Mô Hình Hồi Quy Phân Tích Thí Nghiệm Về Risk Game:

sẽ hỏi ý kiến người số 2 xem họ quyết định số tiền đưa lại cho người số 1 là bao nhiêu. Sau quyết định này, thí nghiệm sẽ kết thúc.

3.4. Mô hình nghiên cứu.

Nợ xấu là một trong những yếu tố quan trọng để đánh giá mức độ hiệu quả của một TCTD về hoạt động cho vay. Về việc xác định nợ xấu thì căn cứ theo Thông tư 02 (2013) của NHNN Việt Nam, có nghĩa là những món vay quá hạn từ 91 ngày trở lên (nợ nhóm 3 đến nhóm 5). Do vậy trong nghiên cứu này, tác giả sẽ xem xét đặc điểm nợ xấu của người chơi dựa trên các yếu tố về hành vi của người tham gia trong các thí nghiệm và đặc điểm nhân khẩu học của người tham gia. Cụ thể, đầu tiên tác giả sẽ nghiên cứu về hành vi của người tham gia trong từng thí nghiệm (thí nghiệm về Risk Game, thí nghiệm về Public Goods Game và thí nghiệm về Trust Game), sau đó sẽ xem xét đồng thời hành vi của người tham gia trong cả 3 thí nghiệm trên để xem xét mối quan hệ của các hành vi này với việc người tham gia có bị nợ xấu hay không. Với mục tiêu trên, tác giả đưa ra 04 mô hình hồi quy phân tích tác động như sau:

3.4.1. Mô hình hồi quy phân tích thí nghiệm về Risk game:

Có thể bạn quan tâm!

Xem toàn bộ 221 trang tài liệu này.

Trong đó:

-là biến phụ thuộc, nhận giá trị bằng 1 nếu người đó có nợ xấu; nhận giá trị bằng 0 nếu người đó không có nợ xấu.

-là biến độc lập thể hiện đặc điểm lựa chọn trong thí nghiệm về Risk của người tham gia.

-là biến độc lập thể hiện đặc điểm tuổi của người tham gia.

-là biến độc lập thể hiện đặc điểm giới tính của người tham gia, nhận giá trị bằng 1 nếu người đó là nam, bằng 0 nếu người đó là nữ.

-là biến độc lập thể hiện đặc điểm trình độ học vấn của người tham gia. Biến trình độ học vấn có 6 giá trị, bao gồm: Level 1: Chưa học hết cấp 1; level 2: Đã tốt nghiệp cấp 1; level 3: Đã tốt nghiệp cấp 2; level 4: Đã tốt nghiệp cấp 3; level 5: Là công nhân kỹ thuật, lao động có chứng chỉ nghề, trung cấp, cao đẳng; level 6: Trình độ đại học và sau đại học.

- Z là biến kiểm soát trong mô hình, thể hiện đặc điểm về khu vực sống của người tham gia trong mẫu khảo sát.

3.4.2. Mô hình hồi quy phân tích thí nghiệm về đóng góp cho cộng đồng:

Trong đó:

-là biến phụ thuộc, nhận giá trị bằng 1 nếu người đó có nợ xấu; nhận giá trị bằng 0 nếu người đó không có nợ xấu.

-là biến độc lập thể hiện đặc điểm lựa chọn đóng góp của người tham gia trong thí nghiệm về Social distribution, nhận giá trị bằng 1 nếu người đó đồng ý đóng góp, nhận giá trị bằng 0 nếu người đó không đồng ý đóng góp.

-là biến độc lập thể hiện đặc điểm tuổi của người tham gia.

-là biến độc lập thể hiện đặc điểm giới tính của người tham gia, nhận giá trị bằng 1 nếu người đó là nam, bằng 0 nếu người đó là nữ.

- Z là biến kiểm soát trong mô hình, thể hiện đặc điểm về khu vực sống của người tham gia trong mẫu khảo sát.

3.4.3. Mô hình hồi quy phân tích thí nghiệm về Trust game:

Trong đó:

-là biến phụ thuộc, nhận giá trị bằng 1 nếu người đó có nợ xấu; nhận giá trị bằng 0 nếu người đó không có nợ xấu.

-là biến độc lập thể hiện phần trăm về số tiền mà người tham gia đưa cho đối tác của mình.

-là biến độc lập thể hiện đặc điểm tuổi của người tham gia.

-là biến độc lập thể hiện đặc điểm giới tính của người tham gia, nhận giá trị bằng 1 nếu người đó là nam, bằng 0 nếu người đó là nữ.

- Z là biến kiểm soát trong mô hình, thể hiện đặc điểm về khu vực sống của người tham gia trong mẫu khảo sát.

