Cách mã hóa biến bằng lệnh RECODE

Nhóm MBA ĐH Bách Khoa hotrospss@gmail.com giới thiệu cách mã hoá lại biến (Recode) , có hai loại là mã hóa vào cùng một biến và mã hóa bằng cách tạo biến khác

 Đầu tiên các bạn download file thực hành Hoàng Trọng ở đây

http://phantichspss.com/filefordownload/Data%20thuc%20hanh.sav 

Quy trình thực hiện việc mã hoá lại biến    

1. Vào menu Transform>Recode>Into Different Variables mở hộp thoại Recode Into Different  Variables để lệnh Recode tạo cho bạn một biến mới với các giá trị mã hoá do bạn khai báo trên cơ  sở biến gốc, còn biến cũ làm cơ sở mã hoá vẫn được giữ lại. Nhớ là đừng chọn Into Same Variables  trừ khi bạn muốn lệnh Recode làm mất đi biến cũ của bạn và tạo ra một biến mới với các biểu hiện  vừa được mã hoá trên cơ sở biến cũ.

2. Trong hộp thoại Recode Into Different Variables bạn chọn biến  muốn recode (ở đây là biến tuôi)  đưa sang khung Numeric Variable-> Output Variable bằng cách: nhắp chuột tại tên biến muốn  recode trong danh sách biến nguồn bên trái và biến đó sẽ được chiếu sáng, sau đó rê con trỏ chuột  đến đầu mũi tên hướng vào khung Numeric Variable-> Output Variable, nhắp chuột và tên biến này  sẽ xuất hiện trong khung Numeric Variable-> Output Variable   

3. Sau đó sang phần Output Variable đặt tên và nhãn cho biến mới này, ví dụ đặt là tuoiMH, đặt  nhãn Lable là “tuoi  duoc ma hoa lai” sau đó  nhấn nút Change để báo cho SPSS biết bạn muốn  recode biến tuôi->tuôiMH, nhớ đừng quên nút Change nếu không  lệnh recode của bạn sẽ không  thành công. 

4. Nhấp vào nút Old and new value mở tiếp hộp thoại Recode into Diferent Variables: Old and New  Values để xác định sự chuyển đổi giữa giá trị cũ và giá trị mới tương ứng.  Trong hộp thoại này, lần lượt khai báo phần giá trị cũ (Old Value bên tay trái), tương ứng với từng  giá trị mới (New Value bên tay phải), có các loại giá trị cũ có thể được recode như sau  

Value: từng giá trị cũ rời rạc ứng với 1 giá trị mới  

System-missing:  giá trị khuyết của hệ thống  

System or user mising: giá trị khuyết của hệ thống hoặc do người sử dụng định nghĩa.  

Range: một khoảng giá trị cũ ứng với một giá trị mới, tình huống này cũng có ba trường hợp nhỏ là  

Khoảng giữa hai giá trị (Range …through); 

Khoảng từ giá trị nhỏ nhất đến một giá trị xác định được  nhập vào (Lowesr through …Range);

Khoảng từ một giá trị xác định được nhập vào đến giá trị lớn  nhất (Range… through Highest)  

Mỗi lần bạn xác định xong một cặp giá trị cũ và chỉ định giá trị mới, nút Add sẽ hiện sáng lên, hãy  nhấn vào nút này để đưa cặp giá trị cũ được khai báo và giá trị mới này vào ô Old -> New: (nhớ  đừng quên nhấn nút Add sau mỗi lần xác định xong một cặp giá trị cũ – mới)  

5. Xác định xong bạn nhấp nút Continue để trở về hộp thoại trước đó và chọn OK để thực hiện lệnh  mã hoá lại, lúc  đó trên màn hình Variable view xuất hiện một biến mới là tuoiMH nằm dưới cùng  tức là biến được tạo mới nhất  

6. Trên màn hình Variable View, bạn phải vào thuộc  tính Values để gán các nhãn giá trị cho biến  tuoiMH vừa tạo, nếu không khai báo các nhãn giá trị thì khi bạn lập bảng tần số cho tuoiMH, SPSS  sẽ truy xuất ra tần số của các con số 1, 2, 3, 4 mà bạn đã gán chứ không truy xuất các biểu hiện (18- 25); (26-35) ,… của biến tuoiMH. Do đó bạn phải nhớ khai báo Values cho tuoiMH. 

