CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.3 Phương pháp hồi quy
3.3.3.2 Các kiểm định giả thuyết hồi quy
Kiểm định đa cộng tuyến
Khi phân tích tương quan, hệ số tương quan giữa các biến cao là dấu hiệu của hiện tượng đa cộng tuyến. Để phát hiện trường hợp một biến có tương quan tuyến tính mạnh với các biến còn lại của mô hình, ta khảo sát các cặp tương quan giữa các biến độc lập được thực hiện bằng cách thiết lập ma trận hệ số tương quan để tìm ra những cặp biến có hệ số tương quan cao Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008). Gujarati K. (1995) cho rằng để loại trừ vấn đề đa cộng tuyến, cần nghiên cứu kỹ hệ số tương quan giữa các biến, nếu chúng vượt quá 0,8 mô hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng. Do đó, để giảm thiểu đa cộng tuyến tác giả sẽ loại bỏ biến ra khỏi mô hình hồi quy đối với cặp biến có hệ số tương quan lớn hơn 0,8.
Ngoài ra, để đảm bảo tính chính xác, tác giả sẽ sử dụng thêm hệ số phóng đại phương sai (VIF – Variance Inflation Factor) để kiểm định hiện tượng đa cộng tuyến. Theo quy tắc khi VIFj > 10 thì mức độ cộng tuyến được xem là cao, và khi đó các hệ số hồi quy được ước lượng với độ chính xác không cao. Vì vậy các biến có hệ số VIF > 10 sẽ bị loại ra khỏi mô hình và tiếp tục phân tích hồi quy cho đến khi không còn biến nào có giá trị VIF > 10, tức là không còn hiện tượng đa cộng tuyến.
Kiểm định ý nghĩa các hệ số của mô hình (kiểm định Wald)
Trong mô hình nghiên cứu căn cứ vào hệ số ý nghĩa thống kê (p-value) để loại bỏ các biến có mức ý nghĩa thống kê thấp. 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 và Chu Nguyễn Mộng Ngọc (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. Từ kết quả kiểm định Wald ta có thêm cơ sở để loại bỏ các biến có mức ý nghĩa thống kê thấp mà không ảnh hưởng kết quả dự báo của mô hình.
Kiểm định độ chính xác của mô hình so với kết quả thực tế
Sau khi phân tích hồi quy tác giả sẽ kiểm định xem mô hình hồi quy này đánh giá đúng và sai bao nhiêu công ty được xếp vào có hay không có nguy cơ phá sản theo điều kiện:
+ Trường hợp 1: ROA < 0 và vốn hoá thị trường < tổng nợ phải trả.
+ Trường hợp 2: Vốn lưu động < 0 và vốn hoá thị trường < tổng nợ phải trả.
Phân tích đƣờng cong ROC
Sử dụng AUC (Area Under the ROC Curve). AUC là vùng diện tích vùng dưới đường ROC cho đến điểm có tọa độ (1;0) ở góc phải của đồ thị. Altman và các cộng sự (2010) đã cho rằng “vùng dưới đường cong ROC (AUC) là một công cụ đo lường mức độ chính xác trong dự báo của mô hình, với giá trị bằng 1 đại diện cho một mô hình hoàn hảo”. Hay nói cách khác, nếu đường ROC càng gần điểm (0;1) ở góc trái của đồ thị thì khả năng dự báo của mô hình càng tốt.