bài tập cá nhân xử lý dữ liệu bằng phần mềm spss

Chi-Square 2613.931 Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Extraction Method: Principal

Trang 1

BÀI LÀM MÔN PHUONG PHAP NGHIEN CUU 2

I Kiểm tra data dữ liệu và cách khắc phục:

Trang 2

MP21 MP22 MP23 MP24

MP26 MP25

MP

OC1

P

P1 P2 P3 P4 P5 P6

Trang 3

Câu 1: Thực hiện phân tích khám phá (EFA)/phân tích nhân tố để tìm các biến mới/hoặc

giảm biến, cũng như tìm các yếu tố thành phần đo lướng biến này Sau đó tính giá trị của các biến mới (là trung bình của các yếu tố thành phần)?

a-Chạy EFA lần thứ nhất với biến Văn hoá tổ chức (OC)

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy .853

Bartlett's Test of Sphericity

Approx Chi-Square 2613.931

Total Variance Explained

Component Initial Eigenvalues Extraction Sums of Squared

Loadings

Rotation Sums of Squared

Loadings Total % of

Extraction Method: Principal Component Analysis

Rotated Component Matrix a

Trang 4

Ta nhận thấy chỉ số KMO= 0.853 và Sig =.000, điều này chứng tỏ kiểm định

KMO cho kết quả tốt, cho phép ta sử dụng tốt phương pháp EFA với biến này

Dựa vào bảng Total Variance Explained có 2 nhân tố được trích ra, chứng minh

là phù hợp về mặt số lượng so với giả thuyết ban đầu là có 2 biến tiềm ẩn OC1 và OC2 ( thang đo có giá trị phân biệt)

Nhìn vào bảng Rotated Component Matrix và với điều kiện hệ số tải lớn hơn 0.5

ta sẽ thấy được OC1 bây giờ được giải thích bởi 7 biến quan sát (gồm 5 cái ban đầu là: OC11, OC12, OC13, OC14, OC15 và 2 cái mới: OC25, OC26) còn OC2 được giải thích bởi 4 biến còn lại ( OC21, OC22, OC23, OC24)

Tuy nhiên trong bảng Total Variance Explained lại cho ta thấy Tổng phương

sai trích chỉ đạt 47.984% (Thấp hơn 50%) Vì thế, giá trị thang đo ban đầu của chúng ta không phù hợp

Do vậy, ta buộc phải chạy lại EFA với thao tác bỏ dần các biến Việc quyết định

bỏ biến nào, phụ thuộc vào việc biến đó có hệ số tải ở cả 2 nhân tố OC1 và OC2 gần

nhau nhất để thang đo của ta có giá trị phân biệt cao đối với 2 nhân tố OC1 và OC2

Việc loại bớt biến sẽ dừng lại khi Tổng phương sai trích lớn hơn 50%

Căn cứ vào bảng Rotated Component Matrix lần đầu, ta sẽ lần lượt bỏ các biến

theo thứ tự sau: OC11, OC13, OC21

+TH1: Bỏ OC11

Bartlett's Test of Sphericity Approx Chi-Square 2.254E3

Trang 5

Extraction Sums of Squared

Loadings Rotation Sums of Squared Loadings

Total

% of Variance

Cumulativ

e % Total

% of Variance

TH2: Tiếp tục bỏ biến OC13

% of Variance

Cumulative

% Total

% of Variance

Cumulative

%

1 3.118 34.644 34.644 3.118 34.644 34.644 2.785 30.947 30.947

Trang 6

+TH3: Tiếp tục bỏ biến OC21

Extraction Sums of Squared

Loadings Rotation Sums of Squared Loadings

Total

% of Variance Cumulative % Total

% of Variance

Cumulativ

e % Total

% of Variance Cumulative %

Trang 7

Component

OC14 .812

OC26 .800

OC25 .701

OC12 .666

OC15 .572

Extraction Method: Principal

Component Analysis

Rotation Method: Varimax with

Kaiser Normalization

a Rotation converged in 3

iterations

Đến đây, ta nhân thấy chỉ số KMO; Sig., Số lượng nhân tó được trích ra và tổng phương sai trích đều đã đạt được điều kiện của chúng Do vậy ta có thể kết luận thang đo biến OC đã có giá trị phân biệt và hội tụ Mô hình OC bây giờ như sau:

OC12

OC14

OC15

OC1

OC22

OC23

OC24

OC2

OC OC25

OC26

Trang 8

GIÁ TRỊ TRUNG BÌNH OC1=MEAN(OC12,OC14,OC15,OC25,OC26)= 0,7102

GIÁ TRỊ TRUNG BÌNH OC2=MEAN(OC22,OC23,OC24)= 0,652

b- Chạy EFA lần đầu cho biến PV

Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings

Trang 9

Extraction Method: Principal

VÌ: chỉ số KMO=0.743 (lớn hơn 0.5) và Sig.=.000 (nhỏ hơn 0.05), điều này cho phép

ta sử dụng phương pháp phân tích nhân tố EFA cho biến PV này

Số lượng nhân tố trích ra là 2 khác biệt so với giả thiết ban đầu là 1 (PV là khái

niêm đơn hướng) Tuy nhiên ta thấy trong bảng Rotated Component Matrix ta thấy giá trị

phân biệt của 2 nhân tố trích ra này là rõ ràng, cộng với việc ta chỉ có data mà không hề có

bảng câu hỏi và không thể kiểm tra thực tế nên tôi chấp nhân kết quả 2 nhân tố được trích

ra và PV là khái niệm đa hướng ( và được đặt tên là PVA, PVB)

Tổng phương sai trích ra là: 47.779 % (nhỏ hơn 50%), do đó ta phải tiếp tục thực hiện thao

tác bỏ bớt biến Việc biến nào bị loại dựa vào hệ số tải của nó là thấp nhất và tăng dần lên

Và ta sẽ ngừng việc này lại khi nào Tổng phương sai trích đạt yêu cầu

+ TH1: bỏ PV7

Trang 10

Rotated Component Matrix

Trang 11

Trang 12

Extraction Method: Principal Component

Analysis

Rotation Method: Varimax with Kaiser

Normalization

a Rotation converged in 4 iterations

 Ta nhận dễ dàng nhận thấy các chỉ số như KMO, Sig , Tổng phương sai trích

đều vượt tiêu chuẩn Tuy nhiên số lượng nhân tố trích ra là 3 lại cao hơn so

với lý thuyết ban đầu (2 nhân tố là MP1, MP2) và cũng theo kết quả của Bảng

Rotated Component Matrix ta thấy nhân tố 2 và 3 chỉ được giải thích bới 2

biến và trong có biến MP13 cũng không thực sự rõ ràng giải thích cho nhân

tố nào Do đó, nếu giữ nguyên kết quả trên thì nó sẽ làm loãng các nhân tố

của ta Do đó, tôi quyết định bỏ bớt biến để nhóm nhân tố lại còn 2 nhân tố

theo đúng lý thuyết ban đầu Biến bị bỏ bớt là biến MP13 vì nó không làm rõ

giá trị phân biệt của thang đo Ta có kết quả:

Trang 13

 Ta thấy số lượng nhân tố đã đúng theo ban đầu, tuy nhiên tổng phương sai

trích lại nhỏ hơn 50% và biến MP14 có hệ số tải nhỏ hơn 0.5 nên ta tiếp tục

bỏ biến MP14 và chạy EFA lần nữa Kết quả như sau:

Trang 14

8 533 5.331 91.221

10 391 3.908 100.000

d-Chạy EFA cho biến P

Trang 15

Component Initial Eigenvalues Extraction Sums of Squared Loadings

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

 Căn cứ vào các chỉ số như KMO, Sig , Tổng phương sai trích, Hệ số tải…thì biến P

được giải thích rất tốt bởi các biến P1, P2, P3, P4, P5, P6

GTTB P=MEAN(P1,P2,P3,P4,P5,P6) =0,7413

Trang 16

Vậy mô hình nghiên cứu cả 4 biến OC, PV, MP và P của chúng ta hiện giờ như

Trang 17

CÂU 2 Thực hiện kiểm tra độ tin cậy của đo lường bằng hệ số cronbach alpha

*Kiểm tra độ tin cậy thang đo với biến OC12, OC14, OC15, OC25, OC26 giải thích cho OC1

Reliability Statistics

Cronbach's

Alpha

Cronbach's Alpha Based on Standardized Items N of Items

Corrected Total Correlation

Item-Squared Multiple Correlation

Cronbach's Alpha if Item Deleted

Theo kết quả trên, Cronbach Alpha tính được 0.785 > 0.6 và nhìn cột

Cronbach’s Alpha if item Deleted thì nếu bỏ bất cứ biến nào thì đều làm

Cronbach’s Alpha giảm xuống cả

Do đó ta có thể kết luận thang đo của chúng ta đo lường tốt

*Tương tự, tính Cronbach Alpha cho các biến OC22, OC23, OC24 giải thích cho OC2.

