Dữ liệu nghiên cứu

Về kích cỡ mẫu trong phân tích hồi qui, kích thước mẫu phụ thuộc rất nhiều vào các yếu tố như: Mức ý nghĩa, độ mạnh của phép kiểm định và số lượng biến độc lập. Có nhiều kỹ thuật để chọn kích thước mẫu đại diện cho tổng thể. Một trong số đó là kỹ thuật xác định cỡ mẫu dựa trên kinh nghiệm của Green (1991) trích bởi Lưu Tiến Dũng (2013). Tác giả khuyến nghị công thức xác định cỡ mẫu nghiên cứu như sau: n > 50 + 8m. Trong đó, n là kích thước mẫu tối thiểu cần thiết và m là số lượng biến độc lập trong mô hình. Giả sử vẫn áp dụng kinh nghiệm chọn mẫu của Green (1991), với số biến độc lập là 8, vậy kích thước mẫu nghiên cứu tối thiểu bằng 115 quan sát.

Ngoài ra, Tabachnick và Fidell (2007) trích bởi Lưu Tiến Dũng (2013), còn cho rằng kích thước mẫu nghiên cứu cần đủ lớn để kết quả hồi qui được thuyết phục hơn. Các tác giả cũng đề xuất một công thức khác để xác định cỡ mẫu dựa trên kinh nghiệm như sau: n > 104 + m. Trong đó, n là kích thước mẫu tối thiểu cần thiết và m là số lượng biến độc lập trong mô hình. Áp dụng theo công thức của Tabachnick và Fidell (2007), với số biến độc lập là 8, vậy kích thước mẫu nghiên cứu tối thiểu trong nghiên cứu này phải bằng 113 quan sát để đảm bảo kích thước mẫu tương đối lớn và đại diện tốt cho tổng thể.

Phương pháp chọn mẫu xác suất ngẫu nhiên đơn giản được sử dụng để giảm bớt thời gian thu thập số liệu trong nghiên cứu. Theo Trần Tiến Khai (2014), đây là

30

phương pháp chọn mẫu không hạn chế, phương pháp chọn mẫu xác suất ngẫu nhiên đơn giản là hình thức đơn giản nhất, thuần nhất của cách chọn mẫu xác suất.

Đối với nghiên cứu, chọn 400 mẫu dữ liệu (thứ cấp) khách hàng vay vốn của HSSV thỏa mãn phạm vi nghiên cứu. Trong đó: 306 hồ sơ không phát sinh nợ quá hạn và 94 hồ sơ phát sinh nợ quá hạn được phân loại thuộc nợ nhóm 3, 4, 5 theo Thông tư 09/2014/TT-NHNN. Như vậy với những yêu cầu đặt ra đối với cỡ mẫu thì số quan sát là 400 đã đủ lớn và thỏa yêu cầu để tiến hành nghiên cứu.

Mẫu số liệu nghiên cứu được chia làm 2 nhóm: Nhóm 1 là nhóm có KNTN, nhóm 0 là nhóm không có KNTN theo bảng 3.2.

Bảng 3.2: Thống kê số liệu nghiên cứu

Nhóm Số lượng hồ sơ Tỷ lệ (%)

0 94 23,5

1 306 76,5

Tổng cộng 400 100

Nguồn: Tổng hợp của tác giả, 2019 Các thông tin thu thập từ dữ liệu khách hàng vay vốn HSSV, bao gồm: Giới tính của HSSV, hệ đào tạo, quy mô khoản vay, lãi suất vay, tình trạng việc làm, thu nhập bình quân của HSSV, số người phụ thuộc trong gia đình HSSV, đối tượng gia đình vay vốn HSSV.

3.3 Phương pháp nghiên cứu 3.3.1 Phương pháp thống kê mô tả 3.3.1 Phương pháp thống kê mô tả

Phương pháp thống kê mô tả sẽ được sử dụng để đưa ra một cái nhìn khái quát về những điều kiện đặc trưng của vùng nghiên cứu; sử dụng các dữ liệu thống kê trên cơ sở những dữ liệu có sẵn để tiến hành phân tích, đánh giá và giải thích sơ lược về hoạt động cho vay HSSV theo Quyết định 157 trên địa bàn tỉnh Bến Tre.

3.3.2 Các kiểm định

Mục đích của việc xây dựng và phân tích mô hình kinh tế lượng sử dụng hàm hồi quy Logistic là nhằm nhận diện và đánh giá mức độ tác động của từng nhân tố

31

ảnh hưởng. Các thông tin thu thập được thực tế sẽ được phân tích bằng phần mềm SPSS và STATA.

Trước khi chính thức thực hiện hồi quy Binary Logistic, đề tài tiến hành một số kiểm định ban đầu như: Phân tích tương quan để xem xét mối tương quan giữa các biến với nhau, đặc biệt là kiểm định xem có mối tương quan giữa biến phụ thuộc và các biến độc lập trong mẫu quan sát, hiện tượng đa cộng tuyến để kiểm tra vi phạm các biến độc lập trong mô hình có phụ thuộc lẫn nhau hay không. Khi các kiểm định này thoả, các kiểm định về mức độ phù hợp của mô hình và kiểm định thêm về tính nội sinh của mô hình với các giả thiết về hệ số hồi quy sẽ được tiếp tục tiến hành và phân tích.

Phân tích tương quan

Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập, vì điều kiện để hồi quy là trước nhất phải tương quan (sig. < 0,05). Phân tích này dựa trên kết quả hệ số tương quan trong ma trận hệ số tương quan giữa các biến trong mô hình nghiên cứu.

Kiểm định hiện tượng đa cộng tuyến

Để dò tìm và phát hiện hiện tượng đa cộng tuyến, nghiên cứu sử dụng công cụ hệ số phóng đại phương sai (VIF - Variance Inflation Factor), quy tắc là khi VIF vượt quá 10 thì mô hình có xảy ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

Một biện pháp dò tìm khác cũng khá hiệu quả đó là xem xét các hệ số tương quan tuyến tính giữa các biến giải thích trong ma trận hệ số tương quan. Nếu tồn tại mối quan hệ tương quan mạnh giữa các biến độc lập với nhau thì mô hình có khả năng xảy ra hiện tượng đa cộng tuyến.

Nếu mô hình nghiên cứu có tồn tại hiện tượng đa cộng tuyến, đề tài sử dụng phương pháp loại bỏ bớt biến giải thích ra khỏi mô hình, cụ thể như sau:

Bước 1: Xem cặp biến giải thích nào có quan hệ chặt chẽ. Giả sử X2, X3,… Xk là các biến độc lập, Y là biến phụ thuộc và X2, X3 có tương quan chặt chẽ với nhau.

32

Bước 2: Tính R2 đối với các hàm hồi quy: Có mặt cả hai biến; không có mặt một trong hai biến.

Bước 3: Loại biến mà giá trị R2 tính được khi không có mặt biến đó là lớn hơn.

Kiểm định mức độ phù hợp của mô hình

Kiểm định độ phù hợp tổng quát: Đối với kiểm định này, hồi quy Logistic sử dụng kiểm định Chi-square để xem các biến số đưa vào mô hình thực sự có ý nghĩa trong việc giải thích cho biến phụ thuộc không. Kết luận được đánh giá dựa vào mức ý nghĩa quan sát mà SPSS đưa ra trong bảng Omnibus Tests of Model Coefficients. Nếu sig. nhỏ hơn mức ý nghĩa đưa ra thì có thể khẳng định tồn tại mối tương quan giữa các biến độc lập và biến phụ thuộc trong mô hình nghiên cứu.

Đo lường độ phù hợp của mô hình hồi quy Logistic còn được dựa trên chỉ tiêu -2LL (viết tắt của -2 log likelihood), thước đo này càng nhỏ càng tốt vì -2LL càng nhỏ càng thể hiện độ phù hợp của mô hình cao. Giá trị nhỏ nhất của -2LL là 0 (tức là không có sai số), khi đó mô hình có độ phù hợp hoàn hảo.

Ngoài ra, chúng ta cùng có thể xác định được mô hình dự đoán tốt đến đâu qua bảng phân loại Clasification Table do SPSS đưa ra, bảng này sẽ so sánh số thực và số dự đoán cho từng biểu hiện và tính tỷ lệ đoán đúng sự kiện.

Kiểm định ý nghĩa của các hệ số

Trong hồi quy Logistic, kiểm định Wald sẽ được sử dụng để kiểm định ý nghĩa thống kê của các hệ số hồi quy tổng thể.

Cách thức sử dụng mức ý nghĩa sig. cho kiểm định Wald cũng theo nguyên tắc thông thường, nếu sig. nhỏ hơn mức ý nghĩa đưa ra thì kết luận có ý nghĩa về mặt thống kê và ngược lại.

Kiểm định phương sai sai số thay đổi

Phương sai của phần dư thay đổi là hiện tượng các giá trị phần dư có phân phối không giống nhau, và giá trị phương sai không như nhau. Bỏ qua phương sai của phần dư thay đổi sẽ làm cho ước lượng của các hệ số hồi quy không hiệu quả.

33

Để kiểm tra hiện tượng này, nghiên cứu sử dụng kiểm định Spearman, nếu sig. > 0,05 thì phương sai phần dư không đổi và ngược lại.

3.4 Quy trình phân tích và xử lý dữ liệu trên SPSS

Đề tài sử dụng phần mềm SPSS để xử lý và phân tích dữ liệu. Quy trình thực hiện được tác giả tiến hành và minh hoạ bằng hình 3.3. Bên cạnh đó, phần mềm MS Excel cũng được sử dụng để hỗ trợ cho phần tính toán một số chỉ tiêu có liên quan.

Hình 3.2: Quy trình phân tích và xử lý dữ liệu

TÓM TẮT CHƯƠNG 3

Dựa vào cơ sở lý luận về KNTN và các nhân tố tác động đến KNTN đúng hạn của HSSV ở chương 2, tác giả đã đề xuất mô hình nghiên cứu tại chương 3. Mô hình này có sự phù hợp với mục tiêu nghiên cứu của đề tài, bao gồm phương trình hồi qui Binary Logistic và các biến trong mô hình nghiên cứu. Ngoài ra, trong chương này cũng đã nêu các phương pháp thu thập dữ liệu nghiên cứu, kích thước mẫu và những phương pháp phân tích sử dụng trong đề tài bao gồm: Phương pháp

Một số kiểm định liên quan Nhập và mã hóa dữ liệu vào phần mềm SPSS Phân tích thống kê mô tả

Kiểm định độ phù hợp của mô hình Kiểm định ý nghĩa các hệ số hồi quy

Hồi quy Binary Binary Logistic

Phân tích, đánh giá kết quả nghiên cứu

Kiểm định tự tương quan, kiểm định đa cộng tuyến, phương sai thay đổi

34

phân tích hồi qui và phương pháp kiểm định mô hình nghiên cứu. Từ đó, làm cơ sở cho việc trình bày kết quả nghiên cứu từ việc chạy mô hình hồi qui trong chương 4.

35

CHƯƠNG 4: PHÂN TÍCH VÀ THẢO LUẬN KẾT QUẢ NGHIÊN CỨU

Trên cơ sở những lý thuyết và mô hình nghiên cứu đã được giới thiệu ở các chương trước, chương 4 thực hiện thống kê mô tả đối với các biến của mô hình hồi qui Binary Logistic. Đề tài sẽ tập trung đi sâu vào phân tích kết quả hồi qui Binary Logistic dựa trên các giả thuyết, lý thuyết, thực nghiệm đã trình bày. Qua đó, để xác định các nhân tố ảnh hưởng đến KNTN của HSSV và mức độ tác động của các nhân tố đó tại vùng nghiên cứu.

