ĐỀ TÀI ỨNG DỤNG PHÂN TÍCH THÀNH PHẦN CHÍNH (PCA)

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN KHOA THỐNG KÊ BÀI TẬP NHĨM ĐỀ TÀI: ỨNG DỤNG PHÂN TÍCH THÀNH PHẦN CHÍNH (PCA) Giảng viên hướng dẫn : PGS.TS.Trần Thị Bích Lớp chuyên ngành : Thống Kê Kinh Tế 62B Thành viên nhóm : Bùi Quốc Tuấn :11208289 Nguyễn Minh Hiếu :11201490 Nguyễn Thị Thanh Hiền :11205252 Nguyễn Đình Trị :11208192 Nguyễn Minh Khôi :11201960 HÀ NỘI – 2023 1|Page Mục Lục Mục Lục LỜI MỞ ĐẦU PHẦN A: TÓM TẮT CÁC NGHIÊN CỨU .5 ĐÁNH GIÁ CẢM QUAN NƯỚC ÉP GẤC – CHANH DÂY I Giới thiệu Cơ sở lý thuyết Nghiên cứu phân tích Tính ứng dụng phương pháp PCA thực tiễn nghiên cứu II NHẬN DẠNG KHN MẶT CĨ BIẾN ĐỔI VỀ SẮC THÁI Đặt vấn đề 10 Mục đích nghiên cứu .10 Dữ liệu phương pháp nghiên cứu .10 Kết nghiên cứu thảo luận .11 Đánh giá nghiên cứu 13 III ĐÁNH GIÁ CẢM QUAN SẢN PHẨM HÀNH TÍM CHIÊN CHÂN KHƠNG 14 Giới thiệu 14 Cơ sở lí thuyết 14 Nghiên cứu phân tích thực tế 15 Tính ứng dụng phương pháp PCA thực tiễn nghiên cứu 17 PHẦN B: ỨNG DỤNG PHƯƠNG PHÁP PHÂN TÍCH THÀNH PHẦN CHÍNH (PCA) ĐỂ PHÂN TÍCH NHỮNG ĐẶC ĐIỂM TRONG TÍNH CÁCH MỖI CÁ NHÂN SẼ ẢNH HƯỞNG NHƯ THẾ NÀO ĐẾN MỨC CĂNG THẲNG VỀ TÂM LÝ VÀ SỰ TỰ TIN VÀO NĂNG LỰC BẢN THÂN TRONG THỜI GIAN CÁCH LY VÌ COVID-19 19 I Tổng quan nghiên cứu 19 Lý chọn đề tài .19 Mục đích nghiên cứu .19 II Phân tích đặc điểm tính cách cá nhân ảnh hưởng đến mức căng thẳng tâm lý tự tin vào lực thân thời gian cách ly Covid-19 phương pháp PCA 20 2|Page Giới thiệu liệu 20 Kết phân tích .21 III Kết luận khuyến nghị .34 Danh mục tham khảo 36 3|Page LỜI MỞ ĐẦU Với biến đổi mạnh mẽ mối liên hệ vận động không ngừng việc đời sống, từ xã hội đến kinh tế, từ vi mô tới vĩ mô,… việc thấu hiểu chất tương quan điều cần thiết không cá nhân mà quan trọng với nhà cầm quyền Chính thế, cơng cụ để phân tích làm rõ vấn đề điều cần có Phương pháp phân tích PCA (Principal Component Analysis) công cụ chủ yếu sử dụng để phân tích mối liên hệ Đặc biệt góc độ nhà quản lý, góp phần đánh giá tác động yếu tố ảnh hưởng đến sách kinh tế xã hội dự án phát triển, đồng thời có vai trị quan trọng việc thiết kế điều chỉnh sách để đạt hiệu cao Vì thế, tìm hiểu này, chúng em phân tích chun sâu vai trò PCA qua nghiên cứu tác giả Nguyễn Minh Thủy với đề tài “Ứng dụng phương pháp phân tích thành phần hồi quy Logistic đánh giá cảm quan nước ép gấc – chanh leo” Bên cạnh đó, để kiểm nghiệm tính ứng dụng phương pháp phân tích thành phần chính, nhóm chúng em tiến hành phân tích đặc điểm tính cách cá nhân ảnh hưởng đến mức căng thẳng tâm lý tự tin vào lực thân thời gian cách ly Covid-19 Để hồn thiện viết này, nhóm chúng em nhận hướng dẫn nhiệt tình từ giảng viên hướng dẫn PGS.TS Trần Thị Bích kiến thức từ mơn Phân tích liệu Tuy nhiên, với kiến thức thời gian có hạn, viết khơng tránh khỏi sai sót Do