Mục lục
Hiện nay, có nhiều người gặp khó khăn trong việc thực hiện phương pháp hồi quy tuyến tính bội trong phần mềm SPSS. Phương pháp hồi quy tuyến tính được coi là phép hồi quy xem xét về mối quan hệ giữa hai biến là biến độc lập và biến phụ thuộc. Để giúp người dùng có thể thuận tiện và đọc kết quả hồi quy tuyến tính bội trong phần mềm SPSS một cách hiệu quả. Chúng tôi sẽ chia sẻ tới các bạn những vấn đề về phương pháp hồi quy tuyến tính và cách đọc kết quả của phương pháp này
Trong nghiên cứu khoa học hay trong các bài luận văn thạc sĩ thì SPSS là một công cụ rất hữu ích và quan trọng. Nếu như tất cả vẫn còn khó khăn với bạn và bạn là người chưa có kinh nghiệm ktrong việc chạy SPSS cho bài làm của mình thì hãy liên hệ với dịch vụ xử lý số liệu SPSS trọn gói của Luận Văn Tốt để có một bài nghiên cứu hay một bài luận văn thạc sĩ chất lượng tốt bạn nhé, mọi thắc mắc vui lòng liên hệ hotline sđt/Zalo/tele : 0934573149
Giới thiệu chung về phương pháp hồi quy tuyến tính trong SPSS
Những bài nghiên cứu khoa học, luận văn thạc sĩ hay những công trình nghiên cứu trong ngành xã hội học, kinh tế lượng, … thường xuyên sử dụng phần mềm SPSS để phân tích và xử lý dữ liệu. Trong phần mềm này không thể không nhắc tới phương pháp hồi quy tuyến tính. Đây là một trong những phương pháp phân tích, đánh giá dữ liệu phổ biến và quan trọng trong SPSS. Vậy phương pháp hồi quy tuyến tính là gì? Phương pháp hồi quy tuyến tính trong SPSS được xây dựng nhằm kiểm định và đánh giá những giả thuyết. Giả thuyết này là mối quan hệ, mối tương quan giữa hai biến là biến độc lập và biến phụ thuộc. Đây cũng là vấn đề chính mà người dùng quan tâm khi sử dụng phần mềm SPSS. Việc kiểm định những giả thuyết này là cơ sở để đưa ra những số liệu, dữ liệu trong quá trình nghiên cứu của các bạn.
Quy trình của phương pháp hồi quy tuyến tính mang bản chất là kiểm định một giả thuyết nên sẽ xuất hiện hai mệnh đề chính. Đầu tiên, nếu chỉ một biến độc lập trong mô hình kiểm định thì sẽ được gọi là mô hình hồi quy đơn biến – SLR. Thứ hai, trong những trường hợp mô hình có từ 2 biến trở lên thì được gọi là mô hình hồi quy bội – MLR.
Bài viết liên quan : Tổng Quan Về Phương Pháp Dự Báo Trong Phần Mềm SPSS
Phương trình hồi quy đơn biến và phương trình hồi quy bội
Hai phương trình hồi quy đơn biến và phương trình hồi quy bội trong phương pháp kiểm định hồi quy tuyến tính được xây dựng như sau:
Phương trình hồi quy đơn biến: Y = β0 + β1X + e
Phương trình hồi quy bội: Y = β0 + β1X1 + β2X2 + … + βnXn + e
Các ký hiệu trong phương trình mang ý nghĩa như sau:
Y: là những biến phụ thuộc hay còn được gọi là biến chịu sự tác động từ các biến khác trong thang đo
X, X1, X2, Xn: là những biến độc lập hay còn được gọi là biến tác động những biến khác trong cùng thang đo.
β0: đây là hằng số hồi quy (hệ số chẵn). Hằng số này là đại diện của giá trị Y (biến phụ thuộc) khi tất cả các biến độc lập đều cùng bằng 0. Nói một cách dễ hiểu hơn β0 là kết quả của Y khi các X bằng 0. Thông thường, trên đồ thị, β0 chính là điểm nằm trên trục Oy. Tại vị trí mà đường hồi quy giao với trục Oy.
β1, β2, βn: đây là hệ số hồi quy (hệ số góc). Cụ thể hơn, hệ số hồi quy là sự phản ánh mức thay đổi của giá trị Y khi X thay đổi. Và mỗi một sự thay đổi của biến X sẽ tương ứng với một giá trị Y khác nhau trên đồ thị. Tóm lại, β1, β2, βn là kết quả của Y khi các biến X tương ứng thay đổi. Và hệ số này có thể tăng, có thể giảm tùy thuộc vào sự biến dổi của X.
e: là sai số. Đây là giá trị biểu hiện cho sự sai lệch trong mối tương quan giữa hai biến là biến độc lập và biến phụ thuộc. Khi giá trị e càng lớn thì khả năng kiểm định của phương pháp hồi quy tuyến tính sẽ trở nên kém đi. Sẽ dẫn tới những sai lệch nhiều trên thực tiễn. Các sai số này sẽ là đại diện của các biến độc lập ngoài mô hình kiểm định hoặc là bất kỳ sai số ngẫu nhiên nào đó trong bài toán nghiên cứu.
Quá trình chạy phần mềm SPSS thì việc Cách Phân Tích Nhân Tố Khám Phá EFA cũng rất quan trọng. Nếu bạn còn đang phân vân không biết tiến hành sao cho đúng thì hãy tham khảo bài viết để giải đáp những thắc mắc cũng như hiểu chi tiết hơn về EFA bạn nhé
Phương trình hồi quy tuyến tính
Trong các bài toán thông kê, phân tích hiện nay, các nhà nghiên cứu đều mong muốn có thể đánh giá được những thông tin một cách chính xác nhất và tổng thể nhất. Tuy nhiên số lượng dữ liệu quá lớn để có thể đánh giá một cách tổng quát về bài toán nghiên cứu. Do vậy, nhà nghiên cứu không thể khai thác được những thông số như mong muốn của mình. Khi không khai thác được thông số như ý muốn, các nhà nghiên cứu bắt buộc chuyển sang kiểm đinh, ước lượng thông tin trong các mẫu nghiên cứu. Việc này sẽ giúp cho công tác đánh giá thông tin, dữ liệu trở nên chính xác hơn và bao quát hơn. Và trong phương pháp hồi quy tuyến tính các giá trị như: β1, β2, … là những hằng số không thể đo lường được. Vì vậy, cần phải tiến hành kiểm định, ước lượng từ các mẫu nghiên cứu. Sau khi ước lượng sẽ đưa ra được đánh giá tổng thể cho bài toán. Và phương trình hồi quy trên các mẫu nghiên cứu sẽ có dạng như sau:
Y = B0 + B1X1 + B2X2 + … + BnXn + ε
Các ký hiệu mang ý nghĩa cụ thể như sau:
Y: là biến phụ thuộc
X, X1, X2, Xn: biến độc lập
B0: hằng số hồi quy
B1, B2, Bn: hệ số hồi quy
ε: phần dư
Phương pháp ước lượng hồi quy tuyến tính bằng OLS
Trong kiểm định mô hình hồi quy tuyến tính có một phương pháp ước lượng vô cùng quan trọng và cũng khá phổ biến chính là phương pháp hồi quy tuyến tính bội OLS. Phương pháp ước lượng này được tiến hành dựa trên sự kiểm định, đánh giá những giá trị bình phương nhỏ nhất OLS của thang đo.
Xét về tổng thể, những sai số e mà chúng tôi đã đề cập ở phần trên thì trong các mẫu nghiên cứu ở OLS sẽ được gọi là phần dư. Trong phương pháp ước lượng hồi quy tuyến tính OLS, giá trị biến thiên của đồ thị (cụ thể là của phần dư e) sẽ được tính bằng cách lấy tổng bình phương của tất cả phần dư cộng lại. Xét về nguyên tắc, để thực hiện thành công phương pháp hồi quy OLS cần phải làm cho biến thiên phần dư mang giá trị nhỏ nhất. Đây là điều kiện cần cũng là điều kiện bắt buộc để tiến hành quá trình ước lượng hồi quy OLS. Trên mặt phẳng Oxy, những đường thẳng hồi quy OLS sẽ đi qua phần lớn dữ liệu của bài toán. Và khi đó, khoảng cách từ những điểm dữ liệ cho tới đường hồi quy là ngắn nhất. Khoảng cách ngắn nhất này chính là biến thiên phần dư mang giá trị nhỏ nhất của phương trình.
Thông thường, mối quan hệ giữa các biến sẽ được thể hiện thông qua các điểm dữ liệu. Những điểm dữ liệu sẽ nằm phần tán ở nhiều góc độ tạo nên một đường thẳng. Và một đồ thị Oxy sẽ có rất nhiều đường thẳng. Điều này cho thấy có nhiều sự tương quan, mối liên hệ giữa hai biến độc lập và phụ thuộc. Tuy nhiên để phân tích, đánh giá vấn đề thì cần phải lựa chọn ra một đường thẳng có khoảng cách nhỏ nhất với xu hướng chung của dữ liệu. Khi đó giá trị bình phương OLS nhỏ nhất sẽ được tìm ra dựa trên đánh giá điểm cực tiểu và khoảng cách từ các điểm tới đường thẳng đã được chọn.
