Bài giảng xử lý dữ liệu với SPSS hồ thanh trí

 Vào cửa sổ Variable view  click chọn thuộc tính value của biến cần khai báo.kiểm tra số lựa chọnNHẬP LIỆU VỚI CÂU HỎI NHIỀU LỰA CHỌN...  Chọn công cụ Compare Means / MeansĐỔ BẢNG MÔ

Hồ Thanh Trí

XỬ LÝ DỮ LIỆU VỚI SPSS

 Là loại thang đo mà trong đó số đo dùng để xếp loại

 Dùng cho dữ liệu định tính

 Có thể gán các ký tự,trị số…để mã hóa dữ liệu

 Các con số không có ý nghĩa về lượng

THANG ĐO ĐỊNH DANH(NOMINAL SCALE)

Câu hỏi nhiều lựa chọn

CÁC DẠNG CÂU HỎI CỦA THANG ĐO ĐỊNH DANH

 Là loại thang đo trong đó số đo dùng để so sánh thứ tự

 Dùng cho dữ liệu định tính

 Không đo lường được chênh lệch thứ bậc hơn kém

 Không có ý nghĩa về lượng

 Có thể gán các ký tự,trị số….để mã hóa dữ liệu

 Các mã số không mang ý nghĩa

THANG ĐO THỨ BẬC(ORDINAL

SCALE)

THANG ĐO THỨ BẬC(ORDINAL

SCALE)

 EditOptionsGeneralMục Character Encoding for Data and Syntax click chọn UnicodeOk

TIẾNG VIỆT THEO UNICODE

 Xác định những giá trị vô nghĩa:giá trị khác với giá trị

 Bước 1: lập bảng tần số từng biến,để tìm số liệu bất thường

 Hãy mã hóa lại biến TUOI

 Tuổi dưới 20

 Từ 20 đến dưới 40

 Từ 40 đến dưới 60

 Trên 60

 Nên mã hóa và lưu lại trên biến mới

 Transform  Recode into Different Variable

MÃ HÓA LẠI BIẾN

MÃ HÓA LẠI BIẾN

Analyze  Descriptive Statistics Frequencies

THỐNG KÊ MÔ TẢ TẦN SỐ

THỐNG KÊ MÔ TẢ TẦN SỐ

KẾT QUẢ THỐNG KÊ MÔ TẢ

 Cột Frequency là tần số của từng biểu hiện, được tính bằng cách đếm

 Cumulative Percent: phần trăm tích lỹ do cộng dồn

KẾT QUẢ THỐNG KÊ MÔ TẢ

 Bạn cho biết các loại điện thoại di động mà bạn đã sử dụng qua

 Có thể lựa chọn nhiều hơn 1 phương án làm sao để nhập dữ liệu được?

NHẬP LIỆU VỚI CÂU HỎI NHIỀU

LỰA CHỌN

 Vào cửa sổ Variable view  click chọn thuộc tính value của biến cần khai báo.(kiểm tra số lựa chọn)

NHẬP LIỆU VỚI CÂU HỎI NHIỀU

LỰA CHỌN

 Analyze  Multiple Response  Define Variable set

THỐNG KÊ VỚI CÂU HỎI NHIỀU

LỰA CHỌN

THỐNG KÊ VỚI CÂU HỎI NHIỀU

LỰA CHỌN

 Analyze  Multiple Response  Frequencies

THỐNG KÊ VỚI CÂU HỎI NHIỀU

LỰA CHỌN

KẾT QUẢ

THỐNG KÊ VỚI CÂU HỎI NHIỀU

LỰA CHỌN

 Analyze  Multiple Response  Crosstabs

THỐNG KÊ VỚI CÂU HỎI NHIỀU LỰA CHỌN (PHÂN TÍCH 2 BIẾN)

KẾT QUẢ

THỐNG KÊ VỚI CÂU HỎI NHIỀU LỰA CHỌN (PHÂN TÍCH 2 BIẾN)