Reliability Statistics

Cronbach's

Alpha

Cronbach's Alpha Based on Standardized Items N of Items

Trang 18

Item-Total Statistics

Scale Mean if

Item Deleted

Scale Variance if Item Deleted

Corrected Total Correlation

Item-Squared Multiple Correlation

Cronbach's Alpha if Item Deleted

Do đó thang đo cho các biến này không sử dụng đc

Có nên chạy lại EFA cho các biến OC2? Theo tôi không nên chạy biến này để tránh nhiễu

*Tính Cronbach’s Alpha cho biến PV2, PV5, PV6, PV8 giải thích cho PVA

Item-Cronbach's Alpha if Item Deleted

Trang 19

* Tính Cronbach’s Alpha cho PV1, PV3, PV4, PV9 giải thích biến PVB

 Mặc dù Cronbach’s Alpha chỉ đạt 0.565 gần bằng 0.6, nhưng ta vẫn có thể

chấp nhận được, có thể vì những khái niệm này là mới đối với người trả lời ở nước ta Và cột Cronbach’s Alpha if Item Deleted cho thấy nếu ta bỏ biến thì cũng không làm tăng Cronbach’s Alpha lên được Do đó nếu bỏ hết thì nó sẽ ảnh hưởng đến nội dung nghiên cứu

Do đó theo tôi, thang đo này tạm chấp nhận được

*Tính Cronbach’s Alpha cho MP11, MP12 giải thích cho MP2

 Cronbach’s Alpha = 0.615 >0.6 và Cột Cronbach’s Alpha if Item Deleted trống điều

đó chứng tỏ vì chỉ có 2 biến nên không thể bỏ được biến nào cả

Như vậy thang đo này cũng có thể tin cậy được

Trang 20

* Tính Cronbach’s Alpha cho biến MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26 giải thích cho MP1

 Cronbach’s Alpha = 0.819 > 0.6 và cột cuối cùng trong bảng Item-Total

Statistics cho thấy nếu bỏ đi biến nào đều làm giảm Cronbach’s Alpha cả Như vậy, thanh đo của ta là tốt

*Tính Cronbach’s Alpha cho biến P1, P2, P3, P4, P5, P6 giải thích cho P

Trang 21

P5 18.45 12.717 647 .802

 Cronbach’s Alpha = 0.836 > 0.6 và không có một biến nào loại ra cả vì theo

kết quả có được từ côt Cronbach’s Alpha if Item Deleted loại biến không làm Cronbach’s Alpha tăng lên

Thang đo dần được tốt lên và có độ tin cậy cao hơn

Câu 3: Thực hiện phân tích anova một chiều để tìm sự khác biệt của các biến tiềm ẩn trong mô hình này với các tiêu thức phân loại: OWN, POS, Age, EXP

 Mối quan hệ giữa các biến tiềm ẩn với OWN

Test of Homogeneity of Variances

Levene Statistic df1 df2 Sig

Sum of Squares df Mean Square F Sig

OC1 Between Groups 1.685 3 562 1.374 249

Trang 22

 Vì thế tiếp tục kiểm định T2 để phát hiện mối quan hệ giữa biến OC1 và PVA

 PHÂN TÍCH BIẾN TIỀM ẨN VÀ AGE

ANOVA

Sum of Squares Df Mean Square F Sig

OC1 Between Groups 1.685 3 562 1.374 249

Trang 23

 PHÂN TÍCH NHÂN TỐ VỚI POS

Trang 24

 Biến tiềm ẩn AGE

 Đối với EXP

Trang 25

PVB 455 4 939 768

ANOVA

Sum of Squares df Mean Square F Sig

OC1 Between Groups 6.581 4 1.645 4.062 .003

Trang 26

Câu 4: Xây dựng hàm tương quan tuyến tính giữa P và các biến độc lập vừa khám phá thông qua phân tích nhân tố/EFA, thực hiện anova hai chieu cho bien ows, pos

Model Summary

Model R R Square

Adjusted R Square

Std Error of the Estimate

a Predictors: (Constant), MP2, PVB, PVA, MP1, OC1

 Mô hình này giải thích được 42% của tổng thể

Coefficients a

Model

Unstandardized Coefficients

Standardized Coefficients

*Chạy hồi quy ANOVA hai chiều kiểm tra mối quan hệ giữa OWN, POS VỚI P

Trang 27

a R Squared = ,027 (Adjusted R Squared = ,020)

 Các loại hình doanh nghiệp, cấp bậc quản trị đều có tác động đến kết quả kinh doanh (<0.05) nhưng OWN và POS không tương tác vì (OWN*POS=0,826)

Trang 28

Mean Difference (I-J) Std Error Sig

95% Confidence Interval Lower Bound Upper Bound

Trang 29

Model Summary

Model R R Square

Adjusted R Square

Std Error of the Estimate

Định dạng
Số trang	29
Dung lượng	386,08 KB