bài tập môn học phương pháp nghiên cứu khoa học xử lý dữ liệu với spss

Kiểm định tính phân phối chuẩn của Biến PKết quả hoạt động của công ty để dùng chung cho các kiểm định sự khác nhau của ANOVA 1 chiều và 2 chiều như sau: Trước hết ta dùng kiểm định thốn

Trang 1

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TPHCM VIỆN ĐÀO TẠO SAU ĐẠI HỌC

Trang 2

Mục Lục:

LỜI MỞ ĐẦU 4

I Kiểm tra và làm sạch giữ liệu (Data Clearning): 6

II Câu 1) Thực hiện kiểm tra độ tin cậy của đo lường bằng hệ số Cronbach Alpha: 10

1 Về nhân tố Văn hóa tổ chức (OC): 11

2 Về nhân tố hệ thống giá trị của quản trị gia (PV): 12

3 Về nhân tố thực tiển quản trị (MP): 13

4 Về nhân tố kết quả hoạt động của công ty (P): 14

III Câu 2: 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) 15

1 Văn hóa tổ chức (OC): 16

Bước 1: Kiểm tra điều kiện phân tích nhân tố: 16

Bước 2: Xác định số lượng nhân tố: 16

Bước 3: Kết luận 17

2 Hệ thống giá trị của quản trị gia (PV): 18

3 Thực tiển quản trị (MP): 21

4 Kết quả hoạt động của công ty (P): 25

IV 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.Thực hiện phân tích anova hai chiều với biến OWN và POS 28

3.1) Kiểm định ANOVA một chiều giữa: P và OWN 30

A Tiến hành phân tích ANOVA một chiều: 30

B Kiểm định hậu ANOVA: 32

3.2) Kiểm định ANOVA một chiều giữa: P và POS 33

Trang 3

3.3) Kiểm định ANOVA một chiều giữa: P và AGE 35

B Kiểm định hậu ANOVA: 37

3.4) Kiểm định ANOVA một chiều giữa: P và EXP 39

A) Tiến hành phân tích ANOVA một chiều: 39

B) Kiểm định hậu ANOVA: 41

3.5) Kiểm định ANOVA một chiều giữa: OC2,MP1,MP2 với biến OWN: 44

3.6) Kiểm định ANOVA một chiều giữa: OC2,MP1,MP2 với biến POS: 48

3.7) Kiểm định ANOVA một chiều giữa: OC2,MP1,MP2 với biến AGE: 49

3.8) Kiểm định ANOVA một chiều giữa: OC2,MP1,MP2 với biến EXP: 51

3.9) Kiểm định Kruskal-Wallis Test cho OC1, PV và OWN: 55

3.10) Kiểm định Kruskal-Wallis Test cho : OC1, PV và POS: 57

3.11) Kiểm định Kruskal-Wallis Test cho : OC1, PV và AGE: 59

3.12) Kiểm định Kruskal-Wallis Test cho : OC1, PV và EXP 60

3.13) Thực hiện phân tích ANOVA hai chiều với biến OWN và POS 62

A Phân tích ANOVA hai chiều: thử nghiệm khối ngẫu nhiên: 62

B kiểm định hậu ANOVA 65

V 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 và Cronbach Alpha: 66

VI Câu 5: Kiểm định các giả thuyết của hàm tương quan đa biến: 72

1 Kiểm định kích thước mẫu: 72

2 Kiểm tra hiện tượng đa cộng tuyến (Multicolinearity): 72

3 Kiểm định giả định phương sai của sai số không đổi: 73

4 Kiểm định sự tự tương quan với nhau (auto correlation or serial correlation): 76

5 Kiểm định mô hình hồi quy phù hợp: 76

6 Đánh giá các giả định bằng sơ đồ: 80

7 Kiểm định tính phân phối chuẩn của phần dư: 81

VII Câu 6: Xây dựng hàm tương quan với biến giả (dummy) Biến giả được chọn là biến loại hình doanh nghiệp (OWN) Trong đó doanh nghiệp nhà nước(value = 1) được chọn là biến cơ sở 84 KẾT LUẬN 90

TÀI LIỆU THAM KHẢO 91

Trang 4

LỜI MỞ ĐẦU

Trong giới nghiên cứu khoa học xã hội và thống kê tại Việt Nam cũng như trên

toàn thế giới, SPSS được biết đến như một trong những phần mềm hữu ích và thuận

tiện nhất giúp người sử dụng làm việc với dữ liệu định lượng

Với mong muốn áp dụng những kiến thức đã học vào thực tiễn, với những hỗ trợ khá mạnh mẽ từ phần mềm ứng dụng SPSS và những kiến thức thu thập được dưới giảng đường và sự hướng dẫn giải quyết các tình huống của Thầy cho nên bài tập bên dưới là một sự phản ảnh cách sử dụng các chức năng và phân tích đưa ra nhận xét đối với mỗi phương pháp Đây sẽ là một sự nghiên cứu vô cùng hữa ích cho những đề tài nghiên cứu sau này

Mặc dù đã có nhiều cố gắng, song trong quá trình làm bài không tránh khỏi những thiếu sót và hạn chế nhất định Em rất mong nhận được ý kiến đóng góp từ thầy

để bài tiểu luận được hoàn thiện hơn nữa

Em xin chân thành cảm ơn sự chỉ bảo và giúp đỡ từ TS Nguyễn Hùng Phong để

em hoàn thành bài tiểu luận này

Xin chân thành cảm ơn!

Huỳnh Trí Thanh – Lớp Đêm 5 – K22

Trang 5

Bài tập về xử lý dữ liệu

Giả sử chúng ta có một mô hình lý thuyết gồm 4 khái niệm lý thuyết có quan hệ với nhau: Văn hóa tổ chức (OC), hệ thống giá trị của quản trị gia (PV), thực tiển quản trị (MP), và kết quả hoạt động của công ty (P) Khái niệm văn hóa tổ chức được chia thành hai biến tiềm ẩn: OC1 và OC2 Trong đó OC1 được đo lường bằng 5 yếu tố thành phần (OC11, OC12, … , OC15); OC2 được đo lường bằng 6 yếu tố thành phần (OC21, OC22,

… , OC26) Biến PV là khái niệm đơn biến được đo lường bằng 9 yếu tố thành phần (PV1, PV2, …., PV9) Khái niệm MP được phân ra hai biến tiền ẩn: MP1 và MP2 MP1 được đo lường bằng 6 yếu tố thành phần (MP11, MP12, …., MP16) và MP2 được đo lường bằng 6 yếu tố thành phần (MP21, MP22, …., MP26) Riêng khái niệm P được đo lường bởi 6 yếu tố thành phần (P1, P2, …., P6)

Trong mô hình này, P là biến phụ thuộc và các biến OC1, OC2, PV, MP1, MP2 là biến độc lập Các biến phân loại bao gồm

 Loại hình doanh nghiệp: có bốn loại và được mã hóa từ 1 đến 4 (ký hiệu là OWN) Thứ tự như sau: DNNN, Liên doanh, công ty tư nhân, doanh nghiệp gia đình

 Cấp bậc quản lý (POS) gồm hai bậc, trong đó quản lý cấp cao nhận giá trị là 1, quản lý cấp trung nhận giá trị là 2

 Độ tuổi quản trị gia (Age) chia thành 4 nhóm: 1, 2, 3, 4

 Kinh nghiệm quản lý (EXP) cũng được chia thành 4 bậc, từ bậc 1 đến bậc 4 Mổi bậc có khoảng cách là 5 năm

Yêu cầu:

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)

2 Thực hiện kiểm tra độ tin cậy của đo lường bằng hệ số cronbach alpha

Trang 6

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.Thực hiện phân tích anova hai chiều với biến OWN và POS

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 và cronbach alpha

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

6 xây dựng hàm tương quan với biến giả (dummy) Biến giả được chọn là biến loại hình doanh nghiệp Trong đó doanh nghiệp nhà nước được chọn là biến cơ sở

Tiến trình thực hiện về xử lý dữ liệu

I Kiểm tra và làm sạch giữ liệu (Data Clearning):

Đối với dữ liệu, trước khi chạy phân tích Cronbach Alpha hay EFA chúng ta nên làm sạch dữ liệu để khi chạy xử lý kết quả thì cho kết quả khả thi và mang độ chính xác cao hơn

Trong dữ liệu này chúng ta có thể xử lý bằng 2 cách:

+ Thứ nhất chúng ta dò tìm các ô dữ liệu bị bỏ trống và tìm kiếm xem ô đó thuộc dòng nào trong mẫu và thực hiện xóa mẫu đó đi để tăng độ tin cậy Ví dụ trong trường hợp mẫu của chúng ta là 953 thì chúng ta lần lược tìm ô missing value và bỏ dòng đó đi

do đó kết quả thu được sẽ nhỏ hơn N = 953 Nhưng trong trường hợp này ta sẽ chọn cách thực hiện là lấy giá trị trung bình của biến đo lường đó và điền vào cho ô dữ liệu bị thiếu

và làm tròn sao cho phù hợp với dữ liệu ở dạng thang đo thích hợp

+ Thứ 2 ta có thể dùng giá trị trung bình cho ô dữ liệu mà tác giả của bộ dữ liệu chưa nhập vào hay bỏ sót do sai sót trong quá trình nhập liệu

Do đó theo ý kiến và quan điểm cá nhân là để cho mẫu mang tính lớn hơn nên chọn lấy giá trị trung bình cho các khảo sát

Các bước thực hiện như sau:

+ Loại bỏ các ô trống

+Loại bỏ các câu trả lời không hợp lý

Chúng ta dùng bảng tần số:

Trang 7

Lập bảng tần số cho tất cả các biến, đọc soát để tìm các giá trị lạ tại các biến Sau đó tại

các biến có lỗi chúng ta dùng lệnh Find để tìm vị trí của giá trị lỗi, rồi chỉnh sửa

Cách tiến hành lập bảng tần số như sau:

Ta thấy ở dòng 55 xuất hiện giá trị: : tức là giá trị bị bỏ trống, ta tiến hành xử lý

chúng bằng cách :

Ta dùng thống kê mô tả và những câu hỏi nào giá trị bị bỏ trống ta thêm vào 1 con số là

giá trị trung bình của biến đó

Chạy thống kê Descriptive ta có kết quả như sau:

Trang 8

+ OC11: không có lỗi, các biến đã nhập đầy đủ

+ OC12: có 2 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 4.18

+ OC13: có 2 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 3.81

*PV:

+ PV8: có 1 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 4.35

+PV7: có 2 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 3.62

*MP:

+MP11: có 1 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 3.86

*P:

+P3: có 1 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 3.68

+P5: có 1 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 3.88

Trang 9

*OWN,POS,AGE,EXP:

+OWN: có 1 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 2.41 = 2

+POS: có 6 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 1.81=2

+AGE: có 7 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 1.92=2

+EXP: có 9 lỗi bỏ trống trường, khi đó chúng ta thay thế bằng giá trị 2.01=2

Sau đó chúng ta tiến hành dùng: Data/sort cases: để tiến hành sort dữ liệu tăng dần để dể

dàng thấy dữ liệu bị khuyết sẽ nằm ở đầu dòng và sau đó tiến hành sữa dữ liệu bằng cách

điền vào giá trị trung bình của biến đó

Sau đó ta tiến hành chạy lại thống kê mô tả như sau:

Trang 10

Nhìn vào dữ liệu thống kê sau khi tiến hành làm sạch dữ liệu bằng giá trị trung bình của

từng biến ta thu được 1 tập dữ liệu tương đối được dùng để phân tích và xây dựng các mô hình

Hệ số Cronbach’s alpha là một phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ

và tương quan giữa các biến quan sát

Theo đó, chỉ những biến có Hệ số tương quan tổng biến phù hợp (Corrected Item-

Total Correlation) lớn hơn 0.3 và có Hệ số Alpha lớn hơn 0.6 mới xem là chấp nhận được

và thích hợp đưa vào phân tích bước tiếp theo (Nunnally và BernStein, 1994) Cũng theo

nhiều nhà nghiên cứu, nếu Cronbach’s alpha đạt từ 0.8 trở lên thì thang đo lường là tốt và

Trang 11

mức độ tương quan sẽ càng cao hơn Nhìn và bảng dưới chúng ta có thể thấy được kết quả phân tích độ tin cậy như sau:

1 Về nhân tố Văn hóa tổ chức (OC):

Khái niệm văn hóa tổ chức được chia thành hai biến tiềm ẩn: OC1 và OC2

Trong đó:

+ OC1 được đo lường bằng 5 yếu tố thành phần : (OC11, OC12, … , OC15)

+ OC2 được đo lường bằng 6 yếu tố thành phần (OC21, OC22, … , OC26)

Reliability Statistics

Cronbach's

Alpha

Cronbach's Alpha Based on Standardized

Corrected Total Correlation

Item-Squared Multiple Correlation

Cronbach's Alpha if Item Deleted

Trang 12

Các biến quan sát đều có Hệ số tương quan tổng(Corrected Item-Total

Correlation) biến phù hợp >0.3 nhưng trừ 2 biến: OC21 có hệ số tương quan tổng

= 243<0.3 nên loại OC24 có hệ số tương quan tổng = 0.111< 0.3 nên loại Các biến còn lại đều có hệ số tương quan biến tổng phù hợp > 0.3 và hệ số Alpha đạt yêu cầu nên có thể dùng để phân tích nhân tố

2 Về nhân tố hệ thống giá trị của quản trị gia (PV):

Biến PV là khái niệm đơn biến được đo lường bằng 9 yếu tố thành phần (PV1, PV2, …., PV9)

Cronbach's

Alpha

Ta thấy: nhân tố hệ thống giá trị của quản trị gia (PV) có hệ số Cronbach's Alpha

= 619 >0.6 => thang đo có độ có thể chấp nhận được

Các biến:

Trang 13

 PV4 có Hệ số tương quan tổng(Corrected Item-Total Correlation) =.014 <0.3

Các biến còn lại đều có hệ số tương quan biến tổng phù hợp > 0.3 và hệ số Alpha đạt yêu

cầu nên có thể dùng để phân tích nhân tố

3 Về nhân tố thực tiển quản trị (MP):

Khái niệm MP được phân ra hai biến tiền ẩn: MP1 và MP2 MP1 được đo lường bằng 6

yếu tố thành phần (MP11, MP12, …., MP16) và MP2 được đo lường bằng 6 yếu tố thành

Trang 14

Item-Total Statistics

Scale Mean if

Item Deleted

Scale Variance if Item Deleted

Ta thấy: nhân tố thực tiển quản trị (MP) có hệ số Cronbach's Alpha = 814 >0.6

=> thang đo có độ có độ tin cậy cao

Các biến:

 MP14 có Hệ số tương quan tổng(Corrected Item-Total Correlation) =.0139 <0.3

Các biến còn lại đều có hệ số tương quan biến tổng phù hợp > 0.3 và hệ số Alpha đạt yêu cầu nên có thể dùng để phân tích nhân tố

4 Về nhân tố kết quả hoạt động của công ty (P):

Riêng khái niệm P được đo lường bởi 6 yếu tố thành phần (P1, P2, …., P6)

Cronbach's

Alpha

Loại

Trang 15

Item-Total Statistics

Scale Mean if

Item Deleted

Scale Variance if Item Deleted

Ta thấy: nhân tố kết quả hoạt động của công ty (P) có hệ số Cronbach's Alpha =

.836 >0.6 => thang đo có độ có độ tin cậy cao

Các biến dùng đo lường nhân tố P đều có hệ số tương quan biến tổng phù hợp > 0.3 và hệ

số Alpha đạt yêu cầu nên có thể dùng để phân tích nhân tố

III Câu 2: 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)

Phân tích nhân tố (Exploratory Factor Analysis) là một kỹ thuật phân tích nhằm thu nh

ỏ và tóm tắt các dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét dưới dạng một số các nhân tố cơ bản Mỗi một biến quan sát sẽ được tính một tỉ số gọi là hệ số tải nhân tố (factor loading) Hệ số này cho người nghiên cứu biết được mỗi biến đo lường

sẽ thuộc về những nhân tố nào

Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser-Meyer –Olkin (KMO) phải có giá trị lớn (0,5<KMO<1) thể hiện phân tích nhân tố là thích hợp, còn nếu hệ số KMO<0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu Thêm vào đó,

hệ số tảinhân tố của từng biến quan sát phải có giá trị lớn hơn 0,45, điểm dừng khi Eigenvalue (đại diệncho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 (mặc định củ

Trang 16

a chương trìnhSPSS), và tổng phương sai dùng để giải thích bởi từng nhân tố lớn hơn 50%

mới thỏa yêu cầucủa phân tích nhân tố (Gerbing & Anderson, 1988)

1 Văn hóa tổ chức (OC):

Bước 1: Kiểm tra điều kiện phân tích nhân tố:

KMO and Bartlett's Test

Điều kiện 1: KMO = 851 >0.5 (Hair and cộng sự 2006)

Điều kiện 2: Sig.= 000<0.05 (Hair and cộng sự 2006)

 Có thể dùng EFA để kiểm định nhân tố Văn hóa tổ chức OC:

Bước 2: Xác định số lượng nhân tố:

Total Variance Explained

Compon

ent

Extraction Method: Principal Component Analysis

– Tiêu chí eigenvalue: >1 : thỏa điều kiện

– Phương sai trích = 55.083% > 50% : thỏa điều kiện

Component

Trang 17

– Bỏ các giá trị có Factor loading < 0.45 ta có dữ liệu được xuất hiện ở bảng

Rotated Component Matrix a

Bước 3: Kết luận

 Ta nhận thấy Eigenvalues Cumulative % = 55.083%

 Như vậy 55.083% biến thiên của dữ liệu được giải thích bởi 2 nhân tố

 Mức kiểm định Barllet =0.000 < 0.005: các biến quan sát có tương quan trên tổng thể

 KMO = 851: dữ liệu phù hợp để phân tích nhân tố

 Tính giá trị của các biến mới (là trung bình của các yếu tố thành phần):

Tính nhân số của nhân tố F1 bằng trung bình cộng của (OC12,OC14,OC25,OC26) OC1: Văn hóa tổ chức OC1:

Trang 18

COMPUTE OC2=MEAN(OC11,OC13,OC15,OC22,OC23)

EXECUTE

2 Hệ thống giá trị của quản trị gia (PV):

Điều kiện 1: KMO = 769>0.5 (Hair and cộng sự 2006)

 Có thể dùng EFA để kiểm định nhân tố giá trị của quản trị gia (PV):

Trang 19

nent

– Phương sai trích = 41.577 % < 50% : không thỏa điều kiện

– Ta nhận thấy trong ma trận Correlation Matrix có hệ số tương quan của biến PV1,PV7 <0.3 nên ta loại 2 biến này sau đó tiến hành chạy lại

Trang 20

Trang 21

 Như vậy 55.905% biến thiên của dữ liệu được giải thích bởi 1 nhân tố F3

 Mức kiểm định Barllet =0.000 < 0.005: các biến quan sát có tương quan trên tổng

thể

Tính nhân số của nhân tố F3 bằng trung bình cộng của (PV2,PV8,PV5,PV6)

F3: Hệ thống giá trị của quản trị gia PV:

Trang 22

Trang 23

– Phương sai trích < 50% :không thỏa điều kiện

– KMO =873 >0.5

– Sig =0.000<0.005

– Ta tiến hành loại bỏ MP16 vì nhìn vào ma trận hệ số tương quan có chỉ số là thấp

nhất: 0.187 sau đó ta tiến hành chạy lại như sau:

Trang 24

Extraction Method: Principal Component Analysis

Trang 25

Extraction Method: Principal

 Như vậy 55.265% biến thiên của dữ liệu được giải thích bởi 2 nhân tố F4,F5

Tính nhân số của nhân tố F4 bằng trung bình cộng của (MP15, MP21, MP22, MP23, MP24, MP25, MP26)

4 Kết quả hoạt động của công ty (P):

Trang 26

Trang 27

Điều kiện 1: KMO = 847 >0.5 (Hair and cộng sự 2006)

 Có thể dùng EFA để kiểm định nhân tố kết quả hoạt động của công ty (P):

– Phương sai trích = 55.022% > 50% : thỏa điều kiện

– Bỏ các giá trị có Factor loading < 0.45 ta có dữ liệu được xuất hiện ở bảng

Rotated Component Matrix a

Bước 3: Kết luận

 Như vậy 55.022% biến thiên của dữ liệu được giải thích bởi 1 nhân tố

Tính nhân số của nhân tố F6 bằng trung bình cộng của (P2, P1, P3, P4, P5, P6)

F6: kết quả hoạt động của công ty (P): COMPUTE P=MEAN(P2,P1,P3,P4,P5,P6)

Trang 28

IV 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.Thực hiện phân tích anova hai chiều với biến OWN và POS

Kiểm định tính phân phối chuẩn của Biến P(Kết quả hoạt động của công ty) để dùng chung cho các kiểm định sự khác nhau của ANOVA 1 chiều và 2 chiều như sau:

Trước hết ta dùng kiểm định thống kê để đo lường các chị số thể hiện sự Biến P và các biến như OC1, OC2, PV, MP1,MP2 có phân phối chuẩn hay không:

+ Độ nhọn Kurtosis = 0.327 thỏa vì giá trị này cũng nằm từ -2 tới +2

 Vì vậy kết quả hoạt động của công ty được xem như là có phân phối chuẩn

Trang 29

 Thật vậy ta xem biểu đồ phân phối với đường cong chuẩn có hình dạng hình chuông, có trị trung bình là 3.7233 và số liệu phân phối 2 bên khá điều nhau Tương tự xét tính phân phối chuẩn của OC1 ta thấy OC1 bị vi phạm tính phân phối chuẩn khi giá trị skewness không nằm trong khoản (-1,1) và kurtosis cũng không nằm trong khoản (-2,2) nên OC1 không có phân phối chuẩn khi dùng

ANOVA 1 chiều phải dùng kiểm định Kruskal- Wallis

Giá trị PV cũng có giá trị skessness và kurtosis bị vi phạm khi 2 giá trị này không nằm trong khoản (-1,1) và (-2,2) PV không có phân phối chuẩn

Tương tự giá trị OC2, MP1,MP2 và P là có tính phân phối chuẩn khi giá trị

Kurtosis và skewness đều nằm trong giới hạn cho phép Skewness thuộc (-1,1) và kurtosis thuộc (-2,2)

Tiến hành kiểm định tính phân phối chuẩn đối với các biến còn

Trang 30

3.1) Kiểm định ANOVA một chiều giữa: P và OWN

A Tiến hành phân tích ANOVA một chiều:

Bước 1:

Đặt Giả thiết:

 H0: µ1= µ2=… µk : Không có sự khác biệt giữa kết quả hoạt động của

công ty và loại hình doanh nghiệp

 H1: µi # µj: Có sự khác biệt giữa kết quả hoạt động của công ty và loại

hình doanh nghiệp

Bước 2: chọn Alpha =5%=0.05

Bước 3: Xác định giá trị Ftt như sau:

Test of Homogeneity of Variances

Sau khi tiến hành chạy phân tích one-way ANOVA

Ta thu được kết quả như sau:

Trang 31

Để đánh giá mực độ khác biệt về Loại hình doanh nghiệp và kết quả hoạt động của công ty ta tiến hành phân tích ANOVA một chiều và thu được kết quả như 3 bảng phân tích bên trên

Kết quả Cronbach Alpha và EFA cho thấy thang đo này đạt yêu cầu về giá trị và độ tin cậy Vì vậy, tổng của các biến đo lường trên được sử dụng trong phân tích ANOVA

để so sánh sự khác biệt giữa loại hình doanh nghiệp và kết quả hoạt động của công ty

 Biến phụ thuộc: P- Kết quả hoạt động của công ty

 Biến độc lập: OWN- Loại hình doanh nghiệp

Nhìn vào bảng kiểm định thống kê mô tả của biến OWN kết quả kiểm định từ SPSS cho thấy:

 Kiểm định Levene về phương sai đồng nhất không có ý nghĩa (p=.075) > 0.05 (vì alpha =0.05) Nghĩa là không có sự khác biệt về phương sai giữa các nhóm hay nói

cách khác là phương sai giữa các nhóm đồng nhất

 Hơn nữa ta thấy các quan sát độc lập với nhau khi tiến hành phân tích về cấp bậc

quản lý của công ty

 Nhìn vào bảng Descriptives ta thấy độ lệch chuẩn (Standard deviation) nằm trong khoản giá trị -1 => 1 và sai số trung bình mẫu (Standard Error of Mean) đa số là

0.04 và nằm trong khoản (-2,+2) Do đó chúng ta nói rằng P có phân phối chuẩn

(dựa vào phân tích thêm skewness và giá trị Kurtosis ở trên)

 Kết quả kiểm định sự khác biệt giữa các nhóm cho thấy có sự khác biệt giữa các nhóm loại hình doanh nghiệp lên kết quả hoạt động của công ty.(nhìn vào bảng ANOVA)

(p=.001 < α =0.05)

Vì vậy chúng ta kết luận rằng: Có ít nhất có 1 cặp loại hình doanh nghiệp khác biệt (p=.001) hay nói cách khác có sự khác biệt về loại hình doanh nghiệp tới kết quả hoạt động của công ty

 Vì vậy chúng ta cần kiểm định hậu ANOVA đều biết được nhóm nào có khác biệt

mạnh mẽ

Trang 32

B Kiểm định hậu ANOVA:

+ Ở đây ta sử dụng kiểm định hậu ANOVA: Bonferroni:

Kết quả như sau:

Giải thích:

Nhìn vào bảng phân tích hậu ANOVA ta thấy được nhóm nào có sự khác biệt:

Kết quả cho chúng ta thấy ở mức ý nghĩa 5% thì hiệu ứng của:

+ Doanh nghiệp nhà nước – Liên doanh (sig = 1.000)

+ Doanh nghiệp nhà nước – Doanh nghiệp gia đình (sig = 358 )  tác động + Liên doanh – doanh nghiệp gia đình (sig = 1.000) kết quả hoạt + Công ty tư nhân – Doanh nghiệp gia đình (sig =.513) động của công ty

Là như nhau tức là không có sự khác biệt gì ảnh hưởng giửa những nhân tố trên lên kết quả hoạt động của công ty (vì sig > alpha = 5%)

Trang 33

Là khác nhau, tức là có sự khác biệt giữa các nhóm trên lên kết quả hoạt động của công

ty (vì sig > alpha = 5%)

Cụ thể ta thấy là có sự khác biệt rõ ràng nhất là giữa doanh nghiệp nhà nước và công ty tư nhân lên kết quả hoạt động của công ty

Doanh nghiệp nhà nước – Công ty tư nhân , có SIG.= 001

Nếu chọn Alpha là 5% thì kết quả cho phép chúng ta chấp nhận giả thuyết H1 là

“Các loại hình doanh nghiệp tạo ra kết quả khác nhau lên kết quả hoạt động của công ty” (p=0.01 < 0.05) và từ chối giả thuyết H0 là :” Các loại hình doanh nghiệp tạo ra kết quả giống nhau lên kết quả hoạt động của công ty”

3.2) Kiểm định ANOVA một chiều giữa: P và POS

Bước 1:

Đặt giả thiết:

 H0: µ1= µ2= µk : Không có sự khác biệt giữa các cấp bậc quản lý của

công ty về kết quả hoạt động của công ty

 H1: µi # µj: Có sự khác biệt giữa các cấp bậc quản lý của công ty về kết

quả hoạt động của công ty

P

Trang 34

Levene Statistic df1 df2 Sig

Ta thu được kết quả như sau:

 Để đánh giá mực độ khác biệt về cấp bậc quản lý và kết quả hoạt động của công ty ta tiến hành phân tích ANOVA một chiều và thu được kết quả như 3 bảng phân tích bên trên

 Kết quả Cronbach Alpha và EFA cho thấy thang đo này đạt yêu cầu về giá trị

và độ tin cậy Vì vậy, tổng của các biến đo lường trên được sử dụng trong phân tích ANOVA để so sánh sự khác biệt giữa cấp bậc quản lý và kết quả hoạt động của công ty

 Biến phụ thuộc: P - Kết quả hoạt động của công ty

 Biến độc lập: POS- Cấp bậc quản lý

Nhìn vào bảng kiểm định thống kê mô tả của biến POS kết quả kiểm định từ SPSS cho thấy:

 Hơn nữa ta thấy các quan sát độc lập với nhau khi tiến hành phân tích về cấp bậc

quản lý của công ty

Trang 35

 Nhìn vào bảng Descriptives độ lệch chuẩn nằm trong khoản giá trị -1 => 1 Do đó

chúng ta nói rằng P có phân phối chuẩn

 Kết quả định sự khác biệt giữa các nhóm cho thấy có sự khác biệt giữa các nhóm (p=.001 < α =0.05) ( Bảng ANOVA)

Vì vậy chúng ta kết luận rằng: Có ít nhất có 1 cặp cấp bậc quản lý của công ty khác biệt (p=.001) hay nói cách khác có sự khác biệt về cấp bậc quản lý của công ty tới kết quả hoạt động của công ty

 Vì vậy chúng ta cần kiểm định hậu ANOVA đều biết được nhóm nào có khác

biệt:

Nhưng trong biến POS phân loại chỉ có 2 nhóm là: là quản trị cấp cao và quản trị cấp trung nên Phân tích ANOVA đã chỉ ra được sự khác biệt rồi

Nếu chọn Alpha là 5% thì kết quả cho phép chúng ta chấp nhận giả thuyết H1 là “Có

sự khác biệt giữa các cấp bậc quản lý của công ty về kết quả hoạt động của công ty”

(p=0.01 < 0.05) và từ chối giả thuyết H0 là :” Các loại hình doanh nghiệp tạo ra kết quả giống nhau lên kết quả hoạt động của công ty”

3.3) Kiểm định ANOVA một chiều giữa: P và AGE

Bước 1:

 H0: µ1= µ2= =µk : Không có sự khác biệt giữa các độ tuổi quản trị gia

của công ty về kết quả hoạt động của công ty

 H1: µi # µj: Có sự khác biệt giữa các độ tuổi quản trị gia của công ty về

kết quả hoạt động của công ty

Trang 36

P

a Groups with only one case are ignored in computing

the test of homogeneity of variance for P

 Để đánh giá mực độ khác biệt về độ tuổi quản trị gia và kết quả hoạt động của công ty ta tiến hành phân tích ANOVA một chiều và thu được kết quả như 3 bảng phân tích bên trên

 Kết quả Cronbach Alpha và EFA cho thấy thang đo này đạt yêu cầu về giá trị và

độ tin cậy Vì vậy, tổng của các biến đo lường trên được sử dụng trong phân tích ANOVA để so sánh sự khác biệt giữa độ tuổi quản trị gia và kết quả hoạt động của công ty

 Biến phụ thuộc: P- Kết quả hoạt động của công ty

 Biến độc lập: AGE- Độ tuổi quản trị gia

Trang 37

Nhìn vào bảng kiểm định thống kê mô tả của biến AGE kết quả kiểm định từ SPSS cho thấy:

 Kiểm định Levene về phương sai đồng nhất có ý nghĩa (p=.019) < 0.05 (vì alpha

=0.05) Nghĩa là có sự khác biệt về phương sai giữa các nhóm hay nói cách khác

là phương sai giữa các nhóm đồng nhất

 Hơn nữa ta thấy các quan sát độc lập với nhau khi tiến hành phân tích sự ảnh

hưởng tới kết quả hoạt động của công ty

 Kết quả định sự khác biệt giữa các nhóm cho thấy có sự khác biệt giữa các nhóm

độ tuổi quản trị gia lên kết quả hoạt động của công ty.(nhìn vào bảng ANOVA)

biệt:

B Kiểm định hậu ANOVA:

Ở đây ta sử dụng kiểm định hậu ANOVA: Bonferroni:

Kết quả như sau:

 Do trong mẩu dữ liệu khi thống kê ta thấy Dữ liệu độ tuổi nhóm 4 chỉ có 1 mẫu nên khi chạy Hậu ANOVA sẽ phát sinh trường hợp này ít dữ liệu hơn Nên theo cách tạm thời ta xóa giá trị 4 này đi và thêm vào là 0 Sau đó chạy phân tích ANOVA và tiến hành thêm lại như giá trị ban đầu

Multiple Comparisons

Trang 38

 Nhìn vào bảng phân tích hậu ANOVA ta thấy được nhóm nào có sự khác biệt:

o Kết quả cho chúng ta thấy ở mức ý nghĩa 5% thì hiệu ứng của:

+ Nhóm tuổi 1 – Nhóm tuổi 3 (sig = 138)

+ Nhóm tuổi 2 – Nhóm tuổi 3 (sig = 1 000)

 Tác động tới kết quả hoạt động của công ty là như nhau tức là không có sự khác biệt gì giữa các nhóm tuổi của quản trị gia tới kết quả hoạt động của công ty

 Vì Sig > α=0.05

o Ngươc lại thì:

Sig < α =0.05:

+ Nhóm tuổi 1 – Nhóm tuổi 2 (sig = 028)

 Tác động tới kết quả hoạt động của công ty là khác nhau tức là có sự khác biệt giữa các nhóm tuổi của quản trị gia tới kết quả hoạt động của công ty

 Cụ thể ta thấy là có sự khác biệt rõ ràng nhất là giữa nhóm tuổi 1 với nhóm tuổi 2 lên kết quả hoạt động của công ty

Nếu chọn Alpha là 5% thì kết quả cho phép chúng ta chấp nhận giả thuyết H1

là “Có sự khác biệt giữa các độ tuổi quản trị gia của công ty về kết quả hoạt

động của công ty” (p=.046 < 0.05) và từ chối giả thuyết H0 là :” Không có sự

Trang 39

khác biệt giữa các độ tuổi quản trị gia của công ty về kết quả hoạt động của công ty”.

3.4) Kiểm định ANOVA một chiều giữa: P và EXP

A) Tiến hành phân tích ANOVA một chiều:

Bước 1:

 H0: µ1= µ2= =µk : Không có sự khác biệt giữa các nhóm kinh nghiệm

quản lý của công ty về kết quả hoạt động của công ty

 H1: µi # µj: Có khác biệt giữa các nhóm kinh nghiệm quản lý của công ty

về kết quả hoạt động của công ty

Trang 40

 Để đánh giá mực độ khác biệt về kinh nghiệm quản lý của quản trị gia và kết quả hoạt động của công ty ta tiến hành phân tích ANOVA một chiều và thu được kết quả như 3 bảng phân tích bên trên

 Kết quả Cronbach Alpha và EFA cho thấy thang đo này đạt yêu cầu về giá trị và

độ tin cậy Vì vậy, tổng của các biến đo lường trên được sử dụng trong phân tích ANOVA để so sánh sự khác biệt kinh nghiệm quản lý của quản trị gia và kết quả hoạt động của công ty

 Biến phụ thuộc: P- kết quả hoạt động của công ty

 Biến độc lập: EXP- kinh nghiệm quản lý

Nhìn vào bảng kiểm định thống kê mô tả của biến EXP kết quả kiểm định từ SPSS cho thấy:

 Hơn nữa ta thấy các quan sát độc lập với nhau khi tiến hành phân tích sự ảnh

hưởng tới kết quả hoạt động của công ty

 Kết quả định sự khác biệt giữa các nhóm cho thấy có sự khác biệt giữa các nhóm kinh nghiệm quản lý của quản trị gia lên kết quả hoạt động của công ty.(nhìn vào bảng ANOVA)

 (p=.000 < α =0.05)

Vì vậy chúng ta kết luận rằng: Có ít nhất có 1 cặp kinh nghiệm quản lý của quản trị gia khác biệt (p=.000) hay nói cách khác có sự khác biệt về kinh nghiệm quản lý của quản trị gia tới kết quả hoạt động của công ty

biệt:

Định dạng
Số trang	91
Dung lượng	1,95 MB