Phân tích dữ liệu đa biến và một số ứng dụng

Phân tích dữ liệu đa biến dựa trên nguyên tắc thống kê số liệu đa biến, trong đó bao gồm việc quan sát và phân tích kết quả thống kê của nhiều hơn một biến đã và đang thu hút sự quan tâm của nhiều nhà thống kê cũng như của nhiều nhà khoa học trong các ngành thực nghiệm. Một trong những điểm mạnh của phương pháp này là nó có thể được sử dụng để thực hiện các nghiên cứu trong rất nhiều lĩnh vực liên quan đến yêu cầu xem xét tác động của nhiều nhân tố trên những biến phản hồi Y (xem ’). Trong số các phương pháp phân tích đa biến thì phân tích hồi quy có nhiều ưu điểm vì đó là một phân tích thống kê để xác định xem các biến độc lập có quan hệ như thế nào với các biến phụ thuộc. Đây là một phương pháp thống kê mà giá trị kỳ vọng của một hay nhiều biến ngẫu nhiên được dự đoán dựa vào điều kiện của các biến ngẫu nhiên (đã tính toán) khác. Phân tích hồi quy có nhiều mô hình như mô hình hồi qui tuyến tính, hồi qui logic, hồi qui Poisson...Luận văn này sẽ tập trung nghiên cứu và ứng dụng mô hình hồi quy tuyến tính đa biến (xem ).

TP HỒ CHÍ MINH - Tháng 6 năm 2018

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ HUỲNH NHƯ

DỤNG

Chuyên ngành : TOÁN ỨNG DỤNG

Mã số: 60460112

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH - Tháng 6 năm 2018

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ HUỲNH NHƯ

PHÂN TÍCH DỮ LIỆU ĐA BIẾN VÀ MỘT SỐ

ỨNG DỤNG

Chuyên ngành : TOÁN ỨNG DỤNG

Mã số: 60460112

LUẬN VĂN THẠC SĨ

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠITRƯỜNG ĐẠI HỌC BÁCH KHOA -ĐHQG -HCM

Cán bộ hướng dẫn khoa học : TS Nguyễn Tiến Dũng

2 Thư ký: TS Đặng Văn Vinh

3 Phản biện 1: PGS TS Nguyễn Bích Huy

4 Phản biện 2: TS Nguyễn Bá Thi

5 ủy viên: PGS TS Nguyễn Huy Tuấn

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

PGS.TS NGUYỄN ĐÌNH HUY PGS.TS HUỲNH QUANG LINH

ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: Lê Huỳnh Như

Ngày, tháng, năm, sinh: 03/09/1987 Chuyên

III. NGÀY GIAO NHIỆM VỤ: 15/01/2018

IV. NGÀY HOÀN THÀNH NHIỆM VỤ: 17/06/2018

V CÁN BỘ HƯỚNG DẪN: TS NGUYỄN TIẾN DŨNG

Tp HCM, ngày 17 tháng 6 năm 2018

CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

TS NGUYỄN TIẾN DŨNG PGS.TS NGUYEN ĐÌNH HUY

TRƯỞNG KHOA

PGS.TS HUỲNH QUANG LINH

MSHV: 7140275Nơi sinh: Long An

Mã số: 60460112

LỜI CẢM ƠN

Luận văn này được thực hiện tại Trường Đại học Bách Khoa Tp.HCM dưới sựhướng dẫn của Thầy TS Nguyễn Tiến Dũng Trước hết, tôi xin bày tỏ lòng biết ơnsâu sắc đến Thầy - người luôn động viên và hết lòng hướng dẫn tôi hoàn thành luậnvăn này

Tôi cũng xin chân thành cảm ơn các quý thầy cô giáo bộ môn Toán ứng Dụngkhoa Khoa học ứng Dụng đã giảng dạy nhiệt tình, cung cấp kiến thức cho tôi trongquá trình học tập ở trường

Tôi xin chân thành cảm ơn Phòng đào tạo Sau đại học Trường Đại học BáchKhoa Tp.HCM đã tạo điều kiện thuận lợi để tôi hoàn thành chương trình đào tạo và

an tâm học tập tại trường

Cuối cùng, tôi xin gửi lời cám ơn đến gia đình, bạn bè, những người đã luôn bêntôi, động viên và khuyến khích tôi hoàn thành luận văn này

Tôi xin chân thành cảm ơn!

Tp.HCM, ngày 17 tháng 6 năm 2018

Học viên thực hiện

Lê Huỳnh Như

TÓM TẮT LUẬN VĂN

Luận văn bao gồm 3 chương Chương 1 trình bày các khái niệm cơ bản Chương

2 trình bày về cách phân tích mô hình hồi quy tuyến tính đa biến và ứng dụng.Chương 3 trình bày mô hình copula và ứng dụng

ABSTRACT

The thesis contains three chapters Chapter 1 presents the basic concept Chapter

2 presents the multivariate linear regression analysis and application Chapter 3presents the copula model and application

LỜI CAM ĐOAN

Tôi tên là Lê Huỳnh Như, MSHV: 7140275, học viên cao học chuyên ngànhToán ứng dụng Trường Đại học Bách Khoa TP.HCM khóa 2014 Tôi xin cam đoanrằng, ngoại trừ các kết quả tham khảo từ các công trình khác như đã ghi rõ trong luậnvăn, các công việc trình bày trong luận văn này là do chính tôi thực hiện dưới sựhướng dẫn của TS Nguyễn Tiến Dũng

Tp.HCM, ngày 17 tháng 6 năm 2018

Học viên thực hiện

Lê Huỳnh Như

2.2.4 Kiểm tra độ tin cậy thang đo bằng hệ số Cronbach’s alpha

24 25 25 26 26 28 29 30 30 32 2.4 ứng dụng mô hình hồi quy tuyến tính đa biến để đánh giá sự hài

lòng của học sinh khối 12 năm học 2017 - 2018 về trường THPT

Gò Đen, Bến Lức, Long An 35

2.4.1 Giới thiệu trường THPT Gò Đen, Bến Lức, Long An|

2.4.2 Quỵ trình nghiên cứu

2.4.3 Nghiên cứu định tínhỊ

2.4.4 Nghiên cứu định lượng

2.4.5 Bảng khảo sát|

2.4.6 Kết quả sau khi chạy hồi quỵ đa biến 3 Mõ hình copula 3.1 Một vài định nghĩa và tính chất của Copula

3.1.1 Các hàm phân phối đồng thòi Préchet - Hoeffding

3.1.2 Copula và biến ngẫu nhiên

3.2 Các khái niệm sự phụ thuộcỊ

3.2.1 Tương quan tuyến tính

3.2.2 Dộ đo sự tương thích

3.2.3 Dộ đo sự phụ thưộc

2.2.6 Hệ số tải nhân tố| 24

35 36 36 36 37 46

63

63 68 71 73 73 74 77

3.5.1 Tốn thất tống hợp và phân tích giá trị rủi ro

Kết luận

Lý lịch trích ngang

83

87889090919398

117

120 122

MỞ ĐẦU

I Lý do chọn đề tài

Phân tích dữ liệu đa biến dựa trên nguyên tắc thống kê số liệu đa biến, trong đó baogồm việc quan sát và phân tích kết quả thống kê của nhiều hơn một biến đã và đangthu hút sự quan tâm của nhiều nhà thống kê cũng như của nhiều nhà khoa học trongcác ngành thực nghiệm Một trong những điểm mạnh của phương pháp này là nó cóthể được sử dụng để thực hiện các nghiên cứu trong rất nhiều lĩnh vực liên quan đến

yêu cầu xem xét tác động của nhiều nhân tố trên những biến phản hồi Y (xem [ ’).

Trong số các phương pháp phân tích đa biến thì phân tích hồi quy có nhiều ưu điểm vì

đó là một phân tích thống kê để xác định xem các biến độc lập có quan hệ như thế nàovới các biến phụ thuộc Đây là một phương pháp thống kê mà giá trị kỳ vọng của mộthay nhiều biến ngẫu nhiên được dự đoán dựa vào điều kiện của các biến ngẫu nhiên(đã tính toán) khác Phân tích hồi quy có nhiều mô hình như mô hình hồi qui tuyếntính, hồi qui logic, hồi qui Poisson Luận văn này sẽ tập trung nghiên cứu và ứng dụng

mô hình hồi quy tuyến tính đa biến (xem [ ])

Ngoài ra, một trong những phương pháp thường được dùng khi phân tích dữ liệu đabiến với cách tiếp cận liên quan đến hàm phân phối đồng thời là mô hình copula (xem

rất thú vị Dựa vào copula, ta có thể xác định được sự phụ thuộc của các biến ngẫunhiên mà nhiều khi covariance và correlation không thể lý giải được Đặc biệt, trong lýthuyết đầu tư và quản lý rủi ro, việc chỉ sử dụng covariance và correlation của các chỉ

số, giá cả, v.v nhiều khi là chưa đủ Khi đó, ta cần phải khảo sát cả copula của chúng

