- Giá trị R2a nhỏ hơn giá trị R2, dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
- Công thức của Ra:
R2 – p (1 – R2)
R2a =
N – p – 1
p = số biến độc lập trong phương trình; N = quy mô mẫu
- Công thức tính R2 [32, tr. 216-217, tập 1]:
Có thể bạn quan tâm!
-
Giải pháp nâng cao năng lực cạnh tranh trong kinh doanh du lịch tại Tiền Giang - 24 -
A) Phân Tích Phương Sai Một Yếu Tố – Giới Tính -
Giải pháp nâng cao năng lực cạnh tranh trong kinh doanh du lịch tại Tiền Giang - 26
Xem toàn bộ 219 trang tài liệu này.
N
∑ (Ŷi– Yi)2
i = 1
R2 =
N
∑ (Yi– Y)2
i = 1
(Yi –Y i ) là khoảng cách từ giá trị quan sát Yi đến giá trị dự đoán từ mô hình,
(Yi - Y i ) là khoảng sai lệch (sai lệch toàn bộ). [(Yi - Y i ) = (Yi – Ŷi) – (Ŷi –Y i )]
Phục lục 11h) Kiểm định F ANOVA
- Kiểm định F ANOVA sử dụng trong bảng phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc Y và biến độc lập. Trong mô hình hồi quy bội, kiểm định F xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Giả thuyết Ho là: β1 = β2 = β3
- Nếu giả thuyết Ho bị bác bỏ, chúng ta kết luận là kết hợp của các biểu hiện có trong mô hình có thể giải thích được thay đổi của Y, điều này cũng có nghĩa là mô hình ta xây dựng phù hợp với tập dữ liệu. Khi chạy SPSS, đầu tiên phải xem giả thuyết Ho của kiểm định F có bị bác bỏ hay không [32, tr. 239-240, tập 1].
- Công thức tính giá trị F [32, tr. 217-219, tập 1]:
N
∑ Ŷ – Y
i = 1
p
F =
N
∑ (Y – Ŷ)2
i = 1
N – p – 1 Trong đó, (Ŷ – Y i ) là khoảng cách từ đường hồi quy đến trung bình của các giá trị Yi, p là số biến độc lập trong mô hình.
Phụ lục 11i) Kiểm định Fchange
- Kiểm định Fchange được sử dụng để chắc chắn rằng giá trị thực của R2 điều chỉnh trong tổng thể (R2 change (pop) cũng ≠ 0 hay không). Đại lượng này được gọi là kiểm định F riêng (Partial F test), với giả thuyết cho rằng mức độ thay đổi = 0, ta có
thể tính mức ý nghĩa của giá trị Fch từ phân phối F với q và (N – p – 1) bậc tự do [32, tr.239, tập 1].
- Công thức tính giá trị F [32, tr. 245-246, tập 1]:
R2change (N – p – 1)
Fchange =
q(1 – R2)
Trong đó, N = số quan sát, p = tổng số biến độc lập
trong phương trình, q = số biến được đưa vào phương trình
Phụ lục 11j) Hệ số phóng đại phương sai VIF
- Hệ số phóng đại phương sai VIF – Variance Inflation Factor [32, tr. 251, tập 1] là nghịch đảo của độ chấp nhận, tức là đối với biến Xk thì
1
VIF =
1 – R2k
- Khi Tolerance nhỏ thì VIF lớn (Tolerance = Độ chấp nhận của biến để đo lường hiện tượng đa cộng tuyến. Tolerance được định nghĩa là 1 – R2k, mà R2k lớn thì 1 .– R2k nhỏ. Quy tắc nếu độ chấp nhận của một biến nhỏ, thì nó gần như là một kết hợp tuyến tính của các biến độc lập khác, và đó là dấu hiệu của đa công tuyến).
Phụ lục 11k) Đại lượng thống kê Durbin-Watson
- Đại lượng thống kê Durbin-Watson (d) có thể dùng để kiểm định tương quan của các sai số kề nhau (Tương quan chuỗi bậc nhất). Đại lượng d có giá trị biến thiên khoảng từ 0 đến 4. Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2. Giá trị d thấp (và < 2) có nghĩa là các phần dư gần nhau có tương quan thuận. Giá trị d > 2, (và gần = 4) có nghĩa là các phần dư có tương quan nghịch.
- Công thức tính Dubin Watson d [32, tr. 232-233, tập 1]:
N
∑ (Ei – Ei – 1)2
i = 2
d =
N
∑ Ei2
i = 2
Trong đó: Ei : phần dư gắn với quan sát tại thời điểm i