Một số câu hỏi thường gặp khi phản biện bảo vệ khóa luận, luận văn được đúc rút từ nhiều đợt bảo vệ khóa luận, luận văn của nhiều sinh viên đại học kinh tế. Các câu hỏi được giải thích một cách dễ hiểu nhất cho người đọc.
Trang 1MỘT SỐ CÂU HỎI THƯỜNG GẶP KHI TRÌNH BÀY KHÓA LUẬN Câu 1: Giải pháp cần thực hiện nhất và giải pháp dài hạn?
-Trả lời tham khảo: Trong ngắn hạn thì cứ cái nào liên quan tới lợi nhuận, tiền bạc, lương thưởng là ưu tiên hàng đầu Còn về lâu về dài chắc chắn là yếu tố liên quan tới con
người không thể sai được đâu nha các ace
Câu 2: Khái niệm kiểm định độ tin cậy thang đo Cronbach's Alpha?
Kiểm định Cronbach Alpha không phân biệt độc lập, phụ thuộc hay biến trung gian Tất cả các loại biến đều kiểm định như nhau, biến độc lập bạn kiểm định thế nào thì biến phụ thuộc cũng như vậy Trường hợp bạn không có biến quan sát phụ thuộc là do bạn xây dựng thiếu câu hỏi đo lường cho biến phụ thuộc Lỗi từ khâu lập bảng khảo sát, không phải nằm ở vấn đề xử lý dữ liệu
=> Do đó việc kiểm định độ tin cậy thang đo Cronbach’s Alpha sẽ giúp kiểm tra xem các biến quan sát của nhân tố mẹ có đáng tin cậy hay không, có tốt không Phép kiểm định này phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng 1 nhân tố Nó cho biết trong các biến quan sát của một nhân tố, biến nào đã đóng góp vào việc đo lường khái niệm nhân tố, biến nào không Kết quả Cronbach Alpha của nhân tố tốt thể hiện rằng các biến quan sát chúng ta liệt kê là rất tốt, thể hiện được đặc điểm của nhân tố mẹ, chúng
ta đã có được một thang đo tốt cho nhân tố mẹ này
Câu 3: Chỉ số R2 và R2 hiệu chỉnh?
-Trả lời tham khảo: Ý nghĩa của R bình phương là phản ánh độ phù hợp của mô hình với dữ liệu thị trường với ý nghĩa là các biến (nhân tố) độc lập giải thích được bao nhiêu phần trăm (%) biến thiên của biến (nhân tố) phụ thuộc R bình hiệu chỉnh cũng giống như
R bình phương, tuy nhiên khác ở chỗ, R bình phương bị ảnh hưởng bởi số lượng biến độc lập được đưa vào mô hình còn R bình phương hiệu chỉnh thì không
Câu 4: Hàm số hồi quy là gì? Khác gì với tương quan?
Trang 2-Trả lời tham khảo: Để trả lời câu này sao cho ngầu các em cầm một viên phấn chia đôi
bảng để so sánh và viết nhau sau nhé, cứ ghi theo anh Đăng KT, không sai đâu hehehe =))
Định
nghĩa
Hàm số hồi quy bao gồm các hệ số hồi quy nhằm phản ánh mức độ tác động đồng thời cũng như thể hiện chiều tác động của biến độc lập tới biến phụ thuộc
Tương quan tuyến tính giữa 2 biến là mối tương quan khi biểu diễn trên mặt phẳng Oxy, các điểm có xu hướng tạo thành một đường thẳng
Mục đích
TÌm ra một phương trình, mà khi biểu thị chúng ta có một đường thẳng phù hợp nhất và ước tính được biến phụ thuộc Y thông qua sự thay đổi của biến độc lập X
Tìm ra một con số biểu thị mối quan
hệ mạnh yếu giữa hai biến số A và B
Vai trò
biến
Có sự phân biệt giữa biến độc lập và biến phụ thuộc Hồi quy chỉ quan tâm tới tác động của biến độc lập lên biến phụ thuộc
Không phân biệt biến độc lập hay biến phụ thuộc
Số lượng
biến
Xem xét sự tác động của một hay nhiều biến độc lên một biến phụ thuộc
Xem xét mối quan hệ giữa từng cặp biến với nhau (2 biến với nhau)
Mỗi quan
hệ
Là mối quan hệ một chiều từ biến độc lập X đến biến phụ thuộc Y Hệ
số hồi quy của X lên Y khác Y lên
X
Là mối quan hệ hai chiều giữa cặp biến A và B, hệ số tương quan của A tới B bằng với hệ số tương quan của
B tới A
Trang 3Câu 5: Tại sao chạy Conbach’s Alpha?
-Trả lời tham khảo: (Khỏi GG search) Hiểu đơn giản thì hệ số Cronbach’s Alpha là
chỉ số đo lường tính nhất quán nội bộ trong cùng 1 nhân tố Như vậy, nếu trong một nhóm nhân tố mà các biến quan sát có sự tương quan chặt chẽ với nhau thì hệ số Cronbach’s Alpha sẽ càng cao Tuy nhiên, nếu hệ số này vượt quá 0,95 thì có khả năng xuất hiện biến quan sát thừa ở trong thang đo Biến quan sát thừa là biến đo lường nó hầu như trùng với biến đo lường khác, tương tự như trường hợp đa cộng tuyến trong hồi quy, khi đó biến thừa nên được loại bỏ
Câu 6: Hiện tượng đa cộng tuyến là gì?
Trả lời tham khảo:
- Vấn đề đa cộng tuyến xảy ra khi các biến (nhân tố) độc lập có tương quan tuyến tính khá mạnh với nhau Nói cách khác hiện tượng đa cộng tuyến xảy ra khi có mối tương quan tuyến tính hiện hữu giữa các biến độc lập trong mô hình
Hậu quả của hiện tượng đa cộng tuyến:
- Hạn chế giá trị của R bình phương (Thường sẽ làm giá trị R bình phương tăng ảo)
- Làm sai lệch hoặc đổi dấu các hệ số hồi quy trong phương trình hồi quy
Câu 7: Ý nghĩa của phân tích nhân tố khám phá EFA?
Trả lời tham khảo:
EFA dùng để thu gọn, rút trích các biến quan sát có ý nghĩa hội tụ và phân biệt
- Hội tụ: Các biến quan sát cùng tải mạnh (hệ số tải Factor Loading) cho 1 nhân tố
sẽ gom về 1 nhân tố đó
- Phân biệt: Mỗi nhân tố sẽ có xu hướng tải khác nhau Nhóm biến quan sát tải cho nhân tố thứ nhất tách biệt với nhóm biến quan sát tải cho nhân tố thứ hai dẫn đến sự phân nhóm nhân tố thành từng cột trong ma trận xoay
Trang 4Câu 8: Hệ số Durbin-Watson trong hồi quy có ý nghĩa gì?
Trả lời tham khảo:
Hệ số Durbin Watson dùng để kiểm tra xem có hiện tương tự tương quan hay không trong phần dư của một phép phân tích hồi quy
Durbin Watson có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3); nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận; nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch
Câu 9: Hãy phân biệt R2 và R2 hiệu chỉnh?
Trả lời tham khảo:
- R2: Đây là một thước đo phản ánh mức độ giải thích của biến phụ thuộc của các biến độc lập trong mô hình hồi quy Đồng thời, hệ số này giải thích nhân tố phụ thuộc đó đạt bao nhiêu phần trăm trong quá trình nghiên cứu Hệ số R bình phương còn là hàm không giảm theo số biến độc lập được đưa vào mô hình, nên nếu càng đưa thêm biến độc lập vào mô hình thì R2 càng tăng Tuy nhiên, điều này cũng được chứng minh rằng không phải phương trình càng có nhiều biến thì càng tốt hơn
- R2 hiệu chỉnh: Cũng là chỉ số phản ánh mức độ giải thích của biến phụ thuộc của các biến độc lập trong mô hình hồi quy, tuy nhiên nó có chút khác biệt hơn R2 là không nhất thiết chỉ số này sẽ tăng lên nếu đưa thêm biến quan sát vào mô hình Chính vì vậy, R2 hiệu chỉnh phản ánh sát hơn mức độ phù hợp của mô hình hồi quy hơn
Chú ý: Hiện nay chưa có tiêu chuẩn chính xác cho R2 hiệu chỉnh nằm ở mức nào là đạt yêu cầu, đơn giản bởi vì chỉ số càng tiến về 0 thì mô hình càng không tốt và càng tiến
về 1 thì càng tốt Dù vậy việc chỉ số này đạt giá trị 1 là điều gần như không tưởng dù mô hình có tốt đến cỡ nào
Trang 5Câu 10: Tại sao chọn hệ số Beta mà không chọn hệ số B trong hồi quy?
Trả lời tham khảo:
* Hệ số B: Đối với phương trình dạng này, các hệ số hồi quy phản ánh sự thay đổi
của biến phụ thuộc khi một biến độc lập thay đổi và các biến độc lập còn lại được giữ nguyên
Giả sử, biến Y là biến Giá nhà tại Huế (triệu/m2), biến X1 là diện tích nhà (m2), X2 khoảng cách nhà đến trung tâm thành phố (km),…
Các biến độc lập diện tích nhà, khoảng cách tới trung tâm tp sẽ tác động đến giá nhà (X1, X2 tác động đến Y)
>> Nhận xét sẽ là:
- Trong điều kiện các biến khác không thay đổi, khi diện tích nhà (biến X1) thay đổi 1m2 thì giá nhà (Y) sẽ thay đổi thay đổi β1 (triệu/m2)
- Trong điều kiện các biến khác không thay đổi, khi khoảng cách từ nhà tới trung tâm thành phố (biến X2) thay đổi 1km thì giá nhà (Y) sẽ thay đổi thay đổi β2 (triệu/m2)
* Hệ số Beta: Đối với phương trình dạng này, các hệ số hồi quy phản ánh mức độ,
thứ tự ảnh hưởng của mình đến đến biến phụ thuộc Từ phương trình hồi quy chuẩn hóa, chúng ta sẽ biết được biến X nào ảnh hưởng mạnh hay yếu đến biến Y căn cứ vào hệ số hồi quy chuẩn hóa, hệ số càng lớn thì tầm quan trọng của biến đối với Y càng lớn
Giả sử, biến Y là biến Sự trung thành của nhân viên, X1 là biến Tiền lương khen thưởng, biến X2 là Môi trường làm việc, biến X3 là Mối quan hệ với lãnh đạo
>> Nhận xét sẽ là:
Ví dụ: Từ phương trình hồi quy chuẩn hóa ta thấy được rằng, Mối quan hệ với lãnh đạo là nhân tố có ảnh hưởng mạnh nhất tới Sự trung thành của nhân viên Nhân tố ảnh hưởng mạnh thứ 2 đến Sự trung thành của nhân viên là Tiền lương khen thưởng Nhân tố ảnh hưởng yếu nhất tới Sự trung thành của nhân viên là Môi trường làm việc