Phương pháp đánh giá xếp hạng tín dụng cá nhân

Phương pháp đánh giá xếp hạng tín dụng cá nhân
CHƯƠNG 1
GIỚI THIỆU
Chương này sẽ trình bày về lý do đề tài nghiên cứu được thực hiện, xác định mục tiêu, đối
tượng và phương pháp làm
cơ

sở
cho toàn bộ quá trình nghiên cứu của đề tài.
I. Lý do chọn đề tài
Việt Nam có trên 84 triệu dân, với đa số là ở độ tuổi trẻ, có thu nhập, phong cách sống hiện
đại và có nhu cầu mua sắm lớn. Xu hướng tiêu dùng trước, trả sau tăng nhanh, nhất là ở 2
thành phố lớn Hà Nội và Hồ Chí Minh. Chính vì thế, các sản phẩm tín dụng bán lẻ của các
ngân hàng được triển khai trong thời gian gần đây dù còn mới mẻ nhưng đều được khách
hàng rất quan tâm và thu được không ít thành công. Đây là thị trường tiềm năng rất lớn nên
sự cạnh tranh giữa các ngân hàng rất gay gắt. Để có thể rút ngắn quá trình xét duyệt cho
vay, đồng thời hạn chế rủi ro cho ngân hàng, tăng sức cạnh tranh trong ngành, đề tài mong
muốn xây dựng mô hình đánh giá xếp hạng tín dụng phù hợp với thực tế, giảm bớt rủi ro
do tính chủ quan của chuyên viên tín dụng trong việc ta quyết định cho vay, đưa ra thêm
một phương pháp đánh giá xếp hạng tín dụng mới cho những người quan tâm tham khảo.
II. Mục tiêu nghiên cứu của đề tài
- Tìm hiểu các phương pháp đánh giá xếp hạng tín dụng cá nhân trên thế giới.
- Tìm hiểu hệ thống đánh giá xếp hạng tín dụng cá nhân tại ngân hàng đầu tư và phát
triển Việt Nam Chi nhánh Nam Sài Gòn.
- Ứng dụng mô hình Logit trong việc đánh giá xếp hạng tín dụng cá nhân, đề xuất mô
hình phù hợp.
- Tìm ra ảnh hưởng biên của các yếu tố tác động đến khả năng trả nợ đúng hạn của
khách hàng.
III. Đối tượng và phương pháp nghiên cứu
1. Đối tượng
Đối tượng nghiên cứu là hệ thống XHTD cá nhân. Đối tượng khảo sát chính là

những KH vay vốn của BIDV.
2. Phương pháp nghiên cứu
Dữ liệu nghiên cứu được lấy từ tháng 10/2008 đến tháng 02/2010 về thông tin của
137 KH sử dụng thẻ tín dụng NH. Sau khi lấy bộ dữ liệu về thì dữ liệu sẽ được mã hóa rồi
sử dụng phần mềm Eviews sử dụng thống kê mô tả,chạy mô hình Logit để
phân

tích
dữ
liệu.
IV. Ý nghĩa của đề tài
Kết quả nghiên cứu của đề tài sẽ góp thêm cơ sở khoa học cho các tổ chức tài
chính, và các cá nhân
liên

quan,
đặc biệt là BIDV trong quá trình hoạt động kinh doanh và
quản lý rủi ro của mình.
V. Kết cấu của đề tài
Ngoài phần kết luận và các danh mục, phụ lục kèm theo, đề tài gồm 4 chương:
- Chương 1: Tổng quan,
- Chương 2: Cơ sở lý thuyết, Kinh nghiệm trên thế giới và thực tiễn XHTD ở Việt Nam.
- Chương 3:, Phân tích, giới thiệu về việc lựa chọn biến, trình bày về mô hình Logit.
- Chương 4: Hồi quy mô hình Logit với các biến được chọn, đề xuất mô hình XHTDCN.
CHƯƠNG 2
CƠ SỞ LÝ THUYẾT VỀ XẾP HẠNG TÍN
DỤN
G
Chương này sẽ đem lại những hiểu biết cơ bản về quá trình hình thành và phát triển
của việc xếp hạng tín dụng. Từ những kinh nghiệm thu thập lại trong quá trình làm việc

nhiều năm của các cán bộ tín dụng để hình thành nên các yếu tố ảnh hưởng đến khả năng
trả nợ của khách hàng,
Ngoài ra, chương này còn cung cấp các nghiên cứu trước đây về việc xếp loại các
chỉ tiêu ảnh hưởng lên khả năng trả nợ của khách hàng, cũng như phương pháp xếp hạng
tín dụng bằng mô hình hồi quy Logit.
I. Tổng quan về xếp hạng tín dụng
1. Lịch sử ra đời và phát triển
Mô hình định mức tín nhiệm thể nhân ra đời cách đây hơn 50 năm. Theo các mô
hình này các cá nhân có nhu cầu thế chấp mua nhà, vay trả chậm dùng thẻ tín dụng sẽ được
đánh giá và lượng hóa khả năng thanh toán của cá nhận đó bằng thang điểm tín dụng. Mức
điểm thu được cho biết mức độ rủi ro tương đối của khả năng thanh toán và khả năng gây
thiệt hại của khách hàng đối với người cho vay. Mức điểm dựa trên thông tin có được từ
các báo cáo về quá trình sử dụng khoản tín dụng của khách hang, đồng thời so sánh với
những khách hàng tương tự.
2. Các khái niệm về xếp hạng tín dụng
Xếp hạng tín dụng (credit ratings) là thuật ngữ do Moody đưa ra năm 1909
trong cuốn
“Cẩm
nang chứng khoán đường sắt”, khi tiến hành nghiên cứu, phân tích và
công bố bảng xếp hạng tín dụng đầu tiên cho 1500 trái phiếu của 250 công ty theo một hệ
thống ký hiệu gồm 3 chữ cái A, B, C được xếp lần lượt từ (AAA) đến (C).
Hiện nay, những ký hiệu này trở thành chuẩn mực quốc tế. Ở Việt Nam thuật
ngữ xếp hạng tín dụng đang tồn tại nhiều tên gọi như: xếp hạng tín nhiệm, xếp hạng
doanh nghiệp, định dạng tín dụng, xếp hạng KH. Trong đề tài này tác giả dùng thuật ngữ
“xếp hạng tín dụng” (XHTD).
Khái niệm về XHTD có thể được khái quát một cách đơn giản như sau XHTD có
nghĩa là việc phân loại, sắp xếp một đối tượng vào các nhóm KH trên cơ sở đo lường rủi
ro tín dụng.
Hệ thống XHTD dùng để đánh giá mức độ tín nhiệm đối với trách nhiệm tài
chính của cả 2 nhóm KH doanh nghiệp và KH cá nhân (thể nhân). Trong phạm vi bài

nghiên cứu này, tác giả tập trung phân tích và nghiên cứu hệ thống XHTD dành cho nhóm
KH cá nhân.
3. Tầm quan trọng của xếp hạng tín dụng cá nhân
Thứ nhất, tính chính xác: cung cấp mức độ rủi ro cho người cho vay, tùy thuộc vào
mức độ chấp nhận rủi ro của người cho vay mà ra quyết định cho vay hay không.
Thứ hai, tốc độ, hiệu quả và chi phí: mô hình xếp hạng tín dụng được hoàn thiện và
được mã hóa thành những phần mềm chuyên biệt đã làm cho việc ra quyết định cho vay
diễn ra nhanh hơn dẫn đến giảm chi phí khi xem xét cũng như ra quyết định cho vay.
Thứ ba, sự công bằng: mô hình xếp hạng tín dụng cho kết quả một cách công bằng
hơn là việc ra quyết định phán xét cá nhân của người cho vay (loại bỏ hoàn toàn các yếu tố
về giới tính, tôn giáo, quốc tịch…).
Thứ tư, mức độ tin cậy: mô hình xếp hạng tín dụng FICO đã được kiểm định và cho
thấy rằng việc sử dụng mô hình xếp hạng tín dụng tạo ra sự công bằng, đáng tin cậy đồng
thời giảm thiểu rủi ro tín dụng hơn là việc ra quyết định độc lập của người cho vay.
Thứ năm, tính kiên định: mô hình được mã hóa với một số biến nhất định, chỉ đưa ra
một kết quả duy nhất, với người cho vay khi xem xét ra quyết định cho vay lại bị ảnh
hưởng của nhiều yếu tố xung quanh dẫn đến việc ra quyết định sai.
II. Một số nghiên cứu và kinh nghiệm xếp hạng tín nhiệm thể nhân trên thực tế
1. Tình huống nghiên cứu của Vương Quân Hoàng
Tác giả thực hiện hồi quy nhị phân Logistic trên tập mẫu thu thập được với các biến cho
vào mô hình như sau:
Bảng 2.1: Các đặc trưng của khách hàng
Ký hiệu Ý nghĩa
X
01
Tuổi tác
X
02
Trình độ học vấn
X

03
Loại hình công việc
X
04
Thời gian công việc
X
05
Mức thu nhập hàng tháng
X
06
Tình trạng hôn nhân
X
07
Nơi cư trú
X
08
Thời gian cư trú
X
09
Số người sống phụ thuộc
X
10
Phương tiện đi lại
X
11
Phương tiện thông tin
X
12
Chênh lệch giữa thu nhập và chi tiêu
X

13
Giá trị tài sản khách hàng
X
14
Giá trị các khoản nợ
X
15
Quan hệ với Techcombank
X
16
Uy tín trong giao dịch
Nguồn: Vương Quân Hoàng, 2006, Phương pháp thống kê xây dựng mô hình định
mức tín nhiệm khách hàng thể nhân
Dạng mô hình hồi quy Logit:
( )
1
T
T
x
x
e
P x
e
β
β
=
+
Trong đó
( )P x
là xác suất của quan sát x

Mô hình hồi quy Logit có các hệ số hồi quy như sau:
T
x
β
= -1.238151X
1
- 0.591102X
2
- 1.371960X
3
+ 3.240103X
5
- 1.833702X
6
-
8.070600X
7
- 5.336831X
8
- 1.091686X
9
- 1.508460X
10
- 18.28262X
11
+5.670182X
12
+
3.595030X
13

- 0930329X
14
- 1.482391X
15

Trong đó X
4
và X
16
là những biến không có ý nghĩa thống kê khi đưa vào mô hình.
Dựa vàp tập mẫu gồm 1727 quan sát tác giả đã đưa ra mô hình hồi quy Logit như trên với
việc dự đoán chinh xác rất cao 99.25%.
2. Mô hình điểm số tín dụng cá nhân của FICO
Fair Isaac Corp đã xây dựng mô hình điểm số tín dụng FICO thấp nhất là 300 và cao nhất
là 850 áp dụng cho cá nhân dựa vào tỷ trọng của 5 chỉ số phân tích dưới đây.
Bảng 3.11 : Tỷ trọng các tiêu chí đánh giá trong mô hình điểm số tín dụng FICO.
Tỷ trọng Tiêu chí đánh
g
i
á
35%
Lịch sử trả nợ (Payment history) : Thời gian trễ hạn càng dài và số tiền trễ hạn
càng cao thì điểm số tín dụng càng thấp.
30%
Dư nợ tại các tổ chức tín dụng (Amounts owed) : Nợ quá nhiều so với mức cho
phép đặc biệt là đối với thẻ tín dụng sẽ làm giảm điểm số tín dụng.
15%
Độ dài của lịch sử tín dụng (Length of credit history) : Thông tin càng nhiều
năm càng đáng tin cậy và điểm số tín dụng sẽ càng cao.
10%

Số lần vay nợ mới (New credit) : Vay nợ thường xuyên bị xem là dấu hiệu có
khó khăn về tài chính nên điểm số tín dụng càng thấp.
10%
Các loại tín dụng được sử dụng (Types of credit used) : Các loại nợ khác nhau sẽ
được tính điểm số tín dụng khác nhau.
(Nguồn
h
tt

p :
//

e
n.
wi

k i

p
e
d

i

a.org)
Mô hình điểm số tín dụng FICO được áp dụng rộng rãi tại. Theo mô hình của FICO thì
người có điểm số tín dụng ở mức 700 được xem là tốt, đối với cá nhân có điểm số tín dụng
thấp hơn 620 sẽ có thể bị ngân hàng e ngại khi xét cho vay.
III. GIỚI THIỆU BIDV CHI NHÁNH NAM SÀI GÒN
1. Tư cách pháp lý, nội dung và phạm vi hoạt động