4.1 Phân tích thống kê mô tả

4.1.1 Thực trạng tín dụng học sinh, sinh viên tại Bến Tre

Chương trình tín dụng HSSV theo Quyết định 157 được triển khai là một chính sách có ý nghĩa cả về kinh tế, chính trị và xã hội, đáp ứng được nguyện vọng chính đáng của người dân có thu nhập thấp, tạo được sự đồng thuận cao của cộng đồng xã hội trên địa bàn tỉnh Bến Tre. Điều đó khẳng định chủ trương của Đảng, chính sách của Chính phủ về tín dụng đối với HSSV theo Quyết định 157 là đúng đắn, phù hợp với nguyện vọng của nhân dân. Đây là một chương trình tín dụng có tính nhân văn sâu sắc, tính xã hội hóa cao, liên quan đến nhiều cấp, nhiều ngành, nhiều tổ chức, cá nhân từ trung ương đến địa phương.

Chương trình cũng đã tạo sự gắn kết giữa kinh tế với xã hội trong công tác xóa đói giảm nghèo, đảm bảo an sinh xã hội, bình đẳng trong giáo dục, góp phần tạo nguồn nhân lực cho phát triển kinh tế, xã hội tại Bến Tre. Việc xã hội hóa chương trình tín dụng đối với HSSV đã tạo sự minh bạch trong thực hiện chính sách, giảm thiểu được rủi ro, phát huy được vai trò trách nhiệm của cả xã hội, gia đình và HSSV người trực tiếp sử dụng vốn vay. Vì vậy, hộ gia đình vay vốn HSSV có ý thức trách nhiệm hơn trong việc tiết kiệm các khoản chi, tận dụng mọi nguồn thu nhập từ gia đình để trả nợ khi đến hạn.

Việc thay đổi phương thức cho vay từ cơ chế cho vay trực tiếp đối với HSSV sang cơ chế cho vay hộ gia đình có con là HSSV đã phát huy hiệu quả. Trước đây thu hồi nợ của HSSV gặp nhiều khó khăn, nhiều HSSV khi ra trường không có mối liên hệ gì với ngân hàng và nhà trường, đã gây khó khăn trong việc theo dõi và thu

36

hồi nợ. Nhiều học sinh ra trường đã có việc làm nhưng không tự giác trả nợ hoặc gia đình có con vay vốn nhưng không muốn khai báo HSSV đang công tác ở đâu khiến ngân hàng không thu hồi được vốn để quay vòng cho HSSV các khóa sau vay vốn. NHCSXH đã thay đổi phương thức cho vay, chuyển cho vay trực tiếp với HSSV sang cho vay hộ gia đình, hộ gia đình là người đại diện cho HSSV trực tiếp vay vốn và trả nợ ngân hàng thực hiện phương án cho vay thông qua hộ gia đình, gia đình trực tiếp nhận nợ và chịu trách nhiệm trả nợ. Đây là căn cứ quan trọng để NHCSXH Bến Tre đề ra các giải pháp hiệu quả thu hồi nợ đến hạn.

Nhờ thực hiện tốt chính sách giảm lãi tiền vay khi trả nợ trước hạn, đã tạo ý thức tự nguyện, động lực kích thích trả nợ của người vay trên địa bàn tỉnh. Do vậy, khi hộ vay HSSV có tiền là nghĩ ngay đến việc trả nợ, nhiều hộ vay đã chủ động và tự nguyện trả nợ trước hạn để hưởng chính sách giảm lãi suất tiền vay. Việc trả nợ trước hạn cũng đã góp phần giảm gánh nặng cho HSSV khi đến hạn trả nợ cuối cùng, đồng thời giúp NHCSXH Bến Tre có nguồn vốn bổ sung cho vay quay vòng.

