bài tập xử lý dữ liệu với phần mềm spss

PHẦN 2: PHÂN TÍCH KHÁM PHÁ EFA VÀ KIỂM TRA ĐỘ TIN CẬY BẰNG HỆ SỐ CRONBACH ALPHA 2.1 Cơ sở lý thuyết 2.1.1 Phân tích khám phá EFA Phân tích khám phá EFA là phương pháp giúp chúng ta đá

Trang 1

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH

VIỆN ĐÀO TẠO SAU ĐẠI HỌC

BỘ MÔN: PHƯƠNG PHÁP NGHIÊN CỨU KHOA HỌC

BÀI TẬP XỬ LÝ DỮ LIỆU

VỚI PHẦN MỀM SPSS

GVHD : TS NGUYỄN HÙNG PHONG SVTH : NGUYỄN TRÚC PHƯƠNG MSSV : 7701220908

KHÓA : K22

LỚP : ĐÊM 5

TP.HCM, tháng 08 năm 2013

Trang 2

MỤC LỤC

ĐỀ BÀI Error! Bookmark not defined

I Lọc và làm sạch dữ liệu 5

II Phân tích nhân tố EFA và kểm tra độ tin cậy bằng hệ số Cronbach Alpha 6

2.1 Cơ sở lý thuyết 6

2.2 Kiểm định EFA và Cronbach Alpha cho Biến Văn hóa tổ chức OC …… 7

2.3 Kiểm định EFA và Cronbach Alpha cho Biến Hệ thống giá trị của quản trị gia PV 10 2.4 Kiểm định EFA và Cronbach Alpha cho Biến Thực tiễn quản trị MP 13

2.5 Kiểm định EFA và Cronbach Alpha cho Biến Kết quả hoạt động công ty P Error! Bookmark not defined 2.6 Tính giá trị các biến mới: Error! Bookmark not defined III Thực hiện phân tích Anova một chiều để tìm sự khác biệt của các biến tìm ẩn trong mô hình với này với các tiêu thức phân loại: OWN, POS, Age, EXP Error! Bookmark not defined 3.1 Kiểm định sự khác biệt về hình thức sở hữu OWN 19

3.2 Kiểm định sự khác biệt về cấp bậc quản lý POS 22

3.3 Kiểm định sự khác biệt về độ tuổi quản trị AGE 23

3.4 Kiểm định sự khác biệt về kinh nghiệm EXP 24

IV Phân tích ANOVA hai chiều với OWN và POS Error! Bookmark not defined V Xây dựng hàm tương quan tuyến tính giữa P và các biến độc lập vừa khám phá thông qua phân tích nhân tố/EFA 30

4.1 Mô hình đã hiệu chỉnh 31

4.2 Phương trình hồi quy tổng quát 31

VI Kiểm định giả thiết của hàm tương quan đa biến 32 VII Xây dựng hàm tương quan với biến giả Dummy Error! Bookmark not defined

Trang 3

ĐỀ BÀI

Giả sử chúng ta có một mô hình lý thuyết gồm 4 khái niệm lý thuyết có quan hệ với nhau:

- Văn hóa tổ chức (OC)

+ OC1: được đo lường bằng 5 yếu tố thành phần (OC11, OC12, OC13, OC14, OC15)

+ OC2: được đo lường bằng 6 yếu tố thành phần (OC21, OC22, OC23, OC24, OC25, OC26)

- Hệ thống giá trị của quản trị gia (PV): được đo lường bằng 9 yếu tố thành phần

- Các biến OC1, OC2, PV, MP1, MP2 là biến độc lập

- Các biến phân loại bao gồm

+ Loại hình doanh nghiệp (OWN): có bốn loại và được mã hóa từ 1 đến 4

 DNNN (1)

 Liên doanh (2)

 Doanh nghiệp gia đình (4)

+ Cấp bậc quản lý (POS) gồm hai bậc

Trang 4

 Quản lý cấp cao (1)

 Quản lý cấp trung (2)

+ Độ tuổi quản trị gia (Age) chia thành 4 nhóm: 1, 2, 3, 4

+ Kinh nghiệm quản lý (EXP) cũng được chia thành 4 bậc, từ bậc 1 đến bậc 4 Mổi bậc có khoảng cách là 5 năm

