Bài giảng "Thống kê ứng dụng trong kinh doanh - Chương 11: Hồi quy và tương quan đơn biến" trình bày các nội dung: Làm quen với hồi quy, mô hình hồi quy tuyến tính đơn, tương quan tuyến tính, tương quan giữa các biến định tính. . | 1-1 Chương 11 HỒI QUY VÀ TƯƠNG QUAN ĐƠN BIẾN 1-2 MỤC TIÊU CỦA CHƯƠNG ● Sau khi học xong chương này, người học sẽ ● Nói được phạm vi ứng dụng của phương pháp phân tích hồi quy và tương quan đơn biến ● Biết cách thực hiện một phân tích hồi quy dựa trên dữ liệu mẫu ● Nói được những điều kiện và giả định cần thiết khi phân tích hồi quy ● Biết được cách tính và ý nghĩa của hệ số tương quan Pearson và hệ số tương quan hạng Spearman 1-3 CÁC NỘI DUNG CHÍNH ● LÀM QUEN VỚI HỒI QUY ● MÔ HÌNH HỒI QUY TUYẾN TÍNH ĐƠN ● TƯƠNG QUAN TUYẾN TÍNH ● TƯƠNG QUAN GIỮA CÁC BIẾN ĐỊNH TÍNH 1-4 Làm quen với hồi quy ● Khái niệm hồi quy ● Regression, Regression to mediocrity: quy các điểm DL đã biết về một đường lý thuyết ● Đ/nghĩa của TK: ● NC mối liên hệ phụ thuộc giữa một biến phụ thuộc (biến đầu ra) và một hay nhiều biến độc lập (biến đầu vào), ● nhằm ước tính hoặc dự báo giá trị trung bình tổng thể của biến phụ thuộc dựa trên các giá trị biết trước của biến độc lập ● Hồi quy đơn biến (simple regression): 1 biến PT và 1 biến ĐL, DL định lượng ● VD: ● KQ học tập = f(thời gian tự học) ● KQ học tập = f(thời gian tự học, yêu thích chuyên ngành) ● Lượng tiêu thụ = f(P1, P2, P3, P4) ● Chất lượng sản phẩm = f(NVL, thiết bị, công nghệ, con người, quản lý) 1-5 Phân biệt liên hệ TK và liên hệ hàm số khi phân tích hồi quy ● Liên hệ hàm số: Y = b0 + b1X ● Với 1 giá trị của X, có 1 giá trị xác định và duy nhất của Y ● Liên hệ TK: Y = b0 + ● X = thời gian tự học; Y = điểm GPA ● DL về X: dữ liệu mẫu ● Một X, có thể có nhiều Y ● DL mẫu →xác định đường HQ mẫu → dự đoán đường HQ tổng .
