bài tập xử lý dữ liệu môn phương pháp nghiên cứu khoa học trong quản trị

ĐỀ BÀI 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

TRƯỜNG ĐẠI HỌC KINH TẾ TPHCM VIỆN ĐÀO TẠO SAU ĐẠI HỌC KHOA QUẢN TRỊ KINH DOANH

  

Môn học: PHƯƠNG PHÁP NGHIÊN CỨU

KHOA HỌC TRONG QUẢN TRỊ

BÀI TẬP XỬ LÝ DỮ LIỆU

GVHD : TS NGUYỄN HÙNG PHONG HỌC VIÊN : NGUYỄN THANH BÌNH MSHV : 7701220078

LỚP : ĐÊM 5 – K22

TPHCM – 08/2013

ĐỀ BÀI

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

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

BÀI LÀM

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)

Mô hình lý thuyết nghiên cứu:

OC: Văn hóa tổ chức PV: Hệ thống giá trị của quản trị gia MP: Thực tiễn quản trị

P: Kết quả hoạt động của công ty

OC15

P4

P2 P3

P6

Mô hình trên đƣợc mô tả nhƣ sau:

Biến phụ thuộc P sẽ có quan hệ với 3 biến độc lập là OC, PV và MP nghĩa là kết quả hoạt động kinh doanh của doanh nghiệp có thể bị ảnh hưởng bởi các nhân tố: văn hóa

tổ chức (OC), hệ thống giá trị của quản trị gia (PV) và thực tiễn quản trị (MP) Trong đó

OC, PV, MP là các khái niệm bậc 1; OC1, OC2, MP1, MP2 là các khái niệm bậc 2 Mỗi khái niệm được đo lường bằng các biến quan sát nhỏ hơn như trong mô hình

Theo mô hình trên, ta thấy khái niệm OC là một thang đo đơn hướng với hai nhân

tố, khái niệm PV là thang đo đơn hướng một nhân tố, khái niệm MP là một thang đo đơn hướng với hai nhân tố Ban đầu chúng ta sẽ giả định là các khái niệm bậc 2 OC1 và OC2

là độc lập nhau, tương tự MP1 và MP2 cũng độc lập nhau Chúng ta sẽ kiểm tra lại giả định này sau khi chạy phân tích EFA bằng cách kiểm tra hệ sô hiệp phương sai của các nhân tố trích được

Phương pháp phân tích nhân tố khám phá (EFA) dùng để đánh giá hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt Dựa vào mối tương quan giữa các biến với nhau, ta có thể rút gọn một tập k biến quan sát thành 1 tập F (F<k) các nhân tố

có ý nghĩa hơn

Trước khi tiến hành phân tích dữ liệu, cần tiến hành làm sạch dữ liệu nhằm:

- Xác định các gía trị vô nghĩa: giá trị khác với giá trị mã hóa

- Xác định các giá trị khuyết: câu hỏi không có câu trả lời

- Xác định những mối quan hệ không logic giữa các câu trả lời

- Các bước làm sạch: bài làm này được làm bằng cách lọc thủ công Excel

Sau quá trình làm sạch dữ liệu, từ số lượng mẫu ban đầu là 953, kích thước mẫu còn

là 880 mẫu Ta tiến hành phân tích nhân tố khám phá (EFA) lần lượt cho các biến

Số lượng mẫu của chúng ta rất lớn so với tổng số biến nên ta có thể đưa các biến vào phân tích EFA mà không bị giới hạn bởi kích thước mẫu (lớn hơn 5 lần số biến quan sát (Hair & ctg, 2006)

Theo Nguyen (2011) một số điều kiện cần quan tâm trong phân tích nhân tố khám phá (EFA) bao gồm: (1) hệ số KMO ≥ 0.5; (2) mức ý nghĩa kiểm định Bartlett p ≤ 0.05, bác bỏ giá thuyết Ho (ma trận tương quan giữa các biến là ma trận đơn vị) và chấp nhận giả thuyết H1 (ma trận tương quan giữa các biến không phải là ma trận đơn vị và các biến

có mối quan hệ với nhau)

1.1 Phân tích nhân tố khám phá EFA với khái niệm OC:

Đưa toàn bộ các biến đo lường các biến độc lập OC vào phân tích EFA Kết quả phân tích ta có:

1.1a - KMO and Bartlett's Test

Bartlett's Test of Sphericity

số tương quan là ma trận đơn vị), tức là giữa các biến quan sát có tương quan với nhau

=> Điều kiện sử dụng EFA được thỏa mãn

Kết quả chạy EFA như sau:

1.1b - Total Variance Explained

Loadings

Rotation Sums of Squared

Loadings Total % of

Extraction Method: Principal Component Analysis

Tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax, ta trích được 2 nhân

tố, trong đó OC1 giải thích được 29.411% tổng biến thiên của nhân tố OC, OC2 giải thích được 18.561% tổng biến thiên của nhân tố OC

a Rotation converged in 3 iterations

Dựa vào bảng 1.1d, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy các biến OC11,

OC12, OC13, OC14, OC15, OC25, OC26 giải thích tốt cho OC1; các biến OC21, OC22, OC23, OC24 giải thích tốt cho OC2 Như vậy, ta nhận thấy, sau khi phân tích nhân tố, các biến OC25, OC26 đã dịch chuyển từ nhóm OC2 sang nhóm OC1 Vậy thì nhân tố 1 được đo lường bởi bảy yếu tố thành phần: OC11, OC12, OC13, OC14, OC15, OC25, OC26 vì bảy yếu tố này có hệ số tương quan với nhân tố 1 cao hơn với nhân tố 2 và nhân

tố 2 được đo lường bởi bốn yếu tố thành phần: OC21, OC22, OC23, OC24 vì các yếu tố này có hệ số tương quan với nhân tố 2 cao hơn Và ta đặt tên cho hai nhân tố mới này lần

lượt là OCF1, OCF2

Ban đầu, biến tiềm ẩn OC2 được đo lường bằng OC21, OC22, OC23, OC24, OC25, OC26 nhưng sau khi phân tích EFA thì các yếu tố thành phần OC25 và OC26

không đo lường được OC2 mà lại đo lường OC1 nên giá trị hội tụ không có

Hai thang đo đo lường hai biến khác nhau OC1 và OC2 thì phải khác nhau nhưng sau khi phân tích EFA thì OC25 và OC26 đã dịch chuyển sang đo lường OC1 cho nên

giá trị phân biệt không cao

1.2 Phân tích nhân tố khám phá EFA với khái niệm PV:

Đưa 9 biến đo lường cho PV vào phân tích EFA Kết quả ta có:

1.2a - KMO and Bartlett's Test

Bartlett's Test of Sphericity

Kết quả chạy EFA như sau:

1.2b - Total Variance Explained

Loadings

Rotation Sums of Squared

Loadings Total % of

Extraction Method: Principal Component Analysis

Tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax, ta trích được 2 nhân

tố, trong đó nhân tố 1 giải thích được 27.923% tổng biến thiên của nhân tố PV, nhân tố 2 giải thích được 20.182% tổng biến thiên của nhân tố PV

a Rotation converged in 3 iterations

Dựa vào bảng 1.2d, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy PV được đo lường

bởi 2 nhân tố, trong đó nhân tố 1 được đo lường bởi năm yếu tố thành phần: PV2, PV5, PV6, PV7, PV8 và nhân tố 2 được đo lường bởi bốn yếu tố thành phần: PV1, PV3, PV4,

PV9 Và ta đặt tên cho hai nhân tố mới này lần lược là PVF1, PVF2

Ban đầu, biến tiềm ẩn PV được đo lường bằng PV1, PV2, PV3, PV4, PV5, PV6, PV7, PV8, PV9 nhưng sau khi phân tích EFA thì từ chín yếu tố thành phần được nhóm

lại thành hai yếu tố có ý nghĩa, nên giá trị hội tụ không có

Hai thang đo đo lường hai biến khác nhau thì phải khác nhau nhưng sau khi phân tích EFA thì thang đo khái niệm nghiên cứu ban đầu không đo được mà nó tách thành hai

thang đo hai khái niệm khác nhau nên giá trị phân biệt không có

1.3 Phân tích nhân tố khám phá EFA với khái niệm MP:

Đưa toàn bộ các biến đo lường cho MP vào phân tích EFA Kết quả ta có:

1.3a - KMO and Bartlett's Test

Bartlett's Test of Sphericity

Kết quả chạy EFA như sau:

1.3b - Total Variance Explained

Loadings

Rotation Sums of Squared

Loadings Total % of

Extraction Method: Principal Component Analysis

Tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax, ta trích được 2 nhân

tố, trong đó nhân tố thứ nhất giải thích được 29.876% tổng biến thiên của nhân tố MP, nhân tố thứ hai giải thích được 16.321% tổng biến thiên của nhân tố MP

a Rotation converged in 3 iterations

Dựa vào bảng 1.3d, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy MP được đo lường

bởi 2 nhân tố, trong đó nhân tố 1 được đo lường bởi tám yếu tố: MP15,MP16, MP21,

MP22, MP23, MP24, MP25, MP26 , nhân tố 2 được đo lường bởi bốn yếu tố: MP11,

MP12, MP13, MP14 Và ta đặt tên cho hai nhân tố mới này lần lược là MPF1, MPF2

Ban đầu, khái niệm MP được đo lường bằng hai biến MP1 và MP2 và biến MP1 được đo lường bằng sáu yếu tố thành phần: MP11, MP12, MP13, MP14, MP15, MP16 và biến MP2 được đo lường bằng sáu yếu tố thành phần: MP21, MP22, MP23, MP24, MP25, MP26 Sau khi phân tích EFA thì MP vẫn được đo lường bằng 2 nhân tố mới là

MPF1 và MPF2 nên có giá trị hội tụ

Hai thang đo đo lường hai biến khác nhau MP1 và MP2 thì phải khác nhau nhưng sau khi phân tích EFA thì các yếu tố MP21, MP22, MP23, MP24, MP25, MP26 không đo lường MP2 mà đo lường MP1 và các yếu tố MP11, MP12, MP13, MP14 không đo lường

MP1 mà đo lường MP2 nên giá trị phân biệt không cao

1.4 Phân tích nhân tố khám phá EFA với khái niệm phụ thuộc P:

Đưa toàn bộ các biến đo lường cho P vào phân tích EFA Kết quả ta có:

1.4a - KMO and Bartlett's Test

Bartlett's Test of Sphericity

Kết quả chạy EFA như sau:

1.4b - Total Variance Explained

Extraction Method: Principal Component Analysis

Tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax, ta trích được 1 nhân

tố, giải thích được 55.609% tổng biến thiên của nhân tố P

Dựa vào bảng 1.4c, từ các giá trị trọng số đồng đều khoảng 0.7, chứng tỏ các biến

đo lường tương quan rất lớn với khái niệm P và giải thích được sự biến thiên của P (đều trên 0,5), nghĩa là các biến quan sát đóng góp nhiều cho biến P Ta đặt yếu tố mới này là

PF

Ban đầu biến P được đo lường bằng sáu yếu tố và sau khi phân tích EFA thì chín

yếu tố này đo lường được biến P Nên với thang đo P thì cả giá trị hội tụ và phân biệt

đều đƣợc đảm bảo

KẾT LUẬN:

Sau khi phân tích EFA cho bốn thang đo, chỉ có thang đo kết quả hoạt động của công

ty (P) là đảm bảo cả giá trị hội tụ và giá trị phân biệt

 Từ kết quả phân tích EFA ta có mô hình nghiên cứu mới sau khi đã hiệu chỉnh:

OC: Văn hóa tổ chức PV: Hệ thống giá trị của quản trị gia MP: Thực tiễn quản trị

P: Kết quả hoạt động của công ty

OC15

P4

P2 P3

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

Một số điều kiện cần quan tâm khi kiểm định thang đo bằng hệ số Cronbach Alpha bao gồm:

(1) Hệ số tương quan biến – tổng (Corrected item – total correlation) > 0,3 (Nunnally & Bernstein, 1994)

(2) Hệ số Cronbach Alpha: 0,6 ≤ Cronbach Alpha ≤ 0,95 (Nguyen, 2011; Nunnally

& Bernstein, 1994)

2.1 Kiểm định thang đo OC:

2.1.1 Kiểm định thang đo OCF1:

Thang đo OCF1 gồm 7 biến quan sát OC11, OC12, OC13, OC14, OC15, OC25, OC26

2.1.1a - Reliability Statistics

Scale Variance

if Item Deleted

Corrected Total Correlation

Item-Cronbach's Alpha if Item Deleted

Hệ số Cronbach Alpha = 8.15 >0.7 vì vậy thang đo có thể chấp nhận được về mặt

độ tin cậy (Nunnally& Bernstein 1994) Thêm vào đó, 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 Đồng thời hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total Correlation) của từng biến quan sát so với tổng các biến còn lại đều lớn hơn 0.3 vì vậy biến quan sát có mối tương quan tốt với tổng các biến còn lại

Kết luận: không cần bỏ hay thêm biến quan sát nào cho khái niệm này

2.1.2 Kiểm định thang đo OCF2:

Thang đó OCF2 gồm 4 biến OC21, OC22, OC23, OC24 Đưa các biến này vào kiểm định thang đo, kết quả như sau:

2.1.2a - Reliability Statistics

Scale Variance

if Item Deleted

Corrected Total Correlation

Item-Cronbach's Alpha if Item Deleted

lên cao nhất cũng chỉ bằng = 0.483 << 0.6 nên ta loại bỏ biến tiềm ẩn này

2.2 Kiếm định thang đo PV:

2.2.1 Kiểm định thang đo PVF1:

Thang đo PVF1 bao gồm 5 biến quan sát PV2, PV5, PV6, PV7, PV8 Kết quả kiểm định thang đo như sau:

Scale Variance

if Item Deleted

Corrected Total Correlation

Item-Cronbach's Alpha if Item Deleted

Hệ số Cronbach Alpha = 0.721 >0.7 vì vậy thang đo có thể chấp nhận được về mặt

độ tin cậy (Nunnally& Bernstein 1994) Thêm vào đó, 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 5 biến quan sát thành phần của thang đo Đồng thời hệ số tương quan biến

tổng hiệu chỉnh (Corrected Item – Total Correlation) của từng biến quan sát so với tổng các biến còn lại đều lớn hơn 0.3 vì vậy biến quan sát có mối tương quan tốt với tổng các biến còn lại

Kết luận: không cần bỏ hay thêm biến quan sát nào cho khái niệm này

2.2.2 Kiểm định thang đo PVF2:

Thang đo PVF2 bao gồm 5 biến quan sát PV1, PV3, PV4, PV9 Kết quả kiểm định thang đo như sau:

2.2.2a - Reliability Statistics

Scale Variance

if Item Deleted

Corrected Total Correlation

Item-Cronbach's Alpha if Item Deleted

Cronbach Alpha tăng lên cao nhất cũng chỉ bằng = 0.558 < 0.6 nên ta loại bỏ biến tiềm

ẩn này

2.3 Kiếm định thang đo MP:

2.3.1 Kiểm định thang đo MPF1:

Thang đo MPF1 bao gồm 8 biến quan sát MP15, MP16, MP21, MP22, MP23, MP24, MP25 và MP26

2.3.1a - Reliability Statistics

Scale Variance

if Item Deleted

Corrected Total Correlation

Item-Cronbach's Alpha if Item Deleted

Kết quả kiểm định bằng Cronbach Alpha như sau: Hệ số Cronbach Alpha = 0.827 > 0.6 vì vậy thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally& Bernstein 1994) Thêm vào đó, 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 8 biến quan sát thành phần của thang đo Đồng thời, hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total Correlation) của hai biến đều lớn hơn 0.3 vì vậy thang đo có độ tin cậy được chấp nhận

Kết luận: Chấp nhận thang đo MPF1

2.3.2 Kiểm định thang đo MPF2:

Thang đo MP2 bao gồm 8 biến quan sát MP11, MP12, MP13 và MP14 Kết quả kiểm định bằng Cronbach Alpha như sau:

2.3.2a - Reliability Statistics

Scale Variance

if Item Deleted

Corrected Total Correlation

Item-Cronbach's Alpha if Item Deleted

đo lường bằng 3 biến MP11, MP12 và MP13)

2.4 Kiếm định thang đo PF:

Thang đo PF bao gồm 6 biến quan sát P1, P2, P3, P4, P5, P6 Kết quả kiểm định bằng Cronbach Alpha như sau:

2.4a - Reliability Statistics

Scale Variance

if Item Deleted

Corrected Item otal Correlation

Cronbach's Alph if Item Deleted

Hệ số Cronbach Alpha = 0.839 > 0.7 vì vậy thang đo có độ tin cậy tốt Thêm vào

đó, hệ số Cronbach Alpha giảm khi loại bỏ bất cứ biến nào, hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total Correlation) của hai biến đều lớn hơn 0.5, vì vậy thang đo có độ tin khá tốt

Kết luận: Chấp nhận thang đo PF

KẾT LUẬN:

Sau khi phân tích nhân tố EFA và kiểm tra độ tin cậy, ta có kết quả sau:

Loại hai nhân tố OCF2, PVF2

Loại biến đo lường MP14 trong thang đo MPF2, thang đo này được đo lường bằng 3 biến quan sát MP11, MP12, MP13

Còn lại 5 biến đủ độ tin cậy đo lường là: OCF1, PVF1, MPF1, MPF2, PF

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 một chiều với biến phụ thuộc là các biến mới tìm

đƣợc khi phân tích EFA và kiểm tra độ tin cậy (OCF1, PVF1, MPF1, MPF2, PF) và biến phân loại lần lƣợt là OWN, POS, AGE, EXP

Dựa vào giá trị p-value để kết luận là chấp nhận hay bác bỏ H0 Nếu p-value < mức ý nghĩa (0,05) thì bác bỏ H0 Tức là tồn tại ít nhất hai nhóm có trung bình khác nhau

và ngược lại Nếu tồn tại ít nhất hai nhóm có trung bình khác nhau, ta thực hiện thêm Post hoc test để tìm xem cụ thể nhóm nào khác biệt với nhóm nào

Tính MEAN cho các nhân tố:

3.1 Biến phân loại OWN:

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

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

Nếu p-value < 0.05: bác bỏ H0, chấp nhận H1

Kết quả phân tích Anova như sau:

3.1a - Test of Homogeneity of Variances

- Nhân tố OCF1, PVF1 & MPF2

Từ kết quả bảng 3.1b cho kết quả Sig của các nhân tố SigOCF1 = 0.249, SigPVF1 =0.515

& SigMPF2= 0.78 đều > 0.05 nên đủ điều kiện để chấp nhận H0 , tức không có sự khác biệt giữa các loại hình doanh nghiệp

- Nhân tố MPF1

Từ bảng 3.1a cho kết quả Sig = 0.164 > 0.05 nên không có sự khác biệt về phương sai

của các nhóm

Như kết quả bảng 3.1b Sig của nhân tố MPF2 = 0.000 < 0.05 nên đủ điều kiện để bác

bỏ H0 & chấp nhận giả thuyết H1 (hay có một cặp trung bình khác nhau nhưng chưa biết cặp nào)

Để xác định sự khác nhau giữa các nhóm ta tiến hành kiểm định hậu ANOVA và kết quả như sau:

3.1c - Multiple Comparisons

Tukey HSD

Dependent Variable (I) OWN (J) OWN Mean

Difference (I-J)

Std Error Sig 95% Confidence Interval

Lower Bound Upper Bound

- Đối với nhân tố MPF1 thì:

o Phương sai sig12 = 0.031 < 0.05 nên có sự khác biệt giữa nhóm doanh nghiệp loại 1 và loại 2,

o Phương sai sai sig13 = 0.00 < 0.05 nên có sự khác biệt giữa nhóm doanh nghiệp loại 1 và loại 3,

o Phương sai sai sig14 = 0.005 < 0.05 nên có sự khác biệt giữa nhóm doanh nghiệp loại 1 và 4

- Đối với nhân tố PF thì:

o Phương sai sig13 = 0.00 < 0.05 nên có sự khác biệt giữa nhóm doanh nghiệp loại 1 và loại 3,

o Phương sai sig23 = 0.03 < 0.05 nên có sự khác biệt giữa nhóm doanh nghiệp loại 2 và loại 3

3.2 Biến phân loại POS:

Vì tiêu thức phân loại chỉ phân ra làm hai nhóm, quản lý cấp cao và quản lý cấp trung nên ta chỉ cần tìm ra các biến tiềm ẩn có khác biệt về trung bình mà không cần dùng Post hoc test

3.2a - Test of Homogeneity of Variances

Phân tích kết quả:

- Nhân tố PVF1, MPF2

Từ kết quả bảng 3.2a ta có sig của PVF1 và MPF2 lần lượt là 0.204, 0.147 đều lớn

hơn 0.05 nên không có sự khác biệt về phương sai

Từ bảng 3.2b cho kết quả phương sai của PVF1 và MPF2 lần lượt là 0.223 & 0.456 >

0.05 nên chấp nhận giả thiết H0, tức không có sự khác biệt về giá trị của quản trị gia và thực tiễn quản trị (M11, M12, M13) giữa hai cấp bậc quản lý

3.3 Biến phân loại AGE:

3.3a - Test of Homogeneity of Variances

Tương tự như phân tích ở phần trên thì ở biến phân loại AGE chỉ có nhân tố MPF2 &

PF có khác biệt nhau về trung bình giữa các nhóm, các nhóm còn lại không có sự khác biệt

Vậy có sự khác biệt về kết quả kinh doanh của công ty đối với độ tuổi của quản trị gia

và có sự khác nhau về thực tiễn quản trị (MP11, MP12, MP13) đối với độ tuổi của quản trị gia, nhưng để xác định khác nhau ở nhóm độ tuổi của quản trị gia nào thì tiến hành kiểm định hậu ANOVA:

- Đối với MPF2 không có sự khác biệt về phương sai:

Std Error Sig 95% Confidence Interval

Lower Bound Upper Bound