II Mục đích nghiên cứu

Mục tiêu nghiên cứu cơ bản của luận văn này là làm rõ phép phân tích hồi quytuyến tính đa biến, phân tích mô hình copula và ứng dụng của nó

III Đối tượng và phạm vi nghiên cứu

- Đối tượng nghiên cứu: Mô hình hồi quy tuyến tính đa biến, mô hình copula

- Phạm vi nghiên cứu: Mô hình phân tích trong kết quả đo và một số ứng dụng

IV Phương pháp nghiên cứu

- Tìm hiểu mô hình hồi quy đa biến, mô hình copula

- Xem xét khả năng ứng dụng của các phương pháp trong các bài báo vào một hoặc một vài dữ liệu đặc thù ở Việt Nam

- Học cách sử dụng phần mềm SPSS (xem [ ]) hoặc/và R (xem [ ]) để hiện thực hóa khả năng ứng dụng trên

V Ý nghĩa khoa học và thực tiễn của đề tài

- Ý nghĩa khoa học: Luận văn này nghiên cứu và làm rõ một số mô hình phân tích

- Ý nghĩa thực tiễn: ứng dụng các mô hình trên cho một số bài toán trong giáo dục hoặc kinh tế tài chính

VI Cấu trúc của luận văn

- Chương 1: Kiến thức chuẩn bị

- Chương 2: Mô hình hồi quy tuyến tính đa biến

- Chương 3: Mô hình copula

Tương quan mẫu.

Ma trận hiệp phương sai có thành phần (ỉ, j) là hiệp phương sai.

Phân tích nhân tố khám phá.

Cận dưới Eréchet - Hoeffding.

Cận trên Eréchet - Hoeffding.

Tích copula.

Miền giá trị của X.

Véctơ của biến ngẫu nhiên tục với copula c.

X có phân phối elliptic với các tham số /1,52, ộ

Mô hình phương sai riêng.

Mô hình phương sai mũ.

Phân phối copula thực nghiệm.

Ước lượng hợp lý cực đại.

Ước lượng hợp lý cực đại chính xác.

Ước lượng hợp lý cực đại chính tắc.

Hàm suy luận cho phân phối lề.

Hàm sinh moment.

Value at Risk: thước đo rủi ro thị trường.

Chương 1

Kiến thức chuẩn bị

1.1 Hiệp phương sai của biến ngẫu nhiên hai chiều

Nếu hai biến X và y được đo lường trên cùng một đơn vị nghiên cứu, ta có biến ngẫu nhiên hai chiều (x,y).

Hiệp phương sai tổng thể được định nghĩa:

dương Ngược lại, tích (a? — Hx^y — /J,y) sẽ âm và giá trị trung bình của tích này sẽ

âm Hiệp phương sai tổng thể có thể được biểu diễn:

Nếu (x,y) là biến ngẫu nhiên hai chiều thì:

E(xy) = E(x)E(ỳ), nếu X, y độc lập.

Hiệp phương sai mẫu được định nghĩa là:

E (Xi-x)(yi-ỹ)

E Xiyi - rĩxỹ

2—1

n — 1

1.2 Tương quan của biến ngẫu nhiên hai chiều

Trong phân tích hồi quy tuyến tính đơn giản, hệ số tương quan là một thống kê

mà chỉ ra các mối quan hệ giữa các biến độc lập và biến phụ thuộc

Hệ số tương quan được ký hiệu bởi r và nó trong khoảng -1.00 đến 1.00 Khi hệ

số tương quan là dương, chẳng hạn như 0.80, nó có nghĩa là sự gia tăng các biến độclập sẽ dẫn đến sự gia tăng biến phụ thuộc (Ngoài ra, giảm các biến độc lập sẽ cónghĩa là giảm các biến phụ thuộc)

Khi hệ số tương quan là âm, chẳng hạn như -0.80, có một mối quan hệ nghịchbiến (Sự gia tăng các biến độc lập sẽ có nghĩa là giảm biến phụ thuộc Sự giảm cácbiến độc lập sẽ có nghĩa là một sự gia tăng trong các biến phụ thuộc.) Một hệ sốtương quan bằng 0.8 hoặc -0.8 cho thấy một mối tương quan mạnh mẽ giữa các biếnđộc lập và biến phụ thuộc

