Luận văn: PPNC Khả năng trả nợ khách hàng cá nhân tại Agribank

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC Khả năng trả nợ khách hàng cá nhân tại Agribank 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: Các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam – Chi nhánh tỉnh Bà Rịa – Vũng Tàu dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

3.1. Quy trình nghiên cứu

Bước đầu tiên, tác giả tiến hành thống kê mô tả dữ liệu. Tiếp theo, tác giả tiến hành hồi quy phương trình (3.1) bằng hồi quy logistic. Trước khi phân tích kết quả hồi quy, tác giả thực hiện các kiểm định Omnibus và kiểm định Hosmer và Lemeshow. Kiểm định Omnibus nhằm kiểm tra tính phù hợp của mô hình, với giả thuyết không là . Nếu bác bỏ giả thuyết không, đồng nghĩa tồn tại ít nhất một hệ số hồi quy khác 0 về mặt thống kê, hàm ý ít nhất một trong các nhân tố được chọn (các nhân tố đặc điểm của khách hàng và các nhân tố liên quan đến khoản vay) có thể giải thích Khả năng trả nợ của Khách hàng cá nhân. Kiểm định Hosmer và Lemeshow, với giả thuyết không là không có sự khác biệt giữa giá trị thực tế và giá trị dự báo, cho biết khả năng dự báo của mô hình. Nếu chấp nhận giả thuyết không của kiểm định Hosmer và Lemeshow, đồng nghĩa có sự tương đồng đáng kể giữa giá trị thực tế và giá trị dự báo. Khi đó, chúng ta có thể sử dụng phương trình (3.1) để dự đoán Khả năng trả nợ của Khách hàng cá nhân tại Agribank Chi nhánh tỉnh Bà Rịa Vũng Tàu. Ngoài ra, tác giả thực hiện kiểm định mức độ dự báo chính xác của mô hình thông qua bảng phân loại. Mô hình có tỷ lệ dự đoán chính xác càng cao càng phù hợp.

3.2. Mô hình nghiên cứu và giả thuyết nghiên cứu

3.2.1. Mô hình nghiên cứu

Nghiên cứu mối quan hệ và mức độ ảnh hưởng của các biến độc lập tác động đến Khả năng trả nợ có nhiều mô hình nghiên cứu, trong đó mô hình hồi quy Binary Logistic là một mô hình phổ biến dùng để ước lượng xác suất của một sự kiện. Đặc trưng của mô hình này là biến phụ thuộc chỉ có 2 giá trị là 0 và 1. Với Khả năng trả nợ của khách hàng thì kết quả cũng chỉ gồm 2 khả năng: Có hoặc không có khả năng chi trả. Do biến phụ thuộc chỉ có 2 khả năng, nên nghiên cứu này sẽ sử dụng mô hình Binary Logistic để kiểm định mối quan hệ giữa các biến độc lập tới biến phụ thuộc.

Dựa vào nghiên cứu trước, trong đó tác giả sử dụng phần lớn các biến có trong nghiên cứu “Các nhân tố ảnh hưởng đến Khả năng trả nợ ngân hàng của nông hộ trên địa bàn Huyện Bến Lức, tỉnh Long An” của tác giả Trần Thế Sao (2017), bởi đây là nghiên cứu có nét tương đồng về đối tượng nghiên cứu và mục tiêu nghiên cứu. Kết hợp với dữ liệu thu thập được, luận văn sử dụng Khả năng trả nợ là biến phụ thuộc; các biến độc lập được sử dụng là giới tính, tuổi, trình độ học vấn của khách hàng, số người phụ thuộc, tổng thu nhập một năm của hộ gia đình để đại diện cho Nhóm nhân tố đặc điểm của khách hàng; và dư nợ, thời gian vay còn lại đại diện cho Nhóm các nhân tố liên quan đến khoản vay. Mô hình nghiên cứu có dạng như sau:” = β0 + β1X1 + β2X2 + β3X3 + β4X4 +β5X5 +β6X6 +β7X7 +α.