Các bước phân tích hồi quy tuyến tính bội trên phần mềm SPSS
Ở phần trên, chúng tôi có giới thiệu tới các bạn về hai phương trình phân tích hồi quy tuyến tính đó là phương trình hồi quy đơn biến và phương trình hồi quy bội. Tuy nhiên, trong bài ngày hôm nay, chúng tôi sẽ chỉ đi sâu phân tích từng bước thực hiện phương trình hồi quy bội. Vì phương trình này phức tạp, khó thực hiện hơn so với phương trình hồi quy đơn biến. Để thực hiện quá trình phân tích hồi quy tuyến tính bộ. Các bạn sẽ cần phải thao tác như sau: Analyze > Regression > Linear…
Sau đó, đưa các biến phụ thuộc trong thang đo vào ô Dependent. Và đưa các biến độc lập vào ô Independent.
Trong mục Statistics, hãy đánh dấu vào các ô: Estimates; Model fit; Durbin – Watsonon. Và ấn chọn Continue.
Tiếp tục, tại mục Plots, chọn vào phần Histogram và Normal probability plot. Sau đó đưa biến ZRESID vào ô Y, đưa biến ZPRED vào ô X. Ấn chọn Continue.
Với các bảng còn lại thì sẽ để mặc định. Sau khi xong thì quay trờ về phần ban đầu, tại mục Method các bạn sẽ phải tùy theo dạng nghiên cứu để lựa chọn giữa Enter hoặc Stepwise. Nếu như tính chất đề tài mà các bạn thực hiện là khẳng định thì chọn vào phần Enter. Còn nếu tính chất đề tài mà các bạn thực hiện là phủ định thì chọn phần Stepwisa. Điều này phụ thuộc hoàn toàn vào tên đề tài, dạng đề tài mà các bạn đang nghiên cứu.
Sau đó, phần mềm SPSS sẽ đưa ra cho các bạn nhiều bảng số liệu. Nhưng các bạn sẽ chỉ cần tập trung vào một số bảng sau: ANOVA, Model Summary, Coefficients và ba biểu đồ Histogram, Normal P-P Plot, Scatter Plot.
- Bảng ANOVA.
Tại đây các bạn cần phải đánh giá độ phù hợp của mô hình thông qua kiểm định giả thuyết. Những giả thuyết sẽ mang ý nghĩa là mối tương quan giữa biến độc lập và biến phụ thuộc. Việc kiểm định sẽ được tiến hành thông qua đánh giá, so sánh giá trị Sig với hệ số 0,05.
- Bảng Model Summary
Đây là bảng số liệu thể hiện xu hướng phân tán của các điểm dữ liệu. Và các điểm dử liệu có thể sẽ là một đường cong, … không nhất thiết là một đường thẳng hoàn toàn. Chính vì thế luôn xảy ra sai số giữa mối liên hệ của biến phụ thuộc và biến độc lập. Tại đây, các bạn cần chú ý tới mức độ sai lệch đó. Và đồng thời cũng phải tính toán mức độ phù hợp của mô hình hồi quy tuyến tính đối với file dữ liệu gốc.
- Bảng Coefficients
Tại bảng số liệu này, các nhà nghiên cứu sẽ tiến hành đánh giá những hệ số hồi quy của biến độc lập. Cụ thể là đánh giá về vai trò của các biến độc lập với mô hình. Phương pháp kiểm định sẽ được thực hiện thông qua T – test và giả thuyết H0. Trong những mô hình hồi quy thông thường sẽ có hai hệ số đó là hệ số hồi quy chưa chuẩn hóa và hệ số hồi quy đã chuẩn hóa. Việc kiểm định cũng được tiến hành trên hai hệ số hồi quy này.
Đó là những gì chúng tôi muốn chia sẻ tới các bạn về phương pháp hồi quy tuyến tính bội trong SPSS. Đây là dạng mô hình phân tích dữ liệu lớn và rất phổ biến trong phần mềm này. Chính vì thế, chúng tôi mong rằng bài viết của mình sẽ giúp các bạn thực hiện phân tích, xử lý dữ liệu một cách hiệu quả trên phần mềm SPSS. Tuy nhiên nếu các bạn hỗ trợ ( vì bất cứ lý do gì ) hãy liên hệ ngay với tổng đài của Luận Văn Tốt qua Zalo/tele : 0934573149 bạn nhé!!
