1. Hồi qui để làm gì ?

Hồi qui trong SPSS là bước kiểm định quy mô điều tra và nghiên cứu sau khi chạy một loạt những phân tích Cronbach’s Alpha, EFA, Correlations để lựa chọn những biến độc lập thỏa mãn nhu cầu điều kiện kèm theo cho nhu yếu hồi qui .

Hồi qui để xác định cụ thể trọng số của từng nhân tố độc lập tác động đến nhân tố phụ thuộc từ đó đưa ra được phương trình hồi qui cũng là mục đích của bài nghiên cứu. Xác định mức độ ảnh hưởng của từng nhân tố độc lập lên nhân tố phụ thuộc.

Xem thêm : Đa cộng tuyến là gì ?

2. Cách triển khai hồi qui !

Để hồi qui trên SPSS thì tất cả chúng ta làm như sau :

Analyze — > Regression — > Linear …

Chọn biến phụ thuộc và ô Dependent và các biến  độc lập thỏa yêu cầu hồi qui vào ô Independent (s). Sau đó nhấn tiếp Statistics. Trong hộp thoại Statistics tích vào ô “Durbin Watson” và “Collinearity diagnostics“. Sau đó bấm Continue rồi bấm OK! 

3. Yêu cầu của hồi qui !

• Giá trị Sig. nhỏ hơn 0.05 là điều kiện kèm theo để những biến được đưa vào quy mô điều tra và nghiên cứu .
• VIF < 2 bảo vệ không vi phạm đa cộng tuyến .
• Không có hiện tượng kỳ lạ tự đối sánh tương quan ( Xét Durbin Watson ) .
• R-squared có ý nghĩa. R-square cho biết được số % biến thiên của biến nhờ vào được lý giải bởi những biến độc lập tác động ảnh hưởng lên nó .

Ví dụ:

Thông thường, R-square đạt trên 50 % là lý tưởng cho một nghiên cứu và điều tra. Tuy nhiên, trong vài trường hợp, R-square < 0.5 vẫn được đồng ý. Trong hình cho thấy 58.6 % độ biến thiên của biến nhờ vào G được lý giải bởi những biến độc lập tác động ảnh hưởng lên nó .

Adjusted R-square có ý nghĩa kiểm soát và điều chỉnh của R-square. R-square có điểm yếu kém điểm là nếu đưa càng nhiều biến vào quy mô thì giá trị này sẽ càng tăng lên. Vì thế, nếu có 1 biến trở lên bị loại khỏi quy mô thì nên sử dụng Adjusted R-square để đánh giá và nhận định .

Hệ số Durbin Watson được cho phép kiểm tra hiện tượng kỳ lạ tự đối sánh tương quan giữa những biến độc lập .

Xem thêm : Hiện tượng tự đối sánh tương quan ( Autocorrelation )

Bảng ANOVA cần xét giá trị sig. Nếu sig. < 0.05 thì quy mô có ý nghĩa. Nói cách khác, có tối thiểu một biến độc lập tác động ảnh hưởng lên biến nhờ vào G. Trong hình kiểm định ANOVA cho thấy quy mô đang thực thi hồi qui có ý nghĩa .

 

Các ô được viền xanh là những giá trị cần quan tâm .

1. Đầu tiên, giá trị sig. phải < 0.05 thì biến độc lập mới có sự ảnh hưởng tác động đến biến nhờ vào G. Trong hình, chỉ có B, D, F là có ảnh hưởng tác động lên biến nhờ vào G.
2. Tiếp theo, cần xét giá trị VIF. Trong hình, biến F có thông số VIF = 2.458. Giá trị này > 2, do đó, cần xét lại thông số đối sánh tương quan Pearson ở bước Correlation. Nếu Pearson > 0.85 thì biến F có hiện tượng kỳ lạ đa cộng tuyến. trái lại, nếu Pearson < 0.85 thì Kết luận biến F không vi phạm đa cộng tuyến .
3. Hệ số tác động ảnh hưởng coefficient :

Có hai loại coefficient :

• Standardized Coefficients : Hệ số đã chuẩn hóa, được dùng để so sánh mức độ ảnh hưởng tác động giữa những biến độc lập .
• Unstandardized Coefficients : Hệ số chưa chuẩn hóa, được dùng để viết phương trình hồi qui .

Thông thường, nếu những biến được đưa vào hồi qui đều cùng một dạng scale ( Ví dụ : cùng một loại 5 mức độ ) thì hai giá trị coefficients gần như nhau. Tuy nhiên, nếu biến độc lập có dạng khác thang đo Likert ( Ví dụ : Số lượng khách mua hàng ) thì cần có thông số đã chuẩn hóa để việc so sánh được đúng mực hơn .

Như vậy, trong hình chỉ có biến B, D, F là tác động ảnh hưởng lên biến phụ thuộc vào G. F tác động ảnh hưởng lên G mạnh nhất với thông số là 0.558. Biến B ảnh hưởng tác động lên G yếu nhất với thông số 0.097 .

Phương trình hồi qui có dạng như sau :

( Do giá trị sig. của Constant > 0.05 nên không thêm vào phương trình hồi qui )

G= 0.098 *B+ 0.128 *D+ 0.552 *F

Nếu quy mô hồi qui không đạt nhu yếu, vui vẻ liên hệSPSS Tất Tần Tậtđể chỉnh sửa hiệu quả hồi qui !

SPSS Tất Tần Tật

Phone: 096 398 3518

Source: http://wp.ftn61.com
Category: Tin Tức