đó, nhóm chúng em mong có nhận xét, đánh giá giúp đỡ từ cô Chúng em xin chân thành cảm ơn 4|Page PHẦN A: TÓM TẮT CÁC NGHIÊN CỨU I ĐÁNH GIÁ CẢM QUAN NƯỚC ÉP GẤC – CHANH DÂY - Tên đề tài: Ứng dụng phương pháp phân tích thành phần hồi quy Logistic đánh giá cảm quan nước ép gấc – chanh leo - Tác giả đề tài: Nguyễn Minh Thủy – Trường đại học Cần Thơ - Đơn vị đăng bài: Tạp chí khoa học Trường đại học Cần Thơ - Thời gian: 27/02/2018 Giới thiệu Sản xuất nước ép trái ngày trở nên quan trọng thị trường nước nhu cầu sử dụng sản phẩm tiện lợi dinh dưỡng Nước ép gấc – Chanh dây kết hợp làm tăng giá trị dinh dưỡng cải thiện mùi vị thơm ngon cho sản phẩm Tuy vậy, sản phẩm cần có thêm bước nghiên cứu để đánh giá cảm quan người tiêu dùng để xác nhận kết nghiên cứu đảm bảo tiềm sản phẩm thị trường Phân tích cảm quan cung cấp cho nhà tiếp thị hiểu chất lượng sản phẩm thực phẩm, hướng đến chất lượng sản phẩm tốt cải tiến sản phẩm theo quan điểm người tiêu dùng (Lawless and Heymann, 1998) Phương pháp phân tích thành phần (PCA) sử dụng xem xét nhà nghiên cứu cho ứng dụng đánh giá cảm quan cho sản phẩm thực phầm khác PCA áp dụng cho việc điều tra liệu ưa thích, tạo không gian sản phầm, người tiêu dùng dựa liệu chấp nhận (Hough et al., 1992; Greenhooff and McFie, 1994) Đây công cụ để miêu tả khác biệt thuộc tính cảm quan sản phẩm thực phẩm ( Powers, 1984) Mối quan hệ người tiêu dùng liệu mô tả, liệu thu nhận từ cảm quan cơng cụ đo sử dụng rõ ràng PCA PCA sử dụng để cung cấp cácH hình dung mối quan hệ sản phẩm thuộc tính Mục tiêu nghiên cứu áp dụng phương pháp phân tích thành phần (PCA) phương pháp hồi quy Logistic để mơ tả thuộc tính cảm quan nước ép gấc- chanh dây chuẩn bị với kết hợp hàm lượng thay đổi (so với gấc) tỷ lệ pha loãng với nước để chọn sản phẩm có giá trị cảm quan cao phù hợp với sở thích người tiêu dùng Cơ sở lý thuyết 5|Page Phân tích thành phần (PCA) kĩ thuật thống kê phân tích đa biến sử dụng rộng rãi áp dụng cho liệu QDA( chuẩn bị thuộc tính với điểm mơ tả thuộc tính) để giảm tập hợp biến phụ thuộc gọi thuộc tính đến tập hợp liệu nhỏ biến gọi yếu tố dựa mô hình tương quan biến ban đầu Dữ liệu thu thập từ cảm quan viên, sau cho điểm theo cường độ thuộc tính (QDA) Các liệu thuộc tính khác nêu xếp theo thứ tự tăng giản dần Sau đó, liệu giảm cách phân tích liệu, biến độc lập phụ thuộc lựa chọn đồ thị trục mẫu thu nhận Nghiên cứu phân tích Bộ số liệu sử dụng 10 cảm quan viên để đánh giá cảm quan nước ép hỗn hợp gấc – chanh dây huấn luyện Bộ môn Công nghệ thực phẩm, Trường đại học Cần Thơ để đánh giá mẫu Các cảm quan viên hướng dẫn theo cường độ mô tả mùi vị, màu sắc trạng thái theo thang điểm phương pháp phân tích định lượng QDA Phương pháp đánh giá cảm quan chấp nhận sản phẩm sử dụng đo nhị thức với số cảm quan viên 50 người Phương pháp phân tích