Các thông số ước lượng mô hình nhị phần, không giống như những ước tính của các mô hình tuyến tính, không thể giải thích trực tiếp bởi vì họ không cung cấp thông tinh hữu ích mô tả đầy đủ mối quan
hệ giữa các biến độc lập và kết quả (Long&Freese, 2003).Phá sảntrước đó, mặc định, và các mô hìnhdự báo kiệt quệ tài chính được xây dựng bằng cách sử dụng mô hình phản ứng nhị phân không thay đổi chỉ tập trung vào tính chính xác phân biệt đối xử hoặc tiên đoán tổng thể của các mô hình trình bày và rất hiếm khi nào họ cung cấp một giải thích về mối quan hệg iữacác biến dự đoánvà kết quảnhị phân.Những nghiên cứu nàychỉbáo cáodự toánthu đượctừ các mô hìnhphản ứngnhị phânvà cung cấpmột giải thích củasự chỉ đạo củacácmối quan hệ dựatrêncácdấu hiệu củasựước tính. Tuy nhiên, kết xuất cơ bản(dự toán hệ số) thu được bằng cách thực hiệnmô hìnhphản ứngnhị phânkhông thểgiải thích tác dụngcủa cácbiến số cá nhânvềkết quảcủamô hìnhvì tính chấtphi tuyến. Hiệu ứngbiên vàxác suấtdự đoánlà những công cụphân tíchthích hợpđể điều trịvấn đềnày.Phần này trình bày kết quả của việc tính toán các hiệu ứng biên của biến hồi quy riêng lẻ cũng như các đại diện đồ họa của xác suất dự báo kiệt quệ tài chính của các công ty. Phần này dự định để lấp đầy một khoảng trống quan trọng trong vỡ nợ / mô hình lý thuyết dự báo kiệt quệ tài chính, nơi các đo lường những thay đổi dự kiến ngay trong biến phản ứng (chỉ số kiệt quệ tài chính trong nghiên cứu này) như chức năng của một sự thay đổi trong một biến dự đoán cụ thể trong khi vẫn giữ tất cả các đồng biến khác không đổi, đã bị bỏ qua. Như đã thảo luận trước đó, đo lường hiệu quả biên (được định nghĩa là các tính toán về đạo hàm riêng phần của các xác suất sự kiện liên quan đến các yếu tố dự báo) là rất hữu ích cho việc giải thích của từng hiệu ứng của các biến hồi quy của biến phụ thuộc trong mô hình biến phụ thuộc rời rạc, hoặc các mô hình phản ứng nhị phân (hồi quy logit trong nghiên cứu này). Đối với các tính toán, phương pháp nghiên cứu này là phù hợp với các hiệu ứng biên ước tính được chạy ra với mỗi chuỗi dữ liệu quan sát và tính toán mẫu trung bình của các hiệu ứng cận biên riêng lẻ trong tổng thể hiệu ứng cận biên. Mã phần mềm thống kê SAS được sử dụng để hiệu ứng cho các ước tính hiệu quả biên.Xác suấtdự đoánđược tạo rabằng cách vẽcácvectorphản ánhsự khác biệt vềkhả năngdự đoáncủa kiệt quệ tài chính(xác suất dự đoán rằngchỉ số kiệt quệ tài chính, Financial_Distress=1) khi sự thay đổitrongmột biến riêng lẻ dao động từtối thiểugần đúngcủa nótớigiá trịtối đa quan sát, giữ tất cảcác đồng biếnkháckhông đổi ởtrung bình.
Các hiệu ứng biên giới trong Bảng 9 phản ánh một thước đo của sự tác động của các biến hồi quy về biến phản ứng. Các biến dự đoán có tác động lớn nhất, trong điều kiện tuyệt đối, trong Mô hình 2 là các chỉ số tài chính TLTA, COVERAGE, và TFOTL, thứ tự quan trọng, với các biến và các chỉ số kinh tế vĩ mô và các biến NOCREDINT có tác động nhỏ nhất về những thay đổi tức thời dự kiến trong biến phản ứng trong khi vẫn giữ tất cả các đồng biến số khác không đổi.Điều này cũng đúng khi Model 2 được ước tính trong t - 2. Điều thú vị là, khi biến thị trường được bổ sung vào các mô hình dựa trên các tỷ số tài chính, ABNRET và MCTD là một trong 4 tác động cận biên lớn nhất trong điều kiện tuyệt đối trong mô hình 3; MCTD và ABNRET có hiệu ứng cận biên lớn nhất trong mô hình 3 trong khoảng thời gian t - 1 và t - 2 tương ứng.Các nghiên cứu này cũng ước tính các hiệu ứng cận ‘biên cho mô hình "chỉ có chỉ số thị trường” vàmô hình “chỉ số thị trường cộng vớichỉ số kinh tế vĩ mô”, mô hình 4 và hình 5, để đánh giá những thay đổi trong các biến phản ứng sau một sự thay đổi trong các biến thị trường cụ thể trong khi giữ tất cả các đồng biến khác không đổi.