Trong đó:

• Y là biến Khả năng trả nợ của Khách hàng cá nhân, Y = 1 nếu khách hàng có Khả năng trả nợ, 0 nếu trường hợp không có Khả năng trả nợ Luận văn: PPNC Khả năng trả nợ khách hàng cá nhân tại Agribank.
• α: hệ số chặn phản ánh mức độ ảnh hưởng của các yếu tố khác đến chỉ tiêu phân tích.
• βj (j= 1,7): hệ số ước lượng phản ánh mức độ ảnh hưởng của từng yếu tố đến biến phụ thuộc.

Xj (j= 1,7): Các biến từ X1 đến X7 là các biến độc lập ảnh hưởng đến khả năng trả nợ của khách hàng. Các biến này được xác định, mô tả cũng như kỳ vọng về mối quan hệ với biến phụ thuộc thể hiện cách thức đo lường và được tổng hợp theo bảng sau với kỳ vọng ảnh hưởng cùng chiều (+) và ngược chiều (–) theo kết quả nghiên cứu của các tác giả trong và ngoài nước.

• Bảng 3.1: Danh sách các biến trong mô hình và kỳ vọng ảnh hưởng.

3.2.2. Giả thuyết nghiên cứu Luận văn: PPNC Khả năng trả nợ khách hàng cá nhân tại Agribank.

X1 (GIOITINH): Là giới tính của chủ hộ, bằng 1 nếu chủ hộ là nam, 0 nếu chủ hộ là nữ. Thông thường, chủ hộ nam được xem là người quyết định sản xuất kinh doanh và thường chịu trách nhiệm chính về các quyết định tài chính trong hộ. Tuy nhiên, theo nghiên cứu của Savaser, Tiniç, Tumer–Alkan & Karaman (2023), sau khi kiểm soát các đặc điểm nhân khẩu học và các biến liên quan tới tín dụng, nam giới tại Thổ Nhĩ Kỳ có xu hướng vỡ nợ nhiều hơn nữ giới — nữ giới trả nợ đúng hạn tốt hơn. Tương tự, Shahriar, Unda & Alam (2020) thực nghiệm tại Bangladesh phát hiện rằng phụ nữ thường đáng tin cậy hơn trong các trò chơi tín nhiệm và có Khả năng trả nợ microcredit cao hơn nam giới. Những kết quả này hỗ trợ giả thiết rằng giới tính là một biến quan trọng, và chủ hộ nữ có thể có Khả năng trả nợ đúng hạn cao hơn so với chủ hộ nam, nếu các điều kiện khác (thu nhập, tài sản, mục đích vay, v.v.) được giữ cố định.

• Giả thuyết H1: Nam giới có ảnh hưởng ngược chiều với Khả năng trả nợ.

X2 (TRINHDO): Là trình độ học vấn của người vay. Nhiều nghiên cứu lược khảo ở trên sử dụng biến này, các tác giả Chul. K. Y (1978), C.A. Wongnaa và D. Awunyo–Vitor (2013), Anigbogu Theresa & Các cộng sự (2014), F. Haile (2015), Trương Đông Lộc và Nguyễn Thanh Bình (2011), Trần Thế Sao (2017) đều nhận thấy trình độ học vấn đều tác động tích cực đến Khả năng trả nợ, các tác giả cho rằng khi người vay càng có trình độ học vấn cao thì càng có ý thức trả nợ vay tốt hơn, đồng thời, họ cũng dễ dàng tìm kiếm được các công việc với mức thu nhập cao hơn, khả năng áp dụng tiến bộ kỹ thuật để áp dụng vào sản xuất nhằm tăng thu nhập cũng sẽ tốt hơn so với những người có trình độ thấp.

• Giả thuyết H2: Trình độ học vấn có ảnh hưởng cùng chiều với Khả năng trả nợ.

