Buổi học thứ 2 Giải bài tập về nhà 1) Đầu tiên phải mã hóa 02 biến : giới tính và jobcat Trang 1/7 Trang 2/7 2) Xây dựng hàm hồi quy Salary = f ( edu, preexp, gioi, QL, QHKH,) Salary = 4873.653 + -4.332 Hiện tượng đa cộng tuyến : người ta quan tâm tới hiện tượng đa cộng tuyến Y = f ( X 1 , X 2 , X 3 ) Là hiện tượng các biến này có quan hệ chặt chẽ với nhau Hòan hảo : I 1 X 1 + I 2 X 2 + I 3 X 3 = 0 Trang 3/7 Không hòan hảo : I 1 X 1 + I 2 X 2 + I 3 X 3 + v = 0 Nếu rơi vào hiện tượng đa cộng tuyến thì hàm của chúng ta không bị tốt Β i không chệch Se ( Β i ) chệch lớn | t | = Β i / SE (Β i) Ta mong muốn | t | > 2 để biến số có ý nghĩa thống kê Nhưng khi xảy ra hiện tượng đa cộng tuyến thì làm cho Se ( Β i ) chệch lớn giá trị | t | càng nhỏ Một số triệu chứng phát hiện hiện tượng đa cộng tuyến • VIF > 10 : bị đa cộng tuyến • | r Xi Xj | > 0.8 Collinearity diagnostics : Nhận dạng hiện tượng đa cộng tuyến Nếu chọn mức ý nghĩa là 0.05 tương ứng với độ tin cậy 95% Nếu sig < = mức ý nghĩa anfa = 0.05 Nhìn vào sig cua preexp ta thấy = 0.079 > 0.05 lọai biến kinh nghiệm ra Chạy lại hàm Salary = f ( edu, gioi, QL, QHKH,) Trang 4/7 S^ = 6350 + 1489 edu + 5376 gioi + 27202 QL + 4044 QHKH R 2 = .721 Sig ( F) = 0.000 Tính được giá trị trung bình của tiền lương phân theo ba nhóm : thư ký, QHKH, Quản lý . Nếu giá trị trung bình của cái nào nhỏ nhất thì lọai ra khỏi mô hình Cách làm : Giá trị tiền lương trung bình phân theo từng nhóm Trang 5/7 Nếu có n biến giả thì đưa vào mô hình n – 1 Y = f ( X 1 , X 2 , X 3 ) X 1 = f ( X 2 , X 3 ) R 1 2 VIF (X 1 ) = 1 / ( 1 – R 1 2 ) X 2 = f ( X 1 , X 3 ) R 2 2 VIF (X 2 ) = 1 / ( 1 – R 2 2 ) X 3 = f ( X 1 X 2 ) R 3 2 VIF (X 3 ) = 1 / ( 1 – R 1 2 ) Mục tiêu , thu thập số liệu , Đến giờ này các anh chị phải biết : Thống kê mô tả : Bảng tần số Các thống kê mô tả Giá trị trung bình phân theo biến định tính Vẽ đồ thị bằng Exel Hồi quy : Tìm các yếu tố tác động đến một biến Y = f ( X 1 , X 2 , X 3 ) Trang 6/7 ĐL Các lọai nghiên cứu : Mô Tả Quan hệ nhân quả : sử dụng hồi quy Nghiên cứu khoa học chẳng qua là tìm sự liên hệ Mục đích của phân tích nhân tố khám phá (EFA) : là gom các biến lại và có lọai trừ đi một số biến. Sau khi phân tích xong sẽ ra một số yếu tố , cronback anfa > 0.6 thang đo đó tốt hồi quy Lý thuyết Phỏng vấn sơ bộ nghiên cứu định tính : khảo sát chuyên gia, phỏng vấn nhóm, phỏng vấn sâu phỏng vấn được điều chỉnh Phỏng vấn thử Phỏng vấn cuối cùng Nghiên cứu định lượng chính thức Phân tích định lượng Viết báo cáo Nkduy2002@yahoo.com khanhduy@ueh.edu.vn 0989001766 3 : Quản Trị Hàn Lâm 2 : Ứng Dụng Thương Hiệu, Chất Lượng Trang 7/7 . = f ( X 1 , X 2 , X 3 ) X 1 = f ( X 2 , X 3 ) R 1 2 VIF (X 1 ) = 1 / ( 1 – R 1 2 ) X 2 = f ( X 1 , X 3 ) R 2 2 VIF (X 2 ) = 1 / ( 1 – R 2 2 ) X 3 = f ( X 1 X 2 ) R 3 2 VIF (X 3 ) =. sig cua preexp ta thấy = 0.079 > 0.05 lọai biến kinh nghiệm ra Chạy lại hàm Salary = f ( edu, gioi, QL, QHKH,) Trang 4/7 S^ = 6350 + 1489 edu + 5376 gioi + 27 2 02 QL + 4044 QHKH R 2 = . 721 Sig. thứ 2 Giải bài tập về nhà 1) Đầu tiên phải mã hóa 02 biến : giới tính và jobcat Trang 1/7 Trang 2/ 7 2) Xây dựng hàm hồi quy Salary = f ( edu, preexp, gioi, QL, QHKH,) Salary = 4873.653 + -4.332