Chào các bạn,
Hôm nay nhóm giới thiệu video về cách thực hành chạy hồi quy binary logistic. Mô hình này dùng khi biến phụ thuộc dạng nhị phân, chỉ có hai giá trị 0 hoặc 1.
Bên dưới có hướng dẫn chi tiết ý nghĩa các bảng được đề cập trong video.
Về mô hình: đây là mô hình xác định khả năng trả nợ dựa vào 6 yếu tố độc lập.
Mô hình có 6 biến độc lập:
THUNHAP, TUOI, TAISAN, DIENTICHDAT, HOCVAN, SOLUONGBATDONGSAN
Và 1 biến phụ thuộc là TRANO.
Biến phụ thuộc dạng nhị phân có hai giá trị 0 và 1 tương ứng với không trả được nợ và trả được nợ.
Khi chạy ra các kết quả sau:
-Omnibus Tests of Model Coefficients: Giống kiểm định F bên hồi quy đa biến, sig<5% nên bác bỏ giả thiết Ho: B1=B2=B3…=0
|
Omnibus Tests of Model Coefficients
|
||||
|
|
|
Chi-square
|
df
|
Sig.
|
|
Step 1
|
Step
|
107.435
|
6
|
0
|
|
Block
|
107.435
|
6
|
0
|
|
|
Model
|
107.435
|
6
|
0
|
|
Bảng Model Summary
|
Model Summary
|
|||
|
Step
|
-2 Log likelihood
|
Cox & Snell R Square
|
Nagelkerke R Square
|
|
1
|
129.147a
|
.466
|
.623
|
|
|
|||
Chỉ số -2 Log likelihood: càng nhỏ càng tốt,cách tính ngược
lại với R bình phương của hồi quy đa biến. Nếu nhỏ thì thể hiện độ phù hợp khá
tốt của mô hình tổng thể
Bảng Classification Table cho thấy phân loại đối tượng trả được nợ và không trả được nợ theo hai tiêu chí : quan sát thực tế và dự đoán
|
Classification Tablea
|
|||||
|
|
Observed
|
Predicted
|
|||
|
|
TRANO
|
Percentage Correct
|
|||
|
|
0
|
1
|
|||
|
Step 1
|
TRANO
|
0
|
76
|
14
|
84.4
|
|
1
|
19
|
62
|
76.5
|
||
|
Overall Percentage
|
|
|
80.7
|
||
|
a. The cut value is
.500
|
|
|
|
||
Ý nghĩa:
Trong 90 trường hợp quan sát ko trả được nợ, thì dự đoán có 76 trường
hợp không trả được, vậy tỉ lệ dự đoán đúng là 76/90=84.4
Trong 81 trường hợp quan sát trả được nợ, dự đoán có 62 trường hợp
trả được, vậy tỉ lệ dự đoán đúng là 62/81=76.5
Vậy trung bình dự đoán đúng (84.4+76.5)/2=80.7 phần trăm
|
Variables in the Equation
|
|||||||
|
|
|
B
|
S.E.
|
Wald
|
Df
|
Sig.
|
Exp(B)
|
|
Step 1a
|
THUNHAP
|
0.269
|
0.087
|
9.568
|
1
|
0.002
|
1.309
|
|
TUOI
|
0.049
|
0.017
|
8.285
|
1
|
0.004
|
1.05
|
|
|
TAISAN
|
0.006
|
0.002
|
5.536
|
1
|
0.019
|
1.006
|
|
|
DIENTICHDAT
|
0.001
|
0
|
7.974
|
1
|
0.005
|
1.001
|
|
|
HOCVAN
|
1.139
|
0.378
|
9.063
|
1
|
0.003
|
3.124
|
|
|
SOLUONGBATDONGSAN
|
1.024
|
0.304
|
11.329
|
1
|
0.001
|
2.785
|
|
|
Constant
|
-18.937
|
2.978
|
40.445
|
1
|
0
|
0
|
|
|
a. Variable(s) entered
on step 1: THUNHAP, TUOI, TAISAN, DIENTICHDAT, HOCVAN, SOLUONGBATDONGSAN.
|
|
||||||
Ví dụ một người có các thông tin cá nhân như sau, ta sẽ dùng kết quả phương trình hồi quy để dự đoán khả năng trả nợ:
|
THUNHAP
|
TUOI
|
TAISAN
|
DIENTICHDAT
|
HOCVAN
|
SOLUONGBATDONGSAN
|
|
13.5
|
56
|
493
|
4,011
|
4
|
3
|
Hàm xác suất trả nợ
Thế vào, kết quả E(Y/X)= 4.90/5.90=0.83
Kết luận, khả
năng trả nợ của người này là 83%, và đây là khả năng trả nợ dự đoán, và dự đoán
này đúng 80.7%
@liên hệ nhóm MBA để được hỗ trợ khi xử lý số liệu, để đạt được ý nghĩa thống kê khi phân tích hồi quy logistic với SPSS tại mail hotrospss@gmail.com
