CHƢƠNG 3 ĐỐI TƢỢNG VÀ PHƢƠNG PHÁP NGHIÊN CỨU
3.5. Các lý thuyết liên quan đến quá trình xử lý dữ liệu
3.5.2 Mơ hình hồi quy Binary logistic
Phân tích những yếu tố tác động đến khả năng thừa cân – béo phì của trẻ nhƣ sau: Y = β0 + 𝑛𝑗 =1𝛽jXj + μ
Trong đó Y là biến giả, có giá trị bằng 1 (nếu trẻ thừa cân hoặc béo phì) và bằng 0 (nếu trẻ không bị thừa cân hoặc béo phì), Xj là các yếu tố ảnh hƣởng đến tình trạng thừa cân, béo phì (j = 1-n) và μ là phần dƣ.
Dạng tổng quát của mơ hình hồi quy Binary Logistic: Ln[𝑃(𝑌=1)
𝑃(𝑌=0)] = βo + β1X1 + β2X2 + β3X3 +…+ βnXn
Xác suất trẻ bị thừa cân hoặc béo phì khi Y = 1 và xác suất trẻ không bị thừa cân hoặc béo phì khi Y = 0
Ln 𝑃0 1− 𝑃0 = Ln[ 𝑃(𝑡ℎừ𝑎 𝑐â𝑛,𝑏é𝑜 𝑝ℎì) 𝑃(𝑘ℎơ𝑛𝑔 𝑡ℎừ𝑎 𝑐â𝑛,𝑏é𝑜 𝑝ℎì)] = βo + β1X1 + β2X2 + β3X3 +…+ βnXn Tỷ số Odds: Oo = 𝑃0 1− 𝑃0 = 𝑃 (𝑡ℎừ𝑎 𝑐â𝑛,𝑏é𝑜 𝑝ℎì) 𝑃 (𝑘ℎơ𝑛𝑔 𝑡ℎừ𝑎 𝑐â𝑛,𝑏é𝑜 𝑝ℎì) LnOo = βo + β1X1 + β2X2 + β3X3 +…+ βnXn
Log của hệ số Odds là một hàm tuyến tính với các biến độc lập Xi (i = 1, 2,…,n).
Để mơ hình hồi quy Binary Logistic đảm bảo khả năng tin cậy, ta cần thực hiện hai kiểm định chính sau:
(1) Kiểm định tƣơng quan từng phần của các hệ số hồi quy
Mục tiêu của kiểm định này nhằm xem xét biến độc lập tƣơng quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Sử dụng kiểm định Wald, khi mức ý nghĩa của hệ số hồi quy từng phần có mức độ tin cậy ít nhất 95% (Sig. < 0,05), kết luận tƣơng quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc.
(2) Mức độ phù hợp của mơ hình
Mục tiêu của kiểm định này nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay khơng. Mơ hình đƣợc xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng không, và mơ hình đƣợc xem là phù hợp nếu có ít nhất một hệ số hồi quy khác không.
Giả thuyết cho rằng Ho là các hệ số hồi quy đều bằng khơng và H1 là có ít nhất
một hệ số hồi quy khác không.
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), chấp nhận giả thuyết H1, mơ hình
đƣợc xem là phù hợp.