IV. K tc uđ tài
3.3 Xây d ng mô hình hi qui tu yn tính đa bi n:
xây d ng mô hình h i qui tuy n tính b i v i ý ngh a th ng kê, trong nghiên c u này tôi s d ng ph ng pháp lo i tr d n (backward elimination). u tiên t t c các bi n đ c l p đ c đ a vào mô hình, bi n có h s t ng quan nh nh t s đ c ki m tra đ u tiên, n u không tho đi u ki n s b lo i ra. Lúc này mô hình này s đ c tính toán l i mà không có bi n đ c l p v a lo i.
Có hai tiêu chu n lo i tr bi n (tiêu chu n ra) trong SPSS:
- Giá tr F t i thi u mà th ng kê F c a bi n đ c l p đó ph i đ t đ c đ l i ph ng trình, g i là F ra (F-to-remove, ký hi u trong ch ng trình là FOUT). Các bi n đ c l p có giá tr F nh h n FOUT s b lo i ra kh i mô hình.
- Xác su t t i đa t ng ng v i F ra (probability of F-to-remove) mà m t bi n không đ c v t quá đ đ c l i trong mô hình, ký hi u trong ch ng trình là POUT.
Giá tr m c đ nh c a FOUT là 2,71 và giá tr m c đnh c a POUT là 0,1.
Trong mô hình này, tôi ch n đi u ki n ra là FOUT. N u giá tr th ng kê F c a bi n đ c l p nh h n FOUT thì nó s b lo i kh i mô hình và ph ng trình s tính toán l i mà không có bi n đó. Trên b ng th ng kê m i, SPSS s l p l i th t c trên cho đ n khi nào giá tr F c a bi n có h s t ng quan t ng ph n nh nh t l n h n FOUT thì quá trình này d ng l i.