Những ước tính xác nhận các kết quả trước đó: trong cả hai mô hình thị trường, các biến ABNRET, MCTD, SIZE và PRICE có những tác động cận biên lớn nhất, tiếp theo là các chỉ số kinh tế vĩ mô và SHTBRDEF và RPI, thứ tự quan trọng và trong điều kiện tuyệt đối. Do đó được kết luận rằng biến thị trường không có thêm thông tin rất quan trọng đối với các dự đoán của kiệt quệ tài chính. Hơn nữa, thị trường biến động như bổ sung vào chỉ tiêu tài chính và biến thị trường.Trình bày và phân tích các tác động biên cho tất cả các mô hình trong nghiên cứu này đã bổ sung thêm một khoảng trống trong các lý thuyết dự đoán kiệt quệ tài chính trước nay thiếu một thước đo riêng lẻ đóng góp thay đổi của một biến cụ thể trên các biến phản ứng (các chỉ số kiệt quệ tài chính được xây dựng cho phân tích hiện tại), trong khi vẫn giữ tất cả các biến hồi quy khác không đổi.Ngoài ra, nghiên cứu này đi xa hơn và trình bày các vector của xác suất dự đoán tối thiểu cụ thể tất cả các biến riêng lẻtrong một phạm vi cụ thể có ảnh hưởng nhất trong khả năng xảy ra kiệt quệ tài chính, trong khi vẫn giữ tất cả các đồng biến khác không
đổi vào các phương tiện của mình. Như vậy, Figs. 4-7 cho thấy những thay đổi trong xác suất dự đoán cho các biến tài chính, kinh tế vĩ mô và thị trường, tương ứng, khi các chỉ số kiệt quệ tài chính là bằng 1. Tầm quan trọng của những con số này cho thấy rõ tầm quan trọng cũng như định hướng của mỗi hồi quy phản ánh bởi độ dốc và độ nghiêng của đường cong, được vẽ ở các cấp độ khác nhau của các biến độc lập. Bảng 5 cho thấy các hành vi của các xác suất dự đoán kiệt quệ tài chính tại các giá trị khác nhau của mỗi chỉ số báo cáo tài chính. Có thể được quan sát thấy rằng các biến COVERAGE hiển thị độ dốc mạnh nhất so với các tỷ lệ khác, chỉ ra rằng mỗi sự thay đổi trong mức độ của biến sẽ có tác động lớn nhất về xác suất dự đoán của kiệt quệ tài chính, khi tất cả các biến số khác được giữ không đổi. Độ dốc của vector COVERAGE cũng cho thấy rằng có một mối quan hệ nghịch giữa xác suất dự đoán và mức độ của biến: có một sự giảm quan trọng của các xác suất dự đoán của kiệt quệ tài chính là biến COVERAGE cách tiếp cận giá trị ước lượng tối đa của nó (1). Một mô hình rất tương tự có thể được quan sát thấy trong các tỷ lệ TFOTL phản ánh tính thanh khoản của một công ty: độ dốc cũng liên quan tiêu cực đến khả năng dự đoán của kiệt quệ tài chính với độ lớn của biến, mặc dù một sự thay đổi trong giá trị của nó tạo ra một tác động nhỏ hơn một chút so với một trong các quan sát thấy khi có sự thay đổi trong mức độ của COVERAGE, như thể hiện bởi độ dốc của các vector. Những thay đổi về độ lớn của TLTA, mặt khác, mối tương quan đồng biến đến xác suất dự đoán của kiệt quệ tài chính, và có thể được xem là có ảnh hưởng quan trọng thứ ba trong số các báo cáo tài chínhtiếp theo NOCREDINT, có độ dốc gần như bằng phẳng, chỉ ra một tác động tiêu cực rất nhỏ (Hình. 6).
Ghi chú: bảng này báo cáo tác động cận biên (trong tỷ lệ phần trăm) cho mô hình "chỉ gồm các chỉ số tài chính”và mô hình “các chỉ số tài chính cọng với các biến vĩ mô” và mô hình" đầy đủ "cũng bao gồm cả các biến của thị trường tương ứng là các mô hình 1, 2 và 3. Ngoài ra, hiệu ứng cận biên được tạo ra cho mô hình 4 chỉ gồm các chỉ số thị trường và mô hình 5 chỉ số thị trường và các biến vĩ mô”, cho mục đích so sánh.N đại diện cho số quan sát. Hiệu ứng cận biên được định để đo những thay đổi dự kiến ngay trong biến phản ứng (các chỉ số kiệt quệ tài chính) là một chức năng của một sự thay đổi trong một biến dự đoán cụ thể trong khi vẫn giữ tất cả các biến khác không đổi. Các phương pháp được sử dụng trong nghiên cứu này để tạo ra các hiệu ứng biên gồm xuất ra các hiệu ứng cận biên riêng lẻ ước tính mỗi quan sát trong tập dữ liệu và sau đó tính trung bình mẫu của họ để có được hiệu ứng cận biên tổng thể.