Sau đây là video thực hiện:

Cách chuyển từ biến Category sang Dichotomy

Nhóm MBA ĐH Bách Khoa hotrospss@gmail.com giới thiệu cách:

Chuyển 1 biến dạng phân loại (Category) thành dạng biến lưỡng phân (Dichotomy) . Biến category là biến có nhiều biển hiện, ví dụ Xanh, Đỏ, Vàng. Biến Dichotomy là biến chỉ có 2 biểu hiện, ví dụ có màu hoặc không có màu

Được dùng khi gặp câu hỏi có nhiều trả lới (MA) để tập hợp một thông tin chứa trong các câu trả lời, muốn vậy cần tạo một biến với 2 biểu hiện: 1 có thông tin và 0 không có thông tin, đếm 1 sẽ có được thông tin cần quan tâm; 

Cách tiến hành

Đầu tiên các bạn download file thực hành Hoàng Trọng ở đây

http://phantichspss.com/filefordownload/Data%20thuc%20hanh.sav 

Sau đó mở file.

Vào menu Transform \ count

Khai tên biến Dichotomy trong Target Variable (docTTre) và nhãn biến trong Target Label (Nguoi doc bao TTre).

Vào Define Values

Value: nhập 7 (là mã hóa của báo Tuổi trẻ), nhấn Add để chuyển vào Values to Count. Continue. OK.

Biến docTTre được tạo ra ở cuối Variable View, khai báo tiếp Value với 2 biểu hiện của biến: 0 không đọc báo Tuổi trẻ và 1 có đọc báo Tuổi trẻ.

Sau đây là phần video hướng dẫn:

Video hướng dẫn cài tiếng Việt cho SPSS

Nay nhóm MBA hotrospss@gmail.com giới thiệu đến các bạn video hướng dẫn hiển thị tiếng việt trong SPSS. Ở đây cần lưu ý là nếu bạn xài font VNI thì cấu hình phức tạp hơn, còn nếu sử dụng Font Unicode thì dễ hơn nhiều.

Hiển thị UNICODE: 

Vào menu edit-option, chọn vào ô Unicode (universal character set) như hình sau:

Hiển thị VNI: 

Chúng ta cần chỉnh sang font chữ Việt ở cả cửa sổ dữ liệu và cửa sổ kết quả. Ơ đây font VNI-Helve- condense  được sử dụng để làm mẫu.
- Đối với cửa sổ dữ  liệu: chọn menu View>Font sẽ mở ra hộp thoại để chỉnh font chữ trên cửa  sổ dữ liệu, bạn có thể chọn cả kiểu định dạng chữ nghiêng hay đậm và cỡ chữ mà bạn muốn. Sau khi  nhấp nút OK bạn sẽ thấy font chữ trên cửa sổ dữ liệu thay đổi sang kiểu bạn vừa định dạng (ví dụ ở  đây là font VNI-Helve Condense) nếu trước đó bạn đã nhập chữ  Việt. Còn nếu chưa nhập chữ Việt  thì lựa chọn này cũng cho phép bạn sau đó có thể hiện tiếng Việt trong quá trình nhập liệu

