BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHẠM HOÀNG CHIẾN

DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC
CÔNG TY NIÊM YẾT TẠI SỞ GIAO DỊCH
CHỨNG KHOÁN THÀNH PHỐ HỒ CHÍ MINH
(HOSE)

LUẬN VĂN THẠC SĨ KINH TẾ

TP. HỒ CHÍ MINH - NĂM 2014


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHẠM HOÀNG CHIẾN

DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC
CÔNG TY NIÊM YẾT TẠI SỞ GIAO DỊCH
CHỨNG KHOÁN THÀNH PHỐ HỒ CHÍ MINH
(HOSE)

Chuyên ngành: Tài chính - Ngân hàng
Mã số: 60340201
LUẬN VĂN THẠC SĨ KINH TẾ
Người hướng dẫn khoa học: TS. LÊ ĐẠT CHÍ

TP. HỒ CHÍ MINH - NĂM 2014


1.3.

Nội dung và phạm vi nghiên cứu ....................................................................... 4

1.4.

Phương pháp nghiên cứu .................................................................................... 4

1.5.

Bố cục bài nghiên cứu ........................................................................................ 4

2. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY ............................................ 6
2.1.

Các nghiên cứu định nghĩa tình trạng kiệt quệ ................................................... 6

2.2.

Các nghiên cứu lựa chọn các biến giải thích ...................................................... 7

2.2.1.

Các nghiên cứu sử dụng biến tài chính ........................................................ 7

2.2.2.

Các nghiên cứu sử dụng biến thị trường ...................................................... 9



3.2.

3.1.2.1.

Thông đạt kết quả hồi quy, đo lường hiệu ứng cận biên .................... 15

3.1.2.2.

Độ phù hợp của mô hình Logit ........................................................... 16

Dữ liệu nghiên cứu ........................................................................................... 18

3.2.1.

Lựa chọn mẫu và dữ liệu ........................................................................... 18

3.2.2.

Xác định tình trạng kiệt quệ tài chính, biến phụ thuộc của mô hình ......... 20

3.2.3.

Xác định các yếu tố tác động khả năng kiệt quệ của một doanh nghiệp ... 23

3.2.3.1.

Biến chỉ số tài chính ............................................................................ 25

3.2.3.2.

Kết quả hồi quy các mô hình thô ............................................................... 42

4.1.1.1.

Mô hình 1 – mô hình chỉ các biến tài chính ........................................ 44

4.1.1.2.

Mô hình 2 – mô hình kết hợp biến tài chính và biến chỉ báo vĩ mô ... 45

4.1.1.3.

Mô hình 3 – mô hình kết hợp biến tài chính và biến thị trường ......... 46

4.1.1.4.

Mô hình 4 – mô hình đầy đủ biến tài chính, vĩ mô, thị trường ........... 47


4.1.1.5. Mô hình 5 và 6 – mô hình chỉ các biến thị trường và biến thị trường kết
hợp biến vĩ mô ..................................................................................................... 47
4.1.2.

Tổng kết kết quả các biến trong các mô hình hồi quy ............................... 48

4.1.3.

Hiệu chỉnh mô hình ................................................................................... 51

4.2.


AUC trong mô hình dùng biến trễ 1 năm (t-1) ................................... 60

4.2.2.3.

AUC trong mô hình dùng dùng biến trễ 2 năm (t-2) .......................... 61

Thông đạt kết quả hồi quy, đo lường hiệu ứng cận biên (marginal effects) .... 63

5. KẾT LUẬN ............................................................................................................ 66
5.1.

Tóm tắt kết quả nghiên cứu .............................................................................. 66

5.2.

Hạn chế của đề tài và hướng nghiên cứu tiếp theo ........................................... 67

TÀI LIỆU THAM KHẢO
PHỤ LỤC


DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT
SGDCK

Sở giao dịch chứng khoán

HOSE

Sở giao dịch chứng khoán Thành Phố Hồ Chí Minh


Hoạt động kinh doanh

EBITDA

Earnings before interest, taxes, depreciation và amortization
(Lợi nhuận trước thuế, trước lãi vay và khấu hao)

VSD

Trung tâm lưu ký chứng khoán Việt Nam

NĐT

Nhà đầu tư

TTCK

Thị trường chứng khoán


DANH MỤC HÌNH VẼ
Hình 3.1: Quy mô niêm yết trên HOSE ................................................................................................. 19
Hình 4.1: So sánh các đường ROC trong các mô hình (t)...................................................................... 59
Hình 4.2: So sánh các đường ROC trong các mô hình (t-1) .................................................................. 61
Hình 4.3: So sánh các đường ROC trong các mô hình (t-2) .................................................................. 62


DANH MỤC BẢNG BIỂU
Bảng 3.1: Số lượng công ty hủy niêm yết trên HOSE qua các năm ...................................................... 22

-

Thứ hai, các biến số kinh tế vĩ mô có tác động mạnh nhất lên xác suất kiệt quệ tài
chính của doanh nghiệp sau đó đến các biến tài chính và cuối cùng là biến thị trường.

