Cách chạy hồi quy logistic trong SPSS từ A đến Z

Khi nào dùng hồi quy logistic

Bạn dùng hồi quy logistic khi biến phụ thuộc là một kết quả phân loại, thường có hai trạng thái như có hoặc không, mua hoặc không mua, tiếp tục hoặc rời bỏ. Trong mô hình nhị phân, biến kết quả cần được mã hóa thành hai giá trị, thường là 0 và 1. Các biến độc lập có thể là biến định lượng, biến thứ bậc hoặc biến phân loại đã được mã hóa phù hợp.

Ví dụ, đề tài của bạn muốn kiểm định liệu thu nhập, độ tuổi và mức độ hài lòng có ảnh hưởng đến khả năng khách hàng mua lại hay không. Khi đó, Mua_lai = 1 và Mua_lai = 0 là biến phụ thuộc. Câu hỏi nghiên cứu có dạng: biến X có làm thay đổi khả năng xảy ra kết quả Y hay không.

Hồi quy logistic ước lượng xác suất xảy ra kết quả, sau đó chuyển xác suất này sang log odds. Vì vậy, output có các cột như B, S.E., Wald, df, Sig. và Exp(B), thay vì chỉ có hệ số và p-value như hồi quy tuyến tính.

Bạn cần phân biệt thủ tục này với hồi quy tuyến tính. Hồi quy tuyến tính phù hợp khi biến phụ thuộc là một giá trị định lượng liên tục, chẳng hạn điểm trung bình ý định mua. Hồi quy logistic phù hợp khi kết quả cần dự đoán thuộc một trong hai nhóm. Nếu bạn đang phân vân giữa hai thủ tục, hãy kiểm tra bản chất của biến phụ thuộc trước khi mở SPSS.

Chuẩn bị dữ liệu trước khi chạy

Kiểm tra cách mã hóa biến phụ thuộc

Mở Variable View và kiểm tra biến phụ thuộc. Với binary logistic regression, biến này phải có hai nhóm. Bạn có thể dùng mã 0 và 1, trong đó 1 là kết quả mà mô hình cần dự đoán. Ví dụ, Y = 1 nghĩa là khách hàng có ý định mua, Y = 0 nghĩa là chưa có ý định mua.

Không nên nhập chữ Có và Không rồi đưa trực tiếp vào mô hình. Hãy tạo biến số mới nếu dữ liệu hiện tại đang ở dạng chữ. Trong Values, khai báo rõ nhãn cho 0 và 1 để lúc đọc dữ liệu bạn không nhầm chiều của kết quả.

Kiểm tra biến độc lập và nhóm tham chiếu

Biến độc lập định lượng có thể là điểm trung bình của một thang đo, tuổi, thu nhập hoặc số lần mua. Biến phân loại như giới tính, khu vực hay nhóm khách hàng cần được mã hóa và khai báo nhóm tham chiếu. SPSS sẽ tạo biến giả cho biến phân loại khi bạn đưa biến đó vào ô Categorical.

Nếu biến độc lập là điểm trung bình từ nhiều biến quan sát, bạn cần hoàn tất xử lý thang đo trước. Kiểm tra biến đảo chiều, chạy Cronbach's Alpha và tính điểm đại diện theo đúng quy trình của đề tài. Việc đưa từng biến quan sát chưa kiểm định vào logistic có thể làm mô hình khó giải thích.

Xử lý dữ liệu thiếu và quan sát bất thường

Vào Analyze > Descriptive Statistics > Frequencies để xem giá trị thiếu, mã 99, 999 hoặc các mã quy ước khác. Những mã này không được để SPSS hiểu như một giá trị thật. Bạn cần khai báo missing hoặc thay thế theo quy trình đã nêu trong phương pháp nghiên cứu.

Kiểm tra xem biến phụ thuộc có đủ cả hai nhóm hay không. Nếu toàn bộ quan sát đều bằng 0 hoặc bằng 1, SPSS không thể ước lượng mô hình nhị phân. Bạn cũng nên xem tần số của từng nhóm. Một nhóm quá ít quan sát có thể khiến hệ số rất lớn, sai số chuẩn lớn hoặc mô hình không hội tụ.

