

0%

0%

40%<Gini<=50%

0%

0%

0%

0%

50%<Gini<=60%

0%

0%

2%

7%

60%<Gini<=70%

1%

2%

15%

29%

70%<Gini<=80%

28%

35%

45%

44%

80%<Gini<=90%

64%

59%

36%

19%

90%<Gini<=100%

7%

4%

2%

1%

Nguồn: tính toán từ tác giả

Bảng 2.17: Kết quả đánh giá khả năng dự báo đúng




Dự báo

Tỉ lệ dự báo đúng


Thực tế

0

1

Phương án 1

0

58

10

81%

1

13

37

Phương án 2

0

59

9

84%

1

10

40

Nguồn: Tính toán từ tác giả

Dựa trên bảng Gini trung bình trong các mẫu phân tích, Gini của Phương án 1 cao hơn ở mẫu phát triển và ổn định hơn ở mẫu Kiểm định, vì vậy mô hình


cuối cùng để thực hiện xếp hạng khách hàng bằng Phương pháp Hồi quy Logistic kết quả hồi quy của phương án 1.

Trong quá trình xử lý và phân tích dữ liệu, tác giả đã sử dụng một số công cụ phân tích và kiểm định trên phần mềm SPSS như sau:

+ Thống kê mẫu: Mục đích sử dụng nhằm thống kê và tính toán tỷ lệ phần trăm các mẫu nghiên cứu theo các tiêu chí đánh giá, phân loại...

+ Thống kê mô tả và kiểm định giá trị bình quân: Sử dụng thống kê mô tả để tính giá trị trung bình đối với hệ thống các chỉ tiêu phân tích trên phương diện mức độ cần thiết, mức độ sử dụng của các chỉ tiêu phòng ngừa và hạn chế RRTD tại BIDV. Kiểm định giá trị bình quân nhằm đánh giá giá trị trung bình của các chỉ tiêu phân tích so với giá trị bình quân là 3, để thấy được mức độ cần thiết, mức độ sử dụng của các chỉ tiêu phân tích.

+ Kiểm định Cronbach’s Alpha: Mục đích sử dụng kiểm định này là để xác định chất lượng thang đo xây dựng cho bảng câu hỏi khảo sát khách hàng. Thang đo được đánh giá là chất lượng tốt khi hệ số Cronbach’s Alpha của tổng thể lớn hơn 0,6 và hệ số tương quan biến tổng của các biến quan sát (Corrected Item-Total Correlation) lớn hơn 0,3.

+ Phân tích nhân tố khám phá EFA: Mục đích sử dụng mô hình phân tích nhân tố khám phá EFA là giúp tác giả sắp xếp các tiêu chí đánh giá RRTD có tương quan với nhau vào các nhóm nhân tố. Để mô hình EFA đảm bảo độ tin cậy, ta cần thực hiện các kiểm định chính sau:

• Kiểm định tính thích hợp của EFA: Sử dụng thước đo KMO (Kaiser -

Meyer - Olkin) để đánh giá sự thích hợp của mô hình EFA đối với ứng dụng vào dữ liệu thực tế nghiên cứu. Khi trị số KMO thỏa mãn điều kiện 0,5≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp.

• Kiểm định tương quan của các biến quan sát trong thước đo đại diện: Sử

dụng kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo. Khi mức ý nghĩa Significance, Sig của kiểm định Bartlett nhỏ hơn


5% thì các biến quan sát có tương quan với nhau trong tổng thể.

• Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố. Sử

dụng phương sai trích (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Thang đo được chấp nhận khi tổng phương sai trích ≥ 50% và eigenvalue có giá trị > 1.

• Kiểm định mức ý nghĩa của phân tích nhân tố EFA. Theo Hair & ctg,

factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố EFA. Factor loading > 0,3 được xem là đạt mức tối thiểu, factor loading > 0,4 được xem là quan trọng và ≥ 0,5 được xem là có ý nghĩa thực tiễn. Hair & ctg cũng đưa ra lời khuyên: nếu chọn tiêu chuẩn factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn factor loading

> 0,55, nếu cỡ mẫu khoảng 50 thì factor loading phải > 0,75. Chính vì lý do này, tác giả chỉ thực hiện phân tích nhân tố khám phá EFA với 103 mẫu chuyên gia

Các kết quả phân tích dữ liệu được sử dụng để trình bày kết quả nghiên cứu cũng như đề xuất các giải pháp hoàn thiện hệ thống chỉ tiêu phân tích chất lượng tín dụng, được NCS trình bày chi tiết trong các bảng 2.14 đến bảng 2.17 trên đây.

Tác giả lựa chọn phần mềm SPSS 22.0 để tiến hành các phân tích dữ liệu khảo sát nêu trên dựa vào các tính năng ưu việt đó là: Rất thuận tiện cho việc phân tích định tính, định lượng về thống kê mô tả dưới dạng câu hỏi định tính (dữ liệu bảng điều tra), so sánh sự khác biệt giá trị bình quân giữa các nhóm đối tượng, phân tích độ tin cậy của bảng câu hỏi, phân tích nhân tố khám phá...Thêm vào đó, phần mềm này có khả năng phân tích với kích thước mẫu rất lớn, cơ chế nhập số liệu và mã hóa số liệu phù hợp với mục tiêu nghiên cứu và tương thích với các phần mềm khác như Excel. Ngoài ra, phần mềm này cho kết quả về bảng, biểu trực quan, đẹp phù hợp với thể thức khoa học. Việc in kết quả bằng tiếng Việt rất thuận tiện khi sử dụng phần mềm SPSS 22.0 trong việc trình bày kết quả nghiên cứu.

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

Ngày đăng: 26/11/2022