Để đánh giá mức độ phù hợp của mô hình O-Score khi áp dụng vào thị trường Việt Nam ta tiến hành 2 nhóm kiểm định cơ bản: Kiểm định đánh giá mức độ phù hợp của mô hình và kiểm định mức ý nghĩa các biến tham gia mô hình.
Kiểm định mức ý nghĩa các biến
Trong hồi quy Binary Logistic để kiểm định mức ý nghĩa các biến ta sử dụng kiểm định Wald. Đây là kiểm định giả thiết hệ số hồi quy . Nếu các hệ số hồi quy 1, 2,...,n bằng 0 thì mô hình hồi quy sẽ không có tác dụng dự báo.
Bảng 4.1. Variables in the Equation
B S.E. Wald Df Sig. Exp(B)
Step 1a CHIN ,233 ,199 1,372 1 ,241 1,263 TLTA ,380 ,529 ,516 1 ,472 1,463 WCTA 2,543 1,911 1,772 1 ,183 12,720 CLCA 1,017 1,040 ,956 1 ,328 2,766 NITA -14,322 4,373 10,725 1 ,001 ,000 FUTL -,824 ,692 1,418 1 ,234 ,439 Constant -1,418 1,070 1,754 1 ,185 ,242
a. Variable(s) entered on step 1: CHIN, TLTA, WCTA, CLCA, NITA, FUTL.
63
Theo đó biến nào có giá trị Sig > 0.05 ta chấp nhận giả thiết H0 và có cơ sở kết luận biến không có đóng góp đáng kể cho mô hình dự báo và có thể loại ra khỏi mô hình. Dựa vào đó ta thấy ngoại trừ biến NITA có giá trị Sig < 0.05 còn tất cả các biến còn lại đều có giá trị Sig > 0.05. Như vậy chỉ có biến NITA phù hợp đưa vào mô hình các biến còn lại đều không có ý nghĩa khi đưa vào mô hình xem xét.
Dựa vào kiểm định Wald ta thấy các biến trong mô hình O- Score không phù hợp trong đưa vào xem xét trên thị trường Việt Nam mà cần sử dụng các biến khác thoả mãn điều kiện cho mô hình.
Kiểm định sự phù hợp của mô hình
Bảng 4.2. Model Summary Step -2 Log
likelihood
Cox & Snell R Square
Nagelkerke R Square
1 75,174a ,388 ,518
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
Nguồn: Tính toán và tổng hợp của tác giả
Bảng 4.2 trình bày mức ý nghĩa của mô hình. Gía trị này có ý nghĩa tương tự với R2 trong hồi quy bội. Tuy nhiên khác với hồi quy bội thông thường hệ số R2 càng lớn thì mô hình càng phù hợp, hồi quy Binary Logistic sử dụng chỉ tiêu - 2LL (-2 log likelihood) để đánh giá độ phù hợp của mô hình. Trong đó -2LL càng nhỏ thì độ phù hợp của mô hình càng cao. Ở đây ta thấy mô hình O-score có hệ số -2LL là 75,174. Đây là một giá trị khá cao do đó ước lượng khả năng dự báo đối với mô hình O-Score sẽ có mức ý nghĩa mô hình không cao.
Ta tiếp tục xem xét giá trị Cox & Snell R square cho thấy khả năng giải thích của mô hình. Kết quả mô hình đạt giá trị là 0,388. Như vậy khi đưa các biến trong mô hình của Ohlson ứng dụng trên thị trường Việt Nam mức độ giải thích của
64
mô hình chỉ đạt 38,8%. Đây là mức giải thích khá thấp cho một mô hình dự báo.Nói khác hơn còn khoảng 61,2% mô hình chưa được giải thích.
Trước khi tìm kiếm một mô hình dự báo phá sản phù hợp cho Thị trường Chứng Khoán Việt Nam ta tiến hành kiểm định lại mô hình O-Score với các ngưỡng sử dụng trong đúng mô hình gốc trên bộ dữ liệu sẵn có để đánh giá khả năng dự báo của mô hình này trên thị trường nước ta. Kết quả thống kê được trình bày trong bảng sau: