Kết quả ước lượng từ mô hình hồi quy logistic nhị phân cho thấy:
- Kết quả cho LR chi2 (9) (Likelihood ratio) là 90,49 và Prob > chi2 là 0,000 nhỏ hơn mức ý nghĩa 1% nên ta có thể bác bỏ H0. Nghĩa là trong các hệ số của các biến độc lập, có ít nhất một tham số khác 0. Hay nói cách khác, trong các biến độc lập, có ít nhất một biến có ảnh hưởng đến giá trị của biến phụ thuộc.
- Giá trị của Log likelihood là -33,969 và Pseudo R2 là 0,5785, tức các biến độc lập trong mô hình giải thích được 57,85% kết quả biến phụ thuộc.
Các thông số trên đã phản ánh mô hình Logit khá tốt. Tuy nhiên, nhằm đảm bảo hơn nữa tính vững của mô hình tham gia BHNN, một số kiểm định đã được tiến hành:
a) Kiểm định sự sai lệch trong việc xác định mô hình
Như chúng ta đã biết, trong mô hình Logit, logarit của biến phụ thuộc là một hàm tuyến tính của các biến giải thích. Do đó, kiểm định sự sai lệch trong xác định mô hình là nhằm mục đích xác định xem mô hình đã có đủ các biến số độc lập chưa và biến Y có biến thiên tuyến tính với các biến độc lập không. Sau lệnh hồi quy logit, lệnh linktest được dùng để kiểm định mô hình. Trong đó, biến số _hat là một biến số tiên đoán, giá trị này được dự đoán từ mô hình logit. Nếu biến số này không có ý nghĩa thống kê thì kết luận mô hình đã bị xác định sai. Bên cạnh đó, biến số _hatsq, là giá trị tiên đoán bình phương, cũng được suy ra từ mô hình logit. Nếu _hatsq có ý nghĩa thống kê sẽ cho kết luận là mô hình đã bỏ sót biến có ảnh hưởng đến kết quả mô hình.
Kết quả kiểm định dựa trên nguồn dữ liệu của bài cho giá trị p-value của _hat là 0,000 và của _hatsq là 0,162. Như vậy, ta có thể kết luận từ kiểm định này, với mức ý nghĩa 10%, mô hình Logit không bị thiếu biến số ảnh hưởng đến kết quả của biến phụ thuộc và dạng mô hình đã được xác định đúng.
b) Kiểm định sự phù hợp của mô hình
Xác định sự phù hợp của mô hình bằng kiểm định Hosmer - Lemeshow. Kiểm định được thực hiện nhằm so sánh mức độ khớp giữa giá trị tiên đoán (ước lượng) từ mô hình và giá trị quan sát trong thực tế. Kết quả từ kiểm định này cho thấy Prob > chi2 là 0,213. Ta có thể khẳng định, ở mức ý nghĩa 10%, mô hình phù hợp tốt với dữ liệu, tức giá trị ước lượng gần với giá trị quan sát.
35
c) Kiểm tra hiện tượng đa cộng tuyến
Kiểm định Corr cho các giá trị đều nhỏ hơn 0,8, do đó có thể bỏ qua
tương tác giữa các biến độc lập trong mô hình (Mai Văn Nam, 2008). Kết luận mô hình không bị hiện tượng đa cộng tuyến.
d) Mức độ dự báo chính xác của mô hình
Lệnh lstat đã được thực hiện và cho kết quả tỷ lệ dự báo đúng của toàn bộ mô hình là 89,38%.
Với những thông số từ các kiểm định trên, ta kết luận mô hình hồi quy logistic nhị phân tốt và các kết quả ước lượng là đáng tin cậy.
Ta có mô hình hồi quy được viết như sau:
Y = - 2,588 + 0,461D1 + 0,003X2 - 0,255X3 + 1,826D4 + 2,448D5 + 2,395D6 +
0,333D7 + 0,163X8 (4.1)
Bảng 4.3: Kết quả ước lượng mô hình hồi quy Binary Logistic
Tên biến Hệ số (β) Sai số chuẩn (S.E) Giá trị p-value Hiệu ứng biên (dY/dX) Giới tính (D1) 0,461 1,129 0,683 0,109 Tuổi (X2) 0,003 0,037 0,925 0,001 Trình độ học vấn (X3) -0,255 0,129 0,048** -0,058 Làm việc tại địa phương (D4) 1,826 1,085 0,092 * 0,325 Tập huấn kỹ thuật (D5) 2,448 0,797 0,002*** 0,488 Thông tin (D6) 2,395 0,765 0,002*** 0,507 Khả năng tiếp cận tín dụng (D7) 0,333 0,731 0,648 0,077
Diện tích đất nuôi tôm (X8) 0,163 0,063 0,010** 0,037
Chi phí sản xuất (X9) -0,000 0,000 0,261 -0,000 Hệ số chặn (β0) -2,588 2,355 0,272 x LR chi2 (9) 90,49 Prob > chi2 0,000 Log likelihood -33,969 Pseudo R2 57,85% Hosmer - Lemeshow Prob > chi2 0,213 Xác suất dự báo đúng 89,38%
Nguồn: Kết quả xử lý số liệu điều tra của tác giả bằng STATA, 10/2013 Ghi chú: *, **, *** là mức ý nghĩa tương ứng với 10%, 5% và 1%
36