ĐỌC KẾT QUẢ HỒI QUY TRONG SPSS

Khác với tương quan Pearson, vào hồi quy đa biến các biến không tồn tại tính chất đối xứng như so với tương quan. Vai trò thân biến tự do và biến phụ thuộc là không giống nhau. X và Y giỏi Y cùng X có đối sánh tương quan với nhau đông đảo mang cùng một ý nghĩa, trong khi đó với hồi quy, ta chỉ có thể nhận xét: X ảnh hưởng lên Y hoặc Y chịu ảnh hưởng tác động bởi X.

Bạn đang xem: Đọc kết quả hồi quy trong spss

*

Đối với phân tích hồi quy đường tính đa biến, chúng ta giả định những biến hòa bình X1, X2, X3 sẽ ảnh hưởng đến biến phụ thuộc vào Y. Ngoại trừ X1, X2, X3… còn có không ít những nhân tố khác ngoài quy mô hồi quy ảnh hưởng đến Y mà họ không liệt kê được.


Mục lục


1. Các tiêu chuẩn trong phân tích hồi quy nhiều biến

1. Các tiêu chuẩn trong so sánh hồi quy đa biến

1.1 Giá trị R2 (R Square), R2 hiệu chỉnh (Adjusted R Square)

Giá trị R2 cùng R2 hiệu chỉnh phản chiếu mức độ phân tích và lý giải biến nhờ vào của những biến hòa bình trong mô hình hồi quy. R2 hiệu chỉnh phản bội ánh ngay cạnh hơn đối với R2. Mức xấp xỉ của 2 giá trị này là từ bỏ 0 cho 1, tuy nhiên việc đạt được mức chi phí trị bằng 1 là gần như siêu hạng dù quy mô đó xuất sắc đến nhường nhịn nào. Quý hiếm này thường bên trong bảng model Summary. Cần chú ý, không tồn tại tiêu chuẩn đúng đắn R2 hiệu chỉnh ở tại mức bao nhiêu thì quy mô mới đạt yêu thương cầu, chỉ số này trường hợp càng tiến về 1 thì mô hình càng có ý nghĩa, càng tiến về 0 thì chân thành và ý nghĩa mô hình càng yếu. Thường bọn họ chọn mức trung gian là 0.5 để phân ra 2 nhánh ý nghĩa sâu sắc mạnh/ý nghĩa yếu, trường đoản cú 0.5 mang lại 1 thì mô hình là tốt, nhỏ hơn 0.5 là mô hình chưa tốt. Mặc dù nhiên, tùy từng dạng nghiên cứu và phân tích và dạng dữ liệu, không phải lúc nào cũng bắt buộc rằng mô hình hồi quy đề xuất đạt quý giá R2 hiệu chỉnh lớn hơn 0.5 mới gồm ý nghĩa.

1.2 kiểm nghiệm F

Giá trị sig của chu chỉnh F được thực hiện để kiểm nghiệm độ tương xứng của mô hình hồi quy. Giả dụ sig bé dại hơn 0.05, ta kết luận mô hình hồi quy tuyến tính bội cân xứng với tập dữ liệu và có thể sử đụng được. Quý hiếm này thường phía bên trong bảng ANOVA.

1.3 thông số Durbin Watson

Trị số Durbin – Watson (DW) dùng để làm kiểm tra hiện tượng lạ tự tương quan chuỗi bậc nhất (kiểm định tương quan của những sai số kề nhau). DW có mức giá trị biến chuyển thiên trong khoảng từ 0 đến 4; nếu những phần sai số không tồn tại tương quan chuỗi số 1 với nhau thì quý giá sẽ gần bằng 2, nếu quý hiếm càng nhỏ, ngay sát về 0 thì các phần không đúng số có đối sánh tương quan thuận; nếu như càng lớn, ngay gần về 4 tức là các phần không đúng số có đối sánh tương quan nghịch.

Theo Field (2009), nếu như DW nhỏ hơn 1 và lớn hơn 3, chúng ta cần thực sự xem xét bởi kĩ năng rất cao xẩy ra hiện tượng tự đối sánh chuỗi bậc nhất. Theo Yahua Qiao (2011), thường giá trị DW nằm trong khoảng 1.5 – 2.5 sẽ không còn xảy ra hiện tượng tự tương quan, đây cũng là mức chi phí trị tiêu chuẩn chúng ta sử dụng thông dụng hiện nay.

Để đảm bảo an toàn chính xác, họ sẽ tra làm việc bảng thống kê lại Durbin-Watson (có thể search bảng thống kê DW bên trên Internet). Quý hiếm này thường phía bên trong bảng model Summary.

*

Hệ số k’ là số biến tự do đưa vào chạy hồi quy, N là kích cỡ mẫu. Trường hợp N của khách hàng là một con số lẻ như 175, 214, 256, 311…. Nhưng bảng tra DW chỉ tất cả các form size mẫu làm cho tròn dạng 150, 200, 250, 300, 350… thì chúng ta có thể làm tròn form size mẫu với giá trị sớm nhất trong bảng tra. Ví dụ: 175 có tác dụng tròn thành 200; 214 có tác dụng tròn 200; 256 làm tròn 250, 311 làm tròn 300…

1.4 kiểm nghiệm t

Giá trị sig của kiểm nghiệm t được thực hiện để kiểm định chân thành và ý nghĩa của hệ số hồi quy. Nếu sig kiểm tra t của hệ số hồi quy của một trở thành độc lập nhỏ hơn 0.05, ta kết luận biến chủ quyền đó có tác động đến biến đổi phụ thuộc. Giả dụ sig kiểm định t của biến độc lập lớn hơn 0.05, họ kết luận biến hòa bình đó không có sự ảnh hưởng tác động lên đổi thay phụ thuộc, cùng không cần loại trừ biến đó nhằm chạy lại hồi quy lần tiếp theo. Từng biến độc lập tương ứng cùng với một hệ số hồi quy riêng, vì thế mà ta cũng có thể có từng kiểm nghiệm t riêng. Giá trị này thường nằm trong bảng Coefficients.