Hiệp phương sai phụ thuộc vào thang đo của X vầy, rất khó để so sánh hiệp

phương sai giữa các cặp khác nhau của các biến Để tìm thước đo về mối quan hệtuyến tính bất biến khi thay đổi tỷ lệ ta có thể chuẩn hóa hiệp phương sai bằng cáchchia cho độ lệch chuẩn của hai biến Sự chuẩn hóa này gọi là tương quan Tương

quan tổng thể của 2 biến X và y là

và tương quan mẫu là

{Xi - x)(yi - y)

n (1-8) Xi - z)2 Ề (yi - ỹ) 2

2=1

1.3 Ma trận hiệp phương sai

Ma trận hiệp phương sai của tập hợp m biến ngẫu nhiên là một ma trận vuông hạng (m X m), trong đó các phần tử nằm trên đường chéo (từ trái sang phải, từ trên

xuống dưới) lần lượt là phương sai tương ứng của các biến này (với Var(x) =hay

Cov(x,x)), trong khi các phần tử còn lại (không nằm trên đường chéo) là các hiệpphương sai của đôi một hai biến ngẫu nhiên khác nhau trong tập hợp.

Ký hiệu X là một véctơ cột, Xi là các thành phần của véctơ này.

Nếu các thành phần của véctơ cột là các biến ngẫu nhiên có phương sai xác định(không quá lớn tới vô cực), thì ma trận hiệp phương sai (covariance matrix) 52 làmột ma trận mà có thành phần (X j) là hiệp phương sai (covariance):

trong đó

Ịj,ị = E(Xị) là giá trị kỳ vọng của thành phần thứ ỉ của véctơ X Nói cách khác

-E - JÍ JL )(X, - :■! ]■:[(-ịiX • ■ • E[(- Í1, 11X JL - ự JL }]_

(110)

1.4 Ma trận tương quan

Tương quan mâu giữa các biến thứ j và k được định nghĩa theo (1.9):

Ma trận tương quan mâu tương tự như ma trận hiệp phương sai

s jk SjSk

Chương 2

Mô hình hồi quy tuyến tính đa biến

2.1 Phân tích tương quan tuyến tính (Linear Correlation)

Để hồi quy mô hình thì cần tiến hành phân tích tương quan giữa các nhân tố độclập với nhân tố phụ thuộc Từ đó chúng ta sẽ chọn những nhân tố độc lập thực sự cótương quan với nhân tố phụ thuộc và đưa những nhân tố đó vào phân tích hồi quy

2.1.1 Đồ thị phân tán

Đồ thị phân tấn của Y so với biến X là tập hợp tất cả các điểm có tọa độ M (x^yi)

trong hệ tọa độ vuông góc Dựa vào đồ thị phân tán ta có thể xấc định được dạng

quan hệ giữa 2 biến Y và X.

Đồ thị phân tán

2.1.2 Hệ số tương quan của tập hợp chính (The Population Correlation Coefficient)

phương sai là ơ^ơy Để đo lường mức độ quan hệ giữa X và Y người ta dùng đại

lượng hiệp phương sai (covariance) và hệ số tương quan (correlation

V

Theo phương pháp bình phương nhỏ nhất, các hệ số: 31; ^2, được chọn sao cho tổng

bình phương của các phần dư nhỏ nhất:

2.3.4 Hệ số xác định hồi quy bội

Ta làm quen với một số khái niệm: TSS (Total Sum of Squares): là tổng bình

phương của tất cả các sai lệch giữa các giá trị quan sát Yị với giá trị trung bình của

đo mức độ phù hợp của hàm hồi quy

tỏ X, Y không có quan hệ với nhau.

Trong mô hình hồi quy bội, hệ số xác định có thể được tính bằng một trong hai côngthức sau:

52 — ỹ) không phụ thuộc vào số biến giải thích có trong mô hình, nhưng

Í=1

n

thuộc nhưng số biến độc lập khác nhau, ta cần phải cẩn thận trong việc lựa chọn mô

độc lập có trong mô hình Do đó, chúng ta xem xét một hệ số xác định khác thay thếnhư sau:

i=i / Trong đó k là số tham số trong mô hình bao gồm cả hệ số tự do.

i=l

n — k

phương trình hồi quy hay không Chúng ta có thể quyết định thêm một biến độc lập

2.3.5 Ma trận tương quan

Giả sử chúng ta có mô hình hồi quy bội: Yị = /31 + P2X2Ì + + PkXki + Uị Kí

Nếu t = 1 thì Tij là hệ số tương quan giữa biến Y và biến Xj.

r y2 yvEij _ r _ y2 ytiXji

Tl ’ ~ rtl ~ Trong đó: Xji = Xji — Xj\ Ttj = Tji', Tjj = 1 Ma trận hệ số tương quan có dạng:

(2-10)

2.3.6 Ma trận hiệp phương sai

Để kiểm định giả thiết, tìm khoảng tin cậy, cũng như thực hiện các suy luận

thống kê khác ta cần phải tìm var(/3j); j = 1,2, , k và cov(/3j, /3j).

