final-sketch of solution 2

SPSS

1

QUANTITATIVE METHODS Phân tích nhân tố và tối ưu tuyến tính

Gợi ý đáp án Bài tập 2

PHẦN 1 - FACTOR ANALYSIS

Trong khoảng thời gian cho phép, hơn nữa đây là bộ data thực tế nên anh/chị sẽ khó lòng đưa ra

được một kết quả tốt nhất và đảm bảo tất cả yêu cầu của một bài FA hoàn chỉnh Phần giải gợi ý

dưới đây chỉ là một trong nhiều kết quả (có thể, anh/chị sẽ có đáp án tốt hơn – đây là điều mong

đợi của tôi)

1.1 Thực hiện EFA như hướng dẫn, tôi chỉ đưa ra một số kết xuất quan tâm – anh /chị có thể đưa

vào đầy đủ nếu muốn

KMO và Bartlett’s test (lần đầu)

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy ,897

Bartlett's Test of Sphericity Approx Chi-Square 3263,799

Bảng phương sai trích (lần đầu)

Total Variance Explained

Fac-

tor

Initial Eigenvalues Extraction Sums of Squared

Loadings

Rotation Sums of Squared

Loadings Total % of

Variance

Cumulative

%

Total % of Variance

Cumulative

%

Total % of Variance

Cumulative

%

1 7,06 30,71 30,71 7,06 30,71 30,71 3,64 15,81 15,81

2

Ma trận nhân tố đã xoay (lần đầu)

Dựa vào Rotated component matrix, dễ dàng nhận ra có khá nhiều item vi phạm yêu cầu một bài FA đặc biệt là 1 item nằm ở nhiều factor khác nhau nhưng khoảng chênh lệch của factor loading không nằm trong khoảng an toàn (<0,3) A/chị hãy kiên nhẫn và loại bỏ từng item một chứ không nên loại bỏ đồng thời tất cả cùng một lúc vì bỏ đi 1 item thì chạy lại EFA, kết quả sẽ thay đổi

Ở đây sau nhiều lần thử, tôi quyết định loại bỏ C1/C10/C20/C13/C7 và cuối cùng là C14 Kết quả cuối cùng như sau

KMO và Bartlett’s test (lần cuối)

3

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy ,873

Bartlett's Test of Sphericity Approx Chi-Square 2316,515

Bảng phương sai trích (lần cuối)

Total Variance Explained

Fac-tor

Initial Eigenvalues Extraction Sums of Squared

Loadings

Rotation Sums of Squared

Loadings

Total % of

Variance

Cumulative %

Total % of Variance

Cumulative

%

Total % of Variance

Cumulative

%

1 5,53 32,55 32,55 5,53 32,55 32,55 2,78 16,38 16,38

Bảng ma trận đã xoay (lần cuối)

Rotated Component Matrix a

Component

c8 ,726

c9 ,721

c12 ,719

c11 ,712

c6 ,591

4

Extraction Method: Principal Component Analysis

Rotation Method: Varimax with Kaiser Normalization

a Rotation converged in 5 iterations

Chỉ số KMO đảm bảo, phương sai trích cũng cải thiện tương đối (57%) Factor loading tương đối lớn (>0,5 đảm bảo có ý nghĩa về mặt thực tiễn), mặc dù C23 vẫn chưa phải đảm bảo nhưng khoảng cách chênh lệch cũng không đến nỗi nghiêm trọng Tôi tạm hài lòng với kết quả này và tiến hành sắp xếp cách hiển thị lại cho rõ ràng (những factor loading nào lớn hơn 0,5 được thể hiện)

Rotated Component Matrix a

Component

c8 ,726

c9 ,721

c12 ,719

c11 ,712

c6 ,591

5

Extraction Method: Principal Component Analysis

Rotation Method: Varimax with Kaiser Normalization

a Rotation converged in 5 iterations

1.2 & 1.3 Kết quả cuối cùng có 4 nhân tố được rút ra

Nhân tố 1: C6;C8;C9;C11;C12

Nhân tố 2 : C15 ;C16 ;C17 ;C18 ;C19

Nhân tố 3 : C2 ;C3 ;C4 ;C5

Nhân tố 4 : C21 ;C22 ;C23

Tôi tạm thời đặt tên

Nhân tố 1 : Bao gồm nội dung liên quan đến sự cảm nhận đến chất lượng DV ngân hàng : Chất lượng dịch vụ (CLDV)

Nhân tố 2 : Bao gồm nội dung liên quan đến sự liên tưởng của khách hàng đến thương hiệu mà họ đang sử dụng : Hình ảnh thương hiệu (HATH)

Nhân tố 3 : Bao gồm nội dung liên quan đến sự nhận biết thương hiệu : Nhận biết thương hiệu (NBTH)

Nhân tố 4 : Sự trung thành (STT)

Bảng kết xuất do phần mềm tự tính toán (ở đây tôi đã thay đổi tên biến thay vì FAC1_1, FAC1_2, FAC1_3, FAC1_4, bây giờ sẽ là CLDV, HATH, NBTH, STT để anh/chị tiện theo dõi) Riêng biến GTTH được sử dụng cho câu 2

6

(Một vài gợi ý khác: Sau khi xác định bao gồm bao nhiêu factor, anh/chị nên sử dụng hệ số

Cronbach’s ampha để kiểm tra lại độ tin cậy của thang đo Mặc dù ngưỡng hệ số crobach’s ampha

>0,6 thì chúng ta đã tiến hành phân tích khám phá nhưng ngưỡng được xem là tốt nếu >=0,7, trong quá trình loại item trong thang đo anh/chị có một vài sự đánh đổi Anh/chị nên căn cứ vào hệ

số tương quan biến tổng trước khi quyết định có loại bỏ item đó ra khỏi thang đo không Trong phần này tôi không trình bày, nhưng anh/chị có thể dễ dàng làm thông qua mục Analysis/ Scale/ Reliability Analysis…)

Bây giờ tôi tính giá trị trung bình bằng tay cho các factor được rút ra (thông qua lệnh

transform/compute/sử dụng công thức trung bình mean)

Bảng dưới thể hiện điều đó sau khi tôi tạo 5 lần cho 5 biến (bao gồm cả cho biến phụ thuộc của câu 2) mà tôi quan tâm và đặt chữ NT_tên biến (để phân biệt với cách máy tự tính toán) Kết quả như sau

7

2 Kết xuất phần này cho thấy kết quả tương đối tốt với những chỉ tiêu KMO, Phương sai trích,

factor loading

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy ,723

Bartlett's Test of Sphericity Approx Chi-Square 482,156

Total Variance Explained

Compo

nent

Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative %

Extraction Method: Principal Component Analysis

8

Component Matrix a

Component

1

c25 ,875

c26 ,867

c24 ,855

Bây giờ tôi an tâm để chạy hàm hồi qui

GTTH = α 0 + α 1 CLDV + α 2 HATH + α 3 NBTH + α 4 STT + ε t

Theo cách máy tự lấy trọng số khi rút trích nhân tố

Model Summary b

Model R R Square

Adjusted R Square

Std Error of the Estimate Durbin-Watson

a Predictors: (Constant), STT, NBTH, HATH, CLDV

ANOVA b

a Predictors: (Constant), STT, NBTH, HATH, CLDV

b Dependent Variable: GTTH

Coefficients a

Model

Unstandardized Coefficients

Standardized Coefficients

a Dependent Variable: GTTH

9

Ước lượng mô hình hồi quy theo các biến được tính bằng phương pháp số trung bình

Model Summary b

Adjusted R Square

Std Error of the Estimate Durbin-Watson

a Predictors: (Constant), NT_STT, NT_NBTH, NT_CLDV, NT_HATH

b Dependent Variable: NT_GTTH

ANOVA b

a Predictors: (Constant), NT_STT, NT_NBTH, NT_CLDV, NT_HATH

b Dependent Variable: NT_GTTH

Coefficients a

Model

Unstandardized Coefficients

Standardized Coefficients

Collinearity Statistics

a Dependent Variable: NT_GTTH

Anh/chị lựa chọn mô hình nào ?

Tôi thì lựa chọn mô hình 1 (phần mềm tự tính toán)?

Phương trình được viết lại như sau

10

Các biến đều có ý nghĩa thống kê rất tốt, dấu đúng với kỳ vọng, Rsquared cũng tương đối hợp lý cho một bộ dữ liệu thực tế Chất lượng dịch vụ và Sự trung thành là 2 biến có ảnh hưởng lớn nhất đến thương hiệu tổng quát của ngân hàng

PHẦN 2 – LINEAR PROGRAMMING

Bài 1: Anh/chị tự vẽ tay, chỉ cần nắm một vài nguyên tắc sau thì anh/chị có thể dễ dàng vẽ được

Bước 1: Xác định vùng khả thi trước (Điều kiện khống chế)

Bước 2: Xác định điểm tối ưu (hàm mục tiêu)

