TẬP HUẤN PHƯƠNG PHÁP NGHIÊN CỨU (THỰC TẬP NGHỀ NGHIỆP)

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊKiểm định mối liên hệ giữa 2 biến • Kiểm định Chi bình phương Dùng để kiểm định mối liên hệ giữa hai biến định tính 2 biến định danh hoặc giữa biến định danh

TẬP HUẤN

PHƯƠNG PHÁP NGHIÊN CỨU

(THỰC TẬP NGHỀ NGHIỆP KHÓA 43)

PHÂN TÍCH DỮ LIỆU

• Phân tích thống kê mô tả

• Kiểm định giả thuyết thống kê

• Phân tích tương quan và hồi quy

• Phân tích nhân tố

PHÂN TÍCH THỐNG KÊ MÔ TẢ

Các phương pháp cơ bản để tiến hành phân tích thống kê mô tả cho các biến:

- Bảng tần số

- Các đại lượng thống kê mô tả

- Bảng kết hợp nhiều biến

- Biểu đồ, đồ thị

PHÂN TÍCH THỐNG KÊ MÔ TẢ

•Bảng tần số (cho cả biến định tính và định lượng)

Thực hiện trên SPSS:

Analyze => Descriptive Statistics => Frequencies

Từ danh sách các biến, chọn biến cần phân

tích và chuyển vào hộp Variable(s) bằng cách

nhấp chuột lên phím mũi tên

PHÂN TÍCH THỐNG KÊ MÔ TẢ

• Các đại lượng thống kê mô tả (cho biến định lượng )

- Các đại lượng đo lường mức độ tập trung: trung

bình (mean), trung vị (median), số mode, tứ phân

vị (quartiles)…

- Các đại lượng đo lường mức độ phân tán:

khoảng biến thiên (range), phương sai (variance),

độ lệch chuẩn (standard deviation)…

- Các đại lượng mô tả phân phối: hệ số Skewness

và hệ số Kurtosis

PHÂN TÍCH THỐNG KÊ MÔ TẢ

• Các đại lượng thống kê mô tả (cho biến định lượng)

Thực hiện:

Analyze => Descriptive Statistics => Descriptives

- Chọn biến định lượng cần phân tích vào khung Variable(s)

- Mở hộp thoại Options, chọn các đại lượng thống

kê cần tính toán để mô tả cho phân phối của biến định lượng đó

PHÂN TÍCH THỐNG KÊ MÔ TẢ

• Các đại lượng thống kê mô tả (cho biến định lượng )

Lập bảng tần số kết hợp tính toán các đại lượng thống kê mô tả cho biến định lượng

Analyze => Descriptive Statistics => Frequencies

- Chọn biến định lượng vào khung Variable(s)

- Mở hộp thoại Statistics để lựa chọn các đại

lượng thống kê mô tả cho biến định lượng đó

PHÂN TÍCH THỐNG KÊ MÔ TẢ

• Bảng kết hợp nhiều biến

- Bảng kết hợp giữa các biến định tính

Analyze => Descriptive Statistics => Crosstabs

Analyze => Tables => Custom Tables

Row(s) : ô chứa biến dòng khi truy xuất

bảng dữ liệu

Column(s): ô chứa biến cột khi truy xuất

bảng dữ liệu

PHÂN TÍCH THỐNG KÊ MÔ TẢ

• Bảng kết hợp nhiều biến

- Bảng kết hợp giữa biến định lượng và biến định tính

Analyze => Tables => Custom Tables

- Chọn biến định lượng vào ô Rows

- Chọn biến định tính vào ô Columns

- Chọn hộp thoại Summary Statistics để tính toán

các giá trị thống kê Row%, Col%

- Chọn hộp thoại Catagories and Total để thể hiện

giá trị Tổng

PHÂN TÍCH THỐNG KÊ MÔ TẢ

• Biểu đồ, đồ thị:

Các loại đồ thì cơ bản:

- Biểu đồ thanh (Bar Chart): được sử dụng biểu

diễn dữ liệu dưới dạng tần số hay tần suất %

- Biểu đồ hình tròn (Pie Chart): sử dụng biểu diễn

dữ liệu định tính dạng tần số hay tần suất % khi có

ít nhóm

- Biểu đồ đường gấp khúc (Line Chart) và diện tích (Area Chart): áp dụng tốt cho dữ liệu định lượng

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

• Bước 5: Tính toán các giá trị của các tham số thống kê trong việc kiểm định dựa trên số liệu của mẫu ngẫu nhiên

• Bước 6: Ra quyết định: Nếu các giá trị tính toán rơi vào miền bác bỏ giả thuyết H 0 thì ra quyết định bác bỏ, ngược lại sẽ chấp nhận giả thuyết H 0

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Với SPSS, ta dùng giá trị Sig để ra quyết định

• Giá trị Sig là xác suất phạm sai lầm loại I, như vậy nó có cùng ý nghĩa với mức ý nghĩa α

• Nếu giá trị Sig nhỏ hơn mức ý nghĩa α, giả

thuyết H0 bị bác bỏ, chấp nhận giả thuyết H1

• Nếu giá trị Sig lớn hơn mức ý nghĩa α, không đủ bằng chứng thống kê để bác bỏ giả thuyết H0

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Kiểm định mối liên hệ giữa 2 biến

• Kiểm định Chi bình phương

Dùng để kiểm định mối liên hệ giữa hai biến định tính (2 biến định danh hoặc giữa biến định danh – biến thứ tự) trong tổng thể

Cho biết có tồn tại mối liên hệ giữa hai biến hay không

Giả thuyết H 0 : hai biến độc lập với nhau

Giả thuyết H 1 : hai biến có liên hệ với nhau Đọc kết quả:

- Sig ≤ α: bác bỏ giả thuyết H 0

- Sig > α: không bác bỏ giả thuyết H 0

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Kiểm định mối liên hệ giữa 2 biến

• Kiểm định Chi bình phương

- Kiểm định Chi bình phương chỉ có ý nghĩa khi số quan sát

đủ lớn (tỷ lệ các ô chéo trong bảng có tần số <5 phải

nhỏ hơn 20%)

- Kiểm định này không cho biết độ mạnh của mối liên hệ

giữa hai biến mà phải sử dụng các đại lượng Cramer V,

hệ số liên hợp (Coefficient of contigency)…

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Kiểm định mối liên hệ giữa 2 biến

• Sử dụng các đại lượng Gamma, tau – b của Kendall, d của Somer …

Dùng để kiểm định mối liên hệ giữa hai biến thứ bậc trong tổng thể

Giả thuyết H 0 : hai biến không có mối liên hệ (các giá trị này đều bằng 0)

Giả thuyết H 1 : hai biến có mối liên hệ (các giá trị này khác 0)

Đọc kết quả:

- Sig ≤ α: bác bỏ giả thuyết H 0

- Sig > α: không bác bỏ giả thuyết H 0

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Kiểm định mối liên hệ giữa 2 biến

• Sử dụng các đại lượng Gamma, tau – b của

Kendall, d của Somer …

Cách thực hiện:

- Lập bảng chéo (Crosstabs) để tìm hiểu mối quan

hệ giữa hai biến

- Chọn Statistics, đánh dấu chọn Gamma,

Somers’ d, Kendall’s tau – b (nếu bảng cân đối,

số hàng bằng số cột); Kendall’s tau – c (nếu

bảng không cân đối)

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

• Kiểm định giá trị trung bình tổng thể

- Nếu muốn so sánh giá trị trung bình tổng thể với một giá trị

cụ thể nào đó => Kiểm định giả thuyết về trung bình của tổng thể ONE – SAMPLE T - TEST

- Nếu muốn so sánh hai giá trị trung bình của hai tổng thể

riêng biệt => Kiểm định giả thuyết về sự bằng nhau giữa hai trung bình tổng thể, mẫu độc lập INDEPENDENT –

SAMPLES T – TEST

- Nếu muốn so sánh hai giá trị trung bình của hai tổng thể

phụ thuộc lẫn nhau => Kiểm định giả thuyết về sự bằng nhau giữa hai trung bình tổng thể, mẫu phụ thuộc PAIRED – SAMPLES T – TEST