1.5 Đa cộng đường VIF

Hệ số thổi phồng phương không nên VIF dùng để làm kiểm tra hiện tượng kỳ lạ đa cộng tuyến. Thông thường, ví như VIF của một biến hòa bình lớn hơn 10 nghĩa là đang xuất hiện đa cùng tuyến xẩy ra với biến tự do đó. Lúc đó, trở nên này sẽ không có giá trị giải thích biến thiên của biến phụ thuộc vào trong mô hình hồi quy. Với những đề tài áp dụng thang đo Likert, nếu hệ số VIF > 2 thì kỹ năng rất cao đang xảy ra hiện tượng đa cộng tuyến đường giữa các biến độc lập. Giá trị này thường nằm trong bảng Coefficients.

2. Thực hành thực tế trên SPSS 20 với tập tài liệu mẫu

Phần thực hành này người sáng tác có một tập data mẫu mã với biến phụ thuộc là Sự ưa chuộng của nhân viên (ký hiệu HL), các biến chủ quyền là:

Lương, thưởng, phúc lợi: TNBản hóa học công việc: CVQuan hệ cùng với lãnh đạo: LDMôi trường làm việc: MTĐào chế tạo ra và thăng tiến: DT

Thực hiện so với hồi quy tuyến tính bội để reviews sự tác động của các biến hòa bình này cho biến phụ thuộc vào HL.

Để triển khai phân tích hồi quy đa đổi mới trong SPSS 20, bọn họ vào Analyze > Regression > Linear…

*

Đưa biến phụ thuộc vào ô Dependent, các biến tự do vào ô Indenpendents:

*

Vào mục Statistics, tích chọn những mục như trong hình ảnh và chọn Continue:

*

Vào mục Plots, tích lựa chọn vào HistogramNormal probability plot, kéo biến chuyển ZRESID thả vào ô Y, kéo vươn lên là ZPRED thả vảo ô X như hình mặt dưới. Thường xuyên chọn Continue.

*

Ở mục Save, tích vào ô Standardized như hình dưới để xuất tài liệu phần dư chuẩn hóa, giao hàng cho vấn đề kiểm tra phạm luật giả định phương không nên không đổi. Tiếp đến chọn Continue.

*

*

Các mục còn lại họ sẽ nhằm mặc định. Trở về giao diện ban đầu, mục Method là các phương thức chạy hồi quy, 2 method thông dụng nhất là Stepwise với Enter, hay thì sẽ chọn Enter. Chọn ngừng phương pháp, chúng ta nhấp vào OK.

*

SPSS vẫn xuất ra rất nhiều bảng, phần đông bảng chúng ta cần áp dụng là: Model Summary, ANOVA, Coefficients.

*

→ cực hiếm R2 hiệu chỉnh bằng 0.726 cho biết biến chủ quyền đưa vào chạy hồi quy ảnh hưởng 72.6% sự chuyển đổi của trở thành phụ thuộc, sót lại 27.4% là do những biến ngoài quy mô và không nên số ngẫu nhiên.

→ hệ số Durbin – Watson = 1.998, nằm trong vòng 1.5 mang lại 2.5 nên không tồn tại hiện tượng tự đối sánh tương quan chuỗi số 1 xảy ra.

*

→ những hệ số hồi quy đều to hơn 0. Như vậy toàn bộ các biến hòa bình đưa vào phân tích hồi quy đều tác động ảnh hưởng cùng chiều tới biến chuyển phụ thuộc. Phụ thuộc vào độ lớn của thông số hồi quy chuẩn chỉnh hóa Beta, đồ vật tự nút độ ảnh hưởng từ mạnh mẽ nhất tới yếu hèn nhất của các biến độc lập tới biến dựa vào HL là: LD (0.394) > DT(0.370) > TN (0.369) > CV (0.323) > MT (0.079). Khớp ứng với:

Biến Lãnh đạo và cấp cho trên tác động mạnh nhất tới sự chấp thuận của nhân viên.Biến Cơ hội đào tạo và huấn luyện và thăng tiến ảnh hưởng tác động mạnh thiết bị 2 tới sự hài lòng của nhân viên.Biến Lương, thưởng, phúc lợi tác động mạnh thiết bị 3 tới sự hài lòng của nhân viên.Biến Bản chất công việc tác động mạnh lắp thêm 4 tới việc hài lòng của nhân viên.Biến Điều kiện thao tác làm việc tác động yếu nhất đến sự hài lòng của nhân viên.

Xem thêm: Top 50 Ý Tưởng Và Mẫu Thiết Kế Homestay Cho Diện Tích Nhỏ, Thiết Kế Homestay Diện Tích Nhỏ Trong 2021

Phương trình hồi quy chuẩn chỉnh hóa:

HL = 0.394*LD + 0.370*DT + 0.369*TN + 0.323*CV + 0.079*MT + e

Sự ưa chuộng của nhân viên = 0.394 * lãnh đạo và cung cấp trên

+ 0.370 * cơ hội đào tạo nên và thăng tiến

+ 0.369 * Lương, thưởng, phúc lợi

+ 0.323 * bản chất công việc

+ 0.079 * Điều kiện có tác dụng việc

** Lưu ý: Khi viết phương trình hồi quy chuẩn hóa, yêu cầu sắp xếp những biến tự do theo vật dụng tự thông số hồi quy chuẩn hóa giảm dần để thuận tiện đọc công dụng từ phương trình.