04. MÔ HÌNH NGHIÊN CỨU
5.2 Bảng phân loại chính xác
Bảng phân loại chính xác đã được sử dụng trong các tác phẩm trước đó như là một công cụ bổ sung để đo độ chính xác dự đoán của các mô hình dự báo phá sản.
Trong phần này, bài nghiên cứu đi vào ước tính tỷ lệ của việc phân loại đúng và chưa đúng của những công ty bị kiệt quệ tài chính và không bị kiệt quệ tài chính. Để phân loại một chuỗi dữ liệu nhị phân (binary data), các bài nghiên cứu trước đây sử dụng những quan sát tương tự làm cho phù hợp với mô hình để ước tính lỗi phân loại, dẫn đến kết quả là những ước tính bị chệch. Do đó, một cách để giảm bị chệch là ‘loại bỏ quan sát nhị phân đã được phân loại từ dữ liệu, ước tính một lần nữa những tham số của mô hình, và sau đó phân loại quan sát dựa trên những ước lượng của tham số mới’. Phương pháp này khá là tốn kém cho những chuỗi dữ liệu lớn, do vậy trong bài nghiên cứu, tác giả sử dụng phương pháp logistic, sẽ cung cấp một sự ước lượng gần đúng ít tốn kém hơn đối với việc ước tính các tham số.
Để xây dựng bảng phân loại đã được hiệu chỉnh sai lệch, xác suất một sự kiện bị kiệt quệ tài chính được dự báo sẽ được ước lượng cho mỗi quan sát. Nếu xác suất dự báo lớn hơn hoặc bằng một giá trị được cho trước (có giá trị từ 0 đến 1), thì quan sát đó sẽ được dự báo là bị kiệt quệ tài chính, ngược lại sẽ được dự báo là không lâm vào kiệt quệ tài chính. Vùng xác suất được chọn từ 0.020 đến 0.120 để lấy mức độ cao của Sự nhạy cảm (Sensitivity – khả năng mô hình dự báo một sự kiện kiệt quệ tài chính là đúng) và Sự đặc trưng (Specificity – khả năng mô hình dự báo một sự kiện không bị kiệt quệ tài chính là đúng), kết hợp cả hai hoặc riêng biệt.
41
Bảng 10: Bảng phân loại có hiệu chỉnh chệch
Bảng 10 trình bày bảng phân loại đã được hiệu chỉnh sai lệch. Cột ‘Correct’ trình bày số quan sát đã được dự báo đúng về kiệt quệ tài chính và không bị kiệt quệ tài chính. Cột ‘Incorrect’ trình bày số quan sát không bị kiệt quệ tài chính bị dự báo sai là kiệt quệ tài chính (distressed) và số quan sát bị kiệt quệ tài chính nhưng được dự báo sai là không bị kiệt quệ tài chính (non-distressed). Cột ‘Percentages’ cho thấy tỷ lệ phân loại đúng (Correct), tỷ lệ sự kiện bị kiệt quệ tài chính được dự báo đúng (Sensitivity) và tỷ lệ sự kiện không bị kiệt quệ tài chính được dự báo đúng (Specificity).
Bảng phân loại ở trên được tính toán cho mô hình 2 (mô hình ‘các biến sử dụng phương pháp kế toán và các chỉ báo kinh tế vĩ mô’) và mô hình 3 (mô hình đầy đủ cả 3 loại biến) để đánh giá sự gia tăng trong mức độ chính xác khi biến thị trường được thêm vào mô hình dựa trên các tỷ số tài chính (bảng phụ A và B trong bảng 10). Trong bảng 10 cũng trình bày kết quả phân loại cho mô hình 3 trong giai đoạn t – 2 để kiểm định xem liệu mô hình đầy đủ 3 loại biến có còn hữu ích trong việc dự báo kiệt quệ tài chính 2 năm trước khi sự kiện xảy ra hay không, do đó xác nhận độ chính xác của dự báo.
Dựa vào kết quả từ bảng 10, tác giả xác nhận hai điểm:
Có sự gia tăng trong kết quả phân loại từ mô hình 2 sang mô hình 3, nghĩa là các biến thị trường cung cấp những thông tin quan trọng không được bao gồm trong các tỷ số tài chính hoặc các chỉ báo kinh tế vĩ mô.
Hơn nữa, sự cải thiện cho thấy rằng khi ba loại biến đóng vai trò bổ sung cho nhau, khẳng định những kết quả trước đó đạt được từ việc phân tích vùng nằm bên dưới đường ROC. Tác giả sử dụng mức xác suất 0.060 là mức chuẩn thích hợp để trình bày sự so sánh giữa các mô hình vì những lý do sau đây: Một là mức này bằng với tỷ lệ những công ty bị kiệt
42
quệ so với những công ty khỏe mạnh. Hai là mức này tạo ra mức chênh lệch nhỏ nhất giữa phần trăm độ nhạy cảm và độ đặc trưng. Sự gia tăng trong mức độ chính xác dự báo khi biến thị trường được thêm vào mô hình ‘các biến sử dụng phương pháp kế toán và các chỉ báo kinh tế vĩ mô’ bằng 5 điểm phần trăm, được đo lường bởi tỷ lệ ước lượng đúng trong cột 6 của bảng 10, ở mức xác suất 0.060, từ 80% đến 85% phân loại đúng trong mô hình 2 và 3.
Khi mô hình 3 được ước lượng trong giai đoạn t – 2, tỷ lệ phân loại đúng giảm chỉ 1 điểm phần trăm so với khi ước lượng trong giai đoạn t – 1, ở mức xác suất 0.060: mức phân loại đúng là 85% trong giai đoạn t – 1, giảm rất nhỏ xuống còn 84% trong giai đoạn t – 2. Điều này cho thấy rằng mô hình đầy đủ cả ba loại biến rất hữu ích để dự báo kiệt quệ tài chính 2 năm trước khi sự kiện xảy ra.