a. Tư cách pháp lý
• Tên tiếng Việt: CHI NHÁNH NGÂN HÀNG ĐẦU TƯ VÀ PHÁT TRIỂN NAM SÀI GÒN
• Tên giao dịch quốc tế bằng tiếng Anh :
Bank for Investerment and Development of Vietnam, South Saigon Branch
• Viết tắt bằng tiếng Anh : BIDV, South Saigon Branch
Chi nhánh Ngân hàng Đầu tư và Phát triển Nam Sài Gòn là chi nhánh cấp 1 trực thuộc
Ngân hàng Đầu tư và Phát triển Việt Nam, là đại diện pháp nhân của NHĐT&PT VN, có
con dấu, có bảng tổng kết tài sản, có nhiệm vụ thực hiện các hoạt động của NHĐT&PT VN
theo ủy quyền của Tổng giám đốc NHĐT&PT VN, là đơn vị hạch toán phụ thuộc trong hệ
thống NHĐT&PT VN. Chi nhánh Ngân hàng Đầu tư và Phát triển Nam Sài Gòn được
thành lập theo Quyết định của Hội đồng quản trị NHĐT&PT VN trên cơ sở chấp thuận của
Thống đốc Ngân hàng Nhà nước.
b. Lựa chọn địa điểm
Qua khảo sát, Sở giao dịch II đã lựa chọn điểm đặt trụ sở của Chi nhánh Nam Sài Gòn tại
số 01 Đinh Lễ - Quận 4 – TP HCM với diện tích: 1.000m
2
.
c. Nội dung hoạt động
• Huy động vốn
Huy động vốn dài hạn, trung hạn, ngắn hạn bằng Đồng Việt Nam và bằng ngoại tệ từ mọi
nguồn vốn trong nước dưới các hình thức:
- Nhận tiền gửi tiết kiệm không kỳ hạn và có kỳ hạn, tiền gửi thanh toán của các tổ chức
và dân cư ;
- Thực hiện các hình thức huy động vốn khác;
- Phát hành chứng chỉ tiền gửi, kỳ phiếu, trái phiếu khi được Tổng giám đốc Ngân hàng
Đầu tư và Phát triển Việt Nam giao.
• Nghiệp vụ tín dụng
- Cho vay dài hạn, trung hạn và ngắn hạn bằng Đồng Việt Nam và bằng ngoại tệ đối với
các tổ chức, cá nhân phù hợp với quy định của Pháp luật và Quy định của Ngân hàng Đầu
tư và Phát triển Việt Nam.

- Chiết khấu giấy tờ có giá, thực hiện các nghiệp vụ bảo lãnh Ngân hàng.
- Thực hiện các loại hình tín dụng khác khi được Tổng giám đốc Ngân hàng Đầu tư và
Phát triển Việt Nam giao.
• Hoạt động dịch vụ
- Thực hiện các nghiệp vụ thanh toán trong nước, quốc tế; dịch vụ thu và chi tiền mặt.
- Thực hiện nghiệp vụ mua bán ngoại tệ; dịch vụ ngân hàng đại lý.
- Thực hiện các dịch vụ thanh toán khác theo ủy quyền của Tổng giám đốc Ngân hàng
Đầu tư và Phát triển Việt Nam.
• Các hoạt động khác:
- Quản lý vốn đầu tư cho các dự án theo yêu cầu khách hàng.
- Thực hiện dịch vụ giữ hộ các giấy tờ có giá và các tài sản quý của khách hàng.
- Kinh doanh vàng bạc, kim khí quý, đá quý.
- Các nghiệp vụ Ngân hàng đối ngoại và các nghiệp vụ khác do Tổng giám đốc Ngân
hàng Đầu tư và Phát triển Việt Nam giao.
2. Chức năng phòng Quản lý rủi ro:
• Công tác quản lý tín dụng:
- Tham mưu đề xuất chính sách, biện pháp phát triển và nâng cao hoạt động tín dụng.
- Quản lý, giám sát, phân tích, đánh giá rủi ro tiềm ẩn đối với danh mục tín dụng của chi
nhánh; duy trì và áp dụng hệ thống đánh giá, xếp hạng tín dụng vào việc quản lý danh mục.
- Đầu mối nghiên cứu, đề xuất trình lãnh đạo phê duyệt hạn mức, điều chỉnh hạn mức, cơ
cấu, giới hạn tín dụng cho từng ngành, từng nhóm và từng khách hàng.
- Đầu mối đề xuất trình Giám đốc kế hoạch giảm nợ xấu của Chi nhánh, của khách hàng và
phương án cơ cấu lại các khoản nợ vay của khách hàng theo quy định.
- Giám sát việc phân loại nợ và trích lập dự phòng rủi ro; tổng hợp kết quả phân loại nợ và
trích lập dự phòng rủi ro gửi Phòng tài chính kế toán để lập cân đối kế toán theo quy định.
- Thực hiện việc xử lý nợ xấu.
• Công tác quản lý rủi ro tín dụng:
- Tham mưu, đề xuất xây dựng các quy định, biện pháp quản lý rủi ro tín dụng.
- Trình lãnh đạo cấp tín dụng/bảo lãnh cho khách hàng.
- Phối hợp, hỗ trợ Phòng Quan hệ khách hàng để phát hiện, xử lý các khoản nợ có vấn đề.

- Chịu trách nhiệm hoàn toàn về việc thiết lập, vận hành, thực hiện và kiểm tra, giám sát hệ
thống quản lý rủi ro của Chi nhánh.
• Công tác quản lý rủi ro tác nghiệp:
- Phổ biến các văn bản quy định, quy trình về quản lý rủi ro tác nghiệp của BIDV và đề
xuất, hướng dẫn các chương trình, biện pháp triển khai để phòng ngừa.
- Hướng dẫn, hỗ trợ các phòng nghiệp vụ trong Chi nhánh tự kiểm tra và phối hợp thực
hiện việc đánh giá, rà soát, phát hiện rủi ro tác nghiệp ở các phòng.
3. Mô hình tổ chức
Chi nhánh Nam Sài Gòn được triển khai theo mô hình Chi nhánh hỗn hợp gồm 04 khối (8
Phòng /Tổ) và khối Đơn vị trực thuộc: gồm các Phòng giao dịch, Quỹ Tiết kiệm.
4. Hệ thống xếp hạng tín dụng của BIDV:
Ngân hàng đầu tư và phát triển Việt Nam (BIDV) xây dựng hệ thống XHTD theo nguyên
tắc hạn chế tối đa ảnh hưởng chủ quan của các chỉ tiêu tài chính bằng cách thiết kế các chỉ
tiêu phi tài chính, và cung cấp những hướng dẫn chi tiết cho việc đánh giá chấm điểm.
Đây là một trong những NHTM tại Việt nam đi đầu trong áp dụng phân loại nợ theo Điều 7
của Quyết định 493/2005/QĐ-NHNN.
Quy trình chấm điểm khách hàng
Ban Giám đốc
Khối Quan hệ
khách hàng
Khối QLRR
Khối tác
nghiệp
Khối quản lý
nội bộ
Phòng QHKH
Khối đơn vị
trực thuộc
Phòng
QLRR