thành phần xác định số lượng thành phần cần thiết để biểu diễn liêu Scree plot thể thứ tự giảm dần độ lớn giá trị riêng (eigenvalue) giá trị phần trăm tích lũy phương sai Trong phương diện phân tích nhân tố phân tích thành phần chủ yếu, Scree plot giúp nhà phân tích hình dung tầm quan trọng tương đối thành phần Thành phần thứ thứ (F3 F4) có tác động nhỏ so với biến, nhận biết qua đường cong tích lũy phương sai khơng có thay đổi nhiều Bên cạnh đó, có giảm mạnh độ lớn giá trị riêng thành phần thứ thứ (F3 F4) Độ lớn thành phần thứ đến thứ (F3 đến F7) nhỏ so với thành phần thứ thứ (F1 F2), khơng cần sử dụng thành phần từ thành phần thứ (F3) trở để trình bày tập hợp số liệu cảm quan thu thập 6|Page Dựa vào phân bố thuộc tính cảm quan chia thuộc tính thành vùng riêng biệt thuộc tính đồng nằm xa trục F1 thành phân thứ nên thuộc tính ảnh hướng đến thành phần thứ Thuộc tính mùi chanh dây nằm cạnh trục F2 (thành phần thứ 2) nên thành phần thứ phụ thuộc nhiều vào thuộc tính mùi chanh dây Ngồi ra, thuộc tính mùi gấc, mùi chanh dây, độ sánh màu đỏ cam gần trục F1 Như vậy, thành phần thứ chịu ảnh hưởng nhiều thuộc tính mùi gấc, mùi chanh dây độ sánh Bên cạnh đó, thuộc tính nằm gần có mối liên hệ thuận với (như thuộc tính mùi gấc mùi chanh dây), nhóm thuộc tính nằm khác phía (180o) có mối liên hệ nghịch đảo với thuộc tính nằm cách 90o khơng có liên hệ với 7|Page Khi thể mẫu nước ép gấc-chanh dây thuộc tính cảm quan đồ thị, mẫu nước ép gấc-chanh dây có vị trí gần có thuộc tính cảm quan tương tự Sự phân tán mẫu đồ thị Hình cho thấy mức độ tỷ lệ phối chế với mức khối lượng dịch chanh dây bổ sung khác có ảnh hưởng lớn tính chất cảm quan sản phẩm Nhóm mẫu có khối lượng dịch chanh dây bổ sung 50g đánh giá có độ sánh cao, khơng có vị hay vị chua Đây nhóm mẫu có tỷ lệ phối chế với hàm lượng gấc cao hàm lượng chanh dây nhiều Nhóm mẫu có lượng dịch chanh dây phối chế 150g nhóm đánh giá có vị chua hài hòa mùi chanh dây vừa phải đặc trưng cho sản phẩm Đây nhóm sản phẩm cảm quan viên ưa thích 8|Page Tính ứng dụng phương pháp PCA thực tiễn nghiên cứu Đánh giá cảm quan phân tích mơ tả nghiên cứu yêu thích người tiêu dùng yếu tố then chốt cho việc giới thiệu thành công sản phẩm thực phẩm giám sát đáng tin cậy sản phẩm thực phẩm có thị trường Từ nghiên cứu này, thuộc tính cảm quan quan trọng định chất lượng nước ép gấc- chanh dây trạng thái (độ sánh độ đồng nhất), màu sắc (đỏ cam) mùi vị (mùi gấc, mùi chanh dây) Kết hợp phương pháp thống kê PCA hồi quy Logistic liệu yêu thích sản phẩm cho thấy tiện ích chúng xác định thuộc tính cảm quan sản phẩm nước ép gấc – chanh dây có giá trị cảm quan hàm lượng hợp chất sinh học cao II NHẬN DẠNG KHN MẶT CĨ BIẾN ĐỔI VỀ SẮC THÁI 9|Page - Tên đề tài: Đánh giá hiệu phương pháp phân tích thành phần PCA nhận dạng khn mặt có biến đổi