3.4.4. Mô hình hồi quy phân tích tổng hợp cả ba thí nghiệm (Robustness check):

Trong đó:

-là biến phụ thuộc, nhận giá trị bằng 1 nếu người đó có nợ xấu; nhận giá trị bằng 0 nếu người đó không có nợ xấu.

-là biến độc lập thể hiện đặc điểm lựa chọn trong thí nghiệm về sở thích rủi ro của người tham gia.

-là biến độc lập thể hiện đặc điểm lựa chọn đóng góp của người tham gia trong thí nghiệm về đóng góp cho cộng đồng, nhận giá trị bằng 1 nếu người đó đồng ý đóng góp, nhận giá trị bằng 0 nếu người đó không đồng ý đóng góp.

-là biến độc lập thể hiện phần trăm về số tiền mà người tham gia đưa cho đối tác của mình trong thí nghiệm sự tin tưởng.

-là biến độc lập thể hiện đặc điểm tuổi của người tham gia.

-là biến độc lập thể hiện đặc điểm giới tính của người tham gia, nhận giá trị bằng 1 nếu người đó là nam, bằng 0 nếu người đó là nữ.

- Z là biến kiểm soát trong mô hình, thể hiện đặc điểm về khu vực sống của người tham gia trong mẫu khảo sát.

3.5. Các giả thuyết trong mô hình phân tích.

3.5.1. Giả thuyết về hành vi trong Risk Game:

Đối với hành vi của những người tham gia thí nghiệm về Risk Game, những người có lựa chọn mang tính chất rủi ro càng cao càng cho thấy người đó ít có khả

năng bị nợ xấu; trong khi những người càng e ngại rủi ro là những người có khả năng bị nợ xấu càng cao. Điều này được giải thích như sau: Những người bị nợ xấu là những người thường phải chịu áp lực về tài chính khá lớn trong vấn đề trả nợ. Vì vậy, họ sẽ có xu hướng e ngại với các lựa chọn rủi ro để đảm bảo họ có khả năng đáp ứng các yêu cầu về tài chính khi đến hạn. Ngược lại, những người có lựa chọn rủi ro thì khả năng bị nợ xấu sẽ thấp hơn do họ sẽ không bị áp lực về tài chính khi đáp ứng các yêu cầu trả nợ khi đến hạn. Vì vậy, giả thuyết thứ nhất như sau:

H1: Những người tìm kiếm rủi ro càng cao càng ít có khả năng bị nợ xấu, trong khi những người càng e ngại rủi ro sẽ có khả năng bị nợ xấu lớn hơn.

3.5.2. Giả thuyết về hành vi trong đóng góp cho cộng đồng:

Đối với hành vi của những người tham gia thí nghiệm về Public Goods Game, những người sẵn sàng đóng góp để cộng đồng tốt hơn thường sẽ là những người ít có khả năng bị nợ xấu; trong khi những người không đóng góp cho cộng đồng thường sẽ có khả năng bị nợ xấu cao hơn. Điều này được giải thích như sau: Những người bị nợ xấu thường chịu áp lực về tài chính khá lớn trong vấn đề trả nợ nên họ sẽ có xu hướng nghĩ cho bản thân mình nhiều hơn, họ sẽ hạn chế các khoản chi tiêu cho cộng đồng hơn. Ngược lại, những người không bị nợ xấu thường sẽ phóng khoáng hơn trong vấn đề chi tiêu của mình, họ thường sẽ nghĩ đến cộng đồng và mong muốn cộng đồng tốt hơn. Vì vậy, giả thuyết thứ hai như sau:

H2: Những người đóng góp cho cộng đồng ít có khả năng bị nợ xấu, trong khi những người không đóng góp cho cộng đồng sẽ có khả năng bị nợ xấu cao hơn.

3.5.3. Giả thuyết về hành vi trong Trust game:

Đối với hành vi của những người tham gia thí nghiệm về Trust Game, tỷ lệ phần trăm số tiền của người tham gia trò chơi đưa cho người chơi khác của mình càng nhiều thì càng cho thấy người tham gia ít có khả năng bị nợ xấu, ngược lại phần trăm số tiền người tham gia đưa cho đối tác càng ít càng cho thấy khả năng

cao người đó sẽ bị nợ xấu. Điều này được giải thích như sau: Những người bị nợ xấu chịu nhiều áp lực về tài chính khá lớn trong vấn đề trả nợ sẽ có xu hướng chặt chẽ hơn trong việc chi tiêu, đầu tư của họ. Ngược lại, những người hào phóng trong vấn đề chi tiêu, đầu tư sẽ là những người ít gặp áp lực về tài chính hơn. Vì vậy, giả thuyết nghiên cứu thứ ba như sau:

H3: Phần trăm số tiền người tham gia đưa cho đối tác của mình càng lớn thì người đó càng ít có khả năng bị nợ xấu, ngược lại, phần trăm số tiền người tham gia đưa cho đối tác càng nhỏ thì khả năng người đó bị nợ xấu càng cao.