Phòng DVKH
Phòng QL và
DV Kho quỹ
Phòng Tổ chức
Hành chính
Phòng Kế hoạch -
Tổng hợp
PGD
Phòng Quản trị
tín dụng
Máy ATM
Phòng Tài chính -
Kế toán
Quỹ Tiết kiệm
Bước 1: Các chỉ tiêu, điểm ban đầu, trọng số từng chỉ tiêu được trình bày trong bảng sau:
Bảng: Các chỉ tiêu chấm điểm cá nhân của BIDV
Chỉ tiêu
Điểm ban đầu Trọng
số
100 75 50 25 0
Phần I: Thông tin về nhân thân
1 Tuổi 36 -55 26-35 56-60 20-25
>60 hoặc 18-
20
10%
2
Trình độ học
vấn
Trên
đại học

Đại học Cao đẳng Trung học
Dưới trung
học
10%
3
Tiền án, tiền
sự
Không Có 10%
4
Tình trạng cư
trú
Chủ sở
hữu
Nhà chung
cư
Với gia đình Thuê Khác 10%
5
Số người ăn
theo
<3
người
3 người 4 người 5 người > 5 người 10%
6
Cơ cấu gia
đình
Hạt
nhân
Sống với
cha mẹ
Sống cùng

gia đình
khác
Khác 10%
7
Bảo hiểm
nhân mạng
>100
triệu
50-100
triệu
30-50 triệu <30 triệu 10%
8
Tính chất
công việc hiện
tại
Quản
lí, điều
hành
chuyên
môn
Lao động
được đào
tạo nghề
Lao động
thời vụ
Thất nghiệp 10%
9
Thời gian làm
công việc hiện
tại

>7 năm 5-7 năm 3-5 năm 1-3 năm <1năm 10%
Xác định nhân thân Xác định khả năng trả nợ
Tổng hợp điểm và quyết định
Đánh giá
Tài sản đảm bảo
Xếp loại khách hàng
Bước 1
Bước 3
Bước 2
Bước 4
1
0
Rủi ro nghề
nghiệp
Thấp Trung bình Cao 10%
Phần II: Thông tin về khả năng trả nợ của khách hàng:
1
Thu nhập ròng
ổn định hàng
tháng
>10
triệu
5-10 triệu 3-5 triệu 1-3 triệu <1 triệu 30%
2
Tỷ lệ số tiền
phải trả/ thu
nhập
< 30% 30-45% 45-60% 60-75% >75% 30%
3
Tình hình trả

nợ gốc và lãi
Luôn
trả nợ
đúng
hạn
Đã bị gia
hạn nợ,
hiện trả
nợ tốt
Đã có nợ
quá hạn/
Khách hàng
mới
Đã có nợ quá
hạn, khả năng
trả nợ không
ổn định
Hiện đang có
nợ quá hạn
20%
4
Các dịch vụ sử
dụng
Tiền
gửi và
các
dịch vụ
khác
Chỉ sử dụng
dịch vụ

thanh toán
Không sử
dụng
15%
Nguồn: Ngân hàng đầu tư và phát triển Việt Nam
Bước 2: Căn cứ vào tổng điểm đạt được đã nhân với trọng số để xếp hạng khách hàng cá
nhân theo mười mức giảm dần từ AAA đến D. Với mỗi mức xếp hạng sẽ có cách đánh giá
rủi ro tương ứng.
Bảng: Hệ thống ký hiệu XHTD cá nhân của BIDV
Điểm Xếp hạng Đánh giá xếp hạng
95 – 100
AAA
Rủi ro t
h
ấ
p
90 – 94
AA
85 - 89
A
80 – 84 BBB
Rủi ro trung
b
ì
nh
70 – 79 BB
60 – 69 B
50 – 59 CCC
Rủi ro ca
o

40 – 49 CC
35 – 39 C
<
35 D
(Nguồn : Ngân hàng đầu tư và phát triển Việt Nam)
Bước 3: Việc đánh giá tài sản đảm bảo cũng được chấm điểm theo ba chỉ tiêu là loại tài
sản, tỷ suất giữa giá trị tài sản so với khoản vay, rủi ro gảm giá trị tài sản đảm bảo:
Bảng: Các chỉ tiêu chấm điểm tài sản đảm bảo của BIDV
Chỉ tiêu
Đ
iể
m
100 75 50 25 0
1
Loại tài
s
ả
n
đảm
b
ả
o
Tài khoản tiề
n
gửi, giấy tờ c
ó
giá do C
h
í
nh

phủ hoặc
B
IDV
phát
h
à
nh
Giấy tờ c
ó
giá
do t
ổ
chức
ph
át hành (trừ
c
ổ

ph
iế
u)
Bất động sản
(nhà ở)
Bất động sả
n
(không phải
nhà ở), động
s
ả
n,

cổ
ph
iế
u
Không c
ó
tài sản đảm
b
ả
o
2
Giá trị tài
s
ả
n
đảm bảo/ T
ổng
nợ
v
a
y
> 200% 150 – 200% 100 – 150% 70 – 100% < 70%
3
Rủi ro giảm giá
tài sản đảm bảo
t
rong
2
n
ăm

gần
đ
â
y
0% hoặc c
ó
xu
hướng tă
ng
1 – 10% 10 – 30% 30 – 50% > 50%
(Nguồn : Ngân hàng đầu tư và phát triển Việt Nam)
Bước 4: Căn cứ vào tổng điểm đã chấm cho tài sản đảm bảo để xếp loại A, B, C:
Bảng: Hệ thống ký hiệu đánh giá tài sản đảm bảo của BIDV
Điểm Mức xếp loại Đánh giá tài sản đảm bảo
225-300 A Mạnh
75-224 B Trung bình
<75 C Thấp
(Nguồn: Ngân hàng đầu tư và phát triển Việt Nam)
Mô hình xếp hạng khoản vay cá nhân trong hệ thống XHTD của BIDV là một ma trận kết
hợp giữa kết quả XHTD với kết quả đánh giá tài sản đảm bảo:
Bảng: Ma trận kết hợp giữa kết quả XHTD với kết quả đánh giá tài sản đảm bảo của BIDV
Đánh giá TSĐB XHTD
A
B
C
AAA
Xuất sắc T
ố
t Trung bình
AA

