MÔ HÌNH H ỒI QUY ĐA BIẾ N
Mô hình h ồ i quy t ổ ng quát
Phân tích hồi quy đa biến là một phương pháp thống kê quan trọng, được sử dụng để nghiên cứu mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập khác nhau Kỹ thuật này giúp xác định ảnh hưởng của các yếu tố độc lập đến biến phụ thuộc, từ đó cung cấp cái nhìn sâu sắc về dữ liệu.
Mô hình phân tích hồi quy tổng quát:
Yt = ò0 + ò1Xt1 + ò2Xt2 + + òkXtk + Ut
- Xti và Yt : là các giá trị quan sát thứ t (t=1 đến n) của biến độc lập thứ i và biến phụ thuộc.
- t : thể hiện thời điểm trong chuỗi thời gian hoặc trị quan sát trong dữ liệu chéo.
Hệ số hồi quy òi là tham số chưa biết cần ước lượng, phản ánh ảnh hưởng của sự thay đổi trong Yt khi chỉ có Xti thay đổi Cụ thể, òi được xác định bởi công thức òi = ∆Yt/∆Xti, cho thấy rằng khi giữ giá trị các biến khác không đổi, nếu Xti thay đổi một đơn vị thì Yt kỳ vọng thay đổi là òi.
Ý nghĩa củ a m ộ t s ố tiêu chí trong h ồ i quy
Hệ số xác định (R²) nằm trong khoảng từ 0 đến 1, đo lường tỷ lệ phương sai của biến phụ thuộc được giải thích bởi biến độc lập so với trị trung bình của nó Giá trị R² càng cao cho thấy mô hình hồi quy có khả năng dự đoán tốt hơn và phương trình hồi quy có khả năng giải thích biến phụ thuộc hiệu quả hơn.
- Adjusted R 2 : là hệ số xác định có điều chỉnh, là trị số được sửa đổi của hệ số
Hệ số R² phản ánh số lượng biến độc lập trong phương trình hồi quy Khi thêm biến độc lập, R² thường tăng; tuy nhiên, nếu biến được thêm vào có khả năng giải thích yếu hoặc không có ý nghĩa thống kê, thì Adjusted R² có thể giảm.
Cộng tuyến hoàn toàn xảy ra khi tương quan giữa các biến độc lập bằng 1, trong khi tương quan bằng 0 thể hiện không có mối liên hệ Hiện tượng đa cộng tuyến xuất hiện khi một biến độc lập có mối tương quan mạnh với một biến độc lập khác, gây ra sự phức tạp trong phân tích dữ liệu.
Hệ số tương quan (r) là chỉ số đo lường cường độ liên kết giữa biến phụ thuộc và các biến độc lập, với giá trị nằm trong khoảng -1 ≤ r ≤ 1 Giá trị của r có thể dương (+) hoặc âm (-), cho thấy mối tương quan đồng biến hoặc nghịch biến giữa các biến.
PHƯƠNG PHÁP NGHIÊN CỨ U
Phân tích nhân t ố khám phá
Đề tài nghiên cứu áp dụng phương pháp phân tích nhân tố khám phá EFA để xác định các yếu tố ảnh hưởng đến sự biến động chi phí trong các dự án đầu tư công Phương pháp này giúp làm rõ mối quan hệ giữa các nhân tố, từ đó cung cấp cái nhìn sâu sắc về các yếu tố tác động đến chi phí dự án.
- Bước 1: Kiểm định chất lượng thang đo
Hệ số tin cậy Cronbach Alpha được sử dụng để đánh giá chất lượng của thang đo, với tiêu chí thang đo đạt chất lượng tốt khi hệ số Cronbach Alpha lớn hơn 0.6 và mối tương quan biến tổng (item-total correlation) lớn hơn 0.3 (Nunnally và Burstein, 1994; trích dẫn bởi Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
- Bước 2: Phân tích nhân tố khám phá EFA Để mô hình EFA đảm bảo tin cậy, ta phải thực hiện các kiểm định chính sau:
Để kiểm định tính thích hợp của phương pháp phân tích nhân tố khám phá (EFA), cần sử dụng thước đo KMO (Kaiser-Meyer-Olkin measure) Nếu giá trị KMO nằm trong khoảng từ 0,5 đến 1, điều này cho thấy EFA là phù hợp với dữ liệu thực tế nghiên cứu.
Kiểm định Bartlet được sử dụng để đánh giá mối tương quan giữa các biến quan sát trong thang đo đại diện Khi giá trị p của kiểm định Bartlet nhỏ hơn 0,05, điều này cho thấy các biến quan sát có mối tương quan tuyến tính với nhân tố đại diện.
Để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố, cần sử dụng phương sai trích (% cumulative variance) Trị số phương sai trích phải lớn hơn 50% để đảm bảo tính chính xác trong việc phân tích.
Để đảm bảo tính tin cậy và hiệu quả của mô hình hồi quy đa biến, cần thực hiện các kiểm định cần thiết.
Kiểm định tương quan từng phần của các hệ số hồi quy nhằm xác định mối quan hệ có ý nghĩa giữa các biến độc lập và biến phụ thuộc Nếu mức ý nghĩa của hệ số hồi quy đạt ít nhất 95% (Sig
