CHƯƠNG 3 : THIẾT KẾ NGHIÊN CỨU
3.1. Mơ hình hồi quy Binary Logistic
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), mơ hình hồi quy Binary Logistic là mơ hình phi tuyến tính sử dụng biến phụ thuộc dạng nhị phân
để ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có được.
Có rất nhiều hiện tượng trong tự nhiên chúng ta cần đoán khả năng xảy ra một sự kiện nào đó mà ta quan tâm (chính là xác suất xảy ra), như chấp nhận hay không chấp nhận, mua hay không mua, vay hay không vay, đồng ý hay
không đồng ý… Những biến nghiên cứu có hai biểu hiện như vậy gọi là biến hay
phiên (dichotomous), hai biểu hiện này sẽ được mã hóa thành hai giá trị 0 và 1
gọi là biến nhị phân. Khi biến phụ thuộc ở dạng nhị phân thì khơng thể nghiên
cứu với dạng hồi quy thơng thường vì sẽ xâm phạm các giả định, rất dễ thấy là khi biến phụ thuộc chỉ có hai biểu hiện thì khơng phù hợp khi giả định rằng phần
dư có phân phối chuẩn, mà thay vào đó nó sẽ có phân phối nhị thức, điều này sẽ
làm mất hiệu lực thống kê của các kiểm định trong phép hồi quy. Một khó khăn khác, khi dùng hồi quy tuyến tính thơng thường là giá trị dự đốn của biến phụ thuộc khơng thể được diễn dịch như xác suất (giá trị ước lượng của biến phụ thuộc trong hồi quy Binary Logistic phải rơi vào khoảng (0;1)).
Với hồi quy Binary Logistic, thông tin cần thu thập về biến phụ thuộc là một sự kiện nào đó có xảy ra hay khơng, biến phụ thuộc Y lúc này có hai giá trị 0 và 1, với 0 là không xảy ra sự kiện ta quan tâm và 1 là có xảy ra, và tất nhiên là cả thông tin về các biến độc lập X. Từ biến phụ thuộc nhị phân này, một thủ tục sẽ được dùng để dự đoán xác suất sự kiện xảy ra theo quy tắc nếu xác suất được dự đốn lớn hơn 0,5 thì kết quả dự đốn sẽ cho là “có” xảy ra sự kiện, ngược lại thì kết quả dự đốn sẽ cho là “khơng”.
Để định lượng ảnh hưởng của các biến độc lập đối với biến phụ thuộc khả năng tiếp cận tín dụng chính thức của nơng hộ trồng cây thanh long ở tỉnh Bình
Thuận, mơ hình hồi quy Binary Logistic được định dạng như sau:
Trong công thức này Pi = E(Yi=1/Xi) = P(Y=1) là xác xuất nông hộ tiếp
cận tín dụng chính thức. Ta đặt Zi= βo + βiXi. Nếu Pi là khả năng có thể tiếp cận
tín dụng chính thức thì khả năng khơng thể tiếp cận tín dụng chính thức là (1 - Pi)
Áp dụng phương pháp tuyến tính hóa, mơ hình được viết thành:
Từ phương trình này, có thể tính xác suất tiên đoán yếu tố tác động đến khả năng tiếp cận tín dụng chính thức của các nơng hộ trồng cây thanh long theo trị số của Xi.
chính là là hệ số chênh lệch tiếp cận tín dụng chính thức của các nông hộ
trồng cây thanh long. Nếu yếu tố Xi tăng lên 1 đơn vị thì xác suất tiếp cận tín
dụng chính thức của các nông hộ trồng cây thanh long ở Bình Thuận tăng lên
lần.
Với hồi qui Binary Logistic, cần những kiểm định sau:
Độ phù hợp của mơ hình: Để đo lường độ phù hợp tổng quát của mơ
hình ta có thể dựa trên chỉ số -2LL (viết tắt của -2 log likehood) để đo lường.
Đánh giá chỉ số -2LL càng nhỏ thì độ phù hợp của mơ hình càng cao và có thể xác định được mơ hình dự đốn tốt thơng qua bảng phân loại Clasification table,
bảng này sẽ so sánh số trị số thực và trị số dự đoán cho từng biểu hiện và tính tỷ lệ dự đốn đúng của mơ hình. (Trọng và Ngọc, 2005; Hổ, 2011).
Kiểm định ý nghĩa của các hệ số: Mục tiêu của kiểm định này nhằm xét
biến đốc lập tương quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Sử dụng kiểm định Wald Chi Square, khi mức ý nghĩa của hệ số hồi quy từng phần có mức độ tin cậy ít nhất 95% (Sig<0,05), kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc (Hổ, 2011).
Kiểm định độ phù hợp tổng quát: mục tiêu của kiểm định này nhằm
xem xét có mối quan hệ tuyến tính giữa các biến đốc lập với biến phụ thuộc hay
khơng. Mơ hình được xem là không phù hợp khi tất cả các hệ số hồi quy đều
bằng không, và mô hình được xem là phù hợp nếu có ít nhất một hệ số hồi qui khác không.
Giả thuyết: H0: Các hệ số hồi qui đều bằng không
Trong SPSS, sử dụng bảng Omnibus tests of Model Coefficients để kiểm
định. Nếu mức ý nghĩa của mơ hình đảm bảo có mức độ tin cậy ít nhất 95%
(sig<0,05), bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 (Trọng và Ngọc, 2005; Hổ, 2011).