04. Hồi Quy Logistic

Hướng dẫn phân tích hồi quy Logistic nhị phân, đánh giá chỉ số Hosmer-Lemeshow, tỷ số chênh Odds Ratio (Exp(B)).

Phân Tích Hồi Quy Logistic (Logistic Regression)

Hồi quy Logistic nhị phân (Binary Logistic Regression) được sử dụng khi biến phụ thuộc là biến định tính 2 giá trị / nhị phân (ví dụ: 0 = Không mắc bệnh, 1 = Mắc bệnh; 0 = Không đỗ, 1 = Đỗ).

1. Các Bước Thực Hiện Trong SPSS

1. Analyze $\r\rightarrow$ Regression $\r\rightarrow$ Binary Logistic…
2. Đưa biến phụ thuộc nhị phân vào ô Dependent.
3. Đưa các biến độc lập (liên tục hoặc định tính) vào ô Covariates.
4. Nếu có biến độc lập là biến định tính, chọn nút Categorical…, đưa biến đó vào ô Categorical Covariates $\r\rightarrow$ chọn Change.
5. Chọn nút Options…:
   • Tích chọn CI for exp(B): 95%, Hosmer-Lemeshow goodness-of-fit, Casewise listing of residuals.
6. Nhấn Continue $\r\rightarrow$ OK.

2. Phiên Giải Kết Quả Output

1. Kiểm định độ phù hợp mô hình Hosmer and Lemeshow Test:
   • Cần giá trị $P > .05$ ($Sig. > .05$) để kết luận mô hình phù hợp tốt với dữ liệu thực tế.
2. Hệ số xác định tương đương:
   • Cox & Snell $R^2$ và Nagelkerke $R^2$ cung cấp thông tin về tỷ lệ biến thiên được giải thích.
3. Bảng Các Biến Trong Mô Hình (Variables in the Equation):
   • $B$: Hệ số hồi quy chưa chuẩn hóa.
   • Wald: Kiểm định ý nghĩa thống kê của biến độc lập ($P < .05$).
   • $Exp(B)$ (Odds Ratio - OR): Tỷ số chênh.
     • $OR > 1$: Làm tăng xác suất xảy ra biến cố.
     • $OR < 1$: Làm giảm xác suất xảy ra biến cố.
     • 95% CI for EXP(B): Khoảng tin cậy 95% của Tỷ số chênh OR.