Tiêu chuẩn đánh giá hệ số tương quan r

Tương quan Pearson giúp chúng ta thực hiện các thống kê cơ bản như ước lượng điểm [kiểm định mức ý nghĩa], giải thích [sự ảnh hưởng của biến độc lập đối với biến phụ thuộc], dự báo [thông qua mô hình hồi quy tuyến tính], ước lượng độ tin cậy và tính hợp lý [validity].

Trong trường hợp bạn gặp khó khăn khi sử dụng phần mềm SPSS, hãy liên hệ với chúng tôi để được hỗ trợ với chạy spss thuê

Những lý thuyết về tương quan Pearson trong SPSS và các tiêu chí

1. Sự khác nhau giữa hồi quy và tương quan

Nhiều bạn nghĩ rằng phương trình hồi quy và phương trình tương quan là một. Tuy nhiên thực tế lại không phải như vậy. Chúng khác nhau cả về mục đích và kỹ thuật.

- Tương quan: Có tác động 2 chiều giữa 2 hay nhiều biến, ở đây sẽ không phân biệt biến nội sinh và ngoại sinh [biến độc lập và biến phụ thuộc], chúng có tính chất đối xứng. Nghĩa là chúng ta sẽ phải xem xét tác động qua lại giữa cả 2 hay nhiều biến với nhau. Ví dụ: Mức độ quan hệ giữa nghiện thuốc lá và ung thư phổi, giữa kết quả thi môn Lý và môn Toán.

- Hồi quy: Chỉ có tác động một chiều của biến độc lập lên biến phụ thuộc. Biến phụ thuộc là đại lượng ngẫu nhiên

Tóm lại, hồi quy thì tương quan [Hay nói cách khác, để được hồi quy thì trước hết phải tương quan], còn tương quan thì chưa chắc đã hồi quy.

2. Tương quan Pearson là gì?

Trong thống kê, hệ số tương quan có ý nghĩa đặc biệt quan trọng. Tương quan hiểu một cách nôm na là mối quan hệ tương đối giữa các biến. Điều này có nghĩa là các biến có quan hệ với nhau trong một số điều kiện nhất định chứ không phải trong mọi trường hợp [quan hệ tuyệt đối]. Thông thường khi nói đến hệ số tương quan, chúng ta ngầm liên tưởng đến hệ số tương quan Pearson.

Hệ số tương quan Pearson giúp chúng ta thực hiện các thống kê cơ bản như ước lượng điểm [kiểm định mức ý nghĩa], giải thích [sự ảnh hưởng của biến độc lập đối với biến phụ thuộc], dự báo [thông qua mô hình hồi quy tuyến tính], ước lượng độ tin cậy và tính hợp lý [validity]. Nó cũng có thể thiết lập và kiểm định các mô hình có chứa các biến tiềm ẩn và các biến có thể đo lường được. Mặc dù hệ số này có ảnh hưởng lớn trong lĩnh vực thống kê nhưng cũng tồn tại một số hệ số khác được sử dụng tùy thuộc vào biến đo lường.

3. Mục đích của việc chạy tương quan Pearson

- Kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập. Bởi vì điều kiện để hồi quy là trước nhất phải tương quan.

- Tiếp đến đó là nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau. Dấu hiệu đa cộng tuyến sẽ được xem xét khi phân tích hồi quy [Kiểm tra hệ số VIF]

Cách đọc kết quả phân tích tương quan Pearson

-Hệ số tương quan [r] là một chỉ số thống kê đo lường mối liên hệ tương quan giữa hai biến số, như giữa MỨC ĐỘ HÀI LÒNG [y] và TIỀN LƯƠNG [x]. Hệ số tương quan có giá trị từ -1 đến 1:

+ Hệ số tương quan bằng 0 [hay gần 0] có nghĩa là hai biến số không có liên hệ gì với nhau

+ Hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối

+ Hệ số tương quan là âm [r 0] có nghĩa là khi x tăng cao thì y cũng tăng, và khi x tăng cao thì y cũng tăng theo.

Có nhiều hệ số tương quan, hệ số tương quan thông dụng nhất: Hệ số tương quan Pearson r, được định nghĩa như sau:

Cho hai biến số x và y từ n mẫu, hệ số tương quan Pearson được ước tính bằng công thức sau đây:

Ảnh 1 - Công thức tính hệ số tương quan

Trong phân tích áp dụng cho luận văn, kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến độc lập với nhau có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy [giả thuyết H0: hệ số tương quan bằng 0]. Cụ thể cách chạy như sau:

Vào menu Analyze-> Correlate -> Bivariate

Ảnh 2 - Cách chạy tương quan Pearson

Chọn các nhân tố vừa được tạo ở bước trên qua ô Variables bên phải. Xong bấm OK

Ảnh 3 - Bảng Bivariate Correlate

Ảnh 4 - Correlations

- Ô màu xanh: hệ số tương quan Pearson

- Ô màu đỏ: significant của kiểm định Pearson. Giả thuyết H0: hệ số tương quan bằng 0. Do đó nếu Sig. Này bé hơn 5% ta có thể kết luận được là hai biến có tương quan với nhau. Hệ số tương quan càng lớn tương quan càng chặt. nếu Sig. này lớn hơn 5% thì hai biến không có tương quan với nhau.

- Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếu ở bước phân tích tương quan này biến độc lập không có tương quan với biến phụ thuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.

- Kết quả phân tích tương quan Pearson cho thấy một số biến độc lập có sự tương quan với nhau. Do đó khi phân tích hồi quy cần phải chú ý đến vấn đề đa cộng tuyến. Các biến độc lập có tương quan với biến phụ thuộc và do đó sẽ được đưa vào mô hình để giải thích cho biến phụ thuộc.

Hệ số tương quan Pearson càng tiến về 1 càng tương quan mạnh. Ngược lại, hệ số này càng tiến gần về 0 thì tương quan càng yếu.

Bạn cần lưu ý đến giá trị sig: Nếu bạn chọn mức ý nghĩa 1% thì giá trị sig phải < 0.01, còn nếu bạn chọn mức ý nghĩa là 5% thì sig < 0.05 tương ứng với các dấu [*] được đánh dấu trên hệ số tương quan r. Chú thích ở 2 hàng cuối cùng trong bảng Correlation

**. Correlation is significant at the 0.01 level [2-tailed]

*. Correlation is significant at the 0.05 level [2-tailed]

Ngoài dịch vụ viết luận văn tốt nghiệp của Luận Văn Việt, bạn có thể tham khảo dịch vụ làm báo cáo thuê , làm luận văn thuê cần thơ , thuê làm đồ án tốt nghiệp , làm tiểu luận thuê

4. Giải thích ý nghĩa ma trận tương quan

* Với hệ số Pearson Correlation nói lên mức độ tương quan giữa các biến với nhau trong mô hình. Hệ số tương quan càng lớn nói lên mức độ tương quan càng cao, điều này có thể dẫn tới hiện tượng đa cộng tuyến khi kiểm định mô hình hồi quy.

* Hệ số Sig: Nói lên tính phù hợp của hệ số tương quan giữa các biến theo phép kiểm định F với một độ tin cậy cho trước.

Nếu bạn gặp khó khăn khi chạy tương quan Pearson, bạn có thể tham khảo dịch vụ xử lý số liệu spss của Luận Văn Việt. Với kinh nghiệm hơn 10 năm hoạt động trong lĩnh vực này, chúng tôi chắc chắn sẽ mang đến cho bạn sự hài lòng về cả chất lượng và giá cả.

luan_van_viet ,

luận_văn_việt ,

xử_lý_số_liệu_spss ,

dịch_vụ_chạy_spss ,

nhan_chay_spss ,

dịch_vụ_spss ,

chạy_spss_thuê ,

LVV

Hệ số tương quan bao nhiêu là tốt?

Giá trị của hệ số tương quan bằng 0.2 nghĩa là mối quan hệ giữa hai biến là đồng biến. Tuy nhiên mức độ trong quan hệ của hai biến ở mức không đáng kể. Các chuyên gia đã nhận định rằng tương quan giữa hai biến sẽ có ý nghĩa khi đạt giá trị từ 0.8 trở lên. Từ 0.9 trở lên là mối liên hệ rất chặt chẽ.

Hệ số tương quan R 1 khi nào?

r = 1; r = -1: Hai biến có mối tương quan tuyến tính tuyệt đối. r < 0: Hệ số tương quan âm. Nghĩa là giá trị biến x tăng thì giá trị biến y giảm và ngược lại, giá trị biến y tăng thì giá trị biến x giảm. r > 0: Hệ số tương quan dương.

Nếu hệ số tương quan r 0 thì có kết luận gì về giá trị A và B?

Nếu mối tương quan giữa hai biến là 0 thì kết luận không có mối quan hệ tuyến tính giữa chúng. Độ mạnh của mối quan hệ thay đổi theo mức độ dựa trên giá trị của hệ số tương quan. Ví dụ, giá trị 0,2 cho thấy có mối tương quan dương giữa hai biến, nhưng nó yếu và có thể không quan trọng.

Hệ số tương quan Mau là gì?

Hệ số tương quan là một chỉ số đo lường của một số loại tương quan, nghĩa là mối liên hệ thống kê giữa hai biến số. Các biến có thể là hai cột của một bộ dữ liệu quan sát đã cho, thường được gọi là mẫu hoặc hai phần của một biến ngẫu nhiên đa biến số có phân phối đã biết trước.