Đánh giá khả năng trả nợ của khách hàng cá nhân-nghiên cứu trường hợp Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam

Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
15
ĐÁNH GIÁ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN 
– NGHIÊN CỨU TRƯỜNG HỢP NGÂN HÀNG NÔNG NGHIỆP 
VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM – 
CHI NHÁNH HUYỆN TÂN HƯNG, TỈNH LONG AN
ASSESSMENT OF INDIVIDUAL CUSTOMERS’ LOAN LIABILITY - 
CASE STUDY OF VIETNAM BANK FOR AGRICULTURE 
AND RURAL DEVELOPMENT – TAN HUNG BRANCH, 
LONG AN PROVINCE
Trần Thanh Phong, Nguyễn Thanh Bình1, Lữ Xuân Trang2, Đỗ Thị Phượng3
Ngày nhận bài: 13/12/2019 Ngày chấp nhận đăng: 13/01/2020 Ngày đăng: 05/06/2020
Tóm tắt
Bài nghiên cứu về khả năng trả nợ của khách hàng cá nhân được thực hiện tại Agribank Tân 
Hưng, Tỉnh Long An. Dữ liệu nghiên cứu được xuất từ hệ thống IPCAS (Customer payment and 
accounting system) của Ngân Hàng Nông nghiệp và phát triển nông thôn Tân Hưng vào thời điểm 
cuối ngày 31 tháng 12 năm 2018 (những khách hàng có quan hệ tín dụng với ngân hàng liên tục 
từ 3 năm trở lên trong giai đoạn 2016-2018). Với kích thước n = 300 và chọn 300 khách hàng gần 
nhất. Kết quả nghiên cứu cho thấy có 6 thành phần tác động có ý nghĩa thống kê tới khả năng trả 
nợ của khách hàng cá nhân gồm: (1) Nhà ở, (2) Mục đích khoản vay, (3) Số người phụ thuộc, (4) 
Thu nhập, (5) Tuổi, (6) Quy mô khoản vay.
Từ khóa: Agribank Tân Hưng, khả năng trả nợ, khách hàng cá nhân.
Abstract
The study of verifying the repayment of individual customers was conducted at Agribank Tan Hung, 
Long An Province. Data was collected from Agribank Tan Hung’s IPCAS (Customer payment and 
accounting system) at the end of December 31st, 2018 (customers who have had credit relationship 
with the bank for 3 years or more up in the period of 2016-2018). With sample n = 300 and the nearest 
300 customers chosen. Results show that there are 6 components that have statistical effects on the 
solvency: (1) Housing, (2) Loan purpose, (3) Family dependents , (4) Income, (5) Age, (6) Loan.
Keywords: Agribank Tan Hung, solvency, individual customers.
____________________________________________________
1 Trường Đại học Kinh tế Công nghiệp Long An
2 Trường Cao đẳng Lý Tự Trọng
3 Trường Cao đẳng Kinh tế đối ngoại
Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
16
Ngân hàng Nông nghiệp và phát triển nông 
thôn Việt Nam – Chi nhánh huyện Tân Hưng 
(Agribank huyện Tân Hưng) cũng không nằm 
ngoài xu thế đó. Hiện tại cơ cấu khách hàng tại 
Agribank huyện Tân Hưng chưa cân đối, đối 
tượng chủ yếu mà ngân hàng cho vay trong thời 
gian qua là khách hàng cá nhân chiếm trên 98% 
trong tổng dư nợ tại ngân hàng giai đoạn 2016-
2018, tỷ trọng nợ xấu có xu hướng tăng lần lượt 
là: 1,04%, 1,06% và 1,12%. Do vậy để phát 
triển bền vững, việc đánh giá khả năng trả nợ 
của khách hàng cá nhân có căn cứ để ra quyết 
định là nhu cầu cần thiết.
Xuất phát từ những lý do trên, nghiên cứu: 
Đánh giá khả năng trả nợ của khách hàng cá 
nhân – nghiên cứu trường hợp Ngân hàng Nông 
nghiệp và phát triển nông thôn Việt Nam – chi 
nhánh huyện Tân Hưng, tỉnh Long An là cần 
thiết trong giai đoạn hiện nay, nhằm tăng khả 
năng cạnh tranh và hiệu quả kinh doanh.
2. Cơ sở lý thuyết và mô hình nghiên cứu
2.1. Khả năng trả nợ của khách hàng cá nhân
Thông qua định nghĩa của IMF và các dấu 
hiệu mà Hiệp ước Basel II mô tả có thể thấy 
thông thường việc khách hàng phát sinh nợ xấu 
đồng nghĩa với việc khách hàng không có khả 
năng trả nợ. Tại Việt Nam, theo khoản 8 điều 3 
chương I của Thông tư số 02/2013/TT-NHNN 
có quy định nợ xấu (NPL) là nợ thuộc các nhóm 
3, 4 và 5, trong đó điều 11 mục 1 chương II có 
quy định rõ:
Khả năng trả nợ của khách hàng là việc khách 
hàng có khả năng trả nợ đầy đủ và đúng hạn với 
bên cho vay hay không (Ngân hàng Nhà Nước, 
2013). Hiện tại vẫn chưa có định nghĩa thống 
nhất về khái niệm “khả năng trả nợ” mà chỉ 
có những dấu hiệu về việc khách hàng “không 
có khả năng trả nợ”, thông qua phương pháp 
loại trừ ta có thể hiểu ngoài những khách hàng 
“không có khả năng trả nợ” là những khách 
hàng “có khả năng trả nợ”. Theo Hiệp ước 
Basel II có 2 tình trạng sau có thể dùng làm căn 
1. Giới thiệu
Trong bối cảnh nền kinh tế vẫn còn nhiều 
khó khăn, hoạt động sản xuất kinh doanh của 
các doanh nghiệp ngày càng bị thu hẹp và đình 
trệ, số lượng doanh nghiệp giải thể, ngừng hoạt 
động không ngừng gia tăng qua từng năm, việc 
tiếp cận nguồn vốn vay ngân hàng đối với các 
doanh nghiệp trở nên hết sức khó khăn, đặc 
biệt là đối với các doanh nghiệp có quy mô 
vừa và nhỏ không có tài sản đảm bảo. Điều 
này không chỉ gây khó khăn cho các doanh 
nghiệp mà còn làm các ngân hàng bị “ứ đọng 
vốn”. Trước thực trạng đó, tín dụng cá nhân trở 
thành một mảnh đất màu mỡ để các ngân hàng 
khai thác và đây cũng là nhóm khách hàng 
chiến lược mà các ngân hàng hướng đến hiện 
nay. Chênh lệch giữa lãi suất cho vay và huy 
động trong mảng khách hàng cá nhân khá cao 
so với khách hàng doanh nghiệp. Cụ thể, lãi 
vay đối với cá nhân tiêu dùng, sản xuất nông 
nghiệp, mua nhà, các ngân hàng vẫn áp dụng 
mức phổ biến từ 7 – 12%/năm, trong khi huy 
động tiết kiệm chỉ từ 5 – 7%/năm. Đó chính là 
lý do để các ngân hàng đẩy mạnh tín dụng cho 
phân khúc khách hàng này. 
Việc các ngân hàng tập trung vào phát triển 
mảng cho vay khách hàng cá nhân trong bối 
cảnh thị trường tín dụng còn nhiều khó khăn là 
quyết định hợp lý và khôn ngoan. Tuy nhiên, 
việc tăng trưởng tín dụng lại luôn đi kèm với rủi 
ro tín dụng, với loại mảng cho vay cá nhân hàm 
chứa nhiều rủi ro hơn cả. Rủi ro tín dụng xuất 
phát từ nhiều nguyên nhân, trong đó có yếu tố 
chủ quan đó là việc các ngân hàng vẫn chưa 
chú trọng đến công tác thẩm định, đánh giá 
khả năng trả nợ của khách hàng một cách khoa 
học. So với việc thẩm định khách hàng doanh 
nghiệp - đối tượng mà các ngân hàng có thể 
đánh giá khả năng trả nợ thông qua các chứng 
từ rõ ràng, việc đánh giá khách hàng cá nhân 
gặp khá nhiều khó khăn, phần lớn việc đánh giá 
năng lực của khách hàng cá nhân còn phụ thuộc 
vào năng lực, kinh nghiệm và cả yếu tố cảm 
tính của cán bộ tín dụng.
Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
17
hàng vẫn còn khả năng trả nợ, dù khả năng 
trả nợ bị suy yếu trước mắt. 
Để thống nhất cách hiểu trong toàn bộ bài 
nghiên cứu, nghiên cứu này thống nhất việc 
đánh giá “khả năng trả nợ” của khách hàng theo 
Thông tư số 02/2013/TT-NHNN, nghĩa là sẽ 
được đánh giá thông qua nhóm nợ cao nhất tại 
các TCTD khách hàng có quan hệ tín dụng. Cụ 
thể, những khách hàng hiện đang có nợ nhóm 
3, 4, 5 được hiểu là nhóm khách hàng không 
có khả năng trả nợ, những trường hợp còn lại 
(nhóm 1, 2) được hiểu là khách hàng có khả 
năng trả nợ.
2.2. Các nghiên cứu có liên quan
Theo (Đường Thị Thanh Hải, 2014), những 
nhân tố tác động tới khả năng trả nợ của khách 
hàng cá nhân gồm 3 nhóm:
Nhân tố khách hàng
Thứ nhất, năng lực tài chính của khách 
hàng. Với mỗi cán bộ tín dụng vấn đề quan tâm 
đầu tiên về khách hàng của mình là khả năng trả 
nợ. Một khoản vay vốn được ngân hàng chấp 
nhận khi khách hàng đáp ứng đầy đủ những yêu 
cầu về năng lực tài chính đủ lớn và lành mạnh 
để thực hiện nghĩa vụ trả nợ. Ngân hàng cần 
xem xét kỹ lưỡng những nguồn trả nợ nghi ngờ 
về tính lành mạnh hoặc nguồn đủ mạnh nhưng 
không ổn định.
Thứ hai, nhu cầu, thói quen và đạo đức 
khách hàng. Ngoài những nhân tố trên còn kể 
đến nhân tố khách quan bên ngoài ngân hàng 
cũng ảnh hưởng tới cho vay khách hàng cá 
nhân, đó là đạo đức khách hàng. Nếu như khách 
hàng là người có ý thức trả nợ tốt, rủi ro tín 
dụng thấp thì sẽ kích thích ngân hàng mở rộng 
hoạt động cho vay, các quy định cũng sẽ không 
quá khắt khe.
