Bài 4. Hồi quy Logistic thứ tự (liên quan đến hiệu ứng tương tác)

1. Khi nào sử dụng?

Trong chủ đề trước, chúng tôi đã giới thiệu đến bạn những nội dung cốt lõi của hồi quy logistic thứ tự trong điều khoản các biến độc lập không có hiệu ứng tương tác. Mục đích của chủ đề này là để đánh giá các hiệu ứng tương tác (interaction effects) trong hồi quy thứ tự. Mô hình logit thứ tự và các giả định kiểm tra là vẫn áp dụng như trong mô hình hồi quy thứ tự.

Hồi quy logistic thứ tự liên quan đến hiệu ứng tương tác được sử dụng khi trong mô hình hồi quy thứ tự mà giữa vài biến độc lập nào đó xuất hiện các hiệu ứng tương tác với nhau. Ví dụ, một nhà nghiên cứu có thể muốn biết các phản ứng với việc tăng học phí (theo thang Likert 5 điểm) là được dự báo như thế nào bởi khu vực sinh sống (thành thị/ nông thôn) và điểm thành tích học tập phổ thông của các sinh viên (vui lòng đọc lại ví dụ minh họa trong bài hồi quy ligistic thứ tự). Mô hình hồi quy thứ tự đã được sử dụng ở đây. Nhưng một vài nghiên cứu trước đây đã ngụ ý rằng có một hiệu ứng tương tác giữa điểm thành tích học tập với khu vực sinh sống của các sinh viên. Do vậy, hiệu ứng tương tác này cần được thêm vào trong mô hình hồi quy thứ tự như một biến giải thích.

2. Phân tích hồi quy logistic thứ tự trong SPSS

Các bước phân tích hồi quy logistic thứ tự liên quan đến hiệu ứng tương tác trong SPSS như sau:

Bước 1: Chọn Analyze > Regression > Ordinal…

Bước 2: Trong hộp thoại Ordinal Regression, chúng ta chuyển biến phụ thuộc ‘Tanghocphi’ vào ô Dependent, chuyển biến độc lập liên tục ‘ThanhtichHT’ vào Covariate(s), chuyển biến giới tính ‘Khuvuc’ vào ô Factor(s).

Bước 3: Nhấp vào nút Location để mở hộp thoại Ordinal Regression: Location. Nhấp vào tùy chọn Custom trong vùng Specify Model. Bây giờ là công việc xây dựng mô hình hồi quy:

– Chúng ta bắt đầu bằng cách chỉ định một mô hình đầy đủ bao gồm tất cả các hiệu ứng chính. Chúng ta giữ phím CTRL, nhấp chọn biến ‘Khuvuc’ và biến ‘ThanhtichHT’ trong hộp Factors/covariates để cả hai được đánh dấu. Tiếp theo trong hộp xây dựng điều khoản Build terms, nhấp chọn main effects, sau đó nhấp vào mũi tên để chúng vào vùng Location model.

– Thêm vào mô hình hồi quy một tương tác hai chiều ‘Khuvuc*ThanhtichHT’. Lưu ý rằng, SPSS cho phép chúng ta kiểu tra hiệu ứng 2 chiều (hai biến tương tác), hoặc 3 chiều (ba biến tương tác), hoặc tối đa đến 5 chiều. Sau đó nhấp nút Continue. Để xây dựng hiệu ứng tương tác, chúng ta giữ phím CTRL, nhấp chọn biến ‘Khuvuc’ và biến ‘ThanhtichHT’ trong hộp Factors/covariates để cả hai được đánh dấu. Tiếp theo trong hộp xây dựng điều khoản Build terms, nhấp chọn All 2-way, sau đó nhấp vào mũi tên để chuyển hiệu ứng tương tác này vào vùng Location model.

Bước 4: Nhấp vào nút Output, đánh dấu vào ô Cell Information, Test of Parallet lines. Điều này là cần thiết vì nó sẽ yêu cầu SPSS thực hiện kiểm tra giả định về Odds về tỷ lệ (hoặc các đường song song) nằm trong mô hình hồi quy thứ tự. Bạn cũng co thể đánh dấu thêm vào ô Estimated response probabilities. Điều này sẽ lưu, đối với mỗi trường hợp trong tệp dữ liệu, xác suất dự đoán để đạt được từng loại kết quả, trong trường hợp này là xác suất ước tính của sinh viên đạt được từng cấp độ phản ứng với tăng học phí. Các nút khác giữ nguyên mặc định như trong hình dưới đây. Sau đó nhấp Continue.

Bước 5: Nhấp OK để chạy mô hình hồi quy với đầy đủ các hiệu ứng chính và hiệu ứng tương tác. Sau đó loại bỏ đi bất kỳ hiệu ứng tương tác nào là không ý nghĩa đáng kể.

Trong trường hợp này, hiệu ứng ‘Khuvuc*ThanhtichHT’ là có ý nghĩa đáng kể (p=0.004 < 0.05) nên chúng ta không thể loại bỏ chúng khỏi mô hình hồi quy và cũng không cần chạy lại mô hình hồi quy nếu chúng bị loại bỏ.

Đọc kết quả:

Nói chung, việc đọc kết quả trong các bảng Case processing summary, Model fitting information, Goodness-of-Fit, Pseudo R-Square, Test of parallel lines tương tự như đã trình bày trong phân tích hồi quy ligistic thứ tự.

Các kết quả khác biệt và quan trọng là được trình bày trong bảng Parameter estimates. Vì các hiệu ứng chính được phân tích tương tự như trong hồi quy logistic thứ tự đã được trình bày trong bài trước nên phần này chúng ta sẽ tập trung phân tích vào hiệu ứng tương tác. Có thể thấy rằng hiệu ứng tương tác ‘Khuvuc*ThanhtichHT’ là có ý nghĩa đáng kể (p=0.004 < 0.05).