Logistic regression là gì? Cách đọc kết quả trên SPSS

Logistic regression là gì

Bạn dùng logistic regression khi biến phụ thuộc chỉ có hai kết quả, chẳng hạn có mua hoặc không mua, có ý định nghỉ việc hoặc không, khách hàng hài lòng hoặc không hài lòng. Mô hình này ước lượng xác suất một kết quả xảy ra dựa trên một hoặc nhiều biến độc lập. Trong SPSS, bạn thường gặp tên thủ tục là Binary Logistic Regression.

Điểm cần nhớ là logistic regression không dự đoán trực tiếp một điểm số liên tục như hồi quy tuyến tính. Mô hình dự đoán xác suất thuộc về nhóm được mã hóa là 1. Nếu biến MUA_HANG được mã hóa 0 = không mua và 1 = có mua, mô hình sẽ ước lượng xác suất khách hàng có mua dựa trên tuổi, thu nhập, nhận thức giá trị hoặc các biến giải thích khác.

Công thức thường được trình bày dưới dạng logit:

ln[p/(1-p)] = B0 + B1X1 + B2X2 + ... + BkXk

Trong đó p là xác suất biến phụ thuộc bằng 1, B0 là hằng số, còn B1, B2... là hệ số của các biến độc lập. Khi đọc output SPSS, bạn thường tập trung vào B, S.E., Wald, df, Sig. và Exp(B) trong bảng Variables in the Equation.

Nếu bạn đang phân biệt biến nhị phân với thang đo dùng để đo khái niệm, có thể xem thêm bài scale là gì. Đây là bước giúp tránh đưa nhầm điểm trung bình của thang đo vào vị trí biến phụ thuộc nhị phân.

Ý nghĩa của logistic regression trong nghiên cứu định lượng

Câu hỏi chính của logistic regression là: các biến độc lập có liên quan đến khả năng xảy ra kết quả hay không, và mức liên quan đó đi theo chiều nào. Ví dụ, đề tài có thể kiểm tra liệu cảm nhận hữu ích, độ tin cậy và chi phí cảm nhận có ảnh hưởng đến quyết định sử dụng một ứng dụng hay không.

Bạn có thể dùng mô hình cho ba mục đích. Thứ nhất, kiểm định các giả thuyết về ảnh hưởng của từng biến độc lập. Thứ hai, diễn giải mức thay đổi của odds thông qua Exp(B), còn gọi là odds ratio. Thứ ba, đánh giá mức độ phù hợp chung của mô hình qua các bảng như Omnibus Tests of Model Coefficients, -2 Log likelihood, Cox & Snell R Square, Nagelkerke R Square và Hosmer and Lemeshow Test.

Ví dụ, nếu Exp(B) của biến CHAT_LUONG lớn hơn 1, mức CHAT_LUONG cao hơn thường đi cùng odds xảy ra kết quả bằng 1 cao hơn, trong điều kiện các biến khác trong mô hình được giữ cố định. Nếu Exp(B) nhỏ hơn 1, odds có xu hướng giảm. Cách diễn giải này phải đi kèm hướng mã hóa biến và khoảng đo cụ thể, nếu không câu kết luận sẽ dễ bị đảo chiều.

Logistic regression phù hợp với biến phụ thuộc nhị phân. Nếu biến phụ thuộc có ba nhóm không có thứ tự, bạn cần xem xét multinomial logistic regression. Nếu các nhóm có thứ tự, ordinal logistic regression có thể phù hợp hơn. Nếu kết quả là điểm số liên tục, hồi quy tuyến tính thường là hướng phân tích cần xem xét. Vì vậy, đừng chọn thủ tục chỉ vì bảng output có nhiều chỉ số dễ đưa vào chương 4.

Bạn cũng cần phân biệt logistic regression với kiểm định mối quan hệ giữa hai biến phân loại. Khi mô hình có nhiều biến kiểm soát và mục tiêu là ước lượng xác suất, logistic regression cho phép xem xét các biến đồng thời. Với các mô hình có biến trung gian hoặc điều tiết, hãy xác định rõ vai trò của từng biến. Bạn có thể tham khảo thêm mediator, moderator và moderating trước khi xây dựng mô hình.

