Phần 1 tiền xử lý dữ liệu (data prepocessing) phát hiện và xử lý giá trị sai

Sử dụng Y_Single là biến phụ thuộc, các biến quan sát khác của biến tiềm ẩnY là biến độc lập.. Vẽ mô hình Hướng dẫn:  Vẽ mô hình đường dẫn để thực hiện phân tích “Redundancy” và đặt tên

(Final)

Thông tin chung

1 Họ và tên:

2 Mã dữ liệu:

Yêu cầu chung:

 Format: Theo trình tự hướng dẫn ở những phần tiếp theo Không tuân thủ

sẽ bị trừ 1 điểm

 Nộp trễ theo quy định: 0 điểm Không chấp nhận bất cứ lý do nào.

 Xóa tất cả các dòng được tô xám khi hoàn thiện bài

Hình thức đánh giá:

 Nộp bài báo cáo + Thi vấn đáp Bài báo cáo là điều kiện cần để học viên được dự thi vấn đáp

 Hoàn thành Phần 1, 2, và 3 + Thi vấn đáp đạt yêu cầu về mặt kỹ thuật: 6 điểm

 Hoàn thành Phần 1 và Phần 2 của bài viết + Thi vấn đáp đạt yêu cầu về mặt kỹ thuật + Trả lời tốt các câu hỏi kiến thức phân tích mô hình PLS -SEM: tối đa 9 điểm

 Hoàn thành Phần 1, Phần 2 + Phần 4 của bài viết + Thi vấn đáp đạt yêu cầu về mặt kỹ thuật + kiến thức: tối đa 10 điểm

Phần 1 Tiền xử lý dữ liệu (Data prepocessing)

1.1 Phát hiện và xử lý giá trị sai

Hướng dẫn: Sử dụng filter của Excel để phát hiện

Sau đó liệt kê các giá trị bị sai theo mẫu sau:

…

1.2 Phát hiện và xử lý missing value

Bước 1 Phát hiện

Hướng dẫn: Sử dụng Filter trong excel

Sau đó liệt kê các giá trị bị missing theo mẫu sau:

…

Bước 2 Xử lý

Hướng dẫn:

+ Biến định lượng: Thay bằng Mean hoặc Median

+ Biến định tính: Thay bằng Mode

(Xử lý cả các giá trị vô lý đã biến thành missing value ở Mục 1.1)

1.3 Nhập liệu và quản lý biến số trong SPSS

 Biến định tính: Tên biến, loại dữ liệu, nhãn của biến số, nhãn của giá trị,

cấp độ đo lường

 Biến định lượng: Tên biến, loại dữ liệu, nhãn của biến số (nếu cần

thiết), cấp độ đo lường

(Không báo cáo ở đây)

Phần 2 Thống kê mô tả

(Description)

2.1 Thống kê mô tả biến định tính

Thực hiện theo mẫu:

Position_tidy

Frequency Percent Valid Percent

Cumulative Percent

Quản lý cấp cơ sở 22 22.0 22.0 64.0

Quản lý cấp trung 16 16.0 16.0 80.0

Quản lý cấp cao 20 20.0 20.0 100.0

2.2 Thống kê mô tả biến định lượng

Thống kê mô tả các biến quan sát thuộc biến trung gian và biến phụ thuộc Thực hiện theo mẫu:

Descriptive Statistics

N Minimum Maximum Mean Std Deviation M1 455 0 4.0 2.800 7579

M2 455 1.0 4.0 3.018 7710

M3 455 1.0 4.0 2.752 7697

M4 455 1.0 30.0 2.941 1.4703

M5 455 1.0 4.0 3.022 6958

Y1 455 1.0 6.0 3.371 1.6793

Y2 455 1.0 6.0 3.400 1.7149

Y3 455 1.0 6.0 3.499 1.7191

Y4 455 1.0 6.0 3.521 1.6417

Valid N (listwise) 455

2.3 Phân tích biến định lượng theo biến định tính

Phân tích tập biến phụ thuộc theo biến định tính Thực hiện theo mẫu:

Mean Mean Mean Mean

2.4 Phân tích ma trận tương quan

Phân tích tập biến trung gian và biến phụ thuộc Thực hiện theo mẫu:

Correlations

M1 Pearson Correlation 1 556 ** 451 ** 227 ** -.011 036 -.025

M2 Pearson Correlation 556 ** 1 508 ** 226 ** -.049 051 -.017

M3 Pearson Correlation 451 ** 508 ** 1 283 ** -.020 -.018 -.063

M4 Pearson Correlation 227 ** 226 ** 283 ** 1 029 -.035 -.082

Y1 Pearson Correlation -.011 -.049 -.020 029 1 -.031 -.010

Y2 Pearson Correlation 036 051 -.018 -.035 -.031 1 041

Y3 Pearson Correlation -.025 -.017 -.063 -.082 -.010 041 1

Sig (2-tailed) 600 724 182 079 829 380

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

2.5 Phân tích hồi quy đa biến

Sử dụng Y_Single là biến phụ thuộc, các biến quan sát khác của biến tiềm ẩn

Y là biến độc lập Thực hiện theo mẫu

Model Summary

Model R R Square

Adjusted R Square

Std Error of the Estimate

1 723 a 523 519 1.1651

a Predictors: (Constant), Y4, Y2, Y1, Y3

Model Sum of Squares df Mean Square F Sig.

