Phân tích hồi quy (regression analysis) là công cụ thống kê cốt lõi trong nghiên cứu định lượng, cho phép các nhà khoa học xác định mức độ tác động của một hoặc nhiều yếu tố dự báo (biến độc lập) lên một kết quả cụ thể (biến phụ thuộc) sau khi đã kiểm soát các biến gây nhiễu (Cohen et al., 2003; Gelman & Hill, 2006).
Lưu ý trong truyền thông số liệu
Người làm truyền thông cần thận trọng tránh nhầm lẫn giữa hệ số hồi quy biểu thị mối tương quan với quan hệ nhân quả tuyệt đối, trừ khi nghiên cứu được thiết kế thực nghiệm chặt chẽ.
Bài viết này được tổng hợp bởi Nguyễn Hoàng Anh Khoa (Dy Khoa), giảng viên Khoa Quan hệ công chúng và Truyền thông, Trường Đại học Văn Lang, và là người tốt nghiệp Thạc sĩ Truyền thông Khoa học và Thu hút Công chúng (Science Communication and Public Engagement) tại Universiti Malaya (UM), Malaysia. Đây là lĩnh vực chuyên môn cốt lõi mà anh được đào tạo bài bản và tiếp tục theo đuổi trong nghiên cứu, giảng dạy và thực hành nghề nghiệp.
Nếu bạn thấy bài viết có sai sót hoặc muốn góp ý, vui lòng gửi email về [email protected].
Tài liệu tham khảo
Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation analysis for the behavioral sciences (3rd ed.). Lawrence Erlbaum Associates.
Gelman, A., & Hill, J. (2006). Data analysis using regression and multilevel/hierarchical models. Cambridge University Press. https://doi.org/10.1017/CBO9780511790942
Gợi ý tìm nhanh:
Đang tìm kiếm bài viết...
Không tìm thấy bài viết nào chứa từ khoá "". Hãy thử từ khoá khác nhé!
Bài viết đã lưu
Chưa có bài viết nào được lưu
Bấm biểu tượng chiếc thẻ bookmark trên các bài viết để lưu lại và đọc offline bất cứ khi nào bạn muốn.
Liên hệ Dy Khoa
Cần trao đổi về một bài viết, hợp tác hay phỏng vấn?
Để lại vài dòng, tôi sẽ phản hồi trong vòng 48 giờ. Phóng viên cần ý kiến chuyên gia gấp, vui lòng ghi rõ hạn chót trong nội dung.
Sci&Marcom Glossary