Việc cho vay thông qua ủy thác một số công việc đối với các tổ chức chính trị - xã hội đã giúp chuyển tải vốn tín dụng ưu đãi nhanh chóng, kịp thời, tiết kiệm thời gian, chi phí cho cả người vay và ngân hàng. Đồng thời tranh thủ được sự chỉ đạo, kiểm tra, giám sát của chính quyền địa phương, sự tham gia của tổ tiết kiệm và vay vốn (TK&VV), của các tổ chức chính trị - xã hội trên địa bàn tỉnh cùng triển khai thực hiện chương trình từ bình xét, xác nhận đối tượng, hướng dẫn thủ tục để cho vay đến việc sử dụng vốn vay và trả nợ tiền vay khi đến hạn.

Mức cho vay HSSV tại thời điểm nghiên cứu là 1,5 triệu đồng/tháng/HSSV (theo Quyết định 751/QĐ-TTg năm 2017 của Thủ tướng Chính phủ) với lãi suất 6,6%/năm (theo Quyết định 750/QĐ-TTg năm 2015 của Thủ tướng Chính phủ). Từ khi triển khai thực hiện chương trình đến nay, NHCSXH Bến Tre đã giúp cho hơn 41.609 gia đình HSSV được vay vốn để cho trên 44.393 HSSV đến trường học tập, bình quân mỗi HSSV vay 13,83 triệu đồng. Qua đó, góp phần thực hiện tốt chủ trương của Chính phủ là không để một HSSV nào phải bỏ học vì lý do khó khăn tài chính (Báo cáo tổng kết hoạt động 15 năm NHCSXH Bến Tre, 2017).

37

Dư nợ chương trình tín dụng HSSV hiện nay chiếm tỷ trọng tương đối trong tổng dư nợ của NHCSXH Bến Tre (tỷ lệ khoảng 10%). Dư nợ cho vay HSSV những năm qua giảm, do một phần dư nợ đã đến kỳ hạn trả nợ, và việc xác nhận đối tượng gia đình vay vốn HSSV được UBND xã/phường rà soát sát với Quyết định 157 hơn. Bên cạnh đó, một số hộ gia đình khó khăn về kinh tế, khi HSSV ra trường chưa có việc làm, không có thu nhập hoặc thu nhập thấp nên không thể phụ gia đình trả nợ. Trong khi đó, kinh tế người dân Bến Tre chủ yếu dựa chăn nuôi heo, bò và trồng cây nông nghiệp như dừa, lúa và cây ăn quả. Nhưng nhiều năm qua dừa khô xuất khẩu giảm và liên tục rớt giá, chăn nuôi heo thường xuyên xảy ra dịch bệnh, giá cả không ổn định, hạn mặn xâm nhập kéo dài, đã ảnh hưởng nghiêm trọng đến phát triển kinh tế và đời sống, nên người dân gặp rất nhiều khó khăn trong việc trả nợ đến hạn, nợ quá hạn những năm qua tại NHCSXH Bến Tre liên tục tăng (Báo cáo tổng kết hoạt động 15 năm NHCSXH Bến Tre, 2017). Bảng 4.1 thể hiện dư nợ cho vay HSSV giai đoạn 2014 - 2018.

Bảng 4.1: Dư nợ và tỷ lệ nợ quá hạn cho vay HSSV giai đoạn 2014 - 2018 Năm Dư nợ (trđ) Nợ quá hạn

Dư nợ quá hạn (trđ) Tỷ lệ (%) 2014 267.951 1.187 0,44 2015 229.105 1.086 0,47 2016 188.674 1.355 0,72 2017 179.417 1.830 1,02 2018 174.746 2.113 1,21

Nguồn: Báo cáo tài chính NHCSXH Bến Tre (2018) Đến cuối năm 2018, đối tượng gia đình vay vốn HSSV là hộ nghèo, cận nghèo