Yêu cầu:

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 lường biến này Sau đó tính giá trị của các biến mới (là trung bình của các yếu tố thành phần)

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

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 Thực hiện phân tích anova hai chiều với biến OWN và POS

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 và cronbach alpha

5 Kiểm định các giả thuyết của hàm tương quan đa biến

6 Xây dựng hàm tương quan với biến giả (dummy) Biến giả được chọn là biến loại hình doanh nghiệp Trong đó doanh nghiệp nhà nước được chọn là biến cơ sở

Trang 5

PHẦN 1: LỌC VÀ LÀM SẠCH DỮ LIỆU

Trước khi sử dụng dữ liệu, ta thực hiện bước lọc và làm sạch dữ liệu, các bước thực hiện như sau: Vào Analyze  Descriptive Statistics  Frequencies  Chọn tất cả các biến vào ô Variables  OK

Vì Kinh nghiệm quản lý (EXP) được chia thành 4 bậc, từ bậc 1 đến bậc 4, do đó

số liệu chỉ được nhận giá trị từ 1 đến 4, không thể có chứa giá trị 5 Lọc bỏ các ô có giá trị 5 về giá trị trống (empty)

Trang 6

Đây là dữ liệu đã được làm sạch, có thể lưu lại dưới dạng file excel hoặc dạng khác Từ giờ trở đi, dùng dữ liệu này để phân tích

PHẦN 2: PHÂN TÍCH KHÁM PHÁ EFA VÀ KIỂM TRA ĐỘ TIN CẬY BẰNG HỆ

SỐ CRONBACH ALPHA 2.1 Cơ sở lý thuyết

2.1.1 Phân tích khám phá EFA

Phân tích khám phá (EFA) là phương pháp giúp chúng ta đánh giá được giá trị hội

tụ và giá trị phân biệt của đo lường Thông qua EFA, ta có thể rút gọn một tập hợp f biến các yếu tố có ý nghĩa hơn (f < k), đồng thời có thể dịch chuyển các items đo lường một biến này sang đo lường biến khác

Khi phân tích nhân tố chúng ta cần chú trọng đến một số tiêu chuẩn sau:

a/ Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) ≥ 0.5, mức chấp nhận nên từ 0.6 trở lên, mức ý nghĩa Bartletts test of sphericity ≤ 0.05 KMO là một chỉ tiêu dùng để để xem xét sự thích hợp của EFA, từ 0.5 ≤ KMO ≤ 1, chỉ số này càng gần 1 càng tốt có nghĩa là phân tích nhân tố là thích hợp

b/ Thứ hai, hệ số tải nhân tố (Factor loading) > 0.5 Nếu biến quan sát nào có hệ số tải nhân tố ≤ 0.5 sẽ bị loại (Tabachnick & Fidell, 1989, Using Miltivariate Statistics, Northridge, USA; HarperCollins Publishers)

Các số liệu trong bảng Rotated Component Matrix(a) gọi là các Factor loading,

hay các hệ số tải nhân tố

Các Factor loading lớn nhất của mỗi biến quan sát tại mỗi dòng Biến quan sát có Factor loading lớn nhất nằm tại cột nào thì biến quan sát thuộc về nhân tố đó Qua bảng này ta sẽ biết được mỗi nhân tố gồm những biến quan sát nào

c/ Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% và eigenvalue có giá trị lớn hơn 1

Trình tự thực hiện:

Bước 1: Vào Analyze  Chọn Data Reduction  Factor Analysis

Bước 2: Chọn các yếu tố thành phần: OC11, OC12, OC13, OC14, OC15, OC21, OC22, OC23, OC24, OC25, OC26 vào mục biến số (Variables)

Trang 7

Bước 3: Nhấn vào mục Descriptive trên hộp thoại để xác định các tham số thống

kê mô tả (Chọn Initial solution, Coefficients, KMO and Bartletts test of sphericity)

Continue

Bước 4: Nhấn vào mục Extraction chọn phương pháp phân tích là “Principal components” và phần extract với “eigenvalue” over 1  Continue

Bước 5: Nhấn mục Rotation: chọn phương pháp “Varimax”

Bước 6: Nhấn mục Score, chọn phương pháp “Regression”