Nhân tố ngân hàng
Thứ nhất, chiến lược kinh doanh. Đây là 
nhân tố đầu tiên ảnh hưởng đến hiệu quả tín 
dụng. Nó liên quan đến các quyết định chiến 
cứ để đánh giá khả năng không trả được nợ của 
khách hàng (Nguyễn Đăng Dờn, 2016):
 Khách hàng không có khả năng thực hiện 
nghĩa vụ thanh toán đầy đủ khi đến hạn mà 
chưa tính đến việc ngân hàng bán tài sản 
(nếu có) để hoàn trả;
 Khách hàng có các khoản nợ xấu có thời 
gian quá hạn trên 90 ngày. Trong đó, những 
khoản thấu chi được xem là quá hạn khi 
khách hàng vượt hạn mức hoặc được thông 
báo một hạn mức nhỏ hơn dư nợ hiện tại.
Căn cứ theo định nghĩa của Quỹ tiền tệ 
quốc tế (IMF) thì: “Nợ xấu là khoản nợ khi 
quá hạn trả lãi và/hoặc gốc trên 90 ngày; hoặc 
các khoản lãi chưa trả từ 90 ngày trở lên đã 
được nhập gốc, tái cấp vốn hoặc đồng ý chậm 
theo thỏa thuận, hoặc các khoản phải thanh 
toán đã quá hạn 90 ngày nhưng có lý do để 
chắc chắn để nghi ngờ về khả năng khoản vay 
sẽ không được thanh toán đầy đủ” (Nguyễn 
Đăng Dờn, 2016).
 Nợ nhóm 3 (nợ dưới tiêu chuẩn) được hiểu là 
các khoản nợ được tổ chức tín dụng (TCTD), 
chi nhánh ngân hàng đánh giá là không có 
khả năng thu hồi nợ gốc và lãi khi đến hạn. 
Các khoản nợ này được TCTD, chi nhánh 
ngân hàng nước ngoài đánh giá là có khả 
năng tổn thất.
 Nhóm 4 (Nợ nghi ngờ) bao gồm: Các khoản 
nợ được TCTD, chi nhánh ngân hàng đánh 
giá là có khả năng tổn thất cao.
 Nhóm 5 (Nợ có khả năng mất vốn) bao gồm: 
Các khoản nợ được TCTD, chi nhánh ngân 
hàng đánh giá là không còn khả năng thu 
hồi, mất vốn.
 Cũng theo Thông tư số 02/2013/TT-NHNN, 
nợ nhóm 2 (nợ cần chú ý) là các khoản nợ 
được TCTD, chi nhánh ngân hàng đánh giá 
là có khả năng thu hồi đầy đủ cả nợ gốc và 
lãi nhưng có dấu hiệu khách hàng suy giảm 
khả năng trả nợ. Như vậy nếu khách hàng 
phát sinh nợ nhóm 2 vẫn được hiểu là khách 
Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
18
dẫn đến rủi ro cho ngân hàng và tiên lượng khả 
năng kiểm soát của ngân hàng về các rủi ro đó, 
dự kiến các biện pháp phòng ngừa và hạn chế 
thiệt hại có thể xảy ra. 
Thứ năm, công nghệ của ngân hàng. Công 
nghệ hiện đại giúp cho ngân hàng cung cấp dịch 
vụ hiện đại, phong phú phục vụ nhu cầu ngày 
càng lớn và đa dạng của khách hàng. Trong khi 
đó, đặc thù của hoạt động cho vay khách hàng 
cá nhân là giao dịch với số lượng khách hàng 
đông và đa dạng, ngân hàng phải thực hiện một 
số lượng lớn các hợp đồng cho vay. Do đó, hệ 
thống công nghệ của ngân hàng hiện đại vừa 
tiết kiệm được thời gian công sức của cán bộ tín 
dụng, vừa nhằm hạn chế tối đa sự nhầm lẫn, sai 
sót trong quá trình giao dịch với khách hàng.
Nhân tố ngoài ngân hàng
Thứ nhất, đặc điểm thị trường nơi ngân hàng 
hoạt động. Nếu là thành thị hoặc nơi tập trung 
đông dân cư, có mức thu nhập khá, trình độ học 
vấn cao thì nhu cầu vay của khách hàng cá nhân 
sẽ tăng cao hơn so với các vùng nông thôn, hẻo 
lánh nơi mà người nông dân quanh năm chỉ biết 
tới đồng ruộng.
Thứ hai, môi trường kinh tế, chính trị. Môi 
trường kinh tế, chính trị có ảnh hưởng tới hoạt 
động cho vay của khách hàng cá nhân. Nếu nền 
kinh tế phát triển tốt, thu nhập bình quân đầu 
người cao và môi trường chính trị ổn định thì 
hoạt động cho vay đối với khách hàng cá nhân 
cũng sẽ diễn ra thông suốt, phát triển vững chắc 
và hạn chế rắc rối xảy ra. 
Cách phân loại của Đường Thị Thanh Hải, 
2014 là khá tổng quát và định tính, trên thực tế 
có thể dùng cách phân loại này như là những 
tiêu chí tổng quát trong khung lý thuyết của 
mô hình.
