Huong Dan Thuc Hanh

Bài giảng môn học Thống kê Ứng dụng trong Kinh doanh

BÀI 1. GIỚI THIỆU

1. THAM SỐ CỦA TỔNG THỂ VÀ MẪU

Biên soan: Ths Huỳnh Thanh Điền 1

- Tổng thể, mẫu

- Thống kê mô tả

- Ước lượng tham số của tổng thể

- Điều tra chọn mẫu

- T-test

- Anova

- Chi-square

- Hồi quy

- Curve estimate

- Chỉ số

- Phân tích nhân tố khám phá

- Kiểm định thang đo

Số quan sát N

Giá trị trung bình của x:

Phương sai của x:

Độ lệch chuẩn của x:

Tỷ lệ của 1 tính chất trong

tổng thể: p

Số quan sát: nGiá trị trung bình

của x:Phương sai của x: Độ lệch chuẩn của

x: Tỷ lệ của 1 tính

chất trong mẫu: f

Tổng thể

Chọn mẫu

Mẫu


2. THIẾT KẾ NGHIÊN CỨU



T


Cơ sở lý thuyết( Vốn xã hội và sự cải tiến) Giả thuyết

nghiên cứu

Nghiên cứu định tính(Thảo luận tay đôi, n=10) Bản phỏng

vấn sơ bộ 1

Khảo sát thử(Để hiệu chỉnh bản phỏng vấn, n=20) Bản phỏng

vấn chính thức

Nghiên cứu định lượng:Khảo sát.Mã hóa và nhập liệu.Làm sạch dữ liệu.Thống kê mô tả, phân tích khám phá và kiểm định thang đoPhân tích đơn biến, phân tích đa biếnMô hình kinh tế lượng.

Viết báo cáo

Tính toán cở mẫu(Dựa vào mục đích nghiên cứu tính cõ mẫu, phân tầng)

Kế hoạch khảo sát và huấng luyện

Vấn đề nghiên cứu(Tai sao phải nghiên cứu, nghiên cứu để là gì?) Biến nghiên

cứu


3 THIẾT KẾ BẢNG CÂU HỎI

THÔNG TIN TRÊN BẢNG CÂU HỎI

1. Giới thiệu

2. Thông tin chung để nhận diện đối tượng nghiên cứu

3. Thông tin về biên nghiên cứu

CÁC LOẠI CÂU HỎI

1. Câu hỏi đóng

2. Câu hỏi mở

CÁC LOẠI THANH ĐO

1. Thang đo định danh (nominal scale)

2. Thang đo thứ bậc (ordinal scale)

3. Thang đo khoảng (interval scale)

4. Thang đo tỷ lệ (ration scale)



PHỤ BÀI 1. TOÅNG QUAN VEÀ QUY TRÌNH VAØ CAÙC PHÖÔNG PHAÙP PHAÂN TÍCH

1. Quy trình chuaån bò, phaân tích döõ lieäu

Sô ñoà quaù trình phaân tích döõ lieäu

Nguoàn: Sekaran Uma (2003) Research Methods for Business, John

Wiley&Sons, Inc

Trong quaù trình chuaån bò döõ lieäu, phaân tích döõ lieäu caàn chuù yù veà

caùc loaïi bieán, caùc loaïi thang ño.

2. Caùc loaïi bieán

bieán laø ñaëc ñieåm cuûa ñôn vò toång theå

+ Bieán ñònh tính (nhaõn hieäu, giôùi tính, ngheà nghieäp …)

+ Bieán ñònh löôïng

- Rôøi raïc : soá ngöôøi trong hoä, soá baøn ghi ñöôïc trong moät traän

boùng ñaù

- Lieân tuïc: chieàu cao cuûa thanh nieân, troïng löôïng cuûa saûn

phaåm …

3. Caùc loaïi thang ñoBiên soan: Ths Huỳnh Thanh Điền 5

TH

U T

HA

ÄP D

ÖÕ

LIE

ÄU

Chuaån bò döõ lieäu ñeå phaân tíchHieäu chænh döõ lieäuXöû lyù caâu boû troángMaõ hoaù döõ lieäuPhaân loaïi döõ lieäuTaïo file döõ

“Caûm xuùc”( feel) cho döõ lieäu

Tính hôïp lyù cho döõ lieäu

Kieåm ñònh giaû thuyeát

1.Giaù trò TB2.Ñoä leäch chuaån3. Söï töông quan4. Taàn soá, söï phaân phoái…

Ñoä tin caäyÑoä giaù trò

Thao taùc thoáng keâ thích hôïp

Phaân tích döõ lieäu

Trình baøy keát quaû

Thaûo luaän

Caâu hoûi n/c ñaõ


Thang ño laø thuû tuïc hay caùch thöùc ñònh löôïng, baèng caùch gaùn con

soá cho caùc thuoäc tính cuûa ñoái töôïng nghieân cöùu. Thang ño laø moät

coâng cuï ñeå ño löôøng ñoái töôïng nghieân cöùu

- Thang ño ñònh danh (Nominal)

- Thang ño thöù baäc (Ordinal)

- Thang ño khoaûng (Interval)

- Thang ño tyû leä (Ratio)

Ví duï: vôùi baûng caâu hoûi sau, haõy xaùc ñònh bieán ñònh tính, ñònh löôïng

Bản phỏng vấn đơn giản

1. Loại điện thoại di động mà bạn sử dụng chính? Nokia Samsung Motorola Khác2. Mức độ hài lòng chung của bạn khi sử dụng loại điện thoại trên?Rất không hài lòng 1 2 3 4 5 Rất hài lòng3. Chi tiêu trung bình một tháng cho việc gọi điện thoại di động ……….ngàn đ4. Bạn theo dõi thông tin về các loại điện thoại mới như thế nào? Không bao giờ Ít khi Thỉnh thoảng Thường xuyên5. Bạn thường sử dụng tính năng nào Nghe - gọi Tin nhắn Nghe nhạc Quay phim, chụp hình Games Khác6. Giới tính: Nam Nữ

Khai báo biến



Nhập liệu

4. Caùc phöông phaùp phaân tích

Phaân tích nhò bieán

- Phaân tích aûnh höôûng cuûa moät bieán ñònh tính ñeán 1 bieán ñònh löôïng:

Independent samples t-test.

ANOVA.

- Phaân tích quan heä giöõa 2 bieán ñònh tính: Chi-square

- Phaân tích quan heä giöõa 2 bieán ñònh löôïng: Correlation, Simple Regression

Phaân tích ña bieán

- Phaân tích aûnh höôûng cuûa caùc bieán ñoäc laäp (bieán giaûi thích) ñeán 1 bieán phuï thuoäc

Y=f(X1,X2,X3,…Xm)

Khi Y laø bieán ñònh löôïng: Multiple regression Model

Khi Y laø bieán ñònh tính coù 2 thuoäc tính: Logit Model/ Probit Model/ Discriminant Analysis

- Nhoùm caùc quan saùt theo töøng cuïm: Cluster Analysis

- Ruùt goïn caùc bieán: Factor Analysis

- Caùc coâng cuï phaân tích ña bieán khaùc



BÀI 2. THỐNG KÊ MÔ TẢ VÀ TẦN SỐ

1. Tóm tắt thống kê: Công thức và thực hành trên Excel

Giá trị trung bình của mẫu (mean) (hàm Average)

Phương sai mẫu (Sample Variance) (hàm VAR đối với mẫu)

Đối với tổng thể dùng hàm VARP

Độ lệch chuẩn của mẫu (Standard Deviation) (hàm STDEV)

Mốt (mode)

Trung vị (median)

Giá trị nhỏ nhất (min)

Giá trị lớn nhất (max)

Khoản biến thiên: V= XMax – XMin (không có hàm lập sẳn)

Độ lệch (Coefficient of skewness): a3 = (1/ns3) (Xi- )3

Hàm Skew

If a3 > 0, the distribution is skewed to the right (meaning its long tail is to the right) and the mean is greater than the medianIf a3 0, the distribution is normally distributed (approximate symmetry) and the mean is approximately equal to the medianIf a3 < 0, the distribution is skewed to the left (meaning its long tail is to the left) and the mean is smaller than the median

Độ nhọn (Coefficient of kurtosis): a4 = (1/ns4) (Xi- )4 Hàm Kurt

If a4 > 3, the distribution has heavier tails than a normal distribution If a3 < 3, the distribution has a rectangular distribution which has a body but no tails

Trị thống kê Jarque-Bera-JB

Không có hàm lập sẳn mà phải tính JB theo công thức sau:

Tổng – SUM

Đường dẫn : fx-> Math & Trig -> Sum

Số quan sát – COUNT



Đường dẫn : fx-> Statistical ->Count

Hệ số tương quan và kiểm ý nghĩa thống kê của hệ số tương quan

Hàm Correl

Các tiêu chí thông kê mô tả được thực hiện tắt bằng coâng cuï Data Analysis

Thao tác trên SPSS

Để thống kê mô tả biến tiền lương (salary) ta vào Analysis -> Descriptive Statistics sau đó đưa

biến salary vào khung Variable rồi chọn nút OK để hoàn thành.

Kế quả như sau:

Descriptive Statistics

N Minimum Maximum Mean Std. Deviationage 473 37 79 51.67 11.784Valid N (listwise) 473

2. Tóm tắt bằng bảng tần số

Tần số là số lần xuất hiện của giá trị xi trong tổng thể mẫu nghiên cứu.

Tần số Tỷ lệ %Nokia 125 50

Samsung 55 22

Motorola 20 8Sony Ericsson 24 9.6Khác (Siemens, O2, Panasonic, LG, Inno Stream) 26 10.4

Tổng 250 100

Thao tác trên SPSS như sau:

Analysis -> Descriptive Statistics -> Frequencies sau đó đưa vào biến cần tóm tắt tầng số. Sau đó nhắp nút Statistics rồi chọn các tiêu thức thống kê cần thiết. Chọn OK để kết thúc. Kế quả xuất hiện như sau:



3. Phân tổ

Phân tổ theo môt tiêu thức:

Cước trả hàng tháng (ngàn đồng)

Số hộ

<60 10

60-80 15

80-100 22

100-120 27

120-140 12

140-160 9

>=160 5

Phân tổ theo nhiều tiêu thức:

Thành phốHà Nội TP. Hồ Chí Minh

Giới tínhCộng

Giới tínhCộng

Nam Nữ Nam Nữ

Độ tuổi

18-25 47 61 108 64 84 14826-35 49 60 109 68 66 13436-45 45 40 85 65 49 11446-60 44 50 94 46 30 76

Cộng 185 211 396 243 229 472

Biên soan: Ths Huỳnh Thanh Điền10

f(1-f)

n

f(1-f)

n

n n

n n


BÀI 3. ƯỚC LƯỢNG VÀ KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Loại tham số Tổng thể chung Tổng thể mẫu

Số đơn vị tổng thể N n

Giá trị trung bình x

Tỷ lệ p f

Phương sai 2 S2

Độ lệch chuẩn S

1. Ước lượng tỷ lệ

f - Z/2 f + Z/2

2. Ứơc lượng trung bình

- Trường hợp n > 30

+ Nếu biết thì:

x - Z/2 x + Z/2

+ Nếu chưa biết thì dùng phương sai hiệu chỉnh mẫu S

x - Z/2 x + Z/2

Với mức ý nghĩa , thì Z/2 được tính bằng hàm NORMSINV(/2)

Khi = 1%, thì Z/2 = 2,58

= 5%, thì Z/2= 1,96

= 10%, thì Z/2 = 1,64


< p <

< <

S< <

S

n n

n n


- Trường hợp n 30

x - t/2 x + t/2 (nếu biết )

x - t/2 x + t/2 (nếu chưa biết , thì dung S)

Lúc đó, t/2, n-1 được tính trong Excel bằng hàm TINV (, n-1)

Bài tập áp dụng :

1- Để ước lượng tỷ lệ sản phẩm xấu của một kho đồ hợp, người ta kiểm tra ngẫu nhiên 100 hộp thấy có 10 hộp xấu. Hãy ước lượng tỷ lệ sản phẩm xấu của kho đồ hợp với độ tin cậy 95%.

2- Lô trái cây của một chủ hàng được đóng thành một sọt, mỗi sọt 100 trái. Kiểm tra 50 sọt thấy có 450 trái không đạt tiêu chuẩn. Ước lượng tỷ lệ trái cây không đạt tiêu chuẩn của lô hàng với độ tin cậy 95%.

3- Chọn mẫu ngẫu nhiên 36 công nhân của 1 Xí nghiệp thì thấy lương trung bình là 380 ngàn đồng/tháng. Giả sử lương công nhân tuân theo quy luật chuẩn với = 14 ngàn đồng. Với độ tin cây 95% (mức ý nghĩa = 5%), hãy ước lượng mức lương trung bình của công nhân trong toàn xí nghiệp.

4- Đểm trung bình môn toán của 100 thí sinh dự thi vào ĐHKT là 5 với độ lệch chuẩn mẫu đã điều chỉnh S = 2,5. Hãy ước lượng điểm trung bình môn toán của toàn thể thí sinh.


< <

S< <

S


BÀI 4. KỸ THUẬT CHỌN MẪU

1. Lý do chọn mẫu

- Chọn mẫu giúp tiết kiệm chi phí

- Chọn mẫu giúp tiết kiệm thời gian

- Chọn mẫu có thể cho kết quả chính xác hơn

Trong nghiên cứu chúng ta vướng phải hai sai lệch (1) sai lệch do chọn mẫu SE (sampling error) và (2) sai lệch không do chọn mẫu NE (non-sampling error). Mối tương quan giữa hai sai lệch này được minh họa như sau:

Sai lệch do chọn mẫu SE Sai lệch không do chọn mẫu NE

SE NE

SE NE

NE

2. Các khái niệm cơ bản trong chọn mẫu

Đám đông (population).

Đám đông nghiên cứu (study population).

Phần tử (element).

Đơn vị (sampling unit).

Khung chọn mẫu (sampling frame)

3. Qui trình chọn mẫu

1. Xác định thị trường nghiên cứu

2. Xác định khung chọn mẫu

3. Xác định kích thước mẫu

4. Chọn phương pháp chọn mẫu

5. Tiến hành chọn mẫu

- Xác định kích thước mẫu:

Nếu mục đích điều tra là ước lượng tỷ lệ:


Tăn

g kí

ch th

ước

cỡ m

ẫu


Nếu mục đích điều tra là ước lượng giá trị trung bình

Trong đó:

hệ số tin cậy [NORMSINV(α/2)]

p, q lần lượt là tỷ lệ nhận thuộc tính khác nhau (p=1-q)

độ lệch chuẩn của thị trường (điều tra thử nghiệm hoặc các nghiên cứu trước)

khoảng dao động hay sai số ước lượng (dựa vào các phán đóan).

Lưu ý: Trong trường hợp không có các nghiên cứu tương tự trước đó, ta có thể tiến hành điều tra thử nghiệm để xác định cỡ mẫu.

Ví dụ:

Với phạm vi sai số nhỏ hơn 8%, độ tin cậy 95% và kết quả điều tra thử nghiệm 50 doanh

nghiệp ta xác định được tỷ lệ doanh nghiệp có thực hiện cải tiến là 47%. Cỡ mẫu tối thiểu cần phải

điều tra là:

(doanh nghiệp).

4. Các phương pháp chọn mẫu

Các phương pháp chọn mẫu

Nguồn: Nguyễn Đình Thọ, Nguyễn Thị Mai Trang, 2007 “Nghiên cứu thị trường”, NXB Đại học Quốc gia (trang 70).

Phương pháp phân tầng (stratifile sampling):

Loại doanh nghiệp

(1)

Số doanh

nghiệp (2)

Tỷ lệ

(3)

Tổng số

mẫu (4)

Số đơn vị mẫu

(5)=(3)x(4)


THEO XÁC SUẤT- Ngẫu nhiên đơn

giản- Hệ thống- Phân tầng- Theo nhóm

PHI XÁC SUẤT- Thuận tiện- Phán đoán- Phát triển mầm- Định mức


Doanh nghiệp lớn 107 12% 170 20

Doanh nghiệp vừa và nhỏ 798 88% 170 150

Tổng 905 100% 170

Bài tập về chọn mẫu:

Cầu 1: Để xác định thu nhập trung bình trong năm của một công nhân ngành may, người ta tiến hành điều tra chọn mẫu với yêu cầu là: phạm vi sai số chấp nhận được ex<40 ngàn đồng; độ tin cậy 95%; độ lệch chuẩn về thu nhập được tính từ 20 quan sát điều tra thử nghiệm là 220 ngàn đồng. Hãy xác định cỡ mẫu cần điều tra.