Logistic regression bao nhiêu là đạt

Logistic regression không có một con số duy nhất quyết định toàn bộ mô hình đạt hay không. Bạn cần đọc đồng thời sự phù hợp chung, khả năng phân loại, ý nghĩa của từng hệ số và các vấn đề về dữ liệu. Một giá trị Nagelkerke R Square cao hơn không tự động chứng minh mọi giả thuyết đều đúng.

Bảng dưới đây là checklist thực hành. Các ngưỡng có thể áp dụng chỉ được nêu ở nơi có nguồn trong danh mục tài liệu của DoThesis. Với các chỉ số riêng của logistic regression mà danh mục không quy định một ngưỡng chung, bạn nên báo cáo giá trị quan sát và giải thích theo thiết kế nghiên cứu thay vì tự gắn nhãn đạt hoặc không đạt.

Với Hosmer and Lemeshow Test, hãy đọc Sig. cùng cách SPSS mô tả kiểm định và bối cảnh dữ liệu. Bạn không nên viết một câu máy móc rằng một giá trị lớn hơn hay nhỏ hơn một con số nào đó luôn chứng minh mô hình tốt nếu chưa thống nhất cách diễn giải với giảng viên.

Với Exp(B), hãy chú ý cách chuyển sang phần trăm khi cần. Nếu odds ratio là 1,20, odds cao hơn khoảng 20% trong điều kiện các biến khác giữ nguyên. Nếu odds ratio là 0,80, odds thấp hơn khoảng 20%. Đây là thay đổi của odds, không phải xác suất tăng hoặc giảm đúng 20 điểm phần trăm.

Cách đọc logistic regression trên output

Trong SPSS, mở Analyze > Regression > Binary Logistic. Đưa biến nhị phân vào Dependent, các biến giải thích vào Covariates. Nếu có biến phân loại, đưa biến đó vào Categorical để SPSS tạo nhóm tham chiếu phù hợp. Trong Options, bạn có thể chọn các thống kê cần báo cáo, nhưng hãy ghi lại nhóm tham chiếu và cách mã hóa trước khi chạy.

Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế. Giả sử biến phụ thuộc là Y_SU_DUNG, trong đó 1 = có ý định sử dụng và 0 = không có ý định sử dụng.

Đọc dòng CHAT_LUONG trước. Hệ số B dương và Exp(B) bằng 2,321 cho thấy khi điểm CHAT_LUONG tăng một đơn vị, odds có ý định sử dụng được ước lượng cao hơn, với điều kiện các biến khác không đổi. Cột Sig. bằng 0,004 được so sánh với mức ý nghĩa bạn đã chọn trong đề cương. Chỉ sau bước này bạn mới kết luận giả thuyết tương ứng được ủng hộ hay không.

Dòng CHI_PHI có B âm và Exp(B) bằng 0,597. Cách diễn giải là khi chi phí cảm nhận tăng một đơn vị, odds có ý định sử dụng có xu hướng giảm, giữ các biến khác cố định. Bạn cần kiểm tra lại câu hỏi đảo chiều và mã hóa trước khi viết kết luận, vì một biến được đo theo hướng “chi phí càng thấp càng tốt” sẽ làm dấu của hệ số dễ bị hiểu ngược.

Dòng TU_TIN có Sig. bằng 0,535 trong số liệu minh họa. Nếu mức ý nghĩa của nghiên cứu thấp hơn giá trị này, bằng chứng chưa đủ để kết luận biến có ảnh hưởng thống kê trong mô hình. Không nên viết rằng biến này “không có tác động trong thực tế”, vì kết quả không có ý nghĩa thống kê khác với bằng chứng chứng minh tác động bằng 0.

Ngoài bảng Variables in the Equation, hãy xem Omnibus Tests of Model Coefficients để đánh giá mô hình có cải thiện so với mô hình chỉ có hằng số hay không. Xem Model Summary để báo cáo -2 Log likelihood, Cox & Snell R Square và Nagelkerke R Square. Xem Classification Table để mô tả tỷ lệ phân loại, nhưng không dùng một tỷ lệ phân loại cao làm bằng chứng duy nhất cho chất lượng mô hình khi nhóm 0 và nhóm 1 mất cân bằng.

