Phương pháp nghiên cứu khoa học - SPSS - Regression Lê Văn Huy, Trương Trần Trâm Anh (2012), Phương pháp nghiên cứu trong kinh doanh, Nhà xuất bản Tài chính, 277 trang.

1. GIỚI THIỆU
VỀ
PHẦM MỀM SPSS
Trình bày:
PGS. TS. LÊ VĂN HUY
levanhuy@due.edu.vn
Hƣớng dẫn kèm theo sách:
Lê Văn Huy, Trƣơng Trần Trâm Anh (2012), Phương pháp nghiên cứu trong kinh
doanh, Nhà xuất bản Tài chính, 277 trang.

2. PHÂN TÍCH NHÂN TỐ
EXPLORE FACTOR ANALYSIS (EFA)
VÀ KIỂM ĐỊNH CRONBACH ALPHA

3. NỘI DUNG
• Hồi quy tuyến tính bội
• Kiểm tra các điều kiện áp dụng mô hình
• Số liệu sai lệch
• Hồi quy với biến giả (dummy)
• Phương pháp stepwise

4. NHẮC LẠI KIẾN THỨC: HỒI QUY ĐƠN
• Mục đích:
• Tìm mối quan hệ giữa hai biến (mối quan hệ nhân
quả)
• Điều kiện
• Hai biến định lượng
• Hai biến phải tuân theo quy luật phân phối chuẩn
• Mô hình lý thuyết:
Yi = B0 + B1*Xi + 
• Xi: trị quan sát thứ i của biến độc lập
• Yi : giá trị dự đoán thứ i của biến phụ thuộc
• B0 và B1: hệ số hồi quy

5. • Các hệ số góc (Bj)
• Sự biến đổi của giá trị trung bình của các Y khi Xj tăng
thêm 1 đơn vị, mọi yếu tố khác không đổi.
• Kiểm định: tương tự như hồi qui đơn với (n-p-1) bậc
tự do
• Hệ số chặn - hằng số (B0)
• Giá trị trung bình của Y khi Xj = 0
DIỄN GIẢI DỮ LIỆU

6. HỒI QUY ĐƠN
Vì F= 75,549 và Sig = 0,000
<0,05 bác bỏ H0 nghĩa là 2
biến có mối quan hệ
MQH thể hiện:
LTTi = 0,957 +0,667*lãnh đạo
+
R2=0,276 MQH giữa 2 biến
là…
R2= 0,276 nên
biến lãnh đạo
giải thích 27,6%
LTT

7. MÔ HÌNH HỒI QUY BỘI
MỐI QUAN HỆ GIỮA
NHIỀU BIẾN ĐỘC LẬP (Định lượng) VÀ
MỘT BIẾN PHỤ THUỘC (Định lượng)
(MULTI-REGRESSION)

8. MÔ HÌNH HỒI QUY (BỘI)
• Mối liên hệ giữa một biến phụ thuộc (định
lượng) với ít nhất hai biến độc lập (định lượng) là
một hàm tuyến tính
• Mô hình:
Y X X Xi i i p pi i         0 1 1 2 2 …
Biến phụ thuộc Các biến
độc lập
Các hệ số
hồi qui của
tổng thểHệ số chặn
(hằng số)
Sai số
ngẫu
nhiên

9. MÔ HÌNH HỒI QUY BỘI (2 BIẾN): Tổng thể
Kết quả
0
Yi=0+ 1X1i+ 2X2i + i
Y
X1
X2
i
E(Y)=0+ 1X1+ 2X2

10. Y
Đáp số
X1
X2
b0 ei
Yi=b0+ b1X1i+ b2X2i + ei
MÔ HÌNH HỒI QUY BỘI (2 BIẾN): Mẫu

11. ĐIỀU KIỆN VẬN DỤNG MÔ HÌNH
• Các điều kiện về dạng mô hình :
• MQH tuyến tính giữa các biến độc lập với biến phụ
thuộc
• Các điều kiện về sai số mô hình (error):
• Các sai số mô hình là độc lập (không tự tương quan)
• Các sai số phân phối theo phân phối chuẩn
• Các điều kiện về các số dự đoán:
• Các biến độc lập không ngẫu nhiên
• Các giá trị của các biến độc lập được đo lường không
có sai số
• Các số dự đoán là độc lập theo đường thẳng, (không có
tương quan bội giữa các biến độc lập -
multicollinearity)

