3.2 Tổng quan các nghiên cứu trước đây về rủi ro tín dụng tại ngân hàng
3.3.2 Các kiểm định mơ hình binary logistic
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) các phương thức để kiểm định mơ hình hồi quy binary logistic như sau:
- Đánh giá độ phù hợp của mơ hình
Khi sử dụng mơ hình hồi quy binary logistic địi hỏi phải đánh giá độ phù hợp của mơ hình dựa vào chỉ tiêu -2 log likelihood (-2LL). Chỉ tiêu này có ý nghĩa giá trị -2LL càng nhỏ thì càng thể hiện độ phù hợp cao, nếu -2LL = 0 tức là khơng có sai số và khi đó mơ hình có độ phù hợp hoàn hảo.
Kiểm định Omnibus cũng được dùng để đánh giá tổ hợp các biến độc lập có ý nghĩa trong việc giải thích cho biến phụ thuộc với giả thiết H0 là các hệ số hồi quy đều bằng 0 (trừ hệ số tự do). Nếu trị giá Sig. nhỏ hơn 0,05 thì giả thiết H0 bị bác bỏ nghĩa là mơ hình có độ phù hợp tốt và ngược lại.
- Kiểm định ý nghĩa của các hệ số
Việc kiểm định các hệ số hồi quy là thực hiện kiểm định các hệ số này khác 0, nếu bằng 0 thì hệ số xem như khơng có ý nghĩa và đại lượng Wald Chi - Square được sử dụng để kiểm định ý nghĩa thống kê của các hệ số hồi quy tổng thể theo công thức:
𝑊𝑎𝑙𝑑 𝐶ℎ𝑖 − 𝑆𝑞𝑢𝑎𝑟𝑒 = ( 𝐵
𝑠. 𝑒. (𝐵))
2
- Kiểm định mức độ giải thích của mơ hình
Kiểm định Nagelkerke R2 dùng để kiểm định mức độ giải thích của mơ hình. Giá trị của Nagelkerke R2 cho thấy bao nhiêu % sự thay đổi của biến phụ thuộc được giải thích bởi các biến độc lập đưa vào mơ hình.
- Kiểm định mức độ dự báo tính chính xác của mơ hình
Bảng phân loại Clasification Table do SPSS đưa ra để kiểm định mức độ dự báo chính xác của mơ hình. Bảng này sẽ so sánh giá trị thực và giá trị dự đoán cho từng biểu hiện và đưa ra tỷ lệ dự đoán đúng của sự kiện.