Category Archives: SPSS

Tổng hợp hơn 20 câu hỏi bảo vệ luận văn thạc sỹ sử dụng SPSS thường gặp

August 8, 2018SPSScâu hỏi bảo vệ luận văn, câu hỏi phản biện, phản biện luận vănhotrospss

Với kinh nghiệm tham gia nhiều buổi bảo vệ luận văn thạc sỹ kinh tế, đồng thời trao đổi với các bạn học viên sau khi các bạn đã bảo vệ thành công. Nhóm MBA ĐH Bách Khoa Hỗ Trợ SPSS giới thiệu đến các bạn Tổng hợp hơn 20 câu hỏi bảo vệ luận văn thạc sỹ sử dụng SPSS, hội đồng hay đề cập các câu này khi bảo vệ luận văn liên quan đến các mô hình kinh tế lượng sử dụng SPSS để giải quyết.

Lưu ý quan trọng khi bảo vệ luận văn: Các bạn nên đi sớm, hoặc đi tham dự các buổi bảo vệ trước để quen không khí và quy trình trong phòng bảo vệ luận văn nhé. Đồng thời thu thập thêm các câu hỏi bảo vệ luận văn( các buổi bảo vệ thường mở cửa tự do cho các học viên khác tham dự)

Các câu hỏi ở đây được đặt theo thứ tự logic của quy trình làm bài làm nhé:
1. Tìm cơ sở lý thuyết
2. Xây dựng mô hình
3. Thiết kế thang đo
4. Nghiên cứu định tính
5. Lập questionaire & thực hiện khảo sát sơ bộ( đa số bài không làm bước này)
6. Lập questionaire & thực hiện khảo sát chính thức
7. Thống kê mô tả
8. Thống kê tần số
9. Kiểm định độ tin cậy cronbach’s alpha
10. Phân tích nhân tố EFA
11. Phân tích tương quan
12. Phân tích hồi quy
13. Phân tích anova, t test

Chi tiết các câu hỏi bảo vệ luận văn thạc sỹ

Các câu hỏi phản biện luận văn liên quan đến đề tài, mô hình…

Câu hỏi bảo vệ luận văn: Tính mới của đề tài này là gì?
-Nếu đề tài của bạn có thể không mới, mô hình không mới, nhưng áp dụng trong một hoàn cảnh nghiên cứu khác, cho một đối tượng khác, trong một không gian địa lý khác, nên đó là tính mới của đề tài.
– Nếu mô hình đề xuất cho đề tài của bạn trước giờ chưa ai làm thì đúng là mới thật, thì bạn phải bảo vệ mô hình này bằng cách nói lên sự cấp thiết, về sự cấp bách của vấn đề cần nghiên cứu, vì chưa ai nghiên cứu nó nên tôi quyết định nghiên cứu.

Câu hỏi bảo vệ luận văn: Bạn tìm cơ sở lý thuyết ở đâu?
Tìm trong các luận văn của các anh chị khóa trước ở thư viện, tìm trên google scholar, ở sciencedirect.com…

Câu hỏi bảo vệ luận văn: Dựa vào đâu để đưa ra mô hình nghiên cứu?
Mô hình nghiên cứu được đưa ra dựa vào các mô hình nghiên cứu trước đây. Cùng với đề xuất của bản thân tác giả( lưu ý là mô hình ví dụ có 7 giả thiết, thì ít nhất đã có 5 giả thiết đã được đặt ra trong các nghiên cứu trước, hạn chế tự đặt giả thiết mà trước giờ chưa ai làm)

Câu hỏi bảo vệ luận văn: Thiết kế thang đo dựa trên cơ sở nào?
Thiết kế thang đo dựa trên cơ sở mô hình nghiên cứu đề xuất. Tuy nhiên không nhất thiết phải làm rập khuông thang đo theo các nghiên cứu trước, mà thường là có thay đổi, cải tiến cho hợp với đề tài.

Câu hỏi bảo vệ luận văn: Nghiên cứu định tính dùng để làm gì?
Nghiên cứu định tính nhằm khám phá, điều chỉnh và bổ sung các biến quan sát dùng để đo lường các khái niệm trong mô hình. Từ đó, các thang đo sơ bộ khái niệm được điều chỉnh phù hợp. Thông tin có được từ thảo luận sẽ được tổng hợp và là cơ sở cho việc hiệu chỉnh, bổ sung các biến trong thang đo. Kỹ thuật là thảo luận tay đôi và diễn dịch.

Câu hỏi bảo vệ luận văn: Lập questionaire & thực hiện khảo sát sơ bộ( đa số bài không làm bước này) để làm gì?
Để hiệu chỉnh bảng câu hỏi chính thức, trong khảo sát sơ bộ sẽ chạy cronbach's alpha. Câu nào bị loại sẽ không được đưa vào nghiên cứu chính thức.

Câu hỏi bảo vệ luận văn: Cơ sở nào để tính số lượng mẫu nghiên cứu của đề tài?
Kích thước mẫu tối thiểu là gấp 5 lần tổng số biến quan sát, các bạn xem chi tiết công thức ở đây nhé: http://phantichspss.com/cong-thuc-xac-dinh-co-mau-bao-nhieu-la-phu-hop-cho-nghien-cuu-2.html

Các câu hỏi phản biện luận văn liên quan đến kĩ thuật sử dụng SPSS…

Câu hỏi bảo vệ luận văn: Thống kê mô tả dùng để làm gì?
Thống kê mô tả dùng cho mục đích thống kê giá trị bé nhất, lớn nhất,trung bình cộng. Ngoài ra còn thống kê được các chỉ tiêu khác nhưng ít xài: Std. Deviation, Variance, Skewness, Kurtosis (chi tiết tại: http://phantichspss.com/huong-dan-cach-chay-thong-ke-mo-ta-trong-spss.html)

Câu hỏi bảo vệ luận văn: Thống kê tần số dùng làm gì?
Dùng để tần suất xuất hiện của các biến định tính, ví dụ: giới tính, trình độ, tuổi tác, học vấn, nghề nghiệp, thu nhập…Thống kê tần số để xác định số lần xuất hiện của một giá trị cụ thể, đồng thời cho ra số tỷ lệ phần trăm tương ứng. (chi tiết tại: http://phantichspss.com/huong-dan-cach-chay-thong-ke-tan-so-trong-spss.html)

Câu hỏi bảo vệ luận văn: Hệ số tin cậy cronbach’s alpha phản ảnh điều gì?
Hệ số tin cậy Cronbach’s Alpha phản ảnh độ tin cậy của thang đo, cho biết các biến đo lường có liên kết với nhau hay không. Hệ số này càng cao càng tốt. Ngưỡng chấp nhận là hệ số này phải lớn hơn 0.6

Câu hỏi bảo vệ luận văn: Khi Cronbach's Alpha if Item Deleted > Cronbach's Alpha thì có loại biến không?
Tùy vào tình huống, nếu giá trị lớn hơn đó không nhiều và nhân tố có ít biến( 3-4-5 biến chẳng hạn) thì lý luận để giữ lại luôn.

Câu hỏi bảo vệ luận văn: Tại sao phải phân tích nhân tố EFA?
Vì mô hình đề xuất là mô hình ban đầu, ứng với các nghiên cứu khác. Còn trường hợp nghiên cứu của mình chưa chắc dữ liệu đã phù hợp với mô hình. Ví dụ mô hình đề xuất có 7 nhân tố độc lập 1 nhân tố phụ thuộc. Khi chạy EFA ra chỉ còn 6 nhân tố độc lập. Như vậy mô hình nghiên cứu mô hình ban đầu cần phải hiệu chỉnh lại. Chỉ có bước EFA mới xác định được vấn đề này. Nói chung mục đích chính của EFA là xác định số lượng nhóm nhân tố thực sự tương ứng với bộ dữ liệu của chúng ta.

Câu hỏi bảo vệ luận văn: Eigenvalues có ý nghĩa như thế nào?
Thông số Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị > 1

Câu hỏi bảo vệ luận văn: Hệ số tải Factor Loading trong EFA có ý nghĩa gì?
Tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn hoặc bằng 0,5 để đảm bảo mức ý nghĩa thiết thực của EFA. Lúc đó là điều kiện cần để nhân tố đạt được giá trị hội tụ.

