BÀI GIẢNG MÔN HỌC-PHÂN TÍCH SỐ LIỆU THỐNG KÊ

SỐ LẦN XUẤT HIỆN Tần xuất – Tần xuất đối với một lớp nào đó của một biến là số các quan sát rơi vào lớp này – Bảng phân bố tần xuất... • Các phân bố tần xuất: – Chỉ ra các cá thể phân

Bài giảng môn học

PHÂN TÍCH

SỐ LIỆU THỐNG KÊ

Giảng viên: Ths Dương Thị Mai Thương

Bộ môn: Khoa học máy tính – CNTT Email: duongmaithuongcntt@gmail.com

Mobile: 0945373858

1

– Phân tích hồi quy và tương quan

– Phân tích chuỗi thời gian

• Cung cấp kỹ năng sử dụng phần mềm SPSS

3

YÊU CẦU & ĐÁNH GIÁ

• 100% sinh viên lên lớp và thực hành

• Thực hiện chia nhóm để thảo luận, làm bài tập lớn, tiểu luận môn học

• Kết thúc môn sinh viên có thể phân tích thống

kê số liệu dựa trên phần mềm SPSS 19

TÀI LIỆU THAM KHẢO

• [1] Dang Quang A and Bui The Hong, Statistical data analysis,

• www.netnam.vn/unescocourse/statistics.htm , 1999 ( Giáo trình điện tử theo đặt hàng của UNESCO)

• [2] Bùi Thế Hồng, Giáo trình phân tích thống kê dữ liệu và SPSS for

xã hội, NXB Giao thông vận tải, 2000

• [6] Hoàng Trọng, Chu Nguyễn Mộng Ngọc, Phân tích dữ liệu nghiên cứu với SPSS, NXB Hồng Đức, 2008 5

Thời

gian

Tuần 1 Giới thiệu môn học, ôn tập các kiến thức

cơ bản

Chương 1 Phân loại dữ liệu, mã hóa,

nhập liệu và một số xử lý trên biến

Lý thuyết

Tuần

2,3

Chương 2 Làm sạch dữ liệu Chương 3 Tóm tắt và trình bày dữ liệu

Lý thuyết thực hành

Tuần 4 Chương 4 Kiểm định mối liên hệ giữa

hai biến định tính

Lý thuyết thực hành

Tuần 5 Chương 5 Phân tích liên hệ giữa biến

nguyên nhân định tính và biến kết quả định lượng:

Kiểm định trung bình quần thể

Lý thuyết thực hành

6

7

Thời

gian

Tuần 6 Chương 6 Phân tích liên hệ giữa biến

nguyên nhân định tính và biến kết quả

định lượng: Phân tích phương sai

Lý thuyết thực hành

Tuần 7 Kiểm tra bài 1

thực hành

Tuần 9 Chương 8 Kiểm định tỷ lệ

Chương 9 Tương quan và hồi quy

tuyến tính

Lý thuyết thực hành

NỘI DUNG MÔN HỌC (đọc thêm)

• Chương 10: Hồi qui Bianry Logistic

• Chương 11: Đánh giá độ tin cậy của thang đo

• Chương 12: Phân tích nhân tố

• Chương 13: Phân tích biệt số

• Chương 14: Phân tích cụm

• Chương 15: Lập bản đồ nhận thức với đo lường đa

hướng và phân tích tương hợp

• Chương 16: Các tiện ích

8

GIỚI THIỆU PHÂN TÍCH DỮ LIỆU

• Nghiên cứu và phân tích dữ liệu

GIỚI THIỆU PHÂN TÍCH DỮ LIỆU

• Bản chất của phân tích dữ liệu

BẢN CHẤT CỦA PT DỮ LIỆU (cont.)

