Residual là gì? Cách đọc phần dư trong hồi quy SPSS

Residual là gì

Nếu bạn đang chạy hồi quy tuyến tính trong SPSS, residual là phần chênh lệch giữa giá trị thực tế của biến phụ thuộc và giá trị mà mô hình dự đoán. Nói ngắn gọn, mô hình dự đoán một người có điểm Y bằng 4,2 nhưng điểm quan sát thực tế là 4,8, residual của quan sát đó là 0,6.

Công thức cơ bản là:

Residual_i = Y_i - Ŷ_i

Trong đó Y_i là giá trị thực tế, còn Ŷ_i là giá trị dự đoán từ phương trình hồi quy. Residual dương nghĩa là mô hình dự đoán thấp hơn thực tế. Residual âm nghĩa là mô hình dự đoán cao hơn thực tế. Residual bằng 0 nghĩa là dự đoán khớp đúng với quan sát đó.

Trong SPSS, bạn thường gặp các tên gần nhau như RES_1, ZRESID, SRESID, SDRESID hoặc cột Residual Statistics. Đây là các cách lưu và chuẩn hóa phần dư, không phải những biến nghiên cứu mới. Vì vậy, trước khi kết luận mô hình có vấn đề, bạn cần biết mình đang đọc loại residual nào.

Residual không phải là một thang đo như scale là gì, cũng không phải một biến dùng để kiểm định tác động của mediator hay moderator. Nó là thông tin về sai số dự đoán của mô hình sau khi các biến độc lập đã được đưa vào phương trình.

Ý nghĩa của residual trong nghiên cứu định lượng

Residual giúp bạn trả lời một câu hỏi rất thực tế: mô hình hồi quy có bỏ sót một dạng sai lệch rõ ràng nào không. Nếu các residual phân bố tương đối ngẫu nhiên quanh giá trị 0, phương sai không thay đổi quá mạnh và không có vài quan sát quá khác biệt, các giả định của hồi quy có cơ sở tốt hơn.

Bạn thường dùng residual để kiểm tra ba nhóm vấn đề.

Thứ nhất là tính tuyến tính. Khi vẽ ZPRED với ZRESID, các điểm nên phân tán khá ngẫu nhiên quanh đường 0. Nếu xuất hiện hình cong, hình chữ U hoặc một xu hướng rõ ràng, quan hệ giữa biến độc lập và biến phụ thuộc có thể không tuyến tính.

Thứ hai là homoscedasticity, tức phương sai của sai số tương đối ổn định. Nếu các điểm tạo thành hình cái phễu, residual nhỏ ở một đầu và càng lúc càng rộng ở đầu kia, mô hình có thể gặp heteroscedasticity. Khi đó, hệ số hồi quy vẫn có thể được tính, nhưng sai số chuẩn và kết luận về ý nghĩa thống kê cần được xem xét thận trọng.

Thứ ba là outlier và điểm ảnh hưởng mạnh. Một residual có trị tuyệt đối lớn cho thấy mô hình dự đoán kém ở quan sát đó. Tuy nhiên, residual lớn chưa đủ để kết luận phải xóa dòng dữ liệu. Bạn còn cần xem leverage, Cook's Distance và bối cảnh câu trả lời. Cách kiểm tra này liên quan trực tiếp đến việc phát hiện outliers trong bộ dữ liệu.

Residual cũng giúp bạn kiểm tra phân phối gần chuẩn của sai số. Với hồi quy, điều cần quan tâm là phần dư, không phải mọi biến quan sát riêng lẻ đều bắt buộc phải có phân phối chuẩn tuyệt đối. Bạn nên kết hợp histogram, Normal P-P Plot và biểu đồ scatterplot thay vì nhìn một con số duy nhất.

Residual bao nhiêu là đạt

Residual gốc không có một ngưỡng cố định áp dụng cho mọi đề tài. Nếu biến phụ thuộc được đo trên thang Likert 1 đến 5, residual 1 có ý nghĩa khác với residual 1 trong mô hình dự đoán doanh thu tính bằng triệu đồng. Vì vậy, đừng kết luận residual gốc đạt hay không đạt chỉ dựa vào trị số tuyệt đối.

