Phần 3: Hệ số hồi quy và kiểm định ý nghĩa của hệ số hồi quy- Bảng Coefficients

Cập nhật: 18/10/2022 bởi admin0

Hệ số hồi quy và kiểm định ý nghĩa của hệ số hồi quy- Bảng Coefficients

Bài viết này sẽ đề cập sơ bộ đến bảng Coefficients và các phân tích hay gặp. Các bạn có thể đọc bài viết này và thực hiện các phân tích cơ bản thường gặp trong các bài luận văn. Bạn nào muốn hiểu kỹ hơn có thể đọc thêm các bài trong seri này.

Unstandardized Coefficients là các hệ số chưa được chuẩn hóa

Trong đó

+ B là hệ số hồi quy, tương ứng với từng biến độc lập. Hệ số này dương nếu biến độc lập có tác động cùng chiều lên biến phụ thuộc. Hệ số này âm nếu biến độc lập có tác động ngược chiều lên biến phụ thuộc

+ Std. Error. Đây là sai số chuẩn. Con số này luôn dương. Các luận văn ở VN ít thấy nói đến con số này, nên có thể nhiều người cho rằng nó không quan trọng. Ở một bài viết sau mình sẽ đề cập đến nó. Để đơn giản các bạn cứ bỏ qua cột này

Standardized Coefficients là hệ số ước lượng đã chuẩn hóa.

Beta chính là hệ số hồi quy B được chuẩn hóa bằng cách chuẩn hóa các biến phụ thuộc và độc lập trước khi hồi quy.

Ngoài ra ta cũng có thể tính được Beta theo B bằng công thức sau

Trong đó Xj là biến độc lập thứ j, Y là biến phụ thuộc, SD là ký hiệu của « độ lệch chuẩn »

Hệ quả là hệ số tự do (constant) luôn có Beta=0.

Hệ số hồi quy chuẩn hóa Beta bỏ qua đơn vị của đo lường của biến Xj. Nó thể hiện mức độ mạnh yếu của biến độc lập Xj tới biến phụ thuộc Y (tại sao mình sẽ giải thích ở bài viết khác). B luôn cùng dấu với Beta. Giá trị tuyệt đối của Betaj càng lớn thì ảnh hưởng của Xj lên Y càng mạnh. Dấu của B (hay beta) phản ánh chiều hướng của tác động. Đây là phân tích rất hay được sử dụng trong các bai luận văn mà các biến được đo bằng thang Likert.

t là thống kê student để đo mức ý nghĩa của hệ số ước lượng β

Tuy nhiên ta có thể bỏ qua hệ số này vì phần mềm đã tính cho ta giá trị p-value (sig) tương ứng

Cặp giả thuyết được kiểm định

Chọn mức ý nghĩa α cho kiểm định này

Quy tác bác bỏ :

+ Nếu sig <α thì bác bỏ H0. NHư vậy kêt luận βj ≠0, hay biến βj có ý nghĩa thống kê ; hay Xj có ảnh hưởng đến Y.

+ Ngược lại nếu sig >α thì chấp nhận H0. Khi đó ta chưa thể nói biến Xj có ảnh hưởng đến Y. Tất nhiên đây là 1 nhận định không hoàn toàn đúng (nếu không muốn nói là sai). Điều này sẽ được giải thích trong bài viết: Các sai lầm hay gặp khi phân tích hồi quy

Hiện nay mình thấy hầu như giao viên đều chấp nhận nhận định kiểu này nên các bạn dùng thoải mái. Tuy nhiên nếu dùng nó thì các bạn cũng phải xác định rằng nếu muốn tất cả các biến đều có ý nghĩa thống kê thì tất cả sig phải nhỏ hơn mức ý nghĩa (thường là 0.05)

Các nghiên cứu thường chọn α=0,05

 

Các phân tích thường dùng

(ví dụ ở đây xét với biến baobi)

+ Hệ số sig =0.028 <0.05 cho thấy biến bao bì thực sự có ảnh hưởng đến doanh số

+ Hệ số beta= 0.302 > 0 (dương) cho thấy tác động thuận chiều của biến bao bì lên doanh số

+ Trong điều kiện các biến số khác không đổi, biến bao bì tăng 1 đơn vị thì doanh số tăng 0.302 đơn vị

+ Biến chất lượng có ảnh hưởng đến doanh số lớn nhất, tiếp theo là ảnh hưởng của bao bì (beta của chất lượng lớn hơn beta của bao bì)

Phần tiếp theo: https://vaxidi.com/khoang-tin-cay-cua-cac-he-so-hoi-quy-bang-coefficients

Series Navigation

<< Phần 2: Kiểm định sự phù hợp của hàm hồi quy: Thống kê F và bảng ANOVAPhần 4: Khoảng tin cậy của các hệ số hồi quy- Bảng Coefficients >>