2.1.2 Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha

Đo tin cậy của tập hợp các biến quan sát (items) trong thang đo song hành và tương đương (Cronbach’s Alpha) Hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo chứ không tính được độ tin cậy của từng biến quan sát

Khi kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha chúng ta cần chú trọng đến một số tiêu chuẩn sau:

a/ Nếu Cronbach’s Alpha ≥ 0.60 thì thang đo có thể chấp nhận được về độ tin cậy b/ Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0.7 – 0.8]

c/ Nếu một hệ số tương quan của một biến quan sát (item) so với biến tổng total correlation) ≥ 0.30 thì biến đó đạt yêu cầu (Nunnally & Bernstein, 1994

2.2 Kiểm định EFA và hệ số Cronbach Alpha cho Biến Văn hóa tổ chức OC

Biến Văn hóa tổ chức chia thành hai biến tiềm ẩn:

+ OC1: được đo lường bằng 5 yếu tố thành phần (OC11, OC12, OC13, OC14, OC15) + OC2: được đo lường bằng 6 yếu tố thành phần (OC21, OC22, OC23, OC24, OC25, OC26)

Trang 8

2.2.1 Phân tích nhân tố EFA

Sau khi chạy chương trình SPSS, ta có các kết quả sau:

Thứ nhất, hệ số KMO = 0.853 > 0.5 là khá cao cho thấy phân tích nhân tố là phù hợp Bên cạnh đó, kiểm định Bartletts xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể Kiểm định này có ý nghĩa thống kê Sig = 0.000 ≤ 0.05 cho thấy các biến quan sát có tương quan với nhau trong tổng thể

Thứ hai, hệ số tải nhân tố (Factor loading) của các biến quan sát đều lớn hơn 0.5 nên trong trường hợp này ta không cần loại biến Bên cạnh đó, nhận thấy hai biến quan sát OC25 và OC26 có Factor loading lớn nhất nằm tại cột 1, điều này cho thấy hai biến này có khả năng giải thích cho biến OC1 tốt hơn so với biến OC2

Thứ ba, giá trị tổng phương sai trích TVE (Cumulative %) = 47.398 < 50%

không thỏa điều kiện Ta tiến hành kiểm tra độ tin cậy của đo lường bằng hệ số Cronbach’s Alpha

Tổng hợp lại ta sẽ có 2 nhóm nhân tố:

- Nhóm thứ 1 gồm có các biến quan sát: OC11,OC12,OC13,OC14,OC15, OC25,OC26

- Nhóm thứ 2 gồm có các biến quan sát: OC21, OC22, OC23, OC24

2.2.2 Kiểm tra độ tin cậy bằng hệ số Cronbach’s Alpha

Kết quả từ phần mểm SPSS cho thấy:

Thứ nhất, hệ số Cronbach's Alpha = 0.782 ≥ 0.6 nên thỏa điều kiện Điều này nói lên thang đo có thể chấp nhận được về độ tin cậy

Thứ hai, các biến quan sát biến thiên trong khoảng [0.7 – 0.8]

Thứ ba, hầu hết các biến quan sát đều có hệ số tương quan của nó (item) so với biến tổng (item-total correlation) ≥ 0.30 Riêng biến quan sát OC24 có hệ số tương quan

là 0.11 < 0.3 Do đó, biến này không phù hợp Ta tiến hành loại biến này

Trang 9

Cronbach's Alpha if Item Deleted

Ta nhận thấy, thông qua kết quả phân tích nhân tố EFA thì giá trị tổng phương sai

trích TVE (Cumulative %) = 47.398 < 50% không thỏa điều kiện Đồng thời, dựa vào

kết quả đo lường độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha, ta thấy nên loại

bỏ biến OC24 ra khỏi mô hình Tiến hàng loại biến OC24 và tiến hành phân tích nhân tố với các biến còn lại nhận được kết quả như sau:

Trong mô hình mới ta có:

Thứ nhất, hệ số KMO = 0.854 > 0.5 cho thấy phân tích nhân tố là phù hợp Kiểm định Bartletts có ý nghĩa thống kê Sig = 0.000 ≤ 0.05 cho thấy các biến quan sát có tương quan với nhau trong tổng thể