X3 (TUOI): Là biến độ tuổi của khách hàng. Đây là biến được nhiều nghiên cứu trước nhắc tới, bao gồm: C.A. Wongnaa và D. Awunyo–Vitor (2013), Anigbogu Theresa & Các cộng sự (2014), F. Haile (2015), đề cập tới việc khách hàng lớn tuổi hơn sẽ có công việc ổn định hơn, tài sản cũng đã dần tích lũy được nên Khả năng trả nợ sẽ tốt hơn những khách hàng ít tuổi hơn.

• Giả thuyết H3: Tuổi có ảnh hưởng cùng chiều với Khả năng trả nợ. Luận văn: PPNC Khả năng trả nợ khách hàng cá nhân tại Agribank.

X4 (NPTHUOC): Là biến thể hiện số người phụ thuộc của khách hàng. Tác giả Trần Thế Sao (2017) cho rằng Khách hàng có nhiều người phụ thuộc trong gia đình, đồng nghĩa với việc khách hàng phải chịu nhiều nghĩa vụ và lo nhiều khoản phí hơn, điều này ảnh hưởng xấu đến Khả năng trả nợ. Các nghiên cứu khác của F. Haile (2015), Đàng Quang Vắng và các cộng sự (2022) cũng nhận thấy tác động nghịch biến của biến này tới Khả năng trả nợ.

• Giả thuyết H4: Số người phụ thuộc có ảnh hưởng ngược chiều với Khả năng trả nợ.

X5 (THUNHAP): Là biến thể hiện tổng thu nhập của gia đình. Hầu hết các nghiên cứu lược khảo ở trên đều sử dụng biến này và đều ủng hộ rằng khi thu nhập càng cao, thì họ sẽ càng có đủ nguồn tài chính để chi trả cho các nhu cầu đời sống hằng ngày cũng như có đủ khả năng chi trả cho các khoản vay.

• Giả thuyết H5: Thu nhập có ảnh hưởng cùng chiều với Khả năng trả nợ.

X6 (DUNO): Là biến thể hiện dư nợ của khách hàng. Nếu dư nợ cho vay càng lớn, chi phí lãi vay càng cao, áp lực hoàn trả gốc và lãi vay hàng kỳ cũng sẽ tăng theo. Trong trường hợp các nhân tố khác không đổi, việc tăng dư nợ cho vay có thể ảnh hưởng tiêu cực tới Khả năng trả nợ của khách hàng. Các nghiên cứu của 2 tác giả trong nước là Trần Thế Sao (2017), Đàng Quang Vắng và các cộng sự (2022) cũng đều thấy ảnh hưởng tiêu cực của biến này.

• Giả thuyết H6: Dư nợ cho vay có ảnh hưởng ngược chiều với Khả năng trả nợ.

X7 (TGIANVAYCONLAI): Là biến thể hiện thời gian vay vốn còn lại của khách hàng. Thời gian vay càng dài, càng tạo điều kiện thuận lợi cho người đi vay trả nợ. Bên cạnh đó, thời hạn vay dài, số tiền phải trả được chia nhỏ ra hơn nên khách hàng lại càng dễ trả nợ (Trần Thế Sao, 2017). Luận văn: PPNC Khả năng trả nợ khách hàng cá nhân tại Agribank.

• Giả thuyết H7: Thời gian cho vay còn lại có ảnh hưởng cùng chiều với Khả năng trả nợ.

3.3. Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp chọn mẫu ngẫu nhiên. Số mẫu nghiên cứu là 350 khách hàng. Các khách hàng trong mẫu đang còn dư nợ và đã bắt đầu vay vốn tại Agribank chi nhánh tỉnh Bà Rịa – Vũng Tàu trong giai đoạn từ năm 2020-2025. Dựa trên dữ liệu và thông tin thu thập được từ hồ sơ vay của khách hàng cá nhân, tác giả phân tích dữ liệu bằng phần mềm SPSS. Nghiên cứu sử dụng mô hình hồi quy Binary Logistic nhằm xác định mức độ tác động của các yếu tố ảnh hưởng đến khả năng trả nợ của nông hộ.

