❖ Kiểm định đa cộng tuyên
Trong mô hình phân tích hồi quy, chúng ta giả thiết giữa các biến giải thích của mô hình độc lập tuyến tính với nhau, tức là các hệ số hồi quy đối với một biến cụ thể là số đo tác động riêng phần của biến tương ứng khi tất cả các biến khác trong mô hình được giữ cố định. Tuy nhiên khi giả thiết đó bị vi phạm tức là các biến giải thích có tương quan thì chúng ta không thể tách biệt sự ảnh hưởng riêng biệt một biến nào đó. Hiện tượng đó gọi là hiện tượng đa cộng tuyến.
Xét hiện tượng đa cộng tuyến của mô hình: độ chấp nhận của biến (Tolerances) và hệ số phóng đại phương sai (Variance inflation factor - VIF) được dùng để phát hiện hiện tượng đa cộng tuyến. Quy tắc là khi VIF vượt quá 10 là dấu hiệu của đa cộng tuyến.
55
Bảng 2.14: Coefficients
Theo kết quả chạy mô hình trên, thì kết quả VIF đều nhỏ hơn 10, chứng tỏ trong mô hình của tôi không có hiện tượng đa cộng tuyến. Không có hiện tượng đa cộng tuyến, việc ước lượng hệ số của mô hình sẽ chính xác, làm cho việc suy rộng các kết quả tính toán được đúng đắn và chính xác hơn.
❖ Kiểm định tính đúng đắn của mô hình - Kết quả thực nghiệm trên mẫu như sau:
-2 Log likelihood Cox & Snell R Square Nagelkerke R Square 22.428a ^687 .916 Observed Predicted Y Percentage Correct 0 1 Step 1 Y 0 47 94.0 1 3 47 94.0 Overall Percentage 94.0
Ta kiểm định giả thuyết: H0: β1=β2=...=βk=0 H1: : β12+ β∕+...∙ βk2 ≠ 0
Cặp giả thuyết này xem xét khả năng giải thích cho biến phụ thuộc của tổ hợp các biến độc lập.
56
Ket quả ở bảng 1 cho thấy độ phù hợp tổng quát có mức ý nghĩa quan sát sign=0.000 nên ta bác bỏ H0; nghĩa là tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình có ý nghĩa trong việc giải thích các biến phụ thuộc.
Bảng 2.16: Model Summary
Bảng 2 cho ta thấy giá trị -2 log likelihood = 22.428 không cao lắm nên mô hình tổng thể có độ phù hợp khá tốt.
B S.E. Wald df Sig. Exp(B) Step 1a HSN -10.941 6.321 2.996 ^083 .000 TTNH 27.563 10.816 6.494 1 .011 9.342E11 ROA 1.148 .482 5.668 1 .017 3.152 ROE -.434 .194 4.980 1 .026 .648 TTLV -.275 .145 3.616 1 .057 .759 Consta n t -20.443 9.854 4.304 1 .038 .000
a. The cut value is .500
Mức độ chính xác của mô hình cũng được thể hiện ở bảng 3. Bảng này cho thấy trong 50 trường hợp doanh nghiệp có rủi ro tín dụng, mô hình đã dự đoán đúng dược 47 trường hợp, chiếm tỉ lệ 94%. Đối với 50 doanh nghiệp không có rủi ro tín dụng, mô hình dự đoán đúng 47 trường hợp, chiếm tỉ lệ 94%. Tỉ lệ dự đoán đúng của toàn bộ mẫu là 94%.
57
Bảng trên cho thấy mức ý nghĩa sig. của các hệ số hồi quy. Theo đó, mức ý nghĩa sign. của các hệ số hồi quy hầu hết đều nhỏ hơn 0.05, ngoại trừ với hệ số nợ vượt trội hơn, lên 0.083, tuy nhiên vẫn nhỏ hơn 0.1, như vậy các hệ số hồi quy đều có ý nghĩa và mô hình có thể sử dụng để dự báo rủi ro.