Khởi động SPSS Mở File : C:\PROGRAM FILES\SPSS\Employee data TƯƠNG QUAN VÀ HỒI QUY Salary : Lương hiện tại Educ : số năm đi học Prevexp : Số Năm kinh nghiệm 1) Hệ Số Tương Quan Correlations : Hệ số tương quan xem 02 biến có quan hệ với nhau không r Không có quan hệ nhân quả, không phân biệt cái nào là nguyên nhân của cái nào Kết quả của phân tích tương quan là tính được hệ số tương quan cho biết chặt hay không chặt -1 =< r =< 1 r > 0 : Thuận r < 1 : Nghịch r = 0 : không có quan hệ tuyến tính |r| 1 : càng chặt : Các điểm nằm gần đường thẳng |r| 0 : càng yếu Trang 1/8 >= 0.6 : chặt ( khối KHXH) < 0.3 : lỏng Vẽ đồ thị : Trang 2/8 Trang 3/8 Ý nghĩa thống kê : của tổng thể Ho : P salary,edu = 0 Ho : P salary,edu # 0 0 < Sig <= & Bác bỏ Ho ( sig luôn nhỏ hơn 1) 0.05 2) Hồi Quy Đơn Salary = f ( edu) Xây dựng một mô hình Salary = Bo + B1 edu + E Dependent ( phụ thuộc , được giải thích) Máy tính sẽ tìm cho chúng ta đường OLS, hồi quy là quy Trang 4/8 19.115 = 3909.907 / 204.547 Salary = - 18331.2 + 3909.9 * edu : SRF Salary = - 18331.2 + 3909.9 * edu + E : SRF E chính là sai số giữa : Salary và Salary Hàm hồi quy tổng thể : PRF : Salary = β o + β 1 edu + E SRF : Salary = β o + β 1 edu + E Trang 5/8 Kiểm định Ho : β 1 = 0 H1 : β 1 # 0 0 < Sig ( B1) <= & Bác bỏ Ho ( sig luôn nhỏ hơn 1) B1 có ý nghĩa thống kê ở độ tin cậy 1 - X1 có ý nghĩa thống kê X1 Y Mục tiêu của Hồi Quy : Kiểm định Dự Báo Vì thế quan tâm nhất đến kết quả kiểm định chứ không quan tâm đến phương trình Trong hồi quy đơn : r bình phương = R bình phương = 0.436 Hệ số tương quan Hệ số xác định Mô hình giải thích được 43,6 % sự biến thiên thay đổi của biến phụ thuộc salary Biến edu có ý nghĩa thống kê vì sig = 0.000 < 0.05 ( xác xuất mắc sai lầm tối đa) & Edu tăng 1 năm trung bình salary tăng 3909.9 và ngược lại Để chạy hồi quy người ta yêu cầu bậc tự do df > = 30 Df == n – k = 474 – 2 = 472 phải lớn hơn 30 Có thể nhìn thống kê t , nếu | t | > = t &/2 , n-k thì bác bỏ Ho Kiểm định F trong hồi quy đơn Ho : R 2 = 0 : mô hình không có quan hệ tuyến tính H 1 : R 2 # 0 Trang 6/8 Sig (F) <= & Bác bỏ Ho F >= F &, k-1,n-k = FINV (&, k-1,n-k) Nhìn bảng ta thấy : 0.000 < 0.05 R 2 # 0 Hàm không phù hợp với dữ liệu Hồi Quy Bội PRF : Y = β o + β 1 X 1 + β 2 X 2 + ……… + β m X m + E SRF : Y = β o + β 1 X 1 + β 2 X 2 + ……… + β m X m + E Kiểm định T : Ho : βi = 0 H 1 : βi # 0 Sig (βi) <= anfa Bác bỏ Ho > anfa chưa đủ cơ sở để bác bỏ Ho , có thể chấp nhận Ho Kiểm định F trong hồi quy bội Ho : R 2 = 0 : (Β 1 = β 2 = … = βm = 0) H 1 : R 2 # 0 (ton tai mot βi # 0 , i = 1,m ) Sig (F) <= & Bác bỏ Ho F >= F &, k-1,n-k = FINV (&, k-1,n-k) Ví dụ : PRF : Salary = β o + β 1 edu + β 2 preexp + E SRF : Salary = - 20978.3 + 4020.343 edu + 12.071 preexp + E Biến edu có ý nghĩa thống kê vì sig < 0.05 Biến Exp có ý nghĩa thống kê vì sig < 0.05 Trang 7/8 Con số 4020 : Khi edu tăng (giảm) Trung bình Salary tăng (giảm) 4020 $ Con số 1207 : Khi exp tăng (giảm) Trung bình Salary tăng (giảm) 12.07 $ Trong điều kiện các yếu tố khác không đổi Biến nào không có ý nghĩa thống kê thì lọai nó ra để tìm mô hình tốt nhất R 2 = 0.439 2 biến edu và exp giải thích được sự thay đổi salary 43% là do edu và exp R 2 không giải thích tốt được mô hình bằng R 2 R 2 = 1 – ESS / n-k TSS / n - 1 Để so sánh giữa 02 mô hình (cùng cỡ mẫu, cùng Y) người ta dựa vào R 2 Bài tập về nhà 1) Xây dựng mô hình xem Salary bị phụ thuộc bởi các yếu tố nào : gender (mã hóa thành 02 biến giả Nam 1, Nữ 0 ), jobcat ( mã hóa thành 03 biến giả D1, D2, D3) , edu, exp Đọc Chương 3 hoặc 4 2) Đa Cộng Tuyến Trang 8/8 . Khởi động SPSS Mở File : C:PROGRAM FILES SPSS Employee data TƯƠNG QUAN VÀ HỒI QUY Salary : Lương hiện tại Educ : số năm đi