Ma trận hiệp phương sai của/3 có dạng tổng quát như sau:

cov(Ậ,Ạ)

C0 V (/32,Â)

var(3fc) /

Để tìm cov(3) ta áp dụng công thức:

phương sai của sai số ngẫu nhiên Ui nhưng chưa biết nên ta dùng ước lượng không

Trong đó k là số biến của mô hình.

2.3.7 Khoảng tin cậy và kiểm định giả thiết

(3j có phân phối chuẩn với kỳ vọng (3j và phương sai var(/3j)

nên ta dùng ước lượng không chệch của nó là:

Với tiêu chuẩn này, chúng ta có thể tìm khoảng tin cậy và kiểm định giả thiết về các

hệ số hồi quy riêng Chẳng hạn để tìm khoảng tin cậy của ị3j(j = 1, 2,k) với hệ số tin cậy (1 — a) ta áp dụng công thức:

se(^)

Tùy theo giả thiết Hỵ, ta có các miền bác bỏ sau đây:

Nếu chọn Bj = 0 có nghĩa là ta muốn kiểm định giả thiết biến độc lập Xj

Phía trái

Phía phải

không ảnh hưởng đến biến phụ thuộc

Kiểm định giả thiết Hũ : 02 = 03 = =

Pk-Hỵ: không phải tất cả các hệ số hồi quy riêng đồng thời bằng 0.

Để kiểm định giả thiết trên, ta áp dụng quy tắc kiểm định sau:

• Tính F theo công thức:

sát, k là số biến trong mô hình hồi quy (kể cả biến phụ thuộc).

1 Với mức ý nghĩa Ot, tra bảng phân phối Fisher Snedecor với bậc tự do

Khi đó, F a (k — 1, n — k) là giá trị thỏa mãn điều kiện:

• Nhận xét:

2.3.8 Hiện tượng đa cộng tuyến

Bản chất hiện tượng đa cộng tuyến

Thuật ngữ đa cộng tuyến do Ragnar Frisch đề nghị Khởi đầu đa cộng tuyến cónghĩa là sự tồn tại mối quan hệ tuyến tính “hoàn hảo” hoặc chính xác giữa một sốhoặc tất cả các biến giải thích trong một mô hình hồi quy

Khi lập mô hình hồi quy bội

Có sự phụ thuộc tuyến tính cao giữa các biến giải thích gọi là đa cộng tuyến

a Đa cộng tuyến hoàn hảo

/?2 = /Ổ3 = ••• = = 0 nhưng kiểm định t cho từng /3ị lại chấp nhận H Q

• Tương quan cặp giữa các biến giải thích cao:

s q, - x)(Zj - Z)

; (Xỉ - X)2 E (Zf - zy Trong đó X z là 2 biến giải thích trong mô hình.

Nếu tương quan cặp giữa các biến giải thích cao (lớn hơn 0.8) thì có thể xảy ra hiệntượng đa cộng tuyến Tuy nhiên tiêu chuẩn này thường không chính xác Có nhữngtrường hợp tương quan cặp không cao nhưng vẫn xảy ra hiện tượng đa cộng tuyến

• Sử dụng mô hình hồi quy phụ

Hồi quy một biến giải thích X nào đó theo các biến còn lại.

— A + /5,3^3?: + ••• + PkXki

(1 - R 2 )/(k - 1) Trong đó: n là số quan sát, k là số tham số trong mô hình hồi quy phụ (kể cả hệ số tự

do)

• Sử dụng nhân tử phóng đại phương sai (VIF): Đối với hàm hồi quy 2 biến giảithích, VIF được định nghĩa như sau:

Đối với trường hợp tổng quát, có (k — 1) biến giải thích thì:

Vì vậy, nhiều tác giả đã sử dụng VIF như là một dấu hiệu xác định đa cộng tuyến Thông thường khi VIF > 10, thì biến này được coi là có cộng tuyến cao.

Cách khắc phục hiện tượng đa cộng tuyến

• Dùng thông tin tiên nghiệm: Thông tin này có thể từ các công việc thực tế trướcđây trong đó đã xảy ra nhiều vấn đề cộng tuyến nhưng ít nghiêm trọng hơn hoặc từ

(2.18)

(2.19)

(2.20)

các lý thuyết tương ứng trong lĩnh vực nghiên cứu Thông tin tiên nghiệm giúp chúng

ta giảm số biến của một mô hình độc lập xuống, làm giảm hoặc loại bỏ được vấn đề

đa cộng tuyến

• Loại trừ một biến giải thích ra khỏi mô hình

Bước 1: Xem cặp biến giải thích nào có quan hệ chặt chẽ Giả sử X2, X3,Xk là các biến độc lập và Y là biến phụ thuộc thì X2, X3 có tương quan chặt chẽ với nhau hay

không

biến

• Bổ sung thêm dữ liệu hoặc chọn mẫu mới: vấn đề đa công tuyến là một đặc tínhcủa mẫu, có thể là trong một mẫu khác, các biến cộng tuyến không quan trọng nhưtrong mẫu đầu tiên Vì vậy đôi khi ta tăng cỡ mẫu cũng có thể làm giảm bớt vấn đề

Mô hình hồi quy ở trên thường làm giảm tính nghiêm trọng của đa công tuyến vì

dù X2, X3 có thể tương quan cao nhưng không có nghĩa sai phân của chúng cũng

tương quan cao

• Một số phương pháp khác: Giảm tương quan trong các hàm hồi quy đa thức, hồiquy thành phần chính, hồi quy dạng sóng

2.4 ứng dụng mô hình hồi quy tuyến tính đa biến để đánh giá sự hài

lòng của học sinh khối 12 năm học 2017 - 2018 về trường THPT Gò Đen, Bến Lức, Long An

2.4.1 Giới thiệu trường THPT Gò Đen, Bến Lức, Long An

Trường THPT Gò Đen được thành lập năm 1990, tọa lạc trên địa bàn xã PhướcLợi, huyện Bến Lức, tỉnh Long An Tên ban đầu là trường THPT Bán công Gò Đen.Năm 2009 trường được chuyển sang hình thức công lập và lấy tên là trường THPT

Gò Đen cho đến nay

Năm học 2017 - 2018 trường có 26 lớp với tổng số học sinh là 1094 học sinh và

64 cán bộ giáo viên và nhân viên trường học Đa số đều là giáo viên trẻ, nhiệt tìnhtrong công tác Nguồn học sinh của trường chủ yếu đến từ 5 xã Mỹ Yên, Long Hiệp,Phước Lợi, Phước Lý và Tân Bửu, huyện Bến Lức

Về cơ sở vật chất trường có 18 phòng học, 7 phòng bộ môn và 25 phòng chứcnâng trong đó có 01 thư viện, 01 phòng truyền thống Sân chơi dành cho học sinhrộng rãi với 02 sân bóng chuyền, 01 sân bóng rổ, 01 sân bóng đá và 01 nhà thi đấuvới 3 sân cầu lông và 02 sân bàn bóng bàn Tổng diện tích là 3.800m2

Để thực hiện tốt mục tiêu đưa chất lượng giáo dục của nhà trường ngày một đilên, bên cạnh các hoạt động giảng dạy, nhà trường luôn chú trọng giữ vững tốt mốiliên hệ với các trường bạn trong và ngoài tỉnh cũng như đối với chính quyền địaphương nơi tọa lạc Thường xuyên tổ chức cho học sinh tham quan, học tập kinhnghiệm, lao động hướng nghiệp, phối hợp với trường bạn tổ chức cho học sinh vềnguồn, ngày chủ nhật xanh hay thăm viếng Mẹ Việt Nam anh hùng nhằm góp phầngiáo dục tư tưởng, ý chí, hành động của các em, thông qua những chuyến đi học tậpnhư thế sẽ giúp các em biết tu dưỡng bản thân, rèn luyện, học tập hết mình để trởthành một người có ích cho xã hội

2.4.2 Quy trình nghiên cứu

Ffioiflvan tiu

I*— ■ rtil'i íàiíiiíAUiúriqlsi

I.iinfl càu hii ,1 _ i ;

/ rjinu ctiinh

2.4.3 Nghiên cứu định tính

• Thành lập thang đo nháp

• Sau quá trình phỏng vấn thử ỏ một số học sinh và hỏi ý kiến chuyên gia, thang

đo nháp được điều chỉnh và bổ sung các biến và các thành phần để có thang đo chínhthức

2.4.4 Nghiên cứu định lượng

• Dữ liệu được khảo sát cho 251 học sinh khối 12 năm học 2017 - 2018

• Bảng câu hỏi dự kiến gồm

- 30 câu hỏi cảm nhận và kỳ vọng về chất lượng đào tạo của nhà trường

- 4 câu hỏi về đánh giá chung về sự hài lòng của học sinh đối với nhà trường

• Thang đo: Một trong những hình thức đo lường các khái niệm trừu tượng được

sử dụng phổ biến nhất trong nghiên cứu kinh tế xã hội là thang đo do Likert (1932)giới thiệu Likert đã đưa ra loại thang đo 5 mức độ phổ biến:

1 Hoàn toàn không đồng ý 2 Không đồng ý 3 Không ý kiến

Thofij đo húẾTi cairn

Ednhgiá&o tólharịl đũ

- iMâ 13 mil

- £dntì-jiàffiĩncifc OoMAdi dplu lỉo 1

- Phai ti£h rhantd Wiamcha ỉdnh4£0ìHntfrC><rt4flỉfi3Ịptàlto 2 tPhír tich hỉi

1HY hiíển ính tw<

rvu ch'nti

ri íriựi.91 Ự1Ạ-: <<I

4 t Ml Ma Eíùi 4

4 Đồng ý 5 Hoàn toàn đồng ý.

• Việc thu thập số liệu là bảng câu hỏi gồm 34 câu Mỗi phát biểu đo lường dựatrên thang đo Likert nói trên

2.4.5 Bảng khảo sát

PHIẾU KHẢO SÁT Sự HÀI LÒNG CỦA HỌC SINH KHốI 12

KHI HỌC TẠI TRƯỜNG THPT GÒ ĐEN

Tôi tên : Lê Huỳnh Như, hiện nay tôi đang học cao học ngành Toán ứng dụng củatrường Đại học Bách Khoa TP.HCM Hiện tôi đang nghiên cứu đề tài: "Phân tích dữliệu đa biến và một số ứng dụng" Trong đề tài có phần đánh giá sự hài lòng của họcsinh khối 12 năm học 2017 - 2018 của trường THPT Gò Đen

Tôi rất mong nhận được sự hỗ trợ từ các em cho những vấn đề trong bảng câuhỏi

Học sinh vui lòng đánh giá khách quan các nội dung sau đây bằng cách đánh dấu(x) vào ô chọn theo các mức độ:

1 Hoàn toàn không đồng ý

2 Không đồng ý

3 Không ý kiến

4 Đồng ý

5 Hoàn toàn đồng ý

stt Nội dung đánh gỉá Điểm số đánh gỉá

về môn học đảm trách

3 Hầu hết GV có phương pháp truyền đạt tốt, dễ hiểu và tạo hứng thú cho người học.

cho học sinh

6 GV sử dụng hiệu quả các thiết bị công nghệ thông tin hỗ trợ cho việc giảng dạy.

của học sinh

mực trong tác phong nhà giáo

11 Nội dung chương trình đào tạo có dung lượng hợp

lý

15

Khóa học kỹ năng mềm (Giáo dục giổi tính, hướng

nghiệp, giáo dục ngoài giờ lên lớp, Nghề phổ thông,

về nguồn ) hỗ trợ tốt cho các môn học khác trong

chương trình đào tạo

stt Nội dung đánh giá Điểm số đánh giá

sáng, âm thanh

chiếu, loa ) hoạt động hiệu quả

sinh

thời, chính xác

28

Hoạt động tư vấn học tập, tư vấn nghề nghiệp đáp

ứng nhu cầu tìm hiểu, lựa chọn và tư vấn cho học

sinh

29

Hoạt động xã hội, hoạt động Đoàn đáp ứng nhu cầu

giải trí và tác động tích cực đến việc học tập của học

sinh

30 Hoạt động sáng tạo khoa học kỹ thuật của học sinh được quan tâm và khuyến khích.

stt Nội dung đánh gỉá Điểm số đánh gỉá

31 Bạn hài lòng về đội ngũ GV và CNV của trường

trường

33 Bạn tự hào khi học trường

34 Học tại trường hơn những gì bạn mong đợi

THỐNG KÊ MÔ TẢ MAU KHẢO SẤT

Hầu hết GV có phương pháp truyền đạt tốt, dễ hiểu

và tạo hứng thú cho người học.

GV dạy kết hợp với giáo dục nhân cách, đạo đức

cho học sinh.

9

GV sử dụng hiệu quả các thiết bị công nghệ thông

tin hỗ trợ cho việc giảng dạy.

GV giải đáp thắc mắc cho học sinh một cách thỏa

GV thân thiện, cởi mở, luôn thể hiện tính chuẩn

mực trong tác phong nhà giáo.

Khóa học kỹ năng mềm (Giáo dục giới tính, hướng

nghiệp, giáo dục ngoài giờ lên lớp, Nghề phổ

thông, về nguồn ) hỗ trợ tốt cho các môn học khác

trong chương trình đào tạo.

Các thiết bị phục vụ giảng dạy và học tập (máy

chiếu, loa ) hoạt động hiệu quả.

