-Chuẩn bị dữ liệu và kiểm tra dạng biến phù hợp cho hồi quy Binary Logistic.
-Thực hiện phân tích hồi quy trong SPSS.
-Đọc và giải thích các bảng kết quả, bao gồm:
+Omnibus Tests of Model Coefficients: Kiểm tra ý nghĩa thống kê của mô hình.
+Model Summary: Đánh giá độ phù hợp của mô hình qua các chỉ số như -2 Log likelihood, Cox & Snell R² và Nagelkerke R².
+Variables in the Equation: Ý nghĩa và tác động của từng biến độc lập lên khả năng trả nợ.
Mô hình được xây dựng để xác định khả năng trả nợ dựa trên 6 yếu tố độc lập:
THUNHAP: Thu nhập.
TUOI: Tuổi.
TAISAN: Tổng tài sản.
DIENTICHDAT: Diện tích đất sở hữu.
HOCVAN: Trình độ học vấn.
SOLUONGBATDONGSAN: Số lượng bất động sản sở hữu.
Biến phụ thuộc:
TRANO: Khả năng trả nợ, với:
0: Không trả được nợ.
1: Trả được nợ.
Omnibus Tests of Model Coefficients
|
||||
Chi-square
|
df
|
Sig.
|
||
Step 1
|
Step
|
107.435
|
6
|
0
|
Block
|
107.435
|
6
|
0
|
|
Model
|
107.435
|
6
|
0
|
Bảng Model Summary
Model Summary
|
|||
Step
|
-2 Log likelihood
|
Cox & Snell R Square
|
Nagelkerke R Square
|
1
|
129.147a
|
.466
|
.623
|
Classification Tablea
|
|||||
Observed
|
Predicted
|
||||
TRANO
|
Percentage Correct
|
||||
0
|
1
|
||||
Step 1
|
TRANO
|
0
|
76
|
14
|
84.4
|
1
|
19
|
62
|
76.5
|
||
Overall Percentage
|
80.7
|
||||
a. The cut value is
.500 |
hợp không trả được, vậy tỉ lệ dự đoán đúng là 76/90=84.4
trả được, vậy tỉ lệ dự đoán đúng là 62/81=76.5
Variables in the Equation
|
|||||||
B
|
S.E.
|
Wald
|
Df
|
Sig.
|
Exp(B)
|
||
Step 1a
|
THUNHAP
|
0.269
|
0.087
|
9.568
|
1
|
0.002
|
1.309
|
TUOI
|
0.049
|
0.017
|
8.285
|
1
|
0.004
|
1.05
|
|
TAISAN
|
0.006
|
0.002
|
5.536
|
1
|
0.019
|
1.006
|
|
DIENTICHDAT
|
0.001
|
0
|
7.974
|
1
|
0.005
|
1.001
|
|
HOCVAN
|
1.139
|
0.378
|
9.063
|
1
|
0.003
|
3.124
|
|
SOLUONGBATDONGSAN
|
1.024
|
0.304
|
11.329
|
1
|
0.001
|
2.785
|
|
Constant
|
-18.937
|
2.978
|
40.445
|
1
|
0
|
0
|
|
a. Variable(s) entered
on step 1: THUNHAP, TUOI, TAISAN, DIENTICHDAT, HOCVAN, SOLUONGBATDONGSAN. |
Mục đích của kiểm định Wald
Trong hồi quy đa biến tuyến tính, giá trị t được sử dụng để đánh giá tầm quan trọng của từng hệ số hồi quy.
Trong hồi quy logistic, thay vì giá trị t, chúng ta sử dụng thống kê Wald để kiểm định mức độ ý nghĩa thống kê của các hệ số hồi quy.
Kiểm định này kiểm tra giả thuyết:
H0: Hệ số hồi quy của biến độc lập bằng 0 (biến không có tác động đáng kể đến biến phụ thuộc).
H1: Hệ số hồi quy khác 0 (biến có tác động đáng kể).
Ý nghĩa của kiểm định Wald
Tương tự giá trị t trong hồi quy đa biến, kiểm định Wald đo lường mức độ quan trọng của từng biến độc lập trong mô hình hồi quy logistic.
Nếu giá trị Wald lớn và p-value nhỏ (thường < 0.05):
Biến độc lập có ý nghĩa thống kê, nghĩa là biến này có ảnh hưởng đáng kể đến biến phụ thuộc.
Ngược lại, nếu p-value lớn, biến độc lập không có ý nghĩa trong mô hình.
Tóm lại
Kiểm định Wald giúp xác định biến nào nên được giữ lại trong mô hình hồi quy logistic.
Nó tương tự như việc sử dụng giá trị t trong hồi quy tuyến tính, nhằm đánh giá mức độ ý nghĩa của các hệ số hồi quy.
Ví dụ một người có các thông tin cá nhân như sau, ta sẽ dùng kết quả phương trình hồi quy để dự đoán khả năng trả nợ:
THUNHAP
|
TUOI
|
TAISAN
|
DIENTICHDAT
|
HOCVAN
|
SOLUONGBATDONGSAN
|
13.5
|
56
|
493
|
4,011
|
4
|
3
|
- Video hướng dẫn cài tiếng Việt cho SPSS
- Cài đặt SmartPLS4 bản full – dùng thử 30 ngày
- Xử lý lỗi: the variable is represented by a rectangle in the path diagram but it is not an observed variable
- Định nghĩa moderator effects, phân tích kết quả về hiệu ứng điều tiết moderator effects
- Cách nhận biết mô hình cấu trúc tuyến tính