Trong thực hành, người ta thường xem standardized residual hoặc studentized residual để đưa các sai số về cùng một thang so sánh. Bảng dưới đây tóm tắt các mốc thường dùng và nguồn của từng tiêu chí. Những mốc này là hướng dẫn chẩn đoán, không thay thế việc xem biểu đồ và bối cảnh dữ liệu.

Mốc standardized residual từ -3 đến +3 thường được dùng để sàng lọc ban đầu. Một điểm vượt mốc này cần được mở hồ sơ kiểm tra: giá trị quan sát có nhập sai không, người trả lời có hoàn thành bảng hỏi hợp lệ không, điểm đó có thuộc đúng đối tượng nghiên cứu không, và điểm đó có làm thay đổi hệ số hồi quy hay không.

Durbin-Watson là chỉ số liên quan đến tự tương quan của phần dư, đặc biệt thường được quan tâm khi dữ liệu có thứ tự thời gian hoặc thứ tự quan sát. Với dữ liệu khảo sát cắt ngang, bạn vẫn có thể báo cáo chỉ số này nếu quy trình của khoa yêu cầu, nhưng không nên xem nó là bằng chứng duy nhất cho mọi giả định hồi quy.

Cách đọc residual trên output

Tạo residual trong SPSS

Mở Analyze > Regression > Linear. Đưa biến phụ thuộc vào ô Dependent, các biến độc lập vào ô Independent(s). Trong cửa sổ chính, chọn Statistics và đánh dấu Durbin-Watson nếu bạn cần chỉ số này. Chọn Plots, đưa *ZPRED vào trục X và *ZRESID vào trục Y, sau đó chọn Normal probability plot nếu muốn xem P-P Plot.

Để lưu residual, trong hộp thoại hồi quy chọn Save. Ở nhóm Residuals, đánh dấu Standardized hoặc Studentized tùy mục tiêu kiểm tra. SPSS sẽ tạo thêm một cột trong Data View. Tên cột có thể thay đổi theo số lần bạn chạy mô hình, chẳng hạn ZRE_1, SRE_1 hoặc tên tương tự.

Đọc bảng Residual Statistics

Bảng Residual Statistics thường có các cột Minimum, Maximum, Mean, Std. Deviation và N. Với residual gốc, Mean thường rất gần 0 khi mô hình có hằng số. Bạn xem Minimum và Maximum để biết phạm vi sai số, nhưng phải đặt chúng cạnh đơn vị đo của biến phụ thuộc.

Ví dụ dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật:

Với bảng minh họa này, standardized residual nằm trong khoảng -2,91 đến 2,76. Chưa có quan sát nào vượt vùng -3 đến +3, nhưng kết luận cuối cùng vẫn cần dựa vào biểu đồ và các chỉ số ảnh hưởng. Giá trị Mean của residual gần 0 là phù hợp với cách residual được tính trong mô hình có hằng số.

Đọc biểu đồ ZPRED và ZRESID

Trong scatterplot, trục X là ZPRED, trục Y là ZRESID. Bạn tìm một đám mây điểm phân tán tương đối đều quanh đường ngang 0. Hình cái phễu, hình cong hoặc một cụm điểm tách biệt là dấu hiệu cần kiểm tra thêm.

Nếu biểu đồ không đẹp hoàn toàn, bạn không cần chạy lại mô hình ngay. Dữ liệu khảo sát thực tế hiếm khi tạo ra một đám mây điểm hoàn hảo. Hãy lưu biểu đồ, ghi nhận đặc điểm bất thường, sau đó kiểm tra outlier, cách mã hóa biến, dữ liệu thiếu và các biến có thể bị nhập ngược.

Đọc studentized residual

Studentized residual là residual được điều chỉnh theo ước lượng độ lệch chuẩn, thường có ích khi so sánh các quan sát trong những mô hình có độ ảnh hưởng khác nhau. Trong SPSS, bạn có thể lưu Studentized residual từ nút Save. Đừng gộp studentized residual với standardized residual như thể chúng là một cột duy nhất. Hãy ghi đúng tên chỉ số trong chương kết quả.