Thư viện đảm bảo được số lượng và chất lượng các

tài liệu tham khảo.

42

Nội dung đánh giá Điểm số đán1 giá

Các khiếu nại của học sinh được nhà trường

giải quyết thỏa đáng.

35

Hoạt động tư vấn học tập, tư vấn nghề nghiệp

đáp ứng nhu cầu tìm hiểu, lựa chọn và tư vấn

cho học sinh.

15

Hoạt động xã hội, hoạt động Đoàn đáp ứng nhu

cầu giải trí và tác động tích cực đến việc học

tập của học sinh.

42

Hoạt động sáng tạo khoa học kỹ thuật của học

Bạn hài lòng về đội ngũ GV và CNV của

52

6.37%

15

Các câu hỏi (biến) xuất phát từ 4 nhóm chính và nhóm đánh giá sự hài lòng của HS.

• Nhóm Đội ngũ giáo viên

• Nhóm Chương trình đào tạo

Khóa học kỹ năng mềm (Giáo dục giới tính, hướng

nghiệp, giáo dục ngoài giờ lên lốp, Nghề phổ thông,

về nguồn ) hỗ trợ tốt cho các môn học khác trong

chương trình đào tạo.

CT15

• Nhóm Nhóm Cơ sở vật chất

Hoạt động xã hội, hoạt động Đoàn đáp ứng nhu cầu

giải trí và tác động tích cực đến việc học tập của học

sinh.

PBCN29

• Nhóm hài lòng của HS

Các nhân tố chính sau khỉ phân tích EFA

tải

của phương sai

Cronbach úí

CT12

CSVC17 Các thiết bị phục vụ giảng dạy và học tập (máy chiếu,

2.4.6 Kết quả sau khỉ chạy hồi quy đa biến

Code R

lniU11.0BC*4» f'ù^arntart itn‘Ị

1 n 5 • 5 *K *5-! ■ < r" )

Iniull.pasidm^'tiplirtY*) lrifl- J ‘I 1, 5ỬC * Aộ-5-l ■ cw nj 1 « ■ I lnsũ31 :«Efld|p3 (‘trad*)

1 nfl-511, fl*:«*®!ĩ-1.' 1 tí * T i ■ > in k u j X a BE A MH 3 Ĩ ■ 4 a : 1ĨH xt r ■" J inSI-SSl.fliC’iStiM'Jh'yt'' > tlniti ll.pM ioamt* limn*') 11»tT-J 3 L frj t ‘

M « Í ■ tw "t 5 I' 2 -’ p~ J

Mil 31111 - pa: la I I, ■ r*Si ~ j l/IST-ỉ 31 fl ÓC í ifiỉđ- ĩ' -Tà r M ỳ") a-t-u -dim liirj r Ị/ụtvt 0Ô li J j LsraryỊ:iy:h> lltr-fl r ỹ[t FÃr (ít J LÌa n > llsrjryJ

SBTflCiH I

HSr£*if[C0Afpl4t)

LLarjryif Ki E-vtra I lisrj ■'(■[] IM PI) iLar-Ji r y;' Ịf r w Ị 113Pi'yEl03#ti] Llsrjryj'jjrld'l Mìí^OíịlỆlMMỈ

r Lây III 11a (I

1 LararyJ'FBradgi I iacwdri Auwmi’] hailonp E- rMd ^ IU Ị "HUUMG.un* J tí.diti.írai ■ in It 3 Uiv (ta31M£, ■H3«-‘hỉ31Mg Ata’)

l ti.dwfl fiw* - TIDE}

Uflti (hddJNv, FlLfl-'rwllau.rda'] muon[ atkBdịhaSlsọg)

*3H,ASlli-*l ■ Ffiflfl rich TUdng flusn (ji.ifl (M frbw

CdcMiVbe-CO-pMU'iL 4.(91,82,»,«*,«».,«,«*!«/» »1 13,13,13,34,1?,18, UjU^lS.rt, 23,22,23.21,2^2??, 2^23,2$, J«:]J

raLTri(cprft«Tr.Li.5j

earrplefl (cBTUatnlz, Batted - ~«lb'*)

Uũ diiiựij:.*jiLrL., wctod • ‘tìđne^d IJI1K » man dilnii

iMNha Haiti,c(Bử,O,M,lã, 13 li.M.ltjlijti ,il, 2ij28',M}] j

2 iiạni rtlrir BflPtletr

fia(l'iỉC.Mi-'ll«Ũ6alli>í.ỉ,«;(W3S 81,18, jl L2,14,18 Lf,l« £L,23,2J «}]J