Bài 2.1

S.t: 1,5*X1 + 2,0*X2 ≤ 1.000 Ràng buộc Router

3,0*X1 + 4,5*X2 ≤2.000 Ràng buộc Sander

2,5*X1 + 1,5*X2 ≤1.500 Ràng buộc Polisher

0,8*X1 - 0,*X2 ≥0 Ít nhất 20% là X1

0,7*X2 - 0,3*X2 ≥0 Ít nhất 30% là X2

Trong đó, X1: số lượng bàn cổ cần sản xuất; X2: số lượng bàn hiện đại cần sản xuất

b Mô hình bảng tính (Spreadsheet model)

11

Ô H5 và D2:D11: Anh/chị nên sử dụng công thức sumproduct trong Excel

c Phương án tối ưu (Optimal solution)

Trong phương án tối ưu: X1 = 405,7971; X2 = 173,913

Tổng doanh thu tối đa: 350*405,7971 + 450*173,913 = 220289,9

d Công ty không nên nhận thêm 50 đơn vị routing Nguồn lực Router còn thừa chưa sử dụng hết (shadow price = 0 nếu tăng đến vô hạn), do đó nếu nhận thêm 50 đơn vị routing cũng không làm thay giá trị hàm mục tiêu (Xem bảng Sensitivity Report)

e Công ty sẽ nhận thêm 50 đơn vị sanding, mức giá cao nhất có thể trả 110/unit Nguồn lực Sanding đã được sử dụng hết Nếu khoảng tăng trong khoảng cho phép từ 0 đến 90,9 đơn vị sanding thì giá trị của hàm mục tiêu tăng lên 110,144/đơn vị tăng thêm (Shadow price = 110,144)

Bảng Sensitivity Report

12

f S.t: 2,5*X1 + 1,5*X2 ≤1.500 (cũ) → 2,0*X1 + 1,5*X2 ≤1.500 (mới)

Phương án sản tối ưu vẫn không đổi, nguồn lực polishing vẫn thừa ngay cả khi nó là 2,5/sản phẩm (Anh/chị có thể sử dụng phương án vẽ đồ thị để xác nhận rằng phương án tối ưu vẫn không đổi hoặc giải lại bài toán với ràng buộc mới)

g Giá bàn hiện đại giao động trong khoảng 450+75 và giảm trong khoảng 450-1266 thì phương án tối ưu là không đổi Nếu điều kiện ít nhất 30% phải là bàn hiện đại (X2) không đổi thì

nhà sản xuất vẫn phải làm ra số lượng tối thiểu (173,9 cái) cho dù “cho không (P 2 =0) hay làm từ thiện (cộng chi phí làm từ thiện)…” Điều này không hợp lý trong lý thuyết kinh tế, nhà quản trị sẽ

ra quyết định phá bỏ điều kiện ràng buộc của X2 (at least:30%)

Bài 2.2

a Min: 55*X1 + 67*X2 + 85*Y1 + 95*Y2 Tối thiểu hoá chi phí

S.t: 0,2*X1 + 0,4*Y1 ≤ 10.000 Ràng buộc sản xuất

0,3*X1 + 0,5*Y1 ≤15.000 Ràng buộc lắp ráp

0,1*X1 + 0,1*Y1 ≤5.000 Ràng buộc đóng gói

X1 + X2 =30.000 Ràng buộc hợp đồng

Y1 + Y2 =15.000 Ràng buộc hợp đồng

Trong đó,

X1: số lượng máy điện tự sản xuất; Y1: số lượng máy xăng tự sản xuất

X2: số lượng máy điện mua ngoài; Y2: số lượng máy xăng mua ngoài

b Mô hình bảng tính (Spreadsheet model)

13

c Phương án tối ưu (Optimal solution)

Trong phương án tối ưu: X1 = 30.000; Y1 = 10.000; Y2 = 5.000

Tổng chi phí tối thiểu : 55*30.000 + 85*10.000 + 95*5.000 = 2.975.000

14

Từ câu d →h: xem bảng Sensitivity Report

d Mức chi phí tự sản xuất thấp để sẽ xét mua máy chạy điện là 63

e Giá Y1 (máy chạy xăng) là 90: phương án đầu vẫn tối ưu Do chi phí tự làm máy chạy xăng

nằm trong khoản từ (85-14=71) đến khoản (85+10=95) thì phương án sản xuất ban đầu vẫn tối ưu

f Không tăng thêm nguồn lực lắp ráp vì nguồn lực còn dư thừa

g Trả tối đa là 25/đơn vị tăng thêm (shadow price = - 25, nếu khoảng tăng từ 1-800 thì hàm chi phí sẽ giảm 25/đơn vị)

h Không đổi (500 tăng thêm chi phí giảm 25/đơn vị, 500 thiếu chi phí tăng 25/đơn vị; tính từ điều kiện khống chế 10.000 hrs thì khoảng tăng cho phép 800, khoảng giảm cho phép 4000 hrs, shadow price = -25)