bài tập môn phương pháp nghiên cứu khoa học trong quản trị bài tập xử lý trên phần mềm spss

Kết quả phân tích Cronbach Anpha cho thang đo OCFT1: Corrected Total Correlation Item-Cronbach's Alpha if Item Deleted Hệ số Cronbach’s Alpha = 0.815, thang đo OCFT1 có độ tin cậy Hệ s

Trang 1

VIỆN ĐÀO TẠO SAU ĐẠI HỌC

-

MÔN PHƯƠNG PHÁP NGHIÊN CỨU KHOA HỌC TRONG QUẢN TRỊ

BÀI TẬP XỬ LÝ TRÊN PHẦN MỀM SPSS

GVHD : TS Nguyễn Hùng Phong Lớp : QTKD ĐÊM 5 - K22 Học viên : Hồ Thị Phương Thảo MSHV : 7701221698

TP Hồ Chí Minh, tháng 8 năm 2013

Trang 2

MỤC LỤC

Câu 1……… …6

Câu 2… 16

Câu 3……… 24

Câu 4……… …….42

Câu 5……… ……44

Câu 6……… ………48

Tài liệu tham khảo……… ……… 50

Trang 3

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)

 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

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

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

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

Trang 4

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”

Trang 5

Chúng ta xây dựng được mô hình thể hiện mối quan hệ giữa các biến như sau:

OC15 OC14

OC12 OC13

OC21

OC15 OC25

OC15 OC24

OC22 OC23

OC26 PV1

OC15 PV5

OC15 PV4

PV2 PV3

PV6 OC15 PV8 PV7 PV9

MP21

OC15 MP25

OC15 MP24

MP22 MP23

MP26

MP11

OC15 MP15

OC15 MP14

MP12 MP13

Trang 6

Điều kiện phân tích EFA:

- Hệ số KMO (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)

Chạy phân tích EFA với 5 biến quan sát của OC1 và 6 biến quan sát của OC2, kết quả như sau:

Trang 7

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy .854

Bartlett's Test of Sphericity Approx Chi-Square 2465.460

KMO = 0.854 > 0.8

P (sig) <0.05 nên ta bác bỏ giả thuyết Ho (Ho: giả thuyết ma trận hệ số tương quan là

ma trận đơn vị), tức là giữa các biến quan sát có tương quan với nhau Vậy điều kiện sử dụng EFA được thỏa mãn

Theo tiêu chí eigenvalue >= 1 Nếu trích thêm nhân tố thứ 3 thì giá trị là =0.901 < 1 không phù hợp tiêu chí được lựa chọn Trong đó nhân tố thứ nhất giải thích được 29.411% tổng biến thiên của nhân tố OC, nhân tố hai giải thích được 18.561% tổng biến thiên của nhân tố OC

Total Variance Explained

Cumulative

% of Variance

Cumulative

% of Variance

Trang 8

Qua bảng Rotated Component Matrixa thể hiện giá trị trích xuất - hệ số tải (loading value) Hệ số tải ở nhân tố nào cao thì item đo lường được nhân tố đó Nhân tố 1

được đo lường bởi bảy biến quan sát: OC11, OC12, OC13, OC14, OC15, OC25, OC26

và nhân tố 2 được đo lường bởi bốn biến quan sát: OC21, OC22, OC23, OC24.Ta đặt tên cho hai nhân tố mới này lần lượt là OCFT1, OCFT2

Rotated Component Matrix a

OC14

OC15

OC25 OC26

Trang 9

Phân tích EFA khái niệm hệ thống giá trị của Quản trị gia (PV)

Cumulative

% of Variance

Cumulative

% of Variance

Trang 10

Ta tiến hành điều chỉnh lại lý thuyết ban đầu thành hai nhân tố PVFT1 được đo lường bởi PV2, PV5, PV6, PV7, PV8 và nhân tố PVFT2 được đo lường bởi PV1, PV3, PV4, PV9

Trang 11

Phân tích EFA khái niệm bậc thực tiễn quản trị ( MP)

Cách thức thực hiện:

Anlyze => Data reduction => Factor => đưa các biến quan sát MP11, MP12, PM13, MP14, MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26 vào hộp Variables

=>Descriptives: chọn Univariate descriptive trong Statistics và chọn Coefficients và KMO and Bartlett’s test of sphericity => continue

=> Extraction: chọn Principal Components Method, các thông số khác mặc định, chọn eigenvalue ≥ 1, => continue

=> Rotation: chọn phép quay vuông góc Varimax, các thông số khác mặc định => continue

=> OK

Chạy phân tích EFA cho khái niệm MP với 6 biến quan sát của nhân tố MP1 (MP11…MP16) và 6 biến quan sát của nhân tố MP2 (MP22…MP26) ta có kết quả sau:

KMO=0.869 >0.8

Comp Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings

PVFT1

PV2 PV5

Trang 12

Sig < 0.05 Bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1

onent

Total

% of Variance

Cumulative

% of Variance

Cumulative

% of Variance

Trang 13

Sử dụng phép trích nhân tố PCA, với phương pháp xoay Varimax, xác định số nhân tố theo tiêu chí Eigenvalues ≥ 1, ta trích được 2 nhân tố MPFT1 gồm có các biến quan sát MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26 và nhân tố MPFT2 gồm MP11, MP12, MP13, MP14

Phân tích EFA khái niệm Kết quả hoạt động của doanh nghiệp (P):

MP22

MP23

MP24 MP15

MP25 MP26

Trang 14

=> Rotation: chọn phép quay vuông góc Varimax, các thông số khác mặc định => continue

=> OK

Chạy EFA cho nhân tố P gồm 6 biến quan sát ta có các bảng sau:

KMO=0.850 >0.8

Sig < 0.05 Bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1

Các biến quan sát đo lường P thỏa điều kiện để tiến hành phân tích khám phá EFA

Trang 15

Ta chỉ trích được một nhân tố Ban đầu biến P được đo lường bằng 6 biến quan sát (item) và sau khi phân tích EFA thì 6 biến này đo lường được biến P Nên với thang đo P

thì cả giá trị hội tụ và phân biệt đều đƣợc đảm bảo

Sau khi phân tích EFA ta có:

OCFT1 (OC11, OC12, OC13, OC14, OC15, OC25, OC26)

OCFT2 (OC21, OC22, OC23, OC24) PVFT1 (PV2, PV5, PV6, PV7, PV8)

Trang 16

Câu 2: Kiểm tra độ tin cậy của thang đo bằng hệ số Cronbach Anpha:

Tiêu chuẩn đánh giá thang đo:

- α ≥0.60: có thể chấp nhận được (Nunnally& Bernstein 1994)

- α €[0.70 - 0.95]: 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 (Nunnally& Bernstein 1994)

Cách thức thực hiện:

Analyze =>Scale => Reliability Analysis =>đưa các biến quan sát đo lường các biến mới sau khi phân tích EFA vào hộp items Sau đó chọn Statistics Trong Descriptives for, chọn Item, Scale, Scale if item deleted =>Continue => OK

Thang đo OCFT1: do lường bởi 7 biến quan sát OC11, OC12, OC13, OC14, OC15, OC25, OC26

Kết quả phân tích Cronbach Anpha cho thang đo OCFT1:

Corrected Total Correlation

Item-Cronbach's Alpha if Item Deleted

Hệ số Cronbach’s Alpha = 0.815, thang đo OCFT1 có độ tin cậy

Hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total Correlation) của từng biến quan sát đều lớn hơn 0.3, nghĩa là chúng tương quan khá chặt chẽ với nhau nên các biến quan sát đều đạt yêu cầu

Trang 17

Hệ số Cronbach’s Alpha nếu loại bất kì biến quan sát nào cũng sẽ nhỏ hơn hệ số Cronbach’s Alpha ban đầu, do đó chúng ta chấp nhận 7 biến quan sát thành phần của thang đo

Vậy không cần bỏ hay thêm biến quan sát nào cho khái niệm này

Thang đo OCFT2: đo lường bởi 4 biến quan sát OC21, OC22, OC23, OC24

Hệ số tương quan biến tổng hiệu chỉnh của 2 biến OC21, OC24 với các biến còn

lại là 0.263 và 0.2 đều <0.3 Vì vậy ta sẽ loại thang đo OCFT2

Thang đo PVFT1: do lường bởi 5 biến quan sát PV2, PV5, PV6, PV7, PV8

Trang 18

Scale Mean if

Item Deleted

Scale Variance if Item Deleted

Hệ số Cronbach’s Alpha = 0.721, thang đo PVA có độ tin cậy tốt

Nếu ta loại biến PV7 hệ số Cronbach Anpha không đổi, ta có thể loại biến này, tuy nhiên việc loại biến này có thể vi phạm giá trị nội dung của thang đo do đó chúng ta chấp nhận 5 biến quan sát thành phần của thang đo

Vậy không cần bỏ hay thêm biến quan sát nào cho khái niệm này

Thang đo PVFT2: do lường bởi 4 item PV1, PV3, PV4, PV9

Trang 19

Hệ số Cronbach’s Alpha = 0.568 <0.6, thang đo PVFT2 không thể chấp nhận về độ tin cậy

Hệ số tương quan biến- tổng hiệu chỉnh của từng biến quan sát PV4=029 < 0.3, nghĩa là biến quan sát PV4 không đạt yêu cầu, ta loại biến này

Hệ số Cronbach’s Alpha nếu loại bất kì biến quan sát còn lại PV1, PV3, PV9 trong các biến cũng sẽ nhỏ hơn Cronbach’s Alpha ban đầu

