Cách chạy hồi quy spss chính xác – Update 2024

Chạy hồi quy SPSS được sử dụng để xác định mức độ ảnh hưởng cụ thể của từng biến độc lập đối với biến phụ thuộc. Bài viết dưới đây của LUẬN VĂN UY TÍN sẽ giúp người đọc hiểu rõ tầm quan trọng của phân tích hồi quy thông qua việc hướng dẫn cách chạy hồi quy SPSS. 

Hiện nay, LUẬN VĂN UY TÍN ngoài cung cấp dịch vụ Viết thuê luận văn Thạc sĩ – Đại học thì chúng tôi còn cung cấp thêm dịch vụ Dịch Vụ Viết Thuê Báo Cáo Thực Tập. Nếu bạn chưa chọn được đề tài hoặc gặp khó khăn trong quá trình thực hiện, hãy liên hệ với chúng tôi qua Hotline/Zalo: 0983.018.995 để được hỗ trợ một cách nhanh nhất.

1. Định nghĩa hồi quy tuyến tính SPSS

Hồi quy SPSS là một phương pháp sử dụng để đánh giá độ bền của mối quan hệ giữa các biến phụ thuộc và độc lập. Nó giúp dự đoán giá trị của một biến phụ thuộc từ một hoặc nhiều biến độc lập cũng như giúp dự đoán có bao nhiêu phương sai được tính trong một phản hồi (biến phụ thuộc) bởi một tập hợp các biến độc lập.

2. Các bước chạy hồi quy SPSS

Bước 1: Chuẩn bị nhập dữ liệu 

Trước khi tiến hành chạy hồi quy SPSS, việc chuẩn bị dữ liệu một cách cẩn thận là rất quan trọng. Dữ liệu phải được nhập vào SPSS đúng định dạng và không được chứa các giá trị thiếu (missing values). Bên cạnh đó, để xác định biến phụ thuộc và các biến độc lập, cần hiểu rõ về bản chất của dữ liệu và mối quan hệ giữa các biến.

Cần mở phần mềm SPSS và nhập dữ liệu vào phần mềm bằng cách chọn File -> Open -> Data. Sau đó, chúng ta chọn tệp tin dữ liệu của mình và bấm OK.

Bước 2: Tạo mô hình hồi quy đơn biến

Chọn menu Phân tích -> Hồi quy -> Tuyến tính. 

Ngay sau đó, xuất hiện một hộp thoại hồi quy tuyến tính Linear Regression như hình sau:

Hộp thoại Linear Regression: Hãy kéo biến độc lập từ danh sách bên trái vào ô Predictor(s) và Kéo biến phụ thuộc vào ô Dependent. Tiếp theo bấm nút OK.

Điều chỉnh các thông tin, thông số phân tích bằng cách bấm chọn Statistics và tích chọn các mục như hình sau. Sau đó hoàn tất thì bấm Continue.

Kiểm tra lại và nhấn OK để nhận được kết quả

Bước 3: Xem kết quả hồi quy

Khi hoàn tất bước 2, kết quả hồi quy đơn biến sẽ được hiển thị trên màn hình. Bảng kết quả này cung cấp các thông tin quan trọng về mô hình hồi quy, như hệ số beta, sai số chuẩn, giá trị F, và giá trị p.

 Để xem chi tiết hơn về kết quả hồi quy đơn biến, bạn có thể vào menu Analyze -> Regression -> Linear -> Plots. Trong hộp thoại Linear Regression Plots, chọn biểu đồ Scatter với tùy chọn Lines Fit và Residuals, rồi nhấn nút OK để hiển thị.

Bước 4: Đánh giá kết quả hồi quy

Để đánh giá kết quả của mô hình hồi quy, chúng ta cần xem xét giá trị p và giá trị F. Giá trị p cho thấy mức độ ý nghĩa thống kê của mô hình, trong khi giá trị F phản ánh mức độ phù hợp của mô hình hồi quy với tập dữ liệu.

Nếu giá trị p nhỏ hơn 0,05 và giá trị F lớn hơn 1, mô hình hồi quy được coi là phù hợp và có ý nghĩa về mặt thống kê.

Bước 5: Đánh giá tác động của biến độc lập lên biến phụ thuộc

Để đánh giá ảnh hưởng của biến độc lập lên biến phụ thuộc, ta cần xem xét giá trị hệ số beta. Hệ số beta cho biết mức độ thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị. 

Nếu hệ số beta có giá trị dương, điều này cho thấy mối quan hệ tuyến tính cùng chiều, tức là khi biến độc lập tăng, biến phụ thuộc cũng tăng. Ngược lại, nếu hệ số beta có giá trị âm, mối quan hệ là tuyến tính ngược chiều, nghĩa là khi biến độc lập tăng, biến phụ thuộc sẽ giảm.

Bước 6: Kiểm tra giả thiết của mô hình hồi quy

Để kiểm tra các giả định của mô hình hồi quy, chúng ta cần xem xét giá trị sai số chuẩn và kiểm tra tính đồng nhất của phương sai. Nếu sai số chuẩn có giá trị thấp và phương sai đồng nhất, mô hình hồi quy có thể được coi là phù hợp và có độ chính xác cao.

3. Cách đọc kết quả chạy hồi quy SPSS

SPSS sẽ xuất ra rất nhiều bảng kết quả đầu ra, nhưng chúng ta cần tập trung sử dụng 3 bảng trọng tâm để phục vụ bài nghiên cứu.

