Trong phần trước, mơ hình từ tổng qt đến đơn giản được xem là phương cách tốt nhất để có được mơ hình phù hợp theo u cầu. Cụ thể, mục tiêu này được thực hiện theo bốn bước:
- Đầu tiên, sử dụng các lý thuyết kinh tế, các nghiên cứu từ trước và kể cả kinh nghiệm để xác định mơ hình tổng qt, trong đó bao gồm tất cả các hệ số hồi quy liên quan có thể.
- Ước lượng mơ hình đề xuất.
- Bước tiếp theo là loại bỏ các tham số khơng có ý nghĩa thống kê ra khỏi mơ hình nghiên cứu. Bước này bắt đầu từ các biến ít có ý nghĩa thống kê nhất.
Hiệu quả của việc loại bỏ bớt các biến khơng có ý nghĩa thống kê, có thể cải thiện mức ý nghĩa của các biến cịn lại. Vì vậy, các biến khơng phù hợp được bỏ qua từng biến một.
Mơ hình cuối cùng sau sẽ được dùng để kiểm định các giả thuyết là mục tiêu nghiên cứu được đề cập đến trong các phần trước. Như Demirguc-Kunt và Detragrache (1998a) đã đề cập việc ngân hàng bị khủng hoảng có thể có tác động trở lại đến các yếu tố được đề cập đến trong mơ hình (mà đại diện là các biến giải thích). Đây là điều khó khăn nếu muốn xem xét tác động của các biến độc lập đến khả năng xảy ra khủng hoảng. Để giải quyết các vấn đề này, Demirguc-Kunt và Detragrache (1998a) đề xuất bỏ qua tất cả các quan sát xảy ra sau các cuộc khủng hoảng. Điểm bất lợi của cách tiếp cận này là mẫu nghiên cứu sẽ trở nên nhỏ hơn do nhiều quan sát bị loại bỏ. Một phương cách khác là nhằm hạn chế ảnh hưởng trở ngược lại của các cuộc khủng hoảng, là cần định rõ khoảng thời gian mà cuộc khủng hoảng đó diễn ra, và nhờ đó mơ hình hồi quy sẽ bao gồm tất cả các quan sát đến khi khủng hoảng kết thúc. Tuy nhiên việc xác định ngày kết thúc của cuộc khủng hoảng là không đơn giản và vẫn tiếp tục là vấn đề tranh cãi của giới nghiên cứu.
Trong bài nghiên cứu của mình, Gujarati (2003) nêu ba tiêu chuẩn để đánh giá chất lượng của mơ hình logit bao gồm: thống kê Z (Z-statistic), chỉ số R bình phương (Mac Fadden R square) và kiểm định tỷ số thích hợp (likelihood ratio (LR) statistic). Do mơ hình logit được ước lượng bằng phương pháp hợp lý cực đại (maximum likelihood methol), thay cho việc sử dụng chỉ số thống kê t trong việc đo lường ý nghĩa của một tham số, bài nghiên cứu này sử dụng tỷ số thống kê Z. Một trong những biện pháp phổ biến nhất là chỉ số R bình phương, hệ số xác định, được ước tính từ hai nguồn tổng bình phương. Tuy nhiên, chỉ số này lại khơng hiệu quả trong mơ hình hồi quy biến nhị nguyên. Eviews cung cấp một thông số thay thế, là chỉ số R bình phương (MacFadden R square), để đánh giá độ phù hợp của mơ hình. Cũng giống như chỉ số R bình phương, chỉ số này cũng giao động trong khoảng (0,1)
Chỉ số Log likehood (LL) là khoảng cách giữa giá trị tiên lượng và giá trị quan sát, là một hệ số thể hiện độ phù hợp của mơ hình tổng thể, giá trị này càng nhỏ càng thể hiện độ phù hợp cao.
Một mơ hình được cho là hồn hảo khi LL=0, nhưng trong thực tế thì khơng có mơ hình hồn hảo (nếu có thì đó khơng cịn là mơ hình nữa). Vì thế, trong mơ hình hồi qui logistic, LL thường có giá trị âm. Một mơ hình tốt hơn sẽ có giá trị LL gần với 0. Chỉ số thống kê hợp lý là bước kiểm định tiếp theo để kiểm tra mức ý nghĩa của tồn bộ mơ hình.