3.4. Dữ liệu nghiên cứu Luận văn: PPNC Khả năng trả nợ khách hàng cá nhân tại Agribank.

Cơ sở chọn mẫu: Nghiên cứu được thực hiện trên cơ sở sử dụng dữ liệu thứ cấp của các khách hàng vay vốn là khách hàng cá nhân còn dư nợ tại Agribank Chi nhánh tỉnh Bà Rịa–Vũng Tàu trong giai đoạn 2020–2025. Việc lựa chọn đối tượng nghiên cứu này nhằm bảo đảm dữ liệu phản ánh đầy đủ và liên tục tình hình vay vốn cũng như hành vi trả nợ của khách hàng trong thời gian nghiên cứu.

Phương pháp chọn mẫu: Sau khi tiến hành trích xuất dữ liệu, sao kê và sắp xếp toàn bộ danh sách khách hàng theo một trật tự nhất định, để bảo đảm tính khách quan, đại diện và hạn chế sai lệch chọn mẫu, nghiên cứu áp dụng phương pháp chọn mẫu ngẫu nhiên nhằm lựa chọn các quan sát phục vụ cho quá trình tổng hợp và phân tích dữ liệu.

Kích thước mẫu: Kích thước mẫu tối thiểu cho phân tích hồi quy được phát triển bởi Green (1991) là 50 + 8m (m là số lượng biến độc lập tham gia vào hồi quy). Nghiên cứu lựa chọn 7 biến độc lập, cho nên kích thước mẫu tối thiểu là 50 + 8*7 = 106. Cỡ mẫu tối thiểu từ 150 hoặc lớn hơn thường là cần thiết để đạt được các tham số với sai số chuẩn đủ nhỏ (Anderson và Gerbing, 1988). Tuy nhiên, cỡ mẫu càng lớn, nghiên cứu càng có độ tin cậy cao. Do đó, nghiên cứu sẽ áp dụng cỡ mẫu là n = 350. Tóm lại, nghiên cứu sử dụng 350 hồ sơ Khách hàng cá nhân còn dư nợ tại Chi nhánh. Các khách hàng này bao gồm các khách hàng trả nợ đúng hạn (không phát sinh nợ quá hạn, kể cả gốc và lãi quá 90 ngày) và khách hàng không trả nợ đúng hạn (phát sinh nợ quá hạn, kể cả gốc và lãi quá 90 ngày).

KẾT LUẬN CHƯƠNG 3

Chương 3 đã hoàn thiện việc xây dựng phương pháp luận nghiên cứu cho luận văn. Cụ thể, nghiên cứu này sử dụng mô hình hồi quy Binary Logistic để phân tích sự ảnh hưởng của 07 biến độc lập thuộc hai nhóm nhân tố (đặc điểm khách hàng và đặc điểm khoản vay) đến Khả năng trả nợ của Khách hàng cá nhân.

Dữ liệu nghiên cứu được thu thập từ 350 hồ sơ khách hàng được chọn mẫu ngẫu nhiên tại Agribank Chi nhánh tỉnh Bà Rịa – Vũng Tàu. Quy trình phân tích sẽ được thực hiện tuần tự thông qua các bước: thống kê mô tả, kiểm định mô hình (Omnibus, Hosmer và Lemeshow), ước lượng hồi quy và đánh giá độ chính xác dự báo.

Phương pháp luận được trình bày trong chương này tạo cơ sở khoa học cho việc phân tích dữ liệu, kiểm định giả thuyết và đưa ra kết luận ở các chương tiếp theo của luận văn. Luận văn: PPNC Khả năng trả nợ khách hàng cá nhân tại Agribank.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: KQNC Khả năng trả nợ khách hàng cá nhân tại Agribank