Hồi quy tuyến tính trong R thường được ước lượng bằng hàm lm(), nhưng một phân tích đạt yêu cầu luận văn gồm bốn khâu: đặc tả mô hình từ giả thuyết, ước lượng, chẩn đoán giả định và báo cáo hệ số. Bỏ qua khâu chẩn đoán là lý do phổ biến khiến kết quả bị hội đồng chất vấn, dù các hệ số trông có vẻ hợp lý.
Bài viết hướng dẫn từng khâu theo thứ tự, giải thích ý nghĩa các con số trong bảng kết quả và gợi ý cách xử lý khi giả định bị vi phạm. Ví dụ minh họa là một đề tài giả định về các yếu tố ảnh hưởng đến kết quả học tập, với biến phụ thuộc là điểm trung bình tích lũy.
Tóm tắt nhanh: công thức mô hình phải xuất phát từ giả thuyết, không phải từ việc thử nhiều biến.
Sau khi ước lượng, luôn xem biểu đồ phần dư, kiểm tra VIF và điểm ảnh hưởng, rồi báo cáo hệ số kèm khoảng tin cậy.
Đặc tả mô hình trước khi chạy hồi quy tuyến tính trong R
Đặc tả là bước quyết định biến nào vào mô hình, dưới dạng nào và vì sao. Mỗi biến độc lập nên gắn với một giả thuyết trong chương cơ sở lý thuyết, còn biến kiểm soát cần lý do từ nghiên cứu trước. Nếu mô hình chưa rõ ràng, hãy đọc lại bài thiết lập mô hình nghiên cứu từ lý thuyết trước khi chạy lệnh.
Từ giả thuyết đến công thức
Trong R, mô hình được viết dưới dạng công thức với biến phụ thuộc bên trái dấu ngã, các biến độc lập bên phải nối bằng dấu cộng. Ví dụ minh họa: điểm tích lũy phụ thuộc vào số giờ tự học, mức động lực học tập và việc làm thêm. Tương tác giữa hai biến được viết bằng dấu sao, nhưng chỉ nên đưa vào khi có giả thuyết điều tiết.
Biến phân loại và nhóm tham chiếu
Khi đưa một biến factor vào công thức, R tự tạo các biến giả và chọn mức đầu tiên làm nhóm tham chiếu. Nếu nhóm đó không có ý nghĩa so sánh, hãy đổi bằng relevel() hoặc forcats::fct_relevel(). Mọi hệ số của biến giả đều được đọc là chênh lệch so với nhóm tham chiếu, nên bạn cần nêu rõ nhóm này trong bảng.
Ước lượng bằng hàm lm và đọc kết quả
Sau khi gán mô hình vào một đối tượng, hàm summary() in ra toàn bộ kết quả cần thiết. Đừng chỉ nhìn cột p-value; mỗi phần của bảng trả lời một câu hỏi khác nhau. Việc hiểu đúng từng phần giúp bạn viết diễn giải chính xác và trả lời được câu hỏi phản biện.
Các thành phần của summary
- Estimate: hệ số hồi quy chưa chuẩn hóa, cho biết biến phụ thuộc thay đổi bao nhiêu khi biến độc lập tăng một đơn vị, các biến khác giữ nguyên.
- Std. Error và t value: sai số chuẩn và thống kê t dùng để kiểm định hệ số khác 0.
- Pr: cột cuối của bảng hệ số, chứa giá trị p của kiểm định đó.
- Multiple R-squared và Adjusted R-squared: tỷ lệ biến thiên được giải thích; bản hiệu chỉnh phạt việc thêm biến không cần thiết.
- F-statistic: kiểm định mô hình có giải thích tốt hơn mô hình không có biến độc lập hay không.
Khoảng tin cậy và bảng gọn bằng broom
Hàm confint() trả về khoảng tin cậy 95% cho từng hệ số, thông tin mà nhiều tạp chí và hội đồng yêu cầu bên cạnh giá trị p. Gói broom chuyển kết quả thành bảng dữ liệu: tidy() cho hệ số, glance() cho chỉ số toàn mô hình. Nhờ đó, bạn xuất bảng ra tệp bằng lệnh thay vì gõ lại từng con số.
Chẩn đoán mô hình hồi quy tuyến tính trong R
Ước lượng bình phương nhỏ nhất dựa trên một số giả định về phần dư và quan hệ giữa các biến. Khi giả định bị vi phạm nghiêm trọng, sai số chuẩn và giá trị p có thể không còn đáng tin. Sổ tay NIST/SEMATECH e-Handbook of Statistical Methods trình bày kỹ cơ sở của việc kiểm tra phần dư nếu bạn cần trích dẫn.
Bốn biểu đồ phần dư
Gọi plot() trên đối tượng mô hình sẽ cho bốn biểu đồ chẩn đoán. Biểu đồ phần dư theo giá trị dự báo giúp phát hiện quan hệ phi tuyến và phương sai thay đổi. Biểu đồ Q–Q cho thấy phần dư có gần phân phối chuẩn không, còn hai biểu đồ cuối giúp nhận diện quan sát có ảnh hưởng lớn.
Đa cộng tuyến, phương sai sai số và điểm ảnh hưởng
Bảng dưới đây tóm tắt các kiểm tra phổ biến kèm ngưỡng tham khảo. Đây không phải quy tắc cứng; bạn cần đối chiếu yêu cầu của giảng viên hoặc tạp chí.
| Giả định | Cách kiểm tra trong R | Ngưỡng tham khảo | Hướng xử lý gợi ý |
|---|---|---|---|
| Không đa cộng tuyến nghiêm trọng | car::vif() | VIF trên 10 là đáng lo theo Hair và cộng sự; nhiều tác giả dùng ngưỡng 5 | Xem lại biến trùng khái niệm, gộp hoặc bỏ biến có căn cứ |
| Phương sai sai số không đổi | lmtest::bptest() và biểu đồ phần dư | p dưới 0,05 gợi ý phương sai thay đổi | Dùng sai số chuẩn vững |
| Phần dư gần chuẩn | Biểu đồ Q–Q, shapiro.test() trên phần dư | Đánh giá bằng hình là chính khi mẫu lớn | Xem xét biến đổi biến phụ thuộc |
| Không có điểm ảnh hưởng quá lớn | cooks.distance() | Thường xem xét khi vượt 4/n hoặc 1 | Kiểm tra lỗi nhập, so sánh mô hình có và không có điểm đó |
| Quan hệ tuyến tính | Biểu đồ phần dư theo giá trị dự báo | Không có dạng cong rõ rệt | Thêm biến bậc hai hoặc biến đổi log |
Khi giả định bị vi phạm
Với phương sai sai số thay đổi, cách phổ biến là giữ nguyên hệ số và tính lại sai số chuẩn vững bằng gói sandwich kết hợp lmtest::coeftest(). Với điểm ảnh hưởng, hãy báo cáo cả hai mô hình nếu kết luận thay đổi. Mọi điều chỉnh đều cần được nêu trong chương phương pháp, không âm thầm thay đổi.
Kinh nghiệm từ Luận Văn 360: nhiều học viên chạy kiểm định Shapiro–Wilk trên biến phụ thuộc thay vì trên phần dư, rồi kết luận mô hình vi phạm giả định.
Giả định chuẩn áp dụng cho phần dư của mô hình. Với mẫu vài trăm quan sát, biểu đồ Q–Q thường cho thông tin hữu ích hơn một giá trị p đơn lẻ.
Nếu bạn đã chạy xong mô hình nhưng chưa chắc phần chẩn đoán đủ thuyết phục, dịch vụ tư vấn phân tích dữ liệu bằng R của Luận Văn 360 có thể rà soát mã và cách diễn giải. Bạn nhận góp ý cụ thể và tự quyết định cách điều chỉnh mô hình.
Báo cáo hệ số theo chuẩn học thuật
Một bảng kết quả hồi quy đầy đủ trong luận văn thường có các thành phần sau:
- Tên biến, kèm nhóm tham chiếu với biến phân loại.
- Hệ số chưa chuẩn hóa và sai số chuẩn.
- Khoảng tin cậy 95% và giá trị p.
- Hệ số chuẩn hóa, nếu khoa hoặc tạp chí yêu cầu.
- Dòng ghi chú cuối bảng: R bình phương, R bình phương hiệu chỉnh, thống kê F và cỡ mẫu.
Hướng dẫn bảng và hình theo APA là chuẩn tham khảo tốt cho cách trình bày. Nếu trường có mẫu riêng, hãy ưu tiên mẫu đó và giữ cùng số chữ số thập phân cho mọi bảng.
Diễn giải hệ số đúng mức
Một câu diễn giải tốt nêu hướng, độ lớn và độ chắc chắn của quan hệ. Ví dụ minh họa: mỗi giờ tự học thêm mỗi tuần gắn với điểm tích lũy cao hơn khoảng 0,03 điểm, khi các yếu tố khác không đổi. Với dữ liệu khảo sát cắt ngang, hãy dùng từ “có liên hệ” thay vì “làm tăng” để không ngầm khẳng định nhân quả.
Hệ số chuẩn hóa
Hệ số chuẩn hóa giúp so sánh mức tác động giữa các biến có đơn vị khác nhau. Trong R, bạn có thể chuẩn hóa các biến bằng scale() trước khi ước lượng, hoặc dùng gói parameters để tính trực tiếp từ mô hình đã có.
Câu hỏi thường gặp
Giá trị p nhỏ có nghĩa là tác động mạnh?
Không. Giá trị p cho biết bằng chứng chống lại giả thuyết hệ số bằng 0, không cho biết độ lớn. Với mẫu lớn, hệ số rất nhỏ vẫn có thể có ý nghĩa thống kê, vì vậy hãy luôn bàn về độ lớn hệ số.
R bình phương thấp có làm mô hình vô giá trị?
Trong khoa học xã hội, R bình phương khiêm tốn khá phổ biến vì hành vi con người chịu nhiều yếu tố. Nếu mục tiêu là kiểm định quan hệ giữa các biến, điều quan trọng hơn là đặc tả đúng và giả định được đáp ứng.
Kết luận
Hồi quy tuyến tính trong R chỉ thuyết phục khi bạn đi đủ bốn khâu: đặc tả từ giả thuyết, ước lượng bằng lm(), chẩn đoán phần dư cùng các giả định, và báo cáo hệ số kèm khoảng tin cậy. Mỗi điều chỉnh cần được ghi lại trong script và nêu rõ trong chương phương pháp.
Để chuẩn bị dữ liệu đầu vào, bạn có thể xem lại bài thống kê mô tả và trực quan hóa bằng R. Khi cần một lượt rà soát độc lập cho mô hình và bảng kết quả, hãy tìm hiểu dịch vụ phân tích dữ liệu bằng R của Luận Văn 360.
