tiểu luận xây dựng mô hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa các quốc gia trên thế giới

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH






Môn: PHÂN TÍCH ĐNNH LƯỢNG







Tiểu luận:









Danh sách nhóm 7:
Phạm Anh Tuấn
Nguyễn Trọng An
Hoàng Ngọc Lâm
Đoàn Ngọc Châu

Nguyễn Thành Sơn
Tôn Thất Kỳ Nam





2009










DANH SÁCH CÁC THÀNH VIÊN NHÓM 7


STT MSHV HỌ VÀ TÊN
1 MBA.0832 Phạm Anh Tuấn
2 MBA.0801 Nguyễn Trọng An
3 MBA.0814 Hoàng Ngọc Lâm
4 MBA.0805 Đoàn Ngọc Châu
5 MBA.0826 Nguyễn Thành Sơn
6 MBA.0816 Tôn Thất Kỳ Nam
ĐẠI HỌC MỞ BÁN CÔNG CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
TP HỒ CHÍ MINH Độc lập – Tự do – Hạnh phúc

ĐỀ KIỂM TRA
MÔN: PHÂN TÍCH ĐNN H LƯỢN G
LỚP: MBA8
Ghi chú: Sinh viên làm bài theo nhóm


Yêu cầu:
Sử dụng dữ liệu trong file World 95 Tieng Viet.sav đính kèm, bạn hãy tự xây dựng cho mình một
mô hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa các quốc gia trên thế giới.
Bạn được tự do lựa chọn các biến giải thích để đưa vào mô hình cũng như tự quyết định dạng thức
của các liên hệ giữa biến giải thích và biến kết quả.
Hãy mô tả chi tiết quá trình xây dựng mô hình của bạn và tăng tính thuyết phục của mô hình này
bằng các công cụ chNn đoán và đánh giá mô hình. Giải thích ý nghĩa các kết quả của mô hình rút ra.
Sản phẩm nộp:
1. Bài làm dạng file Word (có ghi tên các thành viên của nhóm ở trang đầu)
2. File output SPSS
Cả 2 file được đặt tên như sau MBA8_KT_nhomX (X là số thứ tự nhóm)
Hình thức:
File Word định dạng khổ giấy A4 (canh lề 2cm mỗi phía),
font chữ Time N ew Roman, cỡ 12 points
Cách đoạn (Spacing before) 6 points, giãn dòng (line spacing) 1.2



Chúc thành công!

Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8

Mục Lục

LỜI N ÓI ĐẦU.

I. MÔ HÌN H HỒI QUI ĐƠN TUYẾN TÍN H:
1. Xây dựng phương trình của mô hình hồi đơn tuyến tính từ dữ liệu mẫu.
2. Đánh giá độ phù hợp của mô hình.
3. Kiểm định các giả thiết.
a. Kiểm định giả thiết về độ phù hợp của mô hình (phân tích phương sai)
b. Kiểm định giả thiết về ý nghĩa của hệ số hồi qui.
4. Vận dụng để xây dựng một mô hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa
các quốc gia trên thế giới.

II. MÔ HÌN H HỒI QUI TUYẾN TÍN H BỘI:
1. Xem xét ma trận hệ số tương quan.
2. Xây dựng mô hình.
3. Đánh giá độ phù hợp của mô hình hồi qui tuyến tính bội.
4. Kiểm định độ phù hợp của mô hình.
5. Ý nghĩa các hệ số hồi qui riêng phần trong mô hình.
6. Lựa chọn biến cho mô hình.

KẾT LUẬN .










Trang 1
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8

LỜI NÓI ĐẦU

Phân tích định lượng là một môn khoa học về đo lường các mối quan hệ kinh tế xã hội diễn ra trong
thực tế. N gày nay, nó là sự kết hợp giữa các lý thuyết kinh tế hiện đại, thống kê toán học và máy vi
tính, nhằm định lượng các mối quan hệ kinh tế xã hội, dự báo khả năng phát triển hay diễn biến của
các hiện tượng kinh tế xã hội và phân tích chính sách.

Một khía cạnh quan trọng trong nghiên cứu kinh tế xã hội là nghiên cứu để tìm hiểu, đưa ra các
quyết định thay đổi cho tương lai. Phán đoán tốt, trực giác và quan tâm đến thực trạng của nền kinh
tế, môi trường kinh doanh và môi trường xã hội có thể cho người nghiên cứu một ý tưởng sơ bộ hay
“cảm giác” về những gì có thể xảy ra trong tương lai. Tuy nhiên, chuyển từ cảm giác thành con số
để có thể sử dụng một cách hiệu quả thì khá khó khăn. Phân tích dữ liệu thống kê giúp các nhà
nghiên cứu và quản lý dự đoán thực tế phức tạp của kinh tế và xã hội trong tương lai ít rủi ro hơn.
N hững người ra quyết định và người quản lý thành công nhất chính là những người có thể hiểu
thông tin và sử dụng thông tin hiệu quả.

Một trong những nội dung chính của môn phân tích định lượng là phân tích hồi qui – nghiên cứu sự
phụ thuộc của một biến (biến phụ thuộc) vào một hay nhiều biến khác (các biến độc lập), với ý
tưởng là ước lượng (hay dự đoán) giá trị trung bình của biến phụ thuộc trên cơ sở các giá trị biết
trước của các biến độc lập. Đây là nội dung chính của tiểu luận mà nhóm chúng em sẽ trình bày.

N hân đây, chúng em muốn tỏ lòng biết ơn sâu sắc đến thầy Hoàng Trọng, người đã hết
lòng tận tụy truyền đạt những kiến thức quý báu và chia sẻ những kinh nghiệm thực tế của
bản thân cho khóa học MBA8 và chúng em cũng xin kính chúc Thầy được dồi dào sức khỏe
và luôn luôn thành công trong con đường sự nghiệp.


Tp.HCM, ngày 20 tháng 02 năm 2009
Các thành viên nhóm 7
Trang 2
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8

I. MÔ HÌNH HỒI QUI ĐƠN TUYẾN TÍNH:
Một đồ thị phân tán là công cụ hữu ích có thể cho chúng ta thấy nhiều loại liên hệ giữa hai biến ta
đang khảo sát. Một số dạng liên hệ thường gặp giữa hai biến định lượng:

Không có tương quan
Tương quan nghịch Tương quan thuận

N gười ta dùng một số thống kê có tên là hệ số tương quan Pearson (ký hiệu là r) để lượng hóa mức
độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Trong đó:
-1 ≤ r ≤ 1
9 r có thể âm hoặc dương, trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan
tuyến tính chặt chẽ.
9 Trị tuyệt đối của r = 1 : Khi tất cả các điểm phân tán xếp thành một đường thẳng.
9 Giá trị r = 0 : Khi hai biến không có mối liên hệ tuyến tính
Phân tích hồi qui trước hết là đo mức độ tuyến tính giữa hai biến, nhằm ước lượng hay dự báo một
biến trên cơ sở giá trị đã cho của một biến khác. Về mặt kỹ thuật, trong phân tích hồi qui, các biến
không có tính chất đối xứng. Biến phụ thuộc là đại lượng ngẫu nhiên, biến giải thích là phi ngẫu
nhiên, giá trị của chúng đã được xác định.

1. Xây dưng phương trình của mô hình hồi đơn tuyến tính từ dữ liệu mẫu:
Xét mối liên hệ tuyến tính giữa một biến phụ thuộc và một biến độc lập. Mô hình được xây dựng từ
dữ liệu mẫu có dạng đường thẳng như sau:
Ŷ
i
= B
0
+ B
1
*X
Trong đó:
9 X
i
: là trị quan sát thứ i của biến độc lập
9 Ŷ
i

: là giá trị dự đoán (hay giá trị lý thuyết) thứ i của biến phụ thuộc, dấu mũ đại diện
cho giá trị dự đoán.
Trang 3
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8

9 B0 và B1 : là hệ số hồi qui. Phương pháp dùng để xác định B
0
(tung độ của vị trí tại đó
đường thẳng cắt trục tung) và B
1
(độ dốc) là phương pháp bình phương nhỏ nhất thông
thường (OLS – Ordinary Least Square), nghĩa là ta phải tìm ra Ŷ
i
sao cho nó càng gần
với giá trị thực (Y
i
) càng tốt. Đường thẳng được tìm ra dựa trên nguyên tắc nó cực tiểu
hóa tổng các độ lệch bình phương giữa tung độ của các điểm dữ liệu quan sát và đường
thẳng.
Khi chỉ có một biến độc lập thì mô hình hồi qui tuyến tính tổng thể có thể được mô tả như sau:
Y
i
= β
0
+ β
1
* X + e
i

9 β

1
, β
0
: là các hệ số độ dốc và hằng số của tổng thể
9 e
i
: sai số thực, là chênh lệch giữa giá trị thực Y
i
quan sát được và giá trị dự báo (do ảnh
hưởng của các yếu tố khác chưa nghiên cứu tới), tức là:
e
i
= (Y - Ŷ
i
) = Y
i
– (β
0
+ β
1
* X)

2. Đánh giá độ phù hợp của mô hình:
Một công việc quan trọng của bất kỳ thủ tục thống kê xây dựng mô hình từ dữ liệu mẫu nào cũng
đều là chứng minh sư phù hợp của mô hình. Để biết mô hình hồi qui tuyến tính đã xây dựng phù
hợp đến mức độ nào, ta dùng một thước đo là hệ số xác định R
2
(Coefficient of Determination).

SST

SSR
R =
2
0 ≤ R
2
≤ 1

Trong đó:
9 SST (Total Sum of Squares) : là tổng bình phương của tất cả các sai lệch giữa các giá trị
quan sát Yi với giá trị trung bình của chúng.
9 SSR (Sum of Squares explained by Regression) : là tổng bình phương của tất cả các sai lệch
giữa giá trị của biến Y tính theo hàm hồi qui mẫu với giá trị trung bình. Phần này đo độ
chính xác của hàm hồi qui.
9 Mặt khác: SST = SSR + SSE

¾ Nếu R
2
= 1 : thì đường hồi qui phù hợp “hoàn hảo”, tất cả sai lệch của Y (so với giá trị trung
bình) đều giải thích được bởi mô hình hồi qui.
¾ Nếu R
2
= 0 : chứng tỏ các biến X và Y không có quan hệ.

Nếu hàm hồi qui mẫu phù hợp tốt với các số liệu quan sát thì SSR sẽ càng lớn hơn SSE. Nếu tất cả
các giá trị quan sát của Yi đều nằm trên đường hồi qui (Ŷ) thì SSR sẽ bằng SST và do đó SSE=0.
N gược lại, nếu hàm hồi qui mẫu kém phù hợp với các giá trị quan sát thì SSE sẽ càng lớn hơn SSR.
(xem hình)
Trang 4
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 5

3. Kiểm định các giả thiết:

Ta tiến hành qua hai bước sau:

a. Kiểm định giả thiết về độ phù hợp của mô hình (phân tích phương sai):
Xây dựng xong mô hình hồi qui tuyến tính, ta phải xem xét độ phù hợp của mô hình đối với tập dữ
liệu qua giá trị R
2
. Để kiểm định độ phù hợp của mô hình hồi qui tổng thể, ta đặt giả thiết R
2
=0.
Nếu sau khi kiểm định ta có đủ bằng chứng bác bỏ giả thiết H
0
: R
2

pop
=0 thì kết luận mô hình hồi
qui tuyến tính xây dựng được phù hợp với tổng thể. Đại lượng F được sử dụng cho kiểm định này.
Nếu xác suất F nhỏ thì giả thiết R
2
pop
=0 bị bác bỏ. Tính F theo công thức sau:

Trong SPSS, số liệu tính F được lấy từ bảng phân tích phương sai ANOVA(b):



b. Kiểm định giả thiết về ý nghĩa của hệ số hồi qui:
Mặc dù mô hình hồi qui tuyến tính mẫu ta xây dựng được có giá trị độ dốc B
1
≠ 0, nhưng ta chưa
thể chắc chắn độ dốc của mô hình tổng thể khác 0. Vì vậy, ta phải làm kiểm định để có kết luân về
β
1
. Giả thiết dùng để kiểm định giả thiết này là H
0
: β
1
=0, ta kỳ vọng giả thiết này sẽ bị bác bỏ vì nếu
β
1
=0, nghĩa là Y độc lập với X. Do đó, mối quan hệ tương quan tuyến tính ta nhận thấy ở mẫu xảy
ra là do ngẫu nhiên, mô hình hồi qui tuyến tính ta đã xây dựng được dựa trên một mối quan hệ “giả”
giữa hai biến.
Trị thống kê dùng để kiểm định giả thiết là:

Trong SPSS, ta xem số liệu ở hai cột cuối cùng (là t và Sig. - hệ số độ dốc) trong bảng
Coefficients(a):
1

)(
Y)-Y
^
(
1
2
1
2
−−
−
=
∑
∑
=
=
pN
Y
p
F
N
i
i
N
i
Y
i
^
sidualSquareMean
gressionMeanSquare
F

Re
Re
=
1
1
B
S
B
t =
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8

4. Vận dụng để xây dựng một mơ hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa
các quốc gia trên thế giới:

Trong mơ hình này, với:
 Tuổi thọ TB của phụ nữ là biến phụ thuộc
 Lần lượt xét từng chỉ tiêu còn lại với vai trò là biến độc lập.

Trong SPSS, ta thực hiện các thao tác sau:
 Graphs / Scatter … : để vẽ đồ thị phân tán cho từng cặp biến (giữa biến phụ thuộc với một
biến độc lập).
 Analyze / Correlate / Bivariate … : để tính được r của mẫu và thực hiện kiểm định giả thiết
về hệ số tương quan tuyến tính của tổng thể.
 Analyze / Regression / Linear … : Xây dựng mơ hình hồi qui đơn tuyến tính

a. Vẽ đồ thị phân tán cho từng cặp biến:

+ Tuổi thọ trung bình của phụ nữ theo Số lượng dân:

Sè l−ỵng d©n

1400000
1200000
1000000
800000
600000
400000
200000
0
-200000
Ti thä TB cđa phơ n÷
90
80
70
60
50
40

Correlations


Tuổi thọ TB
phụ nữ
Số lượng
dân
Pearson Correlation
1 071
Sig. (2-tailed)
. .461
Tuổi thọ TB phụ nữ
N

109 109
Pearson Correlation
071 1
Sig. (2-tailed)
.461 .
Số lượng dân
N
109
109




Trang 6
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8

+ Tuổi thọ trung bình phụ nữ với Mật độ dân số (người/Km2):
MËt ®é d©n sè (ng−êi/Km2)
6000500040003000200010000-1000
Ti thä TB phơ n÷
90
80
70
60
50
40

Correlations

Tuổi thọ TB
phụ nữ
Mật độ dân
số
(người/km2)
Pearson Correlation
1 .128
Sig. (2-tailed)
. .186
Tuổi thọ TB phụ nữ
N
109 109
Pearson Correlation
.128 1
Sig. (2-tailed)
.186 .
Mật độ dân số
(người/km2)

N
109 109
+ Tuổi thọ trung bình phụ nữ với Tỉ lệ dân sống ở vùng đơ thị (%):
TØ lƯ d©n sèng ë vïng ®« thÞ (%)
120100806040200
Ti thä TB phơ n÷
90
80
70
60
50

40

Correlations


Tuổi thọ TB
phụ nữ
Tỉ lệ dân
sống ở vùng
đô thò (%)
Pearson Correlation
1 .743(**)
Sig. (2-tailed)
. .000
Tuổi thọ TB phụ nữ
N
109 108
Pearson Correlation
.743(**) 1
Sig. (2-tailed)
.000 .
Tỉ lệ dân sống ở vùng
đô thò (%)
N
108 108
** Correlation is significant at the 0.01 level (2-tailed).
+ Tuổi thọ trung bình phụ nữ với Tỉ lệ dân biết chữ (%):
TØ lƯ d©n biÕt ch÷ (%)
120100806040200
Ti thä TB phơ n÷

90
80
70
60
50
40

Correlations


Tuổi thọ TB
phụ nữ
Tỉ lệ dân biết
chữ (%)
Pearson
Correlation
1 .865(**)
Sig. (2-tailed)
. .000
Tuổi thọ TB phụ nữ
N
109 107
Pearson
Correlation
.865(**) 1
Sig. (2-tailed)
.000 .
Tỉ lệ dân biết chữ
(%)
N

107 107
** Correlation is significant at the 0.01 level (2-tailed).
Trang 7
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8

+ Tuổi thọ trung bình phụ nữ với Tốc độ tăng dân số (%/năm):
Tèc ®é t¨ng d©n sè (%/n¨m)
6543210-1
Ti thä TB phơ n÷
90
80
70
60
50
40

Correlations


Tuổi thọ
TB phụ nữ
Tốc độ tăng
dân số
(%/năm)
Pearson Correlation
1 579(**)
Sig. (2-tailed)
. .000
Tuổi thọ TB phụ nữ
N

109 109
Pearson Correlation
579(**) 1
Sig. (2-tailed)
.000 .
Tốc độ tăng dân số
(%/năm)
N
109 109
** Correlation is significant at the 0.01 level (2-tailed).

+ Tuổi thọ trung bình phụ nữ với Tỉ suất tử trẻ sơ sinh o/oo:
TØ st tư trỴ s¬ sinh o/oo
2001000-100
Ti thä TB phơ n÷
90
80
70
60
50
40

Correlations


Tuổi thọ
TB phụ nữ
Tỉ suất tử trẻ
sơ sinh o/oo
Pearson

Correlation
1 962(**)
Sig. (2-tailed)
. .000
Tuổi thọ TB phụ nữ
N
109 109
Pearson
Correlation
962(**) 1
Sig. (2-tailed)
.000 .
Tỉ suất tử trẻ sơ sinh
o/oo
N
109 109
** Correlation is significant at the 0.01 level (2-tailed).
+ Tuổi thọ trung bình phụ nữ với GDP tính trên đầu người (USD):
Correlations

GDP tÝnh trªn ®Çu ng−êi (USD)
3000020000100000-10000
Ti thä TB phơ n÷
90
80
70
60
50
40
GDP tính

Tuổi thọ
trên đầu
TB phụ nữ
người (USD)

Pearson
1 .642(**)
Correlation

Sig. (2-tailed)
. .000
Tuổi thọ TB phụ nữ
N
109 109
Pearson
.642(**) 1
Correlation
Sig. (2-tailed)
.000 .
GDP tính trên đầu
người (USD)
N
109 109
** Correlation is si
g
nificant at the 0.01 level
(
2-tailed
)
.

Trang 8
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 9

+ Tuổi thọ trung bình phụ nữ với Calori nạp hàng ngày trung bình một người:
Calori n¹p hμng ngμy TB mét ng−êi
4000300020001000
Ti thä TB phơ n÷
90
80
70
60
50
40

+ Tuổi thọ trung bình phụ nữ với Tỉ suất sinh o/oo:
TØ st sinh o/oo
6050403020100
Ti thä TB phơ n÷
90
80
70
60
50
40

+ Tuổi thọ trung bình phụ nữ với Số con trung bình của một phụ nữ:
Sè con TB cđa mét phơ n÷
987654321
Ti thä TB phơ n÷

90
80
70
60
50
40

Correlations



Tuổi thọ
TB phụ nữ
Calori nạp
hàng ngày
TB 1 người
Pearson Correlation
1 .775(**)
Sig. (2-tailed)
. .000
Tuổi thọ TB phụ nữ
N
109 75
Pearson Correlation
.775(**) 1
Sig. (2-tailed)
.000 .
Calori nạp hàng ngày TB
1 người
N

75 75
** Correlation is significant at the 0.01 level (2-tailed).
Correlations


Tuổi thọ TB
phụ nữ
Tỉ suất sinh
o/oo
Pearson
Correlation
1 862(**)
Sig. (2-
tailed)
. .000
Tuổi thọ TB phụ nữ
N
109 109
Pearson
Correlation
862(**) 1
Sig. (2-
tailed)
.000 .
Tỉ suất sinh o/oo
N
109 109
**
Correlation is significant at the 0.01 level (2
-

tailed).
Correlations


Tuổi thọ
TB phụ nữ
Số con TB
của 1 phụ nữ
Pearson
Correlation
1 838(**)
Sig. (2-tailed)
. .000
Tuổi thọ TB phụ nữ
N
109 107
Pearson
Correlation
838(**) 1
Sig. (2-tailed)
.000 .
Số con TB của 1
phụ nữ
N
107 107
** Correlation is significant at the 0.01 level (2-tailed).
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 10

+ Tuổi thọ trung bình phụ nữ với Tỉ lệ nữ giới biết chữ (%):

TØ lƯ n÷ giíi biÕt ch÷ (%)
120100806040200
Ti thä TB phơ n÷
90
80
70
60
50
40



b. Hệ số tượng quan r:

Quan sát trên các bảng Correlations, tại vị trí (**), ta chọn giá tr ệt đối a nó
càng tiến gần đến 1, điều đó có nghĩa là hai biến có mối tương quan tuyến tính chặt chẽ. Ta có thể
chọn một trong các biến sau làm biến giải thích:
¾ Tương quan thuận:
 Tỉ lệ dân sống ở vùng đơ thị, ứng với r = 0.743
 Tỉ lệ dân biết chữ (%), ứng với r = 0.865
 Calori nạp hàng ngày TB một người, ứng v i r = 0.775
 Tỉ lệ nữ giới biết chữ (%), ứng với r = 0.819
¾ Tương quan nghịch:
 Tỉ suất tử trẻ sơ sinh o/oo, ứng với r = -0.962
 Tỉ suất sinh, ứng với r = -0.862
em xin chọn biến “Số con TB của một phụ nữ” làm biến giải thích.



Correla

ị nào mà có giá trị tuy củ
ớ
 Số con TB của một phụ nữ, ứng với r = -0.838

Trong các trường hợp nêu trên,
tions

Tuổi thọ
TB phụ nữ
Tỉ lệ nữ giới
biết chữ (%)
Pearson
Correlation
1 .819(**)
Sig. (2-tailed)
. .000
Tuổi thọ TB phụ nữ
N
109 85
Pearson
Correlation
.819(**) 1
Sig. (2-tailed)
.000 .
Tỉ lệ nữ giới biết
chữ (%)
N
85 85
** Correlation is significant at the 0.01 level (2-tailed).

Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 11

ồi đơn tuyến tính từ dữ liệu mẫu:

Sử dụng SPSS ào menu Analyze / Regression / Linear
… Vớ
 Phụ thuộc (Dependent) là “Tuổi thọ TB phụ nữ”
ết quả thu được như sau:
Regression

Variables Entered/Removed(b)

c. Xây dưng phương trình của mơ hình h
để tính tốn ra đường thẳng này, bằng cách v
i biến:
 Và biến độc lập (Independents) là “Số con TB của một phụ nữ”
K

Model Variables Entered Variables Removed Method
1
Số con TB của 1 phụ nữ(a) . Enter
a All requested variables entered.

b Dependent Variable: Tuổi thọ TB phụ nữ
Model Summary

Model R
R Square
Adjusted R Square Std. Error of the Estimate

1
.838(a)
.702
.699 5.827
a Predictors: (Constant), Số con TB của 1 phụ nữ
NOVA(b)

A

Model
Sum of
Squares
df
Mean
Square
F Sig.
1 Regression
8379.723 1 837 39.72
246.790 .000(a)
Residual 3565.267 105 33.955
Total 11944.991 106
a Predictors: (Constant), Số con TB của 1 phụ nữ
Dependent Variable: Tuổi thọ TB phụ nữ
Coefficients(a)

b


Model
Unsta dardized n

Coefficients
Standardized
Coefficients
t Sig.

B
Std. Error Beta
1 (Constant)
86.661
1.200 72.194 .000
Số con TB của 1 phụ nữ
-4.674
.297 838 -15.710 .000
a Dependent Variable: Tuổi thọ TB phụ nữ
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 12

Từ bảng cients( cho t ược t g tin ố hồi qui mà ph pháp OLS ước
lượng đ c, độ d số hiện trong cộ iết ươ ồi qui tuyến
tính đơn biến có d :
4.674*X
Hay : ố con TB của một phụ nữ

Ý nghĩ ủa hàm hồi qui này: Với B
1
= -4.674 < 0 cho biết: xét tuổi thọ trung bình phụ nữ giữa các
quốc gia trê iới nằm trong khoảng (43; 82), lên trung bình phụ
nữ giảm khoảng 4.674 tuổi.

d. Đánh giá độ phù

 Kiểm định giả thiết về độ phù ch phương sai):
Ta đặt giả thiết R
2
=0. Nếu sau khi kiểm định ta có đủ bằng chứng bác bỏ giả thiết H
0
: R
2

pop
=0
thì kết luận mơ hình hồi qui tuyến tính xây dựng được phù hợp với tổng thể.
Coeffi a) a biết đ hơn về hệ s ương
ượ ốc và hằng được thể t B. Ta v được ph ng trình h
ạng sau
Ŷ
i
= 86.661 –
Tuổi thọ TB phụ nữ = 86.661 – 4.674 * S
a c
n thế g khi số con tăng 1 thì tuổi thọ
hợp của mơ hình:

Từ bảng Model Summary, ta có R Square = 0.702 (tiến gần đến 1). Vậy mơ hình này là phù hợp.


e. Kiểm định các giả thiết:
hợp của mơ hình (phân tí

ANOVA(b)

Model Sum of Squares df Mean Square
F Sig.
1 Regression
8379.723 1 8379.723
246.790 .000(a)
Residual
3565.267 105 33.955

Total 11944.991 106
a Predictors: (Constant), Số con TB của 1 phụ nữ
b Dependent Variable: Tuổi thọ TB phụ nữ
1 (cột Sig.). Ta an
0
được phù hợp với







Từ bảng AN OVA(b) tương ứng với mức ý nghĩa quan sát được là 0.000
tồn bác bỏ giả thiết H và kết luận mơ hình hồi qui tuyến tính xây dựng
tổng thể.


Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 13

 K m định hiết về ý ng số hồi qui:
H
0
: β
1
=0, ta kỳ vọng giả thiết này sẽ bị bác bỏ
1
.

iể giả t hĩa của hệ
Giả thiết dùng để kiểm định giả thiết này là
vì nếu β =0, nghĩa là Y độc lập với X

Coefficients(a)
Model Unstandardized Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 86.661 1.200 72.194 .000
Số con TB của
1 phụ nữ
-4.674 .297 838 -15.710 .000
a Dependent Variable: Tuổi thọ TB phụ nữ


Từ bảng Coefficients(a), ta thấy mức ý nghĩa quan sát được đối với hệ số độ dốc của Tuổi thọ trung
ị bác bỏ. Vậy độ dốc của mơ hình tổng thể
khác 0

II. MƠ HÌNH HỒI QUI TUYẾN TÍNH BỘI:
Trên thực hình h đơ g th ng lý thuyết kinh tế ít khi
đơn giản như vậy. Do đó, ta phải xem xét mơ hình hồi qui có n ai biến. Đó là mơ hình hồi
qui bội. Các bước thực hiện cũng giống như mơ ui đơn

Mơ hình hồi quy ng mơ hình hồi qui hai biến bằng cách thêm vào một số biến độc lập để
ải th h có dạng sau:
n giá trị của biến độc lập thứ p tại quan sát thứ i.
 β
k
: Là hệ số hồi qui riêng phần (Partial RegressionCoefficients)
hân phối chuNn với trung bình là 0 và phương sai
khơng đổi σ
2
.
ếu tồn tại một quan hệ
yến tính như vậy, khi đó xảy ra hiện tượng đa cộng tuyến.
bình phụ nữ = 0.0001. Chứng tỏ rằng giả thiết H
0
: β
1
=0 b
(hay β
1
≠ 0).

tế, mơ ồi qui n biến (có 2 biến) là khơn ỏa đáng, nhữ
hiều hơn h

hình hồi q tuyến tính.
bội mở rộ
gi ích tốt hơn cho biến phụ thuộc. Mơ hìn
Yi = β
o
+ β
1
X
1i
+ β
2
X
2i
+ β
3
X
3i
+ … + β
p
X
pi
+ e
i

Trong đó:
 X
pi
: Biểu hiệ
 e
i

: Là một biến độc lập ngẫu nhiên có p

Một giả định quan trọng đối với mơ hình hồi qui tuyến tính là khơng có biến giải thích nào có thể
được biểu thị dưới dạng tổ hợp tuyến tính với những biến giải thích còn lại. N
tu

Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 14

t ma trận hệ số tương quan:
Đầu tiên, khi tiến hành phân tích hồi qui tuyến tính bội là xem xét các mối tương quan tuyến tính
ập với biến phụ thuộc và
9 Calori nạp hàng ngày trung bình một người.
9 Số con trung bình của một phụ nữ.
Correlations

1. Xem xé

giữa tất cả các biến, xem xét tổng qt mối quan hệ giữa từng biến độc l
chính giữa các biến độc lập với nhau. Ta xây dựng ma trận tương quan giữa tất cả các biến cho mục
đích này.

Trong tiểu luận này, ta xem xét Tuổi thọ trung bình phụ nữ giữa các quốc gia trên thế giới phụ
thuộc như thế nào vào:
9 Tỉ lệ dân sống ở vùng đơ thị (%).
9 Tỷ lệ nữ giới biết chữ.

Sử dụng SPSS, ta có ma trận sau:

Tuổi thọ
TB phụ nữ
Tỉ lệ dân sống ở
vùng đô thò (%)
Calori nạp
hàng ngày
TB 1 người
Số con TB
của 1 phụ
nữ
Tỉ lệ nữ giới
biết chữ
(%)
Tuổi thọ TB phụ nữ Pearson Correlation
1
.743(**) .775(**) 838(**) .819(**)
Sig. (2-tailed) . .000 .000 .000 .000
N 109 108 75 107 85
Tỉ lệ dân sống ở
vùng đô thò (%)
Pearson Correlation
.743(**) 1
.692(**) 619(**) .612(**)
Sig. (2-tailed) .000 . .000 .000 .000
N 108 108 74 106 85
Calori nạp hàng
ngày TB 1 người
Pearson Correlation
.775(**)
.692(**)

1
696(**) .548(**)
Sig. (2-tailed) .000 .000 . .000 .000

N
75 74 75 75 59
Số con TB của 1
phụ nữ
Pearson Correlation
838(**)
619(**) 696(**)
1
839(**)
Sig. (2-tailed) .000 .000 .000 . .000
N 107 106 75 107 85
Tỉ lệ nữ giới biết
chữ (%)
Pearson Correlation
.819(**)
.612(**) .548(**) 839(**)
1
Sig. (2-tailed) .000 .000 .000 .000 .
N 85 85 59 85 85
** Correlation is

sig eve . nificant at the 0.01 l l (2-tailed)
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 15

Trong mơ hình h

càng lớn thì liê
ồ u biến lập, biến nào có trị tuyệ i của hệ ương quan
n h g Correl ho thấy t ng
c biến độc lập vớ ng bình ph như sau:
¾ Số con trung bình của một phụ nữ r = 0.838)
¾ Tỉ lệ nữ giới biết chữ (%). (r = 0.819)
¾ Calori n trung bình t người. (r = 0.775)
dâ thị
c số 1 trên đườ chéo là hệ số tương quan tính được gi một biế ới chính nó. Ta chỉ c
ía dưới đường chéo, vì chúng đối xứng nhau qua
ng chéo.

t luận các biến độc lập này có thể đưa vào
mơ hình để giải thích cho Tuổi thọ trung bình phụ nữ.