Câu 2: Ở một tỉnh miền núi, người ta tổ chức điều tra chọn mẫu để xác định tỷ lệ trẻ em ở cấp tiểu học bỏ học với yêu cầu phạm vi sai số ex<2%; độ tin cậy là 95%. Ở cuộc điều tra năm trước đã xác định tỷ lệ trẻ em bỏ học của tỉnh là 8%. Hãy xác định cỡ mẫu cần điều tra?

Câu 3: Một doanh nghiệp muốn nghiên cứu về doanh thu trung bình hàng năm của 290 đại lý bán hàng trong 5 tỉnh với tổng thể như sau:

STT Tỉnh Số đại lý Tỷ lệ (%) Cỡ mẫu cần điều tra

1 TP.HCM 100 34%

2 Đồng Nai 50 17%

3 Tiền Giang 20 7%

4 Cần thơ 80 28%

5 An Giang 40 14%

Cộng 290 100% 150

Để xác định cỡ mẫu cần điều tra, căn cứ doanh nghiệp chấp nhận phạm vi sai số là 90 triệu đồng; với độ tin cậy là 95%. Cuộc điều tra thử nghiệm trước 50 doanh daonh nghiệp tính toán được độ lệch chuẩn là 500 triệu. Hãy xác định định cỡ mẫu tối thiểu cần phải điều tra.

Sau khi tính toán cỡ mẫu tối thiểu, doanh nghiệp quyết định điều tra 150 doanh nghiệp thì có hợp lý không? tại sao? theo anh/chị doanh nghiệp sẽ phân bố cỡ mẫu điều tra như thế nào?


P0 (1-p0)

n

S

n

n

x - 0


BÀI 5. KIỂM ĐỊNH MỘT BIẾN

1. Kiểm định tỷ lệ

- Đặt giả thuyết

H0: p = p0 (p0 cho trước)

H1: p p0

- Tính giá trị kiểm định

Z =

Với mức ý nghĩa , tính Z/2

- Quy tắc kiểm định

+ Nếu lZl > Z/2, bác bỏ H0, chấp nhận H1

+ Nếu lZl Z/2, chấp nhận H0, bác bỏ H1

Và khi đó, nếu f > p0, ta xem p> p0

nếu f < p0, ta xem p< p0

2. Kiểm định giá trị trung bình

- Đặt giả thuyết

H0: = 0 (0 cho trước)

H1: 0

a- Trường hợp n > 30

- Tính giá trị kiểm định

hoặc nếu chưa biết thì


+ Nếu lZl > Z/2, bác bỏ H0, chấp nhận H1

+ Nếu lZl Z/2, chấp nhận H0, bác bỏ H1

b- Trường hợp n 30


f – p0

x - 0

Z =Z =

S

n

n

x - 0


hoặc nếu chưa biết thì


+ Nếu ltl > t/2, n-1, bác bỏ H0, chấp nhận H1

+ Nếu ltl t/2, n-1, chấp nhận H0, bác bỏ H1

Và khi đó, nếu x > 0, ta xem > 0

nếu x < 0, ta xem < 0

Bài tập ứng dụng

1- Một nhà máy sản xuất với tỷ lệ sản phẩm loại 1 lúc đầu là 0,2. Sau khi áp dụng phương pháp sản xuất mới, kiểm tra 500 sản phẩm thấy số sản phẩm loại 1 là 150. cho kết luận về phương pháp sản xuất mới với mức ý nghĩa 1%.

2- Theo một nguồn tin thì tỷ lệ hộ dân thích dân ca trên tivi là 80%. Thăm dò 46 hộ dân ta thấy có 32 hộ thích dân ca. Với mức ý nghĩa là 5%, kiểm định nguồn tin này có đáng tin cậy không?

3- Một nhà máy sản xuất tự động, lúc đầu tỷ lệ sản phẩm loại A là 20%. Sau khi áp dụng phương pháp sản xuất mới, người ta lấy 40 mẫu, mỗi mẫu gồm 10 sản phẩm để kiểm tra. Kết quả kiểm tra cho ở bảng sau:

Số sản phẩm loại a trong mẫu 1 2 3 4 5 6 7 8 9 10

Số mẫu 2 0 4 6 8 10 4 5 1 0

Với mức ý nghĩa 5%. Hãy kết luận về phương pháp sản xuất mới.

4- Một máy đóng mì gói tự động quy định trọng lượng trung bình là 0= 75g, độ lệch chuẩn là =15g. Sau 1 thời gian sản xuất kiểm tra 80 gói ta có trọng lượng trung bình mỗi gói mì là 72g. Cho kết luận về tình hình sản xuất với mức ý nghĩa 5%.

5- Trong thập niên 80, trọng lượng trung bình của thanh niên lứa tuổi 20 là 45kg. Nay để xác định lại trọng lượng ấy, người ta chọn ngẫu nhiên 100 thanh niên đo trọng lượng trung bình là 48 kg và phương sai hiệu chỉnh mẫu S2 = (10kg)2. Thử xem trọng lượng của thanh niên hiện nay phải chăng có khuynh hướng tăng, với mức ý nghĩa 5%.


x - 0

t =t =


BÀI 6. INDEPENDENT –SAMPLES T-TEST

1. Giôùi thieäu

Laø coâng cuï ñeå kieåm ñònh söï khaùc bieät cuûa giaù trò trung bình cuûa moät bieán ñònh löôïng theo 2 thuoäc tính cuûa moät bieán ñònh tính. Ví duï: kieåm ñònh söï khaùc bieät veà tieàn löông trung bình giöõa nam vaø nöõ, kieåm ñònh söï khaùc bieät veà trung bình doanh soá cuûa caùc ñaïi lyù ôû mieàn Nam vaø mieàn Baéc.Ñaây cuõng laø kieåm ñònh quan heä giöõa 1 bieán ñònh tính (coù 2 möùc ñoä) vaø moät bieán ñònh löôïng.

2. Ví duïDöõ lieäuHình 1. Döõ lieäu Employee data.sav

Chuùng ta muoán kieåm ñònh giaû thuyeát: Ho: Trung bình tieàn löông khôûi ñieåm khoâng coù khaùc bieät giöõa nam vaø nöõH1: Trung bình tieàn löông khôûi ñieåm coù khaùc bieät giöõa nam vaø nöõ



Thao taùcHình 2

Hình 3



Keát quaû

Group Statistics

gender N Mean Std. Deviation Std. Error Mean

salary Male 631 27026.51 6870.097 273.494

Female 469 24769.51 6895.765 318.417

Independent Samples Test

Levene's Test for Equality

of Variances t-test for Equality of Means

F Sig. t df

Sig. (2-

tailed) Mean Difference

salary Equal variances assumed .034 .854 5.380 1098 .000 2256.996

Equal variances not

assumed5.377 1006.360 .000 2256.996

Kieåm ñònh veà giaù trò trung bình phuï thuoäc vaøo keát quaû cuûa kieåm

ñònh phöông sai. Vì vaäy, tröôùc tieân ta xem xeùt keát quaû cuûa kieåm

ñònh phöông sai.

Kieåm ñònh giaû thuyeát veà phöông sai (Levene's Test for Equality of Variances)

Ho: Phöông sai cuûa salary giöõa hai nhoùm baèng nhauH1: Phöông sai cuûa salary giöõa hai nhoùm khaùc nhauSig (Levene’s test)=0.854 (lôùn hôn 0.05), neân chöa ñuû cô sôû ñeå baùc boû Ho. Noùi caùch khaùc coù theå chaáp nhaän giaû thuyeát cho raèng phöông sai cuûa salary laø baèng nhau giöõa nhoùm nam vaø nhoùm nöõ.

Kieåm ñònh giaû thuyeát veà giaù trò trung bình (t-test for Equality of Means)

Ho: Trung bình tieàn löông khôûi ñieåm khoâng coù khaùc bieät giöõa nam vaø nöõH1: Trung bình tieàn löông khôûi ñieåm coù khaùc bieät giöõa nam vaø nöõ

Töø keát quaû cuûa kieåm ñònh Levene, ta ñaõ keát luaän raèng phöông sai cuûa tieàn löông giöõa hai nhoùm laø baèng nhau. Vì vaäy, ta nhìn vaøo doøng Equal variances assume, taïi coät Sig (2-tailed)(Ngöôïc laïi, ta seõ nhìn vaøo doøng Equal variances not assumed), Sig=0.000 (<0.05) vaø t töông öùng laø 5.38, neân keát luaän raèng baùc boû Ho. Noùi caùch khaùc: trung bình tieàn löông khôûi ñieåm coù söï khaùc bieät giöõa nam vaø nöõ. Hay noùi caùch khaùc laø giôùi aûnh höôûng ñeán tieàn löông khôûi ñieåm



Khi ñaõ keát luaän nhö vaäy, ta coù theå tieáp tuïc nhìn vaøo thoáng keâ moâ taû, tieàn löông khôûi ñieåm trung bình cuûa nam laø 27026.51, tieàn löông khôûi ñieåm trung bình cuûa nöõ laø 24769.51. Vaø coù theå keát luaän raèng, ôû ñoä tin caäy 95%, tieàn löông khôûi ñieåm trung bình cuûa nam thöïc söï cao hôn so vôùi nöõ.



3. Baøi taäp Caâu 1: Dữ liệu University of FloridaHình 4 maõ quy öôùc cuûa bieán college

College

Frequency Percent Valid Percent

Cumulative

Percent

Valid 1. Agriculture 415 37.7 37.7 37.7

2. Architecture 10 .9 .9 38.6

3. Building/Construction 55 5.0 5.0 43.6

4. Business Administration 322 29.3 29.3 72.9

5. Forestry 2 .2 .2 73.1

6. Education 13 1.2 1.2 74.3

7. Engineering 281 25.5 25.5 99.8

8. Fine Arts 2 .2 .2 100.0

Total 1100 100.0 100.0

Caâu 1.Keát quaû kieåm ñònh söï khaùc bieät veà tieàn löông khôûi ñieåm trung bình giöõa nhöõng ngöôøi hoïc ngaønh quaûn trò kinh doanh (Business Administration), vaø ngaønh kyõ sö (Engineering) nhö sau, baïn haõy ñöa ra nhaän xeùt cuûa mình.



Hình 5

Group Statistics

college N Mean Std. Deviation Std. Error Mean

salary Business Administration 322 24814.05 5553.360 309.477

Engineering 281 30876.87 5189.219 309.563


Levene's Test for

Equality of Variances t-test for Equality of Means

F Sig. t df

Sig. (2-

tailed)

Mean

Difference

salary Equal variances assumed .107 .744 -13.787 601 .000 -6062.816

Equal variances not assumed -13.851 598.180 .000 -6062.816

Th ự c haønh: Kieåm ñònh söï khaùc nhau cuûa tieàn löông khôûi ñieåm trung bình giöõa nhöõng ngöôøi hoïc ngaønh Arigculture vaø Architecture; giöõa ngaønh



Building/Construction vaø Forestry; giöõa ngaønh Education vaø Fine Arts vôùi möùc yù nghóa 1%. Caâu 2. Baïn haõy nhaän xeùt keát quaû sau (emloyee data)

Group Statistics


salary Building/Construction 55 28163.64 3923.168 529.000

Engineering 281 30876.87 5189.219 309.563


Levene's Test for Equality of

Variances t-test for Equality of Means

F Sig. t df Sig. (2-tailed)

salary Equal variances

assumed7.934 .005 -3.676 334 .000

Equal variances not

assumed-4.427 95.164 .000

Caâu 3. Baïn haõy nhaän xeùt keát quaû sau

Group Statistics


salary Agriculture 415 23780.00 7678.715 376.933

Business Administration 322 24814.05 5553.360 309.477




Levene's Test for Equality of

Variances t-test for Equality of Means

F Sig. t df Sig. (2-tailed)

Mean

Difference

salary Equal variances

assumed37.189 .000 -2.038 735 .042 -1034.053

Equal variances not

assumed-2.120 731.548 .034 -1034.053

BÀI 7. ANOVA

1. Giôùi thieäu

Laø coâng cuï ñeå kieåm ñònh söï khaùc bieät cuûa giaù trò trung bình cuûa moät bieán ñònh löôïng theo nhieàu thuoäc tính cuûa moät bieán ñònh tính. Ví duï: kieåm ñònh söï khaùc bieät veà tieàn löông trung bình giöõa caùc vò trí (nhaân vieân, giaùm saùt, quaûn lyù), kieåm ñònh söï khaùc bieät veà trung bình doanh soá cuûa caùc ñaïi lyù ôû mieàn Nam, mieàn Trung, vaø mieàn Baéc.Ñaây cuõng laø kieåm ñònh quan heä giöõa 1 bieán ñònh tính (coù nhieàu hôn 2 möùc ñoä) vaø moät bieán ñònh löôïng.

2. Ví duï döõ lieäu University of Florida

Giaû söû chuùng ta muoán gom moät soá ngaønh coù ít sinh vieân laïi thaønh 1 nhoùm, goïi laø ngaønh khaùc (other). Töø bieán college ta taïo thaønh bieán college_g

Hình 6.



college_g

Frequency Percent Valid Percent

Cumulative

Percent

Valid Agriculture 415 37.7 37.7 37.7

Other 27 2.5 2.5 40.2

Building/Construction 55 5.0 5.0 45.2


Engineering 281 25.5 25.5 100.0

Total 1100 100.0 100.0

Thao taùc vaø phaân tíchHình 7





Hình 8

Descriptives

salary

N Mean Std. Deviation Std. Error

Agriculture 415 23780.00 7678.715 376.933

Other 27 21718.52 5367.641 1033.003

Building/Construction 55 28163.64 3923.168 529.000


Engineering 281 30876.87 5189.219 309.563

Total 1100 26064.20 6967.982 210.093



Test of Homogeneity of Variances

salary

Levene Statistic df1 df2 Sig.

17.850 4 1095 .000

ANOVA

salary

Sum of Squares df Mean Square F Sig.

Between Groups 9.929E9 4 2.482E9 62.587 .000

Within Groups 4.343E10 1095 3.966E7

Total 5.336E10 1099

Do keát quaû cuûa kieåm ñònh Levene cho thaáy Sig=0.000 (<0.05) neân phöông sai giöõa cuûa tieàn löông giöõa caùc nhoùm ngaønh khaùc nhau. Luùc naøy, ta khoâng söû duïng baûng ANOVA ñöôïc.

Thöïc hieän laïi thao taùc nhö Hình 8, vaø click vaøo nuùt Post Hoc. Ñaùnh daáu choïn Tamhanne’s T2 ñeå kieåm ñònh trong tröôøng hôïp phöông sai baèng nhau.Hình 9.



(I) college_g (J) college_g

Mean Difference

(I-J) Std. Error Sig.

Agriculture Other 2061.481 1099.624 .514

Building/Construction -4383.636* 649.553 .000

Business Administration -1034.053 487.703 .295

Engineering -7096.868* 487.758 .000

Other Agriculture -2061.481 1099.624 .514


Business Administration -3095.534 1078.365 .071

Engineering -9158.350* 1078.390 .000

Building/Construction Agriculture 4383.636* 649.553 .000

Other 6445.118* 1160.576 .000

Business Administration 3349.584* 612.876 .000

Engineering -2713.232* 612.919 .000

Business Administration Agriculture 1034.053 487.703 .295

Other 3095.534 1078.365 .071


Engineering -6062.816* 437.727 .000

Engineering Agriculture 7096.868* 487.758 .000

Other 9158.350* 1078.390 .000

Building/Construction 2713.232* 612.919 .000

Business Administration 6062.816* 437.727 .000

*. The mean difference is significant at the 0.05 level.

Kieåm ñònh Post Hoc kieåm ñònh söï khaùc bieät veà giaù trò trung bình cuûa bieán ñònh löôïng giöõa töøng caëp thuoäc tính cuûa bieán ñònh tính. Neáu ít nhaát coù moät caëp coù söï khaùc bieät veà giaù trò trung bình thì ta coù theå keát luaän raèng coù söï khaùc bieät veà giaù trò trung bình theo caùc thuoäc tính cuûa bieán ñònh tính. Ví duï, trong tröôøng hôïp naøy, söû duïng thoáng keâ Tamhane, so saùnh trung bình cuûa nhoùm Agriculture &

Building/Construction, ta thaáy Sig baèng 0.000 (<0.05) neân ôû ñoä tin caäy 95%, coù söï khaùc bieät veà trung bình tieàn löông khôûi ñieåm giöõa ngaønh noâng nghieäp vaø xaây döïng. Töông töï, ta coù theå thaáy giöõa noâng nghieäp vaø kyõ sö, xaây döïng vaø ngaønh khaùc … cuõng coù söï khaùc bieät veà trung bình tieàn löông. Nhö vaäy, trung bình tieàn löông khôûi



ñieåm coù söï khaùc bieät giöõa caùc ngaønh hoïc. Noùi caùch khaùc, ngaønh hoïc aûnh höôûng ñeán tieàn löông khôûi ñieåm cuûa sinh vieân khi ra tröôøng.



3. Baøi taäp söû duïng file döõ lieäu Employee Data.sav coù saün trong SPSSCaâu 1. Baïn haõy nhaän xeùt keát quaû sau

Descriptives

salary


95% Confidence Interval for Mean

Lower Bound Upper Bound

Clerical 363 $27,838.54 $7,567.995 $397.217 $27,057.40 $28,619.68

Custodial 27 $30,938.89 $2,114.616 $406.958 $30,102.37 $31,775.40

Manager 84 $63,977.80 $18,244.776 $1,990.668 $60,018.44 $67,937.16

Total 474 $34,419.57 $17,075.661 $784.311 $32,878.40 $35,960.73


salary


59.733 2 471 .000

ANOVA

salary


Between Groups 8.944E10 2 4.472E10 434.481 .000

Within Groups 4.848E10 471 1.029E8

Total 1.379E11 473

(I) jobcat (J) jobcat

Mean Difference


95% Confidence Interval


Clerical Custodial $-3,100.349* $568.679 .000 $-4,483.07 $-1,717.63

Manager $-36,139.258* $2,029.912 .000 $-41,078.30 $-31,200.21

Custodial Clerical $3,100.349* $568.679 .000 $1,717.63 $4,483.07

Manager $-33,038.909* $2,031.840 .000 $-37,982.78 $-28,095.04

Manager Clerical $36,139.258* $2,029.912 .000 $31,200.21 $41,078.30

Custodial $33,038.909* $2,031.840 .000 $28,095.04 $37,982.78




Caâu 2. Döõ lieäu Emlopyee data. Baïn haõy nhaän xeùt keát quaû sau veà kieåm ñònh söï khaùc bieät veà trung bình soá thaùng kinh nghieäm giöõa caùc vò trí coâng vieäc. Vôùi Prevexp laø soá thaùng kinh nghieäm

Descriptives

prevexp


95% Confidence Interval for Mean


Clerical 363 85.04 95.275 5.001 75.20 94.87

Custodial 27 298.11 101.426 19.520 257.99 338.23

Manager 84 77.62 73.260 7.993 61.72 93.52

Total 474 95.86 104.586 4.804 86.42 105.30


prevexp


2.544 2 471 .080

ANOVA

prevexp


Between Groups 1174906.874 2 587453.437 69.192 .000

Within Groups 3998899.936 471 8490.233

Total 5173806.810 473



Multiple Comparisons

Dependent Variable:prevexp

(I) jobcat (J) jobcat

Mean Difference


95% Confidence Interval


Bonferroni Clerical Custodial -213.073* 18.380 .000 -257.23 -168.91

Manager 7.420 11.156 1.000 -19.38 34.22

Custodial Clerical 213.073* 18.380 .000 168.91 257.23

Manager 220.492* 20.384 .000 171.52 269.47

Manager Clerical -7.420 11.156 1.000 -34.22 19.38

Custodial -220.492* 20.384 .000 -269.47 -171.52

Tamhane Clerical Custodial -213.073* 20.150 .000 -264.07 -162.07

Manager 7.420 9.429 .817 -15.34 30.18

Custodial Clerical 213.073* 20.150 .000 162.07 264.07

Manager 220.492* 21.093 .000 167.61 273.37

Manager Clerical -7.420 9.429 .817 -30.18 15.34

Custodial -220.492* 21.093 .000 -273.37 -167.61




BÀI 8. CHI-SQUARE

1. Giôùi thieäu

Laø coâng cuï ñeå kieåm ñònh moái quan heä giöõa hai bieán ñònh tính. Ví duï: kieåm ñònh quan heä giöõa giôùi vaø vò trí coâng vieäc, kieåm ñònh quan heä giöõa nhoùm tuoåi vaø vò trí coâng vieäc, kieåm ñònh quan heä giöõa nhoùm thu nhaäp cuûa ngöôøi tieâu duøng vaø loaïi saûn phaåm hoï mua

2. Ví duïDöõ lieäuHình 1. Döõ lieäu

Chuùng ta muoán kieåm ñònh giaû thuyeát: Ho: Gender khoâng aûnh höôûng ñeán jobcat (vò trí coâng vieäc)H1: Gender coù aûnh höôûng ñeán jobcat (vò trí coâng vieäc)

Thao taùcHình 2



Hình 3

Hình 4



Keát quaû

Employment Category * Gender Crosstabulation

gender

Female Male Total

jobcat Clerical Count 206 157 363

Expected Count 165.4 197.6 363.0

% within gender 95.4% 60.9% 76.6%

Custodial Count 0 27 27


% within gender .0% 10.5% 5.7%

Manager Count 10 74 84


% within gender 4.6% 28.7% 17.7%

Total Count 216 258 474


% within gender 100.0% 100.0% 100.0%



Chi-Square Tests

Value df

Asymp. Sig. (2-

sided)

Pearson Chi-Square 79.277a 2 .000

Likelihood Ratio 95.463 2 .000

N of Valid Cases 474

a. 0 cells (.0%) have expected count less than 5. The minimum

expected count is 12.30.

Symmetric Measures

Value Approx. Sig.

Nominal by Nominal Phi .409 .000

Cramer's V .409 .000


Thoáng keâ Pearson Chi-square coù Sig = 0.000 (<0.05) neân ôû ñoä tin caäy 95% gender coù aûnh höôûng ñeán jobcat.

Sau khi keát luaän veà quan heä giöõa 2 bieán, baïn coù theå nhìn vaøo baûng Crosstabulation ñeå moâ taû moái quan heä giöõa hai bieán. Trong baûng naøy, ta thaáy nöõ chuû yeáu ôû vò trí Clerical, coøn caùc vò trí Custodial, Manager thöôøng laø nam.

3. Baøi taäpBiên soan: Ths Huỳnh Thanh Điền

38


Caâu 2. bieán salary laø bieán ñònh löôïng, gender laø bieán ñònh tính. Neáu baïn muoán söû duïng chisquare ñeå kieåm ñònh quan heä giöõa gender vaø salary thì baïn seõ laøm theá naøo?

Caâu 3. Söû duïng döõ lieäu trong file 1991 U.S. General Social Survey.savBaïn haõy nhaän xeùt xem Vuøng mieàn coù aûnh höôûng ñeán ñaùnh giaù cuûa hoï veà haïnh phuùc

General Happiness * Region of the United States Crosstabulation

region

North East South East West Total

happy Very Happy Count 185 149 133 467

Expected Count 209.0 127.6 130.4 467.0

% within region 27.5% 36.3% 31.7% 31.1%

Pretty Happy Count 412 215 245 872

Expected Count 390.2 238.3 243.5 872.0

% within region 61.2% 52.3% 58.3% 58.0%

Not Too Happy Count 76 47 42 165

Expected Count 73.8 45.1 46.1 165.0

% within region 11.3% 11.4% 10.0% 11.0%

Total Count 673 411 420 1504

Expected Count 673.0 411.0 420.0 1504.0

% within region 100.0% 100.0% 100.0% 100.0%

Chi-Square Tests

Value df

Asymp. Sig. (2-

sided)



Linear-by-Linear Association 2.694 1 .101






Symmetric Measures

Value Approx. Sig.




Caâu 4. Baïn haõy nhaän xeùt xem nhöõng ngöôøi coù maøu da khaùc nhau coù aûnh höôûng ñeán caûm nhaän cuûa hoï veà haïnh phuùc

General Happiness * Race of Respondent Crosstabulation

race

White Black Other Total


% within race 32.6% 22.9% 25.5% 31.1%


% within race 58.1% 57.7% 55.3% 58.0%


% within race 9.3% 19.4% 19.1% 11.0%

Total Count 1256 201 47 1504

% within race 100.0% 100.0% 100.0% 100.0%

Chi-Square Tests

Value df

Asymp. Sig. (2-

sided)







Chi-Square Tests

Value df

Asymp. Sig. (2-

sided)






Caâu 5. Baïn haõy nhaän xeùt keát quaû sau

General Happiness * R's Federal Income Tax Crosstabulation

tax

Too High About Right Too Low Total


Expected Count 164.2 116.4 3.4 284.0

% within tax 31.2% 30.2% 36.4% 30.9%


Expected Count 312.3 221.3 6.5 540.0

% within tax 56.8% 61.3% 63.6% 58.7%


Expected Count 55.5 39.3 1.1 96.0

% within tax 12.0% 8.5% .0% 10.4%

Total Count 532 377 11 920

Expected Count 532.0 377.0 11.0 920.0

% within tax 100.0% 100.0% 100.0% 100.0%

Chi-Square Tests

Value df

Asymp. Sig. (2-

sided)



Linear-by-Linear Association .778 1 .378





tax



Expected Count 164.2 116.4 3.4 284.0

% within tax 31.2% 30.2% 36.4% 30.9%


Expected Count 312.3 221.3 6.5 540.0

% within tax 56.8% 61.3% 63.6% 58.7%


Expected Count 55.5 39.3 1.1 96.0

% within tax 12.0% 8.5% .0% 10.4%

Total Count 532 377 11 920

Expected Count 532.0 377.0 11.0 920.0

a. 2 cells (22.2%) have expected count less than 5. The minimum


Symmetric Measures

Value Approx. Sig.




Moät tính toaùn khaùc




tax



Expected Count 164.2 116.4 3.4 284.0

% within tax 31.2% 30.2% 36.4% 30.9%


Expected Count 312.3 221.3 6.5 540.0

% within tax 56.8% 61.3% 63.6% 58.7%


Expected Count 55.5 39.3 1.1 96.0

% within tax 12.0% 8.5% .0% 10.4%

Total Count 532 377 11 920

Expected Count 532.0 377.0 11.0 920.0

% within tax 100.0% 100.0% 100.0% 100.0%

Directional Measures

Value

Asymp. Std.

Errora Approx. Tb Approx. Sig.

Ordinal by Ordinal Somers' d Symmetric -.020 .031 -.639 .523

happy Dependent -.021 .033 -.639 .523

tax Dependent -.019 .030 -.639 .523

a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null hypothesis.



Symmetric Measures

Value

Asymp. Std.

Errora Approx. Tb Approx. Sig.

Interval by Interval Pearson's R -.029 .032 -.882 .378c

Ordinal by Ordinal Spearman Correlation -.021 .033 -.629 .529c


a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null hypothesis.

c. Based on normal approximation.



BÀI 9. PHÂN BIỆT TƯƠNG QUAN VÀ HỘI QUY ĐƠN1. Töông quan quan giöõa hai bieán

Kieåm ñònh söï töông quanH0: r = 0: X vaø Y khoâng coù töông quanH1: r # 0: X vaø Y coù töông quan

Neáu tcalculated > tcritical value(0.05; n-2): Baùc boû H0 Neáu tcalculated tcritical value(0.05; n-2): Chaáp nhaän H1

Correlations

educ

Educational

Level (years)

salary Current

Salary

educ Educational Level

(years)

Pearson Correlation 1.000 .661**

Sig. (2-tailed) .000

N 474.000 474

salary Current Salary Pearson Correlation .661** 1.000

Sig. (2-tailed) .000

N 474 474.000

**. Correlation is significant at the 0.01 level (2-tailed).

2. Hoài quy ñôn



Mô hình có dạng:

Yi = b0 + b1Xi + ei

Tính bo và b1 bằng phương pháp bình phương bé nhất theo biểu thức sau:

ei2 = (Yi – b0 – b1Xi)2 min

Thực hiện các phép biến đổi ta tính được b1 và b0 theo công thức sau:

TSS =

=

RSS +

+

ESS

TSS: Tổng bình toàn bộ

RSS: Tổng bình phương phần dư

ESS: Tổng bình phương phần giải thích

Hệ số xác định (R2): R2 = ESS/TSS

0 R2 +1

(Thể hiện phần trăm sự biến thiên của Y được giải thích bằng sự biến thiên của X)

Sai số chuẩn hồi qui (the standard error of the regression (s))

Sai số chuẩn hệ số hồi qui (the standard errors of the coefficients):



Kiểm định hệ số hồi qui:The hypothesized value of 0 is given by:

H0: b0 = 0

The calculated t is given by:

We compare the calculated t with the Student’s t distribution with (n-2) at desired level of significance (usually 5%)

If tcalculated>tcritical value: we reject the hypothesisIf tcalculatedtcritical value: we maintain the hypothesis

The hypothesized value of 1 is given by:H0: b1 = 1

The calculated t is given by:

We compare the calculated t with the Student’s t distribution with (n-2) at desired level of significance (usually 5%)

If tcalculated>tcritical value: we reject the hypothesisIf tcalculatedtcritical value: we maintain the hypothesis

Dự báo điểm và dự báo khoảng:

Khi X=X0 suy ra giá trị dự báo điểm của Y0 = b0 + b1 X0

Dự báo khoảng: Y0 t(/2; n-2) x SE(Y0)

Trong đó:

Ý nghĩa của b0 và b1b0 và b1 có ý nghĩa chỉ có ý nghĩa khi chúng có ý nghĩa thông kê ( b0#0 và b1#0)b0: Khi x=0 thì y=b0b1: Khi x thay đổi 1 đơn vị thì y thay đổi là b1 đơn vị (với điều kiện các yếu tố khác không đổi



Phương trình hồi quy của salary theo education (Dữ liệu Emlopyee)

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .661a .436 .435 $12,833.540

a. Predictors: (Constant), educ Educational Level (years)

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 6.018E10 1 6.018E10 365.381 .000a

Residual 7.774E10 472 1.647E8

Total 1.379E11 473

a. Predictors: (Constant), educ Educational Level (years)

b. Dependent Variable: salary Current Salary

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) -18331.178 2821.912 -6.496 .000


(years)3909.907 204.547 .661 19.115 .000

a. Dependent Variable: salary Current Salary



3. Trình bày mô hình hồi quy đơn

y = b0 + b1 x + ei R2 =Mức ý nghĩa (sig(tb0) sig(tb1) Sig F=Mức ý nghĩa α = ESS =Số quan sát n = RSS =

TSS =4. Bài tập

Câu 1: Data Buoi4-baitap- Kiểm định mối tương quan giữa doanh thu cai tiển (dtct) và tài sản mạng lưới (ml)

của doanh nghiệp với mức ý nghĩa 5%- Hồi quy tỷ lệ doanh thu cải tiến (dtct) theo tài sản mạng lưới (ml) có phương trình

sau:dtct = c0 + c1ml + ei

Yêu cầu:+ Tính c0 và c1+ Tính TSS, ESS, RSS và R2

+ Kiểm định giả thuyết H0: c0 = c1 = 0 (R2 =0) với mức ya nghĩa 1%+ Tính s, SE(c0), SE(c1) và kiểm định giả thuyết H0: c1=0 với mức ý nghĩa 5%+ Cho biết ý nghĩa của c1

Câu 2: Data Buoi4-cau2- Kiểm định mối tương quan giữa biến tổng chi phí (tc) và giá bán (p), giữa sản lương

(q) và tc, giữa q va p với mức ý nghĩa 5%- Hồi quy tc theo q như sau: tc = b0 + b1q + ei

Yêu cầu:+ Kiểm định giả thuyết H0: b1=0 với mức ý nghĩa 5%.+ Cho biết mức độ giải thích của q cho tc.+ Cho biết ý nghĩa của b0 và b1



BÀI 10. HỒI QUY BỘI

1. Giới thiệuMô hình hồi quy bội (với phương pháp ước lượng OLS) được sử dụng khi bạn muốn tìm

hiểu các yếu tố ảnh hưởng đến một biến định lượng (biến Y). Từ đó, bạn có thể kiểm định các yếu tố tác động đến biến định lượng để gợi ý chính sách cho công ty/tổ chức/địa phương hoặc để dự báo.

Y=f(X2,X3,...,XK)Điều kiện là: Y: là biến định lượng. Xj: là biến định lượng, biến giả (nhận giá trị 0 và 1)

2. Tình huống – dữ liệuVí dụ, giả sử bạn đang tìm hiểu các yếu tố ảnh hưởng đến tiền lương hiện tại (salary) của nhân viên trong một ngành. Dữ liệu khảo sát có sẵn trong file Employee Data.savHình 1

Bạn muốn xem xét ảnh hưởng của prevexp (kinh nghiệm), educ (số năm đi học), gender (giới) và jobcat (vị trí công việc) đến salary (tiền lương hiện tại). Jobcat không phải là biến giả, nên cần mã hoá lại thành 3 biến giả clerical, custodial, manager; khi xem xét tác động của jobcat đến salary, chỉ cần đưa 2 trong 3 biến giả này vào mô hình để tránh hiện tượng đa cộng tuyến hoàn hảo.



3. Ước lượng mô hình Hình 2

Hình 3



Hình 4



Hình 5



Kết quả a

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .852a .726 .723 $8,992.501

a. Predictors: (Constant), manager, prevexp Previous Experience

(months), gender, custodial, educ Educational Level (years)

ANOVAb


1 Regression 1.001E11 5 2.001E10 247.503 .000a

Residual 3.784E10 468 8.087E7

Total 1.379E11 473

a. Predictors: (Constant), manager, prevexp Previous Experience (months), gender, custodial, educ

Educational Level (years)


Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 7795.003 2.615E3 2.981 .003

prevexp Previous

Experience (months)-8.087 4.596 -.050 -1.760E0 .079 .740 1.351


(years)1422.330 200.816 .240 7.083 .000 .509 1.963

gender 5616.178 968.170 .164 5.801 .000 .734 1.363

custodial 5451.864 2.149E3 .074 2.538 .011 .688 1.453

manager 27327.725 1.373E3 .612 1.990E1 .000 .620 1.612




Biến prevexp không có ý nghĩa thống kê ở độ tin cậy 95%, nên cần loại ra khỏi mô hình.

Kết quả b

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .851a .724 .721 $9,012.577

a. Predictors: (Constant), manager, custodial, gender, educ

Educational Level (years)

ANOVAb


1 Regression 9.982E10 4 2.496E10 307.231 .000a

Residual 3.810E10 469 8.123E7

Total 1.379E11 473

a. Predictors: (Constant), manager, custodial, gender, educ Educational Level (years)


Coefficientsa

Model


Standardized

Coefficients

t Sig.

Collinearity

Statistics


1 (Constant) 6350.215 2488.277 2.552 .011

educ Educational

Level (years)1489.232 197.624 .252 7.536 .000 .528 1.893

gender 5376.186 960.655 .157 5.596 .000 .749 1.336

custodial 4044.389 1998.531 .055 2.024 .044 .799 1.252

manager 27202.174 1374.481 .609 1.979E1 .000 .622 1.607




4. Diễn giải kết quảCó hai cách diễn giải kết quả mô hình hồi quy bộiCách 1: Diễn giải bằng phương trình

y = b0 + b1x1 + b2x2 + ... + bkxk

mức ý nghĩa sig(tb0) sig(tb1)sig(tb2) sig(tbk)mức ý nghĩa thông kê F (sigF)=Hệ số xác định R2 =Số quan sát (n) =Mức ý nghía (α) =

Cách 2: Diễn giải dưới dạng bảng

Biến phụ thuộc:Phương pháp hồi quy:Hệ số xác định (R2):Mức ý nghĩa thống kê F (sigF):Số quan sát (n)Mức ý nghĩa (α):

Biến độc lập Hệ số hồi qui Mức ý nghĩa (sig(tbi)khoảng chắn b0 sig(tb0)x1 b1 sig(tb1)x2 b2 sig(tb2)... ...xk bk sig(tbk)

5. Các kiểm định mô hình5.1. Kiểm định giả thuyết H0: b0 = b1 = b2 =...= bk = 0 (R2=0) (kiểm định F)+ Nếu sig F < α: Bác bỏ H0

+ Nếu sig F >= α: Chấp nhận H0

5.2. Kiểm định ý nghĩa thống kê của hệ số hồi quy (kiểm định T)H0: bi = 0+ Nếu sig (tbi ) < α: Bác bỏ H0

+ Nếu sig (tbi ) >= α: chấp nhận H0

6. Ý nghĩa của hệ số hồi quyHệ số bi có ý nghĩa khi sig(tbi) < αb0: khi x1 = x2 = x3 =...= xk = 0 thì y = b0



bi (i=1,...k): khi xi thay đổi 1 đơn vị thì y thay đổi bi đơn vị (với điều kiện các yếu tố khác không đổi).

7. Mức độ giải thích của mô hìnhR2

thể hiện % sự biến thiên của y được giải thích bằng sự biến thiên của các xi

8. Lựa chọn mô hình

Cách 1: Dùng thống kê F

Ta có mô hình (U)

Y = 0 + 1X1 + 2X2 + 3X3 + 4X4 (U)

Giả sử trong mô hình (U) có biến X3 và X4 không có ý nghĩa thống kê. Ta loại hai biến đó ra khỏi mô hình, ta được mô hình hồi quy áp đặt (R) như sau:

Y = 0 + 1X1 + 2X2 (R)

Vấn đề là mô hình nào dự báo tốt hơn:

Ta áp đặt giả thuyết H0: 3 = 4 = 0 (chọn mô hình R)

Giá trị kiểm định:

Trong đó:

RSSU, RSSR lần lượt là tổng bình phương phần dư trong mô hình (U) và (R)

n là số quan sát

ku là số biến trong mô hình (U).

m là số áp đặt.

+ Nếu F(m,n-ku) > F(α,m,n-ku) bác bỏ H0 (chọn mô hình R)

+ Nếu F(m,n-ku) <= F(α,m,n-ku) chấp nhận (chọn mô hình U)

Cách 2: Dùng hệ số xác định hiệu chỉnh (Adjusted R Square)

, Trong đó k là số biến trong mô hình, n là số quan sát.

Khi ta thêm biến giải thích (độc lập) vào mô hình thì R2 luôn tăng nên ta không xác định được biến

thêm vào có làm cho mô hình tốt lên hay không. Lúc đó ta dùng .

+ Khi thêm biến vào làm cho tăng thì biến thêm vào làm cho mô hình tốt hơn.

+ Ngược lại, khi thêm biến vào làm cho giảm thì biến thêm vào làm cho mô hình không tôt

(không nên thêm biến đó vào).



5. Bài tậpCâu 1. Bạn hãy cho biết nhận định của bạn từ kết quả sau

a.

Coefficientsa

Model


Standardized

Coefficients

t Sig.

Collinearity

Statistics

B Std. Error Beta

Toleranc

e VIF

1 (Constant) 11726.400 2805.164 4.180 .000

educ Educational

Level (years)1489.232 197.624 .252 7.536 .000 .528 1.893

female -5376.186 960.655 -.157 -5.596 .000 .749 1.336

custodial 4044.389 1998.531 .055 2.024 .044 .799 1.252

manager 27202.174 1374.481 .609 19.791 .000 .622 1.607


Với female là biến giả: 1 female, 0 male

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics


1 (Constant) 33552.388 3386.843 9.907 .000

educ

Educational

Level (years)

1489.232 197.624 .252 7.536 .000 .528 1.893

gender 5376.186 960.655 .157 5.596 .000 .749 1.336

clerical -27202.174 1374.481 -.675 -19.791 .000 .506 1.977

custodial -23157.785 2457.490 -.315 -9.423 .000 .528 1.893

a. Dependent Variable: salary

Current Salary



Câu 2. Bạn hãy giải thích kết quả sau và so sánh kết quả này với Kết quả b

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .699a .489 .487 $12,230.389

a. Predictors: (Constant), gender, educ Educational Level (years)

ANOVAb


1 Regression 6.746E10 2 3.373E10 225.505 .000a

Residual 7.045E10 471 1.496E8

Total 1.379E11 473

a. Predictors: (Constant), gender, educ Educational Level (years)


Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

T Sig.

Collinearity

Statistics


1 (Constant) -1.592E4 2711.310 -5.873 .000

educ Educational

Level (years)3391.683 208.599 .573 16.259 .000 .873 1.145

gender 8423.462 1207.028 .246 6.979 .000 .873 1.145




Câu 3: Dữ liệu buoi5-cau2

- Diễn giải mô hinh hồi quy bằng phương pháp bình phương bé nhất của doanh thu (dt) theo chi phí quảng cáo (cpqc) và chi phí bán hàng (cpbh). Gọi đây là mô hình (1)

- Kiểm định giả thuyết R2=0 với mức ý nghĩa 5% của mô hình (1)

- Kiểm định giả thuyết các hệ số hồi quy đứng trước biến cpqc và cpbh lần lượt bằng 0 với mức ý nghĩa 5%.

- Có nên loại bỏ biến chi phí quảng cáo (cpqc) ra khỏi mô hình không với mức ý nghĩa 5%.

- Mô hình sau khi loại bỏ biến chi phí quảng cáo được gọi là mô hình (2). Cho biết ý nghĩa của hệ số hồi quy trong mô hình 2.

Câu 4: Dữ liệu buoi5-cau4

Hồi quy dtct theo các biến ml, tg, tc, ct, tt, rd, nvrd, nctt. gọi là mô hình (1).

- Diễn giải mô hình 1 dưới dạng bảng

- Cho biết những biến độc lập nào có ý nghĩa thống kê ở mức 1%, 5% và 10%; những biến nào không có ý nghĩa thống kê

- Loại dần những biến không có ý nghĩa thôngd kê đến khi tìm được mô hình mà tất cả các biến giải thích đều có ý nghĩa thống kê (gọi là mô hình (2)). Dùng thống kê F để kiểm định nên lựa chọn mô hình (1) hay mô hình (2) với mức ý nghĩa 5%.



BÀI 11. DÖÏ BAÙO BAÈNG COÂNG CUÏ CURVE ESTIMATION CUÛA SPSS FOR WINDOWS

1. Nguyeân taéc chung Thuû tuïc curve estimation raát “maïnh” ñeå döï baùo baèng caùc

moâ hình xu theá. Thuû tuïc naøy coù theå öôùc löôïng, veõ ñoà thò cho 11 daïng moâ hình khaùc nhau. Baïn cuõng coù theå löu laïi nhöõng giaù trò döï baùo (predicted values), phaàn dö (residuals) hay sai soá, khoaûng döï baùo (prediction intervals) cuûa töøng daïng moâ hình thoâng qua caùc bieán môùi.

Coù nhieàu daïng moâ hình. Ñeå xaùc ñònh moâ hình naøo neân söû duïng, baïn haõy veõ ñoà thò cho döõ lieäu cuûa mình i. Neáu bieán döï baùo gaàn nhö tuyeán tính, söû duïng moâ hình hoài quy tuyeán tính (linear). Neáu bieán döï baùo khoâng phaûi laø tuyeán tính, maø theo daïng ñöôøng cong; baèng ñoà thò, baïn haõy xem xu theá cuûa noù gaàn vôùi daïng haøm toaùn hoïc naøo, vaø aùp duïng moâ hình phuø hôïp vôùi daïng haøm toaùn hoïc ñoù (vôùi thuû tuïc curve estimation, baïn khoâng phaûi chuyeån ñoåi döõ lieäu töø ñöôøng cong veà daïng tuyeán tính). Ví duï, neáu thaáy ñoà thò theo daïng haøm muõ, baïn coù theå aùp duïng moâ hình exponential model, maø khoâng phaûi chuyeån ñoåi döõ lieäu, sau ñoù môùi “chaïy” moâ hình. Trong tröôøng hôïp khoâng bieát chaéc döõ lieäu tuaân theo daïng haøm toaùn hoïc naøo, haõy thöû aùp duïng caùc daïng moâ hình coù theå xaûy ra, sau ñoù choïn moâ hình maø baïn thaáy toát nhaát. Moâ hình Growth, exponential, compound coù daïng ñoà thò gioáng nhau, löïa choïn moâ hình naøo ñeå döï baùo cuõng ñöôïc, heä soá b1 cuûa moâ hình growth, vaø b1 cuûa moâ hình exponential laø toác ñoä taêng tröôûng töùc thôøi hay coøn goïi laø toác ñoä taêng tröôûng lieân hoaøn, coøn heä soá b1 cuûa moâ hình Compound laø toác ñoä phaùt trieån bình quaân. Moâ hình Power ít ñöôïc söû duïng trong döï baùo chuoãi thôøi gian vì khoâng caàn söû duïng heä soá co giaõn theo thôøi gian (heä soá b1 cuûa moâ hình naøy) laøm gì.

Baïn coù theå löïa choïn moâ hình toát nhaát laø moâ hình coù caùc chæ tieâu ño löôøng ñoä chính xaùc nhö SSE, MSE, RMSE, MAE, MAPE, Theil’s U nhoû nhaát. Theo Hoaøi (2001,trang 24), Heä soá Theil’s U của mô hình nhoû hôn 0,55 ñöôïc ñaùnh giaù laø raát toát. Baïn cuõng coù theå ñaùnh giaù ñoä chính xaùc thoâng qua ñoà thò: ñöôøng bieåu dieãn giaù trò döï baùo caøng gaàn vôùi ñöôøng bieåu dieãn giaù trò thöïc teá thì moâ hình caøng chính xaùc. Ramu Ramanathan(2004) cho raèng neân keát hôïp caùc keát quaû döï baùo töø caùc moâ hình khaùc nhau chöù khoâng nhaát thieát phaûi choïn moâ hình coù caùc chæ tieâu ño löôøng ñoä chính xaùc nhoû nhaát. Theo taùc giaû, döï baùo laø moät khoa hoïc, cuõng laø moät ngheä thuaät, baïn coù theå choïn moâ hình naøo phuø hôïp vôùi nhöõng nhaän ñònh veà boái caûnh töông lai; khi ñaõ choïn ñöôïc moâ hình döï baùo phuø hôïp, baïn cuõng coù theå taêng hay giaûm theo moät tyû leä % naøo ñoù töø keát quaû tröng caàu yù kieán chuyeân gia, hay töø phaùn ñoaùn chuû quan hôïp lyù cuûa baïn. Baûng 1 seõ lieät keâ 11 daïng moâ hình.



Baûng 1: Caùc daïng moâ hình döï baùo cuûa curve estimationSTT Moâ hình Phöông trình Chuyeån ñoåi veà

tuyeán tính1 Linear

2 Logarithmic

3 Inverse

4 Quadratic

5 Cubic

6 Power

7 Compound

8 S-curve

9 Logistic

Vôùi u laø giaù trò caän treân, choïn u > 0, lôùn hôn giaù trò lôùn nhaát cuûa bieán phuï thuoäc

10 Growth

11 Exponential



Hình 1. Caùc ñoà thò bieåu dieãn caùc daïng moâ hình

Nhieàu taùc giaû cuõng khoâng thoáng nhaát veà soá löôïng quan saùt caàn thieát ñeå aùp duïng caùc phöông phaùp döï baùo chuoãi thôøi gian. Neáu döõ lieäu theo naêm, caàn ít nhaát 15 naêm (Thoáng:1999,trang 141); moâ hình caùc ñöôøng xu theá tuyeán tính hay phi tuyeán khoâng coù yeáu toá thôøi vuï caàn ít nhaát 10 quan saùt, (Leâ:2000,trang 277); Nhöï (2004:trang 14) cho raèng: khoâng theå ñöa ra moät nguyeân taéc cöùng Biên soan: Ths Huỳnh Thanh Điền

63

1oY b b t

Linear

Y

t

Logarithmic

t

Y

0 1 ln( )Y b b t

Inverse

t

1o

bY b

t

Y

Quadratic

t

Y

21 2oY b b t b t

(b2>0)

Quadratic

t

21 2oY b b t b t

(b2<0)

Cubic

t

2 31 2 3oY b b t b t b t

YY

Compound

t

Growth

t t

YExponentialY

eb tbYo

11ob b tY e

Logistic

t

Power

t t

YS-CurveY 1

0 tbbY e

1

obY b t

1t

oY b b

(b1 > 0)(b1 > 0)

(b1 > 0)(b1 > 0)(b1 > 0)

(b1 > 1)

(0<b1<1)

(b1 = 1)

(b1 < 0)

Y

u

1

11 t

o

Yb b

u

bo

1

(b1 > 0)

(b1 < 0)

(b1 = 0)

Y


nhaéc trong xaùc ñònh soá löôïng caùc möùc ñoä cuûa daõy soá thôøi gian. Tuy nhieân, khoâng phaûi döï baùo ñeán töông lai bao xa cuõng ñöôïc, taàm xa döï baùo khoâng neân vöôït quaù 1/3 soá quan saùt coù ñöôïc trong quaù khöù (Thaéng: 2002, trang 158).

