3.3 PHƢƠNG PHÁP PHÂN TÍCH
3.3.2.2 Phương pháp hồi quy đa biến
Bên cạnh việc xác định các yếu tố ảnh hƣởng đến khả năng tiếp cận tín dụng của nơng hộ, đề tài cịn phân tích các yếu tố ảnh hƣởng đến lƣợng vốn vay chính thức của nơng hộ. Trong đó, chỉ những hộ có vay tín dụng chính thức mới có lƣợng
vốn vay cụ thể. Do đó, để xác định các yếu tố ảnh hƣởng đến lƣợng vốn vay tín dụng chính thức của nơng hộ, đề tài sử dụng mơ hình hồi quy đa biến để ƣớc lƣợng trên cơ sở mẫu phân tích chỉ bao gồm thơng tin của những hộ có tham gia vay tín dụng chính thức. Khi đó, mơ hình thực nghiệm đƣợc viết dƣới dạng nhƣ sau:
Y = a0 + a1 x1 + a2 x2 + ... + anxn (2) Trong đó:
Y là biến phụ thuộc: số tiền vay tín dụng chính thức của hộ (triệu đồng).
X1, X2,....., Xn là các biến độc lập đƣợc hình thành từ mơ hình nghiên cứu đã đề xuất ở Hình 3.2.
Tuy nhiên, do đặc điểm của biến Y là số tiền vay tín dụng chính thức của hộ nên dữ liệu phân tích trong trƣờng hợp này chỉ xét đến những hộ có vay tín dụng chính thức tƣơng ứng với số tiền vay cụ thể, do đó mẫu dữ liệu của mơ hình (2) sẽ nhỏ hơn kích cỡ mẫu chung (n=210). Tức là, mẫu dữ liệu của mơ hình (2) sẽ đƣợc lọc ra những hộ có vay chính dụng chính thức từ mẫu dữ liệu chung của đề tài. Bên cạnh đó, mơ hình (2) sẽ khơng bao gồm các biến: tham gia hiệp hội, giao thông.
Để đảm bảo tính phù hợp và tin cậy của mơ hình nghiên cứu, theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), đối với mơ hình hồi quy, cần thực hiện một số kiểm định sau:
Trƣớc hết, cần kiểm định hiện tƣợng đa cộng tuyến, là hiện tƣợng các biến độc lập có quan hệ gần nhƣ tuyến tính. Việc bỏ qua hiện tƣợng đa cộng tuyến làm các sai số chuẩn thƣờng cao hơn, giá trị thống kê thấp hơn và có thể khơng có ý nghĩa. Để kiểm tra hiện tƣợng này, ta sử dụng thƣớc đo độ phóng đại phƣơng sai (Variance Inflation Factor - VIF), điều kiện là VIF < 10 để khơng có hiện tƣợng đa cộng tuyến.
Thứ hai, kiểm định độ phù hợp tổng quát: dùng kiểm định Chi-square để kiểm định giả thuyết H0: 1 = 2 = ….= k = 0. Căn cứ vào mức ý nghĩa thống kê (ở đây là giá trị Chi2) để quyết định bác bỏ hay chấp nhận giả thuyết H0.
Kiểm định ý nghĩa của các hệ số hồi quy: Để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể, đại lƣợng Wald Chi Square đƣợc sử dụng.
Đối với hồi quy Binary Logistic, độ phù hợp của mơ hình đƣợc đo lƣờng dựa trên chỉ tiêu -2LL (-2 Log Likehood), chỉ tiêu này có giá trị càng nhỏ càng tốt, nghĩa là giá trị -2LL càng nhỏ càng thể hiện độ phù hợp cao. Giá trị nhỏ nhất của -2LL là 0 (tức là khơng có sai số) khi đó mơ hình có độ phù hợp hồn hảo.
Đối với hồi quy đa biến, hệ số R2
đƣợc sử dụng để đánh giá khả năng giải thích của mơ hình.
Ngồi ra, cần sử dụng vòng lặp robustness trong phần mềm stata để khắc phục hiện tƣợng phƣơng sai sai số thay đổi (Trần Thị Tuấn Anh, 2014).