Trong phân tích dữ liệu, không phải lúc nào biến độc lập cũng là biến số đo lường được như thu nhập, tuổi, doanh thu hay số năm kinh nghiệm. Rất nhiều mô hình thực tế còn chứa giới tính, tình trạng hôn nhân, phòng ban, khu vực sinh sống, loại hình doanh nghiệp hoặc trình độ học vấn. Đây đều là biến định tính trong hồi quy, và nếu đưa trực tiếp vào mô hình bằng các con số mã hóa thông thường thì kết quả sẽ dễ bị hiểu sai. Lúc này, biến giả dummy là công cụ bắt buộc phải dùng.
Hiểu đơn giản, biến giả dummy là cách chuyển một biến định tính thành dạng 0 và 1 để phần mềm có thể xử lý trong mô hình hồi quy. Nhờ đó, nhà nghiên cứu có thể đo lường sự khác biệt giữa các nhóm và đánh giá xem nhóm nào tác động nhiều hơn đến biến phụ thuộc. Đây là kỹ thuật rất phổ biến trong hồi quy SPSS, hồi quy Excel, Stata, R và hầu hết các phần mềm phân tích dữ liệu.
Bài viết này của xulysolieu.info sẽ giải thích rõ biến giả dummy là gì, vì sao phải dùng, cách mã hóa biến giả, cách tạo trên SPSS và cách đọc kết quả hồi quy với biến giả dummy theo hướng dễ hiểu, thực hành được ngay.
Biến giả dummy là gì?
Bien-gia-dummy-la-gi
Biến giả dummy là một biến được tạo ra để đại diện cho các nhóm của một biến định tính. Thay vì giữ nguyên các nhãn như Nam, Nữ, Marketing, Content hay Độc thân, Đã kết hôn, nhà nghiên cứu sẽ chuyển chúng thành các biến nhận giá trị 0 hoặc 1. Trong đó, giá trị 1 thường thể hiện trường hợp xảy ra, còn 0 thể hiện trường hợp không xảy ra.
Nói cách khác, khi hỏi biến giả là gì, bạn có thể hiểu đây là kỹ thuật lượng hóa biến định tính trong hồi quy để mô hình có thể ước lượng và so sánh giữa các nhóm. Đây là lý do biến giả dummy xuất hiện rất thường xuyên trong các bài nghiên cứu định lượng, đặc biệt khi người viết làm hồi quy SPSS với dữ liệu khảo sát.
Ví dụ, với biến giới tính có 2 nhóm Nam và Nữ, ta có thể tạo một biến giả dummy như sau: Nam = 1, Nữ = 0. Khi đó, mô hình hồi quy sẽ không còn xem giới tính là một nhãn chữ, mà xem nó là một biến có hai trạng thái để đo lường sự khác biệt giữa hai nhóm.
Vì sao phải dùng biến giả dummy trong hồi quy?
Lý do cốt lõi là mô hình hồi quy chỉ xử lý đúng khi dữ liệu được biểu diễn ở dạng có ý nghĩa định lượng hoặc được mã hóa hợp lệ. Với các biến định lượng như thu nhập hoặc số năm làm việc, chênh lệch 1 đơn vị là có ý nghĩa rõ ràng. Nhưng với biến định tính trong hồi quy, các con số gán cho nhóm chỉ là mã nhận diện, không mang ý nghĩa cộng trừ nhân chia.
Ví dụ, nếu tình trạng hôn nhân được mã hóa là 1 = Độc thân, 2 = Đã kết hôn, 3 = Ly hôn thì không thể nói nhóm 3 lớn hơn nhóm 1 hai đơn vị hay nhóm 2 gấp đôi nhóm 1. Những con số đó chỉ là nhãn mã hóa. Nếu dùng trực tiếp trong hồi quy, mô hình sẽ hiểu sai bản chất dữ liệu. Chính vì vậy, biến giả dummy được dùng để chuyển dữ liệu về đúng dạng mà mô hình có thể diễn giải.
| Loại biến | Ví dụ | Có thể đưa thẳng vào hồi quy? |
|---|---|---|
| Biến định lượng | Thu nhập, tuổi, số năm kinh nghiệm | Có |
| Biến định tính có mã số nhóm | Giới tính, phòng ban, hôn nhân | Không nên |
| Biến định tính đã mã hóa biến giả dummy | Nam = 1, Nữ = 0 | Có |
Vì vậy, nếu bạn làm hồi quy SPSS mà trong dữ liệu có giới tính, nghề nghiệp, loại trường hay khu vực, gần như chắc chắn bạn sẽ phải dùng biến giả dummy.
