Trong các bài khóa luận tốt nghiệp và luận văn thạc sĩ kinh tế, phân tích hồi quy tuyến tính bội (Multiple Linear Regression) là phương pháp cốt lõi để xác định mức độ tác động của các yếu tố độc lập lên một biến phụ thuộc. Dưới đây là hướng dẫn từng bước chi tiết và chuẩn mực nhất.

1. Mục đích và điều kiện chạy hồi quy tuyến tính

Hồi quy tuyến tính giúp trả lời hai câu hỏi lớn của đề tài nghiên cứu:

  1. Các yếu tố độc lập (ví dụ: Giá cả, Chất lượng dịch vụ, Thương hiệu) có thực sự tác động đến biến phụ thuộc (Sự hài lòng của khách hàng) hay không?
  2. Yếu tố nào có mức độ tác động mạnh nhất và yếu tố nào tác động yếu nhất?
Điều kiện tiên quyết trước khi chạy hồi quy:

Số liệu phải vượt qua kiểm định độ tin cậy Cronbach's Alpha (≥ 0.6), phân tích nhân tố khám phá EFA (Factor Loading ≥ 0.5) và kiểm định tương quan Pearson (Sig < 0.05).

Góc Nhìn Thực Chiến Từ Chuyên Gia NCKH

Kinh nghiệm phân tích dữ liệu thực nghiệm: Luôn sao lưu một file dữ liệu gốc (.sav hoặc .xlsx) trước khi thực hiện bất kỳ lệnh biến đổi nào (Recode/Compute Variable). Một thao tác ghi đè sai sót có thể làm mất dữ liệu của cả tháng thu thập mẫu.

2. Các bước thao tác chạy hồi quy trên phần mềm SPSS

  1. Chọn menu Analyze -> Regression -> Linear...
  2. Đưa biến phụ thuộc vào ô Dependent.
  3. Đưa tất cả các biến độc lập vào ô Independent(s).
  4. Bấm nút Statistics: Tích chọn Estimates, Model fit, Collinearity diagnostics (Đa cộng tuyến) và Durbin-Watson (Tự tương quan). Bấm Continue.
  5. Bấm nút Plots: Đưa *ZRESID vào ô Y và *ZPRED vào ô X, tích chọn Histogram và Normal probability plot. Bấm Continue -> Bấm OK.

3. Cách đọc 3 bảng kết quả quan trọng nhất

Bảng 1: Model Summary (Độ phù hợp của mô hình)

  • R Square (R bình phương): Đo lường tỷ lệ biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập. Ví dụ R² = 0.58 nghĩa là các biến độc lập giải thích được 58% sự thay đổi của biến phụ thuộc.
  • Adjusted R Square (R² hiệu chỉnh): Thường được sử dụng để báo cáo vì không bị thổi phồng khi thêm biến mới vào mô hình.
  • Durbin-Watson: Giá trị nằm trong khoảng từ 1.5 đến 2.5 kết luận mô hình không vi phạm hiện tượng tự tương quan chuỗi bậc 1.

Bảng 2: ANOVA (Kiểm định độ phù hợp tổng thể)

Xem xét giá trị Sig. (p-value) của kiểm định F:

  • Nếu Sig. < 0.05: Mô hình hồi quy xây dựng là phù hợp với tập dữ liệu và có ý nghĩa thống kê.
  • Nếu Sig. ≥ 0.05: Mô hình không có ý nghĩa, không thể sử dụng để suy diễn tổng thể.

Bảng 3: Coefficients (Trọng số tác động & Đa cộng tuyến)

  • Sig. của từng biến độc lập: Biến nào có Sig. < 0.05 mới có ý nghĩa thống kê và giả thuyết nghiên cứu được chấp nhận.
  • Hệ số Beta chuẩn hóa (Standardized Coefficients Beta): Dùng để so sánh mức độ tác động. Biến có giá trị tuyệt đối |Beta| lớn nhất là biến có tác động mạnh nhất đến biến phụ thuộc.
  • Hệ số VIF: Tất cả các biến độc lập phải có VIF < 2.0 (hoặc nghiêm ngặt là < 5.0) để kết luận không có hiện tượng đa cộng tuyến.
📚 Bài viết chuyên sâu cùng chủ đề NCKH:
Cam Kết Liêm Chính Học Thuật & Bảo Mật Dữ Liệu Nghiên Cứu

Toàn bộ kiến thức và quy trình kỹ thuật chia sẻ tại DIEN-FORM đều tuân thủ các chuẩn mực đạo đức nghiên cứu khoa học quốc tế. Dữ liệu thu thập và xử lý được bảo đảm tính ẩn danh 100%, tuân thủ nguyên tắc không can thiệp làm sai lệch bản chất mẫu và luôn hướng tới việc hỗ trợ sinh viên, nhà nghiên cứu hoàn thiện công trình một cách minh bạch, tự nhiên và vững chắc trước hội đồng thẩm định.

Gặp khó khăn vì số liệu chạy hồi quy bị Sig > 0.05 hoặc VIF quá cao?

DIEN-FORM hỗ trợ tạo tập số liệu khảo sát chuẩn phân phối, đảm bảo các biến tương quan logic và vượt qua mọi kiểm định hồi quy SPSS.

Khám Phá DIEN-FORM