AP Statistics

liên hệ tuyến tính

linear association

Còn gọi: mối liên hệ tuyến tính · linear relationship · linear association

Liên hệ tuyến tính là xu hướng hai biến định lượng thay đổi cùng nhau theo dạng gần một đường thẳng, được đo bằng hệ số tương quan r.

Khi vẽ biểu đồ phân tán cho hai biến định lượng (quantitative variable), đôi khi các điểm dữ liệu không rải rác lộn xộn mà tụ lại thành một dải hẹp bám sát một đường thẳng tưởng tượng. Hiện tượng đó được gọi là liên hệ tuyến tính (linear association): biến này tăng (hoặc giảm) một lượng gần như cố định mỗi khi biến kia tăng thêm một đơn vị. Mức độ liên hệ tuyến tính mạnh hay yếu, cùng chiều hay ngược chiều, được đo bằng hệ số tương quan (correlation coefficient) $r$ , tính theo công thức $r=\frac{1}{n-1}\sum_{i=1}^{n}\left(\frac{x_i-\bar{x}}{s_x}\right)\left(\frac{y_i-\bar{y}}{s_y}\right).$ Giá trị $r$ luôn nằm trong khoảng từ $-1$ đến $1$ : dấu của $r$ cho biết chiều liên hệ, còn $|r|$ càng gần $1$ thì các điểm càng bám sát đường thẳng.

Chính vì liên hệ tuyến tính mô tả một xu hướng đường thẳng nên nó là điều kiện tiên quyết để áp dụng hồi quy tuyến tính: chỉ khi hai biến thật sự có dạng quan hệ này, đường thẳng bình phương tối thiểu $\hat{y}=b_0+b_1x$ mới là mô hình phù hợp để dự đoán. Tuy nhiên, nếu quan hệ thực chất là đường cong — chẳng hạn dạng parabol hay mũ — thì $r$ vẫn có thể cho một con số khá lớn về trị tuyệt đối, nhưng con số đó lại đánh lừa người đọc vì nó không phản ánh đúng bản chất phi tuyến của dữ liệu. Do đó, người ta không bao giờ chỉ nhìn $r$ mà bỏ qua biểu đồ phân tán ban đầu.

Vì vậy, để kiểm tra chắc chắn rằng liên hệ giữa hai biến đúng là tuyến tính, ta thường nhìn thêm biểu đồ phần dư (residual plot) sau khi khớp đường thẳng: nếu các phần dư rải ngẫu nhiên quanh trục hoành mà không tạo thành hình dạng cong, giả định liên hệ tuyến tính được xem là hợp lý. Ngược lại, một hình vòng cung rõ rệt trong phần dư báo hiệu rằng mô hình đường thẳng chưa phù hợp, cho dù $r$ vẫn lớn. Cuối cùng, cần nhớ rằng liên hệ tuyến tính mạnh chỉ nói lên mối quan hệ thống kê giữa hai biến, tuyệt đối không tự động chứng minh biến này gây ra biến kia.

Ký hiệur

Trực giác: Giống như thả một chuỗi hạt cườm rơi xuống: nếu chúng xếp gần thành một đường thẳng nghiêng chứ không bay tán loạn, ta nói hai đại lượng có liên hệ tuyến tính.

Công thức

r=\htmlClass{fp-3}{\frac{1}{n-1}\sum_{i=1}^{n}\htmlClass{fp-2}{\htmlClass{fp-0}{\left(\frac{x_i-\bar{x}}{s_x}\right)}\htmlClass{fp-1}{\left(\frac{y_i-\bar{y}}{s_y}\right)}}}

Dùng khi cần đo mức độ và chiều của liên hệ tuyến tính giữa hai biến định lượng bằng hệ số tương quan $r$ ; công thức này là nền tảng để nhận biết liên hệ có tuyến tính mạnh hay yếu trước khi tiến hành hồi quy tuyến tính đơn.

Trong đó

n

số cặp quan sát

(x_i,y_i)

trong mẫu

\bar{x},\bar{y}

trung bình của biến

x

và biến

y

s_x,s_y

độ lệch chuẩn của biến

x

và biến

y

r

hệ số tương quan, nhận giá trị từ

-1

đến

1

Khái niệm này sinh ra từ đâu

GaltonPearson

Khái niệm liên hệ tuyến tính lớn lên từ dòng nghiên cứu về sự phụ thuộc giữa hai đại lượng, mà Galton khởi xướng dưới dạng bài toán hồi quy (regression) rồi Pearson làm chặt lại thành định nghĩa còn dùng đến ngày nay.

Bài toán ban đầu rất đời thường: chiều cao của cha mẹ nói được gì về chiều cao của con? Galton làm việc trên chính bộ số liệu chiều cao cha mẹ và con cái, và ông nhận ra rằng đám mây điểm không tản mác vô trật tự mà bám quanh một đường thẳng. Từ quan sát đó, ông đề xuất hệ số tương quan (correlation coefficient) theo ngôn ngữ hồi quy. Tuy nhiên cách phát biểu ấy còn thiếu chặt chẽ, nên Pearson tiếp tục cải tiến và đưa nó về dạng định nghĩa nghiêm ngặt. Nhờ đó, ý tưởng "hai biến đi cùng nhau theo một đường thẳng" trở thành nền móng cho cả mảng đo lường sự liên hệ trong thống kê.

Vì sao mang đúng cái tên này? Cái tên gồm hai nửa, mỗi nửa trả lời một câu hỏi khác nhau. Nửa "tuyến tính" đến thẳng từ hình ảnh đồ thị: khi ta chấm các cặp giá trị lên mặt phẳng tọa độ, quan hệ được gọi là tuyến tính nếu các điểm tạo thành một đường thẳng, nghĩa là mỗi khi biến này tăng một đơn vị thì biến kia thay đổi xấp xỉ cùng một lượng — chính lượng đó là hệ số góc (slope) trong dạng $y = mx + b$ . Vì vậy "tuyến" ở đây không phải là ẩn dụ mà là mô tả đúng nghĩa đen của hình vẽ. Nửa "liên hệ" thì rộng hơn và thận trọng hơn: nó chỉ nói rằng hai biến thay đổi cùng nhau, chứ không khẳng định biến nào gây ra biến nào. Cũng vì vậy mà trong tài liệu tiếng Anh, thuật ngữ này thường được dùng thay thế qua lại với "linear relationship", và khi các điểm rõ ràng không nằm quanh một đường thẳng thì người ta gọi đó là quan hệ phi tuyến (non-linear relationship).

Nguồn đối chiếu

Thử nghiệm tương tác

Kéo đám điểm — xem r nói về độ bám sát, không phải độ dốc

Kéo tham số, thấy khái niệm chuyển động — mở khoá bằng tài khoản 0đ.

Tạo tài khoản miễn phí

Hay hiểu sai

"Mạnh" nói về mức bám sát đường thẳng, không phải độ dốc lớn.

Chiều của liên hệ và độ mạnh của liên hệ là hai chuyện khác nhau.

Liên hệ tuyến tính mạnh không chứng minh biến này gây ra biến kia.

Hệ số tương quan gần $0$ không có nghĩa hai biến không liên quan gì.

Mẹo phòng thi

Mô tả biểu đồ phân tán phải đủ bốn phần: dạng, chiều, độ mạnh, điểm bất thường.

Luôn gắn tên biến và đơn vị thật của đề vào câu trả lời.

Gặp từ "strong" trong phương án trắc nghiệm, hãy dịch ngay thành "dự đoán chính xác".

Tần suất trong đề AP StatisticsThường xuyên

Ví dụ có lời giải

1Ví dụ 1/2

Tại một sân bay lớn, trong suốt một tháng người ta ghi lại hai số liệu cho mỗi chuyến bay khi hạ cánh: số kiện hành lý được dỡ khỏi máy bay và thời gian (tính bằng phút) cần để chuyển toàn bộ số hành lý đó tới khu vực trả hành lý. Khi vẽ biểu đồ phân tán (scatterplot) của thời gian giao hành lý theo số kiện hành lý, các nhà phân tích mô tả rằng hai biến có "liên hệ tuyến tính dương và mạnh" (a strong, positive linear association).

aHai từ "dương" và "tuyến tính" trong câu mô tả trên nói lên điều gì về đám mây điểm trên biểu đồ phân tán? Trả lời trong ngữ cảnh bài toán.
bCâu nào sau đây diễn giải ĐÚNG từ "mạnh"? (A) Chuyến bay nào cũng có rất nhiều kiện hành lý. (B) Số kiện hành lý trung bình của các chuyến bay là lớn. (C) Các điểm trên biểu đồ phân tán nằm sát một đường thẳng. (D) Khi số kiện hành lý tăng thì thời gian giao hành lý tăng. (E) Số kiện hành lý là nguyên nhân làm thời gian giao hành lý kéo dài.

1Bước 1: Nhớ rằng mọi lời mô tả một biểu đồ phân tán đều gồm ba thành phần tách bạch: dạng (thẳng hay cong), hướng (dương hay âm) và độ mạnh (các điểm bám sát hay tản mát quanh khuôn mẫu đó). Ba từ trong đề — "tuyến tính", "dương", "mạnh" — lần lượt trả lời đúng ba câu hỏi này, nên muốn diễn giải từ nào thì phải gắn nó vào đúng câu hỏi tương ứng.

2Bước 2: Ý (a): "tuyến tính" là nói về dạng, nghĩa là khuôn mẫu chung của đám mây điểm được mô tả tốt bởi một đường thẳng chứ không phải một đường cong. "Dương" là nói về hướng: những chuyến bay có nhiều kiện hành lý hơn có xu hướng cần nhiều thời gian hơn để chuyển hết hành lý ra khu vực trả hành lý. Hai từ này chưa nói gì về việc các điểm nằm gần hay xa đường thẳng đó.

3Bước 3: Ý (b): "mạnh" là phát biểu về độ phân tán quanh khuôn mẫu tuyến tính, tức là các điểm tụ sát quanh một đường thẳng nên biết số kiện hành lý thì đoán được thời gian giao hành lý khá chính xác. Vì vậy đáp án là (C).

4Bước 4: Loại các phương án còn lại cho rõ ràng. (D) mô tả từ "dương" chứ không phải "mạnh", đây là bẫy phổ biến nhất của dạng câu này. (E) sai vì đây là dữ liệu quan sát, liên hệ tuyến tính mạnh không cho phép kết luận nhân quả. Còn (A) và (B) chỉ nói về giá trị của riêng biến số kiện hành lý, trong khi liên hệ tuyến tính luôn là phát biểu về quan hệ giữa hai biến.

Đáp án ý (b) là (C). Trong ngữ cảnh sân bay: "tuyến tính" nghĩa là quan hệ giữa số kiện hành lý và thời gian giao hành lý có dạng đường thẳng, "dương" nghĩa là chuyến bay nhiều hành lý hơn thường mất nhiều thời gian hơn, còn "mạnh" nghĩa là các điểm dữ liệu nằm sát đường thẳng đó, nên từ số kiện hành lý ta dự đoán được thời gian giao hành lý với sai số nhỏ.

2Ví dụ 2/2

Một nhóm học sinh lấy mẫu 5 chuyến bay tại sân bay nói trên và ghi lại số kiện hành lý

x

cùng thời gian giao hành lý

y

(phút):

(20;12)

(30;15)

(40;16)

(50;20)

(60;22)

aTính hệ số tương quan (correlation coefficient) $r$ và dùng nó để mô tả liên hệ giữa hai biến.
bViết phương trình đường hồi quy bình phương tối thiểu (least-squares regression line) và giải thích ý nghĩa hệ số góc trong ngữ cảnh.
cGiải thích ý nghĩa của $r^2$ trong ngữ cảnh bài toán.

1Bước 1: Tính hai trung bình mẫu:

\bar x=\frac{20+30+40+50+60}{5}=40

và

\bar y=\frac{12+15+16+20+22}{5}=17

. Độ lệch của

x

so với

\bar x

lần lượt là

-20,-10,0,10,20

; độ lệch của

y

so với

\bar y

là

-5,-2,-1,3,5

2Bước 2: Từ các độ lệch đó:

\sum(x-\bar x)^2=400+100+0+100+400=1000

và

\sum(y-\bar y)^2=25+4+1+9+25=64

. Do đó

s_x=\sqrt{1000/4}=\sqrt{250}\approx 15{,}81

và

s_y=\sqrt{64/4}=4

. Hai số này đo mức phân tán của từng biến quanh trung bình của nó.

3Bước 3: Tích các độ lệch:

(-20)(-5)+(-10)(-2)+0\cdot(-1)+10\cdot 3+20\cdot 5=100+20+0+30+100=250

. Áp dụng

r=\frac{\sum (x-\bar x)(y-\bar y)}{(n-1)s_xs_y}=\frac{250}{4\cdot 15{,}81\cdot 4}\approx 0{,}988.

Công thức này chuẩn hoá tổng tích độ lệch nên

r

luôn nằm trong

[-1;1]

và không phụ thuộc đơn vị đo.

4Bước 4: Ý (b): hệ số góc

b=\frac{\sum (x-\bar x)(y-\bar y)}{\sum (x-\bar x)^2}=\frac{250}{1000}=0{,}25,

và tung độ gốc

a=\bar y-b\bar x=17-0{,}25\cdot 40=7

. Vậy

\hat y=7+0{,}25x

, nghĩa là mỗi khi chuyến bay có thêm một kiện hành lý, thời gian giao hành lý dự đoán tăng thêm

0{,}25

phút, tức khoảng 15 giây.

5Bước 5: Ý (c):

r^2=(0{,}988)^2\approx 0{,}977

. Hệ số xác định (coefficient of determination) này cho biết khoảng

97{,}7\%

biến thiên của thời gian giao hành lý được giải thích bởi liên hệ tuyến tính với số kiện hành lý; phần còn lại do các yếu tố khác như khoảng cách tới băng chuyền hay số nhân viên phục vụ.

6Bước 6: Trước khi tin vào mô hình, cần kiểm tra biểu đồ phần dư (residual plot) xem có khuôn mẫu cong nào còn sót lại không. Nếu phần dư rải rác ngẫu nhiên quanh đường

0

thì mô hình tuyến tính là phù hợp; ngược lại, một

r

gần

1

vẫn có thể che giấu một quan hệ cong.

Với $r\approx 0{,}988$ , số kiện hành lý và thời gian giao hành lý có liên hệ tuyến tính dương rất mạnh: chuyến bay nhiều hành lý hơn cần nhiều thời gian hơn và các điểm nằm rất sát một đường thẳng. Đường hồi quy $\hat y=7+0{,}25x$ cho biết mỗi kiện hành lý tăng thêm làm thời gian dự đoán tăng khoảng $0{,}25$ phút, và $r^2\approx 97{,}7\%$ biến thiên của thời gian giao hành lý được giải thích bởi liên hệ tuyến tính này. Tuy vậy, vì đây là dữ liệu quan sát nên không thể kết luận số kiện hành lý là nguyên nhân duy nhất gây ra thời gian chờ.

Bạn nắm chắc chưa?

Quiz câu thật từ ngân hàng đề

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.

Tạo tài khoản miễn phí

Học tiếp từ đây

Bài học chứa thuật ngữ nàyĐồ thị quan hệ giữa hai biến định lượngPhân tích hồi quy · khoá AP Statistics

Bài học chứa thuật ngữ nàyHệ số tương quan rPhân tích hồi quy · khoá AP Statistics

Bài học chứa thuật ngữ nàyDự đoán với linear regression model (mô hình hồi quy tuyến tính)Phân tích hồi quy · khoá AP Statistics

Dẫn tớiđường hồi quy bình phương tối thiểu

Liên quanmối liên hệ biểu đồ phân tán dạng của mối liên hệ hệ số tương quan

Mục tiêu và lộ trình unit xem miễn phí — làm bài tập và lưu tiến độ cần tài khoản 0đ.

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

hệ số tương quan (correlation coefficient)correlation coefficient

Khác nhau ở đâuLiên hệ tuyến tính là mô tả hình dạng đám điểm, một nhận định định tính. Hệ số tương quan là con số r đo độ mạnh và chiều của liên hệ tuyến tính đó.

Hay nhầm khiĐề cho r gần 0 và hỏi có liên hệ không; nhiều thí sinh kết luận hai biến không liên quan, trong khi thực ra chúng có thể liên hệ mạnh theo dạng cong.

mối liên hệ (association)association

Khác nhau ở đâuMối liên hệ chỉ nói rằng biết giá trị biến này thì đoán được biến kia tốt hơn, bất kể hình dạng. Liên hệ tuyến tính đòi hỏi thêm rằng các điểm bám quanh một đường thẳng.

Hay nhầm khiCâu hỏi mô tả biểu đồ phân tán có dạng parabol; viết "không có mối liên hệ" là sai, phải viết có mối liên hệ nhưng không tuyến tính.

Cùng chủ đề

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 41, 62, 201.