CÂU 1CÂU HỎI Anh/Chị hãy tiến hành phân tích độ tin cậy hệ số Cronbach’s Alpha và phântích nhân tố khám phá EFA cho dữ liệu thu về từ 3 thang đo?. Lưu ý: Lập bảng số liệu và diễn giải Ở
Thang đo Trí tuệ cảm xúc (C1)
Phân tích độ tin cậy (hệ số Cronbach’s Alpha) cho thang đo Trí tuệ cảm xúc (C1)
Các thang đo trong mô hình lý thuyết được kiểm định độ tin cậy bằng công cụ Cronbach’s Alpha nhằm loại đi những biến quan sát và thang đo không phù hợp.
Hệ số Cronbach’s Alpha dao động từ 0 đến 1, với giá trị cao hơn cho thấy thang đo có độ tin cậy tốt Nếu hệ số này vượt quá 0.95, điều đó có thể chỉ ra rằng các biến trong thang đo đang đo lường trùng lặp một nội dung Theo Nguyễn Đình Thọ (2011), thang đo được coi là chấp nhận được nếu Cronbach’s Alpha ≥ 0.6, và đạt độ tin cậy tốt khi nằm trong khoảng [0.7;0.8] Để đảm bảo tính chính xác, các biến đo lường cùng một khái niệm cần có tương quan chặt chẽ, với hệ số tương quan biến - tổng hiệu chỉnh ít nhất là 0.3.
Mô hình thang đo Trí tụệ cảm xúc (C1)
Nhân tố ĐÁNH GIÁ CẢM XÚC BẢN THÂN (C1.1)
Phân tích hệ số Cronbach’s Alpha cho nhân tố C1.1 lần 1
Kết quả kiểm định cho thấy hệ số độ tin cậy thang đo Cronbach's Alpha của C1.1 đạt 0.644, vượt mức 0.6, xác nhận thang đo này là tin cậy Tuy nhiên, biến quan sát C1.1.3 có tương quan biến - tổng chỉ đạt 0.012, thấp hơn 0.3, cho thấy nó giải thích rất hạn chế cho nhân tố C1.1 Hơn nữa, hệ số Cronbach's Alpha if Item Deleted của C1.1.3 lớn hơn hệ số Cronbach's Alpha của toàn bộ nhân tố, vì vậy biến C1.1.3 sẽ được loại bỏ khỏi thang đo.
Phân tích Cronbach's Alpha lần hai.
Phân tích hệ số Cronbach’s Alpha cho nhân tố C1.1 lần 2
Kết quả kiểm định cho thấy hệ số độ tin cậy thang đo Cronbach's Alpha của C1.1 đạt 0.748, vượt ngưỡng 0.6, chứng tỏ thang đo này có độ tin cậy cao Đồng thời, các biến quan sát đều có tương quan biến - tổng (Corrected Item – Total Correlation) lớn hơn 0.3 Hệ số Cronbach's Alpha nếu loại biến cũng nhỏ hơn hệ số Cronbach's Alpha của nhân tố, khẳng định rằng thang đo đạt độ tin cậy và ba biến quan sát có khả năng giải thích tốt cho nhân tố C1.1.
Nhân tố ĐÁNH GIÁ CẢM XÚC NGƯỜI KHÁC (C1.2)
Phân tích hệ số Cronbach’s Alpha cho nhân tố C1.2
→ Kết quả kiểm định cho thấy: (1) hệ số độ tin cậy thang đo Cronbach's Alpha của C1.2 bằng 0.673> 0.6 và (2) và (2) các biến quan sát đều có tương quan biến
- tổng (Corrected Item – Total Correlation) > 0.3 (3) Hệ số Cronbach's Alpha if Item Deleted của C1.2.2 và C1.2.4 lớn hơn Cronbach's Alpha của nhân tố Tuy nhiên, sự chênh lệch là không lớn (chưa đến 0.3), và hệ số tương quan biến tổng của biến C1.2.2 và C1.2.4 đều > 0.3, Cronbach's Alpha của thang đo đã trên 0.6, nên ta sẽ giữ lại 02 biến C1.2.3 và C1.2.4 cho nhân tố Như vậy thang đo đạt độ tin cậy, và các biến quan sát đều có ý nghĩa giải thích tốt cho nhân tố
Nhân tố SỬ DỤNG CẢM XÚC (C1.3)
Phân tích hệ số Cronbach’s Alpha cho nhân tố C1.3
Kết quả kiểm định cho thấy hệ số độ tin cậy thang đo Cronbach's Alpha của C1.3 đạt 0.687, vượt mức 0.6, xác nhận thang đo có độ tin cậy cao Đồng thời, các biến quan sát đều có tương quan biến - tổng (Corrected Item – Total Correlation) lớn hơn 0.3 Hệ số Cronbach's Alpha if Item Deleted của tất cả các biến đều nhỏ hơn giá trị Cronbach's Alpha của nhân tố, khẳng định rằng thang đo đạt độ tin cậy và các biến quan sát đều phù hợp.
20 đều có ý nghĩa giải thích tốt cho nhân tố C1.3.
Nhân tố QUẢN LÝ CẢM XÚC (C1.4)
Phân tích hệ số Cronbach’s Alpha cho nhân tố C1.4
Kết quả kiểm định cho thấy hệ số độ tin cậy thang đo Cronbach's Alpha của C1.4 đạt 0.865, vượt ngưỡng 0.6, chứng tỏ thang đo này đáng tin cậy Tất cả các biến quan sát đều có tương quan biến - tổng (Corrected Item – Total Correlation) lớn hơn 0.3, và hệ số Cronbach's Alpha if Item Deleted của các biến đều nhỏ hơn Cronbach's Alpha của nhân tố Do đó, thang đo này không chỉ đạt độ tin cậy mà còn cho thấy các biến quan sát có khả năng giải thích tốt cho nhân tố C1.4.
Mô hình thang đo Trí tuệ cảm xúc (C1) đề xuất sau kiểm định Cronbach’s Alpha
Phân tích nhân tố khám phá (EFA) cho thang đo Trí tuệ cảm xúc (C1)
Khi phân tích nhân tố khám phá, các tiêu chuẩn sau thường được quan tâm như sau:
Theo Kaise (1974) [1], hệ số KMO (Kaiser-Meyer-Olkin) dùng để so sánh độ lớn của hệ số tương quan hai biến khác nhau và hệ số tương quan riêng phần của chúng phải càng cao càng tốt, tối thiểu KMO phải lớn hơn 0.5
Theo Nguyễn Đình Thọ (2011) [2], kiểm định Bartlett (Bartlett’s test of sphericity) dùng để ma trận tương quan có phải là ma trận đơn vị (I) phải có pvalue 0.4 được xem là quan trọng, ≥0.5 được xem là có ý nghĩa thực tiễn Cỡ
22 mẫu càng lớn thì yêu cầu hệ số tải càng nhỏ Theo kinh nghiệm nghiên cứu của Hair và cộng sự (2009) [3] thì nếu chọn tiêu chuẩn Factor loading
Khi thực hiện nghiên cứu, cỡ mẫu tối thiểu cần đạt 350 nếu hệ số tin cậy là 0.3 Đối với cỡ mẫu khoảng 100, hệ số Factor loading cần lớn hơn 0.55, trong khi với cỡ mẫu 50, yêu cầu này tăng lên trên 0.75 Do đó, cỡ mẫu trong nghiên cứu này cần được xác định phù hợp với các tiêu chí nêu trên.
(123 mẫu), các nhân tố có Factor loading > 0.5 sẽ được giữ lại Đồng thời, theo Jabnoun & Al-Tamimi (2003) [4] chênh lệch giữa |Factor Loading| lớn nhất và |Factor Loading| bất kỳ phải > 0.3
Tổng phương sai trích TVE (Total Variance Explained) thể hiện phần trăm biến thiên của các biến quan sát Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu % Với tiêu chí này thì TVE phải từ 50% trở lên (Nguyễn Đình Thọ, 2011).
Ngoài ra, nghiên cứu này sử dụng phương pháp rút trích nhân tố
Principal components với nguyên tắc dựa vào Eigenvalue để xác định số lượng nhân tố và phép xoay nhân tố Varimax Do đó, số lượng nhân tố được xác định ở nhân tố (dừng nhân tố) có Eigenvalue >1 (Nguyễn Đình Thọ, 2011).
Kết quả phân tích EFA cho nhân tố C1 lần 1
Giá trị KMO và Kiểm định Barlett cho nhân tố C1 lần 1
→ Kết quả lần EFA đầu tiên: KMO = 0.710 > 0.5, Sig Bartlett’s Test = 0.001
< 0.05, như vậy phân tích nhân tố khám phá EFA là phù hợp
Giá trị Eigenvalue và Tổng phương sai trích cho nhân tố C1 lần 1
→ Điểm dừng khi rút trích nhân tố tại nhân tố thứ 4 với Eigenvalue =1.645 > 1. Tổng phương sai trích TVE = 62.954% (> 50%) nên 04 nhân tố này giải thích được 62.954% biến thiên dữ liệu.
Ma trận xoay cho nhân tố C1 lần 1
Trong nghiên cứu này, với cỡ mẫu 123, các nhân tố có Factor loading lớn hơn 0.5 sẽ được giữ lại Ngoài ra, chênh lệch giữa |Factor Loading| lớn nhất và |Factor Loading| bất kỳ cần phải lớn hơn 0.3, theo Jabnoun & Al-Tamimi (2003) Kết quả này sẽ được so sánh với ma trận xoay.
Biến C1.2.4 (0.476 0.5, Sig Bartlett’s Test = 0.001 < 0.05, như vậy phân tích nhân tố khám phá EFA là phù hợp.
Giá trị Eigenvalue và Tổng phương sai trích cho nhân tố C1 lần 2
→ Điểm dừng khi rút trích nhân tố tại nhân tố thứ 4 với Eigenvalue =1.255 > 1. Tổng phương sai trích TVE= 69.738% (> 50%) nên 04 nhân tố này giải thích được 69.738% biến thiên dữ liệu.
Ma trận xoay cho nhân tố C1 lần 2
→ Với ngưỡng hệ số tải là > 0.5 như đã đề cập ở trên So sánh ngưỡng này với kết quả ở ma trận xoay, các biến đều đạt yêu cầu, kết quả của lần phân tích này được xem như kết quả cuối cùng của quá trình phân tích nhân tố EFA cho nhân tố Trí tuệ cảm xúc (C1) Như vậy, sau 2 lần chạy EFA, ta đã loại 03/15 biến quan sát C1.2.4 và C1.3.1, và C1.3.2 của nhân tố C1
Mô hình thang đo Trí tuệ cảm xúc (C1) đề xuất sau phân tích Cronbach’s Alpha và EFA
Thang đo Tính lạc quan – bi quan (C2)
Phân tích độ tin cậy (hệ số Cronbach’s Alpha) cho thang đo Tính lạc quan – bi quan (C2)
Mô hình thang đo Tính lạc quan – bi quan (C2)
Nhân tố TÍNH LẠC QUAN-BI QUAN (C2) Bảng 12
Phân tích hệ số Cronbach’s Alpha cho nhân tố C2
→ Kết quả kiểm định cho thấy: (1) hệ số độ tin cậy thang đo Cronbach's Alpha của C2 là 0.719 > 0.6 nên thang đo tin cậy và (2) các biến quan sát đều có tương quan biến - tổng (Corrected Item – Total Correlation) > 0.3 Hệ số Cronbach's Alpha if Item Deleted của tất cả các biến đều nhỏ hơn Cronbach's Alpha của nhân tố Như vậy thang đo đạt độ tin cậy, và các biến quan sát đều có ý nghĩa giải thích tốt cho nhân tố C2.
Mô hình thang đo Tính lạc quan – bi quan (C2) đề xuất sau kiểm định
Phân tích nhân tố khám phá (EFA) cho thang đo Tính lạc quan - bi quan (C2)
Giá trị KMO và Kiểm định Batrlett cho nhân tố C1 lần 2
→ 0.5 ≤ KMO = 0.714 ≤ 1 phân tích nhân tố được chấp nhận với tập dữ liệu nghiên cứu, Sig Bartlett’s Test = 0.001 < 0.05, phân tích nhân tố khám phá EFA là phù hợp
Giá trị Eigenvalue và Tổng phương sai trích cho nhân tố C2 lần 2
→ Điểm dừng khi rút trích nhân tố tại nhân tố thứ 2 với giá trị Eigenvalue
=1.193 > 1 Tổng phương sai trích TVE= 61.721% (> 50%) nên 02 nhân tố này giải thích được 61.721% biến thiên dữ liệu.
Ma trận xoay cho nhân tố C1 lần 2
Kết quả phân tích ma trận xoay chỉ ra rằng, 6 biến quan sát đã được nhóm lại thành 2 nhân tố, với tất cả các biến có hệ số tải nhân tố (Factor Loading) lớn hơn 0.5 Đây cũng được coi là kết quả cuối cùng của quá trình phân tích nhân tố EFA cho nhân tố Tính lạc quan - bi quan (C2).
Mô hình thang đo Tính lạc quan - bi quan đề xuất sau phân tích Cronbach’s Alpha và EFA
Thang đo Tự đánh giá về giá trị bản thân (C3)
Phân tích độ tin cậy (hệ số Cronbach’s Alpha) cho thang đo Tự đánh giá về giá trị bản thân (C3) 33 1.3.2 Phân tích nhân tố khám phá (EFA) cho nhân tố Tự đánh giá về giá trị bản thân (C3)
Mô hình thang đo Tự đánh giá về giá trị bản thân (C3)
Nhân tố SỰ TỰ TIN (C3.1)
Phân tích hệ số Cronbach’s Alpha cho nhân tố C3.1
Kết quả kiểm định cho thấy hệ số độ tin cậy thang đo Cronbach's Alpha của C3.1 đạt 0.819, vượt ngưỡng 0.6, chứng tỏ thang đo này tin cậy Tất cả các biến quan sát đều có tương quan biến - tổng (Corrected Item – Total Correlation) lớn hơn 0.3, và hệ số Cronbach's Alpha if Item Deleted của tất cả các biến đều nhỏ hơn Cronbach's Alpha của nhân tố Do đó, thang đo không chỉ đạt độ tin cậy mà còn cho thấy các biến quan sát có khả năng giải thích tốt cho nhân tố C3.1.
Nhân tố SỰ TỰ TI (C3.2)
Phân tích hệ số Cronbach’s Alpha cho nhân tố C3.2
→ Kết quả kiểm định cho thấy: (1) hệ số độ tin cậy thang đo Cronbach's Alpha của C3.2 bằng 0.852> 0.6 và (2) và (2) các biến quan sát đều có tương quan biến
Hệ số tương quan tổng (Total Correlation) của biến C3.2.4 lớn hơn 0.3, với hệ số Cronbach's Alpha nếu biến bị loại cũng cao hơn Cronbach's Alpha của nhân tố, tuy nhiên sự chênh lệch không đáng kể (chưa đến 0.3) Hệ số tương quan biến tổng của C3.2.4 là 0.539, vượt mức 0.3, và Cronbach's Alpha của thang đo đã đạt trên 0.8 Do đó, biến C3.2.4 sẽ được giữ lại trong nhân tố, cho thấy thang đo có độ tin cậy cao và các biến trong nghiên cứu được đảm bảo.
34 quan sát đều có ý nghĩa giải thích tốt cho nhân tố C3.2.
Mô hình của nhân tố Tự đánh giá về giá trị bản thân (C3) sau kiểm định Cronbach’s Alpha
1.3.2 Phân tích nhân tố khám phá (EFA) cho nhân tố Tự đánh giá về giá trị bản thân (C3)
Kết quả phân tích EFA cho nhân tố C3 lần 1
Giá trị KMO và Kiểm định Barlett cho nhân tố C3 lần 1
→ Kết quả lần EFA đầu tiên: KMO = 0.814 > 0.5, sig Bartlett’s Test = 0.001
1 Tổng phương sai trích TVE = 63.762 % (> 50%) nên 02 nhân tố này giải thích được 63.762 % biến thiên dữ liệu.
Ma trận xoay cho nhân tố C3 lần 1
→ Với cỡ mẫu trong nghiên cứu này (123 mẫu), các nhân tố có Factor loading
> 0.5 sẽ được giữ lại Đồng thời chênh lệch giữa |Factor Loading| lớn nhất và | Factor Loading| bất kỳ phải > 0.3 (Jabnoun & Al-Tamimi, 2003)
Kết quả phân tích ma trận xoay cho thấy 10 biến quan sát được phân thành 2 nhân tố, với tất cả hệ số tải nhân tố (Factor Loading) đều lớn hơn 0.5 Tuy nhiên, các biến C3.1.5, C3.1.1 và C3.2.5 có tải trọng trên hai nhân tố Mức chênh lệch giá trị tuyệt đối của hệ số tải cho C3.1.5 là 0.168, C3.1.1 là 0.021 và C3.2.5 là 0.353 Do đó, các biến C3.1.5 và C3.1.1 cần được loại bỏ, trong khi biến C3.2.5 có thể được xem xét giữ lại.
Câu hỏi thu thập của biến C3.2.5, “Nhìn chung trong tất cả vấn đề, tôi nghiêng về cảm giác tôi là người thất bại,” liên quan đến hai khái niệm quan trọng: SỰ TỰ TIN và SỰ TỰ TI Để cải thiện chất lượng mô hình nhân tố và giảm thiểu hiện tượng đa cộng tuyến, chúng ta sẽ loại bỏ ba biến C3.1.5, C3.1.1 và C3.2.5 trước khi tiến hành phân tích EFA lần 2.
Kết quả phân tích EFA cho nhân tố C3 lần 2
Giá trị KMO và Kiểm định Barlett cho nhân tố C3 lần 2
→ Kết quả lần EFA đầu tiên: KMO = 0.692 > 0.5, Sig Bartlett’s Test = 0.001
< 0.05 Như vậy phân tích nhân tố khám phá EFA là phù hợp
Giá trị Eigenvalue và Tổng phương sai trích cho nhân tố C3 lần 2
→ Điểm dừng khi rút trích nhân tố tại nhân tố thứ 2 với Eigenvalue =1.531 > 1. Tổng phương sai trích TVE= 65.690 % (> 50%) nên 02 nhân tố này giải thích được 65.690 % biến thiên dữ liệu.
Ma trận xoay cho nhân tố C3 lần 2
Kết quả phân tích ma trận xoay chỉ ra rằng 07 biến quan sát được nhóm thành 2 nhân tố, với tất cả các biến đều có hệ số tải nhân tố (Factor Loading) lớn hơn 0.5 Phân tích này được coi là kết quả cuối cùng của quá trình nghiên cứu.
38 trình phân tích nhân tố EFA cho nhân tố C3.
Mô hình thang đo Tự đánh giá về giá trị bản thân (C3)đề xuất sau phân tích Cronbach’s Alpha và EFA
Trong bài viết này, chúng tôi sẽ sử dụng thống kê mô tả để đánh giá thực trạng trí tuệ cảm xúc của đối tượng khảo sát, bao gồm các yếu tố như tính lạc quan, bi quan, sự tự tin và tự ti Kết quả cho thấy mức độ cảm xúc của đối tượng có sự phân hóa rõ rệt Tiếp theo, chúng tôi sẽ phân tích sự khác biệt về trí tuệ cảm xúc giữa các nhóm nhân khẩu học, đặc biệt là giới tính và kết quả học tập Qua đó, có thể nhận thấy rằng giới tính có ảnh hưởng đáng kể đến các chỉ số trí tuệ cảm xúc, với sự khác biệt rõ ràng giữa nam và nữ trong việc quản lý cảm xúc và mức độ tự tin.
Để phân tích trí tuệ cảm xúc, cần lập bảng số liệu và diễn giải, trong đó tính điểm đại diện chung cho trí tuệ cảm xúc và điểm cho từng thành phần của nó Sau khi có các điểm số này, chúng ta có thể so sánh với các biến nhân khẩu để rút ra những kết luận chính xác hơn.
Đánh giá thực trạng
Thực trạng Trí tuệ cảm xúc (C1) của khách thể được khảo sát
Thang đo Trí tuệ cảm xúc trong khảo sát sử dụng thang Likert 7 mức độ, với 1 là hoàn toàn không đồng ý và 7 là hoàn toàn đồng ý Điểm số được tính bằng trung bình (mean) và không có câu hỏi nghịch đảo; điểm trung bình cao hơn cho thấy trí tuệ cảm xúc tốt hơn.
Thống kê mô tả cho Trí tuệ cảm xúc
Biểu đồ Histogram cho Trí tuệ cảm xúc
Thực trạng Tính lạc quan - bi quan (C2) của khách thể được khảo sát
2.1.2 Thực trạng Tính lạc quan - bi quan (C2) của khách thể được khảo sát
Thang đo Tính lạc quan – bi quan đánh giá tổng điểm (sum), loại trừ các mục 2, 5, 6 và 8 do chức năng “làm đầy” của chúng Điểm tổng càng cao thể hiện mức độ lạc quan càng lớn.
Theo nghiên cứu của Scheier và cộng sự (1994), điểm số có ý nghĩa như sau: 0 điểm thể hiện sự bi quan cực độ, 24 điểm biểu thị sự lạc quan cực độ, trong khi 15 điểm cho thấy một mức độ lạc quan nhẹ.
Thống kê mô tả cho Tính lạc quan - bi quan
Biểu đồ Histogram cho Tính lạc quan – bi quan
Biểu đồ histogram cho thấy tính lạc quan và bi quan của nhóm khách thể khảo sát có phân phối tương tự như phân phối chuẩn Do đó, cần tiến hành kiểm định để xác định xem phân phối này có thực sự là phân phối chuẩn hay không, và kết quả kiểm định đã chỉ ra điều đó.
Kiểm định Kolmogorov-Smirnov cho Tính lạc quan – bi quan
Statistic df Sig Statistic df Sig.
Kết quả kiểm tra cho thấy Sig của Kolmogorov-Smirnov là 0.047, nhỏ hơn 0.05, do đó giả thuyết C2 không có phân phối chuẩn bị bác bỏ với mức ý nghĩa 5% Giá trị skewness là -0.06, cho thấy phân phối có xu hướng lệch sang trái, với đuôi phân phối nằm bên trái của trung vị Giá trị kurtosis là -0.231, cho thấy phân phối có độ nhọn thấp hơn so với phân phối chuẩn, với đỉnh phân phối thấp hơn và đuôi phân phối mỏng hơn Giá trị trung bình của phân phối là 11.72, giá trị nhỏ nhất là 4.00, giá trị lớn nhất là 23.00, giá trị trung vị là 12.00, và giá trị thường xuyên xuất hiện nhất cũng là 12.
Thực trạng Tự đánh giá về giá trị bản thân (C3) của khách thể được khảo sát
Thang đo Tự đánh giá giá trị bản thân sử dụng thang Likert 4 mức độ trong khảo sát, với tổng điểm từ 10 item Mục tiêu của thang đo là xác định hai yếu tố chính: sự tự tin (self-confident) từ 0 “Rất không đồng ý” đến 3 “Rất đồng ý” và sự tự ti (self-deprecation) với thang điểm tương tự.
Sự đồng ý từ 0 đến 5 thể hiện cảm nhận về giá trị bản thân; điểm số cao cho thấy đánh giá tích cực về giá trị cá nhân.
Thống kê mô tả cho Tự đánh giá về giá trị bản thân
Biểu đồ Histogram cho Tự đánh giá về giá trị bản thân
Biểu đồ histogram cho thấy sự tự đánh giá về giá trị bản thân của nhóm khảo sát có phân phối gần giống phân phối chuẩn Do đó, cần thực hiện kiểm định để xác định xem phân phối này có thực sự là phân phối chuẩn hay không Kết quả kiểm định đã được thực hiện để làm rõ vấn đề này.
Kiểm định Kolmogorov-Smirnov cho Tự đánh giá về giá trị bản thân
Statistic Df Sig Statistic df Sig.
Kết quả kiểm tra cho thấy giá trị Sig của Kolmogorov-Smirnov là 0.007, nhỏ hơn 0.05, do đó chúng ta bác bỏ giả thuyết C3 về phân phối chuẩn với mức ý nghĩa 5% Giá trị skewness là 0.097, cho thấy phân phối có xu hướng lệch sang phải, trong khi giá trị kurtosis là 0.973, cho thấy phân phối có độ nhọn cao hơn so với phân phối chuẩn Giá trị trung bình của phân phối là 11.60, giá trị nhỏ nhất là 6.00, và giá trị lớn nhất là 21.00 Giá trị trung vị là 11.00 và giá trị thường xuyên xuất hiện nhất (yếu vị) cũng là 11.00.
Phân biệt sự khác biệt
Kiểm định One-way Anova
Kiểm định Anova, hay còn gọi là Anova test, là một kỹ thuật phân tích phương sai (Analysis of Variance) dùng để phân tích sự khác biệt giữa các giá trị trung bình của các biến phụ thuộc Kết quả của kiểm định Anova bao gồm hai phần chính.
Phần 1: Kiểm định phương sai đồng nhất Levene test: dùng kiểm định phương sai bằng nhau hay không giữa các nhóm Giả thiết H0: “Phương sai bằng nhau”
- Sig > 0.05: chấp nhận H0 -> đủ điều kiện để phân tích tiếp Anova
Phần 2: Kiểm định Anova ANOVA test: Kiểm định Anova H0: “Trung bình bằng nhau”
- Sig đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc
- Sig > 0.05: chấp nhận H0 -> chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc
Phân tích sự khác biệt về Trí tuệ cảm xúc đối với Giới tính:
Kết quả phân tích chủ yếu dựa vào bảng ANOVA, cho phép đánh giá sự khác biệt có ý nghĩa giữa các nhóm đối tượng thống kê Chỉ số quan trọng trong bảng là hệ số Sig; nếu Sig nhỏ hơn 0.05 (Sig < 0.05), điều này khẳng định có sự khác biệt có ý nghĩa thống kê giữa các nhóm.
→ Kết quả cho thấy hệ số Sig = 0.696 > 0.05 Không có sự khác biệt có ý⇒ nghĩa về trung bình Trí tuệ cảm xúc giữa giới tính Nam và Nữ.
Phân tích sự khác biệt về Trí tuệ cảm xúc đối với Sự quan tâm đến RLCX:
Kết quả phân tích chủ yếu dựa vào bảng ANOVA, cho phép đánh giá sự khác biệt có ý nghĩa giữa các nhóm đối tượng thống kê Chỉ số quan trọng trong bảng là hệ số Sig; nếu Sig nhỏ hơn 0.05, điều này khẳng định có sự khác biệt có ý nghĩa thống kê giữa các nhóm.
Kết quả phân tích cho thấy hệ số Sig là 0.168, lớn hơn 0.05, cho thấy không có sự khác biệt có ý nghĩa thống kê về trung bình Trí tuệ cảm xúc giữa các nhóm với mức độ quan tâm khác nhau đối với Sự quan tâm đến RLCX.
Kiểm định Two-way Anova
Phân tích ANOVA hai chiều sẽ giúp xác định sự khác biệt trong ảnh hưởng của sự quan tâm đến RLCX đối với trí tuệ cảm xúc giữa nam và nữ.
Bảng Multiple Comparisons cho phép chúng ta phân tích sự khác biệt giữa các nhóm Nếu giá trị Sig nhỏ hơn 0.05, điều này cho thấy có sự khác biệt đáng kể về giá trị trung bình giữa các đối tượng được so sánh.
Kết quả cho thấy các giá trị Sig > 0.05, do đó không khác biện về trung bình của Trí tuệ cảm xúc giữa các nhóm được phân tích.
Hệ số tương quan r cho thấy mối quan hệ giữa trí tuệ cảm xúc và các yếu tố tâm lý như tính lạc quan, bi quan, sự tự tin và tự ti Phân tích hệ số hồi quy bậc nhất giúp xác định mức độ ảnh hưởng của trí tuệ cảm xúc đến các yếu tố này Kết quả cho thấy sự tương quan tích cực giữa trí tuệ cảm xúc và tính lạc quan, trong khi đó, trí tuệ cảm xúc có thể làm giảm tính bi quan và tăng cường sự tự tin, nhưng cũng có thể liên quan đến sự tự ti ở một số cá nhân Việc hiểu rõ các mối quan hệ này là cần thiết để phát triển các chương trình can thiệp tâm lý hiệu quả.
Để thực hiện phân tích, trước tiên cần lập bảng số liệu và diễn giải Bắt đầu với việc xác định điểm đại diện cho trí tuệ cảm xúc (câu 1), tiếp theo là tính điểm đại diện cho các yếu tố lạc quan, bi quan, tự tin và tự ti (câu 2 và câu 3) Cuối cùng, tiến hành phân tích tương quan r và hồi quy bậc nhất để rút ra kết luận.
Hình 19: Mô hình các biến đại diện
Phân tích tương quan Pearson
Theo Gayen (1951), hệ số tương quan Pearson (ký hiệu r) là công cụ được sử dụng trong thống kê để đánh giá mức độ liên kết tuyến tính giữa các biến định lượng Tuy nhiên, phân tích tương quan Pearson chỉ được áp dụng khi tất cả các biến đều là biến định lượng; nếu có biến định tính hoặc biến nhị phân, phương pháp này sẽ không được thực hiện.
Hệ số tương quan Pearson r có giá trị dao động từ -1 đến 1:
Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.
Nếu r càng tiến về 0: tương quan tuyến tính càng yếu.
Nếu r = 1, điều này cho thấy mối tương quan tuyến tính tuyệt đối giữa hai biến Trên đồ thị phân tán (Scatter), các điểm dữ liệu sẽ hội tụ thành một đường thẳng.
Nếu r = 0, điều này chỉ ra rằng không có mối tương quan tuyến tính giữa hai biến Trong trường hợp này, có thể xảy ra hai tình huống: Thứ nhất, không tồn tại bất kỳ mối liên hệ nào giữa hai biến Thứ hai, có thể có mối liên hệ phi tuyến giữa chúng.
Andy Field (2009) nhấn mạnh rằng việc đánh giá mối liên hệ tuyến tính giữa hai biến thông qua hệ số tương quan Pearson cần phải đi kèm với kiểm định giả thuyết để xác định ý nghĩa thống kê của hệ số này Nếu kết quả kiểm định có giá trị sig nhỏ hơn 0.05, điều này cho thấy cặp biến có mối tương quan tuyến tính; ngược lại, nếu sig lớn hơn 0.05, cặp biến sẽ không có mối tương quan tuyến tính, với mức ý nghĩa được thiết lập là 5% (0.05).
→ Kết quả phân tích cho thấy các giá trị Sig đều > 0.05, các cặp biến không có tương quan tuyến tính.
→ Do đó, không cần tiến hành hồi qui bậc nhất, vì các biến không có tương quan tuyến tính.
[1] Kaiser, H.F (1974) An index of factorial simplicity Psychometrika, 39, 31- 36.
[2] Nguyễn Đình Thọ (2011), Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Lao động Xã hội, Hà Nội.
[3] Hair, J F., Black, W C., Babin B J., & Anderson R E (2009) Multivariate data analysis (7th ed.) Upper Saddle River, NJ: Pearson Prentice Hall.
[5] Minh Anh (2018) Kiểm định ANOVA là gì? Các bước phân tích ANOVA. Tạp chí VietnamFinance.
[6] Hair, C & Ronald Fisher (1917) "The Correlation between Relatives on the Supposition of Mendelian Inheritance." Investopedia: Fundamental Analytic.
CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh phúc
Buổi làm việc nhóm lần thứ: 5 Địa điểm: Họp online và trao đổi qua tin nhắn group Zalo
Thời gian: từ 19h đến 21h ngày 20/04/2023
Các thành viên có tham dự: Các thành viên của nhóm đều tham dự đầy đủ.
STT MSSV Họ và tên Email Điện thoại
1 2266160036 Đỗ Quang Huy 2266160036@hcmussh.edu.vn 0906847588
2 2266160042 Đồng Thị Lệ dongle27081987@gmail.com 0979931687
3 2266160051 Kam Kim Long kamkimlong@gmail.com 0933000220
4 2266160055 Phan Thị Hà My bspthamy@gmail.com 0356174039
Nguyễn Thị Thảo Nhung thaonhung0694@gmail.com 0767461623
6 2266160124 Nguyễn Tường Vi tuongvinguyen211@gmail.com 0797315910
(Các trao đổi, thảo luận, thống nhất chung của nhóm)
BẢNG PHÂN CÔNG CÔNG VIỆC
Các thành viên cùng làm để có thể so sánh kết quả với nhau, cùng đóng góp ý kiến và hoàn thành bài tập vào ngày cuối cùng.
STT Họ và tên Công việc Ngày giao Ngày hoàn thành Ghi chú
Làm câu 1,2, đóng góp ý kiến và hỗ trợ chỉnh sữa bài nhóm
Làm câu 1,3, đóng góp và hỗ trợ chỉnh sữa bài nhóm
Làm câu 2,3, quản lý nhóm, tổng kiểm tra kết quả bài làm, kiểm tra các File
Nộp bài cho thầy giáo
Làm câu 2,3, đóng góp và hỗ trợ chỉnh sữa bài tập nhóm
Làm câu 1, quản lý nhóm, tổng kết các file, viết phụ lục
Làm câu 2, tổng kết file Word, chỉnh sữa thành file hoàn chỉnh, ghi nhận biên
2 Đánh giá kết quả làm việc nhóm
STT Người phụ trách Mô tả nội dung công việc Bắt đầu Kết thúc Kết quả
1 Đỗ Quang Huy Như đã phân công 08/04/2023Đúng thời hạn Tốt
2 Đồng Thị Lệ Như đã phân công 08/04/2023Đúng thời hạn Tốt
3 Kam Kim Long Như đã phân công 08/04/2023Đúng thời hạn Rất tốt
4 Phan Thị Hà My Như đã phân công 08/04/2023 Đúng thời hạn Tốt
Như đã phân công 08/04/2023Đúng thời hạn Tốt
6 Nguyễn Tường ViNhư đã phân công 08/04/2023Đúng thời hạn Tốt
Nhóm trưởngKam Kim Long