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

Thực hiện phân tích khám phá EFA/phân tích nhân tố để tìm các biến mới/hoặc giảmbiến, cũng như tìm các yếu tố thành phần đo lướng biến này.. Thực hiện phân tích anova một chiều để tìm sự

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: Vănhóa tổ chức (OC), hệ thống giá trị của quản trị gia (PV), thực tiển quản trị (MP), và kết quảhoạt 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 kháiniệm đơn biến được đo lường bằng 9 yếu tố thành phần (PV1, PV2, …., PV9) Khái niệm MPđược 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 lýcấp 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 cókhoảng cách là 5 năm

Yêu cầu:

1 Thực hiện phân tích khám phá (EFA)/phân tích nhân tố để tìm các biến mới/hoặc giảmbiến, cũng như tìm các yếu tố thành phần đo lướng biến này Sau đó tính giá trị của cácbiến 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 môhình này với các tiêu thức phân loại: OWN, POS, Age, EXP.Thực hiện phân tích anovahai chiều với biến OWN và POS

4 Xây dựng hàm tương quan tuyến tính giữa P và các biến độc lập vừa khám phá thôngqua 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 hìnhdoanh nghiệp Trong đó doanh nghiệp nhà nước được chọn là biến cơ sở

BÀI LÀM

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)

Trước khi tiến hành phân tích EFA, ta tiến hành phân tích hệ số Cronbach Alpha để loại biếnrác Tiêu chuẩn chọn thang đo: nếu Cronbach Alpha ≥ 0.60 thì thang đo có thể chấp nhận được

về mặt độ tin cậy Tiêu chuẩn loại biến rác: những biến có hệ số tương quan biến-tổng hiệuchỉnh (Corrected Item-Total Correlation) < 0.30 sẽ bị loại (Nunnally & Bernstein 1994)

Ngoài ra, khi đánh giá kết quả EFA chúng ta cần xem xét phần tổng phương sai trích (TVE:Total Variance Explained) Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm củabiến đo lường, tổng này phải ≥ 50%, nghĩa là phần chung phải lớn hơn phần riêng và sai số (≥60% là tốt), nếu thỏa điều kiện này thì mô hình EFA phù hợp

Thực hiện: Ta tiến hành tiến hành kiểm tra hệ số Cronbach Alpha và phân tích EFA lần lượt

cho các biến Văn hóa tổ chức (OC), Hệ thống giá trị của quản trị gia (PV), Thực tiễn quản trị(MP), và Kết quả hoạt động của công ty (P)

1.1 Đối với thành phần Văn hóa tổ chức (OC):

Tính hệ số Cronbach Alpha, ta có được kết quả sau:

Scale Variance

if Item Deleted

CorrectedItem-TotalCorrelation

SquaredMultipleCorrelation

Cronbach'sAlpha if ItemDeleted

Dựa vào bảng 1.1 cho thấy hệ số Cronbach alpha của OC là 0.793 > 0.60, thang đó này có thểchấp nhận được về mặt độ tin cậy Theo bảng 1.2 có 2 biến OC21 và OC24 có hệ số tươngquan biến – tổng hiệu chỉnh lần lượt là 0.243 và 0.111, hệ số này nhỏ hơn so với yêu cầu ≥0.30 Vì vậy, về mặt thống kế, chúng ta cần loại 2 biến OC21 và OC24.

Bảng 1.3: Kết quả phân tích EFA của thành phần OC sau chưa loại 02 biến OC21 và OC24

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy 0.853

Total Variance Explained

% ofVariance

Cumulative

% ofVariance

Cumulative

% ofVariance

47.398% ( <50%) do đó ta phải tiến hành loại bỏ 02 OC21 và OC24 Sau khi loại bỏ 2 biến ta

có kết quả như sau:

Bảng 1.4: Kết quả phân tích EFA của thành phần OC sau khi loại 02 biến OC21 và OC24

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy 0.851

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy 0.851

Cumulative

% ofVariance

Cumulative

% ofVariance

khái niệm văn hóa tổ chức (OC) Như vậy, mô hình EFA và thành phần mỗi nhân tố được chobởi bảng sau:

Bảng 1.5: Ma trận nhân tố sau khi xoay

Rotated Component Matrixa

Nhận xét: Sau khi dùng phân tích hệ số Cronbach Alpha và EFA của thành phần Văn hóa tổ

chức (OC), ta đã loại 02 biến quan sát, còn lại 09 biến quan sát 09 biến quan sát này được chiavào 02 nhân tố, cụ thể:

- Nhân tố OC1m gồm 04 biến : OC12, OC14, OC25, OC26.

