Ước lượng biến nhị phân logit hồi quy Binary Logistic

Ước lượng biến nhị phân logit hồi quy binary logistic, trên các phần mềm thống dụng như SPSS, Eview, Minitab, NCSS, Stata…; Đây là một hồi quy phổ biến chỉ sau hồi quy tuyến tính ols, bởi vậy ứng dụng trong thực tế nghiên cứu khoa học rất nhiều, đặc biệt là bên dịch tễ + y dược.

ƯỚC LƯỢNG BIẾN NHỊ PHÂN

Đặc điểm của Binary Logistic Regression

  • Hồi quy logistic là một phần mở rộng của hồi quy tuyến tính đơn giản.
  • Trong trường hợp biến phụ thuộc có bản chất là lưỡng phân hoặc nhị phân, chúng ta không thể sử dụng hồi quy tuyến tính đơn giản. Hồi quy logistic là kỹ thuật thống kê được sử dụng để dự đoán mối quan hệ giữa các yếu tố dự đoán (các biến độc lập của chúng tôi) và một biến dự đoán (biến phụ thuộc) trong đó biến phụ thuộc là nhị phân (ví dụ: giới tính, phản hồi, điểm số, v.v.).
  • Phải có hai hoặc nhiều biến độc lập, hoặc các yếu tố dự báo, cho một hồi quy logistic. IV, hoặc các yếu tố dự đoán, có thể liên tục (khoảng / tỷ lệ) hoặc phân loại (thứ tự / danh nghĩa).
  • Tất cả các biến dự báo được kiểm tra trong một khối để đánh giá khả năng dự đoán của chúng trong khi kiểm soát tác động của các yếu tố dự báo khác trong mô hình.

Ước lượng biến nhị phân là gì ?

Hồi quy logistic đo lường mối quan hệ giữa biến mục tiêu phân loại và một hoặc nhiều biến độc lập. Nó hữu ích cho các tình huống trong đó kết quả cho một biến mục tiêu chỉ có thể có hai kiểu khả dĩ (nói cách khác, nó là nhị phân). Phân loại hồi quy logistic nhị phân sử dụng một hoặc nhiều biến dự báo có thể liên tục hoặc phân loại để dự đoán các lớp biến mục tiêu.

Kỹ thuật này giúp xác định các yếu tố quan trọng (Xi) tác động đến biến mục tiêu (Y) và cả bản chất của mối quan hệ giữa từng yếu tố này với biến phụ thuộc.

Ứng dụng hồi quy logit trên phần mềm

Hồi quy Binary Logistic trên SPSS

Để chọn chương trình hồi quy chúng ta theo đường dẫn trong phần mềm SPSS như sau:

Analyze > Regression > Binary Logistic

Và ta chọn theo hình

hồi quy biến nhị phân
Ước lượng hồi quy Binary Logistic trên SPSS
  • Dependent: điền các biến phụ thuộc của bạn vào
  • Covariates: Cho tất cả các biến độc lập vào.

Bấm OK ta sẽ có kết quả hồi quy

Kết quả hồi quy logit
Ta được kết quả hồi quy trên SPSS

Ước lượng trên Eview

hồi quy logit
Kết quả hồi quy logit trên Eviews
  • Bạn chọn dữ liệu theo thứ tự: biến phụ thuộc + các biến độc lập
  • Mở Open as Equation
  • Method: BINARY
  • Chọn Logit hình trong hình
  • Bấm OK, ta sẽ được kết quả như bên phải.

Hồi quy nhị phân trên Eview cũng tương đối đơn giản.

Hồi quy nhị phân trên Minitab

Phần mêm này cũng nhiều bạn sử dụng, và chúng ta cũng dễ dàng hồi quy binary logistic trên phần mềm này. Chọn chương trình theo đường dẫn

Stat > Regression > Binary Logistic Regression

Và chọn theo hình sau:

Binary logistic Regression in Minitab
Chọn hồi quy logit trên Minitab
  • Response: Các bạn điền vào biến phụ thuộc
  • Continuous: Các bạn điền biến độc lập là biến liên tục vào

Ta được kết quả như sau

P(1) = exp(Y’)/(1 + exp(Y’))
Y’ = -2.47 + 0.0123 ZCORE + 0.1078 AGE – 0.018 CS + 0.0679 TDT + 0.0654 SIZE – 0.0085 EBTDT

Mình thích nhất là Minitab trong việc trả kết quả hồi quy, ghi luôn phương trình tổng quát hồi quy được cho mình. Rất trực quan.

    Wald Test
Source DF Chi-Square P-Value
Regression 6 10.73 0.097
  ZCORE 1 0.04 0.850
  AGE 1 9.09 0.003
  CS 1 0.03 0.874
  TDT 1 0.87 0.352
  SIZE 1 0.49 0.483
  EBTDT 1 0.20 0.657

Hồi quy logit trên Stata

Stata là một phần mềm mạnh mẽ, sử dụng hơi khó tí, nhưng sức mạnh của nó bạn phải trãi nghiệm thì mới tin vào lời nói của tôi.

Để hồi quy trong Stata chúng ta sử dụng câu lệnh: logit [biến phụ thuộc] [biến độc lập ]

Hồi quy logit Stata
Kết quả hồi quy logit trên Stata

Kết luận hồi quy nhị phân

Bạn hồi quy logit trên bất cứ phần mềm nào kết quả cũng giống nhau, thì vào việc tiếp cân bạn cho cho mình những mô hình phù hợp.

Thực chất mô hình logit cũng có những kiểm định hậu hồi quy để kiểm tra chất lượng mô hình, trong phần bài viết bài chúng tôi chỉ giới thiệu đến các bạn, cách hồi quy trên các phần mềm khác nhau.

Trong những bài tiếp chúng tôi sẽ giới thiệu đến các bạn các kiểm định cần thiết cho mô hình hồi quy logit, nhằm nâng cao độ tin cậy của kết quả hồi quy

Bài viết mới

Có thể bạn thích bài viết này:

Trả lời

Email của bạn sẽ không được hiển thị công khai.