• Dữ liệu trở thành thông tin khi nó liên quan

đến vấn đề nhận thức, kết luận và quyết định của người nghiên cứu

• Thông tin trở thành sự kiện khi thông tin hỗ

trợ cho việc ra quyết định

• Sự kiện trở thành tri thức khi nó được sử dụng

để hoàn tất quá trình ra quyết định một cách

thành công

11

THỐNG KÊ VÀ PHÂN TÍCH DỮ LIỆU

• Thống kê: tập hợp các phương pháp dùng để

thu thập, phân tích, trình bày và diễn giải dữ

liệu

• Phân tích dữ liệu: cung cấp kinh nghiệm thực

hành được đúc kết để đẩy mạnh việc ứng dụng

tư duy thống kê và kỹ thuật thống kê nhằm

hiểu rõ các hiện tượng nghiên cứu, từ đó hỗ trợ cho việc ra quyết định

12

Chương 1 PHÂN LOẠI DỮ LIỆU, MÃ HÓA NHẬP LIỆU VÀ MỘT SỐ XỬ LÝ

TRÊN BIẾN

13

PHÂN LOẠI DỮ LIỆU

Dữ liệu định lượng

Thang đo khoảng cách

Thang đo tỉ

lệ

14

PHÂN LOẠI DỮ LIỆU (cont.)

– Ví dụ: Tuổi, Thu nhập trong tháng…

15

CÁC LOẠI THANG ĐO

• Thang đo danh nghĩa (phân loại) – nominal scale

– Các con số mang ý nghĩa phân loại đối tượng

– Ví dụ: Vui lòng cho biết tình trạng hôn nhân của bạn?

– Chứng minh các thang đo trên là biến phân loại

– Thứ tự thang đo phân loại có quan trọng ko?

CÁC LOẠI THANG ĐO

• Thang đo thứ bậc – ordinal scale

– Các con số được sắp xếp theo một quy ước nào đó về thứ bậc hay sự hơn kém, nhưng không biết được

– Chứng minh đây là thang đo thứ bậc?

– Thang đo thứ bậc có phải là thang đo phân loại?

17

CÁC LOẠI THANG ĐO

• Thang đo khoảng cách – interval scale

– Là một dạng đặc biệt của thang đo thứ bậc, cho biết khoảng cách giữa các thứ bậc

– Ví dụ: Theo bạn tầm quan trọng của việc chăm chỉ

đối với kết quả học tập? (1 = không quan trọng, 10 = rất quan trọng)

• Thang đo khoảng cách không có điểm 0 tuyệt đối

– Thang đo khoảng cách hay thứ bậc cho nhiều thông

tin hơn?

18

CÁC LOẠI THANG ĐO

• Thang đo tỉ lệ - ration scale

– Thang đo tỉ lệ = thứ tự + khoảng cách + điểm

“0” là giá trị thật

– Ví dụ:

• Bạn đang có bao nhiêu tiền?

• Điểm trung bình học tập của bạn đạt bao nhiêu?

19

VÍ DỤ THANG ĐO

• Giá trị 0 của biến có mang nghĩa tự nhiên

– Tôi hết sạch tiền

– Lương tôi chỉ bằng ½ sếp tôi

– Dân số Việt Nam gấp 10 lần dân số NewDilan

• Giá trị 0 không mang nghĩa tự nhiên

– 0 0 F là một điểm 0 nhân tạo

1 Đỗ Văn An Nam 21 Sinh viên

2 Lý Thu Hoa Nữ 34 Giáo viên

3 Đào Thị Lê Na Nữ 56 Nghỉ hưu

NGUYÊN TẮC MÃ HÓA &

NGUYÊN TẮC MÃ HÓA & NHẬP

LIỆU

• Chú ý:

– Chỉ mã hóa được thang đo định tính

– Mỗi cột là một biến cần khảo sát

– Mỗi hàng là thông tin của một đối tượng cần thu thập – Câu hỏi có nhiều khả năng trả lời?

• Ví dụ: Trong vòng 5 năm vừa qua, bạn đã đi

những địa danh nào?

Thái Nguyên, Hà Nội, Huế, Đà Nẵng, Sài Gòn, Khác

Biểu diễn dữ liệu trên?

23

QUẦN THỂ VÀ MẪU

• Quần thể: Tập hợp các cá thể hoặc các đối

tượng mà người nghiên cứu cần quan tâm

– Quần thể loài người

– Quần thể sinh viên

– Quần thể khách sạn 3 sao

• Mẫu: Tập hợp các cá thể mà tập này có thể coi

là đại diện của quần thể được quan sát

QUẦN THỂ HỮU HẠN

• Quần thể hữu hạn: Là quần thể mà cá thể có

thể liệt kê được

– Sinh viên lớp KHMT: Quần thể hữu hạn

– DS sinh viên lớp KHMT: DS liệt kê

– Dân số Việt Nam ?

QUẦN THỂ GIẢ ĐỊNH

• Ví dụ: Từ lô 1000 bóng đèn do 1 nhà máy sản xuất, tiến hành thử 1 số bóng và ghi lại tuổi thọ

– 1000 bóng là quần thể hữu hạn

– Bóng đèn mang thử là mẫu

– Kết quả thu được là tuổi thọ của mẫu được thử

QUẦN THỂ GIẢ ĐỊNH

– Với cùng công nghệ như vậy tiếp tục sản xuất bóng

đèn, các bóng đèn sẽ được sản xuất tạo thành quần

thể giả định (chưa sản xuất)

– Tuổi thọ của các bóng trong quần thể giả định đóng vai trò quan trọng và được dự đoán trước thông qua kết quả thử nghiệm đã có

TỔ CHỨC CÁC DỮ LIỆU PHÂN LOẠI

SỐ LẦN XUẤT HIỆN (Tần xuất)

– Tần xuất đối với một lớp nào đó của một biến là số

các quan sát rơi vào lớp này

– Bảng phân bố tần xuất

TẦN XUẤT (cont.)

• Các phân bố tần xuất:

– Chỉ ra các cá thể phân bố như thế nào theo các

nhóm, dùng khi nhấn mạnh đến biến đang được quan sát

• Các phần trăm:

– Tần xuất tương đối của biến hay tỉ lệ của biến trên tổng số các quan sát

TẦN XUẤT (cont.)

• Tần xuất tương đối đối với một lớp nào đó

của một biến bằng tần xuất của lớp này chia cho tổng quan sát

CÁC DẠNG ĐỒ THỊ TẦN XUẤT

• Đồ thị dạng thanh

CÁC DẠNG ĐỒ THỊ TẦN XUẤT (cont.)

• Đồ thị dạng cột chồng nhau

CÁC DẠNG ĐỒ THỊ TẦN XUẤT (cont.)

• Đồ thị đạng đường

DỮ LIỆU RỜI RẠC

• Tần xuất tích lũy ở một giá trị đã cho bằng

tổng tần xuất của tất các giá trị nhỏ hơn và bằng giá trị này

• Các tần xuất trong bảng 2.7 có thể biểu diễn trên đồ thị

TỔNG HỢP DỮ LIỆU

ĐỒ THỊ DẠNG CỘT

40

Tin U i Tần xuất Tần xuất

tương đối

Tần xuất tích lũy

Tần suất tương đối tích lũy

ĐỒ THỊ DẠNG ĐIỂM

DỮ LIỆU LIÊN TỤC

• Độ chính xác: Trên lý thuyết độ chính xác là

tùy ý, thực tế lại phụ thuộc và dụng cụ đo

• Làm tròn: Làm giảm độ chính xác

PHÂN BỐ TẦN XUẤT CỦA DL LIÊN TỤC

• Dữ liệu số liên tục được liệt kê trong bảng 2 cột như dữ liệu rời rạc

• Nhận xét

– Min = 41, max = 64 – Miền giá trị biến cân nặng 64-41=23 – Ta chia miền giá trị thành 5 khoảng nhỏ (43, 48,

53, 58, 63) tương ứng với các lớp: 40.5-45.5, 50.5, 50.5-60.5, 60.5-65.5

45.5-• Nếu bằng cận thì lấy nhóm trên

LƢỢC ĐỒ CÂN NẶNG DẠNG CỘT

DẠNG CHẤM

DẠNG ĐƯỜNG

CÁC SỐ ĐO VỊ TRÍ

• Mode : giá trị xuất hiện nhiều nhất trong tập dữ

liệu

• Median: điểm giữa của dữ liệu

• Mean: giá trị trung bình

MODE CỦA DỮ LIỆU PHÂN NHÓM

• Mode của các dữ liệu định lượng rời rạc

– Mode của một tập dữ liệu là giá trị xuất hiện nhiều lần nhất trong tập dữ liệu

• Mode của biến số con là 2 (chiếm 35%)

– Dữ liệu là biến liên tục, các giá trị có thể hoàn

toàn khác nhau thì có tồn tại Mode ko?

• Biến liên tục thì xác suất xuất hiện của dữ liệu là bao nhiêu?

– Nếu dữ liệu được phân nhóm có thế tính được

Mode của nhóm ko?

51

MEDIAN CỦA DL LIÊN TỤC

• Median là giá trị chia tập hợp thành 2 nửa sao

cho các quan sát của nửa này nhỏ hơn bằng giá trị giữa, quan sát nửa kia lớn hơn bằng giá trị giữa

– Để tìm giá trị giữa nên sắp xếp dữ liệu

– Một tập quan sát được sắp thứ tự gọi là mẫu được sắp thứ tự

MEDIAN

– Nếu số mẫu là lẻ thì Median ở chính giữa

– Nếu số mẫu là chẵn thì nên lấy giá trị trung bình của 2 mẫu trung tâm

MEAN

• Mean: là giá trị trung bình số học của một

biến, được tính bằng tổng các giá trị quan sát chia cho số quan sát

– Đây là dạng công cụ thường được dùng cho dạng

• Thay đổi đơn vị

– Nếu tất cả các tập quan sát được cộng (trừ) với 1

số dương thì bằng Mean cộng (trừ) số đó

– (59, 42, 73, 104, 48)/5 = 63.2 kg

CÁC SỐ ĐO VỀ SỰ BIẾN THIÊN

• Nhận xét: Nếu 2 tập quan sát có cùng giá trị

trung bình thì tập nào có độ biến thiên nhỏ

hơn sẽ chính xác hơn

MIỀN GIÁ TRÍ

• Định nghĩa:

– Hiệu số giữa quan sát lớn nhất và nhỏ nhất của tập

dữ liệu được gọi là miền giá trị của tập này

ĐÁNH GIÁ MIỀN GIÁ TRỊ

• Miền giá trị tăng khi cỡ của tập quan sát tăng chứ ko bao giờ giảm (độ dàn trải của số liệu)

MEAN DEVIATION

– Độ lệch trung bình là số đo về sự biến đôỉ

MEAN DEVIATION

• Giá trị tuyệt đối của độ lệch là khoảng chênh

lệch giữa giá trị quan sát và giá trị trung bình mẫu

• Độ lệch tuyệt đối trung bình (độ lệch trung

bình)

TRỊ TRUNG BÌNH CỦA QUẦN THỂ

• Định nghĩa:

– Giá trị trung bình của quần thể là

– Các độ lệch là yi – μ (i=1,2, )

– Độ lệch tuyệt đối là |yi – μ | (i=1,2, )

– Độ lệch trung bình của quần thể (tuyệt đối) là khoảng cách trung bình từ các điểm y1 y2 …, yn đến giá trị

trung bình của chúng

VÍ DỤ

• Trò chơi tung đồng xu: Một cậu bé vạch một

đường nằm ngang sau đó lùi lại 2m và tung đồng

xu ba lần sao cho chúng rơi càng gần đường nằm ngang càng tốt Giả sử đồng xu rơi xuống cách cậu bé khoảng x1 x2 x3

VÍ DỤ (cont.)

