Hệ số chặn là gì? Cách đọc hệ số chặn trong SPSS

Hệ số chặn là gì

Bạn mở bảng Coefficients trong SPSS và thấy một dòng tên Constant, thường nằm ngay trên các biến độc lập. Đây chính là hệ số chặn, còn gọi là intercept. Trong phương trình hồi quy tuyến tính, hệ số chặn là giá trị dự đoán của biến phụ thuộc khi tất cả biến độc lập bằng 0.

Với mô hình hồi quy có dạng:

Y = β0 + β1X1 + β2X2 + ... + βkXk + ε

β0 là hệ số chặn. β1, β2 đến βk là các hệ số hồi quy của biến độc lập. ε là phần sai số mà mô hình chưa giải thích được. Khi bạn chạy hồi quy tuyến tính trong SPSS, Constant chính là ước lượng của β0.

Ví dụ, phương trình minh họa là Y = 1,245 + 0,380X1 - 0,210X2. Khi X1 và X2 đều bằng 0, giá trị dự đoán của Y là 1,245. Khi X1 tăng một đơn vị và các biến khác giữ nguyên, Y tăng trung bình 0,380 đơn vị. Khi X2 tăng một đơn vị, Y giảm trung bình 0,210 đơn vị.

Bạn có thể xem thêm mô hình hồi quy tuyến tính nếu đang cần nối phương trình với mô hình nghiên cứu và các giả thuyết của mình.

Ý nghĩa của hệ số chặn trong nghiên cứu định lượng

Hệ số chặn giúp hoàn chỉnh phương trình hồi quy và tạo ra giá trị dự đoán ban đầu cho biến phụ thuộc. Tuy nhiên, ý nghĩa thực tế của nó phụ thuộc vào việc giá trị 0 của các biến độc lập có tồn tại và có hợp lý trong bối cảnh nghiên cứu hay không.

Chẳng hạn, bạn đo mức độ hài lòng bằng thang Likert từ 1 đến 5. Trường hợp tất cả biến độc lập bằng 0 không xuất hiện trong dữ liệu thực tế. Khi đó, hệ số chặn vẫn cần thiết về mặt toán học, nhưng không nên diễn giải như một trạng thái thực tế của người trả lời.

Trong phần lớn luận văn, sự chú ý chính nằm ở hệ số hồi quy của các biến độc lập, t-value hoặc Sig., dấu của hệ số và khoảng tin cậy. Hệ số chặn thường được báo cáo trong bảng kết quả, nhưng không phải lúc nào cũng là trọng tâm để kết luận giả thuyết.

Bạn cũng nên phân biệt hệ số chặn với hệ số hồi quy chưa chuẩn hóa. Hệ số chặn là một dòng riêng có nhãn Constant. Hệ số hồi quy chưa chuẩn hóa của biến độc lập nằm ở cột B, trong dòng tương ứng với biến đó. Cột Beta là hệ số hồi quy đã chuẩn hóa, dùng thuận tiện hơn khi so sánh mức độ tác động tương đối giữa các biến có thang đo khác nhau.

Nếu bạn chưa chắc mô hình đang dùng loại hồi quy nào, hãy đối chiếu với hướng dẫn hồi quy tuyến tính. Với biến phụ thuộc nhị phân, chẳng hạn có hoặc không mua sản phẩm, bạn cần xem hồi quy logistic thay vì diễn giải phương trình tuyến tính thông thường.

Hệ số chặn bao nhiêu là tốt

Không có một ngưỡng chung để kết luận hệ số chặn bao nhiêu là tốt. Một hệ số chặn dương hoặc âm, lớn hoặc nhỏ, chưa tự nó cho biết mô hình tốt hay xấu. Bạn cần xem hệ số đó trong đơn vị đo của biến phụ thuộc, khoảng giá trị của dữ liệu và ý nghĩa của trường hợp các biến độc lập bằng 0.

Trong bảng Coefficients, Sig. của Constant cho biết kiểm định hệ số chặn có khác 0 theo cách kiểm định của mô hình hay không. Tuy vậy, việc Sig. lớn hơn 0,05 không có nghĩa là phải xóa hệ số chặn. Việc giữ hay bỏ intercept cần dựa trên lý thuyết, thiết kế dữ liệu và cách mô hình được xây dựng.

Vì vậy, câu hỏi “hệ số chặn bao nhiêu là tốt” thường cần đổi thành ba câu hỏi cụ thể: hệ số đó có phù hợp với miền giá trị của dữ liệu không, mô hình có đáp ứng các kiểm tra cần thiết không, và các hệ số của biến độc lập có phù hợp với giả thuyết không.

Cách đọc hệ số chặn trên output SPSS

Dưới đây là bảng Coefficients có cấu trúc giống output SPSS. Các con số chỉ là số liệu minh họa, không phải kết quả của một nghiên cứu thật.

