Trước tiên cần xem xét mức độ phù hợp của mô hình thông qua: kiểm định Omnibus đối với các hệ số của mô hình; Giá trị kiểm định Nagelkerke R2
và mức độ dự báo của mô hình. Sau đó, diễn giải kết quả thực hiện phân tích hồi quy logistic.
Mức độ phù hợp của mô hình
Bảng 4.5: Kiểm định Omnibus đối với các hệ số của mô hình Chi-square Bậc tự do p_value
Step 1 Step 8.042 9 0.53 Block 8.042 9 0.53 Model 8.042 9 0.85
Nguồn: Dữ liệu nghiên cứu của tác giả
Dựa vào trên Bảng 4.5 kết quả kiểm định Omnibus đối với các hệ số của mô hình, với giá trị p_value lớn hơn 10%. Như vậy khi đưa tất cả các biến độc lập vào mô hình, mô hình không có ý nghĩa thống kê.
Giá trị kiểm định Nagelkerke R2
Chỉ tiêu thứ hai có thể sử dụng để đánh giá mức độ phù hợp của mô hình đó là giá trị kiểm định Nagelkerke R2. Giá trị kiểm định Nagelkerke R2 bằng 0.145 có nghĩa, khi đưa tất cả các biến độc lập vào mô hình thì 14.5% sự thay đổi dẫn đến gian lận trên báo cáo tài chính có thể ước lượng từ việc kết hợp các biến độc lập.
Mức độ dự báo chính xác của mô hình
Bảng 4.6: Mức độ dự báo của mô hình Thực tế
Dự đoán
Không gian lận Gian lận Phần trăm Không gian lận 24 11 68.6% Gian lận 10 25 71.4% Tỷ lệ dự báo
đúng của toàn bộ mô hình 70%
Trong Bảng 4.6, có 35 (24+11) công ty không có gian lận trên báo cáo tài chính, mô hình dự báo chính xác 24 công ty không có gian lận trên báo cáo tài chính, tỷ lệ dự báo đúng 68.6%. Và 35 (10+25) công ty có gian lận trên báo cáo tài chính, mô hình dự báo chính xác 25 công ty có gian lận trên báo cáo tài, tỷ lệ dự báo đúng 71.4%. Từ đó, tỷ lệ dự báo đúng của toàn bộ mô hình: 70%.