Chia sẻ chuyên mục Đề Tài Luận văn: PPNC Thúc đẩy tài chính toàn diện thông qua Fintech hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Thúc đẩy tài chính toàn diện thông qua Fintech Tại Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.
Làm cơ sở cho việc lựa chọn phương pháp nghiên cứu được áp dụng và thiết lập mô hình nghiên cứu, ở Chương 3, tác giả sẽ trình bày cơ sở lý thuyết về các loại mô hình sẽ sử dụng cùng các phương pháp phân tích và kiểm định phù hợp với mục tiêu và cơ sở lý thuyết của nghiên cứu. Bên cạnh đó, Chương 3 cũng nêu rõ cơ sở khoa học để tác giả lựa chọn và thu thập các biến nghiên cứu trong luận văn.
3.1 PHƯƠNG PHÁP HỒI QUY
3.1.1 Mô hình nhị phân
Để khắc phục các hạn chế vốn có của mô hình tuyến tính, một nhóm mô hình lựa chọn nhị phân, còn gọi là mô hình nhị phân đơn biến, đã được phát triển nhằm biểu diễn hiệu quả quyết định giữa hai phương án khác biệt. Trong thực hành, yi = 1 thường được mô hình hóa rõ ràng, mặc dù một khung biến ẩn thường làm nền cho đặc tả (xem bên dưới). Công thức (1) sẽ được trình bày cho hàm G(i): P {yi = 1| xi} = G(xi, β) (1)
Trong thiết lập này, xác suất biến cố yi = 1 xảy ra phụ thuộc vào vectơ hiệp biến xi, bao gồm các đặc điểm cá nhân. Chẳng hạn, xác suất một người sở hữu nhà có thể được mô hình hóa như một hàm của thu nhập, học vấn, tuổi và tình trạng hôn nhân. Trong bối cảnh khác, xác suất một loài côn trùng sống sót sau khi phơi nhiễm thuốc trừ sâu có thể phụ thuộc vào liều xi và có thể cả các đặc tính sinh học khác. Do xác suất bị chặn, hàm liên kết G(.) được chọn sao cho miền giá trị của nó nằm trong [0,1]. Hơn nữa, các hàm dạng G ( x , b ) = F (x¢b ) thường giới hạn phạm vi xem xét vì F(.) cũng được
thừa nhận lấy giá trị từ 0 đến 1 nên một cách tự nhiên, F được chọn là một số hàm phân phối. Do đó, lựa chọn phổ biến là hàm phân phối chuẩn chuẩn hóa:
- Dẫn đến mô hình probit và hàm phân phối logistic chuẩn, được cho bởi:
Các hệ số trong mô hình lựa chọn nhị phân không dễ diễn giải trực tiếp. Cách tiếp cận chuẩn để diễn giải và cho phép so sánh giữa các mô hình là báo cáo hiệu ứng cận biên: đạo hàm riêng của xác suất yi bằng một theo, giả sử, một biến giải thích liên tục Xik. Đối với ba mô hình ở trên, các công thức là:
Trong đó φ(.) là hàm mật độ chuẩn tắc chuẩn. Ngoại trừ mô hình cuối cùng, biên tác động phụ thuộc vào các giá trị của xi nên hiệu ứng của Xik biến thiên theo điểm đánh giá; với mô hình tuyến tính xác suất, hiệu ứng cận biên không phụ thuộc xi và bằng βk. Tuy vậy, trong mọi trường hợp, dấu của tác động do thay đổi Xik trùng với dấu của hệ số βk. Với biến giải thích rời rạc, ví dụ biến giả, tác động của một thay đổi được xác định bằng cách tính các xác suất hàm ý ứng với hai trạng thái của biến đó, đồng thời cố định giá trị của tất cả các biến giải thích còn lại.
3.1.2 Ước lượng Luận văn: PPNC Thúc đẩy tài chính toàn diện thông qua Fintech.
Do đó, tác giả có thể giới hạn xem xét ở hàm hợp lý trong khuôn khổ thảo luận về ước lượng hợp lý tối đa. Dạng trình bày này tương đối đơn giản vì suy ra trực tiếp từ các mô hình đã nêu. Nói chung, đóng góp vào hàm hợp lý của quan sát i khi yi = 1 được tạo bởi P {yi = 1|xi} như hàm của vectơ tham số chưa biết β; tương tự đối với trường hợp yi = 0. Từ đó, ta thu được hàm hợp lý cho toàn bộ mẫu:
Trong đó, β xuất hiện trong các biểu thức xác suất nhằm nhấn mạnh rằng hàm hợp lý là một hàm theo β. Như thông lệ, ta làm việc với log-hợp lý; thay P {yi = 1|xi; β} = F (xiβ) vào, ta thu được công thức dưới đây:
Thay dạng thích hợp của F sẽ cho một biểu thức có thể tối đa hóa theo β. Như đã nêu, giá trị của β và cách diễn giải chúng phụ thuộc vào hàm phân phối được chọn. Việc xét các điều kiện bậc nhất của bài toán hợp lý tối đa là hữu ích. Lấy đạo hàm của (6) theo β cho ta:
Trong đó f = F là đạo hàm của hàm phân phối (nên f là hàm mật độ). Cần lưu ý rằng hạng tử trong ngoặc vuông thường được gọi là “phần dư tổng quát” của mô hình, và khi bàn về các kiểm định đặc tả nó sẽ xuất hiện trở lại. Trong khi f (x¢b ) / F (x¢b ) đối với các quan sát dương (yi = 1), có xu hướng ngược lại trong công thức – f (x¢b ) / (1- F (x¢b )), đối với các quan sát bằng không (yi = 0). Do đó, các điều kiện bậc nhất phát biểu rằng mỗi biến giải thích phải trực giao với phần dư tổng quát (trên toàn bộ mẫu). So với các điều kiện bậc nhất của hồi quy tuyến tính, ta biết rằng phần dư bình phương tối thiểu trực giao với từng biến trong xi. Vì vậy, mô hình có thể được đơn giản hóa về mô hình probit (7).