- Nhân tố OC2m gồm 05 biến: OC11, OC13, OC15, OC22, OC23.

1.2 Đối với thành phần Hệ thống giá trị của quản trị gia (PV):

Tính hệ số Cronbach Alpha, ta có được kết quả sau:

Bảng 1.6: Tính hệ số Cronbach Alpha

Reliability Statistics

Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items

Bảng 1.7: Kết quả phân tích Cronbach Alpha của thành phần PV

Theo bảng 1.6 và bảng 1.7, ta có hệ số Cronbach Alpha của PV là 0.638 > 0.60, thang đo nàyđạt tiêu chuẩn Đối với hệ số tương quan với biến - tổng hiệu chỉnh có 3 biến là PV4 (0.104),PV3 (0.253), PV9 (0.263) nhỏ hơn 0.3 Một vấn đề đặt ra là chúng ta có nên loại ba biến nàyhay không?

Đầu tiên, chúng ta sẽ loại biến PV4 do biến này có hệ số tương quan với biến-tổng hiệu chỉnhthấp nhất (0.104) trong 3 biến đang xem xét Đồng thời, khi loại biến này, về mặt thống kê thìCronbach’s Alpha tăng từ 0.638 lên 0.651 (tốt hơn)

Sau khi loại biến PV4, phân tích EFA, ta được kết quả như sau:

Bảng 1.8: Kết quả phân tích EFA của thành phần PV sau khi loại biến PV4

Item-Total Statistics

Scale Mean ifItem Deleted

Scale Variance

if Item Deleted

CorrectedItem-TotalCorrelation

SquaredMultipleCorrelation

Cronbach'sAlpha if ItemDeleted

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy 0.737

Theo lý thuyết, nếu ta loại nhiều biến hơn (ví dụ 02 biến), ta bắt buộc phải phân tíchCronbach’s Alpha trở lại vì lúc này kết quả SPSS cho lần phân tích Cronbach’s Alpha đầukhông cho chúng ta kết quả Cronbach’s Alpha khi loại từ 02 biến trở lên

Khi loại biến PV3: Cronbach’s Alpha là 0.680, TVE là 53.057%.

Khi loại biến PV9: Cronbach’s Alpha là 0.710, TVE là 41.577%

Khi loại biến PV3, Cronbach’s Alpha tăng, TVE lớn hơn 50% Tuy nhiên, khi loại PV3,Cronbach’s Alpha tăng nhưng TVE giảm còn 41.577%

Vì vậy, ta chỉ loại 2 biến PV4 và PV3 không nên loại biến PV9

Bảng 1.10: Ma trận nhân tố sau khi xoay

Rotated Component Matrix a

Nhận xét: Sau khi dùng phân tích hệ số Cronbach’s Alpha và EFA, sau khi loại 02 biến PV4

và PV3, thành phần Hệ thống giá trị của quản trị gia (PV) gồm 02 nhân tố, cụ thể:

Nhân tố PV1m gồm 05 biến : PV2, PV5, PV6, PV7, PV8.

Nhân tố PV2m gồm 02 biến : PV1, PV9.

1.3 Đối với thành phần Thực tiễn quản trị (MP):

Thực hiện phân tích hệ số Cronbach’s Alpha và EFA tương tự đối với thành phần Thực tiễnquản trị (MP), ta có kết quả như sau:

Bảng 1.11: Hệ số Cronbach alpha của thành phần MP

Reliability Statistics

Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items

Bảng 1.12: Kết quả phân tích EFA của thành phần MP

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy 0.866

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy 0.866

Bảng 1.13: Ma trận nhân tố sau khi xoay

Rotated Component Matrix

Như vậy, sau khi phân tích EFA cho thành phần MP ta có thêm một nhân tố mới Số lượngnhân tố trích không phù hợp với giả thuyết nhân tố ban đầu, nguyên nhân có thể do dữ liệuchúng ta thu thập không đạt yêu cầu, ví dụ như phỏng vấn không đạt, câu hỏi (biến) không rõràng gây hiểu nhầm cho đối tượng nghiên cứu (người trả lời), đối tượng nghiên cứu không thật

sự hợp tác (trả lời câu hỏi lấy lệ ), nhập dữ liệu sai…

Nhận xét: Sau khi dùng phân tích hệ số Cronbach’s Alpha và EFA, thành phần Thực tiễn quản

trị (MP) gồm 03 nhân tố, cụ thể như sau:

Nhân tố MP1m gồm 08 biến: MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26 Nhân tố MP2m gồm 02 biến: MP11, MP12.

Nhân tố MP3m gồm 02 biến: MP13, MP14.