2. Xây dựng mơ hình:

Sử dụng SPSS ta có các bảng số liệu sau:

Variables Entered/Removed(b) (Bảng 01)
i qui bội với nhiề
ệ tuyến tính càng m
độc t đố số t
ạnh. Bản ations c ươ quan giảm dần giữa
cá i Tuổi thọ tru ụ nữ
. (
ạp hàng ngày mộ
¾ Tỉ lệ n sống ở vùng đơ (%). (r = 0.743)

Cá ng ữa n v ần

quan tâm đến tam giác phía trên hay tam giác ph
đườ
Từ bảng Correlations ta thấy: Hệ số tương quan giữa Tuổi thọ trung bình phụ nữ và các biến độc
lập còn lại đều cao (thấp nhất là 0.743). Sơ bộ ta có thể kế
Regression


Model Variables Entered Variables Removed Method
1 Tỉ lệ nữ giới biết chữ (%), Calori nạp hàng
ngày TB 1 người, Tỉ lệ dân sống ở vùng đô
thò (%), Số con TB của 1 phụ nữ(a)
. Enter
a All requested variables entered.
họ TB phụ nữ
ary (Bảng 02)
b Dependent Variable: Tuổi t



Model Summ

Model R R Square Adjusted R Square Std. Error of the Estimate
1 .901(a) .812 .798 4.977
a Predictors: (Constant), Tỉ lệ nư , Tỉ lệ dân sống ở vùng đô thò
), Số con TB của 1 phụ nữ
õ giới biết chữ (%), Calori nạp hàng ngày TB 1 người
(%
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 16

ảng 03) ANOVA(b) (B

Model Sum of Squares df Mean Square F Sig.
Regression 5780.805 4 1445.201 58.348 .000(a)
Residual 1337.500 54 24.769
1


Total 7118.305 58
a Predictors: (Constant), Tỉ lệ nữ giới biết chữ (%), Calori nạp hàng ngày TB 1 người, Tỉ lệ dân sống ở vùng đô thò
Dependent Variable: Tuổi thọ TB phụ nữ
Coefficients(a) (Bảng 04)
(%), Số con TB của 1 phụ nữ
b


Model Unstandardized Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
(Constant) 47.467 7.016 6.765 .000
Tỉ lệ dân sống ở vùng đô
thò (%)
.110 .039 .251 2.811 .007
C g ngày Talori nạp hàn B 1
người
.005 .002 .216 2.525 .015
S TB của 1 phụ nố con ữ -1.648 .646 275 - 50 2.5 .014

1




Tỉ lệ nữ giới biết chữ (%) .128 .046 .312 2.764 .008
a Dependent Variable: Tuổi thọ TB phụ nữ

3. Đánh giá độ phù hợp của mơ hìn
Mơ hình càng có nhiều biến độc lập vào thì R càng tăng. Tuy nhiên, khơng phải mơ hình càng có
nhiều bi thì càng phù hợp hơn với dữ N hư v khuyn ớng là mộ c lượng lạc
quan củ ự phù hợp của mơ hình ới dữ rong trường h có biến
thích trong mơ hình. Mơ hình thường khơng phù hợp vớ ệu thực t giá thể
T ng tì
2
ỉnh (Adjusted R Square thể hiện ở cột thứ 4 trong bảng 02) từ R
2

được sử ồi qui tính n. R
2

chỉnh kh kh ương tr ó là đo sự
hợp đượ ống h nó khơ ụ th o độ

h hồi qui tuyến tính bội:

2
ến liệu. ậy, R
2
có h hư t ướ

a thước đo s đối v liệu t ợp hơn 1 giải
i dữ li ế như trị R
2
hiện.
ro nh huống này, R điều ch
dụng để phản ảnh sát hơn mức độ phù của m h h
i nhiều biế ph
ồi qui tuy nh đa vì
ư sau:
hợp ơ hìn tuyến đa biế điều
ơng nhất thiết tăng lên n được thêm vào ình, n thước phù
c sử dụng cho tình hu ến tí biến ng ph uộc và lệch
phóng đại của R
2
. R
2
điều chỉnh được tính nh



Trong đó:
 P : là biến độc lập trong phương trình.
1−−
−=
pN
RR
)1(
2
22
− Rp

Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 17

Model Summary (Bảng 02)

Model R
R Square Adjusted R Square
Std. Error of the Estimate
1
.901(a)
.812 .798
4.977
a Predictors: (Constant), Tỉ lệ nữ giới biết chữ (%), Calori nạp hàng ngày TB 1 người,
Tỉ lệ dân sống ở vùng đô thò (%), Số con TB của 1 phụ nữ

ảng 02, so sánh 2 giá trị R Square và Adjusted R Square, ta thấy Adjusted R Square nhỏ
ơn, dùng nó đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù
hình.
. Kiểm định độ phù hợp của mơ hình:
Kiểm định F s tro bảng ột iết về độ phù
hợp của mơ hình hồi qui tuy ổ ể. Ý tưởng c ểm định này là xem ụ thuộc Y
có liên hệ tuy

iả thiết H
o
: β
1
= β
2
= β

3
= β
4
=0
i của Y, điều này cũng có nghĩa là mơ hình ta xây dựng phù hợp với tập dữ liệu.

OVA(b) (Bảng 03)

Trong b
h
hợp của mơ

4

ử dụng ng phân tích phương sai là m phép kiểm định giả th
ến tính t ng th ủa ki biến ph
ến tính với tồn bộ các biến độc lập hay khơng.
G

Nếu giả thiết H
o
bị bác bỏ thì ta kết luận là kết hợp của các biến hiện có trong mơ hình có thể giải
thích được thay đổ


AN

Model Sum of Squares df Mean Square
F Sig.
Regression

5780.805 4 1445.201
58.348 .000(a)
Residual 1337.500 54 24.769
1


Total 7118.305 58
a Predictors: (Constant), Tỉ lệ nữ giới biết chữ (%), Calori nạp hàng ngày TB 1 người, Tỉ lệ dân sống
ủa 1 phụ nữ
b Dependent Variable: Tuổi thọ TB phụ nữ

g số) mơ hình hồi qui
yến tính bội của ta phù hợp với tập dữ liệu và có thể sử dụng được.