-

Thứ ba, mô hình dự báo kiệt quệ tài chính cho doanh nghiệp ngay tại thời điểm quan
sát (năm t) cho thấy một mức độ phù hợp và chính xác cao. Trong khi các mô hình
dùng để dự báo kiệt quệ tài chính trước 1, 2 năm [(t-1),( t-2)] trước khi sự kiện kiệt
quệ tài chính xảy ra chỉ mang tính chất gợi ý hơn là một mô hình chính xác.

Như vậy, tình trạng kiệt quệ tài chính của các doanh nghiệp tại Việt Nam không được
dự báo hoàn toàn bởi thông tin thu thập được từ báo cáo tài chính, mà còn chịu ảnh
hưởng bởi các nhân tố bên ngoài hay từ môi trường kinh tế vĩ mô và từ các yếu tố thị
trường. Và các doanh nghiệp tại Việt Nam có thể rơi vào kiệt quệ ngay trong ngắn hạn
do cấu trúc nợ chủ yếu là nợ ngắn hạn.
Từ khóa: kiệt quệ tài chính, chỉ số tài chính, mô hình Logit.


2

1.

GIỚI THIỆU

1.1.

Lý do chọn đề tài


ngoài như các biến số thị trường và vĩ mô. Do đó, các mô hình dự báo hiện tại không thể
phát huy được hết khả năng dự báo kiệt quệ tài chính. Ngoài ra, hầu hết các nghiên cứu
nổi tiếng trong lĩnh vực này được tiến hành ở các nước Phương Tây hoặc Mỹ. Tại Việt
Nam có rất ít nghiên cứu thực nghiệm về kiệt quệ tài chính. Trong khi các bên lên quan
cần thông tin kịp thời và chính xác về khả năng kiệt quệ, vỡ nợ, thậm chí là phá sản của
doanh nghiệp để có những hành động kịp thời.
Từ những yêu cầu bức thiết nói trên, tác giả thực hiện nghiên cứu này nhằm tìm ra một
mô hình dự báo tình trạng kiệt quệ tài chính cho các công ty niêm yết tại Việt Nam, cụ
thể là các công ty niêm yết tại sở giao dịch chứng khoán (SGDCK) Thành Phố Hồ Chí
Minh (HOSE), sử dụng kết hợp dữ liệu tài chính, vĩ mô và thị trường.

1.2.

Mục tiêu và câu hỏi nghiên cứu

Trên thế giới, hiện nay có rất nhiều nghiên cứu về mô hình dự báo tình trạng kiệt quệ tài
chính. Tuy vậy, hoặc chúng sử dụng dữ liệu khác nhau (dữ liệu tài chính, vĩ mô, thị
trường…), hoặc là mô hình khác nhau (MDA, Logit, ANN…). Kết quả dự báo thu được
từ những mô hình này nhìn chung là có thể dự báo được tình trạng kiệt quệ tài chính
nhưng vẫn còn rất nhiều tranh cãi xung quanh việc sử dụng loại dữ liệu và mô hình nào
để tiến hành dự báo sẽ tốt hơn. Gần đây xuất hiện một số nghiên cứu sử dụng cách tiếp
cận kết hợp trong dữ liệu (sử dụng cả dữ liệu tài chính và dữ liệu thị trường trong mô
hình) và sử dụng kết hợp các mô hình khác nhau (Logit, ANN) cho thấy kết quả dự báo
có sự cải thiện.
Tác giả thực hiện bài nghiên cứu này để đi tìm bằng thực nghiệm về một mô hình dự báo
kiệt quệ tài chính của một doanh nghiệp khi kết hợp các biến số tỷ số tài chính, biến thị
trường và biến kinh tế vĩ mô vào một mô hình dự báo. Nghiên cứu này phát triển mô
hình dự báo tình trạng kiệt quệ tài chính cho các công ty niêm yết tại SGDCK thành phố



Phương pháp nghiên cứu

Trong luận văn này, tác giả phân loại các quan sát thành hai loại: những quan sát rơi vào
tình trạng kiệt quệ tài chính được gán giá trị biến phụ thuộc là 1, những quan sát không
bị kiệt quệ tài chính được gán giá trị là 0. Để giải quyết vấn đề biến phụ thuộc là biến
nhị phân, tác giả sử dụng mô hình hồi quy Logit trong luận văn này.

