Sig. của hằng số khi phân tích hồi quy lớn hơn 5% thì tốt hay xấu? Bài này ThS Khánh và nhóm MBA Bách Khoa sẽ chia sẻ một số kinh nghiệm nhé.
Trong phân tích hồi quy, việc đánh giá ý nghĩa thống kê của các hệ số, bao gồm hệ số hằng số constant (intercept), là một điều dễ gây thắc mắc,vì hệ số này không gắn liền với bất cứ biến độc lập nào.
Như trong bảng hồi quy ở đây, hệ số Sig. là 0.935, và số này lớn hơn 5%, tuy nhiên có một số bài thì Sig. này lại bé hơn 5%. Như vậy có sự khác biệt nào giữa việc Sig. của hằng số >5% hay <5% khi mà đưa ra ý nghĩa kết luận trong bài không?
Tổng quát về sự cần thiết phải đánh giá Sig. khi chạy hồi quy
Việc đánh giá ý nghĩa thống kê của một biến độc lập thường được thực hiện bằng cách sử dụng kiểm định giả thuyết, trong đó giả thuyết không (null hypothesis) là rằng hệ số bằng =0 (không có tác động), và giả thuyết thay thế (alternative hypothesis) là hệ số khác 0 (có tác động). Ví dụ trong hình trên, ý nghĩa Sig. của biến TINCAY là 0.007 <5%, nên ta hoàn toàn kết luận được là hệ số đứng trước biến TINCAY khác không, và cụ thể giá trị này chính là hệ số trong cùng dòng đó 0.121
Khi đề cập “sig.” (là viết tắt của significance – ý nghĩa thống kê) của hằng số trong mô hình hồi quy lớn hơn 5%, điều này nói lên việc giá trị p-value liên quan đến hằng số lớn hơn 0.05 (5%).Và lưu ý rằng p-value và “sig.” trong SPSS chỉ là 1 khái niệm, chẳng qua là 2 tên gọi khác nhau nhé.
Nguyên tắc hiểu giá trị sig. trong kiểm định giả thuyết thống kê
Nếu giá trị p nhỏ hơn hoặc bằng ngưỡng ý nghĩa bạn chọn (thường là 0.05 hoặc 5%), bạn sẽ bác bỏ giả thuyết không. Điều này ngụ ý rằng hệ số này có ý nghĩa thống kê, có nghĩa là hệ số này khác 0 và có bằng chứng cho rằng nó có tác động lên biến phụ thuộc.
Ngược lại, nếu giá trị p lớn hơn ngưỡng ý nghĩa bạn chọn 5%, bạn sẽ không bác bỏ giả thuyết không. Điều này ngụ ý rằng hệ số này không có ý nghĩa thống kê, có nghĩa là không có đủ bằng chứng để kết luận rằng nó có tác động lên biến phụ thuộc. Tương đương với giá trị này nó có thể bằng 0
Sig. của hằng số
Như hình trên , nếu Sig. của hằng số (intercept) trong mô hình hồi quy của bạn có giá trị lớn hơn 0.05, thì không có đủ bằng chứng thống kê để cho rằng hằng số này khác không. Có thể hiểu theo cách sau( hiểu nôm na chứ không chính xác 100%) là hằng số nó bằng 0, do đó không cần thiết phải bao gồm hằng số trong mô hình của bạn và mô hình có thể sử dụng tốt mà không có hằng số.
Tuy nhiên, việc bạn nên loại bỏ hằng số khỏi mô hình hay không phụ thuộc vào ngữ cảnh cụ thể. Đôi khi, ngay cả khi hằng số không có ý nghĩa thống kê, nó vẫn quan trọng để bao gồm nó trong mô hình nghiên cứu vì lý thuyết hoặc lý do thực tế. Hơn nữa, bạn nên xem xét sự phù hợp tổng thể của mô hình, ý nghĩa của các hệ số khác và các tác động lý thuyết của việc loại bỏ hằng số trước khi đưa ra quyết định. Việc giải thích kết quả trong ngữ cảnh của câu hỏi nghiên cứu rất quan trọng, quan trọng không kém so với khi nhìn vào ý nghĩa thống kê của các biến.
- Ý nghĩa của các kí tự * hoặc ** hoặc *** trong các báo cáo thống kê( một sao hai sao ba sao)
- Cần làm gì khi “Cronbach’s Alpha if Item Deleted” lớn hơn Cronbach’s Alpha hiện tại
- Giá trị hội tụ, giá trị phân biệt trong PLS SEM
- So sánh biến tiềm ẩn và biến quan sát
- Durbin Watson – Thực hành kiểm định tự tương quan trong SPSS