Trong phân tích SPSS, ở bước thống kê bảng Coefficients chúng ta sẽ thu điểm 2 hệ số quan trọng trong hôi quy đó là hệ số hồi quy chuẩn hóa Beta và chưa chuẩn hóa. Vậy thì chúng ta sẽ sử dụng hệ số nào và trong trường hợp nào? Mời các bạn xem bài viết chi tiết sau đây để hiểu rõ hơn nhé!
Hệ số hồi quy chuẩn hóa và chưa chuẩn hóa
Hồi quy tuyến tính bội
Hồi quy tuyến tính bội là một phương pháp hữu hiệu để định lượng mối quan hệ giữa hai hoặc nhiều biến dự báo với biến phản ứng.
Thông thường, khi thực hiện hồi quy tuyến tính bội, các hệ số hồi quy thu được là không chuẩn hóa, nghĩa là chúng được tính toán dựa trên dữ liệu gốc để xác định đường hồi quy tối ưu.
Tuy nhiên, khi các biến dự báo được đo lường trên các thang đo khác nhau đáng kể, việc sử dụng dữ liệu chuẩn hóa trong hồi quy tuyến tính bội có thể mang lại lợi ích, giúp tạo ra các hệ số hồi quy chuẩn hóa.
Sự khác nhau giữa hệ số hồi quy chuẩn hóa so với chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa
Hệ số hồi quy chuẩn hóa, hay còn gọi là hệ số beta chuẩn, đo lường mức thay đổi của biến phụ thuộc theo độ lệch chuẩn khi biến độc lập chuẩn hóa thay đổi một độ lệch chuẩn. Hệ số này giúp so sánh trực tiếp tầm quan trọng tương đối của các biến khác nhau, đồng thời đánh giá ảnh hưởng của các yếu tố dự báo khi đã điều chỉnh sự khác biệt về quy mô và đơn vị giữa chúng.
Khái niệm hệ số hồi quy chuẩn hóa thường được áp dụng trong khoa học dữ liệu khi các biến độc lập hoặc dự báo của mô hình được đo lường trên các thang đo khác nhau.
Phương trình hồi quy chuẩn hóa có dạng:
Y = β1X1 + β2X2 + … + βnXn + ε
Trong đó:
Y: biến phụ thuộc
X1, X2, Xn: biến độc lập
β1, β2, βn: hệ số hồi quy chuẩn hóa
ε: phần dư
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy không chuẩn hóa, còn được gọi là hệ số gốc, đại diện cho sự thay đổi của biến phụ thuộc khi biến độc lập tương ứng thay đổi một đơn vị, trong khi các biến khác được giữ cố định. Các hệ số này được biểu thị theo đơn vị gốc của các biến và cung cấp một thước đo trực tiếp về kích thước và hướng của mối quan hệ giữa các biến trong mô hình hồi quy.
Mô hình hồi quy tuyến tính sản xuất các hệ số hồi quy không chuẩn hóa sau khi được tính toán với các biến độc lập, những biến này được đo lường theo thang đo gốc của chúng, tức là theo các đơn vị giống như trong tập dữ liệu được sử dụng để huấn luyện mô hình.
Y = B0 + β1X1 + β2X2 + … + βnXn + ε
Trong đó:
Y: biến phụ thuộc
X1, X2, Xn: biến độc lập
B0: hằng số hồi quy
β1, β2, βn: hệ số hồi quy chuẩn hóa
ε: phần dư
Viết mẫu phương trình hồi quy
Dựa trên bảng Coefficient, chúng ta sẽ viết phương trình hồi quy biểu diễn sự tác động của các biến độc lập lên biến phụ thuộc
Mẫu kết quả phân tích hồi quy SPSS
Từ mô hình hồi quy, chúng ta xây dựng được hai phương trình để dự đoán sự hài lòng của nhân viên. Một phương trình chưa được chuẩn hóa và một phương trình đã được chuẩn hóa.
– Chưa chuẩn hóa: Y = -0.456 + 0.278 * SP + 0.270 * GC + 0.120 * KM + 0.157 * NV + 0.263 * GD + ε
– Chuẩn hóa: Y = 0.262 * SP + 0.356 * GC + 0.175 * KM + 0.212 * NV + 0.259 * GD + ε
Dữ liệu hồi quy từ bài nghiên cứu thực tế đã chỉ ra rằng, ngoại trừ biến Đồng nghiệp (F_DN) không có tác động đáng kể đến Sự hài lòng (F_HL), các yếu tố độc lập khác đều ảnh hưởng đến mức độ hài lòng. Cụ thể, mức độ ảnh hưởng giảm dần theo thứ tự: Điều kiện làm việc (F_DK) có tác động mạnh nhất, tiếp đến là Lãnh đạo (F_LD), Bản chất công việc (F_CV), Tiền lương (F_TL), và cuối cùng là Đào tạo thăng tiến (F_DT).
Nhận trợ giúp cho phân tích SPSS của bạn
Nếu bạn gặp khó khăn trong việc phân tích hồi quy tuyến tính, hãy bắt đầu hành trình nghiên cứu với xulysolieu.info, nơi đội ngũ tận tâm của chúng tôi cung cấp hỗ trợ phân tích dữ liệu chuyên môn cho sinh viên, học giả và cá nhân. Chúng tôi đảm bảo nghiên cứu của bạn được nâng cao với độ chính xác. Khám phá các trang của chúng tôi:
ANOVA và T-Test: nên sử dụng cái nào trên SPSS 26
Đa cộng tuyến là gì: Nguyên nhân, nhận biết và cách khắc phục trên SPSS 26, 27
3 bước phân biệt Tương quan và Hồi quy trên SPSS 26, 27 cần biết ngay
Hoặc bạn có thể trực tiếp liên hệ thông quan fanpage chính thức và Dịch vụ SPSS trên trang web chính thức của xulysolieu.info.
Bình luận