Thứ hai, hệ số tải nhân tố (Factor loading) của các biến quan sát đều lớn hơn 0.5

Thứ ba, giá trị tổng phương sai trích TVE (Cumulative %) = 50.916% > 50%

thỏa điều kiện

Như vậy dựa vào bảng ma trận xoay nhân tố thì các biến OC25 và OC26 đo lường cho OC1 tốt hơn OC2, ngược lại biến OC13 đo lường cho OC2 tốt hơn OC1 Như vậy, tổng hợp lại hai biến tiềm ẩn OC1 và OC2 có các biến đo lường mới (đặt tên là FT_OC1

và FT_OC2) như sau:

Trang 10

- FT_OC1: được đo lường bằng 6 yếu tố thành phần OC11, OC12, OC14, OC15,

OO25 và OC26

- FT_OC2: được đo lường bằng 4 yếu tố thành phần OC13, OC21, OC22 và OC23

2.3 Kiểm định EFA và hệ số Cronbach Alpha cho Hệ thống giá trị của Quản trị gia PV

Đo lường bằng 9 yếu tố thành phần (PV1, PV2, PV3, PV4, PV5, PV6, PV7, PV8, PV9)

Thứ nhất, hệ số KMO = 0.743 > 0.5 là khá cao cho thấy phân tích nhân tố là phù hợp Bên cạnh đó, kiểm định Bartletts có ý nghĩa thống kê Sig = 0.000 ≤ 0.05 cho thấy các biến quan sát có tương quan với nhau trong tổng thể

Thứ hai, hệ số tải nhân tố (Factor loading) của các biến quan sát đều lớn hơn 0.5 nên trong trường hợp này ta không cần loại biến Bên cạnh đó, nhận thấy nhân tố hệ thống giá trị của quản trị gia PV có xu hướng chia ra thành hai nhóm nhân tố

Thứ ba, giá trị tổng phương sai trích TVE (Cumulative %) = 47.398 < 50%

không thỏa điều kiện Ta tiến hành kiểm tra độ tin cậy của đo lường bằng hệ số Cronbach’s Alpha

Tổng hợp lại ta sẽ có 2 nhóm nhân tố:

- Nhóm thứ 1 gồm có các biến quan sát: OC11,OC12,OC13,OC14,OC15, OC25,OC26

- Nhóm thứ 2 gồm có các biến quan sát: OC21, OC22, OC23, OC24

2.3.2 Kiểm tra độ tin cậy bằng hệ số Cronbach Alpha

Thứ nhất, hệ số Cronbach's Alpha = 0.654 > 0.6 nên thỏa điều kiện Điều này nói

lên thang đo có thể chấp nhận được về độ tin cậy

Thứ hai, hầu hết các biến quan sát đều không biến thiên trong khoảng [0.7 – 0.8] Thứ ba, hầu hết các biến quan sát đều có hệ số tương quan của nó (item) so với biến tổng (item-total correlation) ≥ 0.30 Riêng hai biến quan sát PV3 và PV9 có hệ số tương quan nhỏ hơn 0.3 Do đó, biến này không phù hợp Ta tiến hành loại lần lượt các biến này và tiến hành kiểm tra độ tin cậy của đo lường bằng hệ số Cronbach Alpha

Trang 11

Scale Mean if Item Deleted

Scale Variance if Item Deleted

Corrected Item-Total Correlation

Trang 12

Item-Total Statistics

Hệ số Cronbach’s Alpha = 0.701 > 0.6 nên thỏa điều kiện

Bây giờ thì tất cả các biến đã thỏa mãn điều kiện hệ số tương quan Corrected Total Correlation > 0.3, thang đo đạt yêu cầu

Item-Tiến hành kiểm định lại theo phương pháp phân tố EFA, kết quả như sau:

Trong mô hình ta có:

Thứ hai, hệ số tải nhân tố (Factor loading) của các biến quan sát đều lớn hơn 0.5 là phù hợp

Thứ ba, giá trị tổng phương sai trích TVE (Cumulative %) = 47.529 < 50% vẫn

không thỏa điều kiện

Kết quả trên cho chúng ta thấy các biến đo lường đều có phần chung với một và chỉ một nhân tố, vì vậy thang đo này là thang đo đơn hướng, tổng phương sai trích TVE < 50%, tiến hành loại các biến rác, dựa vào giá trị λi , ta loại bỏ biến có trọng số λi thấp nhất (biến PV2) ta được kết quả sau:

Total Variance Explained

Component

Trang 13

Thứ hai, hệ số tải nhân tố (Factor loading) của các biến quan sát đều lớn hơn 0.5 là phù hợp

Thứ ba, giá trị tổng phương sai trích TVE (Cumulative %) = 53.905 > 50% thỏa

điều kiện

Đồng thời trọng số λi của các biến quan sát còn lại khá cao, do đó thang đo đạt giá trị hội tụ, sau khi loại biến, thành phần PV (đặt tên mới là FT_PV) được đo lường bằng các biến quan sát sau:

FT_PV: được đo lường bằng 4 yếu tố thành phần PV2, PV5, PV6, PV8

2.4 Kiểm định EFA và hệ số Cronbach Alpha cho Thực tiễn quản trị (MP)

Nhân tố Thực tiễn quản trị (MP) chia thành hai biến tiềm ẩn:

+ MP1: được đo lường bằng 6 yếu tố thành phần (MP11, MP12, MP13, MP14, MP15, MP16)

+ MP2: được đo lường bằng 6 yếu tố thành phần (MP21, MP22 MP23, MP24, MP25, MP26)

Thứ nhất, hệ số KMO = 0.868 > 0.5 là cao cho thấy phân tích nhân tố là phù hợp Bên cạnh đó, kiểm định Bartletts có ý nghĩa thống kê Sig = 0.000 ≤ 0.05 cho thấy các biến quan sát có tương quan với nhau trong tổng thể

Trang 14

Thứ hai, hệ số tải nhân tố (Factor loading) của các biến quan sát đều lớn hơn 0.5 nên trong trường hợp này ta không cần loại biến Bên cạnh đó, nhận thấy nhân tố thực tiễn quản trị MP có xu hướng chia ra thành ba nhóm nhân tố

Rotated Component Matrix(a)

Thứ ba, giá trị tổng phương sai trích TVE (Cumulative %) = 53.853 > 50% thỏa

điều kiện Ta tiến hành kiểm tra độ tin cậy của đo lường bằng hệ số Cronbach’s Alpha

Thứ hai, tất cả các biến quan sát đều không biến thiên trong khoảng [0.7 – 0.8] Thứ ba, hầu hết các biến quan sát đều có hệ số tương quan của nó (item) so với biến tổng (item-total correlation) ≥ 0.30 Riêng biến quan sát MP14 có hệ số tương quan nhỏ hơn 0.3 Do đó, biến này không phù hợp

Trang 15

Ta tiến hành loại biến này và tiến hành kiểm tra độ tin cậy của đo lường bằng hệ

số Cronbach Alpha Kết quả như sau:

Thứ hai, tất cả các biến quan sát đều không biến thiên trong khoảng [0.7 – 0.8] Thứ ba, tất cả các biến đã thỏa mãn điều kiện hệ số tương quan Corrected Item-Total Correlation > 0.3, thang đo đạt yêu cầu

Tiến hành kiểm định lại theo phương pháp phân tố EFA, ta có:

Thứ hai, giá trị tổng phương sai trích TVE (Cumulative %) = 48.711% < 50%

không thỏa điều kiện Vì vậy ta không loại bỏ biến MP14

Như vậy dựa vào ma trận xoay nhân tố, ta có được tổ hợp gồm 3 biến mới (lần lượt đặt tên là FT_MP1, FT_MP2, FT_MP3) như sau:

- FT_MP1: được đo lường bằng 8 yếu tố thành phần MP15, MP16, MP21, MP22,

MP23, MP24, MP25 và MP26

Trang 16

- FT_MP2: được đo lường bằng 2 yếu tố thành phần MP11và MP12

- FT_MP3: được đo lường bằng 2 yếu tố thành phần MP13 và MP14

2.5 Kiểm định EFA và hệ số Cronbach Alpha cho Kết quả hoạt động của công ty (P)

Được đo lường bởi 6 yếu tố thành phần (P1, P2, P3, P4, P5, P6)