12. MÔ HÌNH NGHIÊN CỨU VÀ CÁC KHÁI NIỆM
Items 1.1
Items 1.2
Items 1.3
…
Items 1.n
Items 2.1
Items 2.2
Items 2.3
…
Items 2.n
LÃNH ĐẠO
CƠ HỘI ĐTẠO VÀ
TTIẾN
LƢƠNG, THƢỞNG
ĐỒNG NGHIỆP
PHÚC LỢI
BẢN CHẤT CVIỆC
MÔI TRƢỜNG LV
LÒNG TRUNG
THÀNH

13. VÍ DỤ VỀ HỒI QUY BỘI (PP. ENTER)
Phát triển mô hình để giải
thích mối quan hệ F1,…,F7
với lòng trung thành (LTT)

14. HÃY GIẢI THÍCH KẾT QUẢ
Phƣơng trình
hồi quy bội
LONGTT =
- 0,745
+ 0,245 F1
+ 0,220 F2
+ 0,476 F3

15. ĐA CỘNG TUYẾN VÀ TỰ TƯƠNG QUAN
• Đa cộng tuyến là trạng thái các biến độc lập
trong mô hình có tương quan chặt chẽ với nhau.
• Để kiểm tra hiện tượng đa cộng tuyến, có thể sử
dụng bảng ma trận tương quan hoặc kiểm tra
bằng lựa chọn Collinearity Diagnostic.
• Kiểm tra tự tương quan, kích vào Durbin-Watson

16. ĐA CỘNG TUYẾN VÀ TỰ TƯƠNG QUAN

17. ĐK không đa
cộng tuyến:
VIF < 10
Đối với biến Xi, tolerance bằng 1-Ri
2 với Ri là hệ số xác định của
biến Xi được hồi qui bởi tất cả các biến độc lập khác
Nếu Di>4/(n-p-1), quan sát được
xem như có ảnh hưởng
ĐA CỘNG TUYẾN VÀ TỰ TƯƠNG QUAN

18. HỒI QUY BỘI VỚI PHƯƠNG PHÁP STEPWISE
• Phương pháp này là kết hợp đưa vào dần và loại
trừ dần.
• Biến nào có tương quan riêng cao nhất sẽ được
xem xét đưa vào mô hình trước với xác suất là
0,05
• Để ngăn chặn hiện tượng 1 biến được chọn vào
rồi chọn ra lặp lại thì SPSS mặc định xác suất F
vào nhỏ hơn F ra.
• Thủ tục chọn biến sẽ kết thúc khi không còn biến
nào thỏa tiêu chuẩn chọn vào, chọn ra nữa.

19. HỒI QUY BỘI VỚI PHƯƠNG PHÁP STEPWISE

20. HỒI QUY BỘI VỚI PHƯƠNG PHÁP STEPWISE
Mô hình chọn
luôn là mô hình
cuối cùng
Mô hình chọn
luôn là mô hình
cuối cùng

21. HỒI QUY BỘI VỚI PHƯƠNG PHÁP STEPWISE
Câu hỏi:
Kết quả này có khác gì với kết quả của phương pháp
ENTER
Mô hình:
LONGTT = -0,247 + 0,459 Lương và thưởng + 0,282 CH Đào tạo và thăng tiến +
0,260 Lãnh đạo

22. ĐIỀU KIỆN VẬN DỤNG MÔ HÌNH
• Các điều kiện về dạng mô hình :
• MQH tuyến tính giữa các biến độc lập với biến phụ
thuộc
• Các điều kiện về sai số mô hình (error):
• Các sai số mô hình là độc lập (không tự tương quan)
• Các sai số phân phối theo phân phối chuẩn
• Các điều kiện về các số dự đoán:
• Các biến độc lập không ngẫu nhiên
• Các giá trị của các biến độc lập được đo lường không
có sai số
• Các số dự đoán là độc lập theo đường thẳng, (không có
bội tương quan giữa các biến độc lập -
multicollinearity)

23. CÂU HỎI
• Nếu có một biến (độc lập) không thỏa các điều
kiện để thực hiện một phân tích tương quan thì
thế nào?
 Có khả năng chuyển về biến đính tính không?
• Nếu muốn phân tích tương quan, trong các biến
độc lập có một biến định tính (biến 2 hoặc
nhiều lựa chọn) thì có thể thực hiện được
không?