Khi logistic regression không đạt thì xử lý thế nào

Trước tiên, quay lại kiểm tra biến phụ thuộc. Đảm bảo biến thật sự có hai nhóm, mã hóa đúng 0 và 1, không có giá trị ngoài dự kiến, và số lượng quan sát ở mỗi nhóm đủ để mô hình có cơ sở ước lượng. Mở Analyze > Descriptive Statistics > Frequencies để xem tần suất trước khi chạy lại.

Tiếp theo, kiểm tra dữ liệu thiếu, giá trị ngoại lệ và cách nhập biến. Một vài dòng dữ liệu có giá trị sai có thể làm hệ số rất lớn hoặc làm mô hình không hội tụ. Bạn có thể xem hướng xử lý outliers, nhưng đừng xóa quan sát chỉ để làm Sig. đẹp hơn. Mỗi trường hợp loại phải có lý do từ dữ liệu hoặc tiêu chí đã nêu trước trong phương pháp.

Sau đó, xem các biến độc lập có trùng lặp nội dung quá nhiều hay không. Tương quan cao giữa các biến có thể làm sai số chuẩn tăng, hệ số đổi dấu hoặc một biến có ý nghĩa ở mô hình riêng nhưng không còn ý nghĩa trong mô hình đầy đủ. Hãy kiểm tra tương quan, VIF trong phân tích bổ sung và ý nghĩa lý thuyết trước khi quyết định gộp hoặc loại biến.

Nếu mô hình không hội tụ, giảm số biến đưa vào cùng lúc theo mô hình lý thuyết, kiểm tra ô trống, kiểm tra nhóm có quá ít quan sát và xem lại biến có giá trị gần như giống nhau ở mọi dòng. Nếu có hiện tượng tách hoàn toàn, một biến có thể dự đoán hoàn hảo nhóm kết quả. Khi đó, không nên chạy đi chạy lại với nhiều cách mã hóa để tìm một output thuận lợi. Hãy ghi nhận giới hạn và trao đổi với giảng viên về cách đặc tả mô hình.

Các lựa chọn như đổi sang multinomial logistic, ordinal logistic hoặc dùng phương pháp khác chỉ phù hợp khi bản chất biến phụ thuộc yêu cầu như vậy. Đổi thủ tục vì kết quả hiện tại không đẹp là cách giải trình yếu khi bảo vệ. SPSS thuận tiện cho thao tác menu, R linh hoạt hơn khi cần kiểm soát mã lệnh, còn AMOS phù hợp với CB-SEM chứ không phải lựa chọn mặc định cho biến phụ thuộc nhị phân. SmartPLS cũng không thay thế tự động cho logistic regression truyền thống.

Phân biệt logistic regression với hồi quy tuyến tính và probit

Hồi quy tuyến tính thường dự đoán một biến phụ thuộc liên tục và cho kết quả trên thang đo của biến đó. Logistic regression dự đoán xác suất của một kết quả nhị phân, sau đó biểu diễn tác động qua log odds hoặc odds ratio. Nếu bạn dùng hồi quy tuyến tính cho biến chỉ có 0 và 1 mà không có lý do phương pháp rõ ràng, các giả định và cách diễn giải có thể không phù hợp.

Probit regression cũng xử lý kết quả nhị phân nhưng dùng hàm liên kết dựa trên phân phối chuẩn tích lũy, trong khi logistic regression dùng hàm logistic. Hai mô hình thường cho kết luận gần nhau ở nhiều bối cảnh, nhưng hệ số không được so sánh trực tiếp như thể chúng cùng một thang đo. Chọn mô hình nào cần dựa trên thiết kế nghiên cứu, quy ước của ngành và yêu cầu của giảng viên.

Logistic regression cũng khác với Classification Table. Logistic regression là mô hình ước lượng quan hệ giữa biến phụ thuộc và biến giải thích. Classification Table là một phần output dùng để xem mô hình phân loại các trường hợp theo ngưỡng dự đoán. Bảng này không thay thế cho việc đọc hệ số, khoảng tin cậy hoặc ý nghĩa của từng biến.