 Analyze  Descriptive statistics  Descriptives

ĐỔ BẢNG MÔ TẢ VỚI BIẾN

ĐỊNH LƯỢNG

ĐỔ BẢNG MÔ TẢ VỚI BIẾN

ĐỊNH LƯỢNG

 Chọn công cụ Compare Means / Means

ĐỔ BẢNG MÔ TẢ BIẾN ĐỊNH LƯỢNG (BIẾN PHỤ THUỘC) TRONG MỐI QUAN HỆ VỚI CÁC BIẾN ĐỊNH TÍNH KHÁC (BIẾN ĐỘC LẬP)

Vào AnalyzeTablesCustom Tables

THỐNG KÊ MÔ TẢ VỚI CUSTOM

TABLES

HÌNH THÀNH CÁC BẢNG BIỂU

 Analyze  Tables  Multipe Response

THỐNG KÊ VỚI CÂU HỎI NHIỀU

LỰA CHỌN

THỐNG KÊ VỚI CÂU HỎI NHIỀU

LỰA CHỌN

 Sau đó quay trở về bảng Custom Table và thực hiện bình thường với biến vừa tạo

THỐNG KÊ VỚI CÂU HỎI NHIỀU

LỰA CHỌN

 Áp dụng trong trường hợp biến phụ thuộc là biến định lượng

HỒI QUY TUYẾN TÍNH(REGRESSION)

HỒI QUY(REGRESSION)

 Estimates :hệ số hồi quy

 Part and partial correlations: phân tích tương quan tuyếntính các biến độc lập

 Collinearity diagnostics : kiểm soát đa cộng tuyến

HỒI QUY(REGRESSION)

 Đồ thị giúp ta biết được sự tương quan giữa các biến độc lập so với biến phụ thuộc

 Correlations ( bảng tương quan ma trận)

 = 1 : chặt chẽ

 Tiến về 0 : không chặt chẽ

 Ở giữa : trung bình

 Model Summary :tóm tắt mô hình

 Anova :phân tích phương sai

 Coefficient : hệ số hồi quy

ĐỌC DỮ LIỆU TỪ MÔ HÌNH

 Xét cột Sig và VIF(mức độ phóng đại phương sai) ở bảngCoefficients

 Sig<0,05,VIF<5(VIF giải thích hiện tượng đa cộng tuyến)

 Đa cộng tuyến là kiểm tra xem các biến độc lập trong mô hình có tương quan chặt chẽ với nhau.

dữ liệu thực tế.Các biến độc lập có tương quan tuyến tính với biếnphụ thuộc

 Hệ số Durbin Watson(1<DW<3):giải thích hiện tượng tương quan chuỗi(coi thử các mẫu có lặp đi lặp lại hay không)

 R square có ý nghĩa:các biến độc lập giải thích được bao nhiêu % biến phụ thuộc

ĐỌC DỮ LIỆU TỪ MÔ HÌNH

Giải thích ý nghĩa của hệ số R²

GIẢI THÍCH KẾT QUẢ

 Viết phương trình dựa vào hệ số Bgọi là phương trình

ở dạng chưa chuẩn hóa

 Viết phương trình dựa vào hệ số Betaphương trình ở

 Beta nào càng lớn thì càng ảnh hưởng đến biến phụ thuộc

 Ưu tiên giải pháp cho Beta lớn nhất nhưng cũng phải giải thích cácbiến bị loại

 Sau đó xét tới hệ số Mean(GTTB) của từng thành phần nếu:

 Caoduy trì

 Thấptìm giải pháp nâng cao lên

GIẢI THÍCH Ý NGHĨA PHƯƠNG

TRÌNH

1 Dùng Lệnh Analysis > Regression > Cure Estimation để

định dạng và tìm các thông số b0, b1, b2, b3…của hàm

(nguyên tắc giá trị F càng lớn là càng phù hợp).