sắc thái - Tác giả đề tài: Dương Ngọc Vân Khanh, Nguyễn Bảo Ân – Trường đại học Trà Vinh - Đơn vị đăng bài: Tạp chí khoa học trường Đại học Trà Vinh số 30 - Thời gian: Tháng năm 2018 - Nội dung đề tài: Bài báo trình bày số đánh giá dựa phương pháp nhận dạng tồn phần mặt người có biến đổi sắc thái, sử dụng phương pháp rút gọn số chiều PCA thuật toán phân lớp Đặt vấn đề Nhận dạng khuôn mặt (facial recognition) toán tiêu biểu học máy (machine learning) nhận dạng mẫu (pattern recognition) Thao tác nhận dạng thường cài đặt thuật toán phân lớp (classification) mơ hình học có giám sát (supervised learning) Một cách tổng quát, ảnh đầu vào chịu ảnh hưởng nhiều biến đổi so với ảnh lưu sở liệu Một số biến đổi kể đến điều kiện ánh sáng (illumination variation – bao gồm hướng cường độ nguồn sáng), góc chụp (pose variation), trang điểm (make-up), tuổi tác (aging), biểu cảm khuôn mặt (facial expression), … Các nghiên cứu nhận dạng mặt người cố gắng thích nghi với nhiều biến đổi Bài báo trình bày kết việc ứng dụng phương pháp phân tích thành phần (PCA) rút gọn số chiều liệu để nhận dạng khn mặt người có biến đổi sắc thái với nhiều thuật toán phân lớp khác Kết cho thấy xử lí rút gọn số chiều PCA, thuật toán phân lớp K-nearest neighbors (KNN) (với k=1) cho kết tập liệu kiểm thử tốt so với thuật toán Support Vector Machine (SVM) hầu hết thí nghiệm Mục đích nghiên cứu Bài báo nhằm đánh giá hiệu phương pháp PCA so sánh thuật toán KNN SVM phân lớp liệu mặt người có biến đổi sắc thái số kịch khác Dữ liệu phương pháp nghiên cứu - 10 | P a g e Dữ liệu: Dữ liệu thử nghiệm lấy từ liệu Face Expression Database (CMU AMP Lab) [9] bao gồm ảnh gương mặt 13 người khác với nhiều nét biểu cảm khác nhau, người có 74 ảnh với kích thước 64×64 pixels (Hình 2) Kiểm định Bartlett cho giá trị 11753.62, bậc tự 351 có giá trị P- Value = Ta có giả thuyết: H0: Ma trận hệ số tương quan ma trận đơn vị H1: Ma trận hệ số tương quan ma trận đơn vị Dựa vào kết bảng trên, với mức ý nghĩa 5%, giá trị P-value = < 0.05 => Bác bỏ giả thuyết H0 Từ đó, kết luận rằng: Ma trận hệ số tương quan khơng phải ma trận đơn vị, hồn tồn áp dụng phương pháp phân tích thành phần 22 | P a g e 2.2 Kiểm định KMO Nhận xét: Kết phân tích cho thấy giá trị KMO chung cho tất biến = 0.9, KMO biến > 0.7 => tất biến phù hợp sử dụng phương pháp phân tích thành phần 2.3 Kết phân tích thành phần PCA 2.3.1 Bảng Eigenvalues giải thích: + Variance: Giá trị riêng biến (lamda): Cho thấy có giá trị riêng Dim-1, Dim-2, Dim-3, Dim-4, Dim-5, Dim-6 có giá trị riêng lớn Nếu giữ lại thành phần theo giá trị riêng, ta giữ lại thành phần + % of var: Phần trăm phương sai giải thích Ví dụ: • Trục thành phần thứ giải thích 29.675% biến thiên biến ban đầu • Trục thành thành thứ hai giải thích 9.534% biến thiên biến ban đầu • Trục thành