Khi residual không đạt thì xử lý thế nào

Kiểm tra lỗi dữ liệu trước

Mở Data View và tìm dòng có standardized residual hoặc studentized residual lớn. Đối chiếu mã người trả lời, các biến cấu thành điểm trung bình và quy tắc đảo chiều. Một biến đảo chiều chưa xử lý có thể làm mô hình méo đi, nhưng xóa dòng chỉ vì residual lớn sẽ làm mất dấu vết của vấn đề.

Bạn cũng nên xem giá trị có nằm ngoài khoảng hợp lệ không. Với Likert 1 đến 5, một giá trị 55 có thể là lỗi nhập dữ liệu. Với dữ liệu hợp lệ nhưng cực đoan, cần ghi nhận lý do giữ hoặc loại quan sát trong file theo dõi xử lý dữ liệu.

Kiểm tra ảnh hưởng của quan sát

Residual lớn chỉ nói rằng mô hình dự đoán chưa tốt ở một dòng. Hãy xem thêm Cook's Distance, leverage và thay đổi của hệ số khi chạy mô hình có và không có quan sát đó. Nếu loại một dòng làm kết luận thay đổi hoàn toàn, bạn cần giải trình rõ hơn với giảng viên.

Xem lại dạng mô hình

Nếu scatterplot có hình cong, mô hình tuyến tính có thể chưa mô tả đúng quan hệ giữa biến. Bạn có thể xem lại cơ sở lý thuyết, cách tạo biến tổng hợp hoặc khả năng có biến điều tiết. Khi nghiên cứu moderation, việc diễn giải tác động sẽ khác với hồi quy trực tiếp, nên bạn có thể tham khảo thêm hướng dẫn về moderating và moderator.

Nếu phương sai thay đổi rõ, hãy trao đổi về cách báo cáo sai số chuẩn phù hợp hoặc phương án mô hình khác. Đừng chỉ xóa các điểm có residual lớn để làm biểu đồ đẹp hơn. Hội đồng thường hỏi lý do loại dữ liệu, chứ không chỉ nhìn vào bảng output sau cùng.

Phân biệt residual với standardized residual và studentized residual

Residual là sai số ở đơn vị gốc của biến phụ thuộc. Nếu Y đo từ 1 đến 5, residual cũng được tính theo thang của Y. Nó dễ hiểu về mặt thực tế, nhưng khó so sánh khi các mô hình dùng những đơn vị khác nhau.

Standardized residual là residual đã chuẩn hóa, thường có trung bình gần 0 và độ lệch chuẩn gần 1. Nó giúp bạn nhận diện những quan sát có sai số tương đối lớn. Cột này phù hợp khi đọc scatterplot ZPRED và ZRESID.

Studentized residual được điều chỉnh thêm theo độ biến thiên của phần dư và ảnh hưởng của từng quan sát. Tùy tài liệu hoặc phiên bản SPSS, tên hiển thị có thể khác nhau. Vì vậy, bạn nên nhìn đúng nhãn trong hộp thoại Save và ghi lại tên biến SPSS đã tạo.

Residual cũng dễ bị nhầm với predicted value. Predicted value là giá trị mô hình dự đoán. Residual là khoảng cách giữa giá trị thực tế và giá trị dự đoán. Hai cột này đi cùng nhau nhưng trả lời hai câu hỏi khác nhau.

Cuối cùng, residual không đồng nghĩa với outlier. Một quan sát có residual lớn có thể là outlier theo hướng Y, nhưng để kết luận nó là điểm bất thường có ảnh hưởng, bạn cần kết hợp nhiều chỉ số. Một quan sát có leverage cao đôi khi có residual không quá lớn nhưng vẫn tác động mạnh đến phương trình.

Lỗi thường gặp

Lỗi đầu tiên là tìm một ngưỡng residual gốc áp dụng cho mọi bộ dữ liệu. Bạn cần dùng standardized residual hoặc studentized residual khi muốn so sánh tương đối, đồng thời ghi rõ loại residual đang đọc.

