N Minimum Maximum Mean Std Deviation
5.2.3. Phân tích hồi quy Logistic
Để biết được cụ thể trọng số của từng yếu tố tác động lên rủi ro tín dụng của doanh nghiệp, tác giả tiến hành phân tích hồi quy Binary Logistic bởi vì biến phụ thuộc là dạng biến nhị phận (Có rủi ro =0; Không có rủi ro =1). Phân tích hồi quy Logistic sẽ giúp chúng ta biết được cường độ tác động của các biến độc lập lên biến phụ thuộc. Phương pháp hồi quy được sử dụng ở đây là phương pháp hợp lý cực đại (Maximum Likelihood) với biến phụ thuộc là: Mức độ rủi ro khoản vay (MDRR);
biến độc lập là Kinh nghiệm của khách hàng vay (KNKHV); Khả năng tài chính của khách hàng (KNTC); Tài sản đảm bảo (TSDB); Sử dụng vốn vay (SDVV); Kinh nghiệm của cán bộ tín dụng (KNCBTD); Đa dạng hoá các hoạt động kinh doanh (DDHKD); Kiểm tra, giám sát khoản vay (KTGSKV). Vậy phương trình hồi quy Logistic biểu diễn mối liên hệ giữa các biến có dạng như phương trình (2) ở mục 3.4.1.
Trong khi đó p chỉ có thể nằm trong khoảng 0-1 và khoảng thang đo của logit (p) từ trừ vô cực đến cộng vô cực và đối xứng xung qua 0. Công thức 4 dưới đây cho thấy mối quan hệ giữa các phương trình hồi quy thông thường (α + βx... vv) là một công thức đường thẳng, và các phương trình hồi quy logistic.
Sau khi ước lược và tính P ta có công thức sau:
1 2 1 2 ( x1 x 2... kxk ) ( x1 x 2... kxk ) exp P 1 exp (4) α: là hằng số, và thể hiện giá trị ước lượng
β1-βk: là hệ số hồi quy Logistic, và thể hiện giá trị ước lượng các biến. exp: Cơ sở logarits tự nhiên
Phân tích hồi quy Logistics của SPSS được thực hiện bằng phương pháp pháp Enter. Cuối cùng kết quả SPSS 22.0.0 cho ta thấy từ bảng 9 cột Percentage correct 95 %, nhìn chung từ kết quả này mô hình tương đối là tốt, nhưng ngoài ra, SPSS 22.0.0 còn cung cấp cho chúng ta các loại kiểm định cho phù hợp mô hình và ý nghĩa thông kê như sau: