PHÂN TÍCH dữ LIỆU với SPSS

Khi hộp thoại Factor Analysis xuất hiện.+ Đưa các biến cần phân tích nhân tố vào khung Variables + Sau đó lần lượt chọn các nút: Descriptives, Extraction, Rotation, Optio

KIỂM ĐỊNH THANG ĐO

 Phân tích nhân tố khám phá EFA 

Kiểm tra tính tương quan của thang đo

 Đo lường hệ số tin cậy Cronbach’s Alpha của từng nhóm biến tương quan  Loại bỏ biến rác

 Đánh giá lại độ tin cậy của thang đo lần cuối

 Sử dụng phân tích hồi qui  Đánh giá

mức độ quan trọng của từng yếu tố

PHÂN TÍCH NHÂN TỐ EFA

PHÂN TÍCH NHÂN TỐ

Phân tích nhân tố là kĩ thuật thống kê dùng để rút gọn một tập các biến quan sát có tương quan với nhau thành một số nhân tố.

(Hair & ctg 1998)

CÁC ỨNG DỤNG CỦA PHÂN TÍCH NHÂN TỐ

quan trọng dùng để phân nhóm người tiêu dùng

tính nhãn hiệu có ảnh hưởng đến sự lựa chọn của người tiêu dùng

trưng của những người nhạy cảm với giá

GIỚI THIỆU CÁC LOẠI BIẾN TRONG MÔ HÌNH

BIẾN QUAN SÁT

Là biến có thể ước

lượng, đo lường

được

BIẾN TRONG

MÔ HÌNH

BIẾN TIỀM ẨN

Là những biến được

đo lường thông qua biến quan sát

Hình dạng qui ước

BIẾN QUAN

SÁT

Hình dạng qui ướcBIẾN TIỀM ẨN

MÔ HÌNH EFA

PHƯƠNG PHÁP PHÂN TÍCH TRÊN SPSS

Từ thanh menu của SPSS Chọn Analyze Data Reduction  Factor

Khi hộp thoại Factor Analysis xuất hiện.

+ Đưa các biến cần phân tích nhân tố vào khung Variables

+ Sau đó lần lượt chọn các nút: Descriptives, Extraction,

Rotation, Options và Scores để đánh dấu chọn các mục phù hợp (khi cần)

Khi chọn Descriptives Hộp

thoại như Hình bên xuất hiện.

Đánh dấu chọn KMO and

Bartlett’s test of sphericity (nếu

cần)

Khi chọn Extraction hộp thoại con xuất hiện Trong hộp thoại

này, bạn chọn:

• Phương pháp rút trích các nhân tố (phương pháp mặc định là

rút các thành phần chính – Principal components Một phương pháp hay sử dụng nữa là Principal Axis Factoring

• Eigenvalues over:Xác định tiêu chuẩn rút trích nhân tố = 1

• Number of Factors: Số lượng nhân tố cần rút trích

Khi chọn Rotation Hộp

thoại như Hình bên xuất hiện.

Đánh dấu chọn:

• Varimax nếu phương pháp trích là Principal

components

• Promax nếu phương

pháp trích mà bạn chọn ở

là Principal axis

factoring

Khi bấm nút Scores, hộp thoại Factor Analysis: Factor Scores xuất

hiện

Chọn Save as variables nếu bạn muốn

lưu lại nhân số (đã chuẩn hoá) của từng

nhân tố

ĐỌC KẾT QUẢ

MỤC ĐÍCH: Xem xét mức độ thích hợp của EFA

KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân

tích nhân tố là thích hợp

Kiểm định Bartlett xem xét giả thuyết Ho: độ tương quan giữa các biến quan sát bằng không trong tổng thể Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Trọng & Ngọc, 2005, 262)

•Mục đích: Xác định số nhân tố và biến quan sát giải thích cho nhân tố

•Biến quan sát được chọn là biến có hệ số tải nhân tố lớn hơn hoặc bằng 0,45 Nếu biến có tải nhân tố

Trong bảng kết quả ở Hình bên, có bao nhiêu cột tức là có bấy nhiêu thành phần chính (nhân tố) được

rút ra Có 7 nhân tố được rút ra

Các con số ở trong bảng

Rotated Component Matrix(a) gọi

là các Factor loading, hay hệ số

tải nhân tố, hay trọng số nhân tố.

