Thứ Hai, 13 tháng 12, 2010

PHÂN TÍCH HỒI QUI TUYẾN TÍNH ĐƠN GIẢN

PHÂN TÍCH HỒI QUI TUYẾN TÍNH ĐƠN GIẢN
(Simple Linear Regression Analysis)

Phân tích hồi qui tuyến tích đơn giản là tìm sự liên hệ giữa 1 biến số độc lập (biến dự đoán) trên trục hoành x với 1 biến số phụ thuộc (biến kết cục) trên trục tung y. Sau đó vẻ 1 đường thẳng hồi qui và từ phương trình đường thẳng này ta có thể dự đoán được biến y (ví dụ: cân nặng)  khi đã có x (ví dụ: tuổi)
Ví dụ 1: Ta có 1 mẫu gồm 6 trẻ từ 1-6 tuổi, có cân nặng như bảng sau:

Tuổi
Cân nặng (kg)
1
10
2
12
3
14
4
16
5
18
6
20

Nối các cặp (x,y) này ta thấy có dạng 1 phương trình bậc nhất: y=2x+8
(trong đó 2 là độ dốc và 8 là điểm cắt trên trục tung y khi x=0). Trong thống kê phương trình đường thẳng (bậc nhất) này được viết dưới dạng:

y= bx + a   [1]
Đây là phương trình hối qui tuyến tính, trong đó b gọi là slope (độ dốc) và a là intercept (điểm cắt trên trục tung)
Thực ra phương trình hồi qui tuyến tính này chỉ có trên lý thuyết, nghĩa là các trị số của xi (i=1,2,3,4,5,6) và yi tương ứng liên hệ 100% (hoặc hệ số tương quan R=1)  
Trong thực tế hiếm khi có sư liên hệ 100% nàythường   sự sai lệch giữa trị số quan sát yi và trị số yi  ước đoán nằm trên đường hối qui.
Ví dụ 2: Ta 1 mẫu gồm 6 trẻ em khác có cân nặng theo bảng sau:

Tuổi
Cân nặng (kg)
1
11
2
11
3
14
4
16
5
18
6
20



Khi vẽ đường thẳng hồi qui, ta thấy các trị số quan sát y3, y4, y5, y6 nhưng y1 và y2 không nằm trên trên đường thẳng này và sự liên hệ giữa xi và  yi không còn là 100% mà chỉ còn 97% vì có sự sai lệch tại y1y2. Sự sai lệch này trong thống kê gọi là phần dư (Residual) hoặc Errors.
Gọi y1, y2, y3, y4, y5, y6 là trị số quan sát và y’1, y’2, y’3, y’4, y’5, y’6 là trị số ước đoán nằm trên đường hồi qui, e1, e2, e3, e4, e5, e6 là phần dư.
Như vậy              e1= y1 –y’1
e2 = y2y’2
e3 = y3y’3
e4 = y4y’4
e5 = y5y’5
e6 = y6y’6
   Khi đó phương trình hi qui tuyến tính được viết dưới dạng tổng quát như sau:
y’= βxi + ai+ ei   [2]
Như vậy nếu phần dư ei  càng nhỏ sự liên hệ giữa x,y càng lớn và ngược lại. Phần liên hệ còn đượi gọi là phần hồi qui. Mô hình hồi qui tuyến tích được mô tả:

Dữ liệu= Hồi qui (Regression) + Phần dư (Residual)


Ví dụ 3: Nếu chúng ta chọn một mẫu thực tế gồm 30 em từ 1-6 tuổi và kết quả cân nặng tương ứng của 30 em được vẻ  trong biểu đồ sau:


Lúc này ta không thể nối 30 điểm trên biểu đồ mà phải vẽ 1 đường thẳng đi càng gần với tất cả  các điểm càng tốt. Như vậy 3 đường thẳng ở biểu đồ ta chọn đường thẳng nào?. Nguyên tắc chọn đường thẳng nào đi gần cả 30 đim, có nghĩa làm sao để tổng các phần dư Sei nhỏ nhất:
S ei= S (yi- βx – α)
và tổng bình phương của phần dư:
S (ei)2= S (yi- βx – α)2
Đây là phương trình bậc 2 theo x. Trong toán học, muốn tìm trị cực tiểu của 1 phương trình bậc 2, người ta lấy đạo hàm và cho đạo hàm triệt tiêu (bằng 0) sẽ tím được trị cực tiểu của x. Giải phương trình này, ta sẽ tính được 2 thông số ba và từ 2 thông số này ta sẽ vẽ được đường thẳng hồi qui. Phương pháp này trong toán học gọi là phương pháp bình phương nhỏ nhất (least square method).
Giải phương trình trên ta có:
b =  r
(r là hệ số tương quan; Sy là độ lệch chuẩn của y và Sx là độ lệch chuẩn của x)
r = S ( ) ( )
a= y - bx
và phương trình hồi qui tuyến tính của y theo x (bình phương nhỏ nhất) là: 
  y’ = βxi + a
Dùng phần mềm SPSS để vẻ đường hồi qui đồng thời tính phần hồi qui và phần dư của mô hình. Nhập số liệu tuổi và cân nặng cân được của 30 trẻ 1-6 tuổi vào SPSS: 
Nhập số liệu vào SPSS
Vào menu >Analyze> Regression> Linear

Bảng 1. Tóm tắt mô hình
Hệ số tương quan R=0,918 và R2=0,843

Bảng 2. Phân tích ANOVA với biến phụ thuộc là cân nặng
Tổng bình phương phần hồi qui (Regression)=336,14
Tổng bình phương phần dư (Residual)=62,8
Trung bình bình phương hồi qui: 336,14/ 1 (bậc tự do)=336,14
Trung bình bình phương phần dư: 62,8/ 28(bậc tự do=n-2)=2,24
F=  = 149,8 và p<0,000

Bảng 3. thông số ba
Kết quả bảng 3 cho biết độ dốc b= 1,96 và điểm cắt tại trung tung là a=7.773
Phương trình đường thẳng hồi qui là:

Cân nặng= 1,96 x tuồi + 7,77

Như vậy khi em bé tăng lên 1 tuổi thì cân nặng tăng lên 1,96 kg
Vẽ đường thẳng hồi qui trong SPSS

Từ phương trình này ta có thể ước đoán được cân nặng theo tuổi của trẻ, tuy nhiên nằm trong một giới hạn nào đó, chẳng hạn như từ 1-12 tuổi, vì sau tuổi này là thời kỳ dậy thì, cân nặng của trẻ sẽ tăng vọt so với tuổi.


Ví dụ muốn ước đoán cân nặng của trẻ  từ quần thể nghiên cứu này:
7 tuổi ð Cân nặng= 1,96 x7 + 7,77 = 21,49 kg
8 tuổi ð Cân nặng= 1,96 x8 + 7,77 = 23,45 kg


Nguồn: Sưu tầm nguyên bài viết BSRang
Bài viết còn tiếp về HD vẽ biểu đồ hình chấm trong Excel 07(Có thể vẽ trong SPSS nhưng không đẹp lắm nên dùng excel). Bạn đọc nhớ đón đọc nghen. Mình sẽ update trong thời gian tới.
TBT_YTCC07
Nguồn: Ytcchue.blogspot.com

Chiến lược học tập hiệu quả dành cho học sinh, sinh viên

Từ: http://skills.hieuhoc.com
Hệ quả của phương pháp học không tốt là lãng phí thời gian, thành tích học tập kém, thậm chí thi rớt dẫn đến chán nản, thất vọng và bất mãn. Học đối với học sinh, sinh viên là cuộc sống, là tương lai. Vậy nên thời gian học tập vô cùng quý giá, không thể lãng phí được. Do đó, ngay ngày hôm nay, các bạn hãy tạo và phát triển nơi mình một kĩ năng học tập có hiệu quả.


Graham Best, một giảng viên với 30 năm trong nghề phát biểu: "Tôi đã thấy trong khi có những học sinh, sinh viên luôn nhận được điểm tuyệt đối thì cũng có những học sinh, sinh viên phải học đi học lại mà vẫn thi trượt."


Và theo ông một trong những yếu tố cốt lõi, ảnh hưởng đến kết quả học tập, điểm số đạt được, đó chính là phương pháp học tập và tự học. Trong Video dưới đây, ông Best có đưa ra một số những bí quyết giúp bạn có thể học tập một cách hiệu quả, tận dụng tối đa thời gian học tập để có thể lĩnh hội được nhiều kiến thức nhất cũng như đạt kết quả cao trong học tập.


Tìm kiếm nội dung trong blog

Đã xảy ra lỗi trong tiện ích này