5. Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ T ÀI
1.3.4. Phương pháp hồi quy bội
1.3.4.1 Định nghĩa
Phân tích hồi quy là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc) vào một hay nhiều biến khác (biến độc lập) với ý tưởng cơ bản là ước lượng hay dự đoán giá trị trung bình của biến phụ thuộc trên cơ sở đã biết của biến độc lập.
1.3.4.2 Các giả định khi xây dựng mô hình hồi quy
Mô hình hồi quy có dạng:
i n n i i i B B X B X B X e Y 0 1 1 2 2 ... 1
Các giả định quan trọng khi phân tích hồi quy tuyến tình - Giả thiết 1:giả định liên hệ tuyến tính.
- Giả thiết 2: phương sai có điều kiện không đổi của các phần dư.
- Giả thiết 3:không có sự tương quan giữa các phần dư.
- Giả thiết 4: không xảy ra hiện tượng đa cộng tuyến.
- Giả thiết 5: giả thiết về phân phối chuẩn của phần dư.
1.3.4.2 Xây dựng mô hình hồi quy
Các bước xây dựng mô hình:
B1. Xem xét ma trận hệ số tương quan
Để xem xét mối quan hệ giữa biến phụ thuộc và các biến độc lập thông qua xây
dựng ma trận tương quan. Đồng thời ma trận tương quan là công cụ xem xét mối
quan hệ giữa các biến độc lập với nhau nếu các biến này có tương quan chặt thì
nguy cơ xảy ra hiện tượng đa cộng tuyến cao dẫn đến việc vi phạm giả định của mô
hình.
B2. Đánh giá độ phù hợp của mô hình Thông qua hệ số 2
R ta đánh giá độ phù hợp của mô hình xem mô hình trên giải
Khi đưa càng nhiều biến vào mô hình thì hệ số này càng cao. Tuy nhiên, R2 ở
hồi quy bội không phản ánh đúng sự phù hợp của mô hình như trong mô hình hồi quy đơn. Lúc này, ta phải sử dụng 2
R hiệu chỉnh để đánh giá sự phù hợp của mô
hình.
B3. Kiểm định sự phù hợp của mô hình
Sử dụng kiểm định F để kiểm định với giả thiết H0:B1=B2=Bn = 0
Nếu giả thiết này bị bác bỏ thì ta có thể kết luận mô ình ta xây dựng phù hợp với
tập dữ liệu.
B4: Xác định tầm quan trọng của các biến
Ý tưởng đánh gia tầm quan trọng tương đối của các biến độc lập trong mô hình thông qua xem xét mức độ tăng của 2
R khi một biến giải thích được đưa thêm vào
mô hình. Nếu mức độ thay đổi này mà lớn thì chứng tỏ biến này cung cấp thông tin độc nhất về sự phụ thuộc mà các biến khác trong phương trình không có được. Ta đánh gia tầm quan trọng của một biến thông qua hai hệ số :
Hệ số tương quan từng phần: căn bậc hai của R2 hiệu chỉnh, thể hiện mối tương
quan giữa biến Y và X mới đưa vào. Tuy nhiên, sự thay đổi của R2không thể hiện tỉ
lệ phần biến thiên mà một mình biến đó có thể giải thích. Lúc này, ta sử dụng hệ số
tương quan riêng bằng căn bậc hai của. 2 2 2 2 2 1 , k k rk rk R R R P P
B5. Lựa chọn biến cho mô hình
Đưa nhiều biến độc lập vào mô hình hồi quy không phải lúc nào cũng tốt vì những lý do sau (trừ khi chúng có tương quan chặt với biến phụ thuộc):
- Mức độ tăng 2
R quan sát không hẳn phán ánh mô hình hồi quy càng phù hợp hơn với tổng thể.
- Đưa vào các biến không thích đáng sẽ làm tăng sai số chuẩn của tất cả các ước lượng mà không cải thiện được khả năng dự đoán.
Ta sử dụng SPSS để giải quyết vấn đề trên. Các thủ tục chọn biến trên SPSS :
phương pháp đưa vào dần, loại trừ dần, phương pháp từng bước{ là sự kết hợp của hai phương pháp loại trừ dần và đưa vào dần).
B6. Dò tìm sự vi phạm các giả thiết ( đã nêu ở trên bằng các xử lý của SPSS)
Ngoài ra, còn sử dụng phân tích chi bình phương một mẫu để tìm ra quy luật
phân phối của mẫu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach
Alpha.