Đề tài Tương quan và hồi quy

PHƯƠNG PHÁP NGHIÊN CỨU TRONG QTKD TƯƠNG QUAN & HỒI QUY GVHD: Ths Trần Quang Trung 1. Lê Hoàng Vĩnh Phú 2. Đặng Nguyễn Hồng Phúc 3. Lâm Hoàng Phương 4. Phan Kim Phượng 5. Phan Thị Phượng 6. Võ Thành Quang-NT 7. Trần Trọng Đức Thiện 1 GIỚI THIỆU NỘI DUNG I. Tương quan 1. Tương quan 2 biến 2. Tương quan riêng phần II. Hồi quy 1. Hồi quy đơn 2. Hồi quy bội 3. Phương pháp Enter - Đa cộng tuyến 4. Phương pháp Remove 5. Phương pháp Forward 6. Phương pháp Backward 7. Phương pháp Stepwise 2 I .TƯƠNG QUAN  Xem xét mối quan hệ giữa hai hay nhiều biến  Tương quan có:  Tương quan 2 biến – Bivariate Correlations  Tương quan riêng phần – Partial Correlations 3 I.1.TƯƠNG QUAN 2 BIẾN Cách thực hiện tính hệ số tương quan bằng SPSS:  Mục tiêu nghiên cứu: Nhóm nghiên cứu muốn tìm hiểu có mối quan hệ như thế nào giữa học vấn và thu nhập của người dân.  Câu hỏi nghiên cứu: Trình độ học vấn và thu nhập của người dân có mối quan hệ với nhau hay không?  Hai biến được chọn: R’s Highest Degree và Respondent’s Income.  Giả thuyết H0: Trình độ học vấn và thu nhập không có liên hệ với nhau.  Sử dụng lệnh: Analyze > Correlate > Bivariate 4 5I.1.TƯƠNG QUAN 2 BIẾN Lựa chọn hệ số tương quan Kiểm định mức ý nghĩa 1 phía hay 2 phía 6 I.1.TƯƠNG QUAN 2 BIẾN I.1. Kết quả hệ số tương quan Pearson 7 I. 2. TƯƠNG QUAN RIÊNG PHẦN Nghiên cứu mối quan hệ tuyến tính của hai biến có loại trừ ảnh hưởng của các yếu tố khác. 8 I. 2. TƯƠNG QUAN RIÊNG PHẦN 9 1.Mục tiêu nghiên cứu: mối quan hệ giữa số năm đi học và thu nhập của người dân, có sự loại trừ ảnh hưởng của biến trình độ học vấn 2.Câu hỏi nghiên cứu: Số năm đi học và thu nhập của người dân có mối quan hệ với nhau hay không, khi loại trừ ảnh hưởng của trình độ học vấn? 3.Giả thuyết H0: Số năm đi học và thu nhập không có liên hệ với nhau khi loại trừ biến trình độ học vấn. 4.Hai biến được chọn: Highest year of School completed và Respondent’s Income (hai biến định lượng). Biến kiểm soát: R’s Highest Degree 10 I. 2. TƯƠNG QUAN RIÊNG PHẦN tương quan 3 biến I. 2.TƯƠNG QUAN RIÊNG PHẦN 11 II .1. HỒI QUY ĐƠN  Xem xét mối quan hệ nhân quả giữa một biến phụ thuộc và một biến độc lập.  Mô hình: Y = B0 + B1*X  X: biến độc lập  Y: biến phụ thuộc  B0 và B1: hệ số hồi quy 12 II .1. HỒI QUY ĐƠN Cách thức xây dựng mô hình hồi quy đơn tuyến tính bằng SPSS:  Mục tiêu nghiên cứu: Nên tác động thế nào đến trình độ học vấn để có thu nhập cao.  Câu hỏi nghiên cứu: Thu nhập phụ thuộc vào trình độ học vấn như thế nào?  Hai biến được chọn: R’s Highest Degree là biến độc lập và Respondent’s Income là biến phụ thuộc.  Sử dụng lệnh: Analyze > Regression > Linear 13 14 II .1. HỒI QUY ĐƠN 15 II .1. HỒI QUY ĐƠN 16 II. 1. Kết quả hồi quy đơn  Sig= 0.00 cho thấy hệ số B0 và B1 khác 0, có giá trị lần lượt:  B0 = 10,057  B1 = 1.671  Phương trình hồi quy đơn Respondent’s Income = 10,057 + 1,671*R’s Highest Degree  Tuy nhiên, hệ số điều chỉnh R2 = 0.123 xa giá trị 1 -> mô hình hồi quy đơn này không phù hợp. 17 II. 2 . HỒI QUY BỘI  Khi muốn tìm mối quan hệ tuyến tính của một biến theo nhiều biến, dùng các phương pháp hồi quy bội  Mô hình: Yi = β0 + β1X1i + β2X2i + … + βpXpi + ei - Xpi: giá trị của biến độc lập thứ p tại quan sát thứ i - βk: hệ số hồi quy riêng phần - ei: biến độc lập ngẫu nhiên 18 II. 2 . HỒI QUY BỘI Cách thức xây dựng mô hình hồi quy tuyến tính bội bằng SPSS:  Mục tiêu nghiên cứu: Nên tác động như thế nào đến các yếu tố như trình độ học vấn; độ tuổi; tình trạng công việc; độ sôi nổi của cuộc sống để tăng thu nhập?  Câu hỏi nghiên cứu: “Thu nhập phụ thuộc như thế nào vào các yếu tố trình độ học vấn; độ tuổi; tình trạng công việc; độ sôi nổi của cuộc sống?” 19 Phöông phaùp ENTER 20 II. 3. Phương pháp ENTER II. 3. Phương pháp ENTER 21 II. 3. 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: bảng ma trận tương quan  lựa chọn Collinearity Diagnostic. 22 bấm chọn II. 3. ĐA CỘNG TUYẾN – MA TRẬN TƯƠNG QUAN 23 II. 3. ĐA CỘNG TUYẾN – MA TRẬN TƯƠNG QUAN 24 II. 3. ĐA CỘNG TUYẾN – Collinearity Diagnostic 25 II. 3. ĐA CỘNG TUYẾN - Collinearity Diagnostic 26 II. 4-5-6 Phương pháp Remove, Forward, Backward Tương tự phương pháp Enter 27 II. 7. Phương pháp STEPWISE Chọn biến độc lập từng bước (Stepwise) là một kết hợp của thủ tục đưa vào dần (Forward Selecttion) và loại trừ dần (Backward Elimination) và là phương pháp được sử dụng phổ biến nhất. 28 II. 7. Phương pháp STEPWISE 29 II. 7. Phương pháp STEPWISE đưa biến vào mô hình 30 II. 7. Phương pháp STEPWISE 31 32