1.5.

Bố cục bài nghiên cứu

Bài nghiên cứu gồm 5 phần:
Phần 1 – Giới thiệu tổng quan đề tài. Trong phần 1, tác giả trình bày tổng quan các vấn
đề của bài nghiên cứu như: lý do chọn đề tài, mục tiêu và câu hỏi nghiên cứu, nội dung,
phạm vi nghiên cứu và phương pháp nghiên cứu.


5

Phần 2 – Tổng quan lý thuyết và các nghiên cứu trước đây. Tác giả xây dựng phần này
với mục đích cung cấp một cái nhìn tổng quan và xuyên suốt về quá trình phát triển của
những nghiên cứu thực nghiệm về dự báo tình trạng kiệt quệ tài chính và phá sản trên
thế giới. Từ đó có một sự định hướng rõ ràng hơn trong việc xây dựng phương pháp
nghiên cứu và lựa chọn các biến số cho mô hình dự báo kiệt quệ tài chính cho trường
hợp Việt Nam.
Phần 3 – Phương pháp nghiên cứu. Phần này cung cấp một cách chi tiết về mô hình
nghiên cứu, nguồn dữ liệu cho luận văn cũng như cách xác định các biến số và các kỳ
vọng về dấu của biến số được sử dụng trong luận văn. Ngoài ra, tác giả cũng tiến hành
thống kê mô tả và phân tích tương quan các biến số trong mô hình hồi quy.
Phần 4 – Kết quả nghiên cứu. Tác giả trình bày các kết quả từ mô hình hồi quy Logit,

có thể tìm được đủ tiền để trả lãi của chứng khoán nợ và hoãn việc phá sản lại nhiều
năm. Cuối cùng doanh nghiệp có thể hồi phục, trả hết nợ và thoát được cảnh phá sản”.
Như vậy, mất khả năng thanh toán, vỡ nợ, phá sản có thể là một quá trình pháp lý kéo
dài và ngày chính thức phá sản theo luật không đại diện cho trạng thái kinh tế thực của
phá sản.
Trần Ngọc Thơ và các tác giả (2007, trang 379) cho rằng, “kiệt quệ tài chính xảy ra khi
không thể đáp ứng các hứa hẹn với các chủ nợ, hay đáp ứng một cách khó khăn”. Wruck
(1990) định nghĩa tình trạng kiệt quệ tài chính của doanh nghiệp là khi dòng tiền không
đủ để đảm bảo các nghĩa vụ tài chính. Asquith, Gertner và Scharfstein (1994) phân tích
các hợp đồng quyền chọn để dự báo phá sản cũng xác định kiệt quệ tài chính theo cách
tương tự. Định nghĩa của họ về kiệt quệ tài chính là dựa trên tỷ số khả năng chi trả lãi


7

vay. Một công ty được phân loại là kiệt quệ tài chính nếu EBITDA ít hơn so với chi phí
tài chính (chi phí lãi vay) trong 2 năm liên tiếp, hoặc trong các trường hợp khác, EBITDA
ít hơn 80% chi phí lãi vay. Andrade và Kaplan (1998), xác định kiệt quệ tài chính xảy ra
ngay tại năm đầu tiên khi EBITDA của doanh nghiệp thấp hơn chi phí tài chính. Whitaker
(1999) định nghĩa kiệt quệ tài chính như là năm đầu tiên mà dòng tiền doanh nghiệp thấp
hơn các khoản nợ dài hạn đáo hạn. Do vậy, sẽ hợp lý hơn khi xem xét trạng thái kiệt quệ
tài chính dựa trên khả năng đáp ứng các nghĩa vụ tài chính.
Hơn nữa, Trần Ngọc Thơ và các tác giả (2007, trang 379) cho rằng, “các nhà đầu tư biết
rằng các doanh nghiệp có vay nợ, có thể sẽ rơi vào tình trạng kiệt quệ tài chính và họ rất
lo về điều này. Lo ngại này được phản ánh trong giá trị thị trường của chứng khoán của
các doanh nghiệp có vay nợ”. Rees (1995) cho rằng, giá thị trường bao gồm các thông
tin về dòng tiền kỳ vọng trong tương lai của doanh nghiệp. Hillegeist (2004), giá thị
trường chứa các thông tin từ các nguồn khác ngoài báo cáo tài chính… Do vậy, giá trị
thị trường nên được sử dụng để xác nhận một doanh nghiệp kiệt quệ, khi đó, một doanh
nghiệp kiệt quệ phải có sự tăng trưởng âm trong giá trị thị trường.