ở vùng đô thò (%), Số con TB c

Trị thống kê F được tính từ giá trị R Square của mơ hình đầy đủ, giá trị Sig. rất nhỏ cho thấy ta an
tồn bác bỏ giả thiết H
o
cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằn
tu
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 18

5. Ý ngh các h i riêng ng mơ hì :


ĩa ệ số hồi qu phần tro nh
Coefficients(a) ảng 04) (B
Model Unstandardized Coefficients

Standardized
Coefficients
t
Sig.
B Std. Error
Beta


(Constant)
47.467 7.016

6.765
.000
Tỉ lệ dân sống ở vùng đô thò (%)
.110 .039
.251
2.811
.007
Calori nạp hàng ngày TB 1 người
.005 .002
.216
2.525
.015
Số con TB của 1 phụ nữ
-1.648 .646
275
-2.550
.014
1

Tỉ lệ nữ giới biết chữ (%)
.128 .046
.312
2.764
.008
a Dependent Variable: Tuổi thọ TB phụ nữ
ảng 04, các hệ số hồi qui của từng biến độc lập trong mơ hình hồi qui tuyến tính bội được
ọi là hệ số hồi qui riêng phần.
Ý của hệ số hồi qui riêng phần là : tro ung b h Y
k

thay đổi 1 đơn vị, giữ các biến độc lập còn lại khơng đổi.

Các hệ số hể cần đượ ực hiện định đồng iả H
o
:
0 a thấy Sig. rất nh o nên n ý nghĩa tro h

ữ phụ thu ến ậ
Y
i
= 47.467 + 0.11X
1i
+ 0.005X
2i
– 1.648X
3i

+ 0.128X
4
+ e
i


Trong b
g

nghĩa β
k
đo lường sự thay đổi ng giá trị tr ìn khi X
hồi qui riêng phần của tổng t c th kiểm thời g thiết β
k
=
. T R Square khá cao và giá trị ỏ. Ch ó có ng mơ ình.
Ta có phương trình thể hiện Tuổi thọ trung bình phụ n ộc vào các bi độc l p:

* Ý nghĩa của các hệ số độ dốc
:
 Hệ số β =0.11 cho biết: khi
1
Tỉ lệ dân số sống ở đơ thị tăng thêm 1%, trong điều kiện lượng
Calori nạp hằng ngày trung bình một người, Số con trung bình của một phụ nữ và Tỉ lệ nữ
 Hệ số β
2
=0.005 cho biết: khi lượng Calori nạp hằng ngày trung bình một người tăng thêm
 Hệ số β
3
= -1.648 cho biết: khi Số con trung bình của một phụ nữ tăng thêm 1, trong điều

i và Tỉ lệ
c lượng sẽ giảm bớt trung
bình 1.645 tuổi.
giới biết chữ khơng đổi thì Tuổi thọ trung bình phụ nữ được ước lượng sẽ tăng thêm trung
bình 0.11 tuổi.
1 (đơn vị), trong điều kiện Tỉ lệ dân số sống ở đơ thị , Số con trung bình của một phụ nữ và
Tỉ lệ nữ giới biết chữ khơng đổi thì Tuổi thọ trung bình phụ nữ được ước lượng sẽ tăng thêm
trung bình 0.005 tuổi.
kiện Tỉ lệ dân số sống ở đơ thị, lượng Calori nạp hằng ngày trung bình một ngườ
nữ giới biết chữ khơng đổi thì Tuổi thọ trung bình phụ nữ được ướ
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 19

 Hệ số β
4
=0.128 cho biết: khi Tỉ lệ nữ giới biết chữ tăng thêm 1%, trong điều kiện Tỉ lệ dân
số sống ở đô thị, lượng Calori nạp hằng ngày trung bình một người và Số con trung bình của
một phụ nữ không đổi thì Tuổi thọ trung bình phụ nữ được ước lượng sẽ tăng thêm trung
bình 0.128 tuổi.
ô hình, phần nào có tính chất chủ quan. Một số biến có thể không
rong trường hợp này, ta muốn chắc chắn giá trị thực của R Square Change trong tổng thể
theo công thức sau và được gọi là đại lượng kiểm định F riêng:
N : là số quan sát.

Với giả thiết cho rằng mức độ thay đổi bằng 0, ta có th ức ý nghĩa của giá trị F
Ch
từ phân
hối F với q và (N -p-1) bậc tự do. Mức ý nghĩa quan sát của kiểm định này được tính trong bảng
ến ta đưa vào có ý nghĩa giải thích đối với Tuổi thọ trung bình phụ nữ.
ta có các bảng sau:

6. Lựa chọn biến cho mô hình:

Sự lựa chọn biến để đưa vào m
được đưa vào mà ta không lường được vai trò quan trọng của nó. Trong khi đó, có một vài biến
được sử dụng có thể lại không phải là biến quyết định cho biến thiên của biến phụ thuộc. Do vậy, ta
phải xem xét các kết quả khi ta đưa vào hay bỏ ra các biến trong phương trình hồi qui để quyết
định.
T
(R
2
change
(pop)
) cũng khác 0 hay không. N ghi ngờ này được kiểm định bằng giả thiết:
H
o
: (R
2
change
(pop)
) = 0

Đại lượng kiểm định F được tính



Trong đó:

 p : là tổng số biến độc lập trong phương trình.
 q : là số biến được đưa vào phương trình trong bước này.

ể tính m
p
Model Summary bên dưới. Với mức ý nghĩa quan sát này, ta an toàn bác bỏ giả thiết H
o
. Vậy 4
bi

Dùng SPSS,

Regression

)1(
)1(
2
Rq
pNR
F
change
change
−
=
2
−−
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 20


Variables Entered/Removed(b)

Model Variables Entered

Variables
Removed
Method
1
Tỉ lệ dân sống ở vùng đô thò (%)(a) . Enter
2
Calori nạp hàng ngày TB 1 người(a) . Enter
3
Số con TB của 1 phụ nữ(a) . Enter
4 Tỉ lệ nữ giới biết chữ (%)(a) . Enter
a All requested variables entered.
ụ nữ
Model Summary
b Dependent Variable: Tuổi thọ TB ph


Change Statistics
Model R R Square
Adjusted
R Square
Std. Error
of the
Estimate
R Square
Change
F Change df1 df2
Sig. F
Change
1 .741(a) .549 .541 7.505 .549 69.376 1 57 .000
2 .797(b) .635 .622 6.812 .086 13.188 1 56 .001