Một tiêu chuẩn quan trọng đối với Factor loading lớn nhất cần

được quan tâm: nó phải lớn hơn hoặc bằng 0.5 Nếu có nhiều biến

có Factor loading không thỏa điều kiện trên  Loại bỏ từng biến và kiểm tra lại Factor loading của từng biến

Trong hình trên, bạn quan tâm đến một con số ở cột cuối cùng của dòng số 7 (vì có

7 nhân tố được rút ra) Con số này là 64.979 Người ta nói phương sai trích bằng 64.979% Con số này cho biết 7 nhân tố giải thích được 64.979% biến thiên của các biến quan sát (hay của dữ liệu)

Có một tiêu chuẩn đối với phương sai trích Hair & ctg (1998) yêu cầu rằng

ĐO LƯỜNG ĐỘ TIN CẬY CRONBACH’S ALPHA

 Các biến quan sát có hệ số tương quan biến tổng

(Item total correllation) nhỏ hơn 0.3 sẽ bị loại.

 Tiêu chuẩn để chọn thang đo: Khi giá trị Cronbach’s

Alpha cả nhóm các yếu tố lớn hơn hoặc bằng 0.6

(Nunnally & Burnstein, 1994)

THỰC HIỆN KIỂM ĐỊNH CRONBACH’S ALPHA

Vào Analyze  Scale  Reliability Analysis

THỰC HIỆN KIỂM ĐỊNH CRONBACH’S ALPHA

• Chọn các yếu tố trong cùng nhóm muốn phân tích cho vào Items

• Scale label: Đặt tên cho thang đo

• Nhấn vào Statistics

THỰC HIỆN KIỂM ĐỊNH CRONBACH’S ALPHA

ĐỌC KẾT QUẢ KIỂM ĐỊNH CRONBACH’S ALPHA

Các bảng quan trọng:

• Reliability Statistics

• Item – Total Statistics

ĐỌC KẾT QUẢ KIỂM ĐỊNH CRONBACH’S ALPHA

Hệ số Cronbach’s Alpha cả nhóm = 0.797 >0.6

Nhóm có 3 nhân tố

PHÂN TÍCH HỒI QUI BỘI

Mô hình hồi qui bôi (với phương pháp ước lượng OLS) được sử dụng khi bạn muốn tìm hiểu các yếu tố ảnh hưởng đến một biến định lượng (Biến Y) Từ đó bạn có thể kiểm định các yếu tố tác động đến biến định lượng để gợi ý chính sách cho công ty hoặc để dự báo

Y = f(X2, X3,….,Xk)

Điều kiện: Y là biến định lượng, biến phụ thuộc

Xj là biến định lượng, biến giả (nhận giá trị 0 và 1), biến độc lập

Ước lượng mô hình

DEPENDENT: Bỏ biến Y vào

cl ic k

ĐỌC KẾT QUẢ

1 Model Summary

2 Anova

3 Coefficients

KIỂM ĐỊNH TỔNG THỂ

Sig < α  Chấp nhận giải thuyết H1

KIỂM ĐỊNH HỆ SỐ HỒI QUI

Kiểm định tính ý nghĩa của hệ số hồi qui: Các biến sẽ bị loại bỏ khỏi mô hình nếu như Sig >0.05

• R Square là khả năng giải thích của mô hình R Square cho biết mô hình này có khả năng giải thích bao nhiêu phần trăm giá trị thực tế của biến phụ thuộc

• Nếu R Square = 0.49 thì mô hình này có khả

LOGO