Hồi quy tuyến tính bội trong SPSS: cách chạy, đọc bảng kết quả, kiểm tra giả định (kèm dữ liệu mẫu)
Mục lục
Hồi quy tuyến tính bội thường là phần “chốt” của chương kết quả. Các bước trước như Cronbach’s Alpha và EFA chứng minh thang đo dùng được. Hồi quy trả lời câu hỏi chính của đề tài: các yếu tố có ảnh hưởng đến biến kết quả không, và yếu tố nào ảnh hưởng mạnh nhất.
Bài này tiếp nối bộ dữ liệu của bài EFA. Sau khi loại biến TT4, ta có 3 nhân tố: Lương thưởng (LT), Đồng nghiệp (DN), Cơ hội thăng tiến (TT). Bây giờ ta thêm biến phụ thuộc là Hài lòng chung (HLC), đo bằng 3 câu hỏi HLC1–HLC3. Bạn tải bộ dữ liệu đầy đủ (.csv) để chạy theo; mọi con số dưới đây tính từ file này. Dữ liệu mô phỏng để học, không phải khảo sát thật.
Mô hình và giả thuyết
- H1: Lương thưởng có tác động cùng chiều đến sự hài lòng chung.
- H2: Đồng nghiệp có tác động cùng chiều đến sự hài lòng chung.
- H3: Cơ hội thăng tiến có tác động cùng chiều đến sự hài lòng chung.
Phương trình cần ước lượng: HLC = β0 + β1·LT + β2·DN + β3·TT + ε.
Bước 1: Tạo biến đại diện cho từng nhân tố
Hồi quy chạy trên một biến cho mỗi nhân tố, không phải trên từng câu hỏi. Cách phổ biến là lấy trung bình các biến quan sát còn lại sau EFA. Vào Transform → Compute Variable, gõ tên biến mới ở ô Target Variable và công thức ở ô Numeric Expression:
| Target Variable | Numeric Expression |
|---|---|
| LT | MEAN(LT1,LT2,LT3,LT4) |
| DN | MEAN(DN1,DN2,DN3,DN4) |
| TT | MEAN(TT1,TT2,TT3) |
| HLC | MEAN(HLC1,HLC2,HLC3) |
Lưu ý: TT chỉ gồm TT1–TT3 vì TT4 đã bị loại ở bước EFA. Thang đo HLC cũng cần qua Cronbach’s Alpha trước; với dữ liệu mẫu, α = 0,811.
Bước 2: Xem tương quan trước khi hồi quy
Analyze → Correlate → Bivariate, đưa HLC, LT, DN, TT vào, giữ Pearson. Kết quả (tất cả đều có Sig. < 0,01):
| HLC | LT | DN | TT | |
|---|---|---|---|---|
| HLC | 1 | 0,463 | 0,383 | 0,477 |
| LT | 0,463 | 1 | 0,219 | 0,197 |
| DN | 0,383 | 0,219 | 1 | 0,303 |
| TT | 0,477 | 0,197 | 0,303 | 1 |
Hai điều cần đọc: cả ba biến độc lập đều tương quan với HLC (điều kiện để hồi quy có ý nghĩa), và tương quan giữa các biến độc lập với nhau đều thấp, cao nhất 0,303. Nếu hai biến độc lập tương quan trên khoảng 0,7, nên dè chừng đa cộng tuyến.
Bước 3: Chạy hồi quy trong SPSS
- Analyze → Regression → Linear.
- Dependent: HLC. Independent(s): LT, DN, TT. Method: Enter.
- Statistics: tick Estimates, Model fit, Collinearity diagnostics, Durbin-Watson.
- Plots: đưa *ZRESID vào ô Y, *ZPRED vào ô X; tick Histogram và Normal probability plot.
- Continue, rồi OK.
Đọc kết quả
Model Summary: mô hình giải thích được bao nhiêu?
| R | R Square | Adjusted R Square | Std. Error of the Estimate | Durbin-Watson |
|---|---|---|---|---|
| 0,636 | 0,405 | 0,397 | 0,62040 | 2,308 |
R² hiệu chỉnh = 0,397: ba yếu tố giải thích được khoảng 39,7% sự biến thiên của sự hài lòng chung. Phần còn lại do các yếu tố khác ngoài mô hình. Với nghiên cứu về hành vi, thái độ, mức này là bình thường; đừng lo khi R² không cao như các ví dụ trong sách.
Báo cáo R² hiệu chỉnh thay vì R², vì R² luôn tăng khi thêm biến, kể cả biến vô ích.
ANOVA: mô hình có ý nghĩa không?
| Sum of Squares | df | Mean Square | F | Sig. | |
|---|---|---|---|---|---|
| Regression | 64,364 | 3 | 21,455 | 55,742 | 0,000 |
| Residual | 94,683 | 246 | 0,385 | ||
| Total | 159,047 | 249 |
Sig. = 0,000 (< 0,05): mô hình hồi quy phù hợp với dữ liệu, tức ít nhất một biến độc lập có tác động đến HLC. Nếu Sig. ở bảng này lớn hơn 0,05 thì không cần đọc tiếp các hệ số.