Câu hỏi bảo vệ luận văn: Giá trị hội tụ và giá trị phân biệt trong phân tích nhân tố là gì?
Giá trị hội tụ có nghĩa là các biến trong một yếu tố có mối tương quan cao. Điều này được thể hiện bằng các hệ số nhân tố. Hệ số tải phụ thuộc vào kích thước mẫu của bộ dữ liệu của bạn. Nói chung, kích thước mẫu càng nhỏ thì hệ số tải yêu cầu càng cao. Bất kể kích thước mẫu, quy tắc thông dụng tốt nhất là để tải lớn hơn 0.500 .
Giá trị phân biệt: là mức độ mà các yếu tố khác biệt với nhau và không tương quan với nhau. Nguyên tắc là các biến phải liên quan nhiều hơn đến yếu tố của chúng so với các yếu tố khác.
http://phantichspss.com/gia-tri-hoi-tu-va-gia-tri-phan-biet-trong-spss-la-gi.html

Câu hỏi bảo vệ luận văn: Mục đích phân tích tương quan?
Dùng xác định xem có mối tương quan giữa biến độc lập và biến phụ thuộc hay không? Nếu biến độc lập không có tương quan với biến phụ thuộc thì sẽ không đưa biến độc lập vào chạy hồi quy để giải thích cho biến phụ thuộc.

Câu hỏi bảo vệ luận văn: Phân tích hồi quy dùng để làm gì?
Dùng để xác định xem các biến độc lập có thực sự là nguyên nhân giải thích được cho biến phụ thuộc hay không? Đồng thời xác định mức độ giải thích đó là mạnh hay yếu thông qua hệ số R Bình Phương hiệu chỉnh.

Câu hỏi bảo vệ luận văn: R bình phương hiệu chỉnh giải thích gì được cho mô hình?
Giả sử R bình phương hiệu chỉnh là 0.60, thì mô hình hồi quy tuyến tính này phù hợp với tập dữ liệu ở mức 60%. Nói cách khác, 60% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập.( còn 40% còn lại ở đâu, dĩ nhiên là do sai số đo lường, do cách thu thập dữ liệu, do có thể có biến độc lập khác giải thích cho biến phụ thuộc mà chưa được được vào mô hình nghiên cứu…vv).
http://phantichspss.com/r-binh-phuong-r-binh-phuong-hieu-chinh-cong-thuc-y-nghia-cach-tinh-thu-cong-va-cach-tinh-bang-spss.html

Câu hỏi bảo vệ luận văn: Tại sao r2 chưa hiệu chỉnh >r2 đã hiệu chỉnh?
Vì theo công thức sau:

Vì (n-1)/(n – k) không bao giờ nhỏ hơn 1 nên R2 hiệu chỉnh sẽ không bao giờ lớn hơn R2 .

Câu hỏi bảo vệ luận văn: Tại sao lại lấy hệ số b (hệ số hồi quy chưa chuẩn hóa) để kết luận?
Câu hỏi này rất hay, các bạn lưu ý không phải là chuẩn hóa tốt hơn chưa chuẩn hóa hoặc ngược lại nhé. Mà là mỗi hệ số có cách giải thích riêng của nó:
http://phantichspss.com/so-sanh-su-khac-nhau-giua-he-so-beta-da-chuan-hoa-va-chua-chuan-hoa-khi-phan-tich-hoi-quy.html

Câu hỏi bảo vệ luận văn: Hiện tượng đa cộng tuyến là gì?
Trong mô hình hồi quy, nếu các biến độc lập có quan hệ chặt với nhau, các biến độc lập có mối quan hệ tuyến tính, nghĩa là các biến độc lập có tương quan chặt, mạnh với nhau thì sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Ví dụ có hai biến độc lập A và B, khi A tăng thì B tăng, A giảm thì B giảm…. thì đó là một dấu hiệu của đa cộng tuyến. Nói một cách khác là hai biến độc lập có quan hệ rất mạnh với nhau, đúng ra hai biến này nó phải là 1 biến nhưng thực tế trong mô hình nhà nghiên cứu lại tách làm 2 biến. Hiện tượng đa cộng tuyến vi phạm giả định của mô hình hồi qui tuyến tính cổ điển là các biến độc lập không có mối quan hệ tuyến tính với nhau.
http://phantichspss.com/da-cong-tuyen-dinh-nghia-cach-phat-hien-hau-qua-cach-khac-phuc.html