dự báo phá sản mới gọi là mô hình điểm Z. Mô hình này đã khắc phục những nhược
điểm của mô hình cũ (1968), với khả năng dự báo chính xác lên đến 5 năm trước khi phá
sản của một mẫu các công ty lớn hơn gồm cả lĩnh vực sản xuất và bán lẻ.
Ohlson (1980) áp dụng mô hình Logit cho các tỷ số tài chính trong bài nghiên cứu để
dự báo phá sản. Các biến trong mô hình Logit của Ohlson gồm: quy mô, tỷ số tổng nợ
trên tổng tài sản, tỷ số vốn luân chuyển trên tổng tài sản, tỷ số nợ ngắn hạn trên tài sản
ngắn hạn, tỷ số thu nhập ròng trên tổng tài sản, tỷ số dòng tiền từ hoạt động trên tổng
nợ. Kết quả nghiên cứu cho thấy, bốn yếu tố cơ bản có ý nghĩa thống kê ảnh hưởng đến
xác suất vỡ nợ trong một năm là: quy mô; cấu trúc tài chính; thành quả hoạt động; thanh
khoản. Tính chính xác trong các mô hình dự báo của Ohlson lần lượt là 96.12%, 95.55%
và 92.84% tương ứng với các mô hình dự báo 1 năm, 2 năm và 1 hoặc 2 năm.
Như vậy, các biến tài chính đã được áp dụng từ rất lâu để xây dựng mô hình dự báo kiệt
quệ, phá sản của doanh nghiệp. Các mô hình đều có khả năng dự báo tốt vỡ nợ và tính
chính xác trong các mô hình dự báo này ở mức rất cao. Trong luận văn này, tác giả cũng
sử dụng các biến tài chính như là các biến trọng tâm trong việc xây dựng mô hình.


9

2.2.2. Các nghiên cứu sử dụng biến thị trường
Một số nghiên cứu đã thử nghiệm các biến thị trường trong mô hình dự báo như Black
và Scholes (1973) và Merton (1974) dựa trên cách tiếp cận quyền chọn vốn cổ phần.
Bharath và Shumway (2008), Hillegeist, Keating, Cram và Lundstedt (2004), Reisz và
Perlich (2007), Vassalou và Xing (2004) cũng đã sử dụng biến thị trường trong nghiên
cứu khả năng phá sản. Một số nghiên cứu khác đã cố gắng để chứng minh tính ưu việt
của mô hình thị trường so với các mô hình kế toán và ngược lại. Tuy nhiên, kết quả thu
được từ các mô hình (mà đỏi hỏi rất nhiều giả định và hạn chế) sau đó so sánh hiệu quả
với các mô hình kế toán vẫn còn nhiều tranh cãi. Agarwal và Taffler (2008) thực hiện sự
so sánh khả năng dự báo phá sản của mô hình thị trường và mô hình kế toán. Kết quả
cho thấy mô hình truyền thống dựa trên các chỉ số tài chính không thua kém gì các mô

trường có sẵn theo tần suất hàng ngày.
 Thứ ba, giá cả thị trường có thể thích hợp hơn để dự báo khả năng phá sản vì nó
phản ánh kỳ vọng về dòng tiền trong tương lai của doanh nghiệp (báo cáo tài
chính, ngược lại phản ánh các hoạt động đã xảy ra của doanh nghiệp).
 Thứ tư, các biến thị trường có thể cung cấp một cách đánh giá trực tiếp của độ bất
ổn (volatility) một cách đo lường mà có thể tăng sức mạnh về dự báo phá sản mà
không có trong các báo cáo tài chính. Theo Beaver (2005) cho rằng, càng có nhiều
bất ổn, càng có nhiều khả năng phá sản.
Như vậy, dựa trên 4 lập luận vừa được trình bày, trong luận văn này, tác giả cũng sử
dụng các biến thị trường trong việc xây dựng mô hình.
2.2.3. Các nghiên cứu sử dụng biến chỉ tiêu kinh tế vĩ mô
Sự kết hợp của các biến dữ liệu vĩ mô vào các mô hình nhằm nắm bắt sự thay đổi trong
môi trường kinh tế vĩ mô cũng trở nên quan trọng. Các biến vĩ mô bổ sung thêm một yếu
tố động trong mô hình. Sự thay đổi trong các điều kiện kinh tế vĩ mô sẽ tác động lên hoạt
động của doanh nghiệp. Ngoài Mare (2012); Nam, Kim, Park và Lee (2008); Qu (2008),


