Câu 1: Phân tích EFA để tìm các biến mới hoặc giảm biến, tìm các yếu tố thành phần đo lườngbiến này. Tính giá trị các biến mới.Trước khi quyết định sử dụng EFA, ta cần phải xem xét mối quan hệ giữa các biến đo lường này (OC1,OC2, PV, MP1, MP2) bằng cách kiểm định KMO.KMO and Bartletts TestKaiserMeyerOlkin Measure ofSampling Adequacy..906Bartletts Test ofSphericityApprox. ChiSquare8507.274df 496Sig. 0.000Bảng trên cho kết quả: KMO=0.906>0.6 => Phân tích nhân tố là phù hợp. Sign=0 (P_value < 0.05) => Các biến được đưa vào phân tích nhân tố là có tương quan vớinhau.Từ 2 kiểm định trên, ta thấy có đủ điều kiện để thực hiện phân tích EFA> Sau khi xác định được mốiquan hệ giữa các nhân tố, ta thực hiện phân tích EFA cho các yếu tố OC1, OC2, PV, MP1, MP2, ta cóbảng kết quả sau:Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of SquaredLoadingsRotation Sums of SquaredLoadingsTotal% ofVarianceCumulative% Total% ofVarianceCumulative% Total% ofVarianceCumulative%1 7.522 23.505 23.505 7.522 23.505 23.505 4.077 12.740 12.7402 2.703 8.447 31.952 2.703 8.447 31.952 3.509 10.966 23.7063 1.772 5.537 37.489 1.772 5.537 37.489 2.703 8.446 32.1524 1.445 4.516 42.006 1.445 4.516 42.006 1.917 5.991 38.1445 1.204 3.762 45.768 1.204 3.762 45.768 1.685 5.267 43.410Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng PhongSVTH : Lê Thị Hà Thanh Page 36 1.056 3.299 49.067 1.056 3.299 49.067 1.512 4.725 48.1357 1.010 3.157 52.224 1.010 3.157 52.224 1.309 4.089 52.2248 .963 3.010 55.2349 .899 2.810 58.04410 .856 2.673 60.71811 .831 2.598 63.31612 .798 2.494 65.81013 .779 2.435 68.24514 .761
Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 1 TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM HỆ ĐÀO TẠO SAU ĐẠI HỌC BỘ MÔN: PHƯƠNG PHÁP NGHIÊN CỨU KHOA HỌC BÀI TẬP XỬ LÝ SỐ LIỆU SPSS Giảng viên hướng dẫn : TS. NGUYỄN HÙNG PHONG Sinh viên thực hiện : LÊ THỊ HÀ THANH Lớp : ĐÊM 4-KHÓA 22 TP. Hồ Chí Minh – năm 2012 Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 2 Câu 1: Phân tích EFA để tìm các biến mới hoặc giảm biến, tìm các yếu tố thành phần đo lường biến này. Tính giá trị các biến mới. Trước khi quyết định sử dụng EFA, ta cần phải xem xét mối quan hệ giữa các biến đo lường này (OC1, OC2, PV, MP1, MP2) bằng cách kiểm định KMO. KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .906 Bartlett's Test of Sphericity Approx. Chi- Square 8507.27 4 df 496 Sig. 0.000 Bảng trên cho kết quả: KMO=0.906>0.6 => Phân tích nhân tố là phù hợp. Sign=0 (P_value < 0.05) => Các biến được đưa vào phân tích nhân tố là có tương quan với nhau. Từ 2 kiểm định trên, ta thấy có đủ điều kiện để thực hiện phân tích EFA> Sau khi xác định được mối quan hệ giữa các nhân tố, ta thực hiện phân tích EFA cho các yếu tố OC1, OC2, PV, MP1, MP2, ta có bảng kết quả sau: Total Variance Explained Compon ent Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 7.522 23.505 23.505 7.522 23.505 23.505 4.077 12.740 12.740 2 2.703 8.447 31.952 2.703 8.447 31.952 3.509 10.966 23.706 3 1.772 5.537 37.489 1.772 5.537 37.489 2.703 8.446 32.152 4 1.445 4.516 42.006 1.445 4.516 42.006 1.917 5.991 38.144 5 1.204 3.762 45.768 1.204 3.762 45.768 1.685 5.267 43.410 Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 3 6 1.056 3.299 49.067 1.056 3.299 49.067 1.512 4.725 48.135 7 1.010 3.157 52.224 1.010 3.157 52.224 1.309 4.089 52.224 8 .963 3.010 55.234 9 .899 2.810 58.044 10 .856 2.673 60.718 11 .831 2.598 63.316 12 .798 2.494 65.810 13 .779 2.435 68.245 14 .761 2.379 70.624 15 .735 2.297 72.921 16 .685 2.142 75.063 17 .671 2.097 77.160 18 .617 1.927 79.087 19 .607 1.897 80.984 20 .585 1.828 82.812 21 .568 1.776 84.588 22 .553 1.727 86.315 23 .540 1.687 88.002 24 .509 1.590 89.593 25 .498 1.555 91.148 26 .478 1.492 92.640 27 .464 1.449 94.089 28 .450 1.406 95.495 29 .400 1.250 96.745 30 .385 1.203 97.948 31 .355 1.108 99.057 32 .302 .943 100.000 Extraction Method: Principal Component Analysis. Theo đó, với tiêu chí giá trị Eigen value ≥ 1 cho thấy có 7 nhân tố được hình thành và tổng phương sai Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 4 trích TVE (Total Variance Explained) = 52.224% cho thấy 7 nhân tố này giải thích được 52.224% của 3 khái niệm trên. Ta tiến tìm ra thành phần của các nhân tố mới, thực hiện phương pháp xoay vuông góc để loại bỏ các yếu tố thành phần rác cũng như loại bỏ các yếu tố thành phần nằm lưng chừng (khoảng chênh lệch tối thiểu là 0.2) qua bảng sau: Rotated Component Matrix a Component 1 2 3 4 5 6 7 OC11 .618 OC12 .623 OC13 .630 OC14 .579 .418 OC15 .447 42 OC21 .456 OC22 .466 .398 OC23 .529 .367 OC24 .598 OC25 .569 .328 OC26 .624 .328 PV2 .631 PV4 .330 .458 PV8 .717 PV1 .317 .680 PV3 .715 PV5 .670 PV6 .716 PV7 .345 .465 PV9 .594 MP11 .693 Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 5 MP12 .655 MP13 .356 .612 MP14 321 .738 MP15 .588 MP16 .533 MP21 .696 MP22 .609 MP23 .630 MP24 .621 MP25 .581 .361 MP26 .653 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 10 iterations. Theo bảng trên, các biến sau có sự chênh lệch về hệ số tải nhân tố nhỏ (0.2) nên ta loại các biến đó ra khỏi mô hình: OC14, OC15, OC22, OC23, PV4, PV7. Các yếu tố thành phần khác như: OC25, OC26, PV1, MP13, MP14, MP25 sẽ thuộc về nhân tố nào có hệ số lớn hơn. Sau khi loại bỏ các yếu tố OC14, OC15, OC22, OC23, PV4, PV7, ta tiến hành chạy EFA lần 2 cho các yếu tố còn lại. Kết quả chạy EFA lần 2 như sau: KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .885 Bartlett's Test of Sphericity Approx. Chi- Square 6122.13 0 df 325 Sig. 0.000 Ta thấy: - KMO > 0.6 => Phân tích nhân tố là phù hợp Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 6 - KMO = 0.885 > 0.6 và Sig. < 0.05 cho thấy các biến đưa vào phân tích là phù hợp và các biến có tương quan với nhau. Total Variance Explained Compone nt Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulati ve % Total % of Varianc e Cumulati ve % Total % of Varianc e Cumulati ve % 1 6.103 23.474 23.474 6.103 23.474 23.474 3.659 14.075 14.075 2 2.341 9.005 32.479 2.341 9.005 32.479 2.941 11.312 25.386 3 1.624 6.244 38.724 1.624 6.244 38.724 2.374 9.129 34.516 4 1.260 4.847 43.570 1.260 4.847 43.570 1.984 7.633 42.148 5 1.183 4.550 48.120 1.183 4.550 48.120 1.553 5.972 48.120 6 .974 3.746 51.866 7 .917 3.526 55.392 8 .874 3.363 58.755 9 .871 3.349 62.104 10 .802 3.086 65.191 11 .787 3.026 68.217 12 .767 2.949 71.166 13 .732 2.817 73.983 14 .689 2.651 76.634 15 .639 2.458 79.092 16 .617 2.374 81.465 17 .581 2.233 83.698 18 .562 2.160 85.858 19 .548 2.109 87.968 20 .522 2.007 89.975 21 .496 1.907 91.882 Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 7 22 .479 1.842 93.724 23 .463 1.782 95.505 24 .411 1.579 97.084 25 .396 1.523 98.607 26 .362 1.393 100.000 Extraction Method: Principal Component Analysis. Giá trị Eigen value >1 cho biết có 5 nhân tố mới được hình thành và các nhân tố này giải thích đượ c 48.12% các khái niệm trên. Thực hiện loại các yếu tố thành phần rác và thực hiện xoay vuông góc để tìm các yếu tố thành phần của nhân tố mới. Ta có: Rotated Component Matrix a Component 1 2 3 4 5 OC11 .620 OC12 .633 OC13 .360 .552 OC21 .523 OC24 .463 OC25 .647 .305 OC26 .638 PV2 .602 PV8 .730 PV1 .380 .634 PV3 .668 PV5 .666 PV6 .718 PV9 .564 MP11 .447 .431 Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 8 MP12 .451 .497 MP13 .692 MP14 .669 MP15 .613 MP16 .577 MP21 .682 MP22 .586 MP23 .653 MP24 .635 MP25 .612 .363 MP26 .665 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 7 iterations Từ bảng kết quả trên: - Ta cũng sẽ loại các yếu tố thành phần mà mức chênh lệch hệ số của nó với các nhân tố nó thuộc về nhỏ hơn 0.2. Như vậy các yếu tố thành phần sẽ loại khỏi phân tích là: OC13, MP11, MP12. - Các yếu tố thành phần nào có mức chênh lệch lớn hơn 0.2 thì nó thuộc về nhân tố có hệ số lớn hơn. Tiếp tục tiến hành phân tích EFA cho mô hình sau khi loại tiếp 3 biến trên. Ta có kết quả chạy EFA lần 3: KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .870 Bartlett's Test of Sphericity Approx. Chi- Square 5104.21 1 df 253 Sig. 0.000 Tương tự ta có KMO > 0.6 và sig. < 0.05 cho thấy các biến đưa vào phân tích là phù hợp và các biên có Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 9 tương quan với nhau. Bảng dưới đây cho thấy số lượng nhân tố mới được hình thành: Total Variance Explained Compone nt Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Varianc e Cumulativ e % Total % of Varianc e Cumulativ e % Total % of Varianc e Cumulativ e % 1 5.287 22.987 22.987 5.287 22.987 22.987 3.575 15.542 15.542 2 2.327 10.117 33.104 2.327 10.117 33.104 2.365 10.283 25.825 3 1.612 7.007 40.111 1.612 7.007 40.111 2.351 10.220 36.044 4 1.199 5.214 45.325 1.199 5.214 45.325 1.952 8.487 44.532 5 1.103 4.797 50.122 1.103 4.797 50.122 1.286 5.591 50.122 6 .908 3.946 54.068 7 .885 3.848 57.916 8 .863 3.753 61.669 9 .828 3.600 65.270 10 .796 3.460 68.730 11 .763 3.317 72.047 12 .689 2.997 75.043 13 .672 2.924 77.967 14 .613 2.666 80.633 15 .601 2.613 83.246 16 .582 2.530 85.776 17 .559 2.429 88.205 18 .516 2.245 90.451 19 .497 2.162 92.612 20 .471 2.049 94.662 21 .451 1.962 96.624 Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong SVTH : Lê Thị Hà Thanh Page 10 22 .407 1.769 98.394 23 .369 1.606 100.000 Extraction Method: Principal Component Analysis. Với hệ số Eigen value > 1 ta cũng chọn ra được 5 nhân tố mới được hình thành và 5 nhân tố này chiếm 50.12% giá trị các khái niệm trên. Ta tiếp tục thực hiện tìm các yếu tố thành phần qua phép quay vuông góc. Ta có: Rotated Component Matrix a Component 1 2 3 4 5 OC11 .684 OC12 .713 OC21 .526 OC24 .457 OC25 .696 OC26 .594 PV2 .608 PV8 .706 PV1 .366 .647 PV3 .665 PV5 .695 PV6 .747 PV9 .587 MP13 .642 MP14 .815 MP15 .608 MP16 .572 MP21 .702 MP22 .617 MP23 .640 [...]... nhóm cấp bậc quản lý Gọi H1: có sự khác biệt giữa 2 nhóm cấp bậc quản lý Khi kiểm định T-tesr ta có: - Đối với Fac_1: giá trị sign = 0.000 < 0.05 → bác bỏ giả thuyết H0 , nghĩa là có sự khác biệt giữa 2 nhóm cấp bậc quản lý - Đối với Fac_2: giá trị sign = 0.194 > 0.05 → chấp nhận giả thuyết H0 , nghĩa là khôngcó sự khác biệt giữa 2 nhóm cấp bậc quản lý SVTH : Lê Thị Hà Thanh Page 20 Bài tập môn nghiên... Thị Hà Thanh Item Correlatio Item Page 13 Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong MP25 24.29 33.184 583 793 MP26 24.84 31.969 576 792 Các hệ số cronbach alpha của các yếu tố thành phần cũng không lớn hơn hệ số cronbach alpha tổng Điều này có nghĩa nếu ta bỏ đi thêm một yếu tố thành phần nào trong nhân tố này thì cũng không cho ra được hệ số Cronbach alpha lớn hơn Kiểm tra độ tin... nhân tố 2 cũng có hệ số cronbach alpha của nhân tố này bằng 0.714 lớn hơn 0.6 là có thể tin cậy được và nếu bỏ đi thêm bất kì một yếu tố thành phần nào của nhân tố này nữa cũng không tạo ra hệ số cronbach alpha cho nhân tố này cao hơn Kiểm tra độ tin cậy thang đo cho nhân tố thứ 3 (Fac_3), ta có: Reliability Statistics N Cronbach's Alpha SVTH : Lê Thị Hà Thanh of Items Page 14 Bài tập môn nghiên cứu... kinh nghiệm quản lý H1: có sự khác biệt giữa các bậc kinh nghiệm quản lý ANOVA Sum of Square Mean s Square F Sig Between Groups 7.545 4 1.886 2.921 020 Within Groups Fac_1 df 606.22 939 646 1.053 379 4.517 001 8 Total 613.77 943 2 Fac_2 Between Groups 2.043 4 511 Within Groups 455.70 939 485 8 Total 457.75 943 1 Fac_3 Between Groups SVTH : Lê Thị Hà Thanh 9.228 4 2.307 Page 23 Bài tập môn nghiên cứu... Test of Approx Chi- 1958.847 Square df Sig SVTH : Lê Thị Hà Thanh 15 0.000 Page 11 Bài tập môn nghiên cứu khoa học GVHD: TS Nguyễn Hùng Phong Tương tự như trên, ta có giá trị KMO = 0.847>0.6 và Sig = 0.000 . Cumulativ e % 1 5 .28 7 22 .987 22 .987 5 .28 7 22 .987 22 .987 3.575 15.5 42 15.5 42 2 2. 327 10.117 33.104 2. 327 10.117 33.104 2. 365 10 .28 3 25 . 825 3 1.6 12 7.007 40.111 1.6 12 7.007 40.111 2. 351 10 .22 0 36.044. 6.103 23 .474 23 .474 6.103 23 .474 23 .474 3.659 14.075 14.075 2 2.341 9.005 32. 479 2. 341 9.005 32. 479 2. 941 11.3 12 25.386 3 1. 624 6 .24 4 38. 724 1. 624 6 .24 4 38. 724 2. 374 9. 129 34.516 4 1 .26 0 4.847. 1 7. 522 23 .505 23 .505 7. 522 23 .505 23 .505 4.077 12. 740 12. 740 2 2.703 8.447 31.9 52 2.703 8.447 31.9 52 3.509 10.966 23 .706 3 1.7 72 5.537 37.489 1.7 72 5.537 37.489 2. 703 8.446 32. 1 52 4 1.445