Các biến độc lập có tương quan quá mạnh cũng gây khó khăn khi diễn giải. Bạn có thể tham khảo hướng dẫn đa cộng tuyến là gì để kiểm tra VIF và tolerance bằng một mô hình hồi quy phụ trợ. Theo (Hair và cộng sự, 2019), VIF dưới 5 là ngưỡng thường được dùng khi báo cáo PLS-SEM, nhưng khi áp dụng cho logistic bạn vẫn cần giải thích cách kiểm tra phù hợp với mô hình của mình.

Các bước chạy hồi quy logistic trong SPSS

Bước 1: Mở thủ tục Binary Logistic Regression

Trên thanh menu, chọn Analyze > Regression > Binary Logistic.... Hộp thoại Logistic Regression xuất hiện. Đưa biến kết quả nhị phân vào ô Dependent, sau đó đưa các biến dự báo vào ô Covariates.

Nếu biến độc lập là biến phân loại, chưa nên để SPSS xử lý như biến liên tục. Chọn nút Categorical..., chuyển biến phân loại sang ô bên phải, chọn nhóm tham chiếu ở Contrast. Thông thường, bạn có thể chọn First hoặc Last, nhưng phải ghi rõ nhóm nào đang được dùng làm mốc so sánh.

Bước 2: Chọn cách đưa biến vào mô hình

Trong mục Method, Enter đưa toàn bộ biến độc lập vào mô hình cùng lúc. Đây thường là lựa chọn dễ bảo vệ hơn nếu các biến đã được đề xuất từ mô hình lý thuyết và giả thuyết nghiên cứu.

Các phương pháp Forward và Backward có thể chọn biến dựa trên tiêu chí thống kê. Bạn cần thận trọng khi dùng chúng vì mô hình cuối cùng có thể không còn phản ánh đầy đủ giả thuyết ban đầu. Nếu luận văn có mô hình nghiên cứu xác định trước, nên ưu tiên Enter và trình bày rõ cơ sở chọn biến.

Bước 3: Chọn bảng thống kê và biểu đồ cần thiết

Chọn Options... rồi đánh dấu CI for exp(B) để SPSS hiển thị khoảng tin cậy của Exp(B). Bạn có thể giữ mức 95% mặc định nếu đề cương không yêu cầu khác. Đánh dấu Hosmer-Lemeshow goodness-of-fit để xem thêm kiểm định độ phù hợp của mô hình.

Trong cùng hộp thoại, chọn Classification plots nếu cần xem phân loại dự đoán. Có thể chọn Casewise listing of residuals để kiểm tra những quan sát có phần dư lớn. Không cần chọn mọi tùy chọn nếu bảng output trở nên quá dài, vì mục tiêu là giữ lại các bảng phục vụ câu hỏi nghiên cứu.

Bước 4: Thiết lập xác suất phân loại và chạy mô hình

Nút Save... cho phép lưu xác suất dự đoán hoặc nhóm dự đoán vào Data View. Nếu chỉ cần kiểm định tác động của các biến độc lập, bạn có thể chưa cần lưu các biến này. Khi đã kiểm tra các lựa chọn, nhấn Continue, sau đó nhấn OK.

SPSS thường xuất ra các bảng Omnibus Tests of Model Coefficients, Model Summary, Hosmer and Lemeshow Test, Classification Table và Variables in the Equation. Hãy lưu file .spv và ghi lại phiên bản dữ liệu, các biến đã đưa vào mô hình cùng phương pháp Enter hay phương pháp khác.

Đọc kết quả output

Đọc Omnibus Tests of Model Coefficients

Bảng Omnibus Tests of Model Coefficients kiểm tra mô hình có biến độc lập tốt hơn mô hình chỉ có hằng số hay không. Bạn chú ý cột Sig. ở dòng Model. Nếu p-value nhỏ hơn mức ý nghĩa đã chọn, có cơ sở cho rằng tập biến độc lập giúp cải thiện mô hình so với mô hình rỗng.

Bảng này chưa cho biết biến nào có ảnh hưởng. Muốn kết luận từng giả thuyết, bạn phải đọc Variables in the Equation.

Đọc Model Summary và Hosmer-Lemeshow Test

Model Summary thường có -2 Log likelihood, Cox & Snell R Square và Nagelkerke R Square. Hai chỉ số pseudo R Square không nên diễn giải y hệt R² của hồi quy tuyến tính. Bạn có thể dùng chúng để mô tả mức độ cải thiện hoặc khả năng giải thích tương đối của mô hình, nhưng cần ghi đúng tên chỉ số.

