Sinh viên Việt Nam thường bỏ qua dòng Constant trong bảng Coefficients của SPSS, dù hệ số chặn giữ vai trò kỹ thuật bắt buộc trong hồi quy.
Cập nhật lần cuối: 2026-09-20
Chuyên mục: research-methods
Hệ số chặn là gì trong mô hình hồi quy?
Trả lời thẳng: Hệ số chặn, ký hiệu b0 ở mẫu và β0 ở tổng thể, là giá trị Y ước tính khi tất cả biến độc lập X đồng thời bằng 0. Trong SPSS, con số này nằm ở dòng "(Constant)" của bảng Coefficients, và về mặt hình học là điểm đường hồi quy cắt trục tung Y.
Bằng chứng: Frost (2017) giải thích định nghĩa của hệ số chặn là giá trị trung bình của biến phụ thuộc khi mọi biến độc lập trong mô hình bằng 0, và lưu ý định nghĩa này đúng về mặt toán học nhưng dễ gây hiểu lầm nếu áp dụng máy móc. IBM (n.d.) mô tả tuỳ chọn Estimates của SPSS hiển thị hệ số B chưa chuẩn hoá, sai số chuẩn của B, hệ số Beta chuẩn hoá, giá trị t và mức ý nghĩa hai phía cho từng biến trong mô hình, trong đó dòng "(Constant)" theo UCLA Office of Advanced Research Computing, Statistical Consulting (n.d.) chính là hệ số chặn.
Ví dụ: Trong ví dụ của UCLA OARC Statistical Consulting (n.d.), phương trình dự đoán điểm khoa học có dạng sciencePredicted = 12,325 + 0,389×math − 2,010×female + 0,050×socst + 0,335×read. Con số 12,325 chính là hệ số chặn.
Hệ số chặn được tính như thế nào?
Trả lời thẳng: Với hồi quy đơn biến, hệ số chặn ước tính bằng công thức b0 = ȳ − b1·x̄, theo nguyên tắc bình phương nhỏ nhất (least squares). Trong hồi quy bội, β0 là giá trị kỳ vọng của Y khi tất cả các biến độc lập đồng thời bằng 0, chứ không phải chỉ một biến bằng 0.
Bằng chứng: Pennsylvania State University, Department of Statistics (n.d.-a) trình bày công thức b0 = ȳ − b1x̄ trong phần trình bày về tiêu chí bình phương nhỏ nhất của giáo trình STAT 501, và phân biệt rõ b0 là ước lượng từ dữ liệu mẫu, còn β0 là tham số thật của tổng thể mà nghiên cứu không bao giờ biết chính xác. Với hồi quy bội, French (n.d.) định nghĩa β0 là giá trị kỳ vọng của biến phản hồi khi toàn bộ các biến dự báo đồng thời bằng 0.
Ví dụ: Một mô hình hồi quy bội có ba biến độc lập là điểm chuyên cần, số giờ tự học và điểm đầu vào có hệ số chặn β0 là điểm dự đoán khi cả ba biến cùng bằng 0, không phải khi chỉ một biến bằng 0. Cách đọc phần còn lại của bảng Coefficients được trình bày trong phân tích hồi quy tuyến tính trong SPSS thực hiện thế nào.
Vì sao hệ số chặn thường không có ý nghĩa thực tế?
Trả lời thẳng: Hệ số chặn thường không có ý nghĩa diễn giải thực tế khi giá trị X = 0 nằm ngoài phạm vi dữ liệu quan sát được, tức khi mọi biến độc lập cùng bằng 0 không xảy ra trong đời sống thật. Đây là lỗi ngoại suy (extrapolation), dự đoán ra ngoài vùng dữ liệu mô hình từng được huấn luyện.
Bằng chứng: Pennsylvania State University, Department of Statistics (n.d.-a) minh hoạ bằng một mô hình dự đoán cân nặng theo chiều cao, trong đó hệ số chặn cho ra kết quả cân nặng dự đoán là một số âm khi chiều cao bằng 0, một tình huống không tồn tại nên con số đó không mang ý nghĩa gì để diễn giải. Frost (2017) gọi đây là phần "đúng về mặt toán học nhưng gây hiểu lầm" của định nghĩa hệ số chặn.
Ví dụ: Một khoá luận khảo sát mức độ hài lòng của khách hàng theo thang Likert từ 1 đến 5 sẽ không bao giờ có tình huống mọi biến độc lập cùng bằng 0, vì thang đo không cho phép giá trị 0. Sinh viên nên tránh diễn giải hệ số chặn như một con số có ý nghĩa thực tế trong trường hợp này, và tập trung bàn luận vào các hệ số góc. Tình huống tương tự xảy ra ở mô hình PSU dự đoán cân nặng theo chiều cao nêu trên, trong đó hệ số chặn b0 = −266,53 và hệ số góc b1 = 6,1376 cho ra một con số âm không thể diễn giải khi chiều cao bằng 0.
Vì sao vẫn phải giữ hệ số chặn trong mô hình dù nó "vô nghĩa"?
Trả lời thẳng: Hệ số chặn vẫn phải giữ lại vì nó đảm bảo trung bình của phần dư (residuals) bằng 0, một giả định cốt lõi của phương pháp bình phương nhỏ nhất (OLS). Nếu bỏ hệ số chặn, ép đường hồi quy đi qua gốc toạ độ, các hệ số góc còn lại sẽ sai lệch để bù đắp phần bị mất.
Bằng chứng: Frost (2017) giải thích quá trình ước lượng bình phương nhỏ nhất tự động điều chỉnh hệ số chặn để phần dư có tổng và trung bình bằng 0, và nếu ép mô hình bỏ hệ số chặn, các hệ số góc buộc phải gánh thêm phần chênh lệch đó, không còn phản ánh đúng mối quan hệ giữa các biến nữa.
Ví dụ: Chạy hai phiên bản của cùng một mô hình, một bản giữ hệ số chặn và một bản ép qua gốc toạ độ, sẽ ra hai bộ hệ số góc khác nhau dù dùng chung một bộ dữ liệu. Chính Frost (2017) cũng đưa một mô hình có hệ số chặn bằng −114,3 để cho thấy một con số âm như vậy không mang ý nghĩa thực tế nào, dù nó vẫn cần thiết để neo đường hồi quy đúng vị trí. Đây là lý do phần lớn phần mềm thống kê, gồm cả SPSS, mặc định giữ hệ số chặn trừ khi người dùng chủ động bỏ, đúng như UCLA Office of Advanced Research Computing, Statistical Consulting (n.d.) và Pennsylvania State University, Department of Statistics (n.d.-b) đều xác nhận.
Đọc hệ số chặn trong bảng Coefficients của SPSS như thế nào?
Trả lời thẳng: Trong bảng Coefficients của SPSS, dòng "(Constant)" hiển thị giá trị hệ số chặn ở cột B, cùng sai số chuẩn, giá trị t và mức ý nghĩa (Sig.). Muốn biết hệ số chặn có ý nghĩa thống kê hay không, đọc cột Sig. của dòng Constant giống cách đọc các hệ số góc khác.
Bằng chứng: Pennsylvania State University, Department of Statistics (n.d.-b) trình bày một ví dụ bảng kết quả Minitab (đọc tương đương SPSS, chỉ khác cột P-Value gọi tên là Sig.) với dòng Constant có hệ số 389,19, sai số chuẩn 23,81, giá trị t bằng 16,34 và P-Value nhỏ hơn 0,001, dùng công thức kiểm định t* = (b0 − β0 giả thuyết) chia cho sai số chuẩn của b0, bậc tự do bằng n trừ 2 trong hồi quy đơn biến. Cùng bảng đó, IBM (n.d.) cho biết tuỳ chọn Estimates của SPSS là nguồn sinh ra cột B và cột mức ý nghĩa mà bạn đang đọc.
Ví dụ: Với mô hình gồm 49 bang trong ví dụ trên, khoảng tin cậy 95 phần trăm của β0 tính từ hệ số 389,19 và sai số chuẩn 23,81 là từ 341,3 đến 437,1, và R² của mô hình đạt 68 phần trăm. Nếu dòng Constant có Sig. lớn hơn 0,05, hệ số chặn không khác 0 có ý nghĩa thống kê, nhưng điều này thường không làm thay đổi cách diễn giải các biến độc lập khác. PSU cũng lưu ý phép kiểm định này không nên áp dụng máy móc trong chính ví dụ trên, vì các giá trị dự báo trong mẫu không bao gồm điểm 0, nên bản thân phép kiểm cũng mang tính ngoại suy. Cách đọc cột Sig. cho toàn bộ bảng được trình bày ở bài Sig. trong SPSS là gì.
Hệ số chặn âm hay dương thì tốt hơn?
Trả lời thẳng: Không có chiều nào tốt hơn. Hệ số chặn có thể âm, dương hoặc gần 0 tuỳ dữ liệu, và dấu của nó không phản ánh "mức độ quan trọng" như hệ số góc. Một hệ số chặn âm không có nghĩa mô hình sai, cũng như dương không có nghĩa mô hình tốt hơn.
Bằng chứng: Pennsylvania State University, Department of Statistics (n.d.-a) chỉ ra hệ số chặn âm trong ví dụ cân nặng theo chiều cao "không mang ý nghĩa gì để diễn giải", còn Frost (2017) khuyến cáo không nên gán ý nghĩa cho dấu của hệ số chặn. Cả hai nguồn cùng cho thấy con số này chỉ là điểm neo toán học, không phải chỉ số đo chất lượng mô hình. Chất lượng mô hình nên đánh giá qua R² và mức ý nghĩa của các hệ số góc.
Ví dụ: Trong ví dụ mô hình cân nặng theo chiều cao ở trên, hệ số chặn âm chỉ phản ánh việc ngoại suy ra ngoài khoảng dữ liệu đã quan sát, chứ không phải dấu hiệu mô hình có vấn đề.
Hệ số chặn khác gì trong hồi quy đơn biến và hồi quy bội?
Trả lời thẳng: Trong hồi quy đơn biến, hệ số chặn là giá trị Y dự đoán khi biến X duy nhất bằng 0. Trong hồi quy bội, hệ số chặn là giá trị Y dự đoán khi tất cả các biến độc lập cùng lúc bằng 0, một điều kiện khó xảy ra hơn khi số biến tăng lên.
Bằng chứng: French (n.d.) định nghĩa hệ số chặn trong hồi quy bội là giá trị kỳ vọng của biến phản hồi khi toàn bộ các biến dự báo đồng thời bằng 0. James et al. (2021) trình bày phương trình tổng quát Y = β0 + β1X + ε cho hồi quy đơn biến, làm nền tảng để mở rộng sang nhiều biến độc lập.
Ví dụ: Một mô hình đơn biến dự đoán doanh thu theo số giờ quảng cáo có hệ số chặn là doanh thu khi không quảng cáo giờ nào. Thêm biến số nhân viên bán hàng, hệ số chặn của mô hình mới là doanh thu dự đoán khi cả hai biến cùng bằng 0, một tình huống thực tế khó xảy ra hơn nhiều.
| Tiêu chí | Hệ số chặn (b0) | Hệ số góc (b1, b2...) |
|---|---|---|
| Ký hiệu trong SPSS | (Constant) | Tên biến độc lập tương ứng |
| Ý nghĩa | Giá trị Y dự đoán khi mọi biến X đồng thời bằng 0 | Mức Y thay đổi khi X tăng 1 đơn vị, các biến khác giữ nguyên |
| Có luôn cần diễn giải thực tế không | Không, thường chỉ giữ vai trò kỹ thuật | Có, là trọng tâm của phân tích hồi quy |
| Vai trò trong mô hình | Đảm bảo trung bình phần dư bằng 0 | Đo mức tác động của từng biến độc lập |
| Dấu âm/dương có phản ánh chất lượng không | Không | Có, phản ánh chiều tác động của biến |
Câu hỏi thường gặp
Hệ số chặn có bắt buộc phải có trong mọi mô hình hồi quy không?
Phần mềm cho phép bỏ hệ số chặn để ép đường hồi quy qua gốc toạ độ, nhưng làm vậy sẽ làm sai lệch các hệ số góc còn lại. Trừ khi có lý do lý thuyết rõ ràng, nên giữ hệ số chặn trong mọi mô hình hồi quy tuyến tính thông thường.
Hệ số chặn bằng 0 nghĩa là gì?
Hệ số chặn bằng 0 hoặc gần 0 chỉ đơn giản là kết quả ước lượng từ chính dữ liệu đang phân tích, không mang ý nghĩa đặc biệt. Cách đọc đúng là xem cột Sig. của dòng Constant để biết con số đó có khác 0 một cách có ý nghĩa thống kê hay không.
Làm sao biết hệ số chặn có ý nghĩa thống kê hay không?
Cột Sig. ở dòng (Constant) trong bảng Coefficients cho biết điều đó, một con số nhỏ hơn 0,05 nghĩa là hệ số chặn khác 0 có ý nghĩa thống kê. Kết quả này hiếm khi làm thay đổi cách diễn giải phần còn lại của mô hình.
Hệ số chặn trong hồi quy đơn biến và hồi quy bội khác nhau thế nào?
Điểm khác biệt chính nằm ở số lượng biến bằng 0 cùng lúc, vì mô hình đơn giản nhất chỉ có một biến duy nhất bằng 0, còn mô hình có nhiều biến hơn đòi hỏi toàn bộ các biến độc lập cùng bằng 0.
Hệ số chặn âm có phải dấu hiệu mô hình sai không?
Không. Dấu của hệ số chặn không phản ánh chất lượng mô hình. Chất lượng nên đánh giá qua R², mức ý nghĩa của các hệ số góc và việc kiểm tra các giả định của hồi quy.
MAAS hỗ trợ gì khi sinh viên chưa hiểu hệ số chặn trong bảng kết quả hồi quy?
Chuyên gia MAAS đọc cùng bạn từng dòng trong bảng Coefficients, kể cả dòng Constant, giải thích vì sao con số đó có mặt trong mô hình, rồi cùng bạn chạy lại chính bộ dữ liệu của bạn để bạn tự tin bảo vệ cách đọc kết quả khi bảo vệ đề tài. Buổi tư vấn đầu tiên kéo dài 15 phút và không tính phí. Xem thêm tại dịch vụ hướng dẫn chạy SPSS và Python, hoặc đặt lịch tại đây.
References
- French, J. (n.d.). A progressive introduction to linear models (Chapter 4, Interpreting a fitted linear model). Retrieved September 20, 2026, from https://jfrench.github.io/LinearRegression/interp-chapter.html
- Frost, J. (2017, April 6). How to interpret the constant (Y intercept) in regression analysis. Statistics By Jim. https://statisticsbyjim.com/regression/interpret-constant-y-intercept-regression/
- IBM. (n.d.). Linear regression statistics [IBM SPSS Statistics 30.0.0 documentation]. Retrieved September 20, 2026, from https://www.ibm.com/docs/en/spss-statistics/30.0.0?topic=regression-linear-statistics
- James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning: With applications in R (2nd ed.). Springer.
- Pennsylvania State University, Department of Statistics. (n.d.-a). Lesson 1: Simple linear regression [STAT 501: Regression methods, online course notes]. Retrieved September 20, 2026, from https://online.stat.psu.edu/stat501/Lesson01.html
- Pennsylvania State University, Department of Statistics. (n.d.-b). Lesson 2: SLR model evaluation [STAT 501: Regression methods, online course notes]. Retrieved September 20, 2026, from https://online.stat.psu.edu/stat501/Lesson02.html
- UCLA Office of Advanced Research Computing, Statistical Consulting. (n.d.). Regression analysis | SPSS annotated output. Retrieved September 20, 2026, from https://stats.oarc.ucla.edu/spss/output/regression-analysis/