Câu hỏi bảo vệ luận văn: Ý nghĩa hệ số Durbin-Watson trong hồi quy?
Dùng để xác định có tương quan bậc 1 ( còn gọi là tự tương quan) giữa các phần dư hay không?
http://phantichspss.com/durbin-watson-thuc-hanh-kiem-dinh-tu-tuong-quan-trong-spss.html

Câu hỏi bảo vệ luận văn: Kiểm định F trong hồi quy có ý nghĩa gì?
Kiểm định F dùng để xác định R bình phương của tổng thể có khác 0 hay không?

Câu hỏi bảo vệ luận văn: Phân tích oneway anova, hoặc independent sample t test dùng để làm gì?
Dùng để xác định xem có sự khác biệt về giá trị trung bình của một biến định lượng( ví dụ SỰ HÀI LÒNG) giữa các nhóm biến định tính khác nhau( ví dụ GIỚI TÍNH). Nghĩa là xem những người giới tính Nam có đánh giá cao sự Hài Lòng hơn so với những người giới tính Nữ hay không?

Câu hỏi bảo vệ luận văn: Sự khác nhau giữa t test và anova là gì?
T test chỉ kiểm định được cho biến có hai nhóm quan sát, còn anova kiểm định được cho biến có từ 2 biến quan sát trở lên, ví dụ 2 3 4 5 nhóm…
http://phantichspss.com/su-khac-nhau-giua-t-test-va-anova.html

Như vậy nhóm MBA Bách Khoa đã giới thiệu hơn 20 câu hỏi bảo vệ luận văn thạc sỹ sử dụng SPSS thường gặp. Các bạn khi thực hiện có thắc mắc, cần hỗ trợ tư vấn xử lý số liệu cứ liên hệ nhóm nhé.

Liên hệ nhóm thạc sĩ Hỗ trợ SPSS.

– SMS, Zalo, Viber:

– Chat Facebook: http://facebook.com/hoidapSPSS/

– Email: hotrospss@gmail.com

Chỉ số Odds ratio – OR và Confidence Interval – CI: định nghĩa, ý nghĩa và cách tính toán

July 14, 2018SPSS95% CI, Confidence Interval, Odd, Odds Ratio, ORhotrospss

Nhóm MBA hotrospss@gmail.com ĐH Bách Khoa giới thiệu chi tiết về các khái niệm và cách tính các chỉ số Odd , tỉ số Odds ratio – viết tắt là OR, 95% CI Confidence Interval.
Kèm theo ví dụ minh họa cụ thể.

Mục đích:

Ví dụ minh họa: ta có 100 học sinh, trong đó có học thêm 56 em, không học thêm 44 em. Đồng thời ta cũng thống kê được kết quả thi đậu hoặc thi rớt đại học của 100 em này, có 49 em thi rớt và 51 em thi đậu, như trong bảng sau:

Bài này sẽ làm các việc sau:
-Định nghĩa Odd, Odds Ratio,95% CI Confidence Interval. Và tính toán bằng tay để ra được các chỉ số:
-Tính chỉ số Odd thi rớt của nhóm có học thêm
-Tính chỉ số Odd thi rớt của nhóm không học thêm
-Tính Odds Ratio, và so với số 1 để biết được có cần đi học thêm để không thi rớt hay không? Thi rớt đại học có liên quan đến việc học thêm hay không học thêm hay không?
-Tính 95% CI, gồm: khoảng dưới L95 và khoảng trên H95 để biết được khi lặp lại các lần đo lường thì 95% các trường hợp OR sẽ nằm trong giới hạn nào.
-Và cuối cùng là dùng phần mềm SPSS để tính toán các giá trị vừa tính thủ công ở trên để kiểm ra lại cho chắc nhé.

Vậy Odd là gì?

Odd của một biến cố là tỉ số giữa số lần biến cố đó xảy ra và số lần biến cố đó không xảy ra.
Gọi:
O1: là Odd thi rớt của nhóm có học thêm
O2: là Odd thi rớt của nhóm không học thêm

Ta có O1=a/b=4/40=0.1
O2=c/d=45/11=4.09

Odds Ratio là gì?