Với Hosmer and Lemeshow Test, bạn xem cột Sig. và diễn giải theo quy ước của tài liệu phương pháp mà khoa yêu cầu. Không nên chỉ nhìn một kiểm định rồi tuyên bố mô hình hoàn hảo. Hãy đọc đồng thời Omnibus Test, bảng phân loại, pseudo R Square và các hệ số.

Đọc Variables in the Equation

Đây là bảng quan trọng nhất khi kiểm định tác động của từng biến. B là hệ số trên thang log odds. S.E. là sai số chuẩn, Wald là thống kê kiểm định, df là bậc tự do, Sig. là p-value, còn Exp(B) là odds ratio.

Ví dụ minh họa dưới đây chỉ là số liệu giả lập để bạn nhận diện đúng cột trong output SPSS, không phải kết quả của một nghiên cứu thực tế.

Variables in the Equation, số liệu minh họa

Trong ví dụ, Hài lòng có Sig. = 0.001, hệ số B dương và Exp(B) = 2.100. Cách đọc là khi điểm hài lòng tăng một đơn vị, odds xảy ra kết quả Y = 1 được ước tính tăng theo hệ số odds ratio 2.100, trong điều kiện các biến khác giữ nguyên. Đây là cách diễn giải odds, không nên viết thành xác suất tăng đúng 210%.

Với Tuổi, B âm và Exp(B) = 0.918, odds của kết quả Y = 1 có xu hướng giảm khi tuổi tăng một đơn vị, nếu các điều kiện khác giữ nguyên. Nếu biến phân loại có nhiều nhóm, mỗi dòng sẽ được so sánh với nhóm tham chiếu đã chọn trong Categorical....

Classification Table cho biết tỷ lệ phân loại đúng theo ngưỡng xác suất mặc định. Chỉ số này dễ bị ảnh hưởng khi hai nhóm có kích thước rất chênh lệch, nên không dùng nó một mình để kết luận mô hình tốt.

Tiêu chí đánh giá

Bạn nên chốt trước mức ý nghĩa, cách mã hóa Y, nhóm tham chiếu và tiêu chí đọc output. Bảng dưới đây là bản kiểm tra thực hành. Cột nguồn chỉ dùng các tài liệu nằm trong danh mục được phép trích dẫn.

Các ngưỡng trên không thay thế việc đọc thiết kế nghiên cứu. Đặc biệt, đừng lấy CFI, TLI hoặc RMSEA của CB-SEM để đánh giá binary logistic. Những chỉ số đó thuộc nhóm đánh giá mô hình cấu trúc hiệp phương sai và không phải bảng tiêu chuẩn của thủ tục này.

Cách viết kết quả vào luận văn

Bạn nên viết theo thứ tự: mô hình tổng thể, độ phù hợp hoặc khả năng phân loại, sau đó đến từng biến độc lập. Luôn nêu tên bảng, hệ số, p-value và Exp(B) nếu bạn diễn giải odds ratio. Với biến không có ý nghĩa thống kê, hãy ghi đúng kết quả thay vì cố tìm một cách giải thích có lợi cho giả thuyết.

Bạn có thể điều chỉnh đoạn sau theo số liệu thật của mình: “Kết quả hồi quy logistic cho thấy mô hình gồm [tên các biến] có [có/không có] ý nghĩa thống kê so với mô hình chỉ có hằng số, với p-value = [giá trị]. Trong bảng Variables in the Equation, biến [X] có hệ số B = [giá trị], p-value = [giá trị] và Exp(B) = [giá trị]. Vì p-value [nhỏ hơn/lớn hơn] [mức ý nghĩa], giả thuyết H[ ] được [chấp nhận/không được ủng hộ].”

Nếu đề tài dùng nhóm tham chiếu, thêm câu: “So với nhóm [nhóm tham chiếu], nhóm [nhóm so sánh] có odds xảy ra [kết quả Y = 1] [cao hơn/thấp hơn] theo Exp(B) = [giá trị], trong điều kiện các biến khác không đổi.” Bạn chỉ điền số sau khi kiểm tra mã hóa và chiều của biến.

Khi cần đối chiếu cách trình bày mô hình hồi quy nói chung, bạn có thể xem thêm mô hình hồi quy tuyến tính, phương trình hồi quy tuyến tính và bài tập hồi quy tuyến tính có lời giải. Các trang này không thay thế output logistic, nhưng giúp bạn phân biệt cách báo cáo hệ số, kiểm định và biến trong mô hình.