Ñeå öôùc löôïng moâ hình, vaø döï baùo, ñaàu tieân baïn haõy nhaän daïng moâ hình baèng ñoà thò, hoaëc tính sai phaân, tính toác ñoä phaùt trieån… Sau ñoù söû döïng coâng cuï Curve estimation qua caùc böôùc sau:(1)Töø thanh menu cuûa SPSS, baïn haõy choïn Analyze Regression

Curve Estimation. Hoäp thoaïi Curve Estimation hieän ra nhö hình 2

Hình 2. Hoäp thoaïi Curve Estimation

(2) Ñöa bieán caàn döï baùo vaøo khung Dependent(s) (3) Trong khung Independent, Choïn time neáu baïn ñaõ ñònh nghóa thôøi gian cho döõ lieäuii (hoaëc ñöa bieán thöù töï thôøi gian vaøo khung variable). Neáu baïn aùp duïng phöông phaùp döï baùo theo moâ hình nhaân quaû, thoâng qua öôùc löôïng haøm hoài quy ñôn, haõy ñöa bieán ñoäc laäp cuûa moâ hình vaøo khung Independent(4) Ñaùnh daáu choïn moät hoaëc moät soá moâ hình döï baùo döï kieán trong khung Models(5) Click nuùt Save ñeå taïo ra caùc bieán môùi nhaèm löu giaù trò döï baùo (Predicted Value), phaàn dö (Residuals), khoaûng döï baùo (Prediction



Intervals); Click nuùt Continue ñeå trôû laïi hoäp thoaïi Curve Estimation, click OK(6) Tröôùc khi nhaáp OK, Baïn coù theå choïn Dislay ANOVA table ñeå löu keát quaû phaân tích ANOVA cuûa hoài quy neáu muoán, hay boû daáu choïn choïn Include constant in equation ñeå boû ñi haèng soá trong moâ hình hoài quy, ñaùnh daáu choïn Plot model ñeå veõ ñoà thò.

2. Thöïc hieän caùc thao taùc vôùi tình huoáng cuï theåBaïn coù döõ lieäu veà FDI thöïc hieän cuûa Vieät Nam töø naêm 1991

ñeán 2005. Haõy aùp duïng moâ hình döï baùo chuoãi thôøi gian ñeå döï baùo FDI thöïc hieän cuûa Vieät Nam töø 2006-2010.

Baûng 2. FDI thöïc hieän cuûa Vieät Nam 1991-2005 (trieäu USD)

FDI thöïc

hieän1991 328,801992 574,901993 1017,501994 2040,601995 2556,001996 2714,001997 3115,001998 2367,401999 2334,902000 2413,502001 2450,502002 2591,002003 2650,002004 2852,402005 3288,80

Nguoàn: Nieân giaùm thoáng keâ Vieät Nam 2004, vaø Cuïc ñaàu tö nöôùc ngoaøi-Boä Keá hoaïch&ñaàu tö

Böôùc 1. Nhaäp döõ lieäu vaøo SPSS.

Khai baùo bieánSau khi khôûi ñoäng SPSS, cöûa soå nhaäp lieäu cuûa SPSS laø SPSS

Data Editor xuaát hieän (Xem hình 3). Baïn haõy choïn Tab Variable View ñeå khai baùo bieán. Baïn chæ döï baùo FDI thöïc hieän cuûa Vieät Nam, neân chuùng ta chæ caàn khai baùo moät bieán laø ñuû. Nhaäp teân bieán, ôû ñaây laø FDIth vaøo coät name (teân cuûa bieán). Nhaäp nhaõn cuûa bieán vaøo coät lable (nhaõn cuûa bieán). Coät Type (kieåu döõ lieäu cuûa bieán) haõy



ñeå maëc ñònh laø Numeric (döõ lieäu kieåu soá), coät Measure (thang ño cuûa bieán) haõy ñeå maëc ñònh laø Scale vì döõ lieäu naøy laø döõ lieäu ñònh löôïng.Hình 3 Khai baùo bieán FDIth

Nhaäp lieäuBaïn haõy choïn Tab Data view vaø baét ñaàu nhaäp soá lieäu (Xem hình 4). Moãi moät coät laø moät quan saùt, ôû ñaây baïn coù 15 quan saùt. Moãi moät coät laø moät bieán, vaø baïn chæ coù moät bieán, teân cuûa bieán ñöôïc SPSS theå hieän treân ñænh cuûa moãi coät. Neáu döõ lieäu ñaõ coù saün treân Excel, baïn coù theå söû duïng CTRL-C vaø CTRL-V ñeå Copy döõ lieäu töø Excel sang SPSS.

Hình 4. Nhaäp döõ lieäu FDI thöïc hieän cuûa Vieät Nam vaøo SPSS



Ñònh nghóa thôøi gian cho döõ lieäuBaïn khoâng caàn phaûi nhaäp coät naêm, hay coät thöù töï thôøi gian

(T) vôùi T baèng 1 cho naêm ñaàu tieân cuûa döõ lieäu vaøo SPSS. Khi ñaõ ñònh nghóa thôøi gian cho döõ lieäu, SPSS töï hieåu ñieàu ñoù. Ñeå ñònh nghóa thôøi gian cho döõ lieäu, thöïc hieän thao taùc sau:- Töø thanh menu cuûa SPSS, choïn Data Define Dates. - Hoäp thoaïi Define Dates xuaát hieän (Xem hình 5). Trong hoäp thoaïi naøy, baïn haõy choïn Years ôû khung Cases are vì döõ lieäu cuûa chuùng ta laø theo töøng naêm. Choïn Years, quarters neáu döõ lieäu theo quyù; choïn Years, months neáu döõ lieäu theo thaùng. Tieáp theo, baïn haõy nhaäp 1991 vaøo oâ Year ñeå baùo cho SPSS bieát naêm ñaàu tieân cuûa döõ lieäu laø naêm naøo, vaø roài click nuùt OK. Neáu baïn laøm toát böôùc naøy, baïn seõ thaáy SPSS töï ñoäng taïo theâm cho baïn 2 bieán môùi : YEAR_, vaø DATE_ (Xem hình 6)

Hình 5. Ñònh nghóa thôøi gian cho döõ lieäu FDI thöïc hieän



Hình 6 Maøn hình Data view sau khi ñaõ ñònh nghóa thôøi gian cho döõ lieäu

Khi ñaõ nhaäp xong döõ lieäu, baïn haõy löu laïi file döõ lieäu naøy baèng caùch choïn file save, choïn ñöôøng daãn ñeán thö muïc caàn löu,



ñaët teân cho file. File naøy coù phaàn môû roäng maëc ñònh laø .sav. SPSS coù 2 loaïi file laø file döõ lieäu (coù phaàn môû roäng laø .sav); vaø file keát quaû (coù phaàn môû roäng laø .spo). File döõ lieäu seõ ñöôïc quaûn lyù vôùi cöûa soå SPSS data Editor. File keát quaû seõ ñöôïc quaûn lyù vôùi cöûa soå SPSS Viewer.

Böôùc 2. Nhaän daïng moâ hìnhCoù nhieàu caùch ñeå nhaän daïng sô boä veà xu höôùng bieán ñoäng

cuûa döõ lieäu, trong ñoù caùch deã daøng nhaát laø thoâng qua ñoà thò. Ñeå veõ ñoà thò bieåu dieãn xu höôùng bieán ñoäng cuûa döõ lieäu, baïn thöïc hieän nhö sau:- Töø thanh menu, Choïn Graphs Sequence.- Trong hoäp thoaïi Sequence Chart, ñöa bieán FDIth vaøo khung Variables

baèng caùch choïn noù vaø click chuoät vaøo daáu muõi teân ôû beân traùi cuûa khung naøy (Xem hình 7). Baïn cuõng coù theå ñöa bieán DATE vaøo khung Time Axis Lables neáu muoán theå hieän caùc naêm treân truïc hoaønh cuûa ñoà thò. Click OK, Keát quaû seõ ñöôïc theå hieän treân Window SPSS Viewer (Xem hình 8).

Cöûa soå SPSS seõ töï ñoäng ñöôïc SPSS taïo ra khi baïn thöïc hieän moät phaân tích naøo ñoù. Toaøn boä keát quaû tính toaùn cuûa baïn seõ theå hieän treân cöûa soå naøy. Sau khi tính toaùn xong, baïn coù theå löu laïi keát quaû ñaõ ñöôïc theå hieän trong cöûa soå baèng caùch choïn File Save töø thanh menu cuûa cöûa soå SPSS Viewer. File keát quaû seõ ñöôïc löu laïi vôùi teân maø baïn ñaët cho noù, phaàn môû roäng coù daïng .spo. Töø moät file döõ lieäu cuûa SPSS (coù phaàn môû roäng laø .sav, ñöôïc theå hieän trong cöûa soå SPSS Data Editor), baïn coù theå taïo ra nhieàu file keát quaû.

Hình 7. Veõ ñoà thò cho bieán FDIth



Hình 8. Keát quaû veõ ñoà thò FDIth theå hieän trong cöûa soå SPSS Viewer



Nhìn vaøo ñoà thò, baïn coù theå thaáy raèng FDIth coù xu theá gaàn vôùi daïng ñoà thò cuûa moâ hình haøm ña thöùc baäc ba (Cubic). Baïn cuõng coù theå thöû öôùc löôïng moät soá daïng moâ hình khaùc, vaø so saùnh möùc ñoä phuø hôïp cuûa caùc moâ hình neáu baïn muoán xem xeùt nhaän ñònh ban ñaàu cuûa mình coù phuø hôïp khoâng. Ñeå ñôn giaûn, giaû xöû raèng baïn ñang caân nhaéc khoâng bieát neân choïn haøm Cubic, hay choïn haøm logarithmic. Haõy öôùc löôïng caû hai moâ hình, sau ñoù xem xeùt xem daïng naøo phuø hôïp hôn.

Neáu baïn muoán Copy ñoà thò naøy sang Word, trong cöûa soå SPSS Viewer, choïn ñoà thò, click chuoät phaûi, choïn Copy objects (copy döôùi daïng hình aûnh). Sau ñoù sang Word, vaø nhaán CTRL-V. Baïn cuõng coù theå copy caùc keát quaû tính toaùn khaùc cuûa SPSS sang Word, hay Excel. Neáu Baïn muoán daùn caùc baûng soá lieäu töø SPSS sang Word, hay Excel döôùi daïng baûng döõ lieäu, haõy choïn Copy thay vì choïn copy objects.

Hình 9. Copy ñoà thò FDIth sang Word

Böôùc 3. Öôùc löôïng moâ hình döï baùo, löu laïi keát quaû döï baùo



Töø thanh menu, choïn Analyze Regerssion Curve Estimation (Xem hình 10). Hoäp thoaïi Curve Estimation xuaát hieän (Xem hình 11). Baïn haõy choïn caùc thoâng soá nhö hình 11. Trong hoäp thoaïi naøy, baïn cuõng click nuùt save ñeå löu laïi giaù trò döï baùo, phaàn dö, döï baùo khoaûng neáu muoán.

Hình 10. Choïn Analyze Regerssion Curve Estimation



Hình 11. Choïn caùc thoâng soá trong hoäp thoaïi Curve Estimation ñeå öôùc löôïng moâ hình

Löu laïi giaù trò döï baùo, phaàn dö, khoaûng döï baùoKhi ñaõ click nuùt Save, Hoäp thoaïi Curve Estimation: Save xuaát

hieän. Haõy choïn caùc muïc nhö hình 12.

+Trong khung Save Variables:Predicted value: löu laïi giaù trò döï baùo ñieåmResiduals: löu laïi phaàn dö (hay coøn goïi laø sai soá döï baùo) neáu muoán. Töø sai soá naøy baïn coù theå thöïc hieän tính toaùn caùc chæ tieâu ño löôøng ñoä chính xaùc cuûa moâ hình, hay thöïc hieän caùc kieåm ñònh khaùc neáu caàn.Prediction Intervals: Löu laïi khoaûng döï baùo, baïn coù theå choïn ñoä tin caäy laø 90%, 99%, hay ñeå maëc ñònh 95%

+ Trong khung Predict case:Choïn Predict through vaø nhaáp 2010 vaøo oâ Year ñeå döï baùo ñeán naêm 2010.

+ Nhaáp Continue ñeå trôû veà hoäp thoaïi Curve Estimation, sau ñoù click nuùt OK

Hình 12. Hoäp thoaïi Curve Estimation: Save sau khi click nuùt Save cuûa hoäp thoaïi Curve Estimation



Böôùc 4. Xem keát quaû öôùc löôïng moâ hình, vaø keát quaû döï baùo

Keát quaû öôùc löôïng moâ hìnhBaïn haõy ñöùng ôû cöûa soå SPSS Viewer ñeå xem keát quaû öôùc löôïng moâ hình

Hình 13. Keát quaû öôùc löôïng moâ hình döï baùo FDIth theo daïng CubicCubic

Model Summary

,954 ,910 ,886 298,382R R Square

Adjusted RSquare

Std. Error ofthe Estimate

ANOVA

9930090,9 3 3310030,293 37,178 ,000

979352,179 11 89032,016

10909443 14

Regression

Residual

Total

Sum ofSquares df Mean Square F Sig.



Coefficients

1317,448 211,986 6,674 6,215 ,000

-147,137 30,279 -12,265 -4,859 ,001

5,282 1,247 6,527 4,237 ,001

-1227,016 404,697 -3,032 ,011

Case Sequence

Case Sequence ** 2

Case Sequence ** 3

(Constant)

B Std. Error


Beta

StandardizedCoefficients

t Sig.

Töø keát quaû öôùc löôïng moâ hình Cubic, baïn thaáy R2 laø 0,91 laø raát cao, moâ hình naøy giaûi thích ñöôïc 91% bieán thieân cuûa bieán FDIth.

Keát quaû thoáng keâ F trong baûng ANOVA laø 37,178, vôùi möùc yù nghóa töông öùng Sig=0,000 (<0,05) neân R2 thöïc söï coù yù nghóa thoáng keâ ôû ñoä tin caäy 95%, noùi caùch khaùc moâ hình phuø hôïp vôùi döõ lieäu. Trong baûng ANOVA, baïn cuõng bieát ñöôïc toång bình phöông sai soá (ESS) laø 979.352,2; vaø TSS laø 10.909.443,0.

Sig cuûa thoáng keâ t töông öùng vôùi 4 heä soá hoài quy trong baûng Coefficients ñeàu coù yù nghóa thoáng keâ ôû ñoä tin caäy 95% (vì Sig cuûa thoáng keâ t nhoû hôn 0,05). Ñoái vôùi Moâ hình ña thöùc baäc 3, khoâng nhaát thieát caùc heä soá hoài quy ñeàu phaûi coù yù nghóa thoáng keâ thì moâ hình môùi toát. Neáu caùc heä soá hoài quy khoâng coù yù nghóa thoáng keâ, baïn chæ neân aùp duïng döï baùo ñieåm. Neáu trong caùc heä soá hoài quy coù ít nhaát moät heä soá hoài quy coù yù nghóa (tröø haèng soá constant) vaø caùc kieåm ñònh khaùc ñeàu thoûa maõn, baïn neân trình baøy theâm döï baùo khoaûng.

Phöông trình döï baùo laø: FDIth = -1227,0 + 1317,4T – 147,1T2 + 5,282T3

Vôùi T=1, 2, 3…

Hình 14. Keát quaû öôùc löôïng moâ hình döï baùo FDIth vôùi daïng haøm Logarithmic

Logarithmic

Model Summary

,891 ,794 ,778 415,733R R Square

Adjusted RSquare

Std. Error ofthe Estimate



ANOVA

8662601,7 1 8662601,744 50,121 ,000

2246841,3 13 172833,947

10909443 14

Regression

Residual

Total

Sum ofSquares df Mean Square F Sig.

Coefficients

1005,932 142,088 ,891 7,080 ,000

348,703 285,245 1,222 ,243

ln(Case Sequence)

(Constant)

B Std. Error


Beta

StandardizedCoefficients

t Sig.

Keát quaû döï baùo baèng moâ hình Logarithmic cho thaáy R2 baèng 0,794. Moâ hình naøy chæ giaûi thích ñöôïc 79,4% bieán thieân cuûa bieán FDIth.

Keát quaû thoáng keâ F trong baûng ANOVA laø 50,121, vôùi möùc yù nghóa töông öùng Sig=0,000 neân R2 thöïc söï coù yù nghóa thoáng keâ. Trong baûng ANOVA, baïn cuõng bieát ñöôïc toång bình phöông sai soá (ESS) laø 2.246.841,3; vaø TSS laø 10.909.443,0.

