3.1.2 .1Kiến nghị Bộ tài chính hồn thiện chuẩn mực kế toán Việt Nam
3.2.6 Ứng dụng hồi quy Logistic
Hồi quy Logistic sử dụng biến phụ thuộc dạng nhị phân để ước lượng xác suất xảy ra nợ xấu với những thông tin của biến độc lập theo quy tắc: nếu xác suất <0.5 thì quan sát có nguy cơ/có nợ xấu, nếu xác suất >= 0.5 thì quan sát khơng có
nguy cơ/khơng có nợ xấu. Hàm hồi quy được thể hiện:
Trong đó Pi là xác suất quan sát thứ i khơng có nguy cơ/khơng có nợ xấu với
n biến độc lập X1, X2, ..Xn được tính tốn từ báo cáo tài chính của i, và β1, β2, … βn
là các hệ số hồi quy của hàm Logistic.
Vì số lượng các biến độc lập khá lớn (17), nên để tìm được mơ hình logistic tốt nhất một cách nhanh chóng, quy trình đánh giá tác động tổng thể của các nhân tố
Pi = E (Y = ) = e(β
0 + β1x1 +…+ βnxn)
1 + e(β
đến biến phụ thuộc Y như sau (Chi tiết cách thức thực hiện và kết quả chạy SPSS
xem tại Phụ lục 06: Ba bước hồi quy Logistic):
Bước 1: Phân tích nhân tố EFA (phương pháp trích Principal component và
xoay nhân tố Varimax): tìm ra các biến trong mơ hình.
Bước 2: Đánh giá độ tin cậy Cronbach’s Alpha của từng biến trong mô hình:
nhằm loại bỏ các biến khơng đủ độ tin cậy theo các tiêu chuẩn đặt ra.
Bước 3: Hồi quy Logistic (để ước lượng xác suất doanh nghiệp xảy ra nợ xấu).
Từ kết quả chạy SPSS và đánh giá để lựa chọn mơ hình, có thể nhận thấy rằng, về mặt tổng thể khả năng phân biệt nợ xấu dựa trên mẫu thống kê và các biến đầu vào
đã chọn tối thiểu phải đạt 79.3% và rủi ro tín dụng nên được giải thích bằng khả năng thanh khoản, khả năng thanh toán và quy mơ trong mơ hình xếp hạng tín dụng
doanh nghiệp.
3.2.6.1 Mơ hình hồi quy được xây dựng
Mơ hình hồi quy MH1 đã lựa chọn được viết như sau:
Trong đó:
X1 gồm (CN2, CN3, TK1, TK2, TK3, TK4): khả năng thanh khoản và khả
năng trả nợ
X2 gồm (QM1, QM2, QM3): quy mô của doanh nghiệp
Nếu xác suất mơ hình < 0.5 thì quan sát có nguy cơ/có nợ xấu, nếu xác suất ≥0.5 thì quan sát khơng có nguy cơ/khơng có nợ xấu