Ý nghĩa của giá trị R bình phương hiệu chỉnh trong hồi quy

NGÀY ĐĂNG: 23/10/2019 |DANH MỤC: Hồi quy

Một trong các chỉ số rất quan trọng mà chúng ta sẽ đọc kết quả ở bước phân tích hồi quy là giá trị R bình phương hiệu chỉnh. Vậy R bình phương hiệu chỉnh là gì? Ý nghĩa của chỉ số này ra sao? Chúng ta sẽ lần lượt đi vào từng chủ đề nội dung bên dưới.

Ý nghĩa R bình phương hồi quy

1. Giá trị R bình phương là gì?

Một thước đo sự phù hợp của mô hình tuyến tính thường dùng là hệ số xác định R bình phương (R Square). Công thức tính R bình phương xuất phát từ ý tưởng xem toàn bộ biến thiên quan sát được của biến phụ thuộc được chia thành 2 phần: phần biến thiên do Hồi quy (Regression) và phần biến thiên do Phần dư (Residual). Nếu phần biến thiên do Phần dư càng nhỏ, nghĩa là khoảng cách từ các điểm quan sát đến đường ước lượng hồi quy càng nhỏ thì phần biến thiên do Hồi quy sẽ càng cao, khi đó giá trị R bình phương sẽ càng cao.

Hệ số R bình phương được chứng mình là hàm không giảm theo số biến độc lập được đưa vào mô hình, nếu chúng ta đưa thêm càng nhiều biến độc lập vào phương trình, chỉ số R bình phương sẽ càng tăng. Việc tăng giá trị R bình phương bằng cách đưa thêm biến vào mô hình không phải lúc nào cũng là tốt, bởi có thể xảy ra nhiều vấn đề như đa cộng tuyến, biến thừa, nhiều biến phức tạp cho khâu phân tích.

2. Giá trị R bình phương hiệu chỉnh là gì?

Cũng là chỉ số phản ánh mức độ phù hợp của mô hình như R bình phương, ý nghĩa của R bình phương hiệu chỉnh có chút khác biệt bởi R bình phương hiệu chỉnh không nhất thiết tăng lên khi chúng ta đưa thêm các biến độc lập vào mô hình. Chính vì vậy, R bình phương hiệu chỉnh thường được sử dụng hơn vì giá trị này phản ánh sát hơn mức độ phù hợp của mô hình hồi quy.

2 giá trị R bình phương (R Square) và R bình phương hiệu chỉnh (Adjusted R Square) nằm trong bảng Coefficients trong kết quả phân tích hồi quy tuyến tính trên SPSS. R bình phương hiệu chỉnh luôn nhỏ hơn hoặc bằng R bình phương.

3. Ý nghĩa của R bình phương hiệu chỉnh

R bình phương hiệu chỉnh dao động trong khoảng từ 0 đến 1, tuy nhiên việc đạt được mức giá trị bằng 1 là không thể, bởi luôn luôn xuất hiện phần dư trong mô hình.

Về ý nghĩa của R bình phương hiệu chỉnh, như đã đề cập ở trên. Chỉ số này phản ánh mức độ giải thích của các biến độc lập đối với biến phụ thuộc trong mô hình hồi quy.

Ý nghĩa R bình phương hiệu chỉnh

Trong ví dụ đọc kết quả hồi quy trên SPSS ở trên, giá trị R bình phương hiệu chỉnh là 0.725. Như vậy, các biến độc lập giải thích được 72.5% sự biến thiên của biến phụ thuộc. Phần còn lại 27.5% được giải thích bởi các biến ngoài mô hình và sai số ngẫu nhiên.

4. R bình phương hiệu chỉnh dưới 50% (dưới 0.5)

Không có tiêu chuẩn chính xác R bình phương hiệu chỉnh ở mức bao nhiêu thì mô hình mới đạt yêu cầu, chỉ số này nếu càng tiến về 1 thì mô hình càng có ý nghĩa, càng tiến về 0 thì ý nghĩa mô hình càng yếu. 
 
Thường chúng ta chọn mức trung gian là 0.5 để phân ra 2 nhánh ý nghĩa mạnh/ý nghĩa yếu, từ 0.5 đến 1 thì mô hình là tốt, bé hơn 0.5 là mô hình chưa tốt. Tuy nhiên, điều này chỉ phù hợp trong một số ít tình huống, việc yêu cầu giá trị R2 phải lớn hơn 0.5 là đi ngược với lý thuyết thống kê. 
 
Như vậy, nếu kết quả hồi quy bạn phân tích được có R bình phương hiệu chỉnh dưới 50% (0.5) thì kết quả vẫn được chấp nhận.

Nếu bạn gặp khó khăn khi kết quả hồi quy không có ý nghĩa, giá trị R2 quá thấp, các biến độc lập bị loại nhiều, vi phạm đa cộng tuyến, vi phạm các giả định hồi quy. Bạn có thể tham khảo dịch vụ xử lý số liệu SPSS của Xử Lý Định Lượng để team có thể hỗ trợ bạn xử lý nhanh và hiệu quả nhất.