Lời giải của (8) cho ta ước lượng hợp lý tối đa βˆ. ừ ước lượng này, tác giả có thể biểu diễn xác suất của yi, với yi = 1 tại một xi, cho trước, như sau:
- Hệ quả là, các điều kiện bậc nhất đối với mô hình probit hàm ý rằng:
Do đó, nếu xi chứa một hằng số (và thực tế không có lý do để loại trừ), thì tổng các xác suất ước tính bằng i yi tức bằng số quan sát trong mẫu có yi = 1. Nói cách khác, tần suất dự báo bằng tần suất thực tế. Tương tự, nếu xi bao gồm một biến giả, ví dụ 1 cho nữ và 0 cho nam, thì tần suất dự báo sẽ bằng tần suất thực tế cho từng nhóm giới. Mặc dù kết quả tương tự không đúng chính xác với mô hình probit, nó vẫn đúng xấp xỉ nhờ các tính chất tương tự của mô hình probit. Xét các điều kiện bậc hai của bài toán cho thấy ma trận đạo hàm bậc hai là xác định âm (giả định các xs không đồng tuyến). Hệ quả là hàm log hợp lý lõm toàn cục và sự hội tụ của thuật toán lặp hợp lý tối đa được bảo đảm.
3.2 KIỂM ĐỊNH Luận văn: PPNC Thúc đẩy tài chính toàn diện thông qua Fintech.
3.2.1 Kiểm định Wald
Kiểm định Wald là đối ứng tiệm cận thuận tiện của kiểm định tỷ số hợp lý vì chỉ cần ước lượng mô hình không ràng buộc. Kiểm định này kiểm tra giả thuyết không rằng một tập tham số bằng các giá trị cho trước; trong ứng dụng hiện tại các hệ số quan tâm được kiểm tra đồng thời bằng 0. Không bác bỏ giả thuyết gợi ý rằng loại bỏ các biến giải thích đó khó làm giảm độ phù hợp của mô hình, do các ước lượng nhỏ so với sai số chuẩn đóng góp rất ít vào sức giải thích. Trực giác như sau: thống kê kiểm định đo “khoảng cách” giữa các ước lượng và giá trị dưới giả thuyết, với khoảng cách được chuẩn hóa bởi sai số chuẩn, tương tự các kiểm định một hệ số quen thuộc trong kết quả hồi quy. Khác biệt là kiểm định Wald đánh giá đồng thời nhiều tham số, trong khi các kiểm định hệ số thông thường xét từng tham số một.
3.2.2 Kiểm định nhân tử Lagrange (kiểm định score)
Giống như kiểm định Wald, kiểm định nhân tử Lagrange (LM) chỉ cần ước lượng một mô hình. Khác biệt là kiểm định LM ước lượng đặc tả bị ràng buộc vốn loại bỏ tham số hoặc các tham số quan tâm. Chẳng hạn, sau khi ước lượng một mô hình có các biến dự báo female và read, kiểm định LM đặt câu hỏi liệu việc bổ sung science và math có mang lại cải thiện đáng kể về độ phù hợp hay không. Thống kê kiểm định được xây dựng từ độ dốc của log hợp lý tại các ước lượng bị ràng buộc, gọi là score, nên kiểm định LM còn được gọi là kiểm định score. Score, khi kết hợp với thông tin kỳ vọng dưới giả thuyết không, cung cấp một ước lượng về mức cải thiện độ phù hợp nếu thêm các biến đang bị loại. Giá trị thu được tương ứng với mức tăng kỳ vọng của thống kê chi bình phương của mô hình khi các biến đó được đưa vào. Vì đánh giá lợi ích của việc thêm các biến hiện bị bỏ sót, kiểm định LM thường được mô tả như một kiểm định biến bị bỏ sót. Trong mô hình phương trình cấu trúc, các đại lượng liên quan đôi khi được gọi là chỉ số hiệu chỉnh. Luận văn: PPNC Thúc đẩy tài chính toàn diện thông qua Fintech.
3.3 DỮ LIỆU NGHIÊN CỨU
Trong phạm vi nghiên cứu, tác giả chỉ nêu các vấn đề cần thiết; quy trình, phương pháp và mục đích của phương pháp nghiên cứu sẽ được định hướng để đạt mục tiêu. Đề tài không phân tích sâu kiểm định độ chính xác nhằm phân tích các thuộc tính lý thuyết của các phương pháp phân tích.
