1. khi nào thì dùng?
hồi quy tuyến tính bội là phần mở rộng của hồi quy tuyến tính đơn giản. Nó được sử dụng khi chúng ta muốn dự đoán giá trị của biến phản hồi dựa trên giá trị của hai hoặc nhiều biến hồi quy. Biến chúng ta muốn dự đoán được gọi là biến phản hồi (hoặc đôi khi là biến phụ thuộc). Các biến mà chúng ta sử dụng để dự đoán giá trị của biến phản hồi được gọi là biến giải thích (hoặc đôi khi là biến dự đoán, biến phụ thuộc). Ví dụ: chúng ta có thể sử dụng hồi quy bội để hiểu liệu có thể dự đoán kết quả bài kiểm tra toán diễn giải dựa trên thời gian ôn tập và giới tính của học sinh hay không. bạn đang xem: phân tích hồi quy bội nó là gì?
Hồi quy bội cũng cho phép chúng tôi xác định mức độ phù hợp tổng thể của mô hình và sự đóng góp tương đối của từng yếu tố dự đoán vào tổng phương sai được giải thích. ví dụ: chúng ta có thể muốn biết có bao nhiêu phương sai trong kết quả bài kiểm tra cuối kỳ môn toán giải thích có thể được giải thích bằng thời gian ôn tập và giới tính “thông thường”, mà còn bằng “sự đóng góp tương đối” của từng biến độc lập vào việc giải phương sai .
2. giả thuyết khống và suy luận thống kê
Khi có nhiều hơn một biến độc lập, mức độ phù hợp tổng thể của mô hình được đánh giá bằng cách sử dụng thống kê f (f-statistic). giả thuyết không được kiểm tra đối với tất cả các tham số hồi quy ngoại trừ phần chặn. Ví dụ: nếu có ba biến giải thích trong mô hình, thì giả thuyết không sẽ là: h0: β1 = β2 = β3 = 0. thống kê f được đánh giá là tỷ lệ giữa bình phương trung bình của mô hình với bình phương trung bình của lỗi.
3. giả định thống kê
Khi phân tích dữ liệu bằng phương pháp hồi quy tuyến tính, một phần của quy trình bao gồm việc kiểm tra để đảm bảo rằng dữ liệu bạn muốn phân tích thực sự có thể được phân tích bằng phương pháp hồi quy tuyến tính. tập dữ liệu phải “vượt qua” các giả định cần thiết để hồi quy tuyến tính đưa ra kết quả hợp lệ.
: Kiểm tra giả định về tính quy tắc bằng cách tạo biểu đồ xác suất tiêu chuẩn của phần dư. phân phối phần dư chỉ cung cấp một dấu hiệu về phân phối lỗi cơ bản trong dân số và có thể không đáng tin cậy với các cỡ mẫu nhỏ. diễn giải biểu đồ xác suất chuẩn theo cách giống như được mô tả trong ‘thử nghiệm phân phối chuẩn’.
– kiểm tra giả định về phương sai không đổi (hoặc kiểm tra tính đồng nhất) bằng cách vẽ đồ thị phần dư so với các giá trị dự đoán. sự chênh lệch điểm số ngẫu nhiên xuống giá trị trung bình bằng 0 cho thấy phương sai không đổi và thỏa mãn giả định này. nghĩa là, các biến thể dọc theo đường phù hợp nhất vẫn giống nhau khi bạn di chuyển dọc theo đường đó. một mô hình phễu hiển thị phương sai không cố định. các quan sát bên ngoài không liên quan có thể dễ dàng phát hiện trong biểu đồ này. xem thêm: quán cà phê gò vấp cho những buổi hẹn hò lãng mạn, quán cà phê gò vấp để yêu
tất cả các giả định đều quan trọng, nhưng một số giả định quan trọng hơn những giả định khác. kinh nghiệm cho phép nhà nghiên cứu đánh giá mức độ có thể nới lỏng các giả định trước khi các suy luận bị vô hiệu hóa; đây là một nghệ thuật cũng như nó là một khoa học. ví dụ, tính không chuẩn của phần dư là không quan trọng, nhưng các lỗi tiêu chuẩn có thể bị phóng đại. tương tự, việc thiếu phương sai không đổi không có khả năng làm sai lệch nghiêm trọng các hệ số hồi quy, nhưng các giá trị p liên quan nên được giải thích một cách thận trọng. vi phạm nghiêm trọng nhất là sai lệch đáng kể so với tuyến tính. trong tình huống này, nên xem xét việc chuyển đổi dữ liệu hoặc một phương pháp phân tích thay thế.
4. phân tích hồi quy tuyến tính bội trong spss
Ví dụ: chúng ta có thể sử dụng hồi quy tuyến tính để hiểu liệu có thể dự đoán kết quả bài kiểm tra viết cuối kỳ của học sinh hay không dựa trên thời gian ôn tập cuối kỳ dành cho việc học phép tính và điểm yếu. yếu tố giới tính hay không. 20 học sinh được mời tham gia vào một thí nghiệm, trong đó, từ bài giải tích cuối cùng cho đến ngày thi cuối kỳ, họ được yêu cầu ghi lại tổng số giờ ôn tập (cộng dồn mỗi ngày) dành cho môn toán. Kết thúc kỳ thi, nhà nghiên cứu thu thập điểm của 20 sinh viên này trên thang điểm 100, gán cho họ giá trị 1 = nữ, 2 = nam và cộng lại theo bảng sau.
Các bước bên dưới chỉ cho chúng tôi cách thực hiện phân tích hồi quy tuyến tính bội trên số liệu thống kê spss.
– bước 1: nhấp vào phân tích > hồi quy > tuyến tính…
– bước 2: Trong hộp thoại hồi quy tuyến tính, chúng tôi thay đổi các biến giải thích ‘thời gian xem xét‘ và ‘giới tính’ thành (các) bảng độc lập:, hãy chuyển biến phản hồi ‘diemthi‘ cho (các) bảng phụ thuộc:,
– Bước 3: Bây giờ chúng ta cần kiểm tra các giả định, bao gồm: không có ngoại lệ đáng kể (ngoại lệ), tính độc lập của các quan sát, tính đồng nhất, đa cộng tuyến và phân phối sai số/phần dư bình thường. chúng ta có thể làm điều này bằng cách sử dụng các hàm thống kê (statistic) và biểu đồ (đồ thị), sau đó chọn các tùy chọn thích hợp trong hai hộp thoại này.
+ trong nút thống kê, nhấp vào hộp mô hình phù hợp để mô hình phù hợp, kiểm tra chẩn đoán cộng tuyến của đa cộng tuyến. trong khu vực hệ số hồi quy, hãy nhấp vào ước tính ước tính, khoảng tin cậy (thường được đặt thành 95%). trong khu vực còn lại, chúng tôi chọn hộp durbin-watson về mối tương quan.
+ để sử dụng thử nghiệm durbin-watson, phương trình hồi quy phải bao gồm một phần chặn, vì vậy phải bao gồm hằng số trong phương trình. trên nút tùy chọn . xem thêm: du lịch đà lạt tháng 8 có gì đẹp? du lịch hè lãng mạn đà lạt tháng 8/2021 ăn gì
+ tại nút biểu đồ, ta tiến hành vẽ đồ thị của phần dư ước lượng so với giá trị của biến hồi quy để kiểm định hiện tượng phương sai của biến và phân phối chuẩn của phần dư. di chuyển mục *zresid vào hộp y:, mục *zpred vào hộp x:. sau đó nhấp vào hộp biểu đồ, biểu đồ xác suất thông thường.