3.1. Bảng Anova

Bảng ANOVA thể hiện báo cáo mức độ phù hợp của phương trình hồi quy với dữ liệu (tức là dự đoán biến phụ thuộc). 

Trong ví dụ này, bảng ANOVA cho thấy mô hình hồi quy có khả năng dự đoán biến phụ thuộc một cách đáng kể. Điều này được thể hiện qua giá trị ở hàng “Hồi quy” và cột “Sig”, chỉ ra ý nghĩa thống kê của mô hình. Cụ thể, giá trị p < 0,0005, nhỏ hơn ngưỡng 0,05, cho thấy mô hình hồi quy có ý nghĩa thống kê trong việc dự đoán biến kết quả và phù hợp với dữ liệu.

3.2. Bảng Model Summary

Bảng Model Summary cung cấp các giá trị R và R 2. Trong ví dụ trên, bảng ANOVA thể hiện:

• Giá trị R thể hiện mối tương quan đơn giản và có giá trị là 0,873 (cột R), cho thấy mức độ tương quan cao. 
• Giá trị R² (cột R Square) cho biết tỷ lệ phần trăm sự biến đổi của biến phụ thuộc “giá” có thể được giải thích bởi biến độc lập “thu nhập”. Trong trường hợp này, 76,2% sự thay đổi của “giá” được giải thích bởi “thu nhập”, cho thấy mối liên hệ rất mạnh.

3.3. Bảng Coefficients

Bảng Coefficients cung cấp thông tin cần thiết để dự đoán giá trị “giá” dựa trên “thu nhập” và xác định liệu “thu nhập” có đóng góp đáng kể về mặt thống kê cho mô hình hay không (thông qua giá trị trong cột “Sig.”).

Ngoài ra, chúng ta có thể sử dụng các giá trị trong cột “B” của phần “Hệ số không chuẩn hóa” để thiết lập phương trình hồi quy như sau: 

Giá = 8287 + 0,564 (Thu nhập).

4. Ý nghĩa của các chỉ số trong chạy hồi quy SPSS

4.1. Giá trị Adjusted R Squared và R²

Hai giá trị này cho biết mức độ ảnh hưởng của các biến độc lập đối với biến phụ thuộc. 

R và R² có giá trị trong khoảng từ 0 đến 1. Nếu R² nằm trong khoảng từ 0,5 đến 1, mô hình được coi là tốt; ngược lại, nếu nhỏ hơn 0,5, mô hình có thể chưa đạt yêu cầu. Giá trị càng gần 1 thì mô hình càng có ý nghĩa, trong khi giá trị càng gần 0 cho thấy ý nghĩa của mô hình càng yếu.

4.2. Trị số Durbin – Watson(DW)

Chỉ số DW kiểm tra hiện tượng tự tương quan bậc nhất trong các sai số. Giá trị của DW dao động từ 0 đến 4:

• Nếu giá trị DW gần 2, có nghĩa là không có hiện tượng tự tương quan.
• Nếu DW gần 4, các sai số có mối tương quan nghịch.
• Nếu DW gần 0, các sai số có mối tương quan thuận.
• Khi DW < 1 hoặc DW > 3, có thể xảy ra hiện tượng tự tương quan chuỗi bậc nhất.

4.3. Giá trị Sig của kiểm định F

Giá trị Sig của F dùng để kiểm tra độ phù hợp của mô hình hồi quy. Trong bảng kết quả ANOVA, nếu giá trị Sig. < 0,05, mô hình hồi quy tuyến tính là phù hợp với tập dữ liệu; nếu lớn hơn 0,05, mô hình có thể không phù hợp.

4.4. Giá trị Sig của kiểm định T

Giá trị Sig của kiểm định T được sử dụng để kiểm tra ý nghĩa của từng hệ số hồi quy. Nếu Sig. < 0,05, có thể kết luận rằng biến độc lập có ảnh hưởng đáng kể đến biến phụ thuộc.

4.5. Hệ số phóng đại phương sau VIF( Variance Inflation Factor)

Hệ số VIF dùng để kiểm tra hiện tượng đa cộng tuyến.

• Nếu VIF > 10, có hiện tượng đa cộng tuyến xảy ra với biến độc lập đó, khiến biến này ít có giá trị trong việc giải thích biến phụ thuộc.
• Nếu VIF < 2, không có hiện tượng đa cộng tuyến giữa các biến độc lập.

Trên đây là những hướng dẫn chi tiết từ LUẬN VĂN UY TÍN về cách chạy hồi quy SPSS một cách chính xác. Hy vọng thông tin này sẽ hữu ích cho bạn.

Ngoài ra LUẬN VĂN UY TÍN còn nhận làm các đề tài luận văn, báo cáo, tiểu luận,… Vì vậy, dịch vụ viết thuê Viết thuê luận văn Thạc sĩ – tốt nghiệp của LUẬN VĂN UY TÍN đã trở thành lựa chọn đáng tin cậy của nhiều người. Với kinh nghiệm trong nhiều năm và đội ngũ chuyên gia đầu ngành, chúng tôi cam kết mang đến cho bạn kết quả tốt nhất.

Ngoài ra, bạn có thể liên hệ chúng tôi theo thông tin dưới đây để được tư vấn một cách nhanh nhất.

Thông tin liên hệ: 

Địa chỉ: 422 Đường Quang Trung Hà Đông Hà Nội

Đường dây nóng/Zalo: 0983.018.995

Email:   hotrovietbaocao24h@gmail.com

Trang web: www.luanvanuytin.com

Fan page: Luận Văn Uy Tín