Hồi quy thứ tự – SPSS

II. MINH HỌA THỰC HIỆN HỒI QUY THỨ TỰ
Sử dụng file hồi quy thứ tự và tạo ra biến math3 là thỏa mãn điều kiện math3 nhận giá trị bằng 1 nếu điểm toán từ 45 trở xuống; bằng 2 nếu điểm toán nằm trong khoảng 46 – 59 và bằng 3 nếu điểm toán từ 60 trở lên.
(Xem thêm Recode into Different Variables Tạo biến trong SPSS)
1.Vào Analyze \( \to \) Regression \( \to \) Ordinal…
Lựa chọn các biến
Cửa sổ Ordinal Regression mở ra và thực hiện các thiết lập sau:
– Đưa biến math3 vào ô Dependent,
– Đưa biến female vào ô Factor(s)
– Đưa các biến phân tích vào ô Covariate(s).
Sau khi thiết lập xong sẽ có dạng giống hình bên dưới:
Bấm vào nút Option và kiểm tra xem phương pháp hồi quy Logit ở phần Link đã được chọn chưa. Đảm bảo rằng phương pháp Logit đã được chọn như hình
Nút Output có rất nhiều tùy chọn cả về hiển thị (Display) và lưu trữ (Saved Variables).
Để đơn giản trong bước đầu làm quen với phương pháp, cũng như hiểu về cách lý giải mô hình, ở đây chúng ta chọn hiển thị Parameter Estimates và Test of parallel lines ở phần Display như hình bên dưới:
Ghi chú:
– Parameter Estimates sẽ hiển thị các hệ số ước lượng theo phương pháp hồi quy logit
– Test of parallel lines hiển thị kết quả kiểm định giả định về tỉ lệ khả dĩ – một kiểm định rất quan trọng của mô hình.[/su_spoiler]
ĐỌC KẾT QUẢ HỒI QUY THỨ TỰ
Bảng Case Processing Summary mô tả tổng quan về dữ liệu cho biến thứ tự và các biến phân loại như số quan sát, % quan sát, giá trị trống (missing)
– Bảng Model Fitting Information thể hiện thông tin về độ phù hợp của mô hình null (chỉ bao gồm hệ số cắt). Việc ước lượng mô hình null này được thực hiện bằng kỹ thuật hợp lý cực đại ML. Với giá trị của ước lượng ML (-2 LL) bằng 284.187 và mức ý nghĩa 1% cho thấy mô hình null phù hợp.
Tuy nhiên, với kết quả này chúng ta không thể đưa ra một kết luận gì về mô hình nghiên cứu. Bỏ qua phần này, chúng ta tiếp tục phân tích các phần còn lại để tìm một mô hình phù hợp.
– Bảng Test of Parallel Lines kiểm tra giả định về tỉ lệ khả dĩ. Cụ thể giả thuyết H0 cho rằng các tham số vị trí (các hệ số độ dốc – slope coefficients) là giống nhau giữa các nhóm. Đây là bước quan trọng đầu tiên cần kiểm tra. Nếu mô hình thỏa mãn giả định về tỉ lệ khả dĩ thì tiến hành phân tích các kết quả còn lại, ngược lại, cần phải lựa chọn một mô hình khác phù hợp hơn.
Với mức giá ý .Sig = 0.307 cho thấy chưa đủ bằng chứng bác bỏ giả thuyết này. Điều này có nghĩa giả định về tỉ lệ khả dĩ chưa vi phạm (hay được thỏa mãn).
– Bảng Parameter Estimates trình bày về kết quả ước lượng các tham số.
Tỉ lệ khả dĩ (Odds ratio hay OR) của nhóm có điểm toán cao (từ 60 trở lên) so với 2 nhóm còn lại đối với những học sinh nam cao gấp 1.27 lần (\({e^{0.239}} = 1.27\)) so với những học sinh nữ. Tuy nhiên, sự so sánh này không có ý nghĩa thống kê ở mức 5%.
Ngoài ra, tỉ lệ khả dĩ OR của nhóm có điểm toán cao so với 2 nhóm còn lại có mối quan hệ cùng chiều với điểm các môn học như đọc (read), viết (write), khoa học (science). Cụ thể cứ mỗi điểm tăng thêm ở môn đọc (read) sẽ làm tăng 9.1% (\({e^{0.087}} – 1 = 0.091\)) (e^0.087-1) tỉ lệ khả dĩ của nhóm có điểm toán cao so với 2 nhóm còn lại. Điều này cũng tương tự đối với các môn còn lại. Tất cả mối liên hệ này đều có ý nghĩa thống kê ở mức 1%.