A
BBB
T
ố
t Trung bình
Trung bình/ Từ
chối
BB
B
CCC
Trung bình/ Từ
chối
Từ c
hố
i
CC
C
D
(Nguồn : Ngân hàng đầu tư và phát triển Việt Nam)
Chương 3
Khung phân tích
Chương này sẽ trình bày các bước trong quá trình hình thành mô hình nghiên cứu xếp hạng
tín dụng cá nhân. Thứ nhất, trình bày về nguồn dữ liệu nghiên cứu, cách thức sẽ thực hiện
phân tích. Thứ hai, là việc lựa chọn biến trong quá trình phân tích, ý nghĩa thực tế của các
biến này ra sao. Thứ ba, trình bày lý thuyết về mô hình được sử dụng nghiên cứu trong đề
tài này.
I. Phương pháp nghiên cứu
Đề tài sử dụng bộ dữ liệu gồm 52 mẫu quan sát là những khách hàng cá nhân của
BIDV từ năm 2007 đến năm 2009 để tiến hành nghiên cứu. Sử dụng SPSS làm sạch dữ
liệu, sử dụng thống kê mô tả dữ liệu để có cái nhìn tổng quát về những thông tin đặc trưng

về khách hàng thu thập được. Sau khi lựa chọn biến thích hợp, tiến hành sử dụng phần
mềm Eviews để hồi quy các biến theo mô hình Logit để tìm ra tác động biên của từng yếu
tố riêng biệt của khách hàng ảnh hưởng đến khả năng trả nợ như thế nào.
II. Lựa chọn biến cho mô hình
Các biến được lựa chọn như sau:
 Biến phụ thuộc
Trong nghiên cứu này biến phụ thuộc (Y) được lựa chọn như sau:
Y
i
= 1 nếu KH có khả năng đảm bảo trả nợ.
Y
i
= 0 nếu KH không có khả năng trả được toàn bộ nợ cho NH.
 Biến độc lập sử dụng trong nghiên cứu
STT Chỉ
t
iê
u
Thang đo Giả thiết Ký hiệu
1
Giới tính 1: Nam – 0: Nữ
+
/
X1
2
Tuổi T
uổ
i
-
X2

3
Trình độ đại học (ĐH)
1: Từ ĐH trở lên
–
0: Dưới
ĐH
+ X3
4
Tiền án 1: Có – 0: Không
-
X4
5
Bảo hiểm nhân mạng 1: Có – 0: Không + X5
6
Tình trạng cư trú
Sở hữu nhà 1: Có – 0: Không + X6
Thuê nhà 1: Có – 0: Không
-
X7
7
Tình trạng hôn nhân
1: Có gia đình –
0
:Độc t
h
â
n
-
X8
8

Số người phụ thuộc
Ng
ười
-
X9
9
Chức vụ công
việc
Lãnh đạo 1: Có – 0: Không + X10
Trưởng bộ phận 1: Có – 0: Không + X11
Nhân viên 1: Có – 0: Không
-
X12
10
Rủi ro nghề nghiệp 1: Có – 0: Không
-
X13
11
Thời gian cư trú T
h
á
ng
+ X14
12
Thời gian làm việc T
h
á
ng
+ X15
13

Thu nhập hàng tháng Triệu đồng + X16
14
Lịch sử tín dụng
1: Có nợ
–
0: Không có thông

ti
n
-
X17
15
Số dịch vụ khác đang sử dụng
Số dịch vụ + X18
16
Tiết kiệm hàng tháng Triệu đồng + X19
17
Giá trị tài sản đảm bảo Triệu đồng + X20
18
Loại hình
công ty
Công ty thuộc
nhà nước
1: Có – 0: Không + X21
Công ty vốn
nước ngoài
1: Có – 0: Không + X22
Công ty khối tài
chính
1: Có – 0: Không + X23

Doanh nghiệp
Việt Nam
1: Có – 0: Không
-
X24
III. Mô hình hồi quy Logit
Hồi quy Logistic là mô hình hồi quy đặc biệt khi biến phụ thuộc là một biến nhị phân chỉ
nhận hai giá trị 0 và 1. Mô hình hồi quy này sử dụng để dự đoán xác suất để xảy ra một sự
việc dựa vào thông tin các biến độc lập trong mô hình.
Xác suất: là khả năng để sự việc xảy ra, ký hiệu là P
Odds là tỷ lệ so sánh giữa hai xác suất: xác suất xảy ra sự việc và không xảy ra.
Khi chúng ta có biến phụ thuộc chỉ có hai lựa chọn: Y = 1, Y = 0, và xác suất để sự việc đó
xảy ra ký hiệu là P (Y = 1) = P. Các nhà thống kê thường sử dụng một đại lượng quen
thuộc là Odds của sự việc xảy ra, chứ không phải là xác suất để sự việc đó xảy ra
1
P
Odds
P
=
−
Như vậy, theo công thức này thì Odds là một hàm số theo P. Odss >= 0, và Odds sẽ không
xác định khi P = 1.
Từ công thức trên, ta có:

1
Odds
P
Odds
=
+

Như vậy, xác suất P là một hàm số theo Odds.
Ta có P là xác suất xảy ra sự kiện, thì (1 – P) là xác suất không xảy ra sự kiện, xác suất P
được đo lường như sau:
0 1 1 2 2
( )
1 1
1 1
i k k
i
Z X X X
P
e e
β β β β
− − + + + +
= =
+ +
Với
0 1 1 2 2

k k
Z X X X
β β β β
= + + + +

( , )
i
Z
∈ −∞ +∞
,
(0,1)

i
P
∈

( 1, )
i
X i k
=
Odds của 2 trường hợp trên là:
1
1 1
i
i
i
z
z
i
z
i
P
e
Odds e
P e
−
+
= = =
− +
Lấy Log cơ số e của Odds ta có dạng hàm mô hình hồi quy Logit:

0 1 1 2 2

ln( )
1
i
i i k k
i
P
L Z X X X
P
β β β β
= = = + + + +
−
Với
( 1, )
i
X i k
=
: là các biến độc lập
1. Tác động biên của biến thứ k
Ý nghĩa: khi thay đổi X
k
một đơn vị thì xác suất để cho Y = 1 (cũng chính là P
i
) sẽ thay đổi
P
i
.(1 - P
i
).
β
k

. Sự thay đổi xác suất theo giải thích này phụ thuộc vào hai yếu tố. Yếu tố thứ
nhất là dấu của hệ số
β
k
. Nếu hệ số mang dấu (+) thì có nghĩa là khi tăng biến X
k
sẽ tác
động làm tăng xác suất cho Y = 1 và ngược lại. Yếu tố thứ hai là sự thay đổi xác suất cho
Y = 1 khi thay đổi X
k
sẽ lại phụ thuộc vào giá trị cụ thể của X
k,
có

nghĩa là việc tăng (giảm)
xác suất P
i
khi thay đổi X
k sẽ
không cố định mà nó sẽ thay đổi tương ứng với giá trị của biến
X
k và
sự thay đổi này nằm trong phạm vi của điều kiện cơ bản của xác suất là
0 1
i
P
≤ ≤
2. Mối quan hệ giữa tác động biên của xác suất biến phụ thuộc tăng lên từ P
0
lên

P
1
khi thay đổi một đơn vị của X
k
:
0
0
0
0
1
z
P
Odds e
p
= =
−
Trong đó, P
0
là xác suất khởi điểm:
0 1 2 2

i k ki
Z X X
β β β
= + + +
1
1
1
1
1

z
P
Odds e
p
= =
−
Trong đó, P
1
là xác suất khi X
k
tăng thêm một đơn vị

1 1 2 2
( 1)
i k ki
Z X X
β β β
= + + + +
Từ 2 phương trình trên ta có:
1
1 0
0
(1)
k k
O
e O O e
O
β β
= → =
Thay

1
1
1
1
P
Odds
p
=
−
vào (1)
0
1
0 1
1 0
1 1
k
k
k
O e
P
O e p
p O e
β
β
β
= → =
− +
Từ mối quan hệ này chúng ta có thể xây dựng kịch bản cho sự thay đổi của xác suất khi
thay đổi một đơn vị của biến X
k

, sự thay đổi này bằng cách quan sát chênh lệch của P
0
và
P
1
, chúng ta lấy P
1
- P
0
sẽ tìm ra sự thay đổi của xác suất khi thay đổi một đơn vị của X
k
. Ưu
điểm của cách mô phỏng này cho chúng ta thấy được sự thay đổi xác suất cụ thể, còn cách
lý giải tác động biên về xác suất ở phần trước chỉ mang tính định tính.
3. Kiểm định mô hình hồi quy
a. Độ phù hợp của mô hình
Chúng ta dựa vào chỉ tiêu LL (log likelihood), thước đo này có ý nghĩa giống như SSE
(Sum of squares of error) nghĩa là có giá trị càng nhỏ càng tốt. Giá trị nhỏ nhất của LL là 0
(tức là không có sai số) khi đó mô hình có một độ phù hợp hoàn hảo.
Ngoài ra chúng ta còn có thể dựa vào bảng dự báo theo các mức xác suất chuẩn C tùy thích
bằng Eviews để xác định mô hình dự đoán tốt đến đâu. Đây là bảng so sánh số trị số thực
và trị số dự đoán cho từng biểu hiện và tính tỷ lệ dự đoán đúng sự kiện.
b. Kiểm định ý nghĩa của các hệ số
Hồi quy Logit sử dụng đại lượng Wald Chi square để kiểm định ý nghĩa thống kê của hệ số
hồi quy tổng thể. Wald Chi square được tính bằng cách lấy ước lượng của hệ số hồi quy
của biến độc lập trong mô hình (hệ số hồi quy mẫu) logit chia cho sai số chuẩn của ước
lượng hệ số hồi quy này, sau đó lấy bình phương như sau:
2
2
.

. .( ) . .( )
B
Wald Chi square
s e s e B
β
β
 
 
− = =
 ÷
 ÷
 
 
c. Kiểm định độ phù hợp tổng quát
Trong hồi quy Logit, tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình ngoại
trừ hằng số cũng được kiểm định xem có thực sự có ý nghĩa trong việc giải thích cho biến
phụ thuộc không. Với hồi quy tuyến tính bội ta dùng thống kê F để kiểm định giả thuyết:
0 1 2 3
: 0H
β β β
= = = =
. Tuy nhiên trong hồi quy Logit ta sử dụng kiểm định Chi -
bình phương. Với mức Sig < 0.05 ta bác bỏ giả thuyết H
0
, chấp nhận giả thuyết H
1
tức là
các hệ số hồi quy khác nhau có ý nghĩa thống kê và các hệ số đều thực sự có ý nghĩa trong
việc giải thích biến phụ thuộc.
CHƯƠNG 4

KẾT QUẢ NGHIÊN CỨU
I. Thống kê mô tả
Trong mẫu của nghiên cứu gồm 140 KH, loại 4 KH do khuyết dữ liệu, còn lại đều là KH
có đủ dữ liệu về lịch sử trả nợ, các thông tin về nhân thân và tài chính của KH.
Nhóm 1 là nhóm các KH có khả năng trả nợ gồm 112 KH và nhóm 0 là nhóm KH không
có khả năng trả nợ gồm 24KH.
Sau đây là một số chỉ số thống kê mô tả mẫu nghiên cứu:
Biến độc lập Trung bình Mode Độ lệch Maximum Minimum
X1
.743
1
.4388
1.0
.0
X2
36.515
28
9.2111
63.0
24.0
X3
.824
0
.3826
1.0
.0
X4
.309
1
.4637

1.0
.0
X5
.493
0
.5018
1.0
.0
X6
.147
0
.3555
1.0
.0
X7
.375
24
.4859
1.0
.0
X8
.669
120
.4723
1.0
.0
X9
1.037
0
1.0982

5.0
.0
X10
.257
0
.4388
1.0
.0
X11
.287
0
.4539
1.0
.0
X12
.390
0
.4895
1.0
.0
X13
.456
0
.4999
1.0
.0
X14
105.904
0
135.7336

600.0
.0
X15
82.382
1
85.2975
384.0
.0
X16
15.611
5
31.1954
300.0
.0
X17
.110
0
.3144
1.0
.0
X18
1.559
0
.8500
6.0
.0
X19
7.366
0
13.1850

100.0
.0
X20
.390
0
2.6781
21.2
.0
X21
.213
0
.4111
1.0
.0
X22
.110
0
.3144
1.0
.0
X23
.199
0
.4004
1.0
.0
X24
.404
1
.4926

1.0
.0
II. Kết quả thực nghiệm
Ta cần xem xét bảng thể hiện mức độ tương quan của các biến (định lượng) được
đưa vào mô hình. Nếu
hệ

số
tương quan cặp > 0.8 thì sẽ dẫn đến hiện tượng đa cộng tuyến
nếu đưa các biến này vào mô hình.
Bảng: Hệ số tương quan cặp các biến định lượng đưa vào mô hình
X2 X14 X15 X16 X19 X20
X2
Hệ số
tương quan cặp
1
Sig. (2-tailed)
X14
Hệ số
tương quan cặp
.275
1
Sig. (2-tailed)
.001
X15
Hệ số
tương quan cặp
.529 .264 1
Sig. (2-tailed)
.000 .002

X16
Hệ số
tương quan cặp
.237 .053 .049 1
Sig. (2-tailed)
.005 .538 .568
X19
Hệ số
tương quan cặp
.279 .018 005 .931 1
Sig. (2-tailed)
.001 .835 .952 .000
X20
Hệ số
tương quan cặp
046 .125 059 043 059 1
Sig. (2-tailed)
.594 .148 .496 .618 .497
Ta thấy 2 biến X16 (Thu nhập) và X19 (Tiết kiệm) có sự tương quan chặt với nhau
(hệ số tương quan = 0.931 > 0.8). Điều này cho thấy nếu cùng đưa 2 biến này vào mô
hình thì sẽ xảy ra hiện tương đa cộng tuyến.
Tuy nhiên, theo Ramanathan (2003), đa cộng tuyến có thể không ảnh hưởng đến
khả năng dự báo của mô hình và thậm chí có thể cải thiện khả năng dự báo. Chúng ta có 2
cách để xử lý vấn đề này là vẫn đưa biến vào mô hình để tăng khả năng dự báo hoặc loại
bỏ 1 trong 2 biến trên.
III. Ước lượng mô hình Logit
♦ Mô hình 1: Sử dụng phần mềm thống kê SPSS và Eviews với phương pháp
Enter, ta đưa 17 biến vào mô hình theo tiêu chí chấm điểm tín dụng của BIDV.
♦ Mô hình 2: được ước lượng bằng cách đưa thêm 7 biến độc lập nghiên cứu từ
những mô hình chấm điểm tín dụng khác vào mô hình 1.

♦ Mô hình 3: được ước lượng bằng cách loại bỏ những biến có mức ý nghĩa
Sig. > 0.25 (mức ý nghĩa dành cho mô hình dự báo) từ mô hình 2.
Bảng: Kết quả ước lượng hồi quy Logit các mô hình
Biế
n
Giả
thiết
Mô hình 1
Mô hình 2 Mô hình 3
Sig.
Sig. Sig.
X1
+/
-
-5.338
.017
-6.187
.002
X2
-
034
.462
.099
.229
.082
.210
X3
-
1.958
.018

6.059
.005
6.104
.001
X4
-
.190
.818
.400
.779
X5
+
.747
.295
1.268
.293
X6
-
4.040
.043
5.937
.049
4.540
.035
X7
+
-1.604
.130
-6.783
.023

-6.039
.019
X8
+
-1.912
.057
-4.460
.050
-3.657
.040
X9
+
.036
.905
.140
.804
X10
+
3.432
.032
1.838
.448
X11
-
3.128
.039
1.533
.430
X12
+

2.948
.046
1.143
.526
X13
+
3.350
.014
4.236
.054
4.578
.026
X14
+
015
.029
014
.009
X15
+
.008
.181
.012
.252
.018
.040
X16
+
011
.426

.260
.029
.232
.014
X17
+
347
.753
-1.302
.464
X18
+
.763
.229
2.778
.028
2.410
.031
X19
+
525
.019
460
.008
X20
+
.038
.626
.067
.591

X21
+
3.075
.216
3.270
.097
X22
+
6.382
.029
7.160
.006
X23
+
3.478
.180
4.026
.077
X24
+
3.867
.093
4.475
.015
Constant -2.346 .275 -2.28 -4.13 -2.439 .455
Mô hình 1
Mô hình 2 Mô hình 3
OB
0.00
0.00

0.00
HL
40% 40% 38%
Độ chính xác
87.5
% 93.4% 94.9%
- 2LL 69.566
42.37
44.714
McFadden R-squared 45.11%
67% 64,7%
Likelihood ratio
???? 84,76 82.20
 Nhận x

ét chung
- Cả ba mô hình đều có mức độ phù hợp tổng quát (Sig. OB = 0.00 < α).
Kết quả dự báo của cả 3 mô hình cũng phù hợp với dữ liệu quan sát (Sig. HL của cả 3
mô hình đều > α.
- Độ chính xác của kết quả dự báo của cả 3 mô hình rất cao, xấp xỉ 90%.
Trong đó, mô hình 3 là có độ chính xác cao nhất, mô hình 1 có độ chính xác thấp nhất.
- Qua giá trị của “McFadden R-squared” trong kết quả thu được từ việc ước lượng
hàm hồi qui logit của các mô hình cho biết: mô hình 1, 2 và 3 giải thích lần lượt 45,11%,
67%, 64,7%, sự biến động của xác suất trả được nợ của KH.
- Về kiểm định – 2LL cho thấy, cả ba mô hình có chỉ số tương đối thấp, điều này chứng tỏ
mức độ phù hợp khá tốt của mô hình tổng thể. Trong đó, mô hình 1 là có sự phù hợp
thấp nhất và mô hình 2 là có sự phù hợp cao nhất.
 Kết quả trên cho thấy:
• Mô hình 2:
Các biến có ý nghĩa nhất (Sig < 0.05) lần lượt là: X1 (giới tính), X3 (trình độ),

X6 (sở hữu), X7 (thuê nhà), X8 (Tình trạng hôn nhân), X14(thời gian cư trú), X16 (Thu
nhập), X18 (Số DV đang sử dụng), X22 (Công ty nước ngoài).
Các biến không ảnh hưởng đến khả năng trả nợ là: X4, X5, X 8, X2 0,…
X14 (Thời gian cư trú): điều này trái với giả thiết, nhưng đúng với nghiên cứu của
Vương Quân Hoàng, (2006). Trong điều kiện Việt Nam, ta có thể kết luận khi đã
sống quá lâu ở địa phương mình
thì
có thể việc trốn tránh trả nợ sẽ cao hơn.
X6 (Sở hữu nhà): điều này được có thể đươc giải thích bởi những người có chổ ở ổn
định họ ít có khả năng chạy trốn và không tốn những khoản phí thuê nhà hàng tháng.
Do đó khả năng trả nợ cao.
X7 (Ở thuê): ngược lại với biến X14, điều này cho thấy rằng những người phải
thuê nhà, có thể là người nhập cư, họ ít có khả năng trả nợ hơn là những người phải
sở hữu nhà và cư trú ít tại một nơi;
X19 (Tiết kiệm): việc trái dấu so với giả thiết có thể là do hiện tượng đa cộng tuyến;
X24 (Doanh nghiệp VN): giả thiết do tác giả đặt ra do so sánh về mức lương của công
ty Việt Nam so với các thành phần còn lại là tương đối thấp hơn. Tuy nhiên, thực tế
cho thấy là KH làm trong các doanh nghiệp VN vẫn ảnh hưởng đến việc trả nợ của họ.
• Mô hình 3:
Trong mô hình vẫn chịu tác động của hiện tượng đa cộng tuyến, biến X19 vẫn trái
dấu so
với

giả
thiết. Ngoài ra, biến X2 trái dấu so với giả thiết, điều này chứng tỏ kết
quả thực nghiệm tại NH người càng lớn tuổi càng có khả năng trả nợ. Tuy nhiên, kết quả
trái dấu này cũng có thể là do

mẫu không đủ lớn, điều đó còn được thể hiện ở mức Sig.
của X2 rất cao so với mức ý nghĩa 10%, kết quả này ít tin cậy khi suy rộng ra tổng thể.

Hầu hết các biến đều có ý nghĩa cao (Sig < 0.05), trừ 2 biến X2 và X21.
Theo kết quả hồi quy mô hình 3, tác động mạnh đến biến phụ thuộc chính là biến X1, X3,
X6, X7, X8, X15, X18, X22. Ta có thể giải thích một số biến như sau:
X1: cho thấy phụ nữ có khả năng trả nợ cao hơn so với đàn ông, điều này đã chứng
mình sự khác biệt với lý thuyết trong điều kiện Việt Nam.
X3: trình độ học vấn trên đại học tác động tích cực đến khả năng trả nợ của một KH.
X8: hệ số hồi quy của biến này cho thấy người độc thân có xu hướng trả nợ tốt hơn
người đã có gia đình. Về mặt thực tiễn tại Việt Nam, ta có thể lý giải người độc thân
có khả năng quản lý tài chính tốt hơn người có gia đình.
X15: vì khi có thâm niên trong công việc hiện tại, thì thường có thu nhập cao hơn.
X22: KH làm việc ở công ty nước ngoài có khả năng trả nợ cao hơn so với các loại
hình công ty khác. Tiếp theo đó là loại hình công ty Việt Nam, công ty tài chính và
công ty nhà nước.
IV. Đề xuất và kiểm định mô hình xếp hạng tín dụng cho BIDV
Ta có thể nhận thấy khả năng dự báo chính xác thì mô hình 3 là vượt trội nhất,
thích hợp cho một mô hình XHTD.
Tuy nhiên, mô hình mắc phải hiện tượng đa cộng tuyến, và chỉ số
mức

ý
nghĩa
của một số biến không có ý nghĩa như biến: X4, X5, X9, X10, X11, X12, X17, X20.
Ta ước lượng mô hình 4 bằng cách loại đi những biến không có ý nghĩa ở mô hình 3
Bảng: Mô hình 4 – mô hình đề xuất
Biến Tên biến
S
i
g.
X1
Giới tính

-6.077 .003
X3
Trình độ đại học
5.397 .001
X6
Sở hữu nhà
4.173 .035
X7
Thuê nhà
-5.205 .023
X8
Tình trạng hôn nhân
-2.573 .047
X13
Rủi ro nghề nghiệp
3.952 .024
X14
Thời gian cư trú
012 .009
X15
Thời gian làm việc
.021 .019
X16
Thu nhập hàng
tháng
.195 .035
X18
Số dịch vụ khác
2.090 .039
X19

Tiết kiệm hàng
tháng
368 .013
X21
Công ty t
huộc nhà
nước
2.848 .123
X22
Công ty
vốn nước
ngoài
6.248 .009
X23
Công ty khối tài
chính
4.029 .064
X24
Doanh nghiệp
Việt Nam
3.928 .019
Constant
006 .998
Cá
c chỉ
số
thống
kê
OB
0.00

HL
76%
Độ chính xác
93.4%
- 2LL
46.375
McFadden
R-squared
63%
Likelihood ratio
80.59
Chỉ số về độ chính xác của kết quả dự báo mô hình 4 thấp hơn mô hình 3 (93.4 < 94.9)
Chỉ số thống kê HL cho ta thấy mô hình 4 có độ phù hợp với dữ liệu quan sát hơn mô
hình 3
 ĐỘ PHÙ HỢP CỦA MÔ HÌNH
• Hệ số -2LL : càng nhỏ càng tốt.
• Đánh giá -2LL dựa vào kiểm định Omnibus test of model cofficients và
Hosmer and Lemeshow Test.
Model Summary
Step
-2 Log
likelihood
Cox & Snell
R Square
Nagelkerke R
Square
1 46.357
a
.446 .736
a. Estimation terminated at iteration number 9 because

parameter estimates changed by less than .001.
Về kiểm định – 2LL cho thấy mô hình có chỉ số tương đối thấp, điều này chứng tỏ
mức độ phù hợp khá tốt của mô hình tổng thể.
 OMNIBUS TEST OF MODEL COFFICIENTS
• H0: Mô hình không phù hợp (β1= β2=…= βk=0)
• H1: Mô hình phù hợp.
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 80.395 15 .000
Block 80.395 15 .000
Model 80.395 15 .000
Ta thấy giá trị của Sig<0.5 nên bác bỏ H0 => mô hình phù hợp.