24. MÔ HÌNH HỒI QUY BỘI VỚI BIẾN GIẢ
MỐI QUAN HỆ GIỮA
MỘT HoẶC NHIỀU BIẾN ĐỘC LẬP (Định lượng),
MỘT HOẶC NHIỀU BIẾN (Định tính)
VÀ
MỘT BIẾN PHỤ THUỘC (Định lượng)
(MULTI-REGRESSION)

25. BIẾN GIẢ (DUMMY)
• Các ví dụ:
• Biến giới tính: nam-nữ,
có mặt – vắng mặt
miền Bắc, Trung, Nam
• Được mã hóa 0 hoặc 1
• Về mặt lý thuyết,
• các hằng số (hệ số chặn) phải khác nhau
• Số các biến giả cần thiết bằng số lựa chọn (của
biến định tính) - 1

26. BIẾN GIẢ (DUMMY)
0 1 1 2 0 1 1
ˆ (0)i i iY b b X b b b X    
0 1 1 2 0 2 1 1
ˆ (1) ( )i i iY b b X b b b b X     
Y = tiền lương
X1,7 = Lãnh đạo, Cơ hội đào tạo và thăng tiến…
X8 = Giới tính =
Nam (X8 = 1)
Nữ (X8 = 0)
0 nữ
1 nam
0 1 1 2 2
ˆ
i i iY b b X b X  
Cùng
hệ số
hồi qui

27. BIẾN GIẢ (dummy)
X8 (giới tính)
Y (Lòng trung thành)
b0 + b2
b0
Cùng hệ số
gốc
Hệ số chặn
(hằng số) khác
nhau
1b

28. MÃ HÓA BIẾN DUMMY
• Biến cũ
• Giới tính 1: Nam, 2: Nữ
• Chúng ta phải chuyển thành
• Giới tính 1: Nam, 0: Nữ
trước khi thực hiện phân tích!!!

29. TRÌNH TỰ THỰC HIỆN

30. TRÌNH TỰ THỰC HIỆN

31. KẾT QUẢ

32. KẾT QUẢ
Mô hình:
LTT = -0,294 + 0,422 Lương và thưởng + 0,282 CH Đào tạo và thăng tiến + 0,261
Lãnh đạo + 0,396 Danh hiệu thi đua

33. MÃ HÓA BIẾN VÀ PHÂN TÍCH (DUMMY)
• Biến cũ: ĐIAĐIEM
• Miền Bắc 1
• Miền Trung 2
• Miền Nam 3
• Chúng ta phải chuyển thành
• ĐIAĐIEM1 Miền Bắc 1 Khác 0
• ĐIAĐIEM2 Miền Trung 1 Khác 0
 Diễn giải dữ liệu cho phù hợp!!!

34. TÁC ĐỘNG CỦA MÃ HÓA BIẾN
• Sự mã hóa riêng biệt các biến giả cốt là thay
thế các dòng lấy giá trị 0 đối với tất cả các biến
giả liên quan đến một biến cụ thể bằng một
giá trị -1.

35. TÁC ĐỘNG CỦA MÃ HÓA BIẾN

36. TÁC ĐỘNG CỦA MÃ HÓA BIẾN

37. ĐIỀU KIỆN VẬN DỤNG MÔ HÌNH
• Các điều kiện về dạng mô hình :
• MQH tuyến tính giữa các biến độc lập với biến phụ
thuộc
• Các điều kiện về sai số mô hình (error):
• Các sai số mô hình là độc lập (không tự tương quan)
• Các sai số phân phối theo phân phối chuẩn
• Các điều kiện về các số dự đoán:
• Các biến độc lập không ngẫu nhiên
• Các giá trị của các biến độc lập được đo lường không
có sai số
• Các số dự đoán là độc lập theo đường thẳng, (không có
bội tương quan giữa các biến độc lập -
multicollinearity)

38. Scatterplot
Dependent Variable: prix
Regression Adjusted (Press) Predicted Value
4000003000002000001000000
4
2
0
-2
-4
KIỂM TRA 1