thành thứ ba giải thích 8.030% biến thiên biến ban đầu • … 23 | P a g e + Cumulative % of var: Phần trăm phương sai cộng dồn Ở phân tích này, bốn thành phần (Dim-1, Dim-2, Dim-3, Dim-4) giải thích 53.970% (lớn 50%) biến thiên biến ban đầu 2.3.2 Bảng Individuals Mô tả 10 quan sát thành phần chính, với cột: Dist (khoảng cách điểm quan sát tới gốc tọa độ); Dim (tọa độ quan sát mặt phẳng thành phần chính), Ctr: Đóng góp biến thành phần chính; Cos2 (biểu diễn chất lượng quan sát biến mặt phẳng thành phần chính) 24 | P a g e 2.3.3 Biểu đồ Scree-plot: hình ảnh trực quan giải thích thành phần Để xác định số lượng thành phần chính, cần xem xét lượng thơng tin quan sát trục Hay nói cách khác vào phần trăm phương sai giải thích Như biểu đồ, ta thấy Dim-1, Dim-2, Dim-3 Dim-4 giải thích nhiều lượng thơng tin Từ Dim-5 trở đi, lượng thơng tin giải thích tương đối Hơn nữa, Dim có giá trị riêng lớn phần trăm phương sai cộng dồn chúng giải thích lớn 50% biến thiên biến ban đầu Do đó, nhóm nghiên cứu định trích xuất trục thành phần 2.3.4 Đánh giá chất lượng biểu diễn biến phân tích - Đánh giá chất lượng biểu diễn biến cần dựa vào tương quan biến phân tích với thành phần giữ lại Chất lượng biểu diễn biến phân tích giúp xác định có nên giữ biến lại để phân tích hay khơng? Và xem xét biến thuộc thành phần - Để đánh giá chất lượng biểu diễn biến trục thành phần chính, sử dụng hệ số xác định R2 ( hệ số Cos2) 25 | P a g e - Hệ số xác định biến xk với thành phần Zj cho biết phần trăm biến thiên biến xk giải thích trục Zj Nếu R2(Cos2) cao, biến xk biểu diễn tốt trục Zj Tức xk thuộc thành phần thứ j Tổng hệ số xác định biến với thành phần giữ lại (Communality) tính theo cơng thức : R2(xk, Z) = R2(xk, Z1) + R2(xk, Z2) + + R2(xk, Zk) - Nếu R2(xk, Z) < 0.3 => thành phần giải thích phần trăm biến thiên biến xk, => ta nên xem xét bỏ biến khỏi thành phần - Khi biểu diễn không gian, tổng hệ số xác định biến xk với thành phần giữ lại vec-tơ tổng hợp biến với thành phần - Để dễ cho việc minh họa, sử dụng vòng tròn tương quan khơng gian hai chiều với giả định có hai thành phần Z1, Z2 Tổng hệ số xác định biến xk với thành phần độ dài vec-tơ xk o o o Kết PCA lần cho thấy: Sau tiến hành tính tốn nhóm thấy Communality biến b2, b6, b10, b11, b16 < 0.3 Do đó, loại biến b2, b6, b10, b11, b16 Quan sát vòng tròn tương quan bên ta thấy vec-tơ biến ngắn tức biến khơng giải thích chặt chẽ thành phần 26 | P a g e  Sau xem xét hệ số communality xác định mức đóng góp biến so với mức đóng góp trung bình mặt phẳng tạo bốn thành phần chính, nhóm xác định: • Dim 1: b24, b9, b7, b4, b21, b13, b17, b14, b8, b15, b3, b22, b1, b5 • Dim 2: b26, b27, b25, b5 • Dim 3: b19, b3, b4, b23, b5, b27, b24 • Dim 4: b12, b19, b18, b13, b23, b5, b20 2.3.5 Tiến hành PCA lần sau loại bỏ biến (xác định biến thuộc