CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.1 MƠ HÌNH ĐỊNH LƯỢNG
3.1.2 Hồi quy Binary Logistic
Dạng tổng qt của mơ hình:
Trong đó, P(Y=1)=P0: Xác xuất người bệnh ĐTĐ có sức khỏe tốt P(Y=0)
P(Y=1)
= 0+1X1+2X2+1X1+3X3+ …..+nXn Ln
P(Y=0)=1=1-P0: Xác suất người bệnh ĐTĐ có sức khỏe khơng tốt
Hệ số Odds:
Do đó, Log của hệ số Odds là một hàm tuyến tính với các biến độc lập Xj(j=1,2,…n). Phương trình (1) có dạng hàm Logit. Do đó ước lượng các hệ số hồi
quy bằng phương pháp MX ( Maximum Likelihood)
Hệ thống kiểm định:
Để mơ hình hồi quy Binary Logistic đảm bảo khả năng tin cậy, ta thực hiện 3 bước kiểm định sau:
-Kiểm định tương quan từng phần của các hệ số hồi quy: nhằm xem biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không. Sử dụng kiểm định Wald, khi mức ý nghĩa của hệ số hồi quy từng phần có mức ý nghĩa độ tin cậy ít nhất 90%( Sig.≤ 0,1), ta kết luận rằng tương quan giữa biến độc lập và biến phụ thuộc là có ý nghĩa thống kê.
-Mức độ phù hợp của mơ hình: nhằm xem xét các mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc. Mơ hình được xem là khơng phù hợp khi tất cả các hệ số hồi quy đều bằng 0 và mơ hình phù hợp nếu có ít nhất một hệ số hồi quy khác không.
Giả thuyết: H0: Các hệ số hồi quy đều bằng khơng H1: Có ít nhất một hệ số hồi quy khác không
= 0+1X1+2X2+1X1+3X3+ …..+nXn Ln 1- P0 P0 = Ln P (không tốt) P (tốt) LnO0 = 0+1X1+2X2+1X1+3X3+ …..+nXn (1) O0= 1-P0 P0 P (không tốt) P (tốt) =
Sử dụng kiểm định Omnibus để kiểm định. Nếu mức ý nghĩa của mơ hình đảm bảo có mức độ tin cậy ít nhất 95%( Sig.≤0,05), ta chấp nhận giả thuyết H1 và mơ hình được xem là phù hợp.
-Mức độ giải thích của mơ hình
Sử dụng thước đo R2- Nagelkerke cho biết có bao nhiêu phần trăm thay đổi của biến phụ thuộc được giải thích bởi biến độc lập