Phân tích hồi quy đa biến trong spss

Cập nhật: 19/10/2022 bởi admin1

Hồi quy tuyến tính đa biến

Trong nghiên cứu, chúng ta thường cần kiểm định các giả thuyết về mối quan hệ giữa hai hoặc nhiều biến, bao gồm một biến phụ thuộc và một hoặc nhiều biến độc lập. Nếu chỉ có một biến độc lập, mô hình được gọi là hồi quy tuyến tính đơn giản (SLR). Nếu có hai hoặc nhiều biến độc lập, mô hình được gọi là hồi quy tuyến tính bội (MLR). Nội dung sau đây của tài liệu này chỉ áp dụng cho hồi quy bội, hồi quy đơn biến và các tính chất tương tự như hồi quy bội.

Tầm quan trọng của chỉ số trong hồi quy đa biến

Giá trị R Square và R2 được điều chỉnh phản ánh ảnh hưởng của các biến độc lập lên biến phụ thuộc. Sự biến đổi của hai giá trị này nằm trong khoảng từ 0 đến 1. Càng gần đến 1, mô hình càng có ý nghĩa. Ngược lại, càng gần 0, ý nghĩa của mô hình càng yếu. Cụ thể, từ 0,5 đến 1 là mô hình tốt và <0,5 là mô hình xấu.
Giá trị Durbin – Watson (DW): Một hàm để kiểm tra tự tương quan trình tự bậc nhất. Giá trị của DW thay đổi trong khoảng từ 0 đến 4. Nếu tương quan của các lỗi liền kề không xảy ra, giá trị sẽ gần bằng 2. Nếu giá trị gần bằng 4, các phần lỗi có tương quan nghịch, gần bằng 0, các phần lỗi có tương quan thuận. Đối với DW <1 và DW> 3, khả năng xảy ra tự tương quan trình tự bậc nhất là rất cao.
Giá trị Sig. Phép thử F kiểm tra sự phù hợp của mô hình hồi quy. Trong bảng ANOVA, nếu Sig. <0,05 => Mô hình hồi quy nhiều tuyến tính và tập dữ liệu tương ứng (và ngược lại).
Giá trị Sig. Phép thử t được sử dụng để kiểm tra ý nghĩa của các hệ số hồi quy. Nếu Sig. <0,05 => Biến độc lập có ảnh hưởng đến biến phụ thuộc.
Yếu tố lạm phát phương sai (VIF): Kiểm tra tính đa cộng tuyến. Nếu VIF> 10, đa cộng tuyến tồn tại (theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Tuy nhiên, trong thực tế, chúng tôi thường so sánh giá trị VIF với 2. Nếu VIF <2, không có đa cộng tuyến giữa các biến độc lập (và ngược lại).

Nội dung chuyên mục, vui lòng bấm vào liên kết bên dưới để truy cập các bài học

• Giới thiệu loạt bài viết về Hồi quy tuyến tính trên SPSS
• Hồi quy và hồi quy tuyến tính
• Mô hình hồi quy đơn biến và đa biến
• So sánh phân tích tương quan và phân tích hồi quy
• Thực hành hồi quy tuyến tính trên SPSS
• Các yêu cầu và giả định trong phân tích mô hình hồi quy tuyến tính
• Phân tích hồi quy cơ bản: Phần 1: Hệ số xác định R2
• Phần 2: Kiểm định sự phù hợp của hàm hồi quy: Thống kê F và bảng ANOVA
• Phần 3: Hệ số hồi quy và kiểm định ý nghĩa của hệ số hồi quy- Bảng Coefficients
• Phần 4: Khoảng tin cậy của các hệ số hồi quy- Bảng Coefficients
• Sử dụng hệ số hồi quy chưa chuẩn hoá và chuẩn hoá sao cho hợp lý
• Các sai lầm hay gặp khi phân tích hồi quy
• Có cần bỏ các biến không có ý nghĩa thống kê ra khỏi mô hình và thực hiện hồi quy lại không?
• Một số tính chất của mô hình hồi quy tuyến tính đơn biến
• Hồi quy tuyến tính không có hệ số chặn trên SPSS
• Lựa chọn mô hình- sự có mặt của các biến không cần thiết
• Thủ tục đánh giá sự có mặt của các biến không cần thiết bằng SPSS
• Hiệu chỉnh mô hình hồi quy bội bằng kỹ thuật đưa biến Stepwise
• Chẩn đoán mô hình với kỹ thuật Bootstrap
• Kiểm tra các điểm bất thường và cải thiện mô hình
• Có cần kiểm tra tương quan trước khi chạy hồi quy
• Khuyết tật và kiểm tra khuyết tật trong mô hình hồi quy tuyến tính
• Làm đẹp một số đồ thị khi trình bày kết quả hồi quy tuyến tính
• Viết kết quả phân tích hồi quy tuyến tính
• Tổng hợp kết quả hàm hồi quy lên bảng 1 cột
• Văn mẫu: Lý thuyết tương quan và hồi quy tuyến tính
• Văn mẫu: Trình bày kết quả tương quan và hồi quy tuyến tính