Phân tích tương quan Pearson để kiểm tra đa cộng tuyến giữa các biến độc lập trong mô hình
Hệ số tương quan Pearson được dùng để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng (Hoàng Trọng, 2005). Nếu giữa hai biến có sự tương quan chặt chẽ thì cần lưu ý đến hiện tượng đa cộng tuyến khi phân tích hồi quy. Trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả được xem xét như nhau. Một hệ số tương quan tuyệt đối lớn chỉ ra một hiện tượng đa cộng tuyến, nghĩa là các khái niệm nghiên cứu trùng lắp với nhau và có thể chúng đang đo lường cùng một thứ (John và Benet - Martinez, 2000). Theo Nguyễn Thành Cả và Nguyễn Thị Ngọc Miên ( 2014), khả năng đa cộng tuyến xảy ra khi r ≥ 0,8.
Kiểm định độ phù hợp của mô hình
Hồi quy Binary Logistic cũng đòi hỏi ta phải đánh giá độ phù hợp của mô hình. Đo lường độ phù hợp tổng quát của mô hình Logistic được dựa trên chỉ tiêu -2LL (viết tắt của -2 log likelihood), thước đo này có ý nghĩa giống như SSE (Sum of squares of error) nghĩa là càng nhỏ càng tốt. Bạn không cần quan tâm nhiều đến việc -2LL tính toán như thế nào nhưng nhớ rằng quy tắc đánh giá độ phù hợp căn cứ trên -2LL ngược với quy tắc dựa trên hệ số xác định mô hình R2, nghĩa là giá trị -2LL càng nhỏ càng thể hiện độ phù hợp cao. Giá trị nhỏ nhất của -2LL là 0 (tức là không có sai số) khi đómô hình có một độ phù hợp hoàn hảo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Chúng ta còn có thể xác định được mô hình dự đoán tốt đến đâu qua bảng phân loại (clasification table) do SPSS đưa ra, bảng này sẽ so sánh trị số thực và trị số dự đoán cho từng biểu hiện và tính tỷ lệ dự đoán đúng sự kiện. Kiểm định ý nghĩa thống kê của các hệ số
không. Nếu hệ số hồi quy β0 và β1 đều bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay không xảy ra như nhau, lúc đó mô hình hồi quy của chúng ta vô dụng trong việc dự đoán.
Trong hồi quy tuyến tính chúng ta sử dụng kiểm định t để kiểm định giả thuyết H0: ρk=0. Còn với hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể. Cách thức sử dụng, mức ý nghĩa Sig. cho kiểm định Wald cũng theo quy tắc thông thường. Wald Chi Square được tính bằng cách lấy ước lượng của hệ số hồi quy của biến độc lập trong mô hình (hệ số hồi quy mẫu) Binary Logistic chia cho sai số chuẩn của hệ số hồi quy này, sau đó bình phương lên theo công thức sau:
Kiểm định mức độ phù hợp tổng quát
Ở Hồi quy Binary Logistic, tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình ngoại trừ hằng số cũng được kiểm định xem có thực sự có ý nghĩa trong việc giải thích cho biến phụ thuộc không. Với hồi quy tuyến tính bội ta dùng thống kê F để kiểm định giả thuyết H0: ρ1=ρ2=…=0, còn với hồi quy Binary Logistic ta dùng kiểm định Chi-bình phương. Căn cứ vào mức ý nghĩa mà SPSS đưa ra trong bảng Omnibus Tests of model Coefficients để quyết định bác bỏ hay chấp nhận H0