Chỉ số Odds Ratio OR, chính là tỉ số hai Odd, được biểu diễn là OR =O1/O2 =0.1/4.09=0.024
Ý nghĩa của chỉ số OR:
OR=1: đi học thêm và không đi học thêm có khả năng đậu như nhau
OR>1: nghĩa là Odd thi rớt của nhóm có học thêm CAO HƠN Odd thi rớt của nhóm không học thêm. Có nghĩa là học thêm có hại
OR<1: Học thêm có lợi. Nghĩa là Odd thi rớt của nhóm có học thêm THẤP HƠN Odd thi rớt của nhóm không học thêm.

Như trong trường hợp này, OR=0.024<1 , chứ tỏ học thêm có lợi, làm cho việc thi đậu dễ dàng hơn. Đã trả lời được cho câu hỏi nghiên cứu:Học thêm có giảm nguy cơ thi rớt?

Vậy khoảng tin cậy 95% CI Confidence Interval là gì?

Vấn đề đặt ra: OR có thể khác khi lặp lại nghiên cứu cho những đối tượng khác, giả sử ta lặp lại 100 lần, và trong đó có 97 lần OR<1 thì đây là một bằng chứng chứng cứ khoa học cho thấy học thêm có lợi. Vậy làm sao ta ước lượng được khoảng tin cậy 95% OR?
Công thức: 95% CI =KHOẢNG TIN CẬY 95% OR= TRUNGBÌNH +- 1.96* ĐỘ LỆCH CHUẨN

Với ĐỘ LỆCH CHUẨN= CĂN BẬC 2 CỦA PHƯƠNG SAI
VẤN ĐỀ: rất khó ước lượng Phương Sai của OR vì đây là 1 tỉ số.
Giải pháp, sẽ ước lượng gián tiếp qua 4 bước như sau:
1.Tính Ln(OR)
2.Tính phương sai và độ lệch chuẩn của ln(OR)
3.Tính khoảng tin cậy 95% của ln(OR)
4.Hoán chuyển khoảng tin cậy 95% của ln(OR) thành khoảng tin cậy 95% của OR bằng cách sửa dụng hàm exp()
Cụ thể ví dụ này:
1. Tính Ln(OR) = ln(0.024)=-3.711
2. Tính phương sai và độ lệch chuẩn của ln(OR)
   Do OR=O1/O2 , nên đặt: L=ln(OR)=ln(O1/O2)=ln(O1)-ln(O2)=ln(a/b)-ln(c/d)
   Công thức toán học về phương sai của L chính là = 1/a+1/b+1/c+1/d = 1/4+1/40+1/45+1/11=0.388
   Độ lệch chuẩn của L = căn bậc 2 của(0.388)=0.623

3.Tính khoảng tin cậy 95% của ln(OR)
Khoảng dưới:L-1.96*ĐỘ LỆCH CHUẨN=-3.711 -1.96*0.623=-4.932
Khoảng trên :L+1.96*ĐỘ LỆCH CHUẨN=-3.711 +1.96*0.623=-2.490
4.Hoán chuyển khoảng tin cậy 95% của ln(OR) thành khoảng tin cậy 95% của OR bằng cách sửa dụng hàm exp()
Khoảng dưới L95:=exp(-4.932)=0.007
Khoảng trên H95 :=exp(-2.490)=0.083

Ý nghĩa của OR và khoảng tin cậy 95% CI Confidence Interval:

Ví dụ chỉ số OR = 0.0244: nghĩa là Odd thi rớt của nhóm có học thêm bằng 2.44% Odd thi rớt của nhóm không học thêm
Và nếu lặp lại nghiên cứu này 100 lần thì 95% các số OR sẽ dao động từ L95 đến H95, nghĩa là dao động từ 0.007 đến 0.083

File dữ liệu thực hành để tính OR

Ngoài OR Odds Ratio và khoảng tin cậy 95% CI cũng có thể được tính bằng phần mềm SPSS, file dữ liệu của bài này các bạn tải ở đây http://phantichspss.com/filefordownload/Odds-Ratio-95-CI.sav

Khi chạy ra kết quả y hệt phần tính bằng tay như hình sau:

Phần màu xanh là chỉ số Odds Ratio, còn 2 giá trị màu đỏ là mức dưới và trên của 95% Confidence Interval
Như vậy nhóm MBA Bách Khoa đã hướng dẫn chi tiết về các khái niệm và cách tính các chỉ số Odd , tỉ số Odds ratio , 95% CI Confidence Interval. Các bạn khi thực hiện có thắc mắc, cần giải giúp bài tập hoặc cần hỗ trợ xử lý số liệu cho ổn hơn cứ liên hệ nhóm nhé.

Liên hệ nhóm thạc sĩ Hỗ trợ SPSS.

– SMS, Zalo, Viber:

– Chat Facebook: http://facebook.com/hoidapSPSS/

– Email: hotrospss@gmail.com

Phân tích hồi quy đa thức Multinomial logistic regression bằng SPSS

June 12, 2018SPSShồi quy đa thức, Multinomial logistic regressionhotrospss

Nhóm Thạc Sĩ QTKD ĐH Bách Khoa giới thiệu về lý thuyết và cách thực hành, cách phân tích ý nghĩa kết quả hồi quy đa thức. Kèm theo file dữ liệu thực hành luôn nhé.

Lý thuyết hồi quy đa thức

Mô hình hồi quy đa thức, còn gọi là hồi quy logistic đa thức (Multinomial logistic regression) tương tự như mô hình hồi quy logistic nhị phân nhưng biến phụ thuộc là biến định tính có nhiều hơn 2 trạng thái.
Ví dụ: dùng hồi quy đa thức để xác định loại nước uống nào được thích hơn. Biến phụ thuộc : loại nước uống ( gồm 3 loại: Cafe, nước giải khát có gas Soft drink , trà và nước lọc), biến độc lập là độ tuổi( là biến liên tục) và vùng miền( là biến phân loại Bắc, Trung, Nam)

Như vậy, biến phụ thuộc là biến phân loại,còn biến độc lập có thể là biến phân loại hoặc là biến liên tục.

Cách thực hành phân tích hồi quy đa thức trên SPSS

Đầu tiên tạo 3 biến trong SPSS như sau:
– Biến độc lập độ tuổi, là biến liên tục, ví dụ 30,31,32 tuổi.
– Biến độc lập vùng miền, là biến phân loại: Nam, Trung, Bắc tương ứng với giá trị mã hóa 0 1 2
– Biến phụ thuộc Loại nước uống yêu thích: Cafe, nước giải khát có gas Soft drink , trà và nước lọc. Tương ứng với mã hóa 0 1 2
Sau đó nhập các giá trị đã khảo sát vào, sẽ được như sau:

Các bạn có thể tải file thực hành hồi quy đa thức ở đây: www.phantichspss.com/filefordownload/phantichspss-hoi-quy-da-thuc.sav

Nhấn vào menu Analyze > Regression > Multinomial Logistic.

Cửa sổ phân tích hồi quy đa thức hiện ra như sau:

Đưa lần lượt các biến vào như sau
– Biến phụ thuộc phân loại "Loại nước uống" Loainuocuong đưa vào ô Dependent.
– Biến độc lập liên tục "Độ tuổi" Tuoi được đưa vào ô Covariate.
– Biến độc lập phân loại "Vùng miền" Vungmien được đưa vào ô Factor(s).

Mặc định, nhóm tham chiếu của biến phụ thuộc là nhóm cuối cùng, ví dụ Loainuocuong(Last) như hình trên.
Nhấn vào nút Statistics, để hiện ra được bảng Multinomial Logistic Regression: Statistics như sau:

Chọn vào 2 checkboxes Classification table và Goodness-of-fit . Sau đó nhấn Continue
Nhấn nút OK để bắt đầu hiển thị kết quả phân tích hồi quy đa thức.

Cách đọc kết quả phân tích hồi quy đa thức trên SPSS

Bảng Goodness-of-Fit giả thích độ phù hợp của dữ liệu so với mô hình.

Dòng đầu tiên Pearson thể hiện kiểm định chi-square. Giá trị chi-square càng lớn thì mô hình càng kém phù hợp. Nếu sig.<5% thì chắc chắn là mô hình không phù hợp với dữ liệu này. Ở đây ta thấy sig=0.110 >5% nên mô hình này phù hợp với dữ liệu.

