Mô hình tuyến tính tổng quát

Mô hình tuyến tính tổng quát (GLM) giải thích sự tương tác của các yếu tố lên biến phụ thuộc trong hồi quy (bao gồm cả sự kết hợp của các yếu tố tác động lên biến phụ thuộc)
Nội dung trích xuất từ tài liệu:
Mô hình tuyến tính tổng quát Mô hình tuyến tính tổng quát General Linear Model (GLM) Nhóm V Thành viên • Trần Minh Hậu • Nguyễn Thị Thu Hường • Nguyễn Đăng Hiển • Lê Thị Hải • Nguyễn Công Phương • Trần Thị Mỹ Hạnh • Nguyễn Thị Thanh Thanh • Hồ Đức Nghĩa • Dương Đình Mai Long (Nhóm trưởng) • Nguyễn Tân Long Mục lục • Cơ sở lý thuyết • Mục tiêu nghiên cứu • Mô hình GLM trong SPSS Giới thiệu mô hình GLM • Mô hình tuyến tính tổng quát (GLM) giải thích sự tương tác của các yếu tố lên biến phụ thuộc trong hồi quy (bao gồm cả sự kết hợp của các yếu tố tác động lên biến phụ thuộc). • Giải thích sự liên hệ của các phép kiểm thống kê (T-tests, ANOVA, tương quan và hồi quy bội). GLM hữu dụng vì có thể xử lý thang đo quãng và định danh trong mô hình. Các giả định của mô hình GLM 1. Y là biến định lượng và các quan sát Yi độc lập 2. Các giá trị Xi cố định và không có sai số. 3. Sai số ei theo phân phối chuẩn với kỳ vọng bằng 0 và phương sai là hằng số. 4. Sai số tại các giá trị Xi và Xj không có quan hệ với nhau. Lý do chọn mô hình GLM Phương pháp hồi quy cổ điển thường dùng cho biến phụ thuộc và biến độc lập là các biến định lượng. Còn phương pháp phân tích mô hình hồi quy tuyến tính tổng quát dùng được cho cả các biến độc lập là biến định lượng và định tính, trong đó các biến định tính đã được mã hoá thành các biến 0 – 1... Mục tiêu nghiên cứu • Nghiên cứu thu nhập có bị ảnh hưởng bởi các yếu tố bằng cấp và giới tính hay không. • Biến phụ thuộc: thu nhập (Respondent’s income) • Biến độc lập: Bằng cấp (R’SHighest Degree)và giới tính (R’S Sex) • Sử dụng phân tích phương sai 2 yếu tố (Two-way anova). Trong SPSS : Analyze/General linear model/ Univariate: cho trường hợp có một biến phụ thuộc. • Trong mô hình này, sử dụng độ tin cậy (Confidence intervals là 95% => mức ý nghĩa α = 5% (0.05)). Các giả thiết H0 trong mô hình • Thu nhập của những người có giới tính khác nhau là như nhau • Thu nhập của những người có bằng cấp khác nhau là như nhau • Không có ảnh hưởng tương tác giữa giới tính và bằng cấp. Nói một cách cụ thể, ảnh hưởng của giới tính tới thu nhập là như nhau đối với những nhóm người có bằng cấp khác nhau và ảnh hưởng bằng cấp tới thu nhập là như nhau đối với những nhóm người có giới tính khác nhau. Bảng 1: Số liệu thống kê mô tả về mẫu dữ liệu • Giới tính có 2 nhóm là 1 (nam) và 2 (nữ) • Bằng cấp có 5 nhóm là 0 – 1 – 2 – 3 – 4 – 5. • Mẫu N = 993 Bảng 2: Số liệu thống kê mô tả về mẫu dữ liệu Bảng này cho thấy hai nhân tố chính có ảnh hưởng đến thu nhập (tại mức ý nghĩa 5% các sig đều nhỏ hơn do đó bác bỏ 2 giả thuyết Ho đầu tiên) Tuy nhiên sự tương tác giữa hai nhân tố chính này lại không có ảnh hưởng đến thu nhập. (0.763 > 0.05) Sử dụng biến giả trong phân tích GLM Mã hóa biến giả: Biến độc lập: Giới tính Sử dụng biến giả trong phân tích GLM Mã hóa biến giả: Biến độc lập: trình độ học vấn Kết quả Between-SubjectsFactors Ví dụ: Dòng 1 là 512 nữ Dòng 2 là 482 nam