Trong ví dụ này, dòng (Constant) có B = 1,245. Phương trình hồi quy minh họa là:

Y = 1,245 + 0,380 Chat_luong + 0,165 Gia_tri - 0,210 Rào_cản

B = 0,380 ở dòng Chat_luong là hệ số hồi quy chưa chuẩn hóa. Nghĩa là khi Chat_luong tăng một đơn vị, Y được dự đoán tăng trung bình 0,380 đơn vị, trong điều kiện các biến còn lại không đổi. Cột Beta = 0,412 cho biết tác động theo thang đo chuẩn hóa.

Dòng Rào_cản có hệ số B = -0,210. Dấu âm cho biết mối liên hệ ngược chiều trong mô hình minh họa. Sig. = 0,011 nhỏ hơn 0,05, nên hệ số này có bằng chứng thống kê khác 0 theo mức ý nghĩa đang dùng. Kết luận cuối cùng vẫn phải gắn với giả thuyết, cách mã hóa biến và kiểm định tổng thể của mô hình.

Khi đọc hệ số chặn trong SPSS, bạn đi theo thứ tự sau. Trước hết tìm đúng bảng Coefficients, sau đó tìm dòng (Constant). Đọc cột B để lấy hệ số chặn, đọc Std. Error để biết sai số chuẩn, đọc t và Sig. nếu cần báo cáo kiểm định riêng. Đừng lấy giá trị ở cột Beta cho hệ số chặn, vì SPSS thường để trống cột này ở dòng (Constant).

Bạn có thể luyện cách nối bảng Coefficients với phương trình bằng bài tập hồi quy tuyến tính có lời giải. Nếu trong output xuất hiện VIF lớn hoặc các hệ số thay đổi mạnh giữa các mô hình, hãy kiểm tra đa cộng tuyến là gì.

Khi hệ số chặn không đạt thì xử lý thế nào

Trước tiên, xác định “không đạt” ở đây nghĩa là gì. Nếu bạn đang nói Sig. của Constant lớn hơn 0,05, đó chỉ là kết quả của kiểm định hệ số chặn, không phải bằng chứng rằng toàn bộ mô hình hồi quy thất bại. Bạn không nên xóa dòng Constant chỉ vì p-value của nó lớn.

Kiểm tra cách mã hóa và miền giá trị

Mở Variable View và Data View, xem các biến độc lập có được nhập đúng thang đo hay chưa. Lỗi nhập mã, đảo chiều biến chưa thực hiện hoặc dùng giá trị thiếu như một con số thật có thể làm hệ số chặn trở nên khó diễn giải.

Nếu biến độc lập được đo bằng thang Likert từ 1 đến 5, giá trị 0 nằm ngoài miền quan sát. Trong trường hợp này, hệ số chặn là điểm ngoại suy về mặt toán học. Bạn ghi nhận điều đó thay vì cố tìm một ngưỡng tốt xấu cho intercept.

Kiểm tra phần dư và giả định mô hình

Vào Analyze > Regression > Linear, đưa biến phụ thuộc vào Dependent và các biến giải thích vào Independent(s). Chọn Statistics để xem các chỉ số cần thiết, chọn Plots để kiểm tra phần dư và chọn Save nếu cần lưu giá trị dự đoán hoặc phần dư.

Bạn nên xem mô hình có dấu hiệu phương sai phần dư thay đổi, phần dư bất thường hoặc đa cộng tuyến hay không. Những vấn đề này liên quan đến độ tin cậy của ước lượng và diễn giải hệ số, chứ không được giải quyết bằng cách tùy tiện chỉnh hệ số chặn.

Xem xét biến trung tâm hóa khi có cơ sở

Nếu mô hình có biến tương tác hoặc bạn cần diễn giải hệ số chính tại một điểm tham chiếu, việc mean-centering có thể hữu ích. Đây là quyết định về cách xây dựng biến, không phải thủ thuật để làm p-value của Constant đẹp hơn. Bạn cần ghi rõ cách biến được biến đổi trước khi chạy lại mô hình.

Chỉ bỏ intercept khi mô hình có lý do rõ ràng

Một số mô hình đặc thù có thể bị buộc đi qua gốc tọa độ, nhưng quyết định này phải có lý do lý thuyết hoặc thiết kế đo lường. Trong luận văn khảo sát dùng thang Likert, tự động chọn mô hình không có hệ số chặn thường khó giải trình. Nếu giảng viên yêu cầu thử mô hình này, hãy báo cáo rõ tùy chọn và so sánh cơ sở lựa chọn.

Phân biệt hệ số chặn với hệ số hồi quy chưa chuẩn hóa

Hệ số chặn và hệ số hồi quy chưa chuẩn hóa đều nằm trong cột B, nhưng chúng có vị trí và ý nghĩa khác nhau. Hệ số chặn nằm ở dòng (Constant). Hệ số hồi quy chưa chuẩn hóa nằm ở dòng của từng biến độc lập.

