ปัจจัยทำนายการเป็นหนี้ที่ไม่ก่อให้เกิดรายได้ของธนาคาร : กรณีศึกษา ธนาคารออมสินสาขาขอนแก่น

Abstract

การศึกษานี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยทำนายการเป็นหนี้ที่ไม่ก่อให้เกิดรายได้ของธนาคาร : กรณีศึกษาธนาคารออมสินสาขาขอนแก่น โดยการเก็บรวบรวมข้อมูลจากลูกหนี้สินเชื่อที่มาขอใช้บริการสินเชื่อของธนาคารออมสินสาขาขอนแก่น ระหว่างวันที่ 1 มกราคม 2553 ถึงวันที่ 31 ธันวาคม 2554 ดำเนินการสุ่มตัวอย่างแบบแบ่งชั้นภูมิตามสัดส่วนตามประเภทของสินเชื่อ จากนั้นเลือกตัวอย่างศึกษาในแต่ละชั้นภูมิโดยการสุ่มตัวอย่างแบบชั้นภูมิตามสัดส่วน ได้จำนวน 2,100 ราย เก็บรวมรวมข้อมูลโดยใช้แบบบันทึกข้อมูลที่สร้างขึ้นและผ่านการตรวจสอบจากผู้เชี่ยวชาญ เพื่อเก็บข้อมูลการเป็นหนี้ที่ไม่ก่อให้เกิดรายได้ ข้อมูลลักษณะส่วนบุคคล และข้อมูลลักษณะเงื่อนไขการกู้เงิน นำข้อมูลที่ได้มาวิเคราะห์ปัจจัยทำนายการเป็นหนี้ที่ไม่ก่อให้เกิดรายได้ โดยใช้สถิติวิเคราะห์การถดถอยโลจิสติกแบบไบนารี จากการศึกษาพบว่าเมื่อนำตัวแปรอิสระของลักษณะส่วนบุคคล และลักษณะเงื่อนไขการกู้เงิน จำนวน 11 ปัจจัยได้แก่ เพศ อายุ สถานภาพ ระดับการศึกษา อาชีพ รายได้ต่อเดือน วงเงินกู้ ระยะเวลาการกู้เงิน ภาระหนี้สินกับสถาบันการเงินอื่น ประวัติการมีหนี้ค้างชำระ และหลักประกันในการกู้เงินมาวิเคราะห์หาความสัมพันธ์กับการเป็นหนี้ที่ไม่ก่อให้เกิดรายได้ พบว่ามีตัวแปรอิสระจำนวน 3 ปัจจัยได้แก่ เพศ อาชีพ และประวัติการมีหนี้ค้างชำระที่มีลักษณะ เป็นปัจจัยทำนายการเป็นหนี้ที่ไม่ก่อให้เกิดรายได้ โดยมีความสัมพันธ์ทางสถิติที่ระดับนัยสำคัญทางสถิติ 0.050 โดยพบว่าเพศชายจะมีโอกาสที่จะเป็นหนี้ที่ไม่ก่อให้เกิดรายได้มากกว่าเพศหญิง 2.028 เท่า อาชีพธุรกิจส่วนตัวและค้าขาย มีโอกาสเป็นหนี้ที่ไม่ก่อให้เกิดรายได้มากกว่ากลุ่มอาชีพรับราชการและรัฐวิสาหกิจ 2.487 เท่า และลูกหนี้ที่มีประวัติการมีหนี้ค้างชำระ มีโอกาสเป็นหนี้ที่ไม่ก่อให้เกิดรายได้มากกว่า ลูกหนี้ที่ไม่มีประวัติการมีหนี้ค้างชำระจำนวน 6.799 เท่า จากผลการศึกษาทำให้ทางธนาคารนำมาใช้ประกอบในการพิจารณาคัดกรองและเฝ้าระวังลูกค้าที่เป็นกลุ่มเสี่ยงต่อการเป็นหนี้ที่ไม่ก่อให้เกิดรายได้

Predictive Factors of Non Performing Loans : Case Study in Government Saving Bank of Khon Kaen Branch

This study aimed to investigate the Predictive Factors of Non-Performing Loans: Case Study In Government Saving Bank of Khon Kaen Branch during January 1st, 2010-December 31st, 2011. The samples were randomized by using proportional stratified random sampling method and accordance with the credit’s types. Then, the samples from each stratify were chosen by using simple random sampling method. The recording form was constructed to collect the data and checked by the experts. The form was used to collect data of the non-performing loans, personal characteristics, and loan conditions. The samples of 2,100 were collected and the data were analyzed by using the binary logistic regression analysis to determine the factors that predicted the non-performing loans.

The independent-variable data of personal characteristics and loan conditions-genders, age, marriage status, education levels, occupations, incomes, financial amount, loan duration, debts, unpaid debt record, and debt guarantee - were brought for analysis in the multivariate model to find the relation between the variables and the non-performing loans by using binary logistic regression analysis, it was found that there were 3 factors (genders, occupations and unpaid debt record) that having predictive performance of the non-performing loans in the multivariate model and these factors remained having association to the non-performing loans with statistical significance level at 0.050. The study found that men were likely to be non-performing loans 2.028 times more than women. The participants who run their own business tended to be the non-performing loans 2.487 times more than those who worked in the government service and enterprises. Lastly, debtors who had unpaid debt record tended to take the non-performing loans 6.799 times higher than those without the record. These findings; therefore, could be useful for financial institutions to take the result to their consideration when screening and monitoring the risk group that seemed to be the non-performing loans.