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

Mô hình trên được mô