Hồi quy Logistic nhị phân (Binary Logistic Regression) là một kỹ thuật thống kê được sử dụng khi bạn muốn dự đoán xác suất xảy ra của một sự kiện hoặc phân loại một đối tượng vào một trong hai nhóm dựa trên một hoặc nhiều biến độc lập. Khác với hồi quy tuyến tính (với biến phụ thuộc là định lượng liên tục), biến phụ thuộc trong hồi quy Logistic nhị phân chỉ có hai giá trị (ví dụ: Có/Không, Thành công/Thất bại, Mua/Không mua, Đạt/Không đạt). Trong **SPSS**, việc chạy hồi quy Logistic nhị phân là một quy trình tương đối đơn giản nhưng đòi hỏi sự hiểu biết về các giả định và cách diễn giải kết quả đặc thù của nó. Bài viết này sẽ hướng dẫn bạn từng bước thực hiện phân tích này.
1. Hiểu Về Hồi Quy Logistic Nhị Phân
Hồi quy Logistic không dự đoán trực tiếp giá trị của biến phụ thuộc, mà dự đoán **xác suất** của một sự kiện xảy ra (thường là xác suất biến phụ thuộc có giá trị 1, ví dụ: “có” hoặc “thành công”). Xác suất này sau đó được chuyển đổi thành **Odds Ratio (Tỷ lệ chênh lệch)** hoặc logit.
Phương trình cơ bản của hồi quy Logistic:
$$ \text{Logit}(p) = \ln\left(\frac{p}{1-p}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k $$
- $p$: Xác suất biến phụ thuộc có giá trị 1.
- $p/(1-p)$: Odds (Tỷ lệ chênh lệch) của biến phụ thuộc.
- $\beta_0$: Hằng số.
- $\beta_i$: Hệ số hồi quy cho biến độc lập $X_i$.
- $X_i$: Các biến độc lập (có thể là định lượng hoặc định tính).