Hướng dẫn phân tích hồi quy đa biến trong SPSS dễ hiểu nhất

Bạn đã biết cách phân tích hồi quy đã biến trong SPSS chưa? Nếu chưa thì bạn đã đến đúng nơi rồi đấy. Isinhvien đã chuẩn bị bài viết hướng dẫn chi tiết nhất, đảm bảo bạn sẽ hiểu ngay từ lần đọc đầu tiên!

Trong bài đăng trước, Isinhvien đã gửi đến bạn bài hướng dẫn phân tích hồi quy tuyến tính đơn giản trong SPSS. Ở bài này, mình sẽ hướng dẫn nốt phần phân tích hồi quy đa biến nha. Các bạn nhớ xem hết bài để dễ hiểu nhé!

Để chạy và phân tích hồi quy đa biến: Các bạn vào menu Analyze->Regression-> Linear.

Chọn nhân tố độc lập và phụ thuộc vào các ô bên phải. Cụ thể bài ví dụ này có 6 nhân tố độc lập TINCAY, DAPUNG, DAMBAO, CAMTHONG, HUUHINH, MINHBACH sẽ được đưa vào ô Independent(s) và 1 nhân tố phụ thuộc HAILONG sẽ được đưa vào ô Dependent (đưa vào ô bằng cách bấm chọn biến và ấn nút mũi tên).

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)

Xong bấm OK, kết quả sẽ ra như sau:

Bảng 1 – 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 0.609. Nghĩa là 60.9% biến thiên của biến phụ thuộc HÀI LÒNG được giải thích bởi 6 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 60.9%, tức là các biến độc lập giải thích được 60.9% biến thiên của biến phụ thuộc sự HÀI LÒNG.

Bảng 2 – Kiểm định giả thuyết về độ phù hợp với tổng thể của mô hình, giá trị F=26.746 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).

Bảng 3 – Kiểm định các giả thuyết sử dụng phần mềm SPSS: cái giá trị ở cột Sig. đều <5% chứng tỏ 6 biến độc lập đều tác động có ý nghĩa thống kê đến biến phụ thuộc. Nghĩa là 6 giả thiết đều được chấp nhận. Nhìn vào hệ số B có thể giải thích như sau, ví dụ hệ số B của TINCAY là 0.215 , nghĩa là khi biến TINCẬY tăng 1 đơn vị thì biến HÀILÒNG tăng 0.215 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)

Đến đây bạn đã hiểu về cách phân tích hồi quy đa biến chưa nhỉ? Isinhvien hi vọng bài viết này sẽ giúp ích bạn trong quá trình học đại học. Nhớ Like, Comment và Share bài viết hữu ích này nhé. Chúc các bạn học tốt!

Bài viết khác liên quan đến Kinh tế lượng

• Kinh tế lượng – Giáo trình – Bài tập (có đáp án) và đề thi tham khảo
• SPSS là gì? Ứng dụng và chức năng cốt lõi của SPSS trong nghiên cứu khoa học
• Hướng dẫn phân tích hồi quy tuyến tính đơn giản trong SPSS