Trước hết, tác giả tiến hành chạy hồi quy với tất cả các biến nghiên cứu như đã trình bày ở Bảng 3.1. Căn cứ kết quả hồi quy lần thứ nhất ở Bảng 3.4 nhận thấy hệ số Wald chi2 có ý nghĩa ở mức 1%, thể hiện mô hình có ý nghĩa thống kê cao. Kết quả hồi quy còn cho thấy, các biến History, Current_Ratio, Int_Coverage, ROA,
Debt_Ratio, Collateral đều có ý nghĩa thống kê với mức ý nghĩa 5%. Các biến Age, Rela_year, Audit không có ý nghĩa thống kê với mức ý nghĩa 5%. Đồng thời, tác chiều hướng tác động của các biến có ý nghĩa trong mô hình đúng theo kỳ vọng của các giả thuyết nghiên cứu.
Bảng 3.4: Kết quả hồi quy lần thứ nhất
Aproved_Loan Hệ số hồi quy Sai số chuẩn p-value
Hệ số chặn -1.8612650 0.8201483 0.023 Age 0.0479800 0.0361641 0.185 Rela_year 0.0248050 0.0717366 0.730 History -0.6046381 0.2491911 0.015 Current_ration 0.6927395 0.3409448 0.042 Int_coverage 0.0730735 0.0306461 0.017 ROA 0.0546861 0.0233034 0.019 Debt_Ratio -1.6446660 0.6546824 0.012 Collateral 2.3096530 0.4950346 0.000 Audit 1.8704620 1.3272310 0.159 Số quan sát: 212 Wald chi2 (9) = 121.96 Prob > chi2 = 0.0000 R2= 0.4559 Log Likelihood = -72.776458
Nguồn: Kết quả tính toán từ phần mềm STATA
Trước khi đưa ra kết quả kết quả hồi quy chính thức, tác giả sẽ thực hiện một số bước kiểm định như kiểm định thừa biến, kiểm định sự phù hợp của mô hình để đảm bảo mô hình không vi phạm các giả thiết của hồi quy.
Kiểm định thừa biến
Trong kết quả hồi quy lần thứ nhất, các biến Age, Rela_year và Audit đều không có ý nghĩa thống kê ở mức ý nghĩa 5%.
Thực hiện kiểm định Wald với giả thuyết H0: βi = βj = βk = 0, với βi, βj, βk lần lượt là hệ số hồi quy của các biến rela_year và audit. Kết quả kiểm định thừa biến thể hiện ở Bảng 3.5.
Bảng 3.5: Kết quả kiểm định thừa biến
(1) Age = 0 (2) Rela_year = 0 (3) Audit = 0 Chi2 (3) Prob > chi2 = 5.06 = 0.1672
Nguồn: Kết quả từ phần mềm STATA
Kết quả kiểm định Wald ở Bảng 3.5 cho thấy, với giá trị p-value = 0.1672 > 0.05 nên chấp nhận giả thuyết H0. Điều này có nghĩa các biến Age, Rela_year và Audit đều không cần thiết đưa vào mô hình. Sau khi có thể loại các biến thừa, tác giả tiến hành hồi quy lại mô hình và thu được kết quả như sau:
Bảng 3.6: Kết quả hồi quy lần thứ hai
Aproved_Loan Hệ số hồi quy Sai số chuẩn p-value
Hệ số chặn -1.211203 0.7016368 0.084 History -0.5676092 0.2365616 0.016 Current_ration 0.6799168 0.3301793 0.039 Int_coverage 0.0680969 0.0306506 0.026 ROA 0.0498347 0.0222911 0.025 Debt_Ratio -1.605779 0.633542 0.011 Collateral 2.171372 0.4774062 0.000 Số quan sát: 212 Wald chi2 (6) = 114.93 Prob > chi2 = 0.0000 R2= 0.4296 Log Likelihood = -76.290202
Căn cứ kết quả hồi quy lần thứ 2 ở Bảng 3.6 nhận thấy hệ số Wald chi2 có ý nghĩa ở mức 1%, thể hiện mô hình có ý nghĩa thống kê cao. Kết quả hồi quy còn cho thấy, tất cả các biến độc lập trong mô hình, bao gồm biến: Age, History, Current_Ratio, Int_Coverage, ROA, Debt_Ratio, Collateral đều có ý nghĩa thống kê với mức ý nghĩa 5%. Đồng thời, chiều hướng tác động của các biến này đều đúng với kỳ vọng của các giả thuyết nghiên cứu đã trình bày tóm tắt tại Bảng 3.1.
Với R2 bằng 0.4296 có thể thấy 42.96% sự biến thiên của xác suất tiếp cận tín dụng ngân hàng của DNNVV (biến approved_loan) được giải thích bởi các biến độc lập trong mô hình mô hình.
Kiểm định sự phù hợp của mô hình
Sau khi bỏ biến thừa, chạy lại mô hình hồi quy và kiểm định đa cộng tuyến. Tiếp theo, tác giả tiến hành kiểm định sự phù hợp của mô hình.
Bảng 3.7: Kiểm định sự phù hợp của mô hình
Số quan sát Pearson chi2 (205) Prob > chi2 = 212 = 226.16 = 0.1483
Nguồn: Kết quả từ phần mềm STATA
Dựa vào kết quả kiểm định ở Bảng 3.7, với p-value của kiểm định bằng 0.1483 > 0.05 cho thấy mô hình hoàn toàn phù hợp để ước lượng xác suất DNNVV tiếp cận được tín dụng ngân hàng (biến Approved_Loan) thông qua các biến độc lập ở Bảng 3.7, bao gồm các biến: History, Current_Ratio, Int_Coverage, ROA, Debt_Ratio, Collateral.