Heä soá hoài quy ñöùng tröôùc bieán ln(T) coù yù nghóa thoáng keâ ôû ñoä tin caäy 95%, vì Sig cuûa kieåm ñònh T laø 0.000 (<=0.05). Haèng soá Constant khoâng coù yù nghóa thoáng keâ, baïn cuõng coù theå loaïi boû ra khoûi phöông trình hoaëc ñeå trong moâ hình cuõng ñöôïc. Neáu boû ñi thì seõ toát hôn veà maët toaùn hoïc. (Neáu baïn coù yù ñònh boû ñi haèng soá naøy trong moâ hình logarthmic, haõy quay trôû laïi böôùc 3, chæ öôùc löôïng moâ hình Logarithmic vaø boû ñi daáu choïn Include constant in equation. Khi ñoù moâ hình seõ coù R2 laø 0,97, vaø ESS laø 2.505.128). Ñeå ñôn giaûn trong caùch trình baøy, giaû söû baïn vaãn ñeå haèng soá naøy trong moâ hình. Khi ñoù moâ hình döï baùo laø:

FDIth = 348,7 +1005,9ln(T)Vôùi T=1, 2, 3…

Löïa choïn moâ hình döï baùoBaïn coù theå döïa vaøo ESS ñeå löïa choïn moâ hình döï baùo. Moâ hình

naøo coù ESS nhoû hôn thì moâ hình ñoù döï baùo caøng chính xaùc. Baïn cuõng coù theå ñaùnh giaù ñöôïc ñoä chính xaùc cuûa döï baùo

baèng caùch veõ giaù trò döï baùo cuûa caùc moâ hình, giaù trò thöïc teá leân cuøng moät ñoà thò (Choïn Graphs Sequence.Trong hoäp thoaïi Sequence Chart, ñöa bieán FDIth, FIT_1, FIT_2 vaøo khung Variables)

Hình 15 Ñoà thò giaù trò döï baùo theo moâ hình Cubic, Logarithmic, vaø giaù trò thöïc teá cuûa FDI thöïc hieän



2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1998

1997

1996

1995

1994

1993

1992

1991

Date

10,000

7,500

5,000

2,500

0

-2,500

-5,000

LOGARITHMIC

CUBIC

FDI thuc hien (trieuUSD)Textbox

Caùc nhaø laøm döï baùo chuyeân nghieäp coù theå chia chuoãi döõ lieäu lòch söû laøm hai phaàn. Sau ñoù ñaùnh giaù caùc sai soá döï baùo cho töøng phaàn naøy, töø ñoù coù caân nhaéc löïa choïn. Tuy nhieân, ñaùnh giaù sai soá döï baùo treân toaøn chuoãi döõ lieäu lòch söû hay cho töøng phaàn ñeàu laø ñaùnh giaù ñoä chính xaùc cuûa döï baùo trong quaù khöù. Coøn trong töông lai, chuùng ta khoâng bieát tröôùc ñöôïc xu theá bieán ñoäng trong töông lai coù gioáng vôùi xu theá bieán ñoäng trong quaù khöù hay khoâng. Bôûi vaäy, ngöôøi ta phaûi phaân tích moâi tröôøng döï baùo, coù theå keát hôïp keát quaû döï baùo töø nhieàu moâ hình khaùc nhau, hay löïa choïn keát quaû döï baùo döïa vaøo nhaän ñònh hôïp lyù veà xu theá bieán ñoäng trong töông lai.

Ví duï, xeùt veà ñoä chính xaùc trong quaù khöù thì ESS cuûa moâ hình Cubic nhoû hôn so vôùi moâ hình Logarithmic. Beân caïnh ñoù, trong töông lai, nhieàu nhaø kinh teá cho raèng thôøi kyø 2006-2010 seõ coù moät laøn soùng ñaàu tö môùi töø Nhaät Baûn, Myõ, Haøn Quoác…. vaøo Vieät Nam, moâi tröôøng ñaàu tö seõ thuaän lôïi hôn tröôùc raát nhieàu khi Vieät Nam ñaõ gia nhaäp WTO, thöïc hieän loä trình môû cöûa theo caùc caùc hieäp ñònh song phöông vaø ña phöông khaùc, doøng FDI treân theá giôùi vaãn coù xu höôùng taêng vaøo khu vöïc chaâu AÙ….Do ñoù, FDI thöïc hieän cuûa Vieät Nam trong giai ñoaïn naøy seõ taêng maïnh. Keát quaû döï baùo trong töông lai cuûa moâ hình Logarithmic nhoû hôn nhieàu so vôùi keát quaû döï baùo trong töông lai cuûa moâ hình Cubic. Hôn nöõa, moâ hình Logarithmic coù toác ñoä taêng ngaøy caøng giaûm do ñoù khoâng neân söû duïng. Moâ hình Cubic coù Theil’s



U = 0,054 (nhoû hôn 0,55) neân coù ñoä chính xaùc raát toát (SPSS khoâng töï ñoäng tính Theil’s U, neáu quan taâm baïn haõy copy döõ lieäu giaù trò döï baùo ñieåm, giaù trò thöïc teá, sai soá döï baùo ñaõ tính ñöôïc töø SPSS sang Excel ñeå tính). Do vaäy söû duïng moâ hình Cubic seõ phuø hôïp.

Ngoaøi ra, nhöõng nhaø laøm döï baùo chuyeân nghieäp coøn aùp duïng nhieàu kieåm ñònh khaùc nöõa nhö hieän töôïng töï töông quan, kieåm ñònh daïng haøm, sai soá coù ngaãu nhieân hay khoâng….Ngöôøi ta cuõng coù theå choïn moät moâ hình döï baùo toát, sau ñoù thu thaäp yù kieán chuyeân gia ñeå taêng giaûm keát quaû döï baùo theo moät tyû leä % naøo ñoù.

Keát quaû döï baùoÑeå xem keát quaû döï baùo, baïn haõy söû duïng cöûa soå SPSS Data

Editor. Trong cöûa soå naøy, nhìn trong Tab Variable View, baïn thaáy coù 8 bieán môùi taïo ra. Moãi moâ hình coù 4 bieán. Ví duï trong moâ hình Cubic, FIT2 laø döï baùo ñieåm cuûa moâ cuûa moâ hình cubic, ERR_2 laø sai soá döï baùo cuûa moâ hình naøy, LCL_2 laø caän döôùi cuûa khoaûng döï baùo, UCL laø caän treân cuûa khoaûng döï baùo.

Hình 16. Caùc bieán môùi taïo ra ñeå löu keát quaû döï baùo FDIth, sai soá, khoaûng döï baùo FDIth

Ñoái vôùi moâ hình Cubic, ta thaáy döï baùo ñieåm FDI thöïc hieän cuûa Vieät Nam ôû naêm 2006 laø 3819,01 trieäu USD. ÔÛ ñoä tin caäy 95%, FDI thöïc hieän ôû Vieät Nam naèm trong khoaûng 2712,35 trieäu USD ñeán 4925,68 USD. Töông töï nhö vaäy cuõng coù keát quaû döï baùo FDI thöïc hieän cuûa Vieät Nam ôû caùc naêm 2007, 2008, 2009, 2010. Nhö vaäy, FDI thöïc hieän cuûa Vieät Nam 2006-2010 coù theå ñaït möùc 29.469,17 trieäu Biên soan: Ths Huỳnh Thanh Điền

78


USD. Neáu döï baùo khoaûng ôû ñoä tin caäy 95%, FDI thöïc hieän cuûa Vieät Nam trong giai ñoaïn naøy coù theå ñaït töø 17.763,72 trieäu USD ñeán 41174,62 trieäu USD. (Xem hình 17)

Hình 17. Keát quaû döï baùo FDI thöïc hieän cuûa Vieät Nam 2006-2010

3. Baøi taäpCaâu 1. Baïn haõy xaây döïng moâ hình vaø döï baùo löôïng gia caàm, gia suùc ñeán 2009. Neáu baïn coù ñöôïc soá lieäu thöïc teá naêm 2005, 2006. Haõy boå sung vaøo chuoãi döõ lieäu naøy vaø döï baùo ñeán 2010.

Soá lieäu veà gia suùc, gia caàm cuûa TPHCM töø 1990-2004.

Traâu(con)

Boø(con)

Heo(con)

Gia caàm(ngaøn con)

1990 32532 44983 157457 2679

1991 32111 43018 151404 2594

1992 30855 39794 170559 2763

1993 29837 40394 178392 2719

1994 30103 42224 180287 2831

1995 26521 39922 183462 2972



1996 25172 41539 183775 3071

1997 16277 39154 194313 2693

1998 12201 39449 190151 2727

1999 10794 39864 190880 2885

2000 7938 39711 211719 3014

2001 9260 49938 205017 2897

2002 7153 53174 211455 2891

2003 6464 62048 216112 2460

2004 5565 69014 221131 1007Nguoàn: Cuïc Thoáng Keâ TPHCM

Caâu 2. Baïn coù döõ lieäu veà GDP theo caùc khu vöïc cuûa TPHCM töø 1975 ñeán 2005 theo giaù so saùnh naêm 1994. Haõy aùp duïng caùc moâ hình xu theá phuø hôïp vaø döï baùo GDP töøng khu vöïc cuûa TPHCM ñeán naêm 2010, vaø töø ñoù ñöa ra keát quaû döï baùo GDP cuûa TPHCM ñeán naêm 2010.

GDP theo giaù so saùnh naêm 1994 cuûa TPHCMnaêm GDP KV1 KV2 KV31975 9.432 721 2.330 6.3811976 9.879 740 2.450 6.6891977 10.284 689 2.660 6.9351978 10.027 671 2.536 6.8201979 9.695 694 2.414 6.5871980 9.871 707 2.634 6.5301981 10.249 740 2.731 6.7781982 10.793 768 2.878 7.1471983 11.127 787 2.993 7.3471984 11.628 805 3.265 7.5581985 12.349 764 3.601 7.9841986 13.22

6823 3.945 8.458

1987 14.364 846 4.366 9.1521988 15.490 853 4.786 9.8511989 16.584 876 5.352 10.3561990 17.993 908 5.921 11.1641991 19.629 934 6.549 12.1461992 21.930 967 7.664 13.2991993 24.668 988 9.049 14.6311994 28.271 1.043 10.677 16.551

1995 32596 1093 12551 189521996 37380 1121 14788 214711997 41900 1137 16885 238781998 45683 1100 19096 25487



1999 48402 1124 20841 264372000 52754 1154 23313 282872001 57787 1217 26198 303722002 63670 1266 29212 331922003 70947 1415 33204 363282004 79239 1447 37349 404432005 88872 1469 41891 45512

Nguoàn: Cuïc Thoáng keâ TP.HCM

Caâu 3. Boä phaän kinh doanh cho bieát doanh soá baùn saûn phaåm daàu goäi cuûa coâng ty töø 1996 ñeán 2005 nhö sau. Baïn haõy xaây döïng moâ hình xu theá ñeå döï baùo doanh soá cuûa saûn phaåm naøy vaøo naêm 2006, 2007.

Doanh soá baùn (trieäu ñoàng)

1996 38.6421997 47.5751998 65.0001999 81.9002000 115.0002001 147.4652002 162.2912003 161.6692004 163.3132005 162.838

Taøi lieäu tham khaûo

SPSS Inc (2004), SPSS 13.0 Base User’s Guide.

Nguyeãn Troïng Hoaøi (2001), moâ hình hoùa vaø döï baùo chuoãi thôøi gian trong kinh doanh & kinh teá, NXB ÑHQG TP.HCM.

Loan Leâ (2000), heä thoáng döï baùo - ñieàu khieån keá hoaïch - ra quyeát ñònh, NXB Thoáng Keâ.



Nguyeãn Coâng Nhöï, Phaïm Ngoïc Kieåm, Traàn Ngoïc Phaùc (2004), Döï ñoaùn tình hình phaùt trieån coâng nghieäp Vieät Nam: lyù thuyeát, trieån voïng & giaûi phaùp, NXB Thoáng Keâ.

Ramu Ramanathan (2004), baûn dòch cuûa Fulbright, kinh teá löôïng öùng duïng.

Nguyeãn Thoáng (1999), Phaân tích döõ lieäu vaø aùp duïng vaøo döï baùo, NXB Thanh Nieân.

Traàn Vaên Thaéng vaø caùc ñoàng nghieäp (2002), lyù thuyeát thoáng keâ, NXB Thoáng Keâ.



BÀI 12. CHỈ SỐ

Khái niệm: Chỉ số thống kê là chỉ tiêu tương đối biểu hiện mối quan hệ so sánh giữa hai mức độ nào đó của hiện tượng kinh tế. Tuy chỉ số là chỉ tiêu tương đối nhưng không phải chỉ tiêu tương đối bất kỳ nào cũng được gọi là chỉ số, mà chỉ có các chỉ tiêu tương đối biểu hiện quan hệ so sánh của hiện tượng kinh tế theo thời gian, không gian và kế hoạch.

Tác dụng của chỉ số:

- Biểu hiện sự biến động của hiện tượng qua thời gian.

- Biểu hiện sự biến động của hiện tượng qua không gian.

- Biểu hiện nhiệm vụ kế hoạch hay tình hình hoàn thành kế hoạch về các chỉ tiêu kinh tế.

- Phân tích vai trò và ảnh hưởng biến động của từng nhân tố đối với biến động của hiện tượng kinh tế phức tạp.

Chỉ số cá thể giá thành:iz = z1/z0

Trong đó: z1 là giá thành năm nghiên cứu

z0 là giá thành năm gốc

Chỉ số cá thể số lượng:Iq = q1/q0

Trong đó: q1 là số lượng năm nghiên cứu

q0 là số lượng năm gốc

Chỉ số tổng hợp giá

Ip = p1q1/p0q1

Trong đó:

p1, p0 lần lượt là giá của kỳ gốc và kỳ nghiên cứu.

q1,q0 lần lượt là số lượng của kỳ gốc và kỳ nghiên cứu.

Chỉ số tổng hợp giá thành

Ip = z1q1/z0q1

Trong đó:

z1, z0 lần lượt là giá thành của kỳ gốc và kỳ nghiên cứu.



q1, q0 lần lượt là số lượng của kỳ gốc và kỳ nghiên cứu.

Chỉ số tổng hợp lượng sản phẩm

Ip = p0q1/p0q0

Trong đó:

p1, p0 lần lượt là giá của kỳ gốc và kỳ nghiên cứu.

q1, q0 lần lượt là số lượng của kỳ gốc và kỳ nghiên cứu.

Chỉ số tổng hợp lượng sản phẩm

Ip = z0q1/z0q0Trong đó:

z1, z0 lần lượt là giá thành của kỳ gốc và kỳ nghiên cứu.

q1,q0 lần lượt là số lượng của kỳ gốc và kỳ nghiên cứu.

Bài tập áp dụng 5:

Có tài liệu về giá thành, giá bán và sản lượng của 3 loại sản phẩm A, B, C như bảng sau:

Sản phẩm

Đơn vị

tính

Kỳ gốc Kỳ nghiên cứu

Số lượng sản phẩm

Giá thành đơn vị

(1000đ)Giá bán

Số lượng sản phẩm

Giá thành đơn vị

(1000đ)

Giá bán

A m 3.000 5 6 4.000 4,5 5,8

B l 4.000 12 14 4.000 11,5 14

C Kg 8.000 3 3,3 7.000 2,8 3

Tính:

Chỉ số tổng hợp giá, chỉ số tổng hợp giá thành, chỉ số tổng hợp lượng sản phẩm.



BÀI 13: PHAÂN TÍCH NHAÂN TOÁ KHAÙM PHAÙ (EXPLORATORY FACTOR ANALYSIS) BAÈNG SPSS

1. Giôùi thieäu

Phaân tích nhaân toá khaùm phaù laø moät phöông phaùp phaân tích thoáng keâ duøng ñeå ruùt goïn moät taäp goàm nhieàu bieán quan saùt phuï thuoäc laãn nhau thaønh moät taäp bieán (goïi laø caùc nhaân toá) ít hôn ñeå chuùng coù yù nghóa hôn nhöng vaãn chöùa ñöïng haàu heát noäi dung thoâng tin cuûa taäp bieán ban ñaàu (Hair & ctg, 1998)

Ví duï: Thoï & ctg (2005) ñaõ ño löôøng “cô sôû haï taàng ñaàu tö” cuûa tænh Tieàn Giang thoâng qua 12 bieán quan saùt (ñieän oån ñònh, nöôùc oån ñònh … chi phí lao ñoäng reû). 12 bieán quan saùt naøy ñöôïc ruùt goïn thaønh 3 nhaân toá. Ba nhaân toá môùi ñöôïc ñaët teân laøø: cô sôû haï taàng, maët baèng, lao ñoäng.

Nhaân toáStt

Bieán quan saùt Cô sôû haï taàng

Maët baèng Lao ñoäng

1 Ñieän oån ñònh .59 .09 .312 Nöôùc oån ñònh .69 .06 .163 Thoaùt nöôùc toát .65 -.01 -.114 Giaù ñieän hôïp lyù .62 .26 .105 Giaù nöôùc phuø hôïp .59 .18 .176 Thoâng tin lieân laïc

thuaän tieän.58 .21 -.01

7 Giao thoâng thuaän lôïi .59 .22 .118 Giaù thueâ ñaát hôïp lyù .27 .65 .079 Chi phí ñeàn buø, giaûi

toaû thoaû ñaùng.13 .86 .09

10

Maët baèng saép xeáp kòp thôøi

.14 .83 .08

11

Lao ñoäng doài daøo .16 .16 .80

12

Chi phí lao ñoäng reû .08 .04 .86

Nguoàn: Thoï &ctg, 2005, 49



2. Thao taùc thöïc hieänBaïn haõy môû file Buoi7-EFA using SPSS. Đây là vi dụ về việc khám phá những

nhân tố ảnh hưởng đển sự hài lòng của khách hàng về sản phẩm kem đánh răng. Có 6 nhân tố được định nghĩa.

Hình 1. Caùc bieán ñaõ ñöôïc khai baùo

Hình 2. Döõ lieäu ñaõ ñöôïc nhaäp



Böôùc 1. Töø thanh menu cuûa SPSS. Choïn Analyze ->

Data Reduction->Factor

Nút Descriptives Chọn KMO and Bartlett’s test of sphericity (nếu cần)Nút Extraction Principal components (Moät phöông phaùp hay ñöôïc söû

duïng khaùc laø Principal axis factoring)

Nút Rotation. Choïn Varimax neáu phöông phaùp trích laøPrincipal components (choïn Promax neáu phöông phaùp trích maø baïn choïn laø Principal axis factoring)

Nuùt Options - Choïn Sorted by size ñeå saép xeáp caùc bieán quan saùt trong cuøng moät nhaân toá ñöùng gaàn nhau- Choïn suppress absolute value less than neáu khoâng theå hieän caùc troïng soá nhaân toá coù trò tuyeät ñoái nhoû hôn moät giaù trò naøo ñoù (ví duï: 0.5)

Nuùt Scores Choïn Save as variables neáu baïn muoán löu laïi nhaân soá (ñaõ chuaån hoaù) cuûa töøng nhaân toá

Khi choïn . Hoäp thoaïi nhö Hình 6 xuaát hieän.

Trong baøi hoïc, ta söû duïng phöông phaùp trích maëc ñònh cuûa SPSS laø 3. Ñoïc keát quaûHình 4. Baûng Ma traän nhaân toá ñaõ xoay


Khi hoäp thoaïi Factor Analysis xuaát hieän. + Ñöa caùc bieán caàn phaân tích nhaân toá vaøo khung Variables+ Sau ñoù laàn löôït choïn caùc nuùt Descriptives Extraction Rotation Options Scores vaø ñaùnh daáu choïn caùc muïc phuø hôïp (khi caàn)

Hình 3


Rotated Component Matrix(a)

Component

1 2lam trang rang .886 lam rang bong hon .766 lam hoi tho thom tho .761 lam khoe nuu rang .852lam sach sau rang .770ngua sau rang .620

Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.

a Rotation converged in 3 iterations.

Trong baûng keát quaû ôû Hình 4, coù bao nhieâu coät töùc laø coù baáy nhieâu thaønh phaàn chính (nhaân toá) ñöôïc ruùt ra. Coù 2 nhaân toá ñöôïc ruùt ra.

Caùc con soá ôû trong baûng Rotated Component Matrix(a) goïi laø caùc Factor loading, hay heä soá taûi nhaân toá, hay troïng soá nhaân toá (Neáu choïn phöông phaùp trích Principal axis factoring, thay vì xem baûng Rotated Component Matrix, baïn haõy xem baûng Pattern Matrix)

Moät tieâu chuaån quan troïng ñoái vôùi Factor loading lôùn nhaát caàn ñöôïc quan taâm: noù phaûi lôùn hôn hoaëc baèng 0.51. Nếu tồn tại quan sát nào nhỏ hơn mà giá trị lớn nhất của Factor loading nhỏ hơn 0,5 thì phải loại bỏ quan sát đó ra. Trong trường hợp có nhiều quan sát cùng như vậy, thì lần lượt từng quan sát đến khi những biến trong bảng Rotated Component Matrix đều có Factor loading lơn hơn 0,5.

Nhö vaäy caùc bieán quan saùt ñöa vaøo EFA ñöôïc ruùt goïn thaønh 2 nhaân toá. Baïn cuõng bieát ñöôïc moãi nhaân toá goàm coù nhöõng bieán quan saùt naøo. Ngöôøi phaân tích seõ xem caùc bieán quan saùt trong moãi nhaân toá laø nhöõng bieán naøo, coù yù nghóa laø gì, vaø cuõng caàn döïa treân lyù thuyeát … töø ñoù ñaët teân cho nhaân toá. Teân naøy caàn ñaïi dieän ñöôïc cho caùc bieán quan saùt cuûa nhaân toá.

Nhaân toá thöù nhaát goàm coù 3 bieán quan saùt sau:v2-lam trang rang

v6-lam rang bong hon

v4-lam hoi tho thom tho

Nhân tố thư hai gồm có 3 biến quat sát sau:v3-lam khoe nuu rang

V5-lam sach sau rang

V1-ngua sau rang

1 Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice-Hall International, Inc, Factor loading laø chæ tieâu ñeå ñaûm baûo möùc yù nghóa thieát thöïc cuûa EFA (ensuring practical significance). Factor loading > 0.3 ñöôïc xem laø ñaït ñöôïc möùc toái thieåu, Factor loading > 0.4 ñöôïc xem laø quan troïng, > 0.5 ñöôïc xem laø coù yù nghóa thöïc tieãn. Hair & ctg (1998,111) cuõng khuyeân baïn ñoïc nhö sau: neáu choïn tieâu chuaån factor loading > 0.3 thì côõ maãu cuûa baïn ít nhaát phaûi laø 350, neáu côõ maãu cuûa baïn khoaûng 100 thì neân choïn tieâu chuaån factor loading > 0.55, neáu côõ maãu cuûa baïn khoaûng 50 thì Factor loading phaûi > 0.75Biên soan: Ths Huỳnh Thanh Điền

88

Làm đẹp răng

Làm khỏe răng


Ngoaøi ra, khi phaân tích nhaân toá, ngöôøi ta coøn quan taâm ñeán caùc keát quaû cuûa KMO vaø kieåm ñònh Bartlett; Phöông sai trích (% bieán thieân ñöôïc giaûi thích bôûi caùc nhaân toá). Hình 5. Baûng KMO vaø kieåm ñònh Bartlett sau khi EFA laàn 2

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .584

Bartlett's Test of Sphericity

Approx. Chi-Square 55.275df 15Sig. .000

KMO laø moät chæ tieâu duøng ñeå xem xeùt söï thích hôïp cuûa EFA, 0.5≤KMO≤1 thì phaân tích nhaân toá laø thích hôïp. Kieåm ñònh Bartlett xem xeùt giaû thuyeát Ho: ñoä töông quan giöõa caùc bieán quan saùt baèng khoâng trong toång theå. Neáu kieåm ñònh naøy coù yù nghóa thoáng keâ (Sig ≤ 0.05) thì caùc bieán quan saùt coù töông quan vôùi nhau trong toång theå (Troïng & Ngoïc, 2005, 262)Hinh 6.

Total Variance Explained

Component Initial EigenvaluesExtraction Sums of Squared

LoadingsRotation Sums of Squared

Loadings

Total% of

VarianceCumulative

% Total% of

Variance Cumulative % Total% of

VarianceCumulative

%1 2.157 35.957 35.957 2.157 35.957 35.957 2.154 35.896 35.8962 1.813 30.214 66.172 1.813 30.214 66.172 1.817 30.276 66.1723 .912 15.206 81.3784 .490 8.168 89.5465 .350 5.829 95.3756 .278 4.625 100.000

Extraction Method: Principal Component Analysis.

Trong hình Hình 6, baïn quan taâm ñeán moät con soá ôû coät cuoái cuøng cuûa doøng soá 2 (vì coù 2 nhaân toá ñöôïc ruùt ra). Con soá naøy laø 66.172. Ngöôøi ta noùi phöông sai trích baèng 66.172%. Con soá naøy cho bieát 2 nhaân toá giaûi thích ñöôïc 66.172% bieán thieân cuûa caùc bieán quan saùt (hay cuûa döõ lieäu)



Coù moät tieâu chuaån ñoái vôùi phöông sai trích. Hair & ctg (1998) yeâu caàu raèng phöông sai trích phaûi ñaït töø 50% trôû leân2.

Caâu hoûi thöïc haønh 1

Khi EFA ñoái vôùi caùc bieán quan saùt oss1, oss2, oss3 ta coù keát quaû nhö sau. Baïn haõy cho bieát nhaän xeùt cuûa mình?

KMO and Bartlett's Test

.718

429.515

3

.000

Kaiser-Meyer-Olkin Measure of SamplingAdequacy.

Approx. Chi-Square

df

Sig.

Bartlett's Test ofSphericity


2.504 83.477 83.477 2.504 83.477 83.477

.351 11.711 95.187

.144 4.813 100.000

Component1

2

3

Total % of Variance Cumulative % Total % of Variance Cumulative %

Initial Eigenvalues Extraction Sums of Squared Loadings


Component Matrixa

.941

.929

.869

oss1 Noùi chung, toâi ñaõ caûm thaáy haøi loøng veà chaát löôïng cuûa khoùa hoïc

oss2 Khoùa hoïc ñaõ ñaùp öùng ñöôïc nhöõng ñöôïc nhöõng hy voïng cuûa toâi

oss3 Hieän nay, tröôøng laø "nôi hoaøn haûo veà ñaøo taïo thaïc só " theo suy nghó cuûa toâi

1

Component


1 components extracted.a.

Rotated Component Matrixa

Only one component was extracted.The solution cannot be rotated.

a.

4. Nhaân soá

2 Gerbing & Anderson (1988), “An Update Paradigm for Scale Development Incorporing Unidimensionality and Its Assessments”, Journal of Marketing Research, Vol.25, 186-192 cuõng yeâu caàu phöông sai trích phaûi lôùn hôn hoaëc baèng 50%.Biên soan: Ths Huỳnh Thanh Điền

90


Khi EFA, trong hoäp thoaïi Factor Analysis, baïn coù theå choïn nuùt Scores, sau ñoù nhaáp choïn Regression ñeå löu laïi nhaân soá cuûa nhaân toá moät caùch töï ñoäng. Nhaân soá tính theo caùch naøy ñaõ ñöôïc chuaån hoùa (khoâng coù ñôn vò). Noù thích hôïp nhaát neáu baïn söû duïng caùc nhaân soá ñeå phaân tích hoài quy, vaø kieåm ñònh moái quan heä aûnh höôûng cuûa caùc bieán ñoäc laäp ñeán bieán phuï thuoäc; vaø raát thích hôïp neáu caùc bieán quan saùt coù ñôn vò tính khaùc nhau. Neáu baïn söû duïng caùc nhaân soá naøy ñeå thöïc hieän caùc thoáng keâ moâ taû, t-test, ANOVA … thì khoâng neân vì giaù trò trung bình cuûa noù baèng 0, vaø khoù giaûi thích; tröôøng hôïp naøy, baïn neân tính nhaân soá cuûa nhaân toá baèng caùch tính trung bình coäng cuûa caùc bieán quan saùt thuoäc nhaân toá, hoaëc baèng caùch tính toång cuûa caùc bieán quan saùt cuøng nhaân toá (chæ söû duïng caùch naøy khi caùc items coù cuøng ñôn vò ño löôøng).

Hình 8. Caùc bieán môùi ñöôïc töï ñoäng taïo ra ñeå löu laïi nhaân soá


Caâu hoûi thöïc haønh 2: baïn haõy tính heä soá töông quan caëp giöõa FAC1_1, FAC2_1, heä soá töông quan caëp giöõa caùc caëp bieán naøy baèng bao nhieâu?


Giaû söû baïn muoán tính nhaân soá baèng phöông phaùp trung bình coäng cuûa caùc bieán quan saùt thuoäc nhaân toá. Ví duï, baïn bieát raèng nhaân toá thöù nhất -“làm đẹp răng” - goàm coù 3 bieán quan saùt laø v2, v6 vaø v4. Tính nhaân soá cuûa nhaân toá naøy vaø löu vaøo bieán F1. Bieán F1 coù theå söû duïng ñeå ñaïi dieän cho 3 bieán quan saùt v2, v6, v4. Töø thanh Menu cuûa SPSS, choïn transform\compute variable sau ñoù khai baùo nhö Hình 9Hình 9. Tính nhaân soá cuûa nhaân toá thöù tö - “giaûng daïy toát”

Töông töï, baïn seõ tính nhaân soá cuûa nhaân toá thöù 2.

5. Caùc phaân tích khaùc sau khi thöïc hieän phaân tích nhaân toáTöø keát quaû cuûa EFA, baïn coù theå tieáp tuïc thöïc hieän nhieàu

phaân tích khaùc. Ví duï nhö Cronbach’s Alpha, T-test, ANOVA, Hoài quy, ño löôøng ña höôùng, phaân cuïm …

Phaân tích nhaân toá ngaøy caøng ñöôïc söû duïng nhieàu trong caùc lónh vöïc nghieân cöùu: töø quaûn trò, marketing, taâm lyù hoïc, xaõ hoäi hoïc, moâi tröôøng, khoa hoïc haønh vi, chính saùch coâng … vaø kinh teá phaùt trieån. Hy voïng raèng, taøi lieäu naøy seõ hoã trôï baïn moät phaàn naøo ñoù trong quaù trình hoïc taäp.



Taøi lieäu tham khaûo

AUN_The Australian National University (2005), Graduate Destination Survey And Course

Experience Questionnaire 2004

SPSS Inc (2006), SPSS 15.0 Base User’s Guide

Nguyeãn Khaùnh Duy, Nguyeãn Vaên Só, Vuõ Thò Phöông Anh, Leâ Thaønh Nhaân

(2007), Khaûo saùt söï haøi loøng cuûa hoïc vieân ôû tröôøng ÑH Kinh teá TPHCM

veà chaát löôïng ñaøo taïo thaïc só, Ñeà taøi NCKH, Tröôøng ÑH Kinh teá TPHCM.

Hair, Anderson, Tatham, black (1998), Multivariate Data Analysis, Prentical-Hall

International, Inc.

Harris K.L, James R. (2006) The Cource Experience Questionnaire, Graduate Destinations

Survey and Learning and Teaching Performance Fund in Australia higher education ,

The University of North Carolina at Chapel Hill, saün coù taïi

www.unc.edu/ppaq/docs/CEQ-final.pdf (20/09/2006)

Ostergaard Dean Peder, Kristensen Kai (2005), Drivers of student satisfaction and loyalty

at different levels of higher education (HE) cross-institutional results based on ECSI

methodology, The Aahus School of Business, Denmark, saün coù taïi

http://forskningsbasen.deff.dk/ddf/rec.external?id=hha9903 (01/03/2006)

Ramsden (1991), “A performance indicator of teaching quality in higher education: the

Course Experience Questionnaire”, Studies in Higher Education, 16, 129-50

Ramsden (1999), The CEQ-looking back and forward. In: The Course Experience

Questionnaire Symposium 1998, eds T Hand and K Treambath, DETYA, Canberra.

Roger Gabb (2004), The CEQ, SES, and SET questionnaires, Victoria University. Saün coù taïi:

http://ceds.vu.edu.au/set/pdf/CEQ%20SES%20and%20SET.pdf (28/04/2006)

Schumacker Randall E. & Lomax Richard G. (2006), A biginner’s guide to Structural

Equation Modeling, Lawrence Erlbaum associates, publisher, London

Nguyeãn Ñình Thoï, Phaïm Xuaân Lan, NguyeãnThò Bích Chaâm, Nguyeãn Thò Mai

Trang (2005), Ñieàu tra ñaùnh giaù thöïc traïng moâi tröôøng ñaàu tö tænh Tieàn

Giang vaø ñeà xuaát caùc giaûi phaùp huy ñoäng nguoàn löïc xaõ hoäi ñaàu tö phaùt

trieån, Ñeà taøi NCKH, Sôû Khoa hoïc & coâng ngheä Tænh Tieàn Giang

Hoaøng Troïng & Chu Nguyeãn Moäng Ngoïc (2005), Phaân tích döõ lieäu nghieân cöùu

vôùi SPSS, NXB Thoáng Keâ

Thurau T. H., Langer M., F. Hansen U. (2001), “Modeling and Managing student loyalty –

an approach based on the concept of relationship quality”, Journal of Service

Research, Vol 3, No.4, May 2001


http://ceds.vu.edu.au/set/pdf/CEQ%20SES%20and%20SET.pdf

http://forskningsbasen.deff.dk/ddf/rec.external?id=hha9903

http://www.unc.edu/ppaq/docs/CEQ-final.pdf


6. Baøi taäpCaâu 1: Döïa vaøo baûng Ma traän nhaân ñaõ xoay (Rotated Component Matrix) sau. Baïn haõy cho bieát bieán quan saùt naïo bò loaïi tröôùc tieân, vì sao?

Rotated Component Matrix

Component

1 2 3 4 5 6 7 8gss5 .763 gss2 .708 gss6 .708 gqs4 .705 gss1 .697 gss4 .660 gqs5 .641 gqs3 .624 gqs6 .620 gss3 .579 gqs2 .574 gqs1 .535 lcs5 .668 lcs3 .646 lcs2 .644 cgss1 .625 cgss4 .620 cgss2 .601 lcs1 .589 cos1 .570 lcs4 .568 cos2 .545 cgss3 .518 cos7 .727 cos8 .724 cos6 .723 cos5 .658 cos3 .645 cos9 .567 Cos4 .486 Lrs5 .473 gts6 .689gts4 .633gts3 .615gts2 .596gts5 .580gts1 .555lrs1 .743 lrs2 .706 lrs3 .656 lrs4 .596 aws3 .805 aws1 .795 aws2 .743 aws4 .569 ims3 .671 ims2 .655 ims1 .575 Ims4 .493 gss7 .769gss8 .766



Caâu 2. Baïn haõy nhaän xeùt veà keát quaû phaân tích nhaân toá sau:KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .889

Bartlett's Test of Sphericity

Approx. Chi-Square 2532.805Df 78Sig. .000


Component Initial EigenvaluesExtraction Sums of Squared

Loadings Rotation Sums of Squared Loadings

Total% of

VarianceCumulative

% Total% of

VarianceCumulative

% Total% of

VarianceCumulative

%1 8.111 62.392 62.392 8.111 62.392 62.392 6.016 46.278 46.2782 1.826 14.045 76.437 1.826 14.045 76.437 3.921 30.159 76.4373 .885 6.808 83.2454 .546 4.200 87.4465 .421 3.239 90.6846 .328 2.523 93.2077 .263 2.027 95.2348 .169 1.298 96.5329 .140 1.074 97.60610 .114 .875 98.48111 .078 .604 99.08512 .063 .485 99.57013 .056 .430 100.000


Rotated Component Matrix(a)

Component

1 2ml2 .920 ml3 .916 ml4 .897 ml1 .850 ml5 .822 ml6 .793 .439ml7 .675 .546ml8 .649 .581ml9 .591 .562ml11 .305 .868ml12 .785ml10 .403 .777ml13 .777

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a Rotation converged in 3 iterations.


Caâu hoûi

- Caùc bieán quan saùt ñöôïc nhoùm thaønh bao nhieâu nhaân toá

- Nhaân toá 1 bao goøm nhöõng bieán quan saùt naøo?

- Nhaân toá 2 bao goàm nhöõng bieán quan saùt naøo?

- Kieåm ñònh g/thuyeát H0: ñoä töông quan giöõa caùc bieán quan saùt baèng khoâng trong toång theå vôùi möùc yù nghóa 5%.

- Caùc nhaân toá vöøa tìm ñöôïc giaûi thích ñöôïc bao nhieâu phaàn traêm söï bieán thieân cuûa caùc bieán quan




Caâu 3. Dö lieäu Buoi7-baitapEFA3 .1. Caùc bieán quan saùt tg1, tg2, tg3, tg4, qh1, qh2, qh3, qh4, tc1, tc2, ct1, ct2,

ct3, ct4, ct5 ñöôïc nhoùm thaønh bao nhieâu nhaân toá. Nhaân toá naøo bò loaïi boû, vì sao? Baïn haõy ñaët teân cho caùc nhaân toá vöøa ñöôïc nhoùm.

2. Kieåm ñònh Bartlett xem xeùt giaû thuyeát Ho: ñoä töông quan giöõa caùc bieán quan saùt baèng khoâng trong toång theå vôùi möùc yù nghóa 5%.

3. Cho bieát caùc nhaân toá vöøa tìm ñöôïc giaûi thích ñöôïc bao nhieâu phaàn traêm söï bieán thieân cuûa caùc bieán quan saùt.

4. Tính nhaân soá cho caùc nhaân toá vöøa ñöôïc nhoùm?5. Hoài quy bieán dtct theo caùc nhaân soá vöøa ñöôïc nhoùm ñoù vaø

thöïc hieän caùc kieåm ñònh caàn thieát cho moâ hình hoài quy vöøa tìm ñöôïc vôùi möùc yù nghóa 5%.

Caâu 4: Döõ lieäu Buoi7-baitapEFA4Ñeå ñaùnh giaù möùc ñoä haøi loøng cuûa khaùch haøng veà vieäc söû duïng

maïng ñieän thoaïi di ñoäng S Fone. Caùc nhaân toá aûnh höôûng sau ñaây ñöôïc ñònh nghóa:

Nhaân vieân (Employee)EMP1 Nhaân vieân coâng ty phuïc vuï Anh/Chò taän tình, chu ñaùo.EMP2 Nhaân vieân coâng ty phuïc vuï Anh/Chò nhanh choùng, ñuùng haïn.EMP3 Nhaân vieân coâng ty luoân luoân saün saøng giuùp ñôõ Anh/Chò.EMP4

Nhaân vieân coâng ty bao giôø cuõng toû ra thaân thieän, nhaõ nhaën lòch söï ñoái vôùi Anh/Chò.

EMP5 Nhaân vieân coâng ty luoân giaûi quyeát thaáu ñaùo caùc vaán ñeà phaùt sinh.EMP6

Nhaân vieân coâng ty coù ñuû kieán thöùc, chuyeân moân ñeå traû lôøi caùc caâu hoûi cuûa Anh/Chò.

EMP7 Nhaân vieân coâng ty luoân baûo maät thoâng tin giao dòch cho Anh/Chò.EMP8 Nhaân vieân coâng ty luoân duy trì phong caùch laøm vieäc chuyeân nghieäp.

Tieän nghi (Convenience) CON1

Coâng ty coù saøn giao dòch roäng raõi, thoaùng maùt vaø ñuû choå ngoài cho khaùch haøng.

CON2 Coâng ty coù baõi gôûi xe thuaän lôïi cho khaùch haøng ñeán giao dòch.CON3 Coâng ty coù trang bò ñuû maùy vi tính cho khaùch haøng tra cöùu thoâng tin.CON4 Coâng ty coù phuïc vuï mieãn phí nöôùc uoáng cho khaùch haøng.

Giao dòch (Transaction)TRA1

Yeâu caàu giao dòch cuûa khaùch haøng ñöôïc coâng ty ñaùp öùng ñaày ñuû, kòp thôøi.

TRA2 Yeâu caàu giao dòch cuûa khaùch haøng ñöôïc coâng ty thöïc hieän chính xaùc.



TRA3

Coâng ty coù nhieàu loaïi hình giao dòch thuaän tieän cho khaùch haøng (qua ñieän thoaïi, fax, trading online, tin nhaén).

TRA4

Thoâng tin veà keát quaû giao dòch cuûa khaùch haøng ñöôïc coâng ty cung caáp kòp thôøi, chính xaùc (heä thoâng tin nhaén SMS).

Phöông tieän höõu hình (Tangibles)TAN1 Coâng ty coù vaên phoøng giao dòch dòch ñeïp, hieän ñaïi vaø saïch seõ.TAN2 Coâng ty coù cô sôû haï taàng coâng ngheä thoâng tin hieän ñaïi.TAN3

Coâng ty coù heä thoáng maùy moùc thieát bò hieän ñaïi (maùy vi tính, maùy chieáu,…).

TAN4 Nhaân vieân cuûa coâng ty coù trang phuïc goïn gaøng, töôm taát.

Dòch vuï gia taêngï (Value Added Services)VAS1

Coâng ty cung caáp ñaày ñuû caùc dòch vuï hoã trôï khaùch haøng (caàm coá, öùng tröôùc, repo,…).

VAS2

Coâng ty cung caáp ñaày ñuû caùc baûn tin thò tröôøng, caùc baùo caùo thò tröôøng cho khaùch haøng.

VAS3

Nhaân vieân coâng ty thöôøng tö vaán cho khaùch haøng caùc thoâng tin caäp nhaät, boå ích.

VAS4

Coâng ty thöôøng toå chöùc caùc buoåi baùo caùo chuyeân ñeà, hoäi thaûo chuyeân saâu veà thò tröôøng cho khaùch haøng.

Lôïi ích lieân quan (Relational Benefits)BEN1

Trong giao dòch, Anh/Chò thöôøng ñöôïc nhaän bieát vaø phaùt trieån moái quan heä thaân thieän vôùi caùc nhaân vieân giao dòch.

BEN2

Trong giao dòch, Anh/Chò coù ñöôïc vò theá xaõ hoäi chaéc chaén ñoái vôùi coâng ty.

BEN3 Trong giao dòch, Anh/Chò ñöôïc phuïc vuï nhanh hôn caùc khaùch haøng khaùc.BEN4

Trong giao dòch, Anh/Chò ñöôïc höôûng caùc dòch vuï maø caùc khaùch haøng khaùc khoâng coù.

BEN5

Trong giao dòch, Anh/Chò ñöôïc giaûm giaù hoaëc öu ñaõi ñaëc bieät hôn so caùc khaùch haøng khaùc.

BEN6 Nhaân vieân coâng ty laø chaân thaät, ñaùng tin caäy vaø lieâm chính.

Phí giao dòch (Transaction Fees)FEE1 Coâng ty coù möùc phí giao dòch hôïp lyù

FEE2Coâng ty coù möùc phí caùc dòch vuï hoã trôï (caàm coá, repo, öùng tröôùc) hôïp lyù

FEE3 Coâng ty coù chính saùch phí giao dòch linh hoaïtFEE4 Coâng ty thöôøng coù caùc chöông trình khuyeán maõi phí giao dòch haáp daãn

Haøi loøng khaùch haøng (Customer Satisfaction)SAT1 Nhìn chung, Anh/Chò haøi loøng vôùi cung caùch phuïc vuï cuûa coâng ty.

SAT2Xeùt treân toång theå, chaát löôïng dòch vuï cuûa coâng ty ñaùp öùng ñöôïc söï kyø voïng cuûa Anh/Chò.

SAT3 Toùm laïi, Anh/Chò thaáy haøi loøng khi söû duïng dòch vuï cuûa coâng ty.



Trung thaønh khaùch haøng (Customer Loyalty)LOY1 Trong thôøi gian tôùi, Anh/Chò seõ tieáp tuïc söû duïng dòch vuï cuûa coâng ty.LOY2 Anh/Chò luoân xem dòch vuï cuûa coâng ty laø öu tieân söû duïng ñaàu tieân.

LOY3Anh/Chò seõ khoâng söû duïng dòch vuï cuûa coâng ty khaùc cho duø coù möùc phí giao dòch toát hôn.

LOY4Anh/Chò seõ giôùi thieäu Anh/Chò beø, ngöôøi thaân söû duïng dòch vuï cuûa coâng ty.

LOY5Tooùm laïi, Anh/Chò cho raèng mình laø khaùch haøng trung thaønh cuûa coâng ty.

Yeâu caàu:1. Caùc bieán quan saùt neâu treân ñöôïc nhoùm thaønh bao nhieâu nhaân toá.

Nhaân toá naøo bò loaïi boû, vì sao? Baïn haõy ñaët teân cho caùc nhaân toá vöøa ñöôïc nhoùm.

2. Kieåm ñònh Bartlett xem xeùt giaû thuyeát Ho: ñoä töông quan giöõa caùc bieán quan saùt baèng khoâng trong toång theå vôùi möùc yù nghóa 5%.

3. Cho bieát caùc nhaân toá vöøa tìm ñöôïc giaûi thích ñöôïc bao nhieâu phaàn traêm söï bieán thieân cuûa caùc bieán quan saùt.

4. Tính nhaân soá cho caùc nhaân toá vöøa ñöôïc nhoùm?5. Hoài quy bieán voán ñaàu tö theo caùc nhaân soá vöøa ñöôïc nhoùm

ñoù vaø thöïc hieän caùc kieåm ñònh caàn thieát cho moâ hình hoài quy vöøa tìm ñöôïc vôùi möùc yù nghóa 5%.



BÀI 14: KIEÅM ÑÒNH ÑOÄ TIN CAÂY CUÛA THANG ÑO (CRONBACH’S ALPHA)

Giôùi thieäu:Trong nghieân cöùu ñònh tính, moät khaùi nieäm thöôøng ñöôïc ño löôøng baèng nhieàu caâu hoûi khaùc nhau. Chaúng haïn ñeå ñaùnh giaù möùc ñoä haøi loøng cuûa khaùch haøng veà söû duïng dòch vuï maïng ñieän thoaïi di ñoäng S-Fone. Moät trong nhöõng nhaân toá ñoù laø loøng trung thaønh cuûa khaùch haøng ñöôïc ño löôøng baèng nhöõng nhaân toá sau:Döõ lieäu buoi7-baitapEFA4

Trung thaønh khaùch haøng (Customer Loyalty)LOY1 Trong thôøi gian tôùi, Anh/Chò seõ tieáp tuïc söû duïng dòch vuï cuûa coâng ty.LOY2 Anh/Chò luoân xem dòch vuï cuûa coâng ty laø öu tieân söû duïng ñaàu tieân.

LOY3Anh/Chò seõ khoâng söû duïng dòch vuï cuûa coâng ty khaùc cho duø coù möùc phí giao dòch toát hôn.

LOY4Anh/Chò seõ giôùi thieäu Anh/Chò beø, ngöôøi thaân söû duïng dòch vuï cuûa coâng ty.

LOY5Tooùm laïi, Anh/Chò cho raèng mình laø khaùch haøng trung thaønh cuûa coâng ty.

Baây giôø ta haõy kieåm tra xem nhöõng caâu hoûi LOY1, LOY2, LOY3, LOY4 vaø LOY5 coù ñuû tin caäy ñeå ño löôøng moät khaùi nieäm laø loøng trung thaønh cuûa khaùch haøng khoâng?Thao taùc treân SPSSAnalyze/ Scale/ Reliability AnalysisMuïc statistics choïn Scale if item delete

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based

on Standardized

Items N of Items

,725 ,727 8

Item-Total Statistics

Scale Mean if Item Deleted

Scale Variance if

Item Deleted

Corrected Item-Total Correlation

Cronbach's Alpha if Item

Deletedemp1 23,57 4,849 ,659 ,658emp2 23,95 4,745 ,506 ,678emp3 23,81 5,349 ,309 ,718emp4 23,65 4,545 ,621 ,653emp5 24,21 5,605 ,237 ,729emp6 23,98 4,693 ,378 ,713emp7 23,75 4,794 ,465 ,687emp8 24,25 5,615 ,221 ,732



Ñoïc keát quaû:Neáu caùc bieán quan saùt ñeàu coù heä soá töông quan bieán - toång (Corrected Item-Total Correlation) lôùn hôn 0,3 vaø heä soá Crongach’s Alpha lôùn hôn 0,6 thì ta noùi caùc bieán quan saùt ñaûm baûo tin caäy ñeå ño löôøng moät khaùi nieäm.Neáu toàn taïi moät bieán quan saùt coù heä soá töông quan bieán - toång nhoû hôn 0,3 thì loaïi boû quan saùt ñoù. Neáu toàn taïi moät luùc nhieàu bieán quan saùt nhoû hôn 0,3 thì loaïi laàn löôït.Thöïc haønh:Baïn haõy loaïi boû nhöõng bieán quan saùt khoâng thoûa ñieàu kieän veà heä soá töông quan bieán toång.

Baøi TaäpCaâu 1: Döõ lieäu buoi7-baitapEFA4Haõy kieåm ñònh thang ño löôøng baùc nhaân toá nhaân vieân, giao dòch, tieän nghi, phöông tieän höõu hình, dòch vuï gia taêng, lôïi ích lieân quan, phí giao dòch, haøi loøng khaùch haøng.

Caâu 2: Döõ lieäu buoi7-baitapEFA3Haõy kieåm ñònh ñoä tinh caäy cuûa thang ño löôøng caùc nhaân toá thuoäc veà voán xaõ hoäi, bao goàm taùi saûn maïng löôùi, taøi saûn tín caån, taøi saûn quan heä, taøi saûn tham gia.

iTöø thanh menu, Graph Sequence. Hoäp thoaïi Sequence chart hieän ra Ñöa bieán caàn veõ ñoà thò vaøo Variables vaø Click OK.iiÑeå ñònh nghóa thôøi gian cho döõ lieäu, töø menu, choïn Data Define Dates. Neáu laø döõ lieäu theo naêm, trong muïc cases are, haõy hoïn Years, Trong hoäp Year cuûa khung first case is, haõy nhaäp naêm ñaàu tieân cuûa chuoãi döõ lieäu.


Documents

Huong Dan Thuc Hanh