1. Nó được sử dụng khi nào?
Hồi quy Nhiều tuyến tính là một phần mở rộng của Hồi quy Tuyến tính Đơn giản. Nó được sử dụng khi chúng ta muốn dự đoán giá trị của một biến phản hồi dựa trên giá trị của hai hoặc nhiều biến hồi quy khác. Biến chúng ta muốn dự đoán được gọi là biến đáp ứng (đôi khi được gọi là biến phụ thuộc). Các biến chúng ta sử dụng để dự đoán giá trị của biến phản ứng được gọi là biến giải thích (đôi khi còn được gọi là biến dự báo, biến phụ thuộc). Ví dụ, chúng ta có thể sử dụng hồi quy bội để xem liệu có thể dự đoán kết quả kiểm tra toán giải thích dựa trên thời gian ôn tập và giới tính của học sinh hay không. Bạn đang xem lại: Phân tích hồi quy nhiều lần là gì
Hồi quy bội cũng cho phép chúng tôi xác định mức độ phù hợp tổng thể của mô hình và đóng góp tương đối của mỗi yếu tố dự đoán vào tổng phương sai được giải thích. Ví dụ: chúng tôi có thể muốn biết có bao nhiêu sự thay đổi trong kết quả bài kiểm tra cuối kỳ trong môn toán giải thích có thể được giải thích “nói chung” theo thời gian và giới tính xem xét và “đóng góp tương đối” của mỗi biến độc lập trong việc giải quyết phương sai.
2. Giả thuyết rỗng và suy luận thống kê
Khi có nhiều biến độc lập, mức độ phù hợp tổng thể của mô hình được đánh giá bằng f Statistics (f Statistics). Kiểm định giả thuyết rỗng được thực hiện trên tất cả các tham số hồi quy ngoại trừ phần đánh chặn. Ví dụ, nếu có ba biến giải thích trong mô hình, thì giả thuyết vô hiệu là: h0: β1 = β2 = β3 = 0 . Thống kê f được đánh giá là tỷ số giữa bình phương trung bình của mô hình và bình phương trung bình của lỗi .
3. Các giả định thống kê
Khi phân tích dữ liệu bằng hồi quy tuyến tính, một phần của quy trình bao gồm việc kiểm tra để đảm bảo rằng dữ liệu bạn đang phân tích thực sự có thể được phân tích bằng cách sử dụng hồi quy tuyến tính. Tập dữ liệu cần “vượt qua” các giả định theo yêu cầu của hồi quy tuyến tính để cung cấp kết quả hợp lệ.
– Xác minh giả định về tính chuẩn bằng cách thực hiện một đồ thị xác suất chuẩn của các phần dư. Sự phân bố phần dư chỉ cung cấp một dấu hiệu về sự phân bố của các sai số tiềm ẩn trong tổng thể và có thể không đáng tin cậy với các cỡ mẫu nhỏ. Diễn giải biểu đồ xác suất thông thường theo cách tương tự như được mô tả trong “Kiểm tra phân phối chuẩn”.
– Xác minh giả định về phương sai không đổi (hoặc xác minh tính đồng nhất) bằng cách vẽ biểu đồ phần dư so với các giá trị dự đoán. Sự phân tán ngẫu nhiên của điểm số về giá trị không cho thấy phương sai không đổi và thỏa mãn giả định này. Có nghĩa là, khi bạn di chuyển dọc theo dòng phù hợp nhất, phương sai dọc theo dòng phù hợp nhất vẫn tương tự. Mô hình kênh hiển thị phương sai không cố định. Những quan sát lạ bên ngoài rất dễ nhận ra trên biểu đồ này. Xem thêm: Cafe Romance Dates on the go vap, Cafes to Fall in Love on the go vap
Tất cả các giả định đều quan trọng, nhưng một số giả định quan trọng hơn những giả định khác. Kinh nghiệm cho phép các nhà nghiên cứu đánh giá mức độ thoải mái của các giả định trước khi các suy luận thất bại – một nghệ thuật cũng như một khoa học. Ví dụ, không có vấn đề gì khi các phần dư thiếu tính chuẩn, nhưng sai số chuẩn có thể bị thổi phồng lên. Một lần nữa, việc thiếu phương sai không đổi không có khả năng làm sai lệch đáng kể các hệ số hồi quy, nhưng các giá trị p liên quan cần được diễn giải một cách thận trọng. Các vi phạm nghiêm trọng nhất là sai lệch nghiêm trọng so với tuyến tính. Trong trường hợp này, việc chuyển đổi dữ liệu hoặc các phương pháp phân tích thay thế cần được xem xét.