11

có rất ít các nghiên cứu kết hợp dữ liệu vĩ mô vào mô hình. Gần đây, Tinoco và Wilson
(2013) đã sử dụng thành công 2 biến vĩ mô bao gồm lạm phát và sự thay đổi trong lãi
suất trong giai đoạn nghiên cứu của họ. Trong luận văn này, tác giả cũng sử dụng các
biến vĩ mô để nắm bắt sự thay đổi trong môi trường kinh tế tại Việt Nam trong giai đoạn
nghiên cứu có ảnh hưởng gì đến khả năng hoạt động của doanh nghiệp.
2.2.4. Các nghiên cứu gần đây sử dụng kết hợp biến tài chính, thị trường, vĩ mô.
Kế thừa các nghiên cứu trước đây, trong hơn một thập niên gần đây, các nghiên cứu sử
dụng kết hợp biến thị trường và biến tài chính trong mô hình dự báo kiệt quệ tài chính.
Campbell, Hilscher và Szilagyi (2008), xem xét các yếu tố quyết định đến khả năng
kiệt quệ của một doanh nghiệp thông qua một mô hình Logit trong đó bao gồm các biến
tài chính và thị trường. Ngoài một tập hợp của 2 biến tài chính, một vài biến thị trường

thấy các biến số tỷ số tài chính có khả năng dự báo khá tốt tình trạng kiệt quệ tài chính
của các công ty; các biến số kinh tế vĩ mô có đóng góp tích cực vào khả năng dự báo nói
trên nhưng ở mức độ không cao và quan trọng nhất là các biến số tỷ số tài chính cho thấy
đóng góp lớn nhất vào khả năng dự báo của mô hình. Tuy nhiên, các loại biến số là
không cạnh tranh loại trừ lẫn nhau trong việc đóng góp vào khả năng dự báo của mô
hình mà hoạt động bổ sung, hỗ trợ lẫn nhau.
Trong luận văn này, tác giả sẽ sử dụng kết hợp cả biến tài chính, vĩ mô và biến thị trường
để xây dựng mô hình dự báo kiệt quệ tài chính.

2.3.

Các nghiên cứu lựa chọn phương pháp phân tích

Trong giai đoạn đầu, Beaver (1966) áp dụng kỹ thuật phân tích các tỷ số tài chính đơn
lẻ để dự báo phá sản. Altman (1968), cho rằng kỹ thuật phân tích các tỷ số tài chính đơn
lẻ thì quá đơn giản. Thay vào đó, Altamn đã sử dụng kỹ thuật phân tích đa biệt số (MDA
– Multiple Discriminant Analysis) dựa trên sự kết hợp nhiều tỷ số để đưa ra một mô hình
dự báo tốt hơn. Tuy nhiên, phương pháp MDA cũng cho thấy những nhược điểm của nó
và sau đó các mô hình thống kê xác suất có điều kiện như mô hình Logit hay Probit được


13

áp dụng thay thế kỹ thuật MDA trước đó. Ohlson (1980), Theodossiou (1991) và hầu hết
các nghiên cứu gần đây, điển hình như Shumway (2001), Altman và Sabato (2007); Nam
và các cộng sự (2008), Campbell, Hilscher và Szilagyi (2008), Altman, Sabato, Wilson
(2010), Tinoco và Wilson (2013) đều áp dụng các mô hình thống kê xác suất có điều
kiện (Logit/ Probit). Các mô hình xác suất có điều kiện cho phép ước lượng xác suất kiệt
quệ tài chính của một công ty là biến phụ thuộc nhị phân. Phần lớn các bài nghiên cứu
cho thấy ước lượng với biến nhị phân bằng mô hình Logit sẽ đạt được mức độ chính xác


Các tranh cãi về một định nghĩa chính xác về kiệt quệ tài chính và phá sản. Trong
luận văn này, tác giả sẽ áp dụng cách xác định tình trạng kiệt quệ tài chính dựa trên
các khả năng đáp ứng nghĩa vụ nợ (khả năng chi trả lãi vay) và sự tăng trưởng trong
giá trị thị trường.

-

Mục đích chung của các nghiên cứu trên thế giới nhằm đi tìm mô hình dự báo kiệt
quệ và phá sản phù hợp nhất, tin cậy nhất cho các nền kinh tế khác nhau. Kết quả là
nhiều mô hình dự báo ra đời trên cơ sở các phương pháp tiếp cận khác nhau như
phương pháp phân tích đa biệt số, phương pháp phân tích hồi quy nhị phân (Logit,
Probit), và mô hình mạng thần kinh nhân tạo. Các mô hình về sau dần dần cải thiện
được mức độ chính xác trong dự báo kiệt quệ tài chính. Tuy vậy, mô hình Logit vẫn
đang được ưa chuộng. Trong luận văn này, tác giả áp dụng mô hình Logit, tương tự
như Tinoco và Wilson (2013).

-

Các nghiên cứu đều tiến hành phân tích các tỷ số tài chính để dự báo khả năng phá
sản của doanh nghiệp. Một số khác bổ sung biến thị trường và các biến kinh tế vĩ mô
vào mô hình. Trong luận văn này, tác giả sẽ sử dụng kết hợp các tỷ số tài chính từ
các dữ liệu kế toán, dữ liệu thị trường và dữ liệu vĩ mô của các công ty để xây dựng
mô hình dự báo kiệt quệ tài chính cho các công ty niêm yết tại SGDCK Thành phố
Hồ Chí Minh (HOSE).

Phần tiếp theo, luận văn sẽ đi vào thảo luận phương pháp hồi quy Logit, cách chọn các
biến tài chính, vĩ mô và thị trường trong mô hình.



ước lượng này có thể là rất gần (tiệm cận). Mô hình Logit không phải là mô hình tuyến
tính nên do vậy không sử dụng phương cách chuyển đổi để sử dụng phương pháp OLS.
Thay vào đó, phương pháp hồi quy MLE (maximum likelihood estimation) thường được
sử dụng để ước lượng các hệ số hồi quy của mô hình.
3.1.2. Thông đạt kết quả và kiểm tra độ phù hợp của mô hình Logit
3.1.2.1. Thông đạt kết quả hồi quy, đo lường hiệu ứng cận biên (marginal effects)


16

Phương trình hồi quy Logit:
Pi =

1
1+𝑒 −(𝛽1 + 𝛽2 𝑥2𝑖 +⋯+𝛽𝑘 𝑥𝑘𝑖 + 𝑢𝑖 )

Khi xi là biến giải thích và 𝛽𝑘 là các tham số đã được ước lượng. Đây không phải là mô
hình hồi quy tuyến tính, do vậy, cách diễn giải kết quả hồi quy theo hướng: với 1 đơn vị
gia tăng trong biến giải thích, ví dụ x2i, sẽ dẫn đến 𝛽2 % gia tăng trong xác suất để thành
quả tương ứng với yi=1 xảy ra sẽ không chính xác. Phương trình hồi quy là: Pi=F(x2i)
chứ không phải là phương trình Pi = β1 + β2𝑋2𝑖 + 𝑈𝑖 với F là hàm số phi tuyến (nonlinear logistics function).
Để có thể giải thích chính xác mối quan hệ giữa x2i và Pi, chúng ta cần tìm giá trị thay
đổi của hàm F đối với biến x2i hay tính đạo hàm của F theo biến x2i và kết quả thú vị
chính là 𝛽2 𝐹(𝑥2𝑖 ). Vì vậy, với 1 đơn vị thay đổi trong x2i sẽ dấn đến 𝛽2 𝐹(𝑥2𝑖 ) gia tăng
trong xác suất của yi. Những ước lượng theo giá trị trung bình này còn gọi là phường
pháp đo lường hiệu ứng cận biên (marginal effects).
3.1.2.2. Độ phù hợp của mô hình Logit
Mục tiêu của phương pháp ML (maximum likelihood) là tối đa hóa giá trị của LLF (Log
likelihood function) chứ không phải là tối thiểu hóa RSS (residual sum of squares). Do
vậy, tiêu chuẩn như RSS, R2 không còn đúng với mô hình Logit. Thay vào đó, có 2 cách