thành phần tương ứng) 27 | P a g e Đóng góp biến vào thành phần thứ Ta thấy, biến b24, b9, b7, b4, b21, b13, b17, b14, b8, b15 b22 cao mức đóng góp trung bình => Thành phần thứ gồm 11 biến nêu 28 | P a g e Đóng góp biến vào thành phần thứ hai Ta thấy, biến b26, b27, b25, b5 cao mức đóng góp trung bình => Thành phần thứ hai gồm biến nêu 29 | P a g e Đóng góp biến vào thành phần thứ ba Ta thấy, biến b19, b12, b18, b20, b24, b25 cao mức đóng góp trung bình => Thành phần thứ ba gồm biến nêu 30 | P a g e Đóng góp biến vào thành phần thứ tư Ta thấy, biến b23, b5, b3, b4, b13, b14, b18 cao mức đóng góp trung bình => Thành phần thứ gồm biến nêu Từ việc xem xét, xác định mức đóng góp biến so với mức đóng góp trung bình mặt phẳng tạo bốn thành phần chính, ta thấy: o Dim-1: b24, b9, b7, b4, b21, b13, b17, b14, b8, b15, b22 o Dim-2: b26, b27, b25, b5 o Dim-3: b19, b12, b18, b20, b24, b25 o Dim-4: b23, b5, b3, b4, b13, b14, b18 Trong đó: 31 | P a g e o o o o o Biến b24 thuộc Dim-1 Dim-3 Biến b14; b4; b13 thuộc Dim-1 Dim-4 Biến b25 thuộc Dim-2 Dim-3 Biến b5 thuộc Dim-2 Dim-4 Biến b18 thuộc Dim-3 Dim-4 Để xác định rõ biến thuộc thành phần nào, ta vào factorloading, biến có giá trị tuyệt đối factorloading lớn thành phần nào, biến thuộc vào thành phần Từ đó, ta có kết quả: o Biến b24 thuộc Dim-1 o Biến b14 thuộc Dim-4 o Biến b4 thuộc Dim-1 o Biến b13 thuộc Dim-4 o Biến b25 thuộc Dim-2 o Biến b5 thuộc Dim-4 o Biến b18 thuộc Dim-3 32 | P a g e Sau xếp lại, ta có: o Dim-1: b24, b9, b7, b4, b21, b17, b8, b15, b22 o Dim-2: b26, b27, b25 o Dim-3: b19, b12, b18, b20 o Dim-4: b23, b5, b3, b13, b14 Đặt tên cho thành phần chính: Xem xét ý nghĩa nội dung biến thành phần chính, nhóm định đặt tên sau: o Dim-1: Các điểm mạnh bật tính cách cá nhân o Dim-2: Mức độ căng thẳng tâm lý o Dim-3: Khả làm chủ thân tình o Dim-4: Khả kết nối với cộng đồng 2.3.6 Xác định nhân số Giá trị quan sát khơng gian thành phần tính cách nhân thành phần (là vecto riêng) với liệu quy tâm chuẩn hóa chuyển vị Giá trị biến tọa độ quan sát khơng gian thành phần Các giá trị gọi nhân số F = Loading * X (đã quy tâm chuẩn hóa ) Coord Loading = (Loading eigenvectos) Sdev Dim-1 Dim-2 Dim-3 Dim-4 b1 -0.634 -0.015 0.971 -2.131 b2 -2.423 -0.916 0.937 0.518 b3 -2.506 -3.234 -1.964 1.724 b4 1.501 -0.306 -1.574 3.898 b5 1.115 0.994 0.280 5.398 b6 -2.122 -0.576 1.150 -2.607 b7 0.546 3.000 -0.591 0.624 b8 -1.665 1.825 1.150 -0.505 33 | P a g e b9 -1.970 -2.085 -0.528 -0.711 b10 2.025 0.757 -0.286 1.741 III Kết luận khuyến nghị Thơng qua việc phân tích thành phần chính, nghiên cứu tìm nhân tố tác động đến tâm lý người nói chung thời gian cách ly với xã hội Việc vận dụng phương pháp PCA để phân tích xem xét tác động nhân tố ảnh hưởng đặc điểm tính cách cá nhân có vấn đề sau: Về mặt tích cực: Số liệu phân