Nguyên tắc mã hóa biến giả
Khi mã hóa biến giả, có một quy tắc rất quan trọng: nếu một biến định tính có m nhóm thì chỉ cần tạo m – 1 biến giả dummy. Nhóm còn lại sẽ trở thành nhóm tham chiếu. Đây là nguyên tắc giúp mô hình tránh hiện tượng đa cộng tuyến hoàn hảo giữa các biến giả.
Ví dụ 1, nếu biến giới tính có 2 nhóm:
- X1 = 1 nếu là Nam, X1 = 0 nếu là Nữ
Chỉ cần 1 biến giả dummy là đủ vì nhóm còn lại tự động là nhóm tham chiếu.
Ví dụ 2, nếu biến tình trạng hôn nhân có 3 nhóm: Độc thân, Đã kết hôn, Ly hôn, thì cần 2 biến giả dummy:
- X1 = 1 nếu Đã kết hôn, X1 = 0 nếu không phải
- X2 = 1 nếu Độc thân, X2 = 0 nếu không phải
Khi đó, nhóm có X1 = 0 và X2 = 0 sẽ là nhóm Ly hôn, tức nhóm tham chiếu. Đây là cách mã hóa biến giả rất phổ biến trong nghiên cứu định lượng.
Cách hiểu nhóm tham chiếu trong biến giả dummy
Mỗi khi dùng biến giả dummy, bạn phải xác định rõ nhóm tham chiếu là nhóm nào. Đây là nhóm không được tạo thành một biến riêng, nhưng lại là mốc để các nhóm khác so sánh. Hệ số hồi quy của từng biến giả sẽ cho biết mức chênh lệch của nhóm đó so với nhóm tham chiếu.
Ví dụ, nếu biến phòng ban có 4 nhóm gồm Marketing, Triển khai, Ý tưởng và Content, bạn tạo 3 biến giả dummy cho Marketing, Triển khai và Ý tưởng, thì Content sẽ là nhóm tham chiếu. Khi đó, hệ số của biến Marketing sẽ được hiểu là mức khác biệt của Marketing so với Content, chứ không phải so với tất cả các nhóm còn lại.
Hiểu đúng nhóm tham chiếu là điều rất quan trọng khi diễn giải biến giả dummy trong mô hình hồi quy.
Cách tạo biến giả dummy trong SPSS
Trong hồi quy SPSS, bạn có thể tạo biến giả dummy khá dễ bằng chức năng Recode into Different Variables. Giả sử bạn có biến PhongBan gồm 4 giá trị:
- 1 = Marketing
- 2 = Triển khai
- 3 = Ý tưởng
- 4 = Content
Vì biến này có 4 nhóm, bạn cần tạo 3 biến giả dummy. Có thể đặt tên là Marketing, TrienKhai, YTuong. Nhóm Content sẽ làm nhóm tham chiếu.
Bước 1: Mở chức năng recode
Trên SPSS, vào Transform > Recode into Different Variables.
Mo-chuc-nang-recode
Bước 2: Chọn biến cần mã hóa
Chuyển biến PhongBan vào ô xử lý và đặt tên biến mới, ví dụ Marketing.
Chon-bien-can-ma-hoa
Bước 3: Khai báo giá trị cũ và giá trị mới
Trong phần Old and New Values, nhập:
- Old Value = 1, New Value = 1
- All other values = 0
Điều này có nghĩa là ai thuộc nhóm Marketing sẽ nhận giá trị 1, còn lại nhận 0. Sau đó nhấn Add và Continue.
Khai-bao-gia-tri-cu-va-gia-tri-moi
Khai-bao-gia-tri-cu-va-gia-tri-moi-1
Bước 4: Lặp lại với các nhóm khác
Làm tương tự để tạo biến TrienKhai với Old Value = 2 và YTuong với Old Value = 3. Như vậy bạn đã hoàn thành phần mã hóa biến giả cho biến định tính trong hồi quy.
Buoc-4_-Lap-lai-voi-cac-nhom-khac
Bước 5: Kiểm tra measure
Sau khi tạo xong, quay về Variable View và kiểm tra các biến giả dummy vừa tạo. Trong nhiều trường hợp thực hành hồi quy SPSS, người dùng thường chuyển Measure của các biến này sang Scale để thuận tiện khi chạy mô hình.
Cách đưa biến giả dummy vào mô hình hồi quy
Sau khi mã hóa xong, bạn chạy hồi quy như bình thường. Đưa biến phụ thuộc vào ô Dependent, còn các biến định lượng và biến giả dummy vào ô Independent. SPSS sẽ tự ước lượng hệ số hồi quy cho từng biến.