Ta loại bỏ thang đo PVFT2

Thang do MPFT1: được đo lường gồm 8 biến quan sát MP15, MP16, MP21,

Trang 20

Hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total Correlation) của từng biến quan sát đều lớn hơn 0.3, nghĩa là chúng tương quan khá chặt chẽ với nhau nên các biến quan sát đều đạt yêu cầu,(Nunnally& Bernstein 1994)

Vậy không cần bỏ hay thêm biến quan sát nào cho khái niệm này

Thang do MPFT2: được đo lường gồm 4 biến quan sát MP11, MP12, MP13,

Trang 21

Đánh giá lại thang đó MPFT2 bằng Cronbach’s Alpha khi loại bỏ biến MP14 ta có:

Hệ số Cronbach’s Alpha = 0.634, thang đo MPF1 có độ tin cậy tốt

Hệ số Cronbach’s Alpha nếu loại bất kì biến quan sát MP11, MP12, MP13 cũng sẽ nhỏ hơn hệ số Cronbach’s Alpha ban đầu, do đó chúng ta chấp nhận 3 biến quan sát thành phần của thang đo

Chấp nhận thang đó MPFT2 với có biến quan sát MP11, MP12, MP13

Thang do P: được đo lường bởi 6 biến quan sát P1, P2, P3, P4, P5, P6

Trang 22

Hệ số Cronbach’s Alpha = 0.839, thang đo MPF1 có độ tin cậy tốt

Hệ số tương quan biến tổng hiệu chỉnh (của từng biến quan sát đều lớn hơn 0.3, nghĩa là chúng tương quan khá chặt chẽ với nhau nên các biến quan sát đều đạt yêu cầu

Không cần bỏ hay thêm biến quan sát nào cho khái niệm này

Hiệu chỉnh lại mô hình:

Để thuận tiện làm các câu sau, ta tính lại giá trị trung bình của các biến mới và ta đặt các biến mới như sau:

F1= MEAN(OC11, OC12, OC13, OC14, OC15, OC25, OC26)

Trang 23

COMPUTE F3=MEAN(MP15,MP16,MP21,MP22,MP23,MP24,MP25,MP26) EXECUTE

COMPUTE F4=MEAN(MP11,MP12,MP13)

EXECUTE

COMPUTE P=MEAN(P1,P2,P3,P4,P5,P6)

EXECUTE

Trang 24

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

A PHÂN TÍCH SỰ KHÁC BIỆT ONE-WAY ANOVA

Trình tự chung thực hiện Anova một chiều trên SPSS nhƣ sau:

Analyse => Compare Means => One way ANOVA => Đưa biến phụ thuộc vào ô Dependent List và đưa biến phân loại vào ô Factor => Option chọn Descriptives và Homogeneity of variance test => OK

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

Giả thiết H0: Không có sự khác biệt trung bình giữa các loại hình doanh nghiệp

Giả thiết H1: có sự khác biệt trung bình giữa các loại hình doanh nghiệp

Test of Homogeneity of Variances

Trang 25

Từ kết quả bảng ANOVA Sig lần lượt của các nhân tố F1, F2, F4 này là 0.249;

0.515; 0.078 đều lớn hơn 0.05 Như vậy đủ điều kiện để chấp nhận giả thiết H0

Từ kết quả bảng ANOVA có F3 Sig = 0.000 < 0.05 Đủ điều kiện từ chối giả

thuyết H0

Từ kết quả bảng ANOVA có P Sig = 0.000 < 0.05 : Đủ điều kiện từ chối giả thuyết

H0, chấp nhận giả thuyết

Từ kết quả bảng Test of Homogeneity of Variances, F3 có Sig = 0.164 > 0.05 và

P có Sig = 0.082 > 0.05 nên không có sự khác biệt về phương sai của các nhóm

nên không có sự khác biệt về phương sai của các nhóm

Kiểm định hậu ANOVA đối với F3 và P để xác định sự khác nhau giữa các nhóm:

Multiple Comparisons

Dependent Variable (I) OWN

(J) OWN

Mean Difference

95% Confidence Interval Lower Bound Upper Bound

Trang 27

Sig12, Sig13, Sig14 của nhân tố F3 lần lượt là 0.031; 0.000; 0.005 đều nhỏ hơn

0.05 nên có sự khác biệt giữa nhóm 1 với nhóm 2, 3, 4

Sig13, Sig23 của nhân tố P lần lượt là 0.000 và 0.003 đều nhỏ hơn 0.05 nên có sự

khác biệt giữa nhóm 1 với nhóm 3, có sự khác biệt giữa nhóm 2 với nhóm 3

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

Test of Homogeneity of Variances

Định dạng
Số trang	50
Dung lượng	1,71 MB