Tại Việt Nam, cũng có một số nghiên cứu 
thực nghiệm về khả năng trả nợ của khách hàng 
cá nhân như:
lược về lựa chọn sản phẩm, đáp ứng nhu cầu 
khách hàng, giành lợi thế cạnh tranh so với các 
đối thủ, khai thác và tạo ra các cơ hội mới Dựa 
trên cơ sở một chiến lược kinh doanh được xác 
lập, ngân hàng sẽ chuyển nó thành hành động, 
lập ra những kế hoạch bộ phận cho từng thời kỳ 
đảm bảo cho những mục tiêu đã đề ra; đặc biệt 
có kế hoạch ảnh hưởng trực tiếp đến hiệu quả 
cho vay như: kế hoạch tăng trưởng tín dụng, kế 
hoạch marketing, chính sách nhân sự
Thứ hai, các chính sách, quy định của ngân 
hàng. Đó là chính sách chăm sóc khách hàng 
trước và sau khi cho vay có chu kỳ đáo hạn 
hay không; Các quy định về lãi suất và phí tín 
dụng cao hay thấp, có linh hoạt và phù hợp với 
thu nhập hiện có của người dân hay không; 
Các quy định về thời hạn tín dụng và kỳ hạn 
nợ, tài sản đảm bảo, phương thức giải ngân và 
thanh toán, thủ tục xin vay vốn có phức tạp 
hay đơn giản, thời gian thẩm định hồ sơ vay 
vốn kéo dài bao lâu
Thứ ba, chất lượng cán bộ tín dụng. Cán bộ 
tín dụng là người trực tiếp tiếp xúc với khách 
hàng, tiếp nhận hồ sơ, hướng dẫn khách hàng 
các thủ tục vay vốn, thực hiện thu thập và xử lý 
thông tin về khách hàng để đưa ra quyết định 
cho vay hay không cho vay, cũng như là người 
thực hiện giám sát sau khi cho vay và thu nợ. 
Do đó, mỗi cán bộ tín dụng phải có trình độ 
chuyên môn, khả năng nghiệp vụ, khả năng 
phân tích, đánh giá và lựa những khách hàng có 
đủ năng lực pháp lý, có đủ năng lực tài chính, 
có tư cách đạo đức tốt Nhờ có những cán bộ 
như vậy, các khoản cho vay diễn ra an toàn và 
hiệu quả hơn.
 Thứ tư, công tác thông tin. Trên cơ sở nguồn 
thông tin nhận được, ngân hàng thực hiện phân 
tích tín dụng để đánh giá khả năng hiện tại và 
tiềm năng của khách hàng về sử dụng vốn, cũng 
như khả năng hoàn trả vốn vay cho ngân hàng. 
Ngân hàng sẽ tìm kiếm những tình huống có thể 
Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
19
hạn trả nợ. Kết hợp với hai mô hình hồi quy 
là các phân tích thống kê mô tả, phân tích tương 
quan, phân tích hồi quy và phân tích sâu Anova 
một yếu tố. Kết quả cho thấy xét về mặt quy mô 
trả nợ, biến số này phụ thuộc cùng chiều với các 
biến số như “Đại học”, “Sau đại học”, “Lãnh 
đạo/Quản lý”, “Kích cỡ khoản vay”, “Thời hạn 
vay”, và “Hình thức vay”. Quy mô trả nợ cũng 
phụ thuộc vào một số biến số khác nhưng với 
ảnh hưởng ngược chiều như “Giới tính”, “Công 
nhân viên”, “Lãi suất khoản vay”, “Vay tiêu 
dùng”, “Vay mua bất động sản”. Xét về thời hạn 
trả nợ, biến số này chịu ảnh hưởng thuận chiều 
bởi các biến số như “Sau đại học”, “Lãnh đạo/
Quản lý”, “Chuyên viên”, “Kích cỡ khoản vay”, 
“Hình thức vay”. Trong khi đó các biến số khác 
như “Giới tính”, “Lãi suất vay”, hay “Vay mua 
bất động sản” tác động âm tới khả năng trả nợ 
đúng hạn (Lê Huyền Thiên Phú, 2013). 
Ngoài ra cũng có một số nghiên cứu tại nước 
ngoài cũng nghiên cứu về chủ đề trên như:
Một trong những nghiên cứu đầu tiên cho 
lĩnh vực này là nghiên cứu của Jonathan Crook. 
Trong nghiên cứu này, tác giả sử dụng mô hình 
Probit với mẫu dữ liệu nghiên cứu là 4299 hộ 
gia đình. Kết quả nghiên cứu đã cho thấy: (i) 
khả năng trả nợ chịu ảnh hưởng tích cực từ yếu 
tố độ tuổi của chủ hộ, (ii) yếu tố thu nhập, (iii) 
thu nhập ròng, và (iv) sở hữu nhà riêng. Trên 
cơ sở đó, tác giả đã đưa ra những khuyến nghị 
nhằm nâng cao khả năng trả nợ của khách hàng 
(Jonathan Crook, 1995).
Nghiên cứu của (Hussain và Shorouq, 
2014), trong bài viết này đề xuất hai mô hình 
chấm điểm tín dụng bằng cách sử dụng các 
kỹ thuật khai thác dữ liệu để hỗ trợ các quyết 
định cho vay đối với các ngân hàng thương 
mại Jordan. Đánh giá ứng dụng cho vay sẽ cải 
thiện hiệu quả quyết định tín dụng và kiểm 
soát các nhiệm vụ văn ... Xk là những yếu tố ảnh hưởng đến 
khả năng trả nợ của khách hàng, chi tiết xem 
bảng 1.