• Tổng khoảng cách của đồng xu so với đường

nằm ngang (đường này coi là trung bình của

một tổng thể vô hạn lần tung đồng xu)

• Khoảng cách trung bình (chia 3) là số đo sự phân tán các lần tung đồng xu xung quanh

đích

VÍ DỤ (cont.)

– Tuy nhiên tổng khoảng cách của các đồng xu so với

đường vạch ngang (biểu diễn ):

x3 , 2m có thể ko phải là tâm của mẫu

– Để điều chỉnh lại cho nhỏ đi ta chia cho 2

ĐỘ LỆCH CHUẨN

• Định nghĩa

VÍ DỤ

• Độ lệch chuẩn của ví dụ bảng 4.1

PHƯƠNG SAI QUẦN THỂ

• Định nghĩa

– Phương sai của một quần thể các quan sát y1 y2 …,

và ký hiệu là σ2

ĐỘ LỆCH CHUẨN CỦA MẪU

• Định nghĩa 7

xn được ký hiệu là s và được tính theo công thức

ĐỘ LỆCH CHUẨN CỦA MẪU

(cont.)

• Định nghĩa 8

ký hiệu là s2 và được tính theo công thức

NGỮ NGHĨA CỦA PHƯƠNG SAI

• Khoảng cách từng cặp: Phương sai có ngữ nghĩa tự nhiên về khoảng cách từng cặp điểm

NGỮ NGHĨA CỦA PHƯƠNG SAI

(cont.)

• Nhận xét

– Khoảng cách giữa các cặp càng lớn thì sự biến

thiên càng lớn

• Độ lêch trung bình của khoảng cách là: 20/10=2

• Độ lệch trung bình tuyệt đối và độ lệch trung bình khoảng cách ko có mối liên hệ

– Trung bình khoảng cách các cặp bình phương (xi – xj )2 và trung bình các độ lệch chuẩn mẫu

bình phương (xi - )2 có mối liên hệ trực tiếp

(tiếp)

– Trung bình khoảng cách của từng cặp bình phương: 50/10 = 5

– Phương sai một mẫu gồm n quan sát: 2.5 (một nửa

trung bình của các khoảng cách bình phương)

(tiếp)

• Định nghĩa

các cặp bình phương

CÁC ĐỘ ĐO BIẾN THIÊN

• Ví dụ:

– Hai mẫu có giá trị trung bình là: 4 – Độ lệch trung bình là; 6/4=1.5

CÁC ĐỘ ĐO BIẾN THIÊN (tiếp)

– Độ lệch chuẩn của mẫu 1:

– Độ lệch chuẩn của mẫu 2:

– Giải thích:

• Độ lệch chuẩn là các bình phương của các độ lệch xung

quanh giá trị trung bình, trong mẫu 2 các cực trị ở xa giá trị trung bình, mẫu 1 thì gần hơn Do vậy, trong một số trường hợp nên sử dụng độ đo khác (miền giá trị của các góc phần

tư để mô tả sự biến thiên)

– Người mua hàng nên mua lốp của hãng nào?

…

– Tổng số tiền có thể ít hơn nếu mua lốp hãng B, cho

dù tuổi thọ trung bình có thể ngắn hơn vì chúng mòn như nhau hoặc gần như nhau

• Ví dụ 2: Nhầu đầu tư nông nghiệp sẽ đầu tư vào vùng đất A hay B nếu lượng mưa của chúng

tương ứng như sau:

– A: 40, 36, 25, 60, 54 ( sA = 14,7)

– B: 38, 40, 35, 50, 52 ( sB = 7,55)

• Đầu tư vào vùng đất B sẽ có lợi hơn!

