Bai Hoc SPSS cua Sachvang buoi dau tien pdf

Khởi động SPSSMở File : C:\PROGRAM FILES\SPSS\Employee data TƯƠNG QUAN VÀ HỒI QUY Salary : Lương hiện tại Educ : số năm đi học Prevexp : Số Năm kinh nghiệm Hệ số tương quan xem 02 biến c

Khởi động SPSS

Mở File : C:\PROGRAM FILES\SPSS\Employee data

TƯƠNG QUAN VÀ HỒI QUY

Salary : Lương hiện tại

Educ : số năm đi học

Prevexp : Số Năm kinh nghiệm

Hệ số tương quan xem 02 biến có quan hệ với nhau không r

Không có quan hệ nhân quả, không phân biệt cái nào là nguyên nhân của cái nào

Kết quả của phân tích tương quan là tính được hệ số tương quan cho biết chặt hay không chặt

|r|  0 : càng yếu

>= 0.6 : chặt ( khối KHXH)

< 0.3 : lỏng

Vẽ đồ thị :

Trang 2/8

Ý nghĩa thống kê : của tổng thể

Ho : P salary,edu = 0

Ho : P salary,edu # 0

0 < Sig <= &  Bác bỏ Ho ( sig luôn nhỏ hơn 1)

0.05

2) Hồi Quy Đơn

Salary = f ( edu)

Xây dựng một mô hình

Salary = Bo + B1 edu + E

Dependent ( phụ thuộc , được giải thích)

Máy tính sẽ tìm cho chúng ta đường OLS, hồi quy là quy

Trang 4/8

19.115 = 3909.907 / 204.547

Salary = - 18331.2 + 3909.9 * edu : SRF

Salary = - 18331.2 + 3909.9 * edu + E : SRF

E chính là sai số giữa : Salary và Salary

Kiểm định

Ho : β 1 = 0

H1 : β 1 # 0

0 < Sig ( B1) <= &  Bác bỏ Ho ( sig luôn nhỏ hơn 1)

B1 có ý nghĩa thống kê ở độ tin cậy 1 -

 X1 có ý nghĩa thống kê

 X1  Y

Mục tiêu của Hồi Quy :

Kiểm định

Dự Báo

Vì thế quan tâm nhất đến kết quả kiểm định chứ không quan tâm đến phương trình

Trong hồi quy đơn : r bình phương = R bình phương = 0.436

Mô hình giải thích được 43,6 % sự biến thiên thay đổi của biến phụ thuộc salary

Biến edu có ý nghĩa thống kê vì sig = 0.000 < 0.05 ( xác xuất mắc sai lầm tối đa)

&

Edu tăng 1 năm  trung bình salary tăng 3909.9 và ngược lại

Để chạy hồi quy người ta yêu cầu bậc tự do df > = 30

Df == n – k = 474 – 2 = 472 phải lớn hơn 30

Có thể nhìn thống kê t , nếu | t | > = t &/2 , n-k thì bác bỏ Ho

Kiểm định F trong hồi quy đơn

Ho : R2 =0 : mô hình không có quan hệ tuyến tính

H1 : R2 #0

Trang 6/8

Sig (F) <= &  Bác bỏ Ho

F >= F &, k-1,n-k = FINV (&, k-1,n-k)

Nhìn bảng ta thấy : 0.000 < 0.05

 R2 # 0

 Hàm không phù hợp với dữ liệu

Hồi Quy Bội

PRF : Y = βo + β1 X1 + β2 X2 + ……… + βm Xm + E

SRF : Y = βo + β1 X1 + β2 X2 + ……… + βm Xm + E

Kiểm định T :

Ho : βi = 0

H1 : βi # 0

Sig (βi) <= anfa  Bác bỏ Ho

> anfa  chưa đủ cơ sở để bác bỏ Ho , có thể chấp nhận Ho

Kiểm định F trong hồi quy bội

Ho : R2 =0 :

(Β1 = β2 = … = βm = 0)

H1 : R2 #0

(ton tai mot βi # 0 , i = 1,m )

Sig (F) <= &  Bác bỏ Ho

F >= F &, k-1,n-k = FINV (&, k-1,n-k)

Ví dụ :

Con số 4020 : Khi edu tăng (giảm)  Trung bình Salary tăng (giảm) 4020 $

Con số 1207 : Khi exp tăng (giảm)  Trung bình Salary tăng (giảm) 12.07 $

Trong điều kiện các yếu tố khác không đổi

Biến nào không có ý nghĩa thống kê thì lọai nó ra để tìm mô hình tốt nhất

R2 = 0.439  2 biến edu và exp giải thích được sự thay đổi salary 43% là do edu và exp

R2 không giải thích tốt được mô hình bằng R2

R2 = 1 – ESS / n-k

TSS / n - 1

Để so sánh giữa 02 mô hình (cùng cỡ mẫu, cùng Y) người ta dựa vào R2

Bài tập về nhà

1) Xây dựng mô hình xem Salary bị phụ thuộc bởi các yếu tố nào : gender (mã hóa

thành 02 biến giả Nam 1, Nữ 0 ), jobcat ( mã hóa thành 03 biến giả D1, D2, D3) , edu, exp

Đọc Chương 3 hoặc 4

2) Đa Cộng Tuyến

Trang 8/8