bài giảng kiểm định giả thuyết, hồi quy

# Phân tích tương quan - 2 biến định lượng - Mối liên quan giữa hai biến định lượng có thể được biểu thị dưới dạng biểu đồ chấm và hệ số tương quan - Nếu cả hai biến đều có phân bố chuẩ

PHÂN TÍCH DỮ LIỆU

KIỂM ĐỊNH GIẢ THUYẾT,

HỒI QUY

# Phân tích tương quan - 2

biến định lượng

- Mối liên quan giữa hai biến định lượng có thể

được biểu thị dưới dạng biểu đồ chấm và hệ số tương quan

- Nếu cả hai biến đều có phân bố chuẩn, thì hệ số tương quan Pearson’s là có giá trị

- Nếu không, cần phải sử dụng hệ số tương quan Spearman’s

- Từ thực đơn dọc chọn:

Analyse/Correlate/Bivariate

# Hệ số tương quan

Kiểm định trung bình tổng thể

# Kiểm định giả thuyết về trung bình

của một tổng thể:

Nếu muốn so sánh giá trị trung bình của

một tổng thể với một giá trị cụ thể nào đó,

sử dụng One-sample T-test

- Vào menu, chọn Analyze/Compare

Means/ One-sample T-test

- Chọn biến đưa vào khung Test Variable

- Khai báo Test Value

# Ví dụ: Kiểm định One-sample

T-test

- Vào menu, chọn Analyze/Compare

Means/ Independent-Samples T-test

Independent-samples T-test

- Điều kiện áp dụng:

2 mẫu phải được chọn ngẫu nhiên, có phân phối chuẩn hoặc xấp xỉ phân phối chuẩn; không có các giá trị bất thường (outliers)

- Ví dụ

samples T-test

- Vào menu, chọn Analyze/Compare

Means/ Paired-Samples T-test

phương sai ANOVA

- Phân tích phương sai 1 yếu tố (One-way

ANOVA): trường hợp sử dụng 1 biến yếu tố

để phân loại các quan sát thành các nhóm

khác nhau

Phân tích phương sai một yếu

+ Phương sai của các nhóm so sánh phải đồng nhất (bằng nhau)

- Ví dụ

- Phân tích sâu ANOVA

Kiểm định tỷ lệ tổng thể

- Sử dụng Chi-bình phương

hoặc/và Binomial Test

- Điều kiện:

+ Mẫu được chọn ngẫu nhiên

+ Biến nhị phân (chỉ có 2 tình huống) Nếu

có nhiều hơn, nên dùng lệnh Recode đểchuyển thành biến có 2 lựa chọn

- Ví dụ

Hồi quy tuyến tính

- Dùng để suy rộng cho mối quan hệ giữa các biến trong tổng thể

- Dùng để dự báo được mức độ của biến phụ thuộc (Y) (với độ chính xác trong

một phạm vi giới hạn) khi biết trước giá trị của biến độc lập (X)

Hồi quy đơn tuyến tính

• Mô hình xây dựng từ dữ liệu mẫu có

dạng: Y = Bo + B1 * X

Trong đó:

X: biến độc lập

Y: biến phụ thuộc

Bo & B1: Hệ số hồi quy

- Ví dụ: Doanh số = Bo + B1* Chi phí chào

hàng

Hồi quy đơn tuyến tính

• Cách xây dựng trong SPSS:

- Vào menu, chọn Analyze/ Regression/Linear

- Chọn biến phụ thuộc, đưa vào ô Dependent

- Chọn biến độc lập, đưa vào ô Independents

- Bấm OK

Ví dụ

Đánh giá độ phù hợp của mô

hình

• Để biết mô hình hồi quy tuyến tính đã xây dựng trên dữ liệu mẫu phù hợp đến mức độ nào với dữ liệu: sử dụng hệ số xác định R2

• Hệ số này càng gần 1: mô hình càng

thích hợp; càng gần 0: mô hình càng

kém phù hợp với tập dữ liệu mẫu

Đánh giá độ phù hợp của mô

hình

• Hệ số xác định R2 còn đo lường mối

tương quan giữa X và Y

• Ví dụ: R2 = 0,818: mô hình hồi quy

tuyến tính đã xây dựng phù hợp với tập

dữ liệu đến mức 81,8% Hay 81,8%

khác biệt của các giá trị Y quan sát

được có thể được giải thích bởi sự khác biệt giữa các giá trị X

Kiểm định giả thuyết

• Để kiểm định độ phù hợp của mô hình hồi quy tổng thể, sử dụng đại lượng F từ bảng phân tích phương sai ANOVA

• Giả thuyết Ho:

Hệ số R2 của tổng thể = 0

Đọc kết quả: nếu p < mức ý nghĩa: bác bỏ

Ho và kết luận mô hình hồi quy tuyến tính xây dựng phù hợp với tổng thể

Kiểm định giả thuyết

• Để kiểm định ý nghĩa của hệ số hồi

quy:

• Ho: độ dốc của mô hình tổng thể B1 =0

• Cách đọc kết quả: sử dụng giá trị

p-value (Sig.) của kiểm định t

• Nếu p-value < mức ý nghĩa: bác bỏ Ho, kết luận giữa hai biến trong tổng thể có liên hệ tuyến tính

Ví dụ

Các giả định cần tuân thủ

• Các giá trị quan sát của X & Y có liên hệ tuyến tính

• Phương sai của sai số không đổi

• Phần dư phân phối chuẩn

• Tính độc lập của sai số (không có tương quan giữa các phần dư)