Câu hỏi “hệ số hồi quy chưa chuẩn hóa là gì” thường xuất hiện khi bạn nhìn thấy cột B. Nếu cần hỏi “hệ số hồi quy chưa chuẩn hóa bao nhiêu là tốt”, câu trả lời cũng không phải một con số cố định. Hệ số phải được đọc cùng đơn vị đo, dấu, độ lớn tương đối, khoảng tin cậy và ý nghĩa lý thuyết.

Một hệ số chưa chuẩn hóa bằng 0,08 có thể đáng kể trong một thang đo hẹp, còn hệ số bằng 2,00 có thể không phù hợp nếu Y chỉ dao động từ 1 đến 5. Đừng so sánh trực tiếp các giá trị B khi các biến độc lập có đơn vị khác nhau. Khi cần so sánh tương đối, xem thêm cột Beta.

Lỗi thường gặp

Lỗi đầu tiên là gọi Constant là hệ số tác động của một biến độc lập. Nó không đại diện cho biến nào trong mô hình. Lỗi thứ hai là lấy Beta thay cho B khi viết phương trình, làm mất đơn vị đo ban đầu của biến.

Lỗi tiếp theo là kết luận mô hình không đạt chỉ vì Sig. của Constant lớn hơn 0,05. Bạn cần xem ANOVA, R Square, các hệ số của biến độc lập và giả định hồi quy. Một lỗi khác là diễn giải hệ số chặn như một quan sát thực tế dù tất cả biến độc lập bằng 0 không nằm trong dữ liệu.

Bạn cũng có thể gặp trường hợp hệ số hồi quy trái dấu với giả thuyết. Khi đó không được đổi dấu trong bảng hoặc xóa biến chỉ để kết quả khớp kỳ vọng. Hãy kiểm tra cách mã hóa biến, biến đảo chiều, tương quan giữa các biến, đa cộng tuyến và bối cảnh lý thuyết. Nếu dấu âm vẫn ổn định, hãy báo cáo đúng kết quả và giải thích theo phạm vi nghiên cứu.

Cuối cùng, đừng nhầm hồi quy tuyến tính với hồi quy logistic. Hệ số của logistic có cách diễn giải khác, thường gắn với log-odds hoặc odds ratio. Dùng sai loại mô hình sẽ khiến cả hệ số chặn lẫn hệ số của biến độc lập bị diễn giải sai.

Đọc thêm: bài tập hồi quy tuyến tính có lời giải, chủ đề thong ke.

Câu hỏi thường gặp

Hệ số chặn trong SPSS nằm ở đâu

Hệ số chặn nằm trong bảng Coefficients, tại dòng (Constant) và cột Unstandardized Coefficients, cụ thể là cột B. Bạn không lấy hệ số chặn ở bảng Model Summary hay bảng ANOVA.

Hệ số chặn âm có sao không

Hệ số chặn âm không tự động cho thấy mô hình sai. Nó cho biết giá trị dự đoán của Y khi các biến độc lập bằng 0 là âm. Nếu giá trị 0 nằm ngoài miền dữ liệu, ý nghĩa thực tế của con số này có thể rất hạn chế, dù phương trình vẫn cần hệ số chặn.

Hệ số chặn có Sig. lớn hơn 0,05 phải làm sao

Bạn không nên xóa hệ số chặn chỉ vì Sig. lớn hơn 0,05. Hãy kiểm tra cách mã hóa, miền giá trị, giả định hồi quy và lý do lý thuyết của mô hình. Trong nhiều mô hình hồi quy khảo sát, intercept được giữ để phương trình được ước lượng đầy đủ.

Hệ số hồi quy trái dấu phải làm sao

Kiểm tra biến đảo chiều, mã hóa thang đo, outlier, đa cộng tuyến và mối quan hệ giữa các biến. Sau đó đối chiếu với giả thuyết và nền tảng lý thuyết. Nếu dữ liệu cho kết quả trái dấu và các kiểm tra vẫn phù hợp, bạn báo cáo dấu thực tế thay vì sửa kết quả.

Có cần báo cáo hệ số chặn trong luận văn không

Thông thường nên đưa dòng (Constant) trong bảng hồi quy hoặc phương trình hồi quy, đặc biệt khi bạn trình bày đầy đủ output. Phần diễn giải có thể tập trung vào các biến độc lập nếu giá trị 0 của chúng không có ý nghĩa thực tế.

Cách viết vào luận văn: “Kết quả hồi quy cho thấy hệ số chặn của mô hình bằng [B_Constant], với t = [giá trị t] và Sig. = [p-value]. Khi các biến độc lập bằng 0, giá trị dự đoán của [tên biến phụ thuộc] là [B_Constant]. Do giá trị 0 của các biến độc lập [có/không có] ý nghĩa trong bối cảnh nghiên cứu, hệ số chặn được diễn giải ở mức [toán học/thực tiễn] như sau: [diễn giải].”

Bạn hãy mở lại file .sav, tìm dòng (Constant) trong bảng Coefficients, rồi đối chiếu B, t và Sig. với phương trình của chính mô hình. Nếu cần chạy và diễn giải toàn bộ phân tích trên dữ liệu thật, bạn có thể dùng module M4 phân tích.