Lỗi thứ hai là thấy một điểm vượt ±3 rồi xóa ngay. Hãy kiểm tra lỗi nhập, tính hợp lệ của bảng trả lời, Cook's Distance và kết quả trước sau khi xử lý. Nếu giữ điểm, bạn có thể trình bày rằng điểm được giữ vì dữ liệu hợp lệ và không có căn cứ phương pháp để loại.

Lỗi thứ ba là chỉ nhìn bảng Coefficients mà bỏ qua biểu đồ residual. Hệ số có p-value nhỏ chưa chứng minh mọi giả định hồi quy đều phù hợp. Bạn cần đọc Model Summary, ANOVA, Coefficients, Residual Statistics và biểu đồ chẩn đoán như một nhóm bằng chứng.

Lỗi thứ tư là dùng tiêu chí của CB-SEM cho mọi mô hình. CFI, TLI, RMSEA và SRMR thuộc nhóm chỉ số fit thường dùng trong CB-SEM theo (Hu và Bentler, 1999), không phải ngưỡng để đánh giá residual trong hồi quy tuyến tính thông thường hay PLS-SEM.

Lỗi cuối là viết kết luận quá mạnh. Một câu như “residual đạt nên mô hình hoàn toàn chính xác” không phù hợp. Residual chỉ cung cấp bằng chứng về sai số và giả định của mô hình, không chứng minh quan hệ nhân quả hoặc đảm bảo mô hình không bỏ sót biến.

Câu hỏi thường gặp

Residual là gì trong hồi quy SPSS?

Residual là phần chênh lệch giữa giá trị thực tế của biến phụ thuộc và giá trị dự đoán từ phương trình hồi quy. Công thức là Y - Ŷ. Residual dương khi mô hình dự đoán thấp hơn giá trị thực tế, và âm khi mô hình dự đoán cao hơn giá trị thực tế.

Residual bao nhiêu là đạt?

Residual gốc không có một ngưỡng chung vì còn phụ thuộc đơn vị đo của biến phụ thuộc. Với standardized residual, khoảng -3 đến +3 thường được dùng để sàng lọc quan sát bất thường, nhưng bạn cần kiểm tra thêm biểu đồ, leverage và Cook's Distance trước khi xử lý.

Standardized residual trên 3 có phải xóa dữ liệu không?

Chưa thể kết luận phải xóa. Bạn cần kiểm tra dòng dữ liệu đó có lỗi nhập, vi phạm điều kiện mẫu hoặc câu trả lời không hợp lệ không. Nếu dữ liệu hợp lệ, có thể giữ lại và giải trình, đồng thời báo cáo phân tích độ nhạy nếu việc giữ hoặc loại quan sát làm thay đổi kết quả.

Standardized residual và studentized residual khác nhau thế nào?

Cả hai đều là dạng residual được chuẩn hóa để dễ so sánh, nhưng cách điều chỉnh và ý nghĩa chẩn đoán không hoàn toàn giống nhau. Standardized residual thường dùng trong scatterplot ZPRED và ZRESID; studentized residual có điều chỉnh liên quan đến độ biến thiên và ảnh hưởng của từng quan sát.

Đọc residual ở bảng nào trong SPSS?

Bạn xem bảng Residual Statistics để đọc Minimum, Maximum, Mean và Std. Deviation. Bạn xem scatterplot ZPRED với ZRESID để kiểm tra hình dạng phân tán. Nếu cần kiểm tra quan sát bất thường, hãy lưu standardized hoặc studentized residual bằng nút Save trong hộp thoại Analyze > Regression > Linear.

Residual có giống outlier không?

Residual lớn là một dấu hiệu có thể liên quan đến outlier, nhưng hai khái niệm không đồng nhất. Outlier cần được xem cùng residual, leverage, Cook's Distance và bối cảnh dữ liệu. Không nên xóa một quan sát chỉ vì một chỉ số vượt mốc tham khảo.

Mở lại file .sav, chạy Analyze > Regression > Linear, lưu ZRESID và Studentized residual, sau đó đối chiếu từng điểm bất thường với dữ liệu gốc trước khi viết nhận xét vào chương 4; nếu cần chạy trọn quy trình trên dữ liệu thật, bạn có thể dùng M4 phân tích dữ liệu.