1.4 Đối với thành phần Kết quả hoạt động của công ty (P):

Thực hiện phân tích Cronbach alpha và phân tích EFA đối với thành phần Kết quả hoạtđộng của công ty (P) Kết quả thu được như sau:

Bảng 1.14: Hệ số Cronbach alpha của thành phần P

Reliability Statistics

Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items

Bảng 1.15: Kết quả phân tích EFA của thành phần P

Total Variance Explained

Bảng 1.14 và bảng 1.15 cho thấy hệ số Cronbach alpha của P là 0.836 > 0.60 và chỉ có mộtnhân tố được trích với TVE là 55.022% Với mức TVE bằng 55.022% ta chấp nhận phân tíchnhân tố EFA cho biến phụ thuộc P.

Tổng số biến quan soát lúc đầu là 32 biến, sau khi thực hiện phân tích Cronbach’s Alpha

và EFA cho các thành phần OC, PV, MP ta loại 04 biến quan sát, còn lại 28 biến quan sát.

07 biến tiềm ẩn và 01 biến phụ thuộc, bao gồm:

Nhân tố OC1m gồm 4 biến : OC12, OC14, OC25, OC26

Nhân tố OC2m gồm 5 biến: OC11, OC13, OC15, OC22, OC23

Biến phụ thuộc P gồm 6 biến: P1, P2, P3, P4, P5, P6

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

Có 02 cách để tính giá trị của các biến mới: (1) Dùng giá trị của các biến mới do EFAtạo ra; (2) Dùng tổng hoặc trung bình của các biến đo lường các nhân tố trong mô hình

Tuy nhiên, chúng ta không nên dùng giá trị giá trị của các biến mới do EFA tạo ra (sửdụng lệnh Save as variables trong SPSS) vì 02 lý do:

- Nếu sử dụng phép quay vuông góc và trong đó có biến phụ thuộc thì các biến độc lập vàbiến phụ thuộc không có quan hệ với nhau, do đó không được đưa các biến phụ thuộc vàochung với các biến độc lập để xử lý EFA cùng một lúc khi sử dụng phép quay vuông góc và sửdụng giá trị nhân tố do EFA tạo ra Tuy nhiên, nếu tách biến phụ thuộc riêng thì chúng takhông thể đánh giá được tính phân biệt (giá trị phân biệt) giữa biến phụ thuộc với biến độc lập

- Giá trị nhân tố tính tất cả các biến đo lường đưa vào phân tích chứ không phải chỉ cácbiến đo lường khái niệm của nó

Do đó, phương pháp tốt nhất là dùng tổng hoặc trung bình của các biến đo lường cácnhân tố trong mô hình Ở đây chúng ta sử dụng phương pháp trung bình

Giá trị biến tiềm ẩn Xjm được tính bằng giá trị trung bình của các biến quan sát thànhphần tạo nên biến tiềm ẩn đó:

Trong đó:

Xjm : Giá trị biến tiềm ẩn j

Xi : biến quan sát thứ i

k : Số biến quan sát của biến tiềm ẩn

- Giá trị OC1m = (OC12 + OC14 + OC25 + OC26)/4

- Giá trị OC2m = (OC11 + OC13 + OC15 + OC22 + OC23)/5

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

BỘ MÔN PPNCKH GVHD: TS NGUYỄN HÙNG PHONG

Kếtquảchothấychỉ

có hệsố

Item-SquaredMultipleCorrelation

Cronbach'sAlpha if ItemDeleted

OC1m: Cronbach’s Alpha = 0.766

Cronbach’s Alpha của 02 nhân tố PV2m và MP3m nhỏ hơn 0.60, không đủ điều kiện làm thang

đo nên cần loại bỏ khỏi mô hình Thang đo P đạt yêu cầu

Như vậy, từ 07 biến tiềm ẩn và 01 biến phụ thuộc, sau khi phân tích Cronbach’s Alpha ta loại

02 biến tiềm ẩn, còn lại 05 biến tiềm ẩn và 01 biến phụ thuộc P Cụ thể như sau:

- Nhân tố OC1m gồm 4 biến : OC12, OC14, OC25, OC26

- Nhân tố OC2m gồm 5 biến: OC11, OC13, OC15, OC22, OC23

- Nhân tố PV1m gồm 5 biến : PV2, PV5, PV6, PV7, PV8

- Nhân tố MP1m gồm 8 biến: MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26

- Nhân tố MP2m gồm 2 biến: MP11, MP12

- Biến phụ thuộc P gồm 6 biến: P1, P2, P3, P4, P5, P6

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.

