Analytical MethodsQuantitative data

Analytical Methods
Quantitative data was analyzed using descriptive statistics such as mean, standard deviation and percentage used to
investigate the relative importance of major variables hypothesized to influence loan repayment performance of
smallholder farmers. Moreover a two-limit tobit model was used to select variables which most significantly
distinguish between non-defaulters and defaulters of agricultural loan, from a set of personal and socio-economic
variables hypothesized to influence repayment behavior.
The various studies on loan repayment performance in different countries identified the most probable causes of
loan default. Moreover, the major independent variables such as age, gender, credit experience, loan diversion,
education level, weak supervision, among others, were analyzed using different models such as logit, probit, and
Ordinary Least Square multiple regression method. However most of the studies conducted in modeling the
determinants of loan repayment have used dichotomous discrete choice models (Logit and Probit) where the
dependent variable is a dummy that takes a value of zero or one depending on whether or not a farmer has
defaulted. However, Lynne et al. (1988) pointed out possible loss of information if a binary variable is used as the
dependent variable because of the dependent variable may have more than two outcome. In addition, binomial
models, explain only the probability that an individual made a certain choice (i.e. defaulted or has not defaulted)
and they fail to take into account the degree of loan recovery. The linear probability model (LPM), even though
computationally and conceptually simpler and easier than the binary choice models, it depends on the use of
ordinary least squares (OLS) approach. Application of OLS to censored model however, inherently produces
heteroscedastic disturbance term (ɛi) and as a result, the standard deviations of the estimates are biased. These
inadequacies are minimized with the use of the Tobit Model (Tobin, 1958). Therefore, the current study employed
two limit tobit regression model to determine causes of loan repayment performance in the study areas.In this study, the value of the dependent variable is repayment ratio that has been computed as the ratio of amount
of loan repaid to the total amount due from formal sources of credit. Thus, the value of the dependent variable
ranges between 0 and 1 and a two-limit Tobit model has been chosen as the appropriate econometric model. The
two-limit Tobit was originally presented by Rossett and Nelson (1975) and discussed in detail by Maddala (1992)
and Long (1997). The model derives from an underlying classical normal linear regression and can be represented
as:

ผลลัพธ์ (ไทย) 1:

วิธีวิเคราะห์มีวิเคราะห์ข้อมูลเชิงปริมาณใช้สถิติพรรณนาเช่นค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และเปอร์เซ็นต์ที่ใช้ในการตรวจสอบความสำคัญสัมพัทธ์ของตัวแปรหลักที่ตั้งสมมติฐานว่าจะมีผลต่อประสิทธิภาพการชำระค่าสินเชื่อของเกษตรกรเกษตรกร นอกจากนี้ แบบ tobit สองวงเงินถูกใช้เพื่อเลือกตัวแปรใดมากที่สุดอย่างมีนัยสำคัญแยกแยะไม่ใช่ defaulters และ defaulters ของสินเชื่อเกษตร จากส่วนบุคคล และสังคมเศรษฐกิจตัวแปรการตั้งสมมติฐานว่าจะมีอิทธิพลต่อพฤติกรรมการชำระค่าการศึกษาต่าง ๆ ยืมค่าประสิทธิภาพการทำงานในต่างประเทศระบุสาเหตุอาจเกิดขึ้นมากที่สุดเริ่มต้นเงินกู้ นอกจากนี้ ตัวแปรอิสระสำคัญเช่นอายุ เพศ เครดิตประสบการณ์ กู้ผันระดับการศึกษา ดูแลอ่อนแอ หมู่คนอื่น ๆ ได้วิเคราะห์โดยใช้รูปแบบที่แตกต่างกันเช่น logit, probit และปกติน้อยตารางหลายวิธีถดถอย อย่างไรก็ตาม ส่วนใหญ่ของการศึกษาที่ดำเนินการในโมเดลนี้ดีเทอร์มิแนนต์ของสินได้ใช้แบบจำลองทาง dichotomous แยกกัน (Logit และ Probit) ซึ่งการขึ้นอยู่กับตัวแปรคือ หุ่นที่ค่าศูนย์หรือหนึ่งขึ้นหรือไม่มีเกษตรกรค่าเริ่มต้น อย่างไรก็ตาม Lynne et al. (1988) ชี้ให้เห็นข้อมูลสูญหายได้ถ้าตัวแปรฐานสองจะใช้เป็นขึ้นอยู่กับตัวแปรเนื่องจากขึ้นอยู่กับตัวแปรอาจมีผลมากกว่าสอง นอกจากนี้ ทวินามโมเดล อธิบายความที่บุคคลทำการบางอย่างทางเลือก (เช่นค่าเริ่มต้น หรือมีค่าเริ่มต้น)และพวกเขาไม่คำนึงถึงระดับของการกู้ยืม ความน่าเป็นเชิงเส้นแบบจำลอง (LPM), แม้ว่าcomputationally ทางแนวคิดง่าย และง่ายกว่ารูปแบบไบนารีตัวเลือก ขึ้นอยู่กับการใช้ปกติกำลังสองน้อยสุด (OLS) วิธีการ ใช้ OLS censored รุ่นอย่างไรก็ตาม ความคมชัดheteroscedastic รบกวนระยะ (ɛi) และเป็นผล ลำเอียงส่วนเบี่ยงเบนมาตรฐานของการประเมิน เหล่านี้inadequacies จะย่อ ด้วยการใช้แบบจำลอง Tobit (Tobin, 1958) ดังนั้น การจ้างศึกษาปัจจุบันสองจำกัด tobit แบบจำลองการถดถอยเพื่อตรวจสอบสาเหตุของประสิทธิภาพการทำงานของการชำระค่าสินเชื่อในพื้นที่ศึกษา ในการศึกษานี้ ค่าของตัวแปรขึ้นอยู่กับเป็นค่าอัตราส่วนที่มีการคำนวณเป็นอัตราส่วนของจำนวนของบางส่วนให้ยอดเงินกู้ครบกำหนดจากทางแหล่งสินเชื่อ ดังนั้น ค่าของตัวแปรขึ้นอยู่กับช่วงระหว่าง 0 และ 1 และแบบ Tobit สองจำกัดได้ถูกเลือกเป็นแบบ econometric ที่เหมาะสม ที่Tobit สองวงเงินเดิม Rossett และเนลสัน (1975) และกล่าวถึงในรายละเอียด โดย Maddala (1992)และยาว (1997) รูปแบบมาจากตัวต้นแบบคลาสสิกปกติถดถอยเชิงเส้น และสามารถแสดงเป็น:

ผลลัพธ์ (ไทย) 2:

วิธีการวิเคราะห์ข้อมูลเชิงปริมาณได้รับการวิเคราะห์โดยใช้สถิติเชิงพรรณนาเช่นค่าเฉลี่ยส่วนเบี่ยงเบนมาตรฐานและร้อยละที่ใช้ในการตรวจสอบความสำคัญของตัวแปรที่สำคัญในการตั้งสมมติฐานมีผลต่อประสิทธิภาพการชำระคืนเงินกู้ของเกษตรกรรายย่อย นอกจากนี้สองขีด จำกัด รูปแบบบิทถูกใช้ในการเลือกตัวแปรที่สำคัญที่สุดความแตกต่างระหว่างdefaulters ไม่และ defaulters เงินกู้การเกษตรจากชุดของใช้ส่วนบุคคลและทางเศรษฐกิจและสังคมตัวแปรสมมติฐานที่จะมีอิทธิพลต่อพฤติกรรมการชำระหนี้. การศึกษาที่แตกต่างกันเกี่ยวกับประสิทธิภาพการชำระคืนเงินกู้ใน ต่างประเทศระบุสาเหตุน่าจะเป็นที่สุดของการเริ่มต้นเงินกู้ นอกจากนี้ยังมีตัวแปรอิสระที่สำคัญเช่นอายุเพศประสบการณ์เครดิตผันเงินกู้ระดับการศึกษาการกำกับดูแลที่อ่อนแอในหมู่คนอื่น ๆ ถูกนำมาวิเคราะห์โดยใช้แบบจำลองที่แตกต่างกันเช่นโลจิทและสามัญแควน้อยวิธีการถดถอยพหุคูณ แต่ส่วนใหญ่ของการศึกษาดำเนินการในการสร้างแบบจำลองปัจจัยของการชำระคืนเงินกู้ได้ใช้รูปแบบ dichotomous ทางเลือกที่ไม่ต่อเนื่อง (Logit และ Probit) ที่ตัวแปรตามเป็นหุ่นที่ใช้ค่าของศูนย์หรืออย่างใดอย่างหนึ่งขึ้นอยู่กับว่าหรือไม่ได้เกษตรกรที่ผิดนัด แต่เม้ง et al, (1988) ชี้ให้เห็นการสูญเสียเป็นไปได้ของข้อมูลถ้าตัวแปรไบนารีใช้เป็นตัวแปรตามเพราะขึ้นอยู่กับตัวแปรที่อาจมีมากกว่าสองผล นอกจากนี้ยังมีสองชื่อรุ่นอธิบายเพียงว่าน่าจะเป็นบุคคลที่ทำให้เป็นทางเลือกบางอย่าง (เช่นผิดนัดหรือไม่ได้ผิดนัด) และพวกเขาล้มเหลวที่จะคำนึงถึงระดับของการกู้คืนเงินกู้ รูปแบบความน่าจะเป็นเชิงเส้น (LPM) แม้ว่าคอมพิวเตอร์และแนวคิดที่เรียบง่ายและง่ายขึ้นกว่ารุ่นทางเลือกไบนารีก็ขึ้นอยู่กับการใช้งานของสองน้อยที่สุด(OLS) วิธีการ การประยุกต์ใช้กับรูปแบบ OLS เซ็นเซอร์ แต่โดยเนื้อแท้ผลิตระยะรบกวนheteroscedastic (ɛi) และเป็นผลให้ค่าเบี่ยงเบนมาตรฐานของประมาณการที่จะลำเอียง เหล่านี้บกพร่องจะลดลงด้วยการใช้รูปแบบบิทนี้ (โทบิน 1958) ดังนั้นการศึกษาในปัจจุบันลูกจ้างสองวงเงินบิทแบบการถดถอยเพื่อตรวจสอบสาเหตุที่ผลการดำเนินงานการชำระคืนเงินกู้ในการศึกษา areas.In การศึกษาครั้งนี้มีค่าของตัวแปรเป็นอัตราการชำระหนี้ที่ได้รับการคำนวณเป็นอัตราส่วนของจำนวนเงินที่กู้ยืมชำระคืนไปจำนวนเนื่องจากจากแหล่งที่มาอย่างเป็นทางการของเครดิต ดังนั้นค่าของตัวแปรตามช่วงระหว่าง 0 และ 1 และสองขีด จำกัด รูปแบบบิทได้รับการเลือกให้เป็นรูปแบบที่เหมาะสมทางเศรษฐมิติ บิทสองขีด จำกัด ได้นำเสนอมาโดย Rossett และเนลสัน (1975) และพูดคุยกันในรายละเอียดโดย Maddala (1992) และระยะยาว (1997) รูปแบบมาจากการถดถอยเชิงเส้นคลาสสิกพื้นฐานตามปกติและสามารถแสดงเป็น:

ผลลัพธ์ (ไทย) 3:

วิธีการวิเคราะห์
ข้อมูลเชิงปริมาณ วิเคราะห์ข้อมูลใช้สถิติเชิงพรรณนา เช่น ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และค่าร้อยละ ใช้
ศึกษาความสำคัญสัมพัทธ์ของตัวแปรที่มีอิทธิพลต่อการชำระคืนเงินกู้หลักสมมติฐานประสิทธิภาพของโครงสร้าง
เกษตรกร . นอกจากนี้ สองขีด รวมถึงแบบที่ถูกใช้ในการเลือกตัวแปรที่สําคัญที่สุด
ความแตกต่างระหว่างคนเลี่ยงไม่ defaulters สินเชื่อการเกษตร จากชุดของบุคคลและสังคม ตัวแปรที่มีอิทธิพลต่อพฤติกรรมบริโภค

การศึกษาต่าง ๆในการชำระคืน งานชำระคืนเงินกู้ในประเทศที่แตกต่างกันระบุสาเหตุน่าจะเป็นที่สุดของ
เริ่มต้นเงินกู้ และตัวแปรอิสระที่สำคัญ เช่น อายุ เพศ ประสบการณ์ในการเครดิต , เงินกู้ ,
ระดับการดูแลที่อ่อนแอของผู้อื่นการศึกษา วิเคราะห์โดยใช้แบบจำลองโลจิทตัวแตกต่างกันเช่น , และ
กำลังสองถดถอยโดยวิธี อย่างไรก็ตามส่วนใหญ่ของการศึกษาในแบบจำลอง
กำหนดการชำระคืนเงินกู้ได้ใช้ไดโคโตมัสไม่ต่อเนื่อง ( โดยใช้ตัวเลือกรุ่นและ
) ที่ตัวแปรตาม คือ หุ่นที่ใช้ค่าศูนย์หรือหนึ่งขึ้นอยู่กับว่าหรือไม่ ชาวนาได้
defaulted . อย่างไรก็ตาม ลินน์ et al . ( 1988 ) ชี้ให้เห็นการสูญเสียเป็นไปได้ของข้อมูลไบนารีถ้าตัวแปรที่ใช้คือ
ตัวแปรเพราะตัวแปรอาจมีมากกว่าสองผล นอกจากนี้ แบบทวินาม
,อธิบายแค่ความน่าจะเป็นที่แต่ละคนเลือกได้บางอย่าง ( เช่น ผิดนัด หรือมี defaulted )
และพวกเขาล้มเหลวในการพิจารณาระดับของการกู้ยืม แบบจำลองความน่าจะเป็นเชิงเส้น ( ของเหลว ) , แม้ว่า
computationally แนวคิดที่ง่ายและง่ายกว่าและรูปแบบทางเลือกไบนารี มันขึ้นอยู่กับการใช้
วิธีกำลังสองน้อยที่สุด ( OLS ) วิธีการ