yang berupa variabel response biner yang hanya mempunyai dua nilai atau juga untuk memprediksi nilai suatu variabel dependen Y yang
berupa variabel biner berdasarkan nilai variabel independen x1,x2,...,xk. Bentuk umum regresi logistik biner adalah Stanislaus, 2006:226.
Logitπ = β +
β
1
Χ
1
+ β
2
Χ
2
+ β
3
Χ
3
+ ... + β
10
Χ
10
+ ε
Dimana : β0 = konstanta
β1-10 = koefisien X
1
= Prediktor ke-1, CR X
2
= Prediktor ke-2, QR X
3
= Prediktor ke-3, FATO X
4
= Prediktor ke-4, TATO X
5
= Prediktor ke-5, DTAR X
6
= Prediktor ke-6, DTER X
7
= Prediktor ke-7, OPM X
8
= Prediktor ke-8, NPM X
9
= Prediktor ke-9, ROI X
10
= Prediktor ke-10, ROE
c. Nilai -2 Loglikehood Ratio
Penilaian keseluruhan model menggunakan nilai -2 loglikelihood untuk melihat model yang lebih baik dalam memprediksi kemungkinan
terjadinya perbedaan antara rasio keuangan perusahaan yang melakukan merger dan akuisisi dengan perusahaan yang tidak melakukan merger dan
akuisisi pada perusahaan. -2 loglikelihood ditransformasikan menjadi -2 log L dimana output spss memberikan dua nilai yaitu pertama untuk
model yang hanya memasukkan konstanta dan -2 log L yang kedua untuk model dengan konstanta dan variabel bebas, jika terjadi penurunan dalam
nilai -2 log L pada blok kedua jika dibandingkan dengan blok pertama maka dapat disimpulkan bahwa model kedua regresi menjadi lebih baik
Imam Ghozali, 2005:218.
d. Koefisien Cox dan Snell R Square dan Nagelkerke’s R Square
Cox dan snell’s R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 satu sehingga sulit di
interpretasikan. Nagelkerke’s R Square merupakan modifikasi dari koefisien cox dan snell untuk memastikan bahwa nilainya bervariasi dari
0 nol sampai 1 satu hal ini dilakukan dengan cara membagi nilai cox dan snell R dengan nilai maksimumnya. Nilai nagelkerke’s R
2
dapat di interpretasikan seperti nilai R
2
pada multiple regression Imam Ghozali, 2005:219.
Koefisien determinasi R
2
pada regresi berganda pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi
variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel indenpenden dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang
mendekati satu berarti variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variabel dependen Imam Ghozali, 2005:83.
Nilai koefisien Nagelkerke’s R Square umumnya lebih besar dari nilai koefisien cox dan snell’s R Square tapi cenderung lebih kecil
dibandingkan dengan nilai koefisien determinasi R
2
pada regresi linear berganda Stanislaus, 2006:236.
e. Hosmer and lemeshow’s goodness of fit test