Bảng 5.Thay đổi trong xác suất dự đoán - Các chỉ tiêu báo cáo tài chính. Con số của các vectơ phản ánh những thay đổi trong xác suất dự đoán (cho kiệt quệ tài chính = 1) ở các cấp độ khác nhau của biến độc lập các chỉ số tài chính. Tổng Kinh phí từ hoạt động cho Tổng nợ phải trả (TFOTL), Tổng số khoản nợ đối với Tổng tài sản (TLTA), No Credit Interval (NOCREDINT), và lãi hiểm (COVERAGE), giữ tất cả các đồng biến khác không đổi ở giá trị trung bình của chúng (TFOTL = 0,097, TLTA = 0,498, NOCREDINT = -0.2, BẢO HIỂM = 0,6, RPI = 178,1, SHTBRDEF = 2,046, GIÁ = 4,427, ABNRET = -0.11, SIZE = -10, MCTD = 0,91). Các tính toán được thực hiện có tính đến tất cả các biến có trong mô hình đầy đủ hay mô hình 3 (tỷ lệ báo cáo tài chính, các chỉ số kinh tế vĩ mô và biến thị trường). Xác suất dự đoán được ước tính sử dụng một giá trị gần đúng của các phạm vi tối thiểu và tối đa của các biến độc lập. Bằng cách này, các xác suất dự đoán cho tất cả các cấp của một biến có thể được quan sát thấy. Con số này báo cáo các xác suất dự đoán cho mô hình đầy đủ ước tính trong khoảng thời gian t - 1, các vectơ khoảng cách sử dụng các mô hình đầy đủ trong t - 2 có hình dạng rất giống nhau, do đó, họ không được báo cáo trong nghiên cứu này.
Hình 6: Những thay đổi trong các biến thị trường dự đoán xác suất. Con số vẽ các vectơ phản ánh những thay đổi trong dự đoán xác suất (cho kiệt quệ tài chính = 1) ở các cấp độ khác nhau của thị trường biến độc lập giá cổ phiếu (PRICE), Lợi nhuận bất thường (ABNRET), Kích thước tương đối của các công ty (SIZE), và tỷ lệ Vốn thị trường trên Tổng nợ (MCTD), giữ tất cả các đồng biến khác không đổi ở giá trị trung bình của chúng (TFOTL = 0,097, TLTA = 0,498, NOCREDINT = -0.2, BẢO HIỂM = 0,6, RPI = 178,1, SHTBRDEF = 2,046, GIÁ = 4,427, ABNRET = -0.11, SIZE = -10, MCTD = 0,91). Các tính toán được thực hiện có tính đến tất cả các biến có trong mô hình ‘đầy đủ’ hay mô hình 3 (tỷ lệ báo cáo tài chính, các chỉ số kinh tế vĩ mô và thị trường biến). Xác suất dự đoán được ước tính sử dụng một giá trị gần đúng của các phạm vi tối thiểu và tối đa của các biến độc lập. Bằng cách này, các xác suất dự đoán cho tất cả các cấp của một biến có thể được quan sát thấy. Con số này báo cáo các xác suất dự đoán cho mô hình ‘đầy đủ’ ước tính trong khoảng thời gian t - 1, các vectơ khoảng cách sử dụng các mô hình đầy đủ trong t - 2 có hình dạng rất giống nhau, do đó, họ không được báo cáo trong nghiên cứu này.
Theo dự kiến, tất cả các biến thị trường cho thấy một mối quan hệ tiêu cực giữa các biến thể ở mức độ cá nhân và dự đoán xác suất của các kiệt quệ tài chính. Phương sai với ảnh hưởng lớn nhất gần đây là SIZE, như các vector hiển thị độ dốc nhất. Nó được theo sau bởi ABNRET, MCTD và PRICE, phù hợp với hiệu suất thu được từ việc tính toán các hiệu ứng cận biên. Cuối cùng, sự thay đổi trong mức độ của các chỉ số kinh tế đang tích cực liên quan đến những thay đổi trong các xác suất dự đoán của các kiệt quệ tài chính khi tất cả các đồng biến khác được giữ không đổi tại mức ý nghĩa không đổi của chúng. Điều thú vị, độ nghiêng vectơ của các chỉ số RPI kinh tế vĩ mô và SHTBRDEF là dốc hơn so với các báo cáo tỷ lệ tài chính TLTA và COVERAGE, mà có thể dẫn chúng ta đến kết luận rằng chúng có một tác động lớn hơn về xác suất dự đoán của các kiệt quệ tài chính hơn so với ước tính của hiệu ứng cận
biên sẽ đề nghị. Tuy nhiên, đây chỉ là một trường hợp, như các phạm vi sử dụng để vẽ các độ nghiêng của các chỉ số kinh tế vĩ mô thì lớn hơn trong điều kiện tuyệt đối so với hai báo cáo tỷ lệ tài chính kia, mà có thể giải thích hiện tượng quan sát được.