Khi biến phụ thuộc chỉ có hai giá trị, chẳng hạn khách hàng có hài lòng hay không, người lao động có ý định nghỉ việc hay không, doanh nghiệp có vay vốn hay không, hồi quy tuyến tính không còn phù hợp. Công cụ đúng là hồi quy logistic (mô hình logit) hoặc mô hình probit. Bài viết giải thích khi nào dùng mỗi mô hình, cách đọc vòng lặp hợp lý cực đại, kiểm định LR chi2, pseudo R2, hệ số và odds ratio, kèm ví dụ chạy bằng cú pháp Stata trên ResearchSTAT với dữ liệu mô phỏng 400 khách hàng.
Vì sao không dùng hồi quy tuyến tính cho biến nhị phân?
Nếu mã hóa biến phụ thuộc là 0 và 1 rồi chạy OLS (mô hình xác suất tuyến tính), ba vấn đề xuất hiện. Thứ nhất, giá trị dự báo có thể nhỏ hơn 0 hoặc lớn hơn 1, vô nghĩa với một xác suất. Thứ hai, phần dư chỉ nhận hai giá trị cho mỗi mức của biến độc lập nên phương sai sai số chắc chắn thay đổi. Thứ ba, quan hệ giữa biến độc lập và xác suất thực tế thường có dạng chữ S: tác động mạnh ở vùng giữa và yếu dần khi xác suất tiến về 0 hoặc 1.
Mô hình logit và probit giải quyết cả ba vấn đề bằng cách đưa chỉ số tuyến tính xβ qua một hàm phân phối tích lũy. Logit dùng hàm logistic, probit dùng hàm phân phối chuẩn tắc. Hai hàm có hình dạng rất giống nhau, chỉ khác ở độ dày của đuôi, nên kết luận về chiều và ý nghĩa của tác động hầu như luôn trùng nhau.
Chuẩn bị biến phụ thuộc nhị phân
Trong ví dụ, sự hài lòng (SHL) là trung bình 4 câu Likert. Ta định nghĩa khách hàng "rất hài lòng" khi SHL ≥ 4, tạo biến hailong bằng 1 nếu thỏa và 0 nếu không. Có 22,75% khách hàng thuộc nhóm 1. Lưu ý: chuyển một thang đo liên tục thành biến nhị phân làm mất thông tin; chỉ làm vậy khi câu hỏi nghiên cứu thực sự quan tâm đến ngưỡng đó. Biến nhị phân lý tưởng là biến tự nhiên như "có mua hay không".
generate hailong = SHL >= 4
tabulate hailong
logit hailong CLD GCA NITĐọc kết quả logit: vòng lặp và kiểm định mô hình
Logit được ước lượng bằng phương pháp hợp lý cực đại qua nhiều vòng lặp. Iteration 0 là log likelihood của mô hình chỉ có hệ số chặn (LL0 = -214,495); các vòng tiếp theo tăng dần đến khi hội tụ ở -183,9997. Nếu Stata báo không hội tụ hoặc một biến "dự báo hoàn hảo" kết quả, cần kiểm tra lại dữ liệu.
- LR chi2(3) = 60,99, Prob > chi2 = 0,0000: kiểm định tỷ số hợp lý so sánh mô hình đầy đủ với mô hình chỉ có hệ số chặn; LR = 2 × (LL - LL0). Giá trị p nhỏ hơn 0,05 cho thấy ít nhất một biến có tác động.
- Pseudo R2 = 0,1422: R² của McFadden, bằng 1 - LL/LL0. Không đọc như R² của OLS; McFadden (1979) cho rằng giá trị 0,2-0,4 đã thể hiện mức phù hợp rất tốt.
Đọc bảng hệ số và odds ratio
| Biến | Hệ số logit | Std. err. | z | Giá trị p | Odds ratio | KTC 95% của OR |
|---|---|---|---|---|---|---|
| CLD | 0,696 | 0,177 | 3,93 | < 0,001 | 2,005 | [1,418; 2,836] |
| GCA | 0,554 | 0,173 | 3,20 | 0,001 | 1,740 | [1,239; 2,444] |
| NIT | 0,762 | 0,194 | 3,94 | < 0,001 | 2,144 | [1,467; 3,132] |
Hệ số logit là thay đổi của log odds khi biến độc lập tăng 1 đơn vị; dấu dương nghĩa là làm tăng khả năng hài lòng. Vì log odds khó diễn giải, người ta thường báo cáo odds ratio = exp(β). Ví dụ, khi niềm tin tăng 1 điểm, odds rất hài lòng tăng gấp 2,144 lần (tăng 114,4%), giữ các biến khác không đổi. Odds ratio lớn hơn 1 là tác động cùng chiều, nhỏ hơn 1 là ngược chiều; khoảng tin cậy không chứa 1 tương ứng p < 0,05. Trong Stata, dùng logistic thay cho logit, hoặc thêm tùy chọn or, để in odds ratio.