Bảng Model Fitting Information

Dòng "Final" thể hiện có phải tất cả các hệ số trong mô hình bằng 0 hay không? Hiểu theo cách khác là nếu mô hình này có biến độc lập được thêm vào thì có tốt hơn là mô hình chỉ có hệ số chặn intercept hay không( mô hình không có biến độc lập). Ở đây giá trị sig.=0.00 < 5% nên ta kết luận mô hình với đầy đủ các biến độc lập dự đoán biến phụ thuộc tốt hơn so với mô hình chỉ có hệ số chặn intercept.

Bảng Pseudo R-Square và bảng Likelihood Ratio Tests

Trị số R bình phương giả pseudo-R2 gần như tương tự với R bình phương trong hồi quy tuyến tính.
Còn bảng Likelihood Ratio Tests cho ta thấy các biến độc lập có tác động có ý nghĩa thống kê đến biến phụ thuộc hay không? Nếu cột Sig.<0.05 thì biến độc lập đó có tác động. Thật ra bảng này chỉ hữu ích khi đánh giá cho biến phân loại, vì đây là bảng duy nhất cho thấy tác động chung của biến phân loại. Còn phân tích chi tiết như bảng Parameter Estimates dưới đây thì không thấy được tác động chung của biến độc lập phân loại ( ở đây là biến Vùng miền)

Bảng Parameter Estimates dùng để đánh giá các giả thiết có được chấp nhận hay không?

Về ý tưởng, bảng này là kết quả so sánh giữa nhóm Cafe, và nước có gas Soft Drink với nhóm tham chiếu cơ sở là Tea & Water. Việc chọn nhóm tham chiếu cơ sở nào là do mình tự quyết định( có thể làm lúc chọn biến phụ thuộc đưa vào ô Dependent, sau đó nhấn nút Reference Category để chọn nhóm cơ sở).

Phân tích so sánh giữa nhóm tham chiếu Tea & Water và nhóm Cafe:
-Dòng "Tuoi", có sig=0.003 <5%, nên biến Tuoi có ý nghĩa thống kê, hệ số B = -0.251 nên khi tuổi tăng thì sự dịch chuyển từ Tea & Water đến Cafe giảm. Nghĩa là tuổi tăng thì người ta thích uống Tea & Water hơn là Cafe. Cụ thể giá trị B = -0.251 ý nghĩa là log(odds) giảm được 0.251 khi tuổi tăng 1 đơn vị. Còn hệ số exp(B) = exp(-0.251)= 0.778 có ý nghĩa là chỉ số odds của một người 31 tuổi gấp 0.778 lần so với người 30 tuổi, giả định mọi chỉ số khác đều bằng nhau.
– Dòng Vungmien=1 có sig.=0.039<5% nên biến Vùng miền=1 so với Vùng miền =2 có ý nghĩa thống kê. Hệ số B=1.890 nên khi vùng miền chuyển từ vùng 2( miền Bắc) sang vùng 1( miền Trung) thì sự dịch chuyển từ Tea & Water đến Cafe tăng. Nghĩa là người miền Trung ưa thích Cafe hơn là Tea & Water so với người miền Bắc.
– Do dòng Vungmien=0 có sig.=0.077>5% nên biến Vùng miền=0 so với Vùng miền =2 không có ý nghĩa thống kê.

Tương tự , ta phân tích so sánh giữa nhóm tham chiếu Tea & Water và nhóm Soft drink.

Còn việc cần so sánh giữa nhóm Cafe vào Soft drink thì sao? Lúc này ta cần thực hiện chạy hồi quy đa thức lại, với nhóm tham chiếu là nhóm Cafe. Lúc đó chương trình sẽ chạy ra lấy nhóm Cafe so với nhóm Tea & Water . Và nhóm Cafe so với nhóm Soft Drink. Việc chọn nhóm tham chiếu bằng cách nhấn nút Reference Category và điền vào số mình cần làm tham chiếu như trong hình.

Như vậy nhóm MBA Bách Khoa đã hướng dẫn phần thực hành chạy và đọc ý nghĩa phân tích hồi quy đa thức. Các bạn khi thực hiện có thắc mắc hoặc cần hỗ trợ xử lý số liệu cho ổn hơn cứ liên hệ nhóm nhé.
Chúc các bạn làm tốt.