CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3 Phân tích mô hình hồi quy
Như đã trình bày ở phần trên, do biến phụ thuộc là biến nhị phân nhận giá trị là 0 và 1 nên mô hình hồi quy được chọn trong mô hình nghiên cứu là mô hình logit. Với dữ liệu hồi quy là dữ liệu bảng thì có 2 mô hình thông dụng để chạy hồi quy là mô hình các yếu tố ảnh hưởng cố định (Fixed Effect model – FE) và mô hình các yếu tố tác động ngẫu nhiên (Random Effect model – RE).
Với biến phụ thuộc là công ty sẽ bị xếp vào có nguy cơ phá sản khi xảy ra ít nhất một trong hai điều kiện là: hoặc có ROA âm và vốn hóa thị trường nhỏ hơn tổng nợ, hoặc có vốn lưu động âm và vốn hóa thị trường nhỏ hơn tổng nợ. Khi đó bảng kiểm định Hausman được trình bày trong bảng 4.3.
Bảng 4.3 Kết quả kiểm định Hausman
Biến phụ thuộc Chi2(12) Prob(chi2) Lựa chọn mô hình
Nguy cơ phá sản (Y) 13,47 0,3357 Random Effect
Nguồn: Tính toán của tác giả bằng phần mềm stata 12
Theo như kết quả phân tích có được, do chỉ số Prob(chi2) = 0,3357 lớn hơn 0,05 (không thể bác bỏ giả thiết H0 hay nói cách khác giả thiết H0 của kiểm định Hausman là đúng). Vì vậy, có thể kết luận rằng sử dụng mô hình Random Effect (RE) sẽ giải thích tốt hơn mô hình Fixed Effect (FE).
Bảng 4.4 Kết quả hồi quy mô hình tác động ngẫu nhiên Ký hiệu Biến Hệ số hồi quy Sai số Chuẩn Giá trị thống kê z Giá trị p-value X1 Hệ số thanh khoản 1,909474 0,705128 2,71 0,007 X2 ROA -19,69329 5,078316 -3,88 0,000 X3 ROE 1,381484 11,13453 0,12 0,901 X4 EBIT/Tổng tài sản 10,40926 5,732146 1,82 0,069
X5 Doanh thu thuần/Tổng tài sản -0,204026 0,245967 -0,83 0,407
X6 EBIT/Doanh thu thuần -2,978569 1,224519 -2,43 0,015
X7 Đòn bẩy tài chính 12,43857 3,450188 3,61 0,000
X8 Tăng doanh thu thuần -0,383327 0,370038 -1,04 0,300
X9 Tăng tổng tài sản 1,264492 0,760920 1,66 0,097
X10 Vốn hóa thị trường/Tổng nợ -6,247676 1,265013 -4,94 0,000
X11 Cơ cấu nợ 12,18692 2,782239 4,38 0,000
X12 Cơ cấu tổng tài sản -23,65706 4,080993 -5,80 0,000
Hằng số -4,823614 2,891694 -1,67 0,0095 Log likelihood = -276,91567
Prob > Chi2 = 0,000
Nguồn: Kết quả tính toán của tác giả từ phần mềm Stata 12
Dựa vào kết quả p-value trong bảng kết quả ta thấy các biến X1, X2, X6, X7, X10, X11, X12 có ý nghĩa thống kê ở mức 5% và các biến X3, X4, X5, X8, X9 không có ý nghĩa thống kê khi chạy hồi quy dữ liệu tổng thể. Kết quả Prob(chi2) là 0,000 điều đó có thể khẳng định rằng đủ độ tin cậy để bác bỏ giả thiết H0: βk=0. Vậy xét về mặt tổng thể mô hình có ý nghĩa thống kê. Tuy nhiên, ta cần phải kiểm định xem việc loại bỏ các biến này có ảnh hưởng nhiều đến khả năng dự báo của mô hình hay không. Hoàng Trọng (2008) cho rằng đối với hồi quy tuyến tính thì sử dụng kiểm định t để kiểm định giả thiết H0: βk=0. Còn đối với mô hình hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê
của hệ số hồi quy tổng thể. Vì vậy ta có thể dùng kiểm định Wald để kiểm định hệ số hồi quy của các biến X3, X4, X5, X8, X9 có khác 0 hay không.
Bảng 4.5 Kết quả kiểm định Wald
Ký hiệu Biến Prob(F-statistic) Prob(chi2)
X3 ROE 0,901 0,9013
X4 EBIT/Tổng tài sản 0,069 0,0694
X5 Doanh thu thuần/Tổng tài sản 0,407 0,4068
X8 Tăng doanh thu thuần 0,300 0,3002
X9 Tăng tổng tài sản 0,097 0,0966
Nguồn: Tính toán của tác giả bằng phần mềm stata 12
Qua bảng 4.5 cho thấy rằng không đủ cơ sở bác bỏ giả thiết H0. Như vậy dựa vào hệ số ý nghĩa thống kê của các biến trong mô hình hồi quy kết hợp với bảng kiểm định Wald ta hoàn toàn có cơ sở để loại bỏ các biến X3, X4, X5, X8, X9ra khỏi mô hình hồi quy mà không ảnh hưởng đến kết quả dự báo. Từ kết quả thu được từ bảng 4.4 mô hình logit được viết như sau:
Z =ln[P/(1-P)] = – 4,824 + 1,909X1 – 19,693 X2– 2,979X6 + 12,439X7 – 6,248X10 + 12,187X11 – 23,657X12
Kiểm định hiện tƣợng đa cộng tuyến
Để phát hiện hiện tượng đa cộng tuyến trong mô hình, tác giả sử dụng hệ số phóng đại phương sai (VIF). Có nhiều đề xuất khác nhau cho giá trị của VIF, nhưng phổ biến nhất là 10, theo đó là mức tối đa của VIF mà vượt quá giá trị đó có thể gây ra hiện tượng đa cộng tuyến (Hair, Anderson, Taham và Black (1995); Kennedy (1992); Neter, Wasserman và Kurtner (1989)). Kết quả bảng 4.7 hệ số hồi quy VIF của mô hình, hệ số VIF của các biến < 10 nên không có hiện tượng đa cộng tuyến xảy ra giữa các biến trong các mô hình.
Bảng 4.6 Kết quả hồi quy VIF
Ký hiệu Biến VIF 1/VIF
X3 ROE 8,22 0,121703
X2 ROA 4,62 0,216286
X1 Hệ số thanh khoản 4,47 0,223801
X7 Đòn bẩy tài chính 4,28 0,233848
X4 EBIT/Tổng tài sản 3,75 0,266851
X12 Cơ cấu tổng tài sản 3,62 0,276107
X11 Cơ cấu nợ 3,09 0,323610
X10 Vốn hóa thị trường/Tổng nợ 3,07 0,325596
X6 EBIT/Doanh thu thuần 1,61 0,619382
X5 Doanh thu thuần/Tổng tài sản 1,23 0,812716
X9 Tăng tổng tài sản 1,15 0,867807
X8 Tăng doanh thu thuần 1,03 0,969143
Trung bình VIF 3,35
Nguồn: Tính toán của tác giả bằng phần mềm stata 12