Review Pseudo R2 là gì 2022

Mẹo Hướng dẫn Pseudo R2 là gì Mới Nhất

Pro đang tìm kiếm từ khóa Pseudo R2 là gì được Cập Nhật vào lúc : 2022-02-10 14:20:16 . Với phương châm chia sẻ Bí kíp về trong nội dung bài viết một cách Chi Tiết 2022. Nếu sau khi đọc nội dung bài viết vẫn ko hiểu thì hoàn toàn có thể lại phản hồi ở cuối bài để Ad lý giải và hướng dẫn lại nha.

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

Nội dung chính

Lý thuyết hồi quy đa thứcCách thực hành thực tiễn phân tích hồi quy đa thức trên SPSSCách đọc kết quả phân tích hồi quy đa thức trên SPSSRelated PostsVideo liên quan

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 quy mô hồi quy logistic nhị phân nhưng biến phụ thuộc là biến định tính có nhiều hơn nữa 2 trạng thái.
Ví dụ: dùng hồi quy đa thức để xác lập 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 hoàn toàn có thể là biến phân loại hoặc là biến liên tục.

Cách thực hành thực tiễn 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 những giá trị đã khảo sát vào, sẽ tiến hành như sau:

Các bạn hoàn toàn có thể tải file thực hành thực tiễn hồi quy đa thức ở đây: .phantichspss/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 những 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 ở đầu cuối, 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 khởi 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 thích hợp của tài liệu so với quy mô.

Dòng thứ nhất Pearson thể hiện kiểm định chi-square. Giá trị chi-square càng lớn thì quy mô càng kém thích hợp. Nếu sig.<5% thì chắc như đinh là quy mô không phù phù thích hợp với tài liệu này. Ở đây ta thấy sig=0.110 >5% nên quy mô này phù phù thích hợp với tài liệu.

Bảng Model Fitting Information

Dòng “Final” thể hiện có phải toàn bộ những thông số trong quy mô bằng 0 hay là không? Hiểu Theo phong cách khác là nếu quy mô này còn có biến độc lập được thêm vào thì có tốt hơn là quy mô chỉ có thông số chặn intercept hay là không( quy mô không còn biến độc lập). Ở đây giá trị sig.=0.00 < 5% nên ta kết luận quy mô với khá đầy đủ đủ những biến độc lập Dự kiến biến phụ thuộc tốt hơn so với quy mô chỉ có thông số chặn intercept.

Bảng Pseudo R-Square và bảng Likelihood Ratio Tests

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

Bảng Parameter Estimates dùng để xem nhận những giả thiết đã có được đồng ý hay là 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 vì mình tự quyết định hành động( hoàn toàn có thể làm lúc chọn biến phụ thuộc đưa vào ô Dependent, tiếp theo 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, thông số B = -0.251 nên lúc 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 cty. Còn thông 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 những 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 lúc 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 những người miền Bắc.
Do dòng Vungmien=0 có sig.=0.077>5% nên biến Vùng miền=0 so với Vùng miền =2 không còn 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 thi 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 phương pháp 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 thực tiễn chạy và đọc ý nghĩa phân tích hồi quy đa thức. Các bạn khi thực thi có vướng mắc hoặc cần tương hỗ xử lý số liệu cho ổn hơn cứ liên hệ nhóm nhé.
Chúc những bạn làm tốt.

Related Posts

Mô hình IPA mức độ quan trọng mức độ thực thi (IPA Importance-Performance Analysis)Cách viết phương trình hồi quy tuyến tính đa biếnPhân tích phương sai một yếu tố anovaCách Mở Khóa crack SmartPLS 3 mãi mãi sau khi hết thời hạn 30 ngày miễn phíSo sánh quan hệ giữa 7 phương pháp phân tích đa biến : Regression, Discriminant, Conjoint, SEM, ANOVA, MANOVA, Canonical CorrelationCách chuyển từ biến Category sang Dichotomy

Reply
4
0
Chia sẻ

Clip Pseudo R2 là gì ?

Bạn vừa tìm hiểu thêm tài liệu Với Một số hướng dẫn một cách rõ ràng hơn về Clip Pseudo R2 là gì tiên tiến và phát triển nhất

Share Link Download Pseudo R2 là gì miễn phí

Bạn đang tìm một số trong những Share Link Cập nhật Pseudo R2 là gì miễn phí.

Thảo Luận vướng mắc về Pseudo R2 là gì

Nếu Pro sau khi đọc nội dung bài viết Pseudo R2 là gì , bạn vẫn chưa hiểu thì hoàn toàn có thể lại Comments ở cuối bài để Ad lý giải và hướng dẫn lại nha
#Pseudo #là #gì