Coefficients: yếu tố nào tác động, mạnh bao nhiêu?
| B | Std. Error | Beta | t | Sig. | Tolerance | VIF | |
|---|---|---|---|---|---|---|---|
| (Constant) | 0,435 | 0,231 | 1,880 | 0,061 | |||
| LT | 0,357 | 0,052 | 0,350 | 6,880 | 0,000 | 0,933 | 1,071 |
| DN | 0,211 | 0,055 | 0,201 | 3,841 | 0,000 | 0,882 | 1,134 |
| TT | 0,320 | 0,048 | 0,347 | 6,653 | 0,000 | 0,890 | 1,124 |
- Sig. của LT, DN, TT đều nhỏ hơn 0,05, và B đều dương: cả ba yếu tố tác động cùng chiều đến HLC. H1, H2, H3 được chấp nhận.
- Beta (hệ số chuẩn hoá) dùng để so sánh mức độ tác động giữa các yếu tố, vì nó không phụ thuộc đơn vị đo. Thứ tự: Lương thưởng (0,350) ≈ Thăng tiến (0,347) > Đồng nghiệp (0,201).
- B (chưa chuẩn hoá) đọc theo đơn vị gốc: giữ các yếu tố khác không đổi, LT tăng 1 điểm thì HLC tăng trung bình 0,357 điểm.
- Hằng số có Sig. = 0,061 > 0,05. Điều này không ảnh hưởng đến kết luận về các giả thuyết; không cần loại hằng số.
Phương trình hồi quy chuẩn hoá:
HLC = 0,350·LT + 0,347·TT + 0,201·DN
Kiểm tra các giả định của hồi quy
| Giả định | Xem ở đâu | Ngưỡng thường dùng | Dữ liệu mẫu |
|---|---|---|---|
| Không đa cộng tuyến | VIF trong bảng Coefficients | VIF < 10 (nhiều trường yêu cầu chặt hơn: < 2) | 1,071–1,134: đạt |
| Phần dư độc lập | Durbin-Watson | Khoảng 1,5 đến 2,5 | 2,308: đạt |
| Phần dư phân phối chuẩn | Histogram, Normal P-P plot | Hình chuông; các điểm bám đường chéo | Kiểm tra bằng mắt trên biểu đồ |
| Liên hệ tuyến tính, phương sai không đổi | Biểu đồ ZRESID theo ZPRED | Các điểm rải đều quanh 0, không thành hình phễu | Kiểm tra bằng mắt trên biểu đồ |
Các biểu đồ cần được đưa vào phụ lục hoặc chương kết quả, kèm một câu nhận xét. Hội đồng hay hỏi phần này.
Viết kết quả vào luận văn
Phân tích hồi quy tuyến tính bội được thực hiện với biến phụ thuộc là Sự hài lòng chung và ba biến độc lập: Lương thưởng, Đồng nghiệp, Cơ hội thăng tiến (phương pháp Enter). Mô hình có ý nghĩa thống kê (F = 55,742; p < 0,001), giải thích 39,7% biến thiên của sự hài lòng chung (R² hiệu chỉnh = 0,397). Cả ba yếu tố đều có tác động cùng chiều và có ý nghĩa: Lương thưởng (β = 0,350; p < 0,001), Cơ hội thăng tiến (β = 0,347; p < 0,001) và Đồng nghiệp (β = 0,201; p < 0,001). Hệ số VIF từ 1,071 đến 1,134 cho thấy không có hiện tượng đa cộng tuyến; Durbin-Watson = 2,308 cho thấy các phần dư không tự tương quan. Các giả thuyết H1, H2, H3 được chấp nhận.
Lỗi hay gặp
- Đưa từng câu hỏi (LT1, LT2…) vào hồi quy thay vì biến trung bình của nhân tố. Kết quả sẽ rối và hầu như chắc chắn bị đa cộng tuyến.
- Quên loại biến đã bị loại ở EFA khi tính trung bình (ở đây là TT4).
- So sánh mức tác động bằng B thay vì Beta. B phụ thuộc thang đo, chỉ Beta so được giữa các biến.
- Hệ số B âm trong khi giả thuyết là cùng chiều: giả thuyết bị bác bỏ, kể cả khi Sig. < 0,05. Kiểm tra lại xem có câu hỏi nghịch chưa đảo chiều không.
- Kết luận nhân quả quá mạnh. Dữ liệu khảo sát một thời điểm cho thấy mối liên hệ, viết “có tác động” theo mô hình lý thuyết là được, nhưng tránh khẳng định chắc chắn quan hệ nhân quả.
Hỏi đáp
R² bao nhiêu là đạt?
Không có ngưỡng cứng. Trong nghiên cứu xã hội và hành vi, R² hiệu chỉnh khoảng 0,3–0,5 là phổ biến. Điều quan trọng hơn là mô hình có ý nghĩa (bảng ANOVA) và các hệ số hợp lý về lý thuyết.
Biến độc lập có Sig. > 0,05 thì làm gì?
Kết luận giả thuyết đó không được ủng hộ bởi dữ liệu và giải thích trong phần thảo luận. Không cần chạy lại mô hình chỉ để “xoá” biến đó, trừ khi giảng viên yêu cầu.
Chọn Enter hay Stepwise?
Khi kiểm định giả thuyết từ mô hình lý thuyết, dùng Enter để đưa mọi biến vào cùng lúc. Stepwise để máy tự chọn biến, phù hợp với nghiên cứu khám phá hơn là kiểm định.
Không có SPSS thì chạy hồi quy bằng gì?
jamovi có sẵn mục Regression → Linear Regression, cho cùng kết quả với cùng dữ liệu.
Tài liệu tham khảo
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. Multivariate Data Analysis. Pearson.
- Field, A. Discovering Statistics Using IBM SPSS Statistics. SAGE.
- IBM SPSS Statistics: tài liệu thủ tục Linear Regression.