4. Phân tích hồi quy nhiều tuyến tính trong spss
Ví dụ: chúng tôi có thể sử dụng hồi quy tuyến tính để xem liệu có thể dự đoán được điểm cuối cùng của bài kiểm tra viết của học sinh hay không dựa trên thời gian ôn tập cuối cùng để học giải tích và điểm yếu. yếu tố giới tính. Hai mươi học sinh đã được mời tham gia một thí nghiệm, trong đó họ được yêu cầu ghi lại tổng số giờ ôn tập (tích lũy mỗi ngày) cho môn toán từ lớp giải tích cuối cùng cho đến ngày thi cuối cùng. Vào cuối bài kiểm tra, các nhà nghiên cứu cho điểm của 20 sinh viên trên thang điểm 100, gán cho họ 1 = nữ và 2 = nam, tóm tắt chúng theo bảng dưới đây.
Các bước sau đây cho chúng ta thấy cách thực hiện nhiều phân tích hồi quy tuyến tính trong thống kê spss.
– Bước 1: Nhấp vào Phân tích & gt; Hồi quy & gt; Tuyến tính…
– Bước 2: Trong hộp thoại Hồi quy tuyến tính , chúng tôi chuyển đổi các biến giải thích ‘ thời gian xem xét ‘ và ‘ giới tính’ trong hộp> (các) độc lập: , chuyển biến phản hồi ‘ diemthi ‘ vào hộp (các) phụ thuộc: ,
– bước 3: Bây giờ các giả định chúng ta cần kiểm tra bao gồm: không có giá trị ngoại lệ đáng kể, tính độc lập của các quan sát, tính đồng nhất, đa cộng tuyến và phân phối chuẩn của sai số / phần dư. Chúng tôi có thể thực hiện việc này bằng cách sử dụng các tính năng Thống kê ( thống kê ) và Biểu đồ ( lô ) rồi chọn các tùy chọn thích hợp trong cả hai hộp thoại.
+ Trong nút thống kê , chúng tôi nhấp vào hộp phù hợp với mô hình để phù hợp với mô hình và kiểm tra chẩn đoán cộng tuyến đa cộng tuyến. Trong vùng Hệ số hồi quy , chúng tôi nhấp vào ước tính để ước tính khoảng tin cậy (thường được đặt thành 95%). Trong vùng còn lại, chúng tôi chọn hộp durbin-watson để biết mối tương quan.
+ Để sử dụng kiểm tra durbin-watson , phương trình hồi quy phải chứa một điểm chặn, do đó, hằng số inculde trong phương trình phải được kiểm tra. Bấm vào nút tùy chọn Xem thêm: Đến Đà Lạt tháng 8 xem gì? Ăn gì trong chuyến du lịch Đà Lạt mùa hè lãng mạn vào tháng 8 năm 2021
+ Trong nút biểu đồ, chúng tôi tiến hành vẽ biểu đồ phần dư ước tính dựa trên các giá trị của hồi quy để kiểm tra hiện tượng phương sai thay đổi và phân phối chuẩn của phần dư. Chúng tôi đã chuyển mục nhập * zresid vào hộp y: và mục nhập * zpred vào hộp x: . Sau đó, nhấp vào hộp Biểu đồ , Biểu đồ xác suất thông thường .
