bài tập cá nhân môn học phương pháp nghiên cứu khoa học

Kiểm định cronbach alpha đối với nhân tố F1 Corrected Total Correlation Item-Cronbach's Alpha if Item Deleted... Câu 3: Thực hiện phân tích anova một chiều để tìm sự khác biệt của các b

Trang 1

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM

VIỆN ĐÀO TẠO SAU ĐẠI HỌC

Lớp : QTKD Đêm 5

TP Hồ Chí Minh - 08/2013

Trang 2

Câu 2: Phân tích Cronbach Alpha

Tiêu chuẩn đánh giá thang đo:

 α ≥0.6: chấp nhận được về mặt độ tin cậy

 α ∈ [0.7 - 095]: thang đo có độ tin cậy tốt

 α > 0.95: có hiện tượng trùng lắp trong các mục hỏi – không chấp nhận

 Tương quan giữa biến – tổng (Correcteditem – total correlation) > 0,3

i Phân tích Cronbach alpha cho thang đo OC1

Corrected Total Correlation

cứ biến nào, vì nó không làm cho Cronbach alpha lớn hơn

ii Phân tích Cronbach alpha cho thang đo OC2

Reliability Statistics

Cronbach's

Trang 3

Item-Total Statistics

Scale Mean if

Item Deleted

Scale Variance if Item Deleted

Kết quả Cronbach alpha của thang đo OC2 là 0.518 <0.6 không đạt yêu cầu độ tin cậy Ngoài

ra nếu bỏ đi bất cứ thành phần nào thì cũng không làm tăng giá trị cho Cronbach alpha Vì vậy có thể loại biến OC2 này nếu không vi phạm giá trị nội dung của thang đo

iii Phân tích Cronbach alpha cho thang đo PV

- Loại biến PV4, chạy cronbach alpha tiếp theo, lúc này biến PV3 và PV9 có hệ số tương quan biến tổng nhỏ hơn 0.3 Làm tương tự, các biến được loại lần lượt tiếp theo là PV3, PV9, PV1

Trang 4

Trang 5

iv Phân tích Cronbach alpha cho thang đo MP1

Kết quả Cronbach alpha của thang đo MP1 là 0.629 (>0.6) đạt được độ tin cậy thống kê Ngoài

ra thành phần MP14 có hệ số tương quan biến-tổng là 0.164 nhỏ hơn 0.3 và nếu bỏ thành phần này đi thì Cronbach alpha tăng lên thành 0.663 Do đó về mặt thống kê chúng ta sẽ loại thành phần này Những thành phần còn lại nếu bỏ đi sẽ không làm tăng giá trị của cronbach alpha

v Phân tích Cronbach alpha cho thang đo MP2

Kết quả Cronbach’s alpha của thang đo MP2 là 0.786 (>0.6) đạt được độ tin cậy Đồng thời,

hệ số tương quan biến-tổng của các biến đều lớn hơn 0.3, nếu bỏ đi bất cứ thành phần nào

Trang 6

cũng không làm tăng giá trị của cronbach alpha Do đó, 06 biến đo lường của thành phần này

Kết luận:

Sau khi cronbach alpha, các biến số còn lại như sau:

- OC1: OC11, OC12, OC13, OC14, OC15

- PV: PV2, PV5, PV6, PV7, PV8

- MP1: MP11, MP12, MP13, MP15, MP16

- MP2: MP21, MP22, MP23, MP24, MP25, MP26

- P: P1, P2, P3, P4, P5, P6

Trang 7

Câu 1: Thực hiện phân tích khám phá (EFA)/phân tích nhân tố để tìm các biến mới/hoặc giảm biến, cũng như tìm các yếu tố thành phần đo lướng biến này Sau đó tính giá trị của các biến mới (là trung bình của các yếu tố thành phần)

Điều kiện phân tích nhân tố:

 Hệ số KMO[1] (Kaiser-Mayer-Olkin) ≥ 0,5 và mức ý nghĩa của kiểm định Bartlett ≤ 0,05

 Hệ số tải nhân tố (Factor loading) > 0,5, nếu biến quan sát nào có hệ số tải nhân tố < 0,5 sẽ bị loại

 Thang đo được chấp nhận khi tổng phương sai trích ≥50%;

 Hệ số eigenvalue > 1 (Gerbing và Anderson, 1998);

 Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003)

KMO and Bartlett's Test

Kết quả KMO and Bartlett's Test cho thấy :

a 0 < KMO = 0.925 <1

b Sig (Bartlett’s Test) = 000 < 0,05

Vậy tất cả các biến quan sát có đủ điều kiện và thích hợp để phân tích nhân tố và các biến quan sát có tương quan với nhau trong tổng thể

Trang 8

Total Variance Explained

Trang 9

Extraction Method: Principal Component Analysis

Rotation Method: Varimax with Kaiser Normalization

a Rotation converged in 6 iterations

Trang 10

c Từ bảng Total Variance Explained cho thấy có 5 nhân tố được trích tại eigenvalue >1 Vậy số lượng nhân tố rút ra là 5 nhân tố

d Các biến số MP16, MP13 có hệ số tải trọng (factor loading) nhỏ hơn 0.5 nên tiến hành loại từng biến số để chạy EFA tiếp theo Đầu tiên bỏ biến số MP16 do có hệ số tải trọng nhỏ nhất (0.477) và tiến hành chạy EFA lần 2 Tương tự với biến số MP13, chạy EFA lần 3 Kết quả cuối cùng như sau:

Extraction Method: Principal Component Analysis

Rotation Method: Varimax with Kaiser Normalization

a Rotation converged in 6 iterations

Kết luận:

 Vậy các biến giảm đi là: MP6, MP13

Trang 11

 Các nhân tố mới: Căn cứ vào bảng 2, bảng xoay nhân tố EFA lần cuối cùng, có 5 nhân tố ảnh hưởng tới biến số phụ thuộc (kết quả hoạt động của công ty) Các nhân tố này bao gồm:

- Nhân tố 1 (ký hiệu F1) : Gồm 7 biến số: MP23, MP21, MP26, MP22, MP15, MP24, MP25

- Nhân tố 2 (ký hiệu F2): Gồm 6 biến số: P5, P4, P3, P6, P2, P1

- Nhân tố 3 (ký hiệu F3): Gồm 5 biến số: OC12, OC11, OC13, OC15, OC14

- Nhân tố 4 (ký hiệu F4): Gồm 5 biến số: PV6, PV8, PV5, PV2, PV7

- Nhân tố 5 (ký hiệu F5): Gồm 2 biến số: MP11, MP12

Do có sự xuất hiện của các nhân tố mới (F1, F2, F3, F4, F5, F6) nên cần phải kiểm định

độ tin cậy của từng nhân tố mới

i Kiểm định cronbach alpha đối với nhân tố F1

Item-Cronbach's Alpha if Item Deleted

Trang 12

Cronbach's Alpha if Item Deleted thì không cần phải bỏ đi bất cứ biến nào, vì nó không làm cho Cronbach alpha lớn hơn

ii Kiểm định cronbach alpha đối với nhân tố F2

iii Kiểm định cronbach alpha đối với nhân tố F3

Reliability Statistics

Cronbach's

Trang 13

Item-Total Statistics

Scale Mean if

Item Deleted

Scale Variance if Item Deleted

iv Kiểm định cronbach alpha đối với nhân tố F4

Trang 14

Kết quả Cronbach alpha của thang đo F4 là 0.714 cao hơn yêu cầu là 0.6 Đồng thời, hệ số tương quan biến-tổng (Corrected Item-Total Correlation) của các biến đều lớn hơn 0.3 Do

đó, 05 biến đo lường của thành phần này có độ tin cậy Ngoài ra dựa vào kết quả của Cronbach's Alpha if Item Deleted thì không cần phải bỏ đi bất cứ biến nào, vì nó không làm cho Cronbach alpha lớn hơn

v Đối với nhân tố F5, do có 2 biến số nên không thực hiện cronbch alpha

Câu 3: Thực hiện phân tích anova một chiều để tìm sự khác biệt của các biến tiềm ẩn trong mô hình này với các tiêu thức phân loại: OWN, POS, Age, EXP

3.1 Phân tích ANOVA theo nhân tố OWN

Nhân tố F1

- Từ kết quả bảng Test of Homogeneity of Variances, Sig = 0.121 > 0.05 nên

phân tích ANOVA hiệu quả

- Từ kết quả bảng ANOVA, do Sig = 0.000 < 0.05 nên có sự khác nhau về giá trị

trung bình giữa các cặp của từng nhân tố, tuy nhiên chưa biết các cặp trung bình nào khác nhau Tiến hành ANOVA sâu bằng thủ tục POSTHOC thông qua kiểm định Dunnett C ta thấy có sự khác biệt giữa loại hình 1 với loại hình 3, 4, các loại hình còn lại không khác nhau

Nhân tố F2

- Từ kết quả bảng ANOVA, do Sig = 0.86 > 0.05 nên không có sự khác nhau về

giá trị trung bình giữa các cặp của từng nhân tố

Nhân tố F3

- Từ kết quả bảng Test of Homogeneity of Variances, Sig = 0.000< 0.05 nên

phân tích ANOVA không hiệu quả

Nhân tố F4

Trang 15

Nhân tố F5

- Từ kết quả bảng Test of Homogeneity of Variances, Sig = 0.000< 0.05 nên

Kết quả hoạt động của công ty P

trung bình giữa các cặp của từng nhân tố, tuy nhiên chưa biết các cặp trung bình nào khác nhau Tiến hành ANOVA sâu bằng thủ tục POSTHOC thông qua kiểm định Dunnett C ta thấy có sự khác biệt giữa loại hình 1 với 3, và loại hình 2 với 3., các loại hình còn lại không khác nhau

Test of Homogeneity of Variances

Trang 16

Std

Error

95% Confidence Interval Lower Bound

Upper Bound

Trang 17

* The mean difference is significant at the 05 level

3.2 Phân tích ANOVA theo nhân tố POS

Trang 18

Vì cấp bậc quản lý (POS) chỉ gồm hai bậc là quản lý cấp cao quản lý cấp trung Do đó không tiến hành kiểm định hậu ANOVA

3.3 Phân tích sự khác biệt (one-way anova) giữa các biến tiềm ẩn trong mô hình với tiêu thức phân loại Age

Warnings

Post hoc tests are not performed for F1, F2, F3, F4, F5 because at least one group has fewer than two cases

Trang 19

F5 5.712 2 942 .003

Theo cảnh báo của chương trình, trường hợp này không tiến hành kiểm định ANOVA sâu

3.4 Phân tích sự khác biệt (one-way anova) giữa các biến tiềm ẩn trong mô hình với tiêu thức phân loại EXP

Nhân tố F1

trung bình giữa các cặp của từng nhân tố, tuy nhiên chưa biết các cặp trung bình nào khác nhau Tiến hành ANOVA sâu bằng thủ tục POSTHOC thông qua kiểm định Dunnett C ta thấy có sự khác biệt giữa loại hình 1 với loại hình 2, các loại hình còn lại không khác nhau

Nhân tố F2

Trang 20

trung bình giữa các cặp của từng nhân tố, tuy nhiên chưa biết các cặp trung bình nào khác nhau Tiến hành ANOVA sâu bằng thủ tục POSTHOC thông qua kiểm định Dunnett C ta thấy có sự khác biệt giữa loại hình 1 với loại hình 2, các loại hình còn lại không khác nhau

Nhân tố F3

trung bình giữa các cặp của từng nhân tố, tuy nhiên chưa biết các cặp trung bình nào khác nhau Tiến hành ANOVA sâu bằng thủ tục POSTHOC thông qua kiểm định Dunnett C ta thấy có sự khác biệt giữa loại hình 1 với loại hình 2 và loại hình 1 với loại hình 5, các loại hình còn lại không khác nhau

Nhân tố F4

Nhân tố F5

- Từ kết quả bảng Test of Homogeneity of Variances, Sig = 0.15 < 0.05 nên

Nhân tố P

trung bình giữa các cặp của từng nhân tố, tuy nhiên chưa biết các cặp trung bình nào khác nhau Tiến hành ANOVA sâu bằng thủ tục POSTHOC thông qua kiểm định Dunnett C ta thấy có sự khác biệt giữa loại hình 1 với loại hình 2 và loại hình 1 với loại hình 3, các loại hình còn lại không khác nhau

Trang 21

Trang 22

Dependent Variable

(I) kinh nghiem quan ly

(J) kinh nghiem quan ly

Mean Difference (I-J)

Std

Error

95% Confidence Interval Lower Bound

Upper Bound

Trang 25

Câu 4 Xây dựng hàm tương quan tuyến tính giữa P và các biến độc lập vừa khám phá

thông qua phân tích nhân tố/EFA

Bảng 4.1 Model Summary(b)

Adjusted R Square

Std Error of the Estimate

Watson

1: Kiểm tra hiện tượng đa cộng tuyến (bảng 4.3)

Căn cứ vào các hệ số VIF đều nhỏ hơn 10 nên không xảy ra hiện tượng đa cộng

tuyến giữa các biến độc lập

2: Phân tích hệ số tương quan (bảng 4.1)

R2 = 43.5% có nghĩa là các biến độc lập giải thích được 43.5 % phương sai của biến

Predictors: (Const ant), F5, F2, F1, F3, F4

Beta

StandardizedCoef f icients

Collinearity Statistics

Dependent Variable: P

a

Trang 26

4: Phân tích hồi quy (bảng 4.3)

Các giá trị F1, F2, F3, F5 đều có Sig (t) <0.05 nên các hệ số hồi quy đều có ý nghĩa thống kê Riêng đối với biến F4, nếu lấy mức ý nghĩa là 10% thì hệ số hồi quy của biến số này cũng có ý nghĩa thống kê

Phương trình hồi quy:

P = 1.008 + 0.262*F1 + 0.116*F2 + 0.265*F3 – 0.065*F4 + 0.147 *F5 + E

Các biến số tác động nhiều nhất tới hiệu quả (P) lần lượt là F3, F1, F5, F2 và F4

Câu 5 Kiểm định các giả thuyết của hàm tương quan đa biến

5.1 Kiểm định phương sai thay đổi

F1

6 5

4 3

2 1

Trang 27

6 5

4 3

2 1

4 3

2 1

Trang 28

6 5

4 3

2 1

4 3

2 1

Trang 29

5.2 Kiểm định về quan hệ phi tuyến

Scatterplot Dependent Variable: P

Regression Standardized Predicted Value

2 1

0 -1

-2 -3

độ gốc 0 Như vậy giả thuyết quan hệ giữa biến phụ thuộc và biến độc lập là quan hệ tuyến tính không bị vi phạm

5.3 Kiểm định về phân phối chuẩn của phần dư

Standardized Residual

3.252.752.251.751.25.75.25-.25-.75-1.25-1.75-2.25-2.75-3.25-3.75-4.25

N = 953.00

Trang 30

Hình trên cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số Sẽ không hợp lý khi chúng ta kỳ vọng rằng các phần dư quan sát có phân phối chuẩn hoàn toàn

vì luôn luôn có những chênh lệch do lấy mẫu Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dư trong mẫu quan sát cũng chỉ xấp xỉ chuẩn mà thôi Trong trường hợp này có thể nói phần dư xấp xỉ chuẩn (trung bình Mean = 0 và độ lệch chuẩn Std Dev = 1.00) Do đó có thể nói rằng giả thuyết phân phối chuẩn không bị vi phạm.

Câu 6: Xây dựng hàm tương quan theo biến giả (dummy) của biến kết quả hoạt động với các biến độc lập tìm được qua phân tích nhân tố Trong đó biến giả được xác định dựa vào biến “loại hình doanh nghiệp”

Mã hóa loại hình doanh nghiệp (own) gồm 4 giá trị (1, 2, 3, 4) thành 4 biến giả bao gồm own1, own2, own3, own4 với mỗi biến giả thể hiện một lao5i hình doanh nghiệp (ví dụ: own2 có 2 giá trị: nếu own2 =1 thì đây là doanh nghiệp có loại hình 2, nếu own2 = 0 thì doanh nghiệp nằm ở các loại hình còn lại)

Đưa 3 trong 4 biến : own1, own2, own3 vào mô hình hồi quy (không đưa own4 vào mô hình hồi quy để tránh hiện tượng đa cộng tuyến hoàn hảo) cùng với các biến F1, F2, F3, F4, F5 Kết quả hồi quy như sau:

Bảng 6.1 Model Summary(b)

Adjusted R Square

Std Error of the Estimate

Trang 31

Model

Unstandardized Coefficients

Standardized Coefficients

Collinearity Statistics

1: Kiểm tra hiện tượng đa cộng tuyến (bảng 6.3)

Căn cứ vào các hệ số VIF đều nhỏ hơn 10 nên không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập

2: Phân tích hệ số tương quan (bảng 6.1)

R2 = 44% có nghĩa là các biến độc lập giải thích được 44 % phương sai của biến phụ thuộc

3: Kiểm định F (bảng 6.2)

Ta có Sig (F) = 0.000 < 0.05 nên mô hình có ý nghĩa về mặt tổng thể (nghĩa là có ít nhất một hệ số hồi quy khác 0)

4: Phân tích hồi quy (bảng 6.3)

Các giá trị F1, F2, F3, F5 Và Own2 đều có Sig (t) <0.05 nên các hệ số hồi quy đều có

ý nghĩa thống kê Riêng đối với biến F4, nếu lấy mức ý nghĩa là 10% thì hệ số hồi quy của biến số này cũng có ý nghĩa thống kê 2 biến còn lại Own1 và Own3 có giá trị Sigt > 10% nên

2 biến này không có ý nghĩa thống kê

Phương trình hồi quy:

P = 1.053 + 0.255*F1 + 0.115*F2 + 0.265*F3 – 0.06*F4 + 0.148 *F5 – 0.129Own2 + E

Các biến số tác động nhiều nhất tới hiệu quả (P) lần lượt là F3, F1, F5, Own2, F2 và F4

Định dạng
Số trang	31
Dung lượng	1,17 MB