Lỗi thường gặp

Lỗi đầu tiên là gọi mọi hệ số trong bảng Variables in the Equation là “mức tăng của xác suất”. B là hệ số trên thang log odds, còn Exp(B) là odds ratio. Muốn nói về xác suất, bạn cần nêu rõ xác suất ban đầu và điều kiện so sánh, không suy ra trực tiếp từ B.

Lỗi thứ hai là quên nhóm tham chiếu của biến phân loại. Nếu biến GIOI_TINH được đưa vào Categorical, output có thể hiển thị một nhóm so với nhóm tham chiếu. Một kết luận như “giới tính ảnh hưởng tích cực” chưa đủ rõ nếu không nói nhóm nào đang được so sánh với nhóm nào.

Lỗi thứ ba là chỉ nhìn Nagelkerke R Square rồi kết luận mô hình tốt. Đây là chỉ số giả lập dành cho logistic regression, không nên diễn giải y hệt R² của hồi quy tuyến tính. Hãy báo cáo thêm kiểm định chung, hệ số từng biến, khả năng phân loại và các kiểm tra dữ liệu liên quan.

Lỗi thứ tư là dùng ngưỡng của mô hình khác. Chẳng hạn, CFI, TLI, RMSEA và SRMR thuộc nhóm chỉ số fit của CB-SEM, được trình bày trong (Hu và Bentler, 1999), không phải bộ tiêu chí mặc định cho logistic regression. Đưa các chỉ số này vào bảng logistic regression khiến chương 4 trông đầy số nhưng sai ngữ cảnh.

Câu hỏi thường gặp

Logistic regression là gì và dùng khi nào?

Đây là mô hình dùng để ước lượng xác suất một kết quả nhị phân xảy ra dựa trên một hoặc nhiều biến độc lập. Bạn dùng nó khi biến phụ thuộc có hai nhóm, chẳng hạn có mua và không mua, có ý định sử dụng và không có ý định sử dụng.

Logistic regression có cần biến phụ thuộc mã hóa 0 và 1 không?

Nên mã hóa rõ hai nhóm thành 0 và 1 để SPSS nhận diện kết quả cần dự đoán và giúp bạn diễn giải Exp(B) nhất quán. Trước khi chạy, hãy kiểm tra tần suất và ghi rõ nhóm nào là 0, nhóm nào là 1 trong phần phương pháp.

Exp(B) bao nhiêu là đạt?

Exp(B) không có một ngưỡng đạt chung. Giá trị lớn hơn 1 cho thấy odds của kết quả bằng 1 có xu hướng cao hơn khi biến độc lập tăng một đơn vị, còn giá trị nhỏ hơn 1 cho thấy odds có xu hướng thấp hơn. Bạn vẫn phải xem Sig., hướng mã hóa và khoảng tin cậy nếu output có cung cấp.

Logistic regression bị lỗi không hội tụ thì làm sao?

Hãy kiểm tra giá trị thiếu, nhóm có quá ít quan sát, biến phụ thuộc chỉ có một nhóm, biến độc lập gần như không thay đổi và hiện tượng một biến dự đoán hoàn toàn kết quả. Sau đó chạy lại theo mô hình lý thuyết gọn hơn và ghi nhận từng thay đổi. Nếu vẫn lỗi, cần trao đổi về đặc tả mô hình thay vì xóa dữ liệu tùy ý.

Có thể dùng logistic regression cho biến phụ thuộc Likert không?

Nếu bạn dùng một biến Likert nhiều mức làm biến phụ thuộc, binary logistic regression chỉ phù hợp sau khi có cơ sở hợp lý để mã hóa thành hai nhóm. Nếu giữ nguyên nhiều mức có thứ tự, ordinal logistic regression có thể phù hợp hơn. Quyết định này phải được giải thích trong phương pháp, không chỉ dựa vào việc SPSS cho phép bạn đưa biến vào ô Dependent.

Khi file .sav đang mở, việc tiếp theo là kiểm tra mã hóa biến phụ thuộc, chạy Analyze > Regression > Binary Logistic, lưu các bảng output và ghi lại nhóm tham chiếu trước khi diễn giải. Nếu bạn cần chạy mô hình trên chính file .sav hoặc .csv và chuyển kết quả thành bảng rõ ràng, M4 phân tích dữ liệu là module phù hợp.