Lỗi thường gặp khi chạy hồi quy logistic

Lỗi đầu tiên là đưa biến phụ thuộc có nhiều hơn hai nhóm vào Binary Logistic. Nếu kết quả có ba nhóm trở lên, bạn cần xem lại mục tiêu nghiên cứu và thủ tục phù hợp, không ép dữ liệu vào mô hình nhị phân bằng cách gộp nhóm tùy tiện.

Lỗi thứ hai là mã hóa ngược kết quả. Nếu 1 đang có nghĩa là “không mua” nhưng bạn viết “khả năng mua tăng”, toàn bộ diễn giải sẽ sai chiều. Hãy kiểm tra Value Labels, bảng tần số và nhóm sự kiện trước khi đọc Exp(B).

Lỗi thứ ba là chỉ nhìn Sig. rồi bỏ qua B, Exp(B) và khoảng tin cậy. Một p-value nhỏ cho biết bằng chứng thống kê theo mức đã chọn, nhưng chưa cho biết hướng và độ lớn của mối liên hệ. Báo cáo cần có cả ba phần này.

Lỗi thứ tư là dùng Forward hoặc Backward để loại biến cho đến khi bảng đẹp, sau đó không ghi lại quy trình. Nếu biến bị loại vì lý do thống kê, bạn cần nói rõ phương pháp đã dùng và giới hạn của kết quả. Với mô hình có giả thuyết định trước, Enter thường dễ giải trình hơn.

Lỗi cuối là sao chép bảng output vào chương 4 mà không diễn giải. Bạn nên chọn những bảng trả lời trực tiếp câu hỏi nghiên cứu, đặt tên bảng nhất quán và giải thích nhóm tham chiếu. SPSS chỉ cung cấp con số, còn kết luận phải bám vào mô hình và cách mã hóa trong đề tài.

Câu hỏi thường gặp

Hồi quy logistic nhị phân trong SPSS là gì?

Đây là thủ tục dùng để dự đoán một biến phụ thuộc có hai kết quả. SPSS ước lượng mối liên hệ giữa các biến độc lập và khả năng xảy ra kết quả được mã hóa là 1.

Khi nào dùng hồi quy logistic và khi nào dùng hồi quy tuyến tính?

Dùng logistic khi biến phụ thuộc là hai nhóm như có hoặc không. Dùng tuyến tính khi biến phụ thuộc là điểm số hoặc đại lượng liên tục. Bạn hãy nhìn loại biến kết quả trước, thay vì chọn thủ tục theo tên đề tài.

Exp(B) trong hồi quy logistic là gì?

Exp(B) là odds ratio, được tính từ hệ số B. Nó mô tả mức thay đổi của odds xảy ra kết quả Y = 1 khi biến độc lập tăng một đơn vị hoặc khi một nhóm được so sánh với nhóm tham chiếu.

Bạn không nên gọi Exp(B) là phần trăm xác suất tăng. Xác suất và odds có quan hệ với nhau nhưng không phải cùng một đại lượng.

Hồi quy logistic bị lỗi không hội tụ thì làm sao?

Trước hết, kiểm tra biến phụ thuộc có đủ hai nhóm, nhóm nhỏ có quá ít quan sát hay không, biến độc lập có giá trị thiếu hoặc mã lỗi hay không. Sau đó kiểm tra các biến dự báo có tương quan quá mạnh, có nhóm phân loại gần như tách hoàn toàn kết quả hay không.

Bạn có thể chạy lại sau khi sửa lỗi dữ liệu, nhưng không nên tự động xóa biến chỉ vì mô hình chưa đẹp. Ghi lại từng thay đổi và trao đổi với giảng viên nếu lỗi vẫn còn.

Có cần chạy kiểm định Hosmer-Lemeshow không?

Bảng Hosmer and Lemeshow Test là một phần thường được báo cáo để xem mức độ phù hợp của mô hình. Tuy nhiên, bạn nên đọc nó cùng với Omnibus Tests, Model Summary, Classification Table và Variables in the Equation, thay vì dùng một bảng duy nhất để kết luận toàn bộ mô hình.

Bạn hãy mở lại file .sav, kiểm tra mã 0 và 1 của biến phụ thuộc, chạy theo đường dẫn Analyze > Regression > Binary Logistic..., rồi lưu bảng Variables in the Equation cùng các tiêu chí đã chọn vào hồ sơ phân tích; nếu cần chạy trên chính file dữ liệu của mình, bạn có thể xem M4 phân tích của DoThesis.