- Nếu muốn so sánh giá trị trung bình giữa ba nhóm tổng thể riêng biệt trở lên => Kiểm định giả thuyết về sự bằng nhau giữa trung bình 3 tổng thể trở lên ONE – WAY ANOVA

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

One – Sample T – test

So sánh giá trị trung bình của một tổng thể với một giá trị cụ thể nào đó, sử dụng

kiểm định One – sample T – test

Điều kiện áp dụng:

- Mẫu được chọn phải ngẫu nhiên

- Mẫu phải có phân phối chuẩn hoặc xấp xỉ chuẩn

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

One – Sample T – test

- Chọn biến đưa vào khung Test variable

- Khai báo giá trị Test Value

Đọc kết quả:

- Sig ≤ α: bác bỏ giả thuyết H 0

- Sig > α: không bác bỏ giả thuyết H 0

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Independent – samples T – test

So sánh hai trung bình của hai tổng thể dựa trên hai mẫu độc lập, sử dụng kiểm định Independent – samples T – test

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Independent – samples T – test

Giả thuyết

H 0 : μ 1 = μ 2

H 1 : μ 1 ≠ μ 2

Cách thực hiện:

- Trên thanh Menu, chọn Analyze/Compare

Means/Independent – samples T – test

- Chọn biến định lượng đưa vào khung Test Variable

- Chọn biến định tính (chia số quan sát thành 2 nhóm mẫu độc lập) đưa vào khung Grouping Variable

- Chọn Define Groups để khai báo hai nhóm cần so sánh với nhau

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Independent – samples T – test

Dựa vào kết quả kiểm định sự bằng nhau của hai phương sai (Levene’s test) với giả thuyết

H0: Phương sai của hai tổng thể là như nhau

H1: Phương sai của hai tổng thể là khác nhau

• Nếu giá trị sig ≤ α => bác bỏ giả thuyết H0, do

đó sử dụng kết quả kiểm định t ở cột Equal

variances not assumed

• Nếu giá trị sig > α => không bác bỏ giả thuyết

H0, do đó sử dụng kết quả kiểm định t ở cột

Equal variances assumed

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Paired – samples T – test

So sánh hai giá trị trung bình của hai tổng thể dựa trên hai mẫu phụ thuộc hay mẫu phối hợp từng cặp, sử dụng Paired – samples T – test

Điều kiện áp dụng:

- Kích thước 2 mẫu bằng nhau

- Chênh lệch giữa các giá trị của 2 mẫu phải có

phân phối chuẩn hoặc kích thước mẫu đủ lớn để xem như có phân phối chuẩn

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Paired – samples T – test

- Chọn 2 biến chứa các giá trị của 2 mẫu quan sát đưa

vào khung Paired Variables để so sánh

Đọc kết quả:

- Sig ≤ α: bác bỏ giả thuyết H 0

- Sig > α: không bác bỏ giả thuyết H 0

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

One – way ANOVA

Nếu muốn so sánh giá trị trung bình của

các nhóm khác nhau

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

One – way ANOVA

Điều kiện áp dụng:

- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên

- Các nhóm so sánh phải có phân phối

chuẩn hoặc cỡ mẫu đủ lớn để được xem như là phân phối chuẩn

- Phương sai của các nhóm so sánh đồng nhất (đều nhau)

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

One – way ANOVA

- Chọn biến định lượng đưa vào khung Dependent List

- Chọn biến phân loại xác định các nhóm cần so sánh đưa vào khung Factor

- Chọn Options: đánh dấu vào Descriptive và Homogeneity – of – variance

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

One – way ANOVA

- Nhấp chọn nút Post Hoc để mở hộp thoại này

- Trong hộp thoại này, có rất nhiều phương pháp kiểm định thống kê để so sánh các giá trị trung bình giữa các nhóm

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

TƯƠNG QUAN TUYẾN TÍNH

• Là mối liên hệ thuận chiều hoặc nghịch

chiều giữa 2 biến định lượng phân tích

• Sử dụng hệ số tương quan đơn r

(Pearson Correlation Coefficient) hoặc hệ

số tương quan hạng (Rank Correlation

Coefficient) để kiểm tra mối quan hệ tuyến

tính

TƯƠNG QUAN TUYẾN TÍNH

• Cách thực hiện:

- Analyze => Correlate => Bivariate

- Chọn 2 biến cần phân tích vào khung Variables

- Chọn hệ số kiểm định tính toán

+ Pearson: phù hợp với dữ liệu được thu thập dưới dạng thang đo định lượng, thỏa điều kiện đối với phân phối chuẩn

+ Kendall’s tau – b và Spearman: không thỏa điều kiện đối với phân phối chuẩn

- Đọc kết quả: dựa vào giá trị Sig

HỒI QUY TUYẾN TÍNH

Phân tích hồi quy là phân tích thống kê nhằm xác định ảnh hưởng của các biến độc lập đến các

biến phụ thuộc

Hồi quy tuyến tính là mô hình biểu diễn mối quan

hệ nhân quả giữa một biến được gọi là biến phụ

thuộc (hay biến được giải thích) và một hay

nhiều biến độc lập (hay biến giải thích), giúp nhà

nghiên cứu đưa ra dự báo mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

Mô hình xây dựng từ dữ liệu mẫu có dạng

Y = B0 + B1*X Trong đó, X: biến độc lập

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

• Cách xây dựng mô hình trên SPSS:

- Analyze => Regression => Linear

- Chọn biến phụ thuộc, đưa vào ô

Dependent

- Chọn biến độc lập, đưa vào ô Independents

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

• Các giả định đối với phân tích hồi quy

tuyến tính đơn biến

- Liên hệ tuyến tính

- Phương sai của sai số không đổi

- Phân phối chuẩn của phần dư

- Tính độc lập của sai số (không có tương quan giữa các phần dư)

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

• Đánh giá độ phù hợp của mô hình

Để biết mô hình hồi quy tuyến tính đã xây dựng trên dữ liệu mẫu phù hợp đến mức độ nào với dữ liệu: sử dụng hệ số xác định R bình phương

- Hệ số này càng gần với 1 thì mô hình càng phù hợp, càng gần với 0 thì mô hình kém phù hợp với tập dữ liệu mẫu

- Hệ số xác định còn đo lường mối tương quan giữa X và Y

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

• Kiểm định giả thuyết

- Kiểm định độ phù hợp của mô hình hồi quy tổng thể, sử dụng đại lượng F từ bảng

phân tích phương sai ANOVA

+ Giả thuyết H0: hệ số R2 của tổng thể là 0 + Đọc kết quả: nếu Sig < α : bác bỏ giả

thuyết H0 và kết luận mô hình hồi quy

tuyến tính xây dựng phù hợp với tổng thể

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

• Kiểm định giả thuyết

- Kiểm định ý nghĩa của hệ số hồi quy

+ Độ dốc của mô hình tổng thể β1 = 0

+ Cách đọc kết quả: sử dụng giá trị Sig để kết

luận

+ Nếu Sig < α: bác bỏ giả thuyết H0, kết luận

giữa hai biến trong tổng thể có liên hệ tuyến tính+ Nếu Sig > α: chưa đủ bằng chứng thống kê

để bác bỏ giả thuyết H0

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

• Dò tìm sự vi phạm các giả định

1 Giả định về liên hệ tuyến tính

- Chọn hộp thoại Saves trong Linear Regression

để sao lưu giá trị phần dư chuẩn hóa

(standardized residual value) và giá trị dự đoán

chuẩn hóa (standardized predicted value)