- Các biến tiềm ẩn gồm: FTOC1, FTOC2, FTPV1, FTMP1, FTMP2; và biến phụ thuộc P

- Các tiêu thức phân loại: OWN, POS, Age, EXP

PHÂN TÍCH ANOVA MỘT CHIỀU ĐỂ TÌM SỰ KHÁC BIỆT CỦA CÁC BIẾN TIỀM

ẨN TRONG MÔ HÌNH VỚI CÁC TIÊU THỨC PHÂN LOẠI: OWN, POS, AGE, EXP.

(1) Kiểm định sự khác biệt về Loại hình doanh nghiệp (OWN):

Vấn đề nghiên cứu ở đây là bản thân từng yếu tố OC1m, OC2m, PV1m, MP1m, MP2m, P cókhác biệt nhau giữa 04 loại hình doanh nghiệp (OWN1: DNNN, OWN2: Liên doanh, OWN3:Công ty tư nhân, OWN4: DN gia đình)

Ta đặt giả thuyết như sau:

H0: Không có sự khác biệt giữa các loại hình doanh nghiệp

H1: Có sự khác biệt giữa các loại hình doanh nghiệp

Với mức ý nghĩa ∝ = 0.05:

+ Nếu Sig ≥ 0.05: Chấp nhận H0.

+ Nếu Sig < 0.05: Bác bỏ H0, chấp nhận H1 Chấp nhận H1, tức là có sự khác biệt giữacác loại hình doanh nghiệp đối với các biến trên Tuy nhiên, để biết được giữa các loại hìnhdoanh nghiệp nào có sự khác biệt với nhau thì ta tiến hành Post Hoc test (Kiểm định hậuANOVA) Có nhiều phép kiểm định hậu ANOVA, ở đây chúng ta dùng phép kiểm địnhBonferroni

Bảng 3.1: Kết quả phân tích ANOVA

Từ bảng 3.1, ta có Sig.(OC1m)=0.806 và Sig.(PV1m)=0.589 lớn hơn mức ý nghĩa 5%, do đóchúng ta chấp nhận giả thuyết H0, tức là không có sự khác biệt giữa các loại hình doanh nghiệp(OWN) đối với 02 biến tiềm ẩn OC1m và PV1m

Ngược lại, các biến tiềm ẩn OC2m, MP1m, MP2m và P có Sig nhỏ hơn mức ý nghĩa 5% nên

ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1, tức là có sự khác biệt giữa các loại hìnhdoanh nghiệp (OWN) đối với các biến tiềm ẩn này Vì vậy, chúng ta tiếp tục thực hiện PostHoc test

Bảng 3.2: Kiểm định hậu ANOVA: Bonferroni

MeanDifference (I-J) Std Error Sig

95% Confidence IntervalLower

Bound Upper Bound

Multiple Comparisons 2

3

3 -0.20781 * 0.06809 0.014 -0.3878 -0.0278

4 -0.09717 0.07023 1.000 -0.2828 0.0885

* The mean difference is significant at the 0.05 level

Giả thuyết kiểm định:

H0: Không có sự khác biệt giữa các loại hình doanh nghiệp I và các loại hình doanh nghiệp J

H1: Có sự khác biệt giữa các loại hình doanh nghiệp I và các loại hình doanh nghiệp J

Với mức ý nghĩa ∝ = 0.05:

+ Nếu Sig ≥ 0.05: Chấp nhận H0.

+ Nếu Sig < 0.05: Bác bỏ H0, chấp nhận H1 Chấp nhận H1:

Do đó, dựa vào bảng 3.2, ta có kết quả như sau:

- OC2m: Có sự khác biệt giữa OWN1 và OWN3, OWN2 và OWN3 Trong đó, sự khácbiệt giữa OWN2 và OWN3 là lớn nhất, do có Mean Difference (I-J) cao hơn

- MP1m: Có sự khác biệt giữa OWN1 và OWN3, OWN1 và OWN4 Trong đó, sự khácbiệt giữa OWN1 và OWN3 là lớn nhất, do có Mean Difference (I-J) cao hơn

- MP2m: Có sự khác biệt giữa OWN3 và OWN4

- P: Có sự khác biệt giữa OWN1 và OWN3, OWN2 và OWN3 Trong đó, sự khác biệtgiữa OWN1 và OWN3 là lớn nhất, do có Mean Difference (I-J) cao hơn

(2) Kiểm định sự khác biệt về Cấp bậc quản lý (POS)

Tiến hành kiểm định sự khác biệt giữa các cấp bậc quản lý (POS) tương tự như đối vớiOWN, ta có giả thuyết kiểm định:

H0: Không có sự khác biệt giữa các cấp bậc quản lý

H1: Có sự khác biệt giữa các cấp bậc quản lý

Bảng 3.3: Kết quả phân tích ANOVA