Kết luận

• Một số đo vị trí sẽ mô tả một tập các quan sát chính xác nếu độ biến thiên của tập này nhỏ và ngc lại

• Độ lệch trung bình và độ lệch chuẩn là khoảng cách trung bình so với giá trị trung bình

– Độ lệch trung bình là số học của các độ lệch tuyệt đối

– Độ lệch chuẩn là căn bậc hai của trung bình của

bình phương các độ lệch

PHẦN MỀM PHÂN TÍCH VÀ XỬ

LÝ DỮ LIỆU

• Các phần mềm phục vụ phân tích và xử lý dữ liệu hiện nay: SAS, SPSS và STATA

– SAS: lớn nhất, đầy đủ nhất và đắt nhất => ít được

sử dụng tại VN

– STATA có phạm vi ứng dụng hẹp hơn thường

được sử dụng chủ yếu trong ngành Y tế

– SPSS có nhiều chức năng và linh hoạt hơn được sử dụng rộng rãi trong nhiều ngành khoa học khác

nhau như: Xã hội học, Y học, Nhân học, Tâm lý học, Kinh tế học, Marketing cả phiên bản cho các hệ điều hành Microsoft Windows, Mac, và

Linux/ UNIX

83

CÁCH SỬ DỤNG SPSS

• SPSS là phần mềm chuyên dụng xử lý thông tin sơ cấp

• SPSS là một bộ chương trình rất dễ sử dụng

nên thu hút được nhiều người sử dụng

• SPSS cung cấp một giao diện giữa người và

máy cho phép sử dụng các Menu thả xuống để chọn các lệnh thực hiện

84

QUẢN LÝ DỮ LIỆU

• SPSS có một bộ soạn thảo dữ liệu tương tự

như Excel, bộ soạn thảo cho phép vào các dữ

liệu và mô tả các thuộc tính của chúng

– SPSS không có những công cụ quản lý dữ liệu thật mạnh, chỉ có các lệnh chuyển cấu trúc dữ liệu theo chiều ngang thành cấu trúc dữ liệu theo chiều dọc

và ngược lại

– SPSS chỉ xử lý mỗi file dữ liệu ở một thời điểm và khó có thể phải thực hiện các nhiệm vụ phân tích với nhiều file dữ liệu cùng một lúc Các file dữ liệu

có thể có tới 4096 biến và số lượng bản ghi chỉ bị giới hạn trong dung lượng của đĩa cứng

•

85

– Phân tích tồn tại, phân tích phương sai

– Phân tích nhân tố và phân tích nhiều chiều

86

ỨNG DỤNG TRONG PHÂN TÍCH

THỐNG KÊ (tiếp)

• Sức mạnh lớn nhất của SPSS là lĩnh vực:

– Phân tích phương sai

– Khả năng lập các biểu bảng số liệu tổng hợp: đa dạng và linh hoạt, các bảng biểu,báo cáo được

trình bày đẹp, có thể hiệu chỉnh, in ra hoặc convert

• Yếu điểm của SPSS

– Khả năng xử lý đối với những vấn đề ước lượng phức tạp và do đó khó đưa ra được các ước lượng sai số đối với các ước lượng này

– SPSS cũng không hỗ trợ các công cụ phân tích dữ

VẼ ĐỒ THỊ

• Thao tác đơn giản

• Đồ thị đó chất lượng cao, và có thể cắt/dán vào các tài liệu khác như vào Word hoặc

Powerpoint

– SPSS có ngôn ngữ cú pháp để tạo ra các đồ thị,

nhưng nguôn ngữ cú pháp đó tương đối phức tạp

và nhiều điểm trong giao diện tạo đồ thị lại không sẵn sàng trong ngôn ngữ cú pháp vì thế nên ít được

sử dụng tới

88

Màn hình quản lý dữ liệu

(data view)

Là nơi lưu trữ

dữ liệu nghiên cứu với một cấu trúc cơ sở dữ liệu bao gồm cột, hàng và các

ô giao nhau giữa cột và hàng

Cột (Column): Đại diện cho

biến quan sát

Màn hình quản lý dữ liệu

(data view)

Là nơi lưu trữ

dữ liệu nghiên cứu với một cấu trúc cơ sở dữ liệu bao gồm cột, hàng và các

ô giao nhau giữa cột và hàng

Hàng (Row): Đại diện cho một

trường hợp quan sát (người trả lời),