Ví dụ, nếu mô hình có:
- Biến phụ thuộc: Sự hài lòng
- Biến độc lập định lượng: Thu nhập, Công việc
- Biến độc lập định tính đã đổi thành biến giả dummy: Marketing, TrienKhai, YTuong
Thì mô hình sẽ cho phép bạn đánh giá cả ảnh hưởng của biến định lượng lẫn chênh lệch giữa các phòng ban. Đây chính là giá trị thực tế của biến giả dummy trong phân tích dữ liệu.
Cách đọc kết quả hồi quy với biến giả dummy
Cach-doc-ket-qua-hoi-quy-voi-bien-gia-dummy
Khi đọc bảng Coefficients, bạn cần quan tâm hai điểm chính: Sig. và hệ số B.
Thứ nhất, nếu ít nhất một biến giả dummy có Sig. nhỏ hơn 0.05, bạn có thể kết luận biến định tính ban đầu có tác động đến biến phụ thuộc ở mức ý nghĩa 5%. Điều này có nghĩa là giữa các nhóm tồn tại sự khác biệt có ý nghĩa thống kê.
Thứ hai, dấu của hệ số B cho biết nhóm đó cao hơn hay thấp hơn nhóm tham chiếu. Nếu B dương, nhóm đó có mức giá trị trung bình cao hơn nhóm tham chiếu. Nếu B âm, nhóm đó thấp hơn nhóm tham chiếu.
| Trường hợp | Cách hiểu |
|---|---|
| Sig. < 0.05 | Nhóm đó khác biệt có ý nghĩa thống kê so với nhóm tham chiếu |
| B > 0 | Nhóm đó cao hơn nhóm tham chiếu |
| B < 0 | Nhóm đó thấp hơn nhóm tham chiếu |
| Sig. > 0.05 | Chưa đủ bằng chứng kết luận nhóm đó khác nhóm tham chiếu |
Ví dụ, nếu cả ba biến giả dummy là Marketing, TrienKhai và YTuong đều có hệ số âm và Sig. dưới 0.05, bạn có thể kết luận mức độ hài lòng của ba phòng này thấp hơn phòng Content, đồng thời sự khác biệt đó có ý nghĩa thống kê.
Những lỗi thường gặp khi dùng biến giả dummy
- Dùng trực tiếp mã số nhóm như 1, 2, 3, 4 vào hồi quy mà không mã hóa biến giả.
- Tạo đủ m biến giả thay vì m – 1 biến, làm mô hình bị lỗi đa cộng tuyến.
- Không xác định rõ nhóm tham chiếu nên diễn giải sai hệ số.
- Nhìn vào dấu của hệ số nhưng quên kiểm tra Sig.
- Nhầm giữa khác biệt so với nhóm tham chiếu và khác biệt giữa mọi nhóm.
Những lỗi này làm cho biến giả dummy bị hiểu sai hoặc dùng sai trong hồi quy SPSS. Vì vậy, ngoài bước mã hóa biến giả, bạn cũng cần chắc phần diễn giải bám đúng logic so sánh.
Khi nào nên kết hợp thêm ANOVA hoặc T-Test?
Trong nhiều trường hợp, biến giả dummy cho biết nhóm nào khác nhóm tham chiếu trong mô hình hồi quy. Tuy nhiên, nếu bạn muốn xem sự khác biệt trung bình giữa các nhóm một cách trực quan hơn, có thể chạy thêm ANOVA hoặc Independent Sample T-Test. Đây là cách bổ sung rất hữu ích để đối chiếu kết quả, nhất là khi bạn đang làm luận văn hoặc bài nghiên cứu học thuật.
Kết luận
Biến giả dummy là công cụ rất quan trọng khi mô hình hồi quy có chứa biến định tính trong hồi quy. Nếu không mã hóa đúng, mô hình dễ cho ra kết quả sai về bản chất. Ngược lại, nếu hiểu đúng biến giả là gì, biết cách mã hóa biến giả và xác định nhóm tham chiếu hợp lý, bạn có thể đưa các biến như giới tính, phòng ban, trình độ học vấn hay tình trạng hôn nhân vào mô hình một cách hoàn toàn hợp lệ.
Khi làm hồi quy SPSS, hãy nhớ quy tắc cơ bản: biến có m nhóm thì tạo m – 1 biến giả dummy, đọc kết quả dựa trên Sig. và hệ số B, đồng thời luôn diễn giải trong mối quan hệ với nhóm tham chiếu. Nếu bạn đang cần hỗ trợ xử lý dữ liệu, chạy hồi quy SPSS hoặc kiểm tra cách mã hóa biến giả cho luận văn, có thể tham khảo thêm tại xulysolieu.info hoặc liên hệ Xử lý số liệu qua số 0878968468.
