Khi tiến hành phân tích hồi quy tuyến tính bằng phần mềm SPSS, chắc hẳn bạn đã từng thắc mắc rằng vì sao bên cạnh R bình phương (R²) thì nhà nghiên cứu cần quan tâm đến giá trị Durbin-Watson. Vậy kiểm định Durbin-Watson trong hồi quy là gì? Giá trị bao nhiêu là tốt? Hãy cùng Marketing Du Ký tìm ra câu trả lời bạn nhé.
1. Kiểm định Durbin-Watson là gì?
Durbin-Watson là một bước kiểm định dùng để kiểm tra xem các phần dư (residuals) trong mô hình hồi quy tuyến tính có hiện tượng tự tương quan với nhau hay không. Nếu có sự tự tương quan, điều này đồng nghĩa với việc rằng giá trị sai số ở một quan sát có thể bị ảnh hưởng bởi giá trị sai số của các quan sát trước đó.
2. Ý nghĩa của từng khoảng giá trị Durbin-Watson
Khi phân tích hồi quy trong SPSS, giá trị Durbin-Watson nằm trong phạm vi từ 0 đến 4 và có ý nghĩa cụ thể như sau:
D ≈ 2: Không có hiện tượng tự tương quan (đây là giá trị mong muốn nhất).
D < 1.5: Có dấu hiệu tự tương quan dương (positive autocorrelation), nghĩa là phần dư có xu hướng tăng hoặc giảm liên tiếp theo một xu hướng nhất định.
D > 2.5: Có dấu hiệu tự tương quan âm (negative autocorrelation), tức là phần dư có xu hướng dao động mạnh giữa các quan sát liên tiếp.
D = 0 hoặc D = 4: Có mức độ tự tương quan rất nghiêm trọng.
3. Durbin-Watson bao nhiêu là tốt?
Giá trị lý tưởng của Durbin-Watson thường nằm trong phạm vi từ 1.5 đến 2.5. Nếu như chỉ số này nằm ngoài phạm vi trên, điều đó có nghĩa là có thể xảy ra hiện tượng tự tương quan và cần xem xét để điều chỉnh lại mô hình nghiên cứu.
Tóm lại, kiểm định Durbin-Watson là một bước quan trọng để phát hiện ra hiện tượng tự tương quan trong mô hình hồi quy. Marketing Du Ký hy vọng rằng bạn đã có thể hiểu hơn về khái niệm cũng như khoảng giá trị của chỉ số này.