2 Dùng lệnh Transform > Compute Variable để tính lại giá

trị tuyến tính của biến bằng cách thế các thông số b0, b1, b2,b3…vào công thức tính.

3 Chạy hồi quy bằng SPSS dạng tuyến tính.

4 Viết phương tr.nh hồi quy dạng đổi biến và dạng gốc.

BIẾN ĐỔI BIẾN

1 Linear Model whose equation is Y = b0 + (b1 * t) The series values

are modeled as a linear function of time

2 Logarithmic Model whose equation is Y = b0 + (b1 * ln(t)).

3 Inverse Model whose equation is Y = b0 + (b1 / t).

4 Quadratic Model whose equation is Y = b0 + (b1 * t) + (b2 *t**2)

The quadratic model can be used to model a series which "takes off" or a series which dampens

5 Cubic Model defined by the equation

Y = b0 + (b1 * t) + (b2 * t**2) + (b3 * t**3).

6 Power Model whose equation is Y = b0 * (t**b1) or ln(Y) = ln(b0) +

(b1 * ln(t)).

CÁC HÀM ĐỔI BIẾN

7 Compound Model whose equation is Y = b0 * (b1**t) or ln(Y) =

10 Growth Model whose equation is Y = e**(b0 + (b1 * t)) or ln(Y) =

b0 + (b1 * t)

11 Exponential Model whose equation is Y = b0 * (e**(b1 * t)) or

ln(Y) = ln(b0) + (b1 * t)

CÁC HÀM ĐỔI BIẾN

ƯỚC LƯỢNG ĐƯỜNG CONG

Đưa biến phụ thuộc vào ô Dependent

Đưa biến độc lập vào ô independent

Chọn các hàm

để ước lượng

ƯỚC LƯỢNG ĐƯỜNG CONG

Dựa vào constant, b1,b2, b3

để viết lại hàm mới

Đơn giản chỉ có vậy bạn hãy nhớ mình cần đọc những gì và giải thích nó như thế nào?

 Cách 1:

 Vào Variable View đặt tên biến mới

 Ô Target Variable(biến mục tiêu) đánh lại tên biến

đã đặt ở trên

 Sau đó chọn biến độc lập để mã hóa

variable(tạo một biến giả mới)

MÃ HÓA BIẾN(BIẾN GIẢ

DUMMY)

 Áp dụng trong trường hợp biến phụ thuộc là biến định tính có 2 thuộc tính(VD: có hay không; tăng hay giảm….)

 Analyse  Regression  Binary Logistic

 Chuyển biến phụ thuộc Y vào Dependent variable box.

 Chuyển các biến độc lập có liên quan vào Covariates box.

 Chọn Enter trong ô Method

 Click Option

 Đánh dấu vào CI for Exp(B), 95%

 Click Continue

 Click OK

 Xem bảng Variable in the equation

 Xem cột sig nếu biến Xi có sig <0.05  có ý nghĩa thống kê với mức ý nghĩa 5%.

 Cột EXP(B)= của từng biến độc lập

HỒI QUY LOGISTIC

Giới thiệu: Theo tiêu chuẩn của World Bank (1 USD/người/ngày), năm

2010, tỷ lệ nghèo ở Việt Nam là 10,3% Tuy nhiên, nếu áp dụng chuẩnmới ( 2 USD/người/ngày) thì tỷ lệ nghèo sẽ cao hơn nhiều Nền kinh tếkhông thể phát triển bền vững khi còn tình trạng nghèo cao Đó là tháchthức và đương đầu của các nước đang phát triển Cải thiện tình trạngnghèo theo quá trình tăng trưởng và phát triển đang được Chính phủ ViệtNam quan tâm Để giải quyết điều này, trước hết phải nhận diện đượccác yếu tố ảnh hưởng đến nghèo Tuy nhiên, cách nào để định lượng mốiquan hệ giữa các yếu tố và nghèo vẫn còn bỏ ngỏ trong nghiên cứu Phầnnghiên cứu này sẽ giải quyết vấn đề đặt ra, tập trung vào các nội dung:(1) Cơ sở lý thuyết để hình thành mô hình hồi quy Binary Logistic đốivới tình trạng nghèo; (2) Phân tích mô hình dựa trên chương trình SPSS18

MÔ HÌNH CÁC YẾU TỐ ẢNH HƯỞNG

ĐẾN NGHÈO Ở NÔNG THÔN

1 Các yếu tố ảnh hưởng đến nghèo

Các công trình nghiên cứu tại Việt Nam trước đây như: Van de Walle, D và Dileni, G.(2001), Minot, N (2004), WB (2007), Đinh Phi Hổ và Nguyễn Trọng (2007), đã nhận diện có tám yếu tố ảnh hưởng đến nghèo.

 Quy mô diện tích đất của hộ gia đình

 Quy mô vốn vay từ định chế chính thức

 Khả năng tiếp cận cơ sở hạ tầng

CƠ SỞ LÝ THUYẾT CỦA MÔ HÌNH

 Nghề nghiệp, tình trạng việc làm

Người nghèo thường không có việc làm, làm thuê hoặc làm việc trong nông nghiệp, trong khi người giàu thường có việc làm trong những lĩnh vực có thu nhập cao và tương đối ổn định như buôn bán, dịch vụ, công chức.

 Trình độ học vấn

Vì không có đủ tiền để trang trải cho chi phí học tập nên con cái họ thường bỏ học rất sớm hay thậm chí không đi học Hơn nữa, người nghèo không những thiếu hiểu biết mà còn thiếu khả năng tiếp thu kiến thức chuyên môn cần thiết trong hoạt động kinh tế Hệ quả là rơi vào cái bẫy: ít học – nghèo.

 Quy mô hộ

Quy mô hộ gia đình càng lớn thì hộ có chi tiêu bình quân đầu người thấp hơn Do

đó, có nhiều khả năng nghèo hơn hộ có ít người.

 Số người sống phụ thuộc

Tỷ lệ người ăn theo càng cao, họ phải gánh chịu nhiều chi phí hơn cho học hành, khám chữa bệnh Do đó nhiều khả năng nghèo hơn hộ có ít người phụ thuộc.

 Quy mô diện tích đất của hộ gia đình

Ở nông thôn, đất là tư liệu sản xuất chủ yếu của nông nghiệp, nguồn tạo ra thu nhập Không có đất hoặc quy mô đất ít thường đi đôi với nghèo.

 Quy mô vốn vay từ định chế chính thức

Thiếu vốn đầu tư dẫn tới năng suất thấp, kéo theo thu nhập hộ gia đình thấp Do đó, vay vốn từ định chế chính thức là công cụ quan trọng giúp hộ nông thôn thoát nghèo.

 Khả năng tiếp cận cơ sở hạ tầng

Cơ sở hạ tầng nông thôn bao gồm đường giao thông, điện, chợ, nước sạch, hệ thống thông tin liên lạc Cơ sở hạ tầng nông thôn phát triển, nhất là thông qua thực hiện các dự án phát triển cơ sở hạ tầng, sẽ tạo nhiều cơ hội việc làm cho người nghèo ở vùng nông thôn.

 Mô hình hồi quy Binary Logistic phân tích những yếu tố tác động đến khả năng nghèo của hộ gia đình như sau:

 Y là biến giả, có giá trị bằng 1(nếu hộ gia đình nghèo) và bằng 0 (cho tất cả các hộ gia đình khác); Xj là các yếu tố ảnh hưởng đến nghèo (j=1-n); u là phần dư.