β0: là hệ số chặn của mô hình;
β1,, βk là những hệ số của các biến độc lập.
hình chấm điểm tín dụng. Kết quả chỉ ra rằng 
mô hình hồi quy logistic (logistic regression 
model) thực hiện tốt hơn một chút so với mô 
hình hàm cơ sở xuyên tâm (the radial basis 
function model ) về tỷ lệ chính xác tổng thể. 
Trong nghiên cứu này tác giả đề xuất mô hình 
với các biến độc lập như: (i) tuổi, (ii) giới tính, 
(iii) thu nhập, (iv) loại hình công ty, (vi) bảo 
lãnh, (vii) khoản vay, (vii) thời hạn vay, (viii) 
mục đích vay, (ix) quốc tịch.
Nghiên cứu của (Yasir Mehmood và cộng 
sự, 2012) về các yếu tố ảnh hưởng đến trễ hạn 
trả nợ tín dụng nông nghiệp cho thấy sự giám 
sát cẩu thả của nhân viên ngân hàng, sử dụng 
vốn vay sai mục đích, lãi suất cao và sự biến đổi 
trong kinh doanh gây ra sự chậm trễ trong việc 
trả nợ của khách hàng.
Nghiên cứu của (Kohansal & Mansoori, 
2009) sử dụng mô hình logit để giải thích khả 
năng trả nợ vay đúng hạn. Kết quả cho thấy 
kinh nghiệm của nông dân, thu nhập, khoản vay 
nhận được và giá trị tài sản thế chấp có quan 
hệ đồng biến với khả năng trả nợ, trong khi lãi 
suất cho vay, khoản trả góp nghịch biến với khả 
năng trả nợ.
Bảng 1. Các biến độc lập được sử dụng trong nghiên cứu
Nhóm 
biến
Ký 
hiệu
Mô tả biến Thang đo
Giả 
thiết
Nguồn nghiên cứu
KHÁCH 
HÀNG
X1 Độ tuổi Năm - Jonathan Crook (1995)
X2
Tình trạng 
sở hữu nhà ở
Bằng 0 nếu không sở hữu 
nhà ở và bằng 1 nếu ngược 
lại.
+
Jonathan Crook (1995); 
Nguyễn Phúc Mẫn (2015). 
X
3
Người phụ 
thuộc
Số người - Nguyễn Phúc Mẫn (2015) 
X4
Lịch sử tín 
dụng
Bằng 0 nếu chưa từng phát 
sinh NQH và bằng 1 nếu đã 
từng phát sinh NQH.
+
Jonathan Crook (1995); Lê 
Huyền Thiên Phú (2013); 
Nguyễn Phúc Mẫn (2015).
X
5
Thu nhập Triệu đồng/tháng +
Jonathan Crook (1995); Lê 
Huyền Thiên Phú (2013); 
Nguyễn Phúc Mẫn (2015).
Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
21
Classification Table: bảng này cho ta kiểm 
tra độ chính xác trong việc dự báo của mô hình, 
tỷ lệ phần trăm dự đoán đúng càng cao cho thấy 
mô hình càng dự báo càng chính xác (Hoàng 
trọng & Chung Nguyễn Mộng Ngọc, 2008).
Chỉ số - 2 Log likelihood (- 2 LL): chỉ số này 
cho biết mức độ giải thích của mô hình tổng thể 
thông qua chỉ số này càng nhỏ thể hiện độ phù 
hợp càng cao (Hoàng trọng & Chung Nguyễn 
Mộng Ngọc, 2008).
Chỉ số Nagelkeeke R Square: cho thấy biến 
độc lập giải thích được % cho biến phụ thuộc, 
mô hình phu hợp khi chỉ số này Nagelkeeke 
> 50% (Hoàng trọng & Chung Nguyễn Mộng 
Ngọc, 2008).
Bước 2: Dựa trên các tiêu chuẩn đo lường 
mức độ phù hợp của mô hình thực hiện loại dần 
các biến không có ý nghĩa giải thích cho mô 
hình. Kiểm tra lại mô hình sau khi loại bớt các 
biến với các tiêu chuẩn như ở bước 1 .
Bước 3: Đề xuất mô hình phù hợp sau khi 
tìm ra mô hình tối ưu.
4. Kết quả nghiên cứu và thảo luận
Kết quả kiểm định độ phù hợp của mô hình 
ta có Sig < 0.05, cho thấy mối tương quan giữa 
biến phụ thuộc và các biến độc lập trong mô 
hình có ý nghĩa thống kê tổng quát ở mức 99% 
(xem Bảng 2). 
3. Phương pháp nghiên cứu
3.1. Phương pháp chọn mẫu
Dữ liệu nghiên cứu được được xuất từ 
hệ thống IPCAS (Customer payment and 
accounting system) của Agribank Tân Hưng 
vào thời điểm cuối ngày 31 tháng 12 năm 2018 
(những khách hàng có quan hệ tín dụng với 
ngân hàng liên tục từ 3 năm trở lên trong giai 
đoạn 2016 - 2018). Trong nghiên cứu này nhóm 
nghiên cứu chọn ngẫu nhiên 300 khách hàng có 
thời gian quan hệ tín dụng gần nhất.