Thứ nhất, hệ số KMO = 0.847 > 0.5 là cao cho thấy phân tích nhân tố là phù hợp Bên cạnh đó, kiểm định Bartletts có ý nghĩa thống kê Sig = 0.000 ≤ 0.05 cho thấy các biến quan sát có tương quan với nhau trong tổng thể

Thứ hai, hệ số tải nhân tố (Factor loading) của các biến quan sát đều lớn hơn 0.5 nên trong trường hợp này ta không cần loại biến

Thứ ba, giá trị tổng phương sai trích TVE (Cumulative %) = 55.022%> 50%

thỏa điều kiện ta tiến hành kiểm tra độ tin cậy của đo lường bằng hệ số Cronbach Alpha

Thứ hai, tất cả các biến quan sát đều không biến thiên trong khoảng [0.7 – 0.8] Thứ ba, tất cả các biến quan sát đều có hệ số tương quan của nó (item) so với biến tổng (item-total correlation) ≥ 0.30, thang đo đạt yêu cầu

Như vậy dựa vào ma trận xoay nhân tố, ta có kết quả hoạt động của công ty (tên

mới là FT_P) được đo lường bởi 6 yếu tố thành phần P1, P2, P3, P4, P5, P6

Trang 17

2.5 Tổng hợp các biến mới và tính giá trị các biến mới

2.5.1 Tổng hợp các biến mới

Sau Khi phân tích nhân tố EFA và Cronbach’s Alpha cho các thành phần OC, PV,

MP và P ta loại 6 biến quan sát và còn lại 32 biến quan sát Gồm 7 biến chính

- Nhân tố FT_OC1: OC11, OC12, OC14, OC15, OC25 và OC26

- Nhân tố FT_OC2: OC13, OC21, OC22 và OC23

2.5.2 Tính giá trị các biến mới

Do biến mới là trung bình các yếu tố thành phần, ta tính giá trị các biến mới như sau:

Bước 1: Vào MenuTransform  Computer Variables

Bước 2: Tại ô Target Variable, ta nhập vào tên biến mới sẽ chứa giá trị tính toán

Bước 3: Tại ô Numberic Expression, nhập công thức tính toán cho biến mới Biến mới sẽ bằng trung bình của các biến thành phần  Nhấn OK

Để thể hiện kết quả tính toán giá trị biến mới ta biểu diễn giá trị biến mới qua biểu đồ như dưới đây:

1 Biến FT_OC1: 2 Biến FT_OC2

Trang 19

PHẦN 3: THỰC HIỆN PHÂN TÍCH ANNOVA MỘT CHIỀU ĐỂ TÌM SỰ KHÁC BIỆT CỦA CÁC BIẾN TÌM ẨN TRONG MÔ HÌNH NÀY VỚI CÁC TIÊU THỨC

PHÂN LOẠI : OWN, POS, AGE, EXP

Các biến tiềm ẩn gồm: FT_OC1; FT_OC2; FT_PV; FT_MP1; FT_MP2; FT_MP3

Bước 1: Vào Analyze  Compare Means  One – Way ANNOVA

Bước 2: Cọn các biến: FT_OC1, FT_OC2, FT_PV, FT_MP1, FT_MP2, FT_MP3 vào mục Dependent List

Bước 3: Chọn biến OWN/POS/AGE/EXP vào mục Factor

Bước 4: Mục Contrasts chọn Polynomial  Continue

Bước 5: Mục Options chọn Descriptive, Homogeneityof variance test  Continue Bước 6: Nhấn OK

3.1 Kiểm định sự khác biệt về hình thức sở hữu OWN

Ta tiến hành kiểm định sự khác biệt giữa các hình thức sở hữu, ta có giả thuyết:

- H0 : Không có sự khác biệt giữa các hình thức sở hữu

- H1 : Có sự khác biệt giữa các hình thức sở hữu

Nếu Sig lớn hơn mức ý nghĩa 5% chúng ta chấp nhận giả thuyết H0 tức là không

có sự khác biệt giữa các hình thức sở hữu công ty Ngược lại, nếu Sig nhỏ hơn mức ý nghĩa 5% ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1 tức là có sự khác biệt giữa

các hình thức sở hữu công ty đối với các biến tiềm ẩn

Định dạng
Số trang	38
Dung lượng	1,22 MB