2. MC TIÊU CA TÀI
1.2.3 Mô hình hi quy Binary Logistic (Logit)
Mô hình h i quy Binary Logistic (Maddala,1984) s d ng bi n ph thu c
đ ng nh phân đ c l ng xác su t m t s ki n s x y ra v i nh ng thông tin c a bi n đ c l p mà ta có đ c. Và ta c ng s d ng mô hình này đ đánh giá kh n ng
tr n ngân hàng c a doanh nghi p.
Mô hình này đ c ng d ng r ng rãi trong phân tích kinh t nói chung và r i ro tín d ng nói riêng. Phân tích h i quy Logit là nghiên c u ph thu c c a m t bi n (bi n ph thu c hay bi n đ c gi i thích) và m t hay nhi u bi n khác (bi n đ c l p hay bi n gi i thích), v i ý t ng c l ng hay d báo giá tr bình quân (hay trung bình t ng th ) bi n ph thu c. Trong đó bi n ph thu c là bi n gi ch nh n hai giá tr 0 và 1. Mô hình Binary Logistic là m t mô hình toán h i quy đ xem xét m i liên h gi a bi n (Y) là bi n ph thu c và t t c các bi n còn l i là bi n đ c l p.
健1 =健券 磐1伐 鶏鶏荊
荊卑=傑荊 =紅0 +紅1隙1 +紅2隙2 +橋+紅計隙計
B ng 1.1: C u trúc d li u các bi n trong mô hình Logit
Bi n Ký hi u Lo i Ph thu c Y Nh phân
B ng 1.2: th mô hình Logit
Ngu n: Kinh t l ng ng d ng, khoa Toán Th ng kê, đ i h c Kinh t TP.HCM
Y đóng vai trò là bi n ph thu c và là bi n nh phân ch có th nh n hai giá tr là 0 ho c 1, c th : 0 n u không có kh n ng tr n và 1 n u có kh n ng tr n .
- Xi là các bi n đ c l p, th hi n các nhân t nh h ng đ n kh n ng tr n c a khách hàng, ví d nh trong nghiên c u c a bài: ROE, ROA, òn b y tài chính, Quy mô, Kinh nghi m, Dòng ti n, Thanh kho n….
- là giá tr c l ng c a Y, thu đ c khi h i quy Y theo các bi n đ c l p. M t đi m c n l u ý là giá tr ch a ch c ch n đã th a mãn đi u ki n do là giá tr c
l ng ph thu c vào các bi n đ c l p.
Khi đó, ph ng trình tính xác su t khách hàng tr đ c n (t c là xác su t Y
= 1) đ c tính theo công th c, trong đó e là h ng s Euler (x p x 2,718). pi =
e
= exp ( 0+ 1X1+ 2X2 +…+ nXn) 1+e 1+ exp ( 0+ 1X1+ 2X2 +…+ nXn)
Nh v y đ tính xác su t tr n c a khách hàng ph i tính các giá tr c
l ng c a Y, c n c l ng h p lý t i đa các giá tr c a . Ngày nay, các ph ng pháp c l ng các h s đ c t đ ng hóa d a trên m t s ph n m m kinh t
l ng nh Eviews, SPSS,… Trong nghiên c u th c nghi m, ng i ta có th tìm cách b đi m t s bi n mà vai trò c a gi i thích c a bi n Y không đ l n (không có
ý ngh a th ng kê) nh m tránh hi n t ng các bi n đ c l p t ng quan v i nhau làm sai l ch k t qu mô hình, c ng nh nh m tìm ra mô hình có ý ngh a nh t.
M t mô hình đ c g i là thành công hay không ph thu c vào tính chính xác c a k t qu d báo thu đ c mô hình. Do bi n Y ch nh n đ c hai giá tr là 0 và
1, nên ng i ta đ a vào m t c n c hay ng ng xác su t đ x p các nhóm khách
hàng vào nhóm 0 hay 1 t ng ng không có kh n ng tr n hay có kh n ng tr
n ). Ng ng xác su t th ng đ c l y là 0,5; t c là, n u khách hàng có xác su t tr n trên 0,5 thì đ c x p vào nhóm khách hàng có kh n ng tr n , ng c l i là không có kh n ng tr n .