Hồi quy tuyến tính giản đơn

IV. DIỄN GIẢI KẾT QUẢ HỒI QUY TUYẾN TÍNH GIẢN ĐƠN

– Bảng Model Summary trình bày kết quả tóm tắt của mô hình hồi quy về độ phù hợp của mô hình (\({R^2}\) và \({R^2}\) hiệu chỉnh), sai số của ước lượng và giá trị d của kiểm định Durbin-Watson. Kết quả cho thấy \({R^2} = 0.667\) và \({R^2}\) hiệu chỉnh bằng 0.659. Điều đó có ý nghĩa mô hình với biến số năm kinh nghiệm (x) dự báo được 66% giá trị của biến thu nhập (y). Ngoài ra, giá trị thống kê d của kiểm định Durbin-Watson bằng 2.327 nằm trong khoảng 1.5 đến 2.5, do vậy, theo quy tắc kinh nghiệm[2] thì không có sự tự tương quan bậc 1.
Hồi quy tuyến tính giản đơn

– Bảng ANOVA trong trường hợp đơn biến này cũng chính là kết quả của hồi quy tuyến tính giản đơn. Với mức ý nghĩa Sig. = 0.00 cho thấy mô hình là phù hợp để giải thích.

– Bảng Coefficients sẽ trình bày các hệ số của phương trình hồi quy tuyến tính giản đơn bao gồm 1 hằng số cắt \(\alpha \) và tham số \(\beta \) của ước lượng. Kết quả cho thấy cả 2 hệ số đều có ý nghĩa thống kê. Hệ số \(\beta \) chuẩn hóa bằng 0.816 cho thấy khi kinh nghiệm của người nhân viên tăng 1 năm thì thu nhập của họ có thể cải thiện thêm 816 nghìn đồng.
Hồi quy tuyến tính giản đơn

– Bảng Residuals Statistics sẽ thống kê các giá trị về phần dư như giá trị dự báo, trung bình, độ lệch chuẩn…

– Đồ thị histogram của phần dư cho thấy phân phối của phần dư có hình dạng phân phối chuẩn, tuy nhiên ở đồ thị Normal P-P cho thấy giá trị các quan sát phân phối xấp xỉ đường thẳng ứng với phân phối chuẩn. Kết quả này cho thấy phần dư có phân phối xấp xỉ phân phối chuẩn.
Hồi quy tuyến tính giản đơn

– Tuy nhiên, ở đồ thị Scatter plot của phần dư theo giá trị dự báo cho thấy phương sai của phần dư không đồng nhất. Nghĩa là mô hình hồi quy này đang vi phạm giả thuyết về phương sai đồng nhất của hồi quy tuyến tính giản đơn.
Hồi quy tuyến tính giản đơn

Sự vi phạm này không làm ảnh hưởng đến độ phù hợp \({R^2}\) và hệ số ước lượng \(\beta \) của mô hình. Tuy nhiên, phương sai thay đổi sẽ ảnh hưởng đến sai số chuẩn của ước lượng, từ đó, làm thay đổi giá trị thống kê F, t và mức ý nghĩa của mô hình.

BÀN LUẬN VỀ HỒI QUY TUYẾN TÍNH GIẢN ĐƠN

Hồi quy tuyến tính giản đơn có nhiều điểm tương đồng với phân tích phương sai. Cả hai đều cho thấy mối liên hệ giữa 2 biến. Hệ số ước lượng, cũng như hệ số tương quan giữa 2 biến càng lớn thì mức độ liên hệ giữa 2 biến càng chặt. Cả 2 đều cho giá trị p-value giống nhau trong các kiểm định giả thuyết. Với những điểm tương đồng như vậy, theo bạn, chúng ta có thể đồng nhất giữa hồi quy tuyến tính giản đơn và phương tích phương sai hay không? tại sao?

Xem thêm:

1. Hồi qui là một mô hình thống kê được sử dụng để dự đoán giá trị của biến phụ thuộc (dependence variable) hay còn gọi là biến kết quả dựa vào những giá trị của ít nhất 1 biến độc lập (independence variable) hay còn gọi là biến nguyên nhân. Nếu mô hình hồi qui phân tích sự phụ thuộc của 1 biến phụ thuộc vào 1 biến độc lập gọi là hồi qui đơn, nếu có nhiều biến độc lập gọi là hồi qui bội. Hồi qui tuyến tính là mô hình hồi qui trong đó mối quan hệ giữa các biến được biểu diễn bởi một đường thẳng (đường thẳng là đường phù hợp nhất với dữ liệu).

2. Một quy tắc kinh nghiệm được sử dụng để kết luận không có sự tự tương quan bậc 1 là nếu giá trị thống kê d nằm giữa 1.5 và 2.5. d nhỏ hơn 1.5 cho biết có sự tự tương quan dương bậc 1. d lớn hơn 2.5 cho biết có sự tự tương quan âm bậc 1.

Previous page 1 2

Thuyết Nguyễn

- Giảng dạy Kinh tế lượng ứng dụng, PPNCKH - Chuyên gia phân tích dữ liệu với Stata - Dành hơn 15000 giờ nghiên cứu Kinh tế lượng ứng dụng - Đam mê nghiên cứu, học hỏi cái mới; - Làm việc độc lập & tự học cao.

Bài liên quan

Back to top button