Mô hình định lượng

 Dạng tổng quát của mô hình hồi quy Binary Logistic:

 Trong đó, P(Y=1)=Po: Xác xuất hộ nghèo;

 P(Y=0)=1-Po: Xác xuất hộ không nghèo

Mô hình định lượng

Mô hình định lượng

 Bảng 1: Giải thích các biến trong mô hình

Biến phụ thuộc

liệu

Kỳ vọng dấu hệ số hồi quy

DANGHO Biến giả (dummy), nhận giá trị 1 nếu

hộ thuộc diện nghèo và nhận giá trị 0 nếu hộ thuộc diện không nghèo

DTOC Biến giả, nhận giá trị 1 nếu hộ là

người Khmer và nhận giá trị 0 nếu

hộ là người Kinh Hoa

Điều tra +

GTINH Biến giả, nhận giá trị 1 nếu chủ hộ

thuộc giới nam và nhận giá trị 0 cho trường hợp thuộc giới nữ

Điều tra - HOCVAN Số năm đi học của chủ hộ Điều tra -

PTHUOC

Tổng số người trên 15 tuổi mà không tạo ra được thu nhập trong hộ gia đình

+

NGHE

Biến giả, nhận giá trị 0 nếu chủ hộ làm việc liên quan tới nghề nông hay nhận giá trị 1 nếu chủ hộ làm việc trong các ngành phi nông nghiệp

-

KCACH Số Km từ nhà hộ gia đình đến chợ

mà người dân có thể mua bán

+ DUONGOTO

Biến giả, nhận giá trị 1 nếu hộ có đường ô tô đến tận nhà và nhận giá trị 0 nếu hộ không có đường ô tô đến nhà

Biến giả, nhận giá trị 1 nếu hộ có vay và nhận giá trị 0 nếu hộ không

có vay từ các tổ chức tín dụng chính thức

-

PHÂN TÍCH MÔ HÌNH DỰA TRÊN

 Nhập dự liệu vào mô hình hồi quy Binary Logistic

 Analyze/ Regression/ Binary Logistic, sẽ xuất hiện hộp thoại

 Đưa biến DANGHO vào hộp thoại Dependent (biến phụ thuộc) Đưa các biến còn lại vào Covariates (biến độc lập).

 Chọn hộp thoại Save Kết quả như sau:

Chọn các bảng số liệu cần thiết, Copy và Paste qua giao diện Excel hoặc World để phân tích

1 Phân tích các kiểm định.

 Kiểm định hệ số hồi quy

Phân tích hồi quy Binary Logistic

Các biến trong mô hình (Variables in the Equation)

B S.E Wald df Sig Exp(B) 95% C.I.for EXP(B)

Lower Upper

Step 1a

DANTOC 1.528 580 6.952 1 008 4.609 1.480 14.352 GIOITINH -.558 492 1.286 1 257 572 218 1.502 HOCVAN -.326 099 10.739 1 001 722 594 877 PHUTHUOC 227 241 888 1 346 1.255 783 2.012 NGHE -1.951 669 8.493 1 004 142 038 528 KCACH 188 166 1.276 1 259 1.206 871 1.670 DUONG -1.368 516 7.025 1 008 255 093 700 LAMXA -1.689 1.019 2.746 1 097 185 025 1.361 DIENTICH 015 028 275 1 600 1.015 961 1.071 COVAY -2.238 594 14.195 1 000 107 033 342 Constant 798 644 1.536 1 215 2.222

a Variable(s) entered on step 1: DANTOC, GIOITINH, HOCVAN, PHUTHUOC, NGHE, KCACH, DUONG,

LAMXA, DIENTICH, COVAY

 Biến DANTOC có Sig = 0,008 < 0,01 Do đó, biến DANTOC tương quan có ý nghĩa với biến DANGHO với độ tin cậy 99%.

 Biến GIOITINH có Sig = 0,257 > 0,05 Do đó, biến GIOITINH tương quan không có ý nghĩa với biến DANGHO với độ tin cậy 95%.