- Đối với cửa sổ kết quả xử lý, quy trình xác lập tiếng Việt trong cửa sổ kết quả như sau:  Chép file Boxed VNI Helve condense.tlo trong (được cung cấp kèm theo tài liệu) vào thư mục Looks  của thư mục SPSS bạn đã cài đặt (thông thường có đường dẫn là: C:\Program Files\SPSS\Looks)  Từ menu SPSS chọn Edit -> Options. Trong hộp thoại Options, hãy chọn phiếu Pivot Tables. Trong  phần TableLook, hãy tìm và chọn sáng tên file Boxed VNI Helve condense.tlo, rồi nhấp nút Set  TableLook Directory, nút Apply và cuối cùng là nút OK thì các bảng biểu kết quả xử lý bạn tạo ra  đều hiện chữ Việt (tất nhiên là với điều kiện trước đó bạn đã khai báo các biến ở dạng tiếng Việt có dấu).
Video hướng dẫn cài đặt tiếng việt:



(Trong tài liệu có trích dẫn một số đoạn trong sách của Hoàng Trọng)
Ngoài ra nhóm có thể hỗ trợ các bạn khảo sát số liệu phục vụ luận văn, liên hệ hotrospss@gmail.com hoặc http://phantichspss.com

Cách xử lý cài SPSS cho máy macbook bị lỗi unidentified developer

Khi cài SPSS cho máy tính MAC OS. Nhiều trường hợp các bạn sẽ không cài được do báo lỗi sau:

spss statistics installer cannot be opened because it is from an unidentified developer.

Your security preferences allow installation of only apps from the Mac App Store and identified developers

Như hình sau:

Lúc đó sẽ không thể nào cài tiếp được, bạn vào cài đặt bảo mật Apple menu > System Preferences… > Security & Privacy > General tab dưới tab  “Allow applications downloaded from:”

Mục này có ba loại cài đặt  Allow applications downloaded from:

• Mac App Store
• Mac App Store and identified developers
• Anywhere

Sau đó chọn anywehre.

Sau đó có thể tiến hành cài đặt SPSS trên MAC dễ đàng.

Video cài đặt tham khảo ở đây, gặp khó khăn khi phân tích SPSS , email cho nhóm tại địa chỉ hotrospss@gmail.com để được hỗ trợ.

Phân tích độ tin cậy cronbach’s alpha

Nhóm MBA hotrospss@gmail.com giới thiệu bài viết về phân tích độ tin cậy trong SPSS. Bài viết này tập trung vào giới thiệu phần lý thuyết và thực hành cách phân tích độ tin cậy cronbach alpha.

Lý thuyết phân tích cronbach alpha

Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
– Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
– Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
– Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí:
– Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ hơn 0,4 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).
– Chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).

Thực hành phân tích cronbach alpha

Cách phân tích độ tin cậy cronbach’s alpha

Vào menu Analyze->Scale->Reliability Analysis

Chọn các câu hỏi trong cùng một nhân tố qua cột bên phải, sau đó nhấn vào Statistic, check vào ô Scale if item deleted. Sau đó bấm Continue, sau đó bấm OK

Kết quả chạy cronbach alpha sẽ ra như sau:

Kết luận: Cronbach’s Alpha của thang đo là 0.869, các hệ số tương quan biến tổng của các biến quan sát trong thang đo đều lớn hơn 0.4 và không có trường hợp loại bỏ biến quan sát nào có thể làm cho Cronbach’s Alpha của thang đo này lớn hơn 0.869. Vì vậy, tất cả các biến quan sát đều được chấp nhận và sẽ được sử dụng trong phân tích nhân tố tiếp theo.

Sau đây là video thực hành trực tiếp phân tích cronbach alpha:

Durbin Watson - Thực hành kiểm định tự tương quan trong SPSS

Hôm nay nhóm giới thiệu đến các bạn cách kiểm định durbin watson , phần này là thực hiện kiểm tra tương quan chuỗi bậc nhất. Giá trị d dao động trong khoảng từ 0 đến 4. Tùy vào d mà quyết định xem có tương quan chuỗi bậc nhất hay không.
Các bạn khi phân tích có gặp khó khăn , hay mail cho nhóm nhé.

 Bản chất và nguyên nhân của tự tương quan

  Trong mô hình hồi quy tuyến tính cổ điển chúng ta giả định không có tương quan giữa các phần dư hay Cov(uiuj) = 0 với mọi i, j.