Luận văn sử dụng phương pháp nghiên cứu định lượng để phân tích mối quan hệ giữa các yếu tố và tài chính toàn diện trên phạm vi toàn quốc tại Việt Nam năm 2024. Tác giả phân tích dữ liệu với 1.000 người trả lời được khảo sát năm 2024 và sử dụng phần mềm Stata 17 để kiểm định. Phương pháp nghiên cứu cũng được tham chiếu trên cơ sở các chủ đề đi trước về mục tiêu nghiên cứu, các phương pháp tổng hợp và đề xuất cách áp dụng phù hợp với chủ đề và mục tiêu của đề tài. Đối với các vấn đề liên quan đến Fintech, đa số nghiên cứu trước đây dùng định tính và một phần định lượng để xác định mối quan hệ giữa tài chính toàn diện và các yếu tố. Để làm rõ các yếu tố tác động đến tài chính toàn diện ở Việt Nam, phương pháp định lượng được triển khai nhằm bình luận, đánh giá và rút ra kết quả cuối cùng.
Nghiên cứu này sử dụng bộ khảo sát Global Findex 2024 của Ngân hàng Thế giới, công bố năm 2025. Công tác điều tra thực địa do Gallup, Inc. thực hiện, phỏng vấn hơn 150.000 người trưởng thành từ 15 tuổi trở lên tại hơn 140 quốc gia. Bộ dữ liệu bao gồm hồ sơ nhân khẩu học và kinh tế xã hội cùng các thước đo chi tiết về cách người trả lời tiếp cận và sử dụng dịch vụ tài chính.
Giai đoạn 2011–2021, khảo sát được thực hiện ba năm một lần, với khoảng 1.000 người trả lời được chọn ngẫu nhiên cho mỗi quốc gia. Tại Việt Nam, 1.002 người đã được khảo sát, đại diện khoảng 81% dân số. Mức bao phủ này phù hợp với tổng thể mục tiêu là công dân từ 15 tuổi trở lên không cư trú trong các cơ sở tập trung.
Năm 2011 không thu thập biến sở hữu tài khoản tiền di động, phân tích dữ liệu bảng không khả thi đối với chiều cạnh này của tài chính toàn diện. Phù hợp với các nghiên cứu trước, phân tích tập trung vào sở hữu tài khoản như chỉ báo của tài chính toàn diện, sử dụng mẫu 1.000 người trả lời Việt Nam thu được.
3.4 MÔ HÌNH NGHIÊN CỨU Luận văn: PPNC Thúc đẩy tài chính toàn diện thông qua Fintech.
Phù hợp với Allen và các cộng sự (2016) và Demir và các cộng sự (2020), nghiên cứu này xem xét tác động của Fintech lên tài chính toàn diện bằng hồi quy nhị phân với nhiều thước đo của Fintech và của mức độ toàn diện. Trong mô hình thực nghiệm, tài chính toàn diện phụ thuộc vào Fintech và các yếu tố quyết định khác dựa trên tổng quan tài liệu. Để nhận diện các yếu tố quyết định, nghiên cứu dựa vào lý thuyết ra quyết định theo ngưỡng của Hill và Kau (1973) như Akudugu (2013) triển khai: lý thuyết này cho rằng cá nhân đưa ra lựa chọn nhị phân khi một chỉ số tiềm ẩn vượt qua ngưỡng phản ứng, và các đặc điểm quan sát được dịch chuyển chỉ số ấy, từ đó làm thay đổi xác suất được bao hàm. Cách tiếp cận này được tóm lược như sau:
- 𝑌𝑖 = Φ(𝛼1𝑋𝑖 + 𝛼2𝐹𝑖𝑛𝑡𝑒𝑐ℎ𝑖)
Chi tiết:
- Y là biến phụ thuộc đo FI, nhận giá trị 1 nếu cá nhân có tài khoản tại tổ chức tài chính, 0 nếu ngược lại.
- X là tập hợp các biến độc lập đo lường đặc điểm của cá nhân.
- Fintech là tập hợp các biến độc lập đo lường công nghệ tài chính như thanh toán dịch vụ tài chính qua điện thoại di động.
Mô tả các biến
Bảng 3.1 Khái niệm và đo lường các biến
- Tóm tắt chương 3:
Trong chương này, tác giả trình bày tổng quan về nguồn dữ liệu, cỡ mẫu của nghiên cứu và các phương pháp được áp dụng để xác định các yếu tố tác động đến tài chính toàn diện. Thông qua nghiên cứu định lượng, các kết quả hồi quy sẽ định lượng và cụ thể hóa mức độ tác động đến tài chính toàn diện ở Chương 4. Luận văn: PPNC Thúc đẩy tài chính toàn diện thông qua Fintech.
XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:
===>>> Luận văn: KQNC Thúc đẩy tài chính toàn diện thông qua Fintech
Pingback: Luận văn: Thúc đẩy tài chính toàn diện thông qua Fintech