 Kiểm định mức độ phù hợp của mô hình.

Phân loại dự báo (Classification Table)

Classification Table a

Step 1

Hộ nghèo và không nghèo

Kiểm định Omnibus đối với các hệ số của mô hình

(Omnibus Tests of Model Coefficients)

Omnibus Tests of Model Coefficients

Thông qua các kiểm định, có thể khẳng định: Các yếu tố ảnh hưởng đến nghèo theo thứ tự tầm quan trọng là thành phần dân tộc, vay tiền từ định chế tín dụng chính thức, nhà gần đường ô

tô, làm việc ở khu vực phi nông nghiệp và trình độ văn hóa của chủ hộ.

Gợi ý chính sách:

 Cần có chính sách giảm nghèo riêng cho người dân tộc thiểu số.

 Phát triển ngành nghề dịch vụ ở nông thôn.

 Mở rộng hoạt động tín dụng cho người nghèo.

 Phát triển cơ sở hạ tầng nông thôn, nhất là đường nông thôn.

 Nâng cao trình độ văn hóa cho người dân nông thôn.

Kết luận:

 Vận dụng mô hình hồi quy Binary Logistic phân tích cácnhân tố ảnh hưởng đến quyết định cho vay của ngânhàng thương mại cổ phần…….chi nhánh……

Đề tài gợi ý

1 Lựa chọn biến số

Với mô hình hồi quy Binary Logistic cần phải xác định biến nào là

biến độc lập và biến phụ thuộc Các biến được lựa chọn như sau:

a)Biến phụ thuộc

Trong nghiên cứu này biến phụ thuộc (Y) được lựa chọn như sau

Y = 1 nếu KH có khả năng đảm bảo trả nợ

Y = 0 nếu KH không có khả năng trả được toàn bộ nợ

b)Biến độc lập

Đề tài: Xây dựng mô hình logistic về khả năng trả nợ của khách hàng NC trường hợp ngân hàng…….

Bảng 2.10: Biến độc lập sử dụng trong nghiên cứu

1 Giới tính 1: Nam – 0: Nữ +/- Gioitinh

3 Trình độ học vấn 1: Dưới TH

2: TH 3: ĐH 4: Trên ĐH

+/- TĐHV

4 Tính chất công việc 1: Cấp quản lý

2: Cấp chuyên viên, kinh doanh có đăng ký 3: Lao động được đào tạo, công nhân, kinh doanh tự do 4: Lao động thời vụ, thất nghiệp, nghỉ hưu

7 Thời gian làm công việc hiện tại Tháng + Thoigianlamviec

8 Số người phụ thuộc Người - Songuoiphuthuoc

9 Lịch sử tín dụng 1: Có nợ – 0: Không có thông tin - LichsuTD

10 Số dịch vụ sử dụng Số dịch vụ + Sodichvu

11 Thu nhập hàng tháng Triệu đồng + Thunhap

12 Tiết kiệm hàng tháng Triệu đồng + Tietkiem

13 Số tiền vay Triệu đồng - Tienvay

14 Giá trị tài sản đảm bảo Triệu đồng + Taisan

2 Phân tích thống kê mô tả

(Nguồn: Số liệu tính toán từ dữ liệu của Ngân hàng TMCP Sài Gòn)Với bảng 2.11, số liệu khách hàng không có khả năng trả nợ là 19,38%

và 80,62% khách hàng có đủ khả năng trả nợ Ngoài ra, đề tài cũngthống kê mô tả toàn bộ dữ liệu và cho ra các thông số sau:

Bảng 2.11: Phân loại khách hàng theo khả năng trả nợ Nhóm (Y) Số lượng Tỷ trọng

0 31 19,38%

1 129 80,62%

Tổng 160 100%

Bảng 2.12: Số liệu thống kê mô tả mẫu nghiên cứu

Biến độc lập Trung bình Mode Độ lệch Maximum Minimum