Bạn chưa biết cách phân tích hồi quy đa biến cũng như đọc kết quả hồi quy đa biến trong SPSS? Hãy xem ngay bài viết này mà Luận Văn 24 chuyên dịch vụ chạy spss chia sẻ.
Phân tích và đọc kết quả hồi quy đa biến trong SPSS
Một nhà nghiên cứu sức khỏe muốn dự đoán “VO2max” – một chỉ số về thể lực và sức khỏe. Họ đã thực hiện nghiên cứu 100 người tham gia để thực hiện bài kiểm tra VO2max tối đa, nhưng cũng ghi lại “age”(tuổi), “weight”(cân nặng), “heart rate” (nhịp tim) và “gender”(giới tính) của họ. Như vậỵ, các biến độc lập và biến phụ thuộc bao gồm:
Biến phụ thuộc: VO2max
Biến độc lập: age, weight, heart rate, gender
1. Các bước tiến hành phân tích hồi quy đa biến
Để chạy hồi quy đa biến bạn vào menu Analyze->Regression-> Linear.
Các bước tiến hành phân tích hồi quy đa biến
Chọn nhân tố độc lập và phụ thuộc vào các ô bên phải. Cụ thể bài ví dụ này có 4 nhân tố độc lập age, weight, heart rate, gender sẽ được đưa vào ô Independent(s) và 1 nhân tố phụ thuộc VO2max sẽ được đưa vào ô Dependent.
Các bước tiến hành phân tích hồi quy đa biến
Xong bấm vào Statistics chọn Collinearity diagnostics (để tính ra hệ số VIF – hệ số phóng đại phương sai- để đánh giá hiện tượng đa cộng tuyến)
Các bước tiến hành phân tích hồi quy đa biến
Xong bấm OK, kết quả sẽ ra như sau:
SPSS sẽ xuất ra rất nhiều bảng, tuy nhiên chúng ta chỉ sử dụng một vài bảng trọng tâm phục vụ cho bài nghiên cứu bao gồm: Model Summary, ANOVA và Coefficients.
2. Cách đọc kết quả hồi quy đa biến trong SPSS
2.1. Bảng model Summary
Bảng model Summary
Bảng này dùng để đánh giá độ phù hợp của mô hình hồi quy đa biến, hệ số R bình phương hiệu chỉnh Adjusted R Square là 0.559. Nghĩa là 55.9% biến thiên của biến phụ thuộc VO2max được giải thích bởi 4 nhân tố độc lập. Điều này cho thấy mô hình hồi quy tuyến tính này phù hợp với tập dữ liệu của mẫu ở mức 55.9%, tức là các biến độc lập giải thích được 55.9% biến thiên của biến phụ thuộc VO2max.
2.2. Bảng ANOVA
hồi quy đa biến
Nhìn vào bảng ANOVA hình trên, kiểm định giả thuyết về độ phù hợp với tổng thể của mô hình, giá trị F= 32.393 với sig.=0.000 <5%. Chứng tỏ R bình phương của tổng thể khác 0. Đồng nghĩa với việc mô hình hồi quy tuyến tính xây dựng được là phù hợp với tổng thể (chi tiết hơn là R bình phương tổng thể ta không thể tính cụ thể được, nhưng ta biết chắc chắn sẽ khác 0, mà khác 0 thì chứng tỏ là các biến độc lập có tác động đến biến phụ thuộc)
2.3. Bảng Coefficients
Bảng Coefficients
Nhìn vào bảng Coefficients hình trên, kiểm định các giả thuyết sử dụng phần mềm SPSS: cái giá trị ở cột Sig. đều <5% chứng tỏ 4 biến độc lập đều tác động có ý nghĩa thống kê đến biến phụ thuộc. Nghĩa là 4 giả thiết đều được chấp nhận. Nhìn vào hệ số B có thể giải thích như sau, ví dụ hệ số B của age là 0.165 , nghĩa là khi biến age tăng 1 đơn vị thì biến VO2max tăng 0.165 đơn vị. Ngoài ra có thể so sánh xác định mức độ ảnh hưởng của các yếu tố: yếu tố có hệ số B càng lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu. Lưu ý giả sử có biến nào có sig. tương ứng lớn hơn 5% thì biến đó không có tác động đến biến phụ thuộc nhé.
Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance inflation factor): VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Thực tế thường so sánh VIF với 2. Trong bài này hệ số phóng đại phương sai VIF đều bé hơn 2, chứng tỏ không có hiện tượng đa cộng tuyến. ( lưu ý mối quan hệ giữa Tolerance và VIF là nghịch đảo của nhau như sau: VIF=1/Tolerance nên chỉ cần đánh giá một trong hai giá trị này là được)
#luan_van_viet , #xử_lý_số_liệu_spss
Nhận xét
Đăng nhận xét