3.2.4 Regression analysis.Testing t

3.2.4 Regression analysis.
Testing theory model through Multiple Linear Regression analysis:
After extracting factors obtained from Exploratory Factor Analysis, then Multiple
Linear Regression analysis is reasonably used. Multiple linear Regression analysis is a
statistical approach used to analyze the relationship between a dependent variable and
independent variables. The purpose of using the Multiple Linear Regression method is to
describe the relationship and simultaneously help us predict the extent of dependent when
we foresee the value of independent variables. When running the Multiple linear
Regression model, we should pay intention some parameters, including:38
Beta coefficient: Standardize regression coefficients allow researchers to compare
directly between coefficients based on the interpreting relationship of the coefficients
with the dependent variable.
Coefficient of determination R2: Evaluate the changing part of the independent
variable interpreted independent variables or predictor variable. The R2 fluctuates from 0
to 1.
Adjusted coefficient R2: Since Coefficient of determination R2 is demonstrated to be
a function that can not be decreased along with independent variables mounted into the
model. The more independent variables mount into model, the more the value of R2
increases. However, the equation containing many variables is not always a suitable
equation, which is demonstrated. By comparing the model whose adjusted coefficient R2
is greater other models whose adjusted coefficient R2 will explain satisfaction labors

Kết quả (Việt) 2:

3.2.4 Regression phân tích.
Mô hình lý thuyết thử qua Nhiều phân tích Linear Regression:
Sau khi giải nén các yếu tố thu được từ thăm dò Phân tích nhân tố, sau đó Nhiều
Linear Regression phân tích được sử dụng một cách hợp lý. Nhiều tuyến tính phân tích hồi quy là một
phương pháp thống kê dùng để phân tích mối quan hệ giữa một biến phụ thuộc và
các biến độc lập. Mục đích của việc sử dụng Multiple Linear Regression phương pháp là để
mô tả các mối quan hệ và đồng thời giúp chúng ta dự đoán mức độ phụ thuộc khi
chúng ta thấy trước những giá trị của các biến độc lập. Khi chạy Nhiều tuyến tính
mô hình hồi quy, chúng ta nên chú ý một số thông số, bao gồm: 38
Hệ số Beta: Chuẩn hóa các hệ số hồi quy cho phép các nhà nghiên cứu so sánh
trực tiếp giữa hệ số dựa trên các mối quan hệ giải thích của các hệ số
với các biến phụ thuộc.
Hệ số xác định R2: Đánh giá sự thay đổi một phần của độc lập
biến giải thích các biến độc lập hay biến dự đoán. Các R2 dao động từ 0
đến 1.
Hệ số điều chỉnh R2: Kể từ khi hệ số xác định R2 được chứng minh là
một chức năng mà không thể được giảm cùng với các biến độc lập được gắn vào
mô hình. Các biến độc lập hơn gắn vào mô hình, càng có nhiều giá trị của R2
tăng. Tuy nhiên, phương trình chứa nhiều biến không phải là luôn luôn là một phù hợp
phương trình, được chứng minh. Bằng cách so sánh các mô hình có hệ số R2 điều chỉnh
là các mô hình khác lớn hơn mà điều chỉnh hệ số R2 sẽ giải thích lao động hài lòng