8. Kết cấu của đề tài
4.1.5 Xây dựng mô hình hồi quy
Sau khi thực hiện kiểm định mối quan hệ ý nghĩa thống kê giữa các biến độc lập với biến phụ thuộc. Bước tiếp theo của luận văn sẽ tiến hành xây dựng mô hình hồi quy với hiệu ứng ngẫu nhiên (REM) đã loại đi những biến độc lập không có ý nghĩa thống kê với biến phụ thuộc là hành vi sai sót trên BCTC (Misstatement). Như đã phân tích ở trên, kết quả phân xây dựng mô hình hồi quy theo phương pháp Logit PA Robust là tối ưu nhất. Tuy nhiên để đảm bảo kết quả định lượng khi so sánh với mô hình gốc của Decow và các cộng sự (2012), nên bài luận văn lựa chọn phương pháp hồi quy REM theo Decow và các cộng sự (2012) để thực hiện Kết quả đầy đủ được trình bày ở bảng 4.6 (xem phụ lục số 12).
Bảng 4.6: Kết quả phân tích hồi quy
Miss Coef. Odds
Ratio Std.Err. Z P>/z/ [95% Conf. Interval] Rsst_acc 3.034 20.780 1.612 1.87 0.061 -0.138 6.205 Chinv 5.901 2.462 2.522 2.34 0.019 0.957 10.843 Softasset 2.297 9.944 0.814 2.82 0.005 0.701 3.893 Chcs 0.045 1.046 0.013 3.53 0.000 0.020 0.071 Chroa -9.309 0.003 3.474 -2.68 0.007 -16.118 -2.499 Cons -3.624 0.027 0.584 -6.20 0.000 -4.769 -2.479 *, **, *** Có ý nghĩa thống kê tương ứng với .10, .05, .01
(Nguồn: Tác giả tổng hợp kết quả phân tích từ phần mềm Stata12)
Từ kết quả phân tích hồi quy Logit, ta có thể tính được tỷ số xảy ra sự kiện dựa trên công thức Ln (Odds Ratio) = Coefficient (xem phụ lục số 14). Phương trình hồi quy mối quan hệ giữa biến hành vi sai sót trên BCTC và các biến liên quan đến chất lượng các khoản kế toán dồn tích, hiệu quả tài chính có thể được viết lại theo hai cách như sau:
- Mô hình Logit Regression:
MISSTATEMENT= -3.624 + 3.034Rsst-acc + 5.901Chinv+ 2.297Softassets +0.045Chcs – 9.309Chroa + Wi (*)
- Mô hình Logistic Regression:
MISSTATEMENT= 0.027 + 20.780Rsst-acc + 2.462Chinv+ 9.944Softassets + 1.046Chcs +0.003Chroa + Wit (**)
Để dễ hiểu cho việc giải thích ý nghĩa kinh tế của mô hình trên, bài luận văn sẽ giải thích dựa trên tỷ số nguy cơ sai sót (Odds Ratio) từ mô hình (**) như sau:
- Odds ratio của biến Rsst-acc cho biết khi Rsst-acc tăng thêm một đơn vị thì nguy cơ xảy ra sai sót (tỷ số xác suất xảy ra sai sót chia cho xác suất không xảy ra sai sót) bằng 20.780 lần so với nguy cơ xảy ra sai sót trước đó (tức tăng 20.780 – 1= 19.78).
- Odds ratio của biến Chinv cho biết khi Chinv tăng thêm một đơn vị thì nguy cơ xảy ra sai sót bằng 2.462 lần so với nguy có xảy ra sai sót trước đó (tức tăng 2.462 – 1= 1.462).
- Odds ratio của biến Softassets cho biết khi Softassets tăng thêm một đơn vị thì nguy cơ xảy ra sai sót bằng 9.944 lần so với nguy cơ xảy ra sai sót trước đó (tức tăng 9.944 – 1= 8.944).
- Odds ratio của biến Chcs cho biết khi Chcs tăng thêm một đơn vị thì nguy cơ xảy ra sai sót bằng 1.046 lần so với nguy cơ xảy ra sai sót trước đó (tức tăng 1.046 – 1= 0.046).
- Odds ratio của biến Chroa cho biết khi Chroa tăng thêm một đơn vị thì nguy cơ xảy ra sai sót chỉ bằng 0.003 lần so với nguy cơ xảy ra sai sót trước đó (tức giảm 1 – 0.003 = 0.997).