- Vẽ biểu đồ phân tán (scatter) với giá trị phần dư

chuẩn hóa trên trục tung và giá trị dự đoán

chuẩn hóa trên trục hoành

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

• Dò tìm sự vi phạm các giả định

2 Giả định phương sai của sai số không đổi

- Sao lưu giá trị phần dư chưa chuẩn hóa trong hộp thoại

Saves

- Lấy giá trị tuyệt đối của phần dư bằng lệnh Transform =>

Compute

- Tiến hành kiểm định tương quan hạng Spearman với

biến độc lập và phần dư chưa chuẩn hóa

Với giả thuyết H 0 : hệ số tương quan hạng của tổng thể là 0 Nếu kết quả kiểm định không đủ bằng chứng để bác bỏ H 0

thì có thể kết luận phương sai của sai số là không đổi

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

• Dò tìm sự vi phạm các giả định

3 Giả định về phân phối chuẩn của phần dư

- Sao lưu giá trị phần dư chuẩn hóa trong

hộp thoại Saves

- Vẽ biểu đồ tần số Histogram; hoặc biểu đồ

Q – Q plot; hoặc kiểm định K – S 1 mẫu

nhằm kiểm tra phân phối chuẩn của phần dư

HỒI QUY TUYẾN TÍNH ĐƠN BIẾN

• Dò tìm sự vi phạm các giả định

4 Giả định về tính độc lập của sai số (không có tương quan giữa các phần dư)

- Tính đại lượng thống kê Durbin – Watson (d)

trong hộp thoại Statistics

- Dựa vào giá trị d tính toán để đưa ra quyết định

HỒI QUY TUYẾN TÍNH ĐA BIẾN

Mô hình xây dựng từ dữ liệu mẫu có dạng

Y = B0 + B1*X1 + B2*X2 + … + Bk*Xk

Trong đó, X1, X2 … Xk: biến độc lập

Y: biến phụ thuộc

B0, B1, B2 … Bk: hệ số hồi quy

HỒI QUY TUYẾN TÍNH ĐA BIẾN

• Các giả định đối với phân tích hồi quy tuyến tính

đa biến

- Liên hệ tuyến tính

- Phương sai của sai số không đổi

- Phân phối chuẩn của phần dư

- Tính độc lập của sai số (không có tương quan giữa các phần dư)

- Không có mối tương quan giữa các biến độc lập (không xảy ra hiện tượng đa cộng tuyến)

HỒI QUY TUYẾN TÍNH ĐA BIẾN

• Quá trình thực hiện:

- Xem xét ma trận hệ số tương quan

- Đánh giá độ phù hợp của mô hình

- Kiểm định giả thuyết về mức độ phù hợp của mô hình

- Kiểm định giả thuyết về từng hệ số hồi quy riêng phần (βk)

PHÂN TÍCH NHÂN TỐ

Phân tích nhân tố là phương pháp phân tích

đa biến phụ thuộc lẫn nhau vì các biến

được đưa vào phân tích không có biến

độc lập và biến phụ thuộc

Phân tích nhân tố được sử dụng nhằm rút gọn số lượng các biến trong phân tích,

đồng thời giúp nhà nghiên cứu gộp các

biến có mối liên hệ thành các thành phần chung

PHÂN TÍCH NHÂN TỐ

• Cách thực hiện với SPSS

Factor

phân tích nhân tố đưa vào khung

Variable(s)

chọn các đại lượng thống kê mô tả cơ bản

PHÂN TÍCH NHÂN TỐ

Tùy chọn hiển thị các thống

kê mô tả của các biến sử dụng để phân tích nhân tố Tùy chọn giúp ta biết được lượng biến thiên của một biến được giải thích chung với các biến khác

Trình bày ma trận hệ số tương quan giữa các biến đưa vào phân tích

Mức ý nghĩa của các hệ số tương

quan

Định thức của ma trận tương quan

Ma trận nghịch đảo của

ma trận tương quan

Đại lượng KMO: xem xét sự thích hợp của

phân tích nhân tố Kiểm định Bartlett: với giả thuyết các biến không có tương quan trong tổng thể

PHÂN TÍCH NHÂN TỐ

• Cách thực hiện với SPSS

PHÂN TÍCH NHÂN TỐ

Phương pháp rút trích nhân tố

Principal components: rút gọn dữ liệu, giảm cộng

tuyến giữa các nhân tố trong việc phân tích hồi quy bội tiếp theo

Principal axis factoring: khám phá cấu trúc thang

đo, sử dụng tiếp tục với CFA hoặc SEM

Ma trận tương quan

Ma trận hiệp phương sai

Hiển thị phương án nhân tố

chưa xoay Hiển thị biểu đồ dốc của các factor theo Eigenvalue