ÞCov(ui,uj) ≠ 0: tự tương quan

* Nguyên nhân khách quan:

- Chuỗi có tính chất quán tính theo chu kỳ

- Hiện tượng mạng nhện: dãy số cung về café năm nay phụ thuộc vào giá năm trước => ui không còn ngẫu nhiên nữa.

- Dãy số có tính chất trễ: tiêu dùng ở thời kỳ này chẳng những phụ thuộc vào thu nhập kỳ này mà còn phụ thuộc vào tiêu dùng của kỳ trước nữa.

* Nguyên nhân chủ quan

- Chọn dạng mô hình sai (thường xảy ra ở mô hình với chi phí biên)

- Đưa thiếu biến giải thích vào mô hình

* Chú ý: trong thực tế khi tiến hành kiểm định Durbin – Watson, người ta thường áp dụng quy tắc kiểm định đơn giản sau:

Nếu 1 < d < 3 thì kết luận mô hình không có tự tương quan.

Nếu 0 < d < 1 thì kết luận mô hình có tự tương quan dương.

Nếu 3 < d < 4 thì kết luận mô hình có tự tương quan âm.

Nếu d thuộc vùng chưa quyết định, chúng ta sẽ sử dụng quy tắc kiểm định cải biên như sau:

1. H0: r = 0; H1: r > 0. Nếu d < dU thì bác bỏ H0 và chấp nhận H1 (với mức ý nghĩa a), nghĩa là có tự tương quan dương.

2. H0: r = 0; H1: r < 0. Nếu d > 4 - dU thì bác bỏ H0 và chấp nhận H1 (với mức ý nghĩa a), nghĩa là có tự tương quan âm.

3. H0: r = 0; H1: r ≠ 0. Nếu d <dU hoặc d > 4 - dU thì bác bỏ H0 và chấp nhận H1 (với mức ý nghĩa 2a), nghĩa là có tự tương quan (âm hoặc dương).

Hệ số Durbin – Watson trong phân tích hồi quy Kiểm định d của Durbin – Watson Tương quan chuỗi bậc nhất Giá trị dL , dU trong Durbin Watson Tính giá trị d trong Durbin Watson Tra cứu dL dU

Khóa học SPSS cấp tốc tại Tp.HCM

Nhóm Hỗ Trợ SPSS hotrospss@gmail.com

Với kinh nghiệm nhiều năm trong phân tích định lượng với SPSS, và đã tốt nghiệp Cao Học ĐH Bách Khoa Tp.HCM, nhóm hotrospss@gmail.com hỗ trợ dịch vụ đào tạo. Khác với các khóa học SPSS khác. Khóa học của Hỗ Trợ SPSS có các đặc điểm nổi bật :

- Dạy trực tiếp một kèm một. Khi đó Nhóm sẽ hỗ trợ sát với mô hình, bảng câu hỏi, cách thức thu thập dữ liệu và phân tích của học viên.

- Lớp học có thời gian linh động: sau 17h các ngày trong tuần, nhóm sẽ gặp trực tiếp bạn để hướng dẫn.

- Quan trọng hơn, nhóm sẽ tiếp tục hỗ trợ kiến thức cho bạn cho đến khi bạn hoàn thành xong bài của mình. Có thể liên hệ trực tiếp, qua skype, teamviewer, alo.