1 Regression 670.044 4 167.511 123.393 000 b

Residual 610.892 450 1.358

Total 1280.936 454

a Dependent Variable: Y_Single

b Predictors: (Constant), Y4, Y2, Y1, Y3

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std Error Beta

Y1 -.066 033 -.066 -2.039 042

Y2 502 032 512 15.708 000

Y3 401 032 411 12.601 000

Y4 253 033 247 7.590 000

a Dependent Variable: Y_Single

Phần 3 Phân tích mô hình PLS - SEM

3.1 Tạo dự án phân tích, nhập liệu, xây dựng mô hình đường dẫn đầu tiên Hướng dẫn:

 Mô hình đường dẫn đầu tiên được đặt tên là Origin

 Tên các biến tiềm ẩn tương ứng với các nhóm biến quan sát (Ví dụ X1.1, X1.2, X1.3, … X1.5 đo lường cho X1)

 Biến phụ thuộc Y luôn có mô hình đo lường là Formative Các biến tiềm

ẩn khác có mô hình đo lường là Reflective

 Các biến tiềm ẩn Xi đều thuộc về biến độc lập và không có mối liên hệ với nhau Biến M luôn là biến trung gian Y là biến phụ thuộc Các biến Xi

không tác động tới nhau.

 Các biến Xi sẽ tác động tới M và Y M tác động tới Y

Ví dụ:

3.2 Phân tích mô hình đo lường cấu tạo

3.2.1 Phân tích mức độ chính xác về sự hội tụ

(i) Vẽ mô hình

Hướng dẫn:

 Vẽ mô hình đường dẫn để thực hiện phân tích “Redundancy” và đặt tên là

Redundancy.

 Biến phụ thuộc đặt tên là Y_S Biến độc lập đặt tên là Y_F

 Y_S được đo lường bởi Y_Single Y_F được đo lường bởi các biến quan sát Y còn lại

Ví dụ:

(ii) Phân tích mức độ chính xác về sự hội tụ

Hướng dẫn: Thực hiện ước lượng và báo cáo kết quả như sau:

3.2.2 Phân tích mức ý nghĩa thống kê của từng chỉ báo trong mô hình đo lường cấu tạo

Hướng dẫn: Thực hiện ược lượng bootstraping (mẫu bằng 5000) và báo cáo

kết quả sau:

Ghi chú:

+ Nếu biến số nào không có ý nghĩa thống kê thì phải thực hiện lại phân tích phía trên sau đó vẽ lại mô hình đường dẫn và đặt tên là Mod_1.

+ Trong trường hợp loại chỉ báo ra nhưng R2 không đạt khi phân tích

“Redundant analysis” thì vẫn chấp nhận cho sử dụng nhóm chỉ báo đó cho các phân tích tiếp theo

3.2.3 Phân tích mức độ đa cộng tuyến giữa các chỉ báo

Hướng dẫn: Sử dụng kết quả Outer Vif của mô hình đo lường cấu tạo và

báo cáo kết quả như sau:

3.3 Phân tích mô hình đo kết quả

3.3.1 Phân tích mức độ tin cậy của mô hình đo lường

(i) Phân tích mức độ tin cậy của từng chỉ báo

Hướng dẫn: Trình bày như sau:

Ghi chú: Học viên cần xử lý các factor loading thấp để cải thiện chất lượng

mô hình Việc cải thiện tốt sẽ được cộng điểm Sau khi loại bỏ các biến số có factor loading thấp, cần phải vẽ lại mô hình đường dẫn và đặt tên là Mod_3

Sử dụng Mod_3 để thực hiện các phân tích tiếp theo

(ii) Phân tích mức độ tin cậy nhất quán nội bộ

Hướng dẫn: Sử dụng chỉ báo CR Trình bày như sau:

3.3.2 Phân tích mức độ chính xác về sự hội tụ

Hướng dẫn: Sử dụng chỉ báo AVE Trình bày như sau:

3.3.3 Phân tích mức độ chính xác về sự phân biệt

(i) Phân tích hệ số tải chéo

Hướng dẫn: Trình bày hệ số tải chéo ở lần phân tích đầu tiên và lần phân

tích cuối cùng (sau khi đã loại ra những chỉ báo không đạt yêu cầu) Bảng này phải được thực hiện trên excel Ví dụ:

Thực hiện lần đầu:

M4 0.809 -0.085 -0.746 -0.274 0.092

Thực hiện lần cuối:

(ii) Phân tích HTMT

Hướng dẫn: Trình bày như sau:

Đánh giá mức ý nghĩa thống kê của hệ số HTMT

Hướng dẫn: Sử dụng kiểm định bootstrap và trình bày kết quả như sau:

3.4 Phân tích mô hình cấu trúc (Inner model)

3.4.1 Phân tích hệ số VIF

Trình bày như sau:

3.4.2 Phân tích hệ số R 2

Hướng dẫn: Trình bày như sau:

3.4.3 Phân tích hệ số f 2

Trình bày như sau:

3.4.4 Phân tích hệ số đường dẫn

(i) Kết quả ước lượng

Hướng dẫn: Ước lượng Bootstraping (5000 mẫu) sau đó trình bày những kết quả sau đây

(i) Tác động trực tiếp:

(ii) Tác động gián tiếp

(iii) Tổng mức tác động

Trình bày theo trình tự như hướng dẫn tại Mục 6.10, trang 311, giáo trình “Phân tích dữ liệu: Áp dụng mô hình PLS - SEM”