Hng dn phan tich va dc kt qu hi q

Hướng dẫn phân tích đọc kết hồi quy đa biến SPSS – Luận Văn 2S Ở viết trước, Luận Văn 2s hướng dẫn cho bạn tìm hiểu nhân tố khám phá EFA, kiểm định độ tin cậy thang đo Cronbach’s Alpha, tương quan pearson… cách thực phân tích đọc kết kiểm định phần mềm thống kê SPSS Tiếp tục, viết gửi đến bạn toàn kiến thức lý thuyết thực hành liên quan đến phân tích hồi quy đa biến Cùng khám phá nhé! Lý thuyết hồi quy đa biến Hồi quy đa biến phần mở rộng hồi quy tuyến tính đơn giản Nó sử dụng muốn dự đoán giá trị biến dựa giá trị hai nhiều biến khác Biến muốn dự đoán gọi biến phụ thuộc (hoặc đôi khi, biến kết quả, mục tiêu biến tiêu chí) Các biến sử dụng để dự đoán giá trị biến phụ thuộc gọi biến độc lập Hồi quy đa biến cho phép bạn xác định mức độ đóng góp nhiều, ít, khơng đóng góp nhân tố vào thay đổi biến phụ thuộc Ví dụ: Thu nhập, địa điểm sinh sống số thành viên gia đình ảnh hưởng đến chi tiêu =>Biến độc lập:Thu nhập, địa điểm, số thành viên =>Biến phụ thuộc: Chi tiêu Lý thuyết hồi quy đa biến Trong nghiên cứu thống kê định lượng, phân tích hồi quy đa biến thực sau bước phân tích tương quan Pearson Ý nghĩa số hồi quy đa biến  Giá trị Adjusted R Square (R bình phương hiệu chỉnh) R2 (R Square) phản ánh mức độ ảnh hưởng biến độc lập lên biến phụ thuộc Mức biến thiên giá trị từ - Nếu tiến mơ hình có ý nghĩa Ngược lại, tiến tức ý nghĩa mô hình yếu Cụ thể hơn, nằm khoảng từ 0.5 - mơ hình tốt, < 0.5 mơ hình chưa tốt  Trị số Durbin – Watson (DW): Có chức kiểm tra tượng tự tương quan chuỗi bậc Giá trị DW biến thiên khoảng từ đến Nếu tương quan sai số kề không xảy giá trị gần Nếu giá trị gần tức phần sai số có tương quan nghịch, gần phần sai số có tương quan thuận Trong trường hợp DW < DW > khả cao xảy tượng tự tương quan chuỗi bậc  Giá trị Sig kiểm định F có tác dụng kiểm định độ phù hợp mơ hình hồi quy Ở bảng ANOVA, giá trị Sig < 0.05 => Mơ hình hồi quy tuyến tính bội tập liệu phù hợp (và ngược lại)  Giá trị Sig kiểm định t sử dụng để kiểm định ý nghĩa hệ số hồi quy Nếu Sig Biến độc lập có tác động đến biến phụ thuộc  Hệ số phóng đại phương sai VIF (Variance inflation factor): Kiểm tra tượng đa cộng tuyến Nếu VIF > 10 có tượng đa cộng tuyến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005) Tuy nhiên, thực tế thực hành, thường so sánh giá trị VIF với Nếu VIF < khơng có tượng đa cộng tuyến biến độc lập (và ngược lại) Phân tích hồi quy đa biến phần mềm SPSS Cách chạy hồi quy đa biến SPSS Ta xét ví dụ: Một nghiên cứu sức khỏe nhà khoa học người Mỹ muốn dự đoán số thể lực sức khỏe mang tên: "VO2 max" Thông thường, để thực thủ tục địi hỏi phải có thiết bị phịng thí nghiệm đắt tiền địi hỏi cá nhân phải tập thể dục tối đa Nhưng cách làm khơng khả thi, ơng làm nghiên cứu dự đoán VO2 max cá nhân dựa thuộc tính đo lường dễ dàng dựa bốn thuộc tính sau: age (tuổi), weight (cân nặng), heart rate (nhịp tim) gender (giới tính) 100 người Từ liệu ví dụ, ta biện phụ thuộc biến độc lập sau: Biến phụ thuộc: VO2max (thể lực sức khỏe tối đa) Biến độc lập: age (tuổi), weight (cân nặng), heart rate (nhịp tim) gender (giới tính) Các bước thực hành phân tích hồi quy đa biến SPSS: Bước 1: Để kiểm định hệ số tương quan pearson SPSS Đầu tiên, công cụ ta nhấp chọn: Analyze > Regression > Linear… Bạn kết hình sau: Bước 2: Chuyển biến phụ thuộc VO2 max vào ô Dependent; Chuyển biến độc lập age, weight, heart_rate, gender vào ô Dependent cách chọn nhấn vào nút mũi tên Lưu ý: Tại Method cần phải để tùy chọn mặc định Enter Nếu lý Enter không chọn, bạn cần thay đổi Method trở lại tùy chọn Enter Bước 3: Bấm vào ô Statistics Cửa sổ Linear Regression: Statistics mở Tại đây, nhấn chọn Collinearity diagnostics (để tính hệ số VIF – hệ số phóng đại phương sai) để đánh giá tượng đa cộng tuyến Sau nhấn vào Continue để trở lại hộp thoại Linear Regression Bước 4: Nhấn OK để output kết Đọc kết hồi quy đa biến SPSS Sau hoàn thành bốn bước phần 1, ta nhiều bảng kết Tuy nhiên, cần tập trung vào bảng: Model Summary, ANOVA Coefficients Dựa vào ý nghĩa số hồi quy phần trước, tiến hành đọc kết hồi quy đa biến SPSS bảng:  Bảng Model Summary: Bảng Model Summary Adjusted R Square (hệ số R bình phương hiệu chỉnh) = 0.559, tức biến độc lập đưa vào ảnh hưởng 55.9% thay đổi biến VO2 max, 44.1% lại ảnh hưởng sai số tự nhiên biến ngồi mơ hình  Bảng ANOVA: Bảng ANOVA Giá trị F= 32.393 với Sig kiểm định F =0.000 < 0.05, ta kết luận R bình phương tổng thể khác => Mơ hình hồi quy tuyến tính có thể suy rộng áp dụng cho tổng thể  Bảng Coefficients: Bảng Coefficients Giá trị Sig kiểm định t nhỏ 0.05 => biến độc lập tác động có ý nghĩa thống kê đến biến phụ thuộc Hệ số phóng đại phương sai VIF bé = > tượng đa cộng tuyến Trên tồn kiến thức phân tích hồi quy đa biến SPSS Nếu trình thực hành, bạn gặp phải vấn đề, cố đó, liên hệ với nhóm Hỗ Trợ SPSS để giải đáp nhanh nhé! Chúc bạn thành công!