39. KIỂM TRA 2
Regression Standardized Residual
3,25
2,75
2,25
1,75
1,25
,75
,25
-,25
-,75
-1,25
-1,75
-2,25
-2,75
-3,25
-3,75
Histogram
Dependent Variable: prix
Frequency
60
50
40
30
20
10
0
Std. Dev = 1,00
Mean = 0,00
N = 319,00

40. HAI KIỂM ĐỊNH PHÂN PHỐI CHUẨN
• Nhờ vào hệ số mất cấn đối (Skewness)
• Nhờ vào Kurtose

41. ĐIỀU KIỆN VẬN DỤNG MÔ HÌNH
• Câu hỏi: Nếu các điều kiện không đạt thì thế
nào?
• Các điều kiện vận dụng mô hình thường xuyên
không đạt được:
• Tuyến tính
• Phương sai không đổi của các sai số (errors) của
mô hình
• Một mô hình là tuyến tính nếu các tham số hiện
diện trong mô hình là tuyến tính, ngay cả khi các
biến độc lập không tuyến tính

42. BIẾN ĐỔI BIẾN
• Các ví dụ của các mô hình tuyến tính:
• Ví dụ mô hình không tuyến tính:
 XY 10

2
210 XXY
 XlogY 10
 XY 10

 X
0
1
eY

43. BIẾN ĐỔI MÔ HÌNH
• Hàm
• Phép biến đổi
• Dạng tuyến tính

 XY
Xlog'X,Ylog'Y 
'Xlog'Y 

44. BIẾN ĐỔI MÔ HÌNH
• Hàm
• Phép biến đổi
• Dạng tuyến tính
X
eY


Yln'Y 
Xln'Y 

45. BiẾN ĐỔI MÔ HÌNH
• Hàm
• Phép biến đổi
• Dạng tuyến tính
XlogY 
Xlog'X 
'XY 

46. BIẾN ĐỔI MÔ HÌNH
• Hàm
• Phép biến đổi
• Dạng tuyến tính


X
X
Y
X
1
'X,
Y
1
'Y 
'X'Y 

47. BIẾN ĐỔI MÔ HÌNH
• Hàm
• Phép biến đổi
• Dạng tuyến tính
X
X
e1
e
Y 



Y1
Y
ln'Y


X'Y 

48. PHÂN TÍCH MÔ HÌNH ĐƯỜNG DẪN
(PATH ANALYSIS)

49. MỘT VÍ DỤ MINH HỌA
LÃNH ĐẠO
CƠ HỘI ĐTẠO VÀ
TTIẾN
LƢƠNG, THƢỞNG
ĐỒNG NGHIỆP
PHÚC LỢI
MÔI TRƢỜNG LV
LÒNG TRUNG
THÀNH
LỢI ÍCH HỮU HÌNH
LỢI TÍCH TINH THẦN
BẢN CHẤT CVIỆC

50. ĐIỀU KIỆN VẬN DỤNG MÔ HÌNH
• Câu hỏi:
• Bạn suy nghĩ gì về mô hình?
• Bản chất của các mô hình?
• Giải thích:
• Các mối quan hệ
• Mỗi mối quan hệ là một Hàm hồi quy tuyến tính 
các biến số phải tuân thủ các điều kiện của một
hàm hồi quy tuyến tính

51. CÁC MỐI QUAN HỆ: QUAN HỆ 1
LÃNH ĐẠO
PHÚC LỢI
BẢN CHẤT CVIỆC
YPL = a0 + a1LĐ + a2CV

52. CÁC MỐI QUAN HỆ: QUAN HỆ 2
CƠ HỘI ĐTẠO VÀ
TTIẾN
LƢƠNG, THƢỞNG
PHÚC LỢI
LỢI ÍCH HỮU HÌNH
YLIHH = b0 + b1ĐT + b2LT + b3PL

53. MỘT VÍ DỤ MINH HỌA
LÃNH ĐẠO
LƢƠNG, THƢỞNG
ĐỒNG NGHIỆP
MÔI TRƢỜNG LV
LỢI ÍCH TINH THẦN
BẢN CHẤT CVIỆC
YLITTT = c0 + c1LT + c2LĐ +…

54. MỘT VÍ DỤ MINH HỌA
LÒNG TRUNG
THÀNH
LỢI ÍCH HỮU HÌNH
LỢI TÍCH TINH THẦN
YLTT = d0 + d1LIHH + d2LITT