Một lưu ý quan trọng: odds không phải xác suất. Odds ratio bằng 2 không có nghĩa xác suất tăng gấp đôi. Để nói về xác suất, hãy tính hiệu ứng biên trung bình (average marginal effect). Trên cùng dữ liệu, hiệu ứng biên trung bình của niềm tin là 0,114: tăng 1 điểm niềm tin làm xác suất rất hài lòng tăng trung bình khoảng 11,4 điểm phần trăm. Trong Stata gốc dùng margins, dydx(*); trong R có thể dùng gói marginaleffects.
Logit hay probit?
Probit cho hệ số nhỏ hơn logit theo tỷ lệ xấp xỉ 1,6 vì phương sai của phân phối logistic lớn hơn phân phối chuẩn (Amemiya, 1981). Trong ví dụ, hệ số probit của niềm tin là 0,437, nhân 1,6 được khoảng 0,70, gần với hệ số logit 0,762. Pseudo R² của hai mô hình gần như bằng nhau: 0,142 và 0,143.
Chọn mô hình theo truyền thống của lĩnh vực và mục tiêu diễn giải: logit phổ biến trong y tế, marketing, quản trị vì có odds ratio dễ trình bày; probit hay gặp trong kinh tế lượng, đặc biệt khi mở rộng sang các mô hình có biến tiềm ẩn chuẩn như probit hai biến hay mô hình chọn mẫu Heckman. Không nên chạy cả hai rồi chọn mô hình có kết quả "đẹp" hơn.
Các giả định và kiểm tra cần làm
- Cỡ mẫu: quy tắc kinh nghiệm phổ biến là ít nhất 10 sự kiện (số quan sát thuộc nhóm ít hơn) cho mỗi biến độc lập (Peduzzi và cộng sự, 1996). Ví dụ có 91 khách hàng rất hài lòng và 3 biến, đạt yêu cầu.
- Đa cộng tuyến: kiểm tra VIF như với hồi quy tuyến tính.
- Quan sát có ảnh hưởng lớn: xem phần dư và đòn bẩy sau khi ước lượng.
- Khả năng phân loại: báo cáo bảng phân loại hoặc diện tích dưới đường cong ROC nếu mục tiêu là dự báo.
Quy trình phân tích biến phụ thuộc nhị phân
- Mã hóa biến kết quả 0/1 và kiểm tra tỷ lệ từng nhóm.
- Ước lượng logit hoặc probit bằng hợp lý cực đại.
- Kiểm định toàn mô hình bằng LR chi2.
- Diễn giải chiều tác động, odds ratio và khoảng tin cậy.
- Báo cáo pseudo R² và khả năng phân loại.
- Tính hiệu ứng biên để nói về thay đổi xác suất.
Trình bày kết quả trong luận văn
Mô hình hồi quy logistic có ý nghĩa thống kê (LR χ²(3) = 60,99; p < 0,001; Pseudo R² McFadden = 0,142). Niềm tin (OR = 2,144; KTC 95%: 1,467-3,132), chất lượng dịch vụ (OR = 2,005; KTC 95%: 1,418-2,836) và giá cả cảm nhận (OR = 1,740; KTC 95%: 1,239-2,444) đều làm tăng khả năng khách hàng rất hài lòng.
Bạn có thể chạy ngay lệnh logit, logistic, probit trên công cụ Stata, hoặc dùng glm(hailong ~ CLD + GCA + NIT, family = binomial, data = data) trong công cụ R (RStudio). Với biến phụ thuộc liên tục, xem bài hồi quy tuyến tính trong Stata.
Pseudo R² thấp có phải mô hình kém không?
Không hẳn. Pseudo R² của logit thường thấp hơn R² của OLS; McFadden (1979) coi 0,2-0,4 là rất tốt. Hãy kết hợp LR chi2, ý nghĩa của hệ số và khả năng phân loại.
Hệ số logit âm nghĩa là gì?
Biến đó làm giảm log odds, tức giảm khả năng xảy ra sự kiện; odds ratio tương ứng nhỏ hơn 1.
Có thể so sánh trực tiếp hệ số logit và probit không?
Không. Hai mô hình dùng thang đo khác nhau; hệ số logit xấp xỉ 1,6 lần hệ số probit. So sánh qua hiệu ứng biên hoặc xác suất dự báo.
Biến độc lập là thang Likert có đưa thẳng vào logit được không?
Được, thường dùng trung bình các câu hỏi của thang đo đã kiểm định độ tin cậy, như với hồi quy tuyến tính.