3 .886(c) .786 .774 5.269 .151 38.616 1 55 .000
4 .901(d) .812 .798 4.977 .027 7.639 1 54 .008
a P ict đô thò (%)
b P ict đô thò (%), alori n g ngày TB 1 người
c P ict g ở vùng đô thò (%), alori n g ngày TB 1 người, Số con TB của 1 phụ
nữ
d P ict ở vùng đô thò (%), alori n g ngày TB 1 người, Số con TB của 1 phụ
ANOVA(e)

red ors: (Constant), Tỉ lệ dân sống ở vùng
red ors: (Constant), Tỉ lệ dân sống ở vùng C ạp hàn
red ors: (Constant), Tỉ lệ dân sốn C ạp hàn
red ors: (Constant), Tỉ lệ dân sống C ạp hàn
nữ, Tỉ lệ nữ giới biết chữ (%)


Model
Sum of
Squares
df
Mean
Square
F Sig.
Regression 3907.711 1 3907.711 69.376 .000(a)
Residual 3210.594 57 56.326
1
Total 7118.305 58
Regression 4519.688 2 2259.844 48.699 .000(b)
Residual 2598.617 56 46.404
2

Total 7118.305 58
Regression 5591.608 3 1863.869 67.147 .000(c)
Residual 1526.697 55 27.758
3
Total 7118.305 58
Regression 5780.805 4 1445.201 58.348 .000(d)
Residual 1337.500 54 24.769
4
Total 7118.305 58
a Predictors: (Constant), Tỉ lệ dân sống ở ò (%)
Predictors: (Constant), Tỉ lệ dân sống ò (%), Calori nạp hàng ngày TB 1 người
Predictors: (Constant), Tỉ lệ dân sống ở vùng đô thò (%), Calori nạp hàng ngày TB 1 người, Số con TB của 1 phụ
nư
d Predictors: (Con tant), Tỉ áng ở vùng đô thò ori nạp h g ngày TB ời, Số con TB của 1 phụ
nữ, T ä nư õ (%
e Depende : Tuổi nữ
vùng đô th
b ở vùng đô th
c
õ
s lệ dân so (%), Cal àn 1 ngư
ỉ le õ giới biết chư )
nt Variable thọ TB phụ
Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 21

oeffic


C ients(a)

Model
Unstandardized
Coefficients
St d andardize
Coefficients
t Sig.
B Std. Error Beta
(Constant)
49.613 2.178 22.774
.000
Tỉ lệ dân g đô thò ) sống ở vùn (%
.326 .039 .741 8.329
.000
Calori nạ øy TB 1 n øi p hàng nga gươ


Số con TB của 1 phụ nữ


1
Tỉ lệ nữ giới biết chữ (%)


(Constant)
33.412 4.880 6.847
.000
Tỉ lệ dân sống ở vùng đô thò (%)
.208 .048 .473 4.330
.000
Calori nạp hàng ngày TB 1 người

.009 .002 .397 3.632
.001
Số con TB của 1 phụ nữ


2
Tỉ lệ nữ giới biết chữ (%)


(Constant)
59 6.91 5.695 10.520
.000
Tỉ lệ dân sống ở vùng đô thò (%)
.152 .038 .346 3.981
.000
Calori nạp hàng ngày TB 1 người
.004 .002 .198 2.185
.033
Số con TB của 1 phụ nữ
-2.938 .473 491 -6.214
.000
3
Tỉ lệ nữ giới biết ữ (%) ch


(Constant)
47 7.46 7.016 6 65.7
.000
Tỉ lệ dân sống ở vùng đô thò (%)
.110 .039 .251 2.811

.007
Calori nạp hàng ngày TB 1 người
.005 .002 .216 2.525
.015
Số con TB của 1 phụ nữ
-1.648 .646 275 -2.550
.014
4
Tỉ lệ nữ giới biết chữ (%)
.128 .046 .312 2.764
.008
a Dependent Varia



Khi có nhiều bi phư rình tr ột bước, kiể h iế
độ thay đổi thự đương với kiểm định đồng thời các hệ số c tất cả các bi
độc lập bằng 0.

Giả thiết H
o
: β g bác iả thiế .

Từ bảng Coeffi ị Sig. của phép kiểm đị nghĩa của hệ i qui là rấ .
Do đó, ta bác b iến ta đưa vào có ý nghĩ giải thích đối v Tuổi t ọ trung
bình phụ nữ.

ble: Tuổi thọ TB phụ nữ
ến độc lập cùng được
c của R
2
bằng 0 tương
đưa vào ơng t ong m m địn giả th t mức
ến ủa

1
= β
2
= β
3
= β
4
=0, với hy vọn bỏ g t H
o
cients(a), ta thấy giá tr nh ý số hồ t nhỏ
ỏ giả thiết H
o
. Vậy 4 b a ới h







Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8
Trang 22

Excluded Variables(d)

Model Beta In t Sig.
Partial
Correlation
Collinearity
Statistics
Tolerance
1 Calori nạp hàng ngày TB 1 người .397(a) 3.632 .001 .437 .546
Số con TB của 1 phụ nữ 552(a) -7.236 .000 695 .716
Tỉ lệ nữ giới biết chữ (%) .577(a) 6.649 .000 .664 .598
2 Calori nạp hàng ngày TB 1 người
Số con TB của 1 phụ nữ 491(b) -6.214 .000 642 .626
Tỉ lệ nữ giới biết chữ (%) .520(b) 6.354 .000 .651 .571
3 Calori nạp hàng ngày TB 1 người
Số con TB của 1 phụ nữ
Tỉ lệ nữ giới biết chữ (%) .312(c) 2.764 .008 .352 .273
a Predictors in the Model: (Constant), Tỉ lệ dân sống ở vùng đô thò (%)
Predictors in the Model: (Constant), Tỉ lệ dân sống ở vùng đô thò (%), Calori nạp hàng ngày TB 1 người
Predictors in the Model: (Constant), Tỉ lệ dâ ori nạp hàng ngày TB 1 người, Số con
TB của 1 phụ nữ
Dependent Variable: Tuổi thọ TB phụ nữ


ận xét về mơ hình:
b
c n sống ở vùng đô thò (%), Cal
d
Nh

Qua các phân nh k và ki nh t lạ ấy 4 độc l
đưa vào đều c g có ý ng ích biến T ọ trung bình phụ
Điều cho t đa cộng tu n. Cho nê , mơ hình y là phù p.
tích trên, ta thấy R
2
của mơ hì há cao ểm đị i cho th biến ập ta
hấp nhận được vì chún hĩa giải th cho uổi th nữ.
này hấy khơng tồn tại hiện tượng yế n nà hợ