3.6. Phương pháp hồi quy.

Trong luận án của mình, với trường hợp biến phụ thuộc là biến nhị phân (với hai lựa chọn là 0 – tương ứng với việc không có nợ xấu (nợ đủ chuẩn); 1 – tương ứng với trường hợp có nợ xấu), tác giả sẽ sử dụng các phương pháp phân tích hồi quy với biến nhị phân để xem xét tác động của các thí nghiệm và các nhân tố đặc điểm nhân khẩu học đến hành vi và rủi ro không trả được nợ của khách hàng khi tham gia vay vốn TDVM. Phương pháp chủ yếu được sử dụng trong phân tích hồi quy với biến nhị phân là phương pháp Binary Logistic. Ngoài ra, tác giả sẽ thực hiện thêm phương pháp phân tích mô hình Probit nhằm kiểm định tính vững của kết quả hồi quy Logit đã thực hiện.

3.6.1. Mô hình Binary Logistic.

Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), phương pháp hồi quy Binary Logistic (còn gọi là hồi quy Logit) được sử dụng để phân tích khi biến phụ thuộc thể hiện cho một sự kiện nào đó có khả năng xảy ra hay không. Biến phụ thuộc Y sẽ nhận hai giá trị là 0 và 1; trong đó nhận giá trị bằng 0 khi không xảy ra sự kiện mà người nghiên cứu đang quan tâm, nhận giá trị bằng 1 khi có xảy ra các thông tin về sự kiện đó. Từ biến phụ thuộc nhị phân này, một phương pháp ước tính sẽ được dùng để dự đoán xác suất xảy ra sự kiện theo quy tắc: Nếu xác suất được dự

đoán lớn hơn 50% thì kết quả dự đoán là có xảy ra sự kiện, còn ngược lại sự kiện sẽ không xảy ra sự kiện.

Trong trường hợp đơn giản nhất chỉ có 1 biến độc lập X thì hàm hồi quy mô hình sẽ như sau:

( )

( )( )

Với E(Y/ X) là xác suất để Y = 1 (tức là xác suất để sự kiện xảy ra) khi biến độc lập X có giá trị cụ thể là. Đặt ký hiệu , ta viết lại mô hình hàm hồi quy dạng Logit như sau:

( )

Khi đó, xác suất không xảy ra sự kiện sẽ được tính như sau:

P (Y = 0) = 1 – P (Y = 1) 1-

Khi đó, tỷ lệ chênh lệch giữa xác suất xảy ra sự kiện với xác suất không xảy ra sự kiện sẽ là:

( )

Lấy log cơ số e hai vế và thực hiện biến đổi vế phải, ta được:

()

[ ( ]

)

Kiểm định với n biến X, ta có:

()

[ ( ]

)

Khi đó, tác động biên của các hệ số sẽ được tính như sau:

()

()()

3.6.2. Các kiểm định giả thuyết về độ phù hợp tổng quát của mô hình.

Đây là kiểm định về tổ hợp tuyến tính của toàn bộ các hệ số trong mô hình (trừ hằng số) để xem các hệ số có thực sự có ý nghĩa trong việc giải thích cho biến phụ thuộc hay không.

Hồi quy này dùng kiểm định thống kê Chi bình phương với giả thuyết: H0: β1 = β2 = … = βn = 0

H1: Tồn tại một hệ số βj khác 0.

Kết quả kiểm định trong SPSS được đưa ra trong bảng Omnibus Tests of Model Coefficients.

Ngoài ra, có một số kiểm định về sự phù hợp của mô hình khác như sau:

- Thước đo -2LL (-2 log likelihood) và R2: Được sử dụng để kiểm định sự phù hợp của mô hình. Trong đó, giá trị -2LL càng nhỏ thì mô hình càng tốt; thước đó R2 càng lớn thì mô hình càng tốt. Kết quả kiểm định trong SPSS được đưa ra trong bảng Model Summary.

- Bảng phân loại (Clasification Table) là một chỉ tiêu để dự báo độ phù hợp của mô hình. Bảng này so sánh các giá trị thực tế và các giá trị dự đoán (ước đoán) đối với từng biểu hiện, từ đó sẽ cho biết tỷ lệ dự đoán đúng của mô hình so với các giá trị thực tế đối với sự kiện này.

- Ngoài ra, kiểm định Hosmer and Lemeshow Test về sự khác biệt giữa các giá trị thực tế và giá trị dự báo cũng là một chỉ tiêu để xem mô hình có phù hợp không với: