Phân tích hồi quy tương quan bội sẽ cho phép xác định một mô hình tối ưu, qua đó biểu hiện mức độ ảnh hưởng giữa các yếu tố tác động đến RRTD (biến độc lập) và yếu tố RRTD (biến phụ thuộc) tại OCB.
Sau khi đã xác định được 6 yếu tố tác động đến RRTD tại OCB, các yếu tố này sẽ tiếp tục được đưa vào mô hình hồi quy bội để phân tích xác định cụ thể trọng số của từng yếu tố tác động đến RRTD tại OCB. Như vậy, mô hình hồi quy tuyến tính đa biến thể hiện sự tác động của 6 yếu tố đến RRTD được biểu diễn dưới dạng phương trình sau:
Y = 1T1T R0R + 1T1T R1RXR1R + 1T1T R2RXR2R + 1T1T R3RXR3R + 1T1T R4RXR4R + 1T1T R5RXR5R + 1T1T R6RXR6
Y: biến phụ thuộc – RRTD tại OCB
1T1T RnR: hệ số hồi quy tương ứng với biến độc lập thứ n
Các biến đưa vào phân tích hồi quy được tính nhân số bằng cách lấy trung bình công
(Mean) của các biến quan sát thuộc yếu tố đó. Đặt:
H1: giá trị trung bình các biến quan sát CS1, CS2, CS3 và CS4. H2: giá trị trung bình các biến quan sát NH1, NH2, và NH4. H3: giá trị trung bình các biến quan sát KS1, KS2, KS3 và KS4.
H4: giá trị trung bình các biến quan sát KH1, KH2, KH3 và KH4. H5: giá trị trung bình các biến quan sát NS1, NS2, NS3 và NS4.
H6: giá trị trung bình các biến quan sát NHNN1, NHNN2, NHNN3 và NHNN4.
Kết quả phân tích hồi quy bội nhận thấy có R2 là 0,573 và R2 điều chỉnh là 0,564. Như vậy thấy R2 điều chỉnh nhỏ hơn R2, dùng R2 điều chỉnh đánh giá độ phù hợp của mô hình nghiên cứu. Điều này nói lên độ thích hợp của mô hình là 56,4% hay 56,4% độ biến thiên về biến RRTD tại OCB được giải thích chung bởi các biến độc lập trong mô hình. Kết quả phân tích phương sai ANOVA cho thấy giá trị thống kê F được tính từ giá trị R2 của mô hình có giá trị sig rất nhỏ cho thấy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu, hay các biến độc lập có quan hệ với biến phụ thuộc và mô hình có thể sử dụng được.
Hệ số phóng đại phương sai VIF nhỏ, thỏa điều kiện < 10, như vậy sẽ không có hiện tượng đa công tuyến. Do đó các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra, nên mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy.
Model R R Square
Adjusted R
Square Std. Error of the Estimate
1 .757P a .573 .564 .70519 CoefficientsP a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.661 .308 -2.143 .033 H1 .010 .051 .007 .196 .845 .950 1.053 H2 .720 .043 .648 16.689 .000 .907 1.103 H3 .246 .049 .198 5.052 .000 .886 1.128 H4 .105 .045 .089 2.342 .020 .950 1.053 H5 .105 .043 .100 2.455 .015 .830 1.204 H6 -.009 .042 -.009 -.215 .830 .858 1.165
Phương trình hồi quy sẽ cho phép khẳng định tồn tại mối quan hệ đồng biến giữa các biến số như sau:
RRTD = -0,661 + 0,105NS + 0,105KH + 0,246KS + 0,72NH
Qua mô hình, chúng ta thấy đâu là yếu tố tác động mạnh nhất đến RRTD, từ đó trong quy trình quản trị rủi ro tín dụng, chúng ta sẽ đưa ra những giải pháp tăng cường hoạt động quản trị rủi ro tín dụng tại OCB.