- Địa điểm học SPSS tại Thành Phố Hồ Chí Minh: vì đào tạo 1 kèm 1 nên địa điểm sẽ thỏa thuận, tiện cho cả hai( thường ở quán cafe RiTa ở Nguyễn Văn Cừ - Quận 5 hoặc cafe khu Bắc Hải Quận 10)

- Địa điểm học SPSS nếu học viên không ở tại Tp.HCM: sẽ đào tạo trực tiếp qua internet bằng cách sử dụng chương trình teamviewer và điện thoại( đã có rất nhiều bạn ở các tỉnh xa như Đồng Nai, Vũng Tàu, Đà Nẵng sử dụng cách này- vì dùng teamviewer rất tiện lợi, nhóm có thể thấy được màn hình máy tính của bạn và hướng dẫn bạn trực tiếp trên đó)

Các vấn đề được đề cập thông thường như sau:

-Kiểm định độ tin cậy cronbach’s alpha ,Phân tích nhân tố EFA, Phân tích tương quan, Phân tích hồi quy, Phân tích anova ,Thống kê mô tả, tần số, Và các vấn đề liên quan khác

-Tư vấn mô hình/bảng câu hỏi/ cách thức thu thập xử lý số liệu về phân tích hồi quy, nhân tố, cronbach alpha... trong SPSS, và mô hình SEM, CFA, AMOS

Đăng ký ngay hôm nay bằng cách gởi email đến hotrospss@gmail.com

"TRÁI TIM" CỦA NGHIÊN CỨU ĐỊNH LƯỢNG

"TRÁI TIM" CỦA NGHIÊN CỨU ĐỊNH LƯỢNG

Nhiều bạn viết mail nói với Ad: "Em đã làm luận văn gần như xong hết rồi, chỉ còn mỗi phần dữ liệu nữa thôi, Ad hỗ trợ giúp em nhé!". Ad mới hỏi lại: "Thế bạn làm nghiên cứu theo hướng định tính hay định lượng?". Bạn ấy trả lời: "Dạ, GVHD yêu cầu em làm định lượng ạ!". Các bạn nghĩ sao về vấn đề này?!

Như các bạn thấy đấy, nếu đã là nghiên cứu định lượng thì bộ dữ liệu rất quan trọng. Có thể nói đó là linh hồn, là trái tim cho bài nghiên cứu của các bạn. Người ta có câu: "nói có sách, mách có chứng" thì bộ dữ liệu của bạn được xem là chứng cứ, là cơ sở lý luận khoa học của đề tài. Bởi nhờ vào nó mà bạn có thể test các giả thuyết đưa ra nhằm làm sáng tỏ các mục tiêu nghiên cứu của bạn; kiểm định mô hình xem có phù hợp với thực tiễn hay không; kiểm tra các kết quả chạy ra có ý nghĩa về mặt thống kê hay không, để từ đó có những kết luận phù hợp và đưa ra được những giái pháp, kiến nghị có giá trị.

Nhân đây Ad cũng nhắc lại một số bước chạy cơ bản của một bài phân tích định lượng (giả sử theo hướng marketing) để các bạn có dịp review lại nhé:

- Thống kê mô tả (biến định tính, biến định lượng)

- Kiểm định độ tin cậy thang đo (Cronbach's alpha)

- Phân tích nhân tố khám phá EFA

- Phân tích tương quan (pearson / spearman)

- Phân tích Hồi quy (đơn biến, hồi quy đa biến)

- Kiểm tra vi phạm giả thiết hồi quy

- Phân tích phương sai (t-test, ANOVA) (option)

-... (có thể phân tích thêm một số kiểm định khác nữa)

Do đó nếu các bạn đã quyết tâm chọn hướng nghiên cứu định lượng thì phải có cái nhìn đúng đắn về tầm quan trọng của bộ dữ liệu để có kế hoạch đầu tư "xứng đáng" cho nó, cả về mặt thời gian và tiền bạc trong trường hợp nhờ nhóm hỗ trợ thu thập/ xử lý bộ số liệu

(các bạn mail hotrospss@gmail.com để được hỗ trợ mọi vấn đề về spss, dữ liệu, cách chạy, ý nghĩa phân tích...., nhóm check mail rất thường xuyên)

Hướng dẫn thực hành phân tích hồi quy nhị phân binary logistic

Chào các bạn,

Hôm nay nhóm giới thiệu video về cách thực hành chạy hồi quy binary logistic. Mô hình này dùng khi biến phụ thuộc dạng nhị phân, chỉ có hai giá trị 0  hoặc 1.