tích, thu thập từ nguồn thơng tin xác, đầy đủ, phù hợp với việc vận dụng phương pháp PCA để phân tích Qua thấy rõ nét vấn đề tâm lý mà cá nhân cách ly với xã hội cần phải đối mặt Thông qua việc sử dụng phương pháp PCA, nhóm chúng em xác định mức độ ảnh hưởng biến đến thành phần Cụ thể: o Ở thành phần thứ (Các điểm mạnh bật tính cách cá nhân), biến “Mức độ hăng hái, nhiệt tình, hào hứng quan tâm trước vấn đề”, “Sự kỳ vọng” “Lịng biết ơn” đóng góp % nhiều Điều điểm sáng tính cách này, lạc quan, nhiệt tình, ln hy vọng vào tương lai tươi sáng hay tâm hồn ln biết trân trọng trân q diễn trở thành điểm tựa vững tinh thần người suốt thời gian dài cách ly buồn tẻ nhàm chán o Ở thành phần thứ hai (Mức độ căng thẳng tâm lý), biến “Sự lo lắng”, “Sự trầm cảm” “Cảm giác căng thẳng” trở thành nguyên nhân trực tiếp phổ biến dẫn đến tình trạng tiêu cực tâm lý người Việc không tiếp xúc xã hội quanh quẩn nhà gây tình trạng tâm lý vô tệ, không thời gian diễn cách ly mà đại dịch kết thúc, biến chứng tâm lý đeo bám dai dẳng tác động vô lớn theo chiều hướng tiêu cực đến sức khoẻ tinh thần bệnh nhân o Ở thành phần thứ ba, biến “Sự thận trọng”, “Khả tự kiểm soát thân”, “Khả đưa ý kiến có giá trị định tốt” “Khả phân tích xử lý tình huống” định nhiều tới khả làm chủ thân tình cá nhân Đây yếu tố quan trọng giúp có suy nghĩ, phán đốn hành động xác phải sống điều kiện mới, thích nghi với nhịp sống 34 | P a g e o Trong thành phần thứ tư, khả kết nối với cộng đồng thể rõ qua đóng góp biến “Sự công xử lý vấn đề”, “Kỹ làm việc theo nhóm”, “Khả lãnh đạo”… Đây nhân tố quan trọng cá nhân cần luyện tập không ngừng cải thiện suốt thời gian cách ly để làm tăng tự tin thân, đồng thời kĩ xã hội đảm bảo trì tốt sống quay trở lại thời gian trước Về mặt tồn Bên cạnh nhân tố nhóm đưa để phân tích, tâm sinh lý tự tin vào lực thân thời gian cách ly Covid-19 cịn chịu ảnh hưởng từ yếu tố khác, khơng từ tính cách người, mà cịn mơi trường xung quanh tác động Do cần phải nhìn nhận nhiều mặt, nhiều khía cạnh sâu vào tìm hiểu khía cạnh để rút kết luận tốt việc phòng ngừa điều trị bệnh tâm lý 35 | P a g e Danh mục tham khảo PGS.TS Trần Thị Bích (2022), Bài giảng Phân tích liệu “Đánh giá hiệu phương pháp phân tích thành phần PCA nhận dạng khn mặt có biến đổi sắc thái” - Dương Ngọc Vân Khanh, Nguyễn Bảo Ân( 2018) – Trường đại học Trà Vinh “Ứng dụng phương pháp phân tích thành phần hồi quy Logistic đánh giá cảm quan nước ép gấc – chanh leo” Nguyễn Minh Thủy (2018) – Trường đại học Cần Thơ “Ứng dụng phương pháp phân tích thành phần chính, giản đồ yêu thích cata đánh giá cảm quan sản phẩm hành tím chiên chân khơng”(2018) - Ngơ Văn Tài Nguyễn Minh Thủy “Covid-19 and Character Strengths: Strengths, Psychological Distress and Self-efficacy During Covid-19 Lockdown” (2020) - MEHMET AKTURK 36 | P a g e