3.2. Quy trình nghiên cứu
Tác giả sử dụng phần mềm SPSS 20 để chạy 
dữ liệu hồi quy Binary Logistic như sau:
Bước 1: Chạy mô hình và xác định những 
biến quan trọng. Thông qua kết quả chạy mô 
hình tác giả xác định những biến độc lập có ảnh 
hưởng đến khả năng trả nợ của khách hàng. Các 
tiêu chuẩn cần xem xét để đánh giá mức độ phù 
hợp của mô hình: 
Omnibus Test of Model Coefficients (OB): 
dùng để kiểm định sự phù hợp tổng quát của 
mô hình với giả thiết H0: β1 = β2 = = βk = 0, 
nếu Sig < α thì giả thiết H0 bị bác bỏ hay ta có 
thể kết luận mô hình phù hợp một cách tổng 
quát (Hoàng trọng & Chung Nguyễn Mộng 
Ngọc, 2008). 
Nhóm 
biến
Ký 
hiệu
Mô tả biến Thang đo
Giả 
thiết
Nguồn nghiên cứu
NGÂN 
HÀNG
X6 Kỳ hạn vay Tháng +
Lê Huyền Thiên Phú 
(2013); Nguyễn Phúc Mẫn 
(2015).
X
7
Quy mô 
khoản vay
Triệu đồng +/-
Jonathan Crook (1995); Lê 
Huyền Thiên Phú (2013); 
Nguyễn Phúc Mẫn (2015).
NGOÀI 
NGÂN 
HÀNG
X
8
Mục đích 
khoản vay
Bằng 0 nếu mục đích phi 
SXKD và bằng 1 nếu 
SXKD.
+
Lê Huyền Thiên Phú 
(2013); Nguyễn Phúc Mẫn 
(2015).
Nguồn: Tổng hợp của tác giả
Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
22
Kết quả kiểm định cho thấy giá trị -2LL = 
60,293 không cao lắm, điều này thể hiện mức độ 
phù hợp khá tốt của mô hình tổng thể. Kết quả 
kiểm định cho thấy 92,4% sự thay đổi của biến 
phụ thuộc được giải thích bởi biến độc lập trong 
mô hình, phần còn lại là do các yếu tố khác. Kết 
quả kiểm định cho thấy mức độ giải thích của mô 
hình khá cao là 92,4% (xem Bảng 3).
Kết quả trên Bảng 4 cho thấy có 128 trường 
hợp không trả được nợ, trong đó dự báo đúng 
120 trường hợp (dự báo đúng 93,8%). Trong 
172 trường hợp trả được nợ kết quả dự báo 
đúng 162 trường hợp (dự báo đúng 94,2%). Kết 
quả kiểm định cho thấy tỷ lệ dự đoán đúng của 
toàn mô hình là 94% (xem Bảng 4).
Bảng 2. Mức độ phù hợp tổng quát 
của mô hình
Chi-square df Sig.
Step 1
Step 349.119 8 .000
Block 349.119 8 .000
Model 349.119 8 .000
Nguồn: Trích từ kết quả hồi quy Binary Logistic
Bảng 3. Mức độ giải thích của mô hình
Step -2 Log 
likelihood
Cox & Snell 
R Square
Nagelkerke 
R Square
1 60.293a .688 .924
Nguồn: Trích từ kết quả hồi quy Binary Logistic
 Bảng 4. Kết quả dự báo của mô hình
Observed Predicted
Y Percentage Correct
0 khong tra 1 tra duoc
Step 1
y
0 khong tra 120 8 93.8
1 tra duoc 10 162 94.2
Overall Percentage 94.0
Nguồn: Trích từ kết quả hồi quy Binary Logistic
Kiểm định ý nghĩa hệ số hồi quy: kiểm định 
Wald về ý nghĩa của các hệ số hồi quy của 6 
biến qmo, tnhap, tuoi, pthuoc, mdich, nhao có 
ý nghĩa thống kê ở mức 95% (xem Bảng 5) với 
phương trình hồi quy như sau:
Y = ln (
Pi
) = 0,081*qmo + 0,449*tnhap + 0,409*tuoi – 1,319*pthuoc + 1,443*mdich + 1,875*nhao
1 – Pi
Bảng 5. Kết quả hồi quy của mô hình
B S.E. Wald df Sig. Exp(B)
Step 1a
qmo .081 .018 20.778 1 .000 1.085
tnhap .449 .100 20.094 1 .000 1.566
tuoi .409 .087 22.264 1 .000 1.505
pthuoc -1.391 .571 5.927 1 .015 .249
mdich 1.443 .705 4.193 1 .041 4.234
Lsu .882 .755 1.366 1 .242 2.416
khan .260 .678 .147 1 .702 1.297
nhao 1.875 .755 6.159 1 .013 6.519
Constant -28.786 5.612 26.305 1 .000 .000
Nguồn: Trích từ kết quả hồi quy Binary Logistic
Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
23
Thu nhập β = 0,449, cho thấy β > 0 khi người 
vay vốn có thu nhập càng cao thì càng tăng khả 
năng trả nợ (EXP = 1,566).
Tuổi β = 0,409, cho thấy β > 0 khi người trả 
nợ càng có tuổi thì khả năng trả nợ càng cao 
(EXP = 1,505).
Quy mô β = 0,081 (hệ số này khá nhỏ) cho 
thấy β > 0 khi người vay vốn càng nhiều thì 
càng tăng khả năng trả nợ. Đây kết quả thú vị 
ở nghiên cứu này, mặc dù hệ số β khá nhỏ. Có 
thể với những người có vay số vốn lớn với nông 
dân thường là đối tượng có sự chuẩn bị kỹ về 
phương án làm ăn cả phương án trả nợ, nên vấn 
đề thất bại đối với những cá nhân này ít xảy ra 
so với những cá nhân vay với nguồn vốn nhỏ lẻ 
khác (EXP = 1,085).
 5.2. Khuyến nghị
Dựa trên những phân tích và những phát hiện 
của nghiên cứu, nhóm tác giả đề xuất những 
khuyến nghị như sau:
- Đối với ngân hàng: Ngoài những công cụ 
thẩm định hiện có cần tham khảo thêm kết quả 
dự báo của mô hình nghiên cứu này trong đó 
những yếu tố quan trọng lần lược được ưu tiên 
xem xét là:
(1) Xem xét cá nhân đó có nhà ở hay không, 
có nhà ở sẽ là lợi thế, đây là yếu tố có hệ số β 
lớn nhất. Ngoài ra nhà ở còn là tài sản đảm bảo 
thu hồi vốn cho ngân hàng. Theo nghiên cứu 
này là yếu tố quan trọng nhất cần được xem xét.
(2) Mục đích vay trong đó vay cho sản xuất 
được ưu tiên. Kết quả của nghiên cứu này cho 
thấy vay cho mục đích sản xuất sẽ tăng khả 
năng trả nợ so với vay phi sản xuất. Việc ngân 
hàng chú ý ưu tiên cho đối tượng vay sản xuất 
cũng phù hợp với chủ trương của Nhà nước về 
chính sách với nông nghiệp.
(3) Số người phụ thuộc làm giảm khả năng 
trả nợ, nếu số người thu thuộc ít sẽ là lợi thế. 
Với kết quả của nghiên cứu số người phụ thuộc 
5. Kết luận và hàm ý
5.1. Kết Luận
Kiểm định ý nghĩa hệ số hồi quy cho thấy 
6 biến là: (1) Quy mô (qmo) tức là số tiền mà 
khách hàng vay của ngân hàng; (2) Thu nhập 
(tnhap) tức là thu nhập hàng tháng trung bình 
của khách hàng; (3) Tuổi (tuoi) tức là số tuổi 
của khách hàng vay vốn của ngân hàng; (4) Phụ 
thuộc (pthuoc) tức là số người phụ thuộc vào 
kinh tế đối với người vay vốn ngân hàng; (5) 
Mục đích (mdich) tức là tiền vốn vay từ ngân 
hàng khách hàng dùng để làm gì; (6) Nhà ở 
(nhao) tức là người vay vốn ngân hàng có nhà 
hợp pháp hay không.
Theo kết quả nghiên cứu cho thấy độ lớn của 
hệ số beta lần lược theo thứ tự như sau:
Nhà ở: β = 1,875 cho thấy β > 0 khi người 
vay vốn có nhà ở sẽ tăng khả năng trả nợ. Có 
thể đây là dấu hiệu nhận thấy khi khách hàng 
có tài sản thì ý thức trả nợ càng cao vì họ biết 
rằng đó là điều kiện đảm bảo cho khoản vay với 
ngân hàng. Ngoài ra chỉ số EXP = 6,519 cho 
thấy người có nhà thì khả năng trả nợ cao hơn 
người không có nhà 6,519 lần (nếu các yếu tố 
khác không đổi).
Mục đích β = 1,443 cho thấy β > 0 khi người 
vay vốn dùng cho mục đích sản xuất sẽ tăng khả 
năng trả nợ so với mục đích phi sản xuất. Trong 
điều kiện sản xuất tại địa phương, chủ yếu là 
nông nghiệp, mặc dù thu nhập từ nông nghiệp 
không quá cao đột biến như những ngành phi 
sản xuất, nhưng để thất trắng ít xảy ra do vậy 
vấn đề trả nợ được đảm bảo (EXP = 4,234).
Phụ thuộc β = -1,391 cho thấy β < 0 khi 
người vay vốn càng có nhiều người phụ thuộc 
sẽ giảm khả năng trả nợ. Nếu người phụ thuộc 
càng nhiều có nghĩa là chủ hộ phải trả nhiều 
hơn cho những khoản chi phí sinh hoạt tối thiểu 
hàng ngày, chi cho việc học hành, khám chữa 
bệnh và các khoản chi khác điều này làm giảm 
khả năng trả nợ (EXP = 0,249).
Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
24
vay nhiều thì khả năng trả nợ càng kém. Nhưng 
trong nghiên cứu này ngược lại. Với đa phần 
nông hộ, những người vay vốn lớn thường có 
phương án kinh doanh rõ ràng, khả năng quản 
trị nguồn vốn tốt do vậy khả năng thành công 
cao. Với những hộ vay vốn ít có thể họ sử dụng 
sai mục đích cho những khoản vay đó dẫn đến 
khả năng trả nợ kém. Do vậy cán bộ tín dụng 
cần xem xét những khoản vay lớn vì nếu quá 
thận trọng sẽ mất những khách hàng tốt.
- Đối với chính quyền địa phương: Để công 
tác thẩm định đạt hiệu quả cao, những thông 
tin trong hồ sơ vay chính xác đều quan trọng, 
nó quyết định chất lượng thẩm định. Do vậy 
công tác lưu trữ hồ sơ và quản lý thật chặt chẽ, 
nhằm giúp cho công tác thẩm định được chính 
xác. Ngoài ra chính quyền địa phương tuyên 
truyền khuyến khích nông hộ mua bảo hiểm 
đối với cây trồng, vật nuôi, tài sản phục vụ sản 
xuất, nhằm phân tán rủi ro khi sử dụng vốn tín 
dụng. Như vậy, sẽ góp phần giải quyết những 
khó khăn khách quan mà nông hộ gặp phải. Bên 
cạnh đó, chính quyền địa phương cũng nên bám 
sát, theo dõi việc thực hiện các phương pháp 
canh tác mới trong nông nghiệp để đem lại hiệu 
quả kinh tế cao. Giới thiệu các loại phân bón, 
thuốc trừ sâu, thuốc phòng ngừa bệnh cho cây 
trồng, vật nuôi cho nông hộ để mang lại năng 
suất cao.
trong gia đình của nông hộ có tác động rất tiêu 
cực đến khả năng trả nợ. Vì chất lượng của 
khoản vay, do vậy các bộ tín dụng cần xem 
xét ở nhiều khía cách khác, cân nhắc trước khi 
quyết định với trường hợp này.
(4) Thu nhập càng cao sẽ tăng khả năng 
trả nợ. Mặc dù thu nhập là 1 nhân tố trực tiếp, 
nhưng trong kết quả của ngiên cứu này đứng ở 
vị trí thứ 4 về mức độ quan trọng. Trong điều 
kiện tại Việt Nam nói chung hay cụ thể tại Tân 
Hưng, một huyện thâm canh về nông nghiệp, có 
thể đa phần chủ hộ là nông dân. Có thể chính 
lý do này mà việc thẩm định về thu nhập sẽ gặp 
khó khăn. Do vậy nhân tố này cần thẩm định 
cẩn thận.
(5) Tuổi càng cao sẽ tăng khả năng trả nợ, 
đây là yếu tố có hệ số β không cao, cần xem xét. 
Trong kết quả nghiên cứu cho thấy tuổi càng 
cao thì có ưu thế trong khả năng trả nợ. Có thể 
trên thực tế những nông hộ có tuổi là những 
người dân “gốc” ở địa phương, những người có 
tài sản, đất đai và thu nhập từ nhiều nguồn. Do 
vậy đây là nhân tố rất quan trọng mà cán bộ tín 
dụng cần chú ý.
(6) Quy mô vốn vay cao sẽ tăng khả năng 
trả nợ, đây là yếu tố có β rất thấp, cũng cần 
xem xét, kết quả của nghiên cứu này rất thú 
vị, ngược lại với suy nghĩ thông thường, người 
TÀI LIỆU THAM KHẢO
Tiếng Việt
Đường Thị Thanh Hải, (2014). Các nhân tố ảnh hưởng đến tín dụng cá nhân ở Việt Nam. Tạp Chí Tài Chính, 
số 4 – 2014.
Hoàng Trọng & Chu Nguyễn Mộng Ngọc, (2005). Phân tích dữ liệu với SPSS. Hà Nội: Nhà xuất bản Thống 
Kê.
Lê Huyền Thiên Phú, (2013). Các nhân tố ảnh hưởng tới khả năng trả nợ của khách hàng cá nhân tại Ngân 
hàng TMCP Phát triển Mê Kông chi nhánh Tp.Hồ Chí Minh. (Luận văn thạc sỹ, Trường Đại học Kinh 
tế Tp. Hồ Chí Minh).
Ngân hàng Nhà nước Việt Nam (2013). Thông tư số 02/2013/TT-NHNN: Quy định về phân loại tài sản nợ, 
phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ 
chức tín dụng, chi nhánh ngân hàng nước ngoài.
Nguyễn Đăng Dờn (2016). Giáo trình Quản trị kinh doanh ngân hàng II. Thành phố Hồ Chí Minh: Nhà xuất 
bản Kinh tế thành phố Hồ Chí Minh.
Tạp chí Nghiên cứu Tài chính – Marketing số 57, 06/2020
25
Nguyễn Phúc Mẫn, (2015). Các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại ngân 
hàng TMCP Ngoại Thương chi nhánh Vũng Tàu. (Luận văn thạc sỹ, Trường Đại học Kinh tế Tp. Hồ 
Chí Minh).
Tiếng Anh
Crook, J. (1995). Time series explanations of merger activity: some econometric results. International 
Review of Applied Economics, 9(1), 59-85.
Hussain, A.B & Shorouq, F.K, (2014). Credit risk assessment model for Jordanian commercial banks: 
Neuralscoring approach, Review of Development Finance 4 (2014) 20–28.
Kohansal M.R, Mansoori H, (2009). Factors affecting loan repayment performance of farmers in Kharasan- 
Razavi province of Iran. A paper presented in a conference on International Research on Food Security. 
Natural Resource Management and Rural Development, University of Hamburg, October 6-8, 2009.
Yasir Mehmood, Mukhtar Ahmad, Muhammad Bahzad Anjum, (2012). Factors affecting Dalay in 
Rapayment of Agricultural credit: a case study of District Kasur of Punjab province. World Applied 
Sciences Journal, No. 17, pp.447-451.