Bên dưới có hướng dẫn chi tiết ý nghĩa các bảng được đề cập trong video.

Về mô hình: đây là mô hình xác định khả năng trả nợ dựa vào  6 yếu tố độc lập.

Mô hình có 6 biến độc lập:

THUNHAP, TUOI, TAISAN, DIENTICHDAT, HOCVAN, SOLUONGBATDONGSAN

Và 1 biến phụ thuộc là TRANO. 

Biến phụ thuộc dạng nhị phân có hai giá trị 0 và 1 tương ứng với không trả được nợ và trả được nợ.

Khi chạy ra các kết quả sau:

-Omnibus Tests of Model Coefficients: Giống kiểm định F bên hồi quy đa biến, sig<5% nên bác bỏ giả thiết Ho: B1=B2=B3…=0

Omnibus Tests of Model Coefficients
		Chi-square	df	Sig.
Step 1	Step	107.435	6	0
	Block	107.435	6	0
	Model	107.435	6	0

Bảng Model Summary

Model Summary
Step	-2 Log likelihood	Cox & Snell R Square	Nagelkerke R Square
1	129.147a	.466	.623

 Chỉ số -2 Log  likelihood: càng nhỏ càng tốt,cách tính ngược lại với R bình phương của hồi quy đa biến. Nếu nhỏ thì thể hiện độ phù hợp khá tốt của mô hình tổng thể

Bảng Classification Table cho thấy phân loại đối tượng trả được nợ và không trả được nợ theo hai tiêu chí : quan sát thực tế và dự đoán

Classification Tablea
	Observed		Predicted
			TRANO		Percentage Correct
			0	1
Step 1	TRANO	0	76	14	84.4
		1	19	62	76.5
	Overall Percentage				80.7
a. The cut value is .500

Ý nghĩa:

Trong 90 trường hợp quan sát ko trả được nợ, thì dự đoán có 76 trường hợp không trả được, vậy tỉ lệ dự đoán đúng là 76/90=84.4

Trong 81 trường hợp quan sát trả được nợ, dự đoán có 62 trường hợp trả được, vậy tỉ lệ dự đoán đúng là 62/81=76.5

Vậy trung bình dự đoán đúng (84.4+76.5)/2=80.7 phần trăm

Variables in the Equation
		B	S.E.	Wald	Df	Sig.	Exp(B)
Step 1a	THUNHAP	0.269	0.087	9.568	1	0.002	1.309
	TUOI	0.049	0.017	8.285	1	0.004	1.05
	TAISAN	0.006	0.002	5.536	1	0.019	1.006
	DIENTICHDAT	0.001	0	7.974	1	0.005	1.001
	HOCVAN	1.139	0.378	9.063	1	0.003	3.124
	SOLUONGBATDONGSAN	1.024	0.304	11.329	1	0.001	2.785
	Constant	-18.937	2.978	40.445	1	0	0
a. Variable(s) entered on step 1: THUNHAP, TUOI, TAISAN, DIENTICHDAT, HOCVAN, SOLUONGBATDONGSAN.

Ví dụ một người có các thông tin cá nhân như sau, ta sẽ dùng kết quả phương trình hồi quy để dự đoán khả năng trả nợ:

THUNHAP	TUOI	TAISAN	DIENTICHDAT	HOCVAN	SOLUONGBATDONGSAN
13.5	56	493	4,011	4	3

Hàm xác suất trả nợ

Thế vào, kết quả E(Y/X)= 4.90/5.90=0.83

Kết luận, khả năng trả nợ của người này là 83%, và đây là khả năng trả nợ dự đoán, và dự đoán này đúng 80.7%

@liên hệ nhóm MBA để được hỗ trợ khi xử lý số liệu, để đạt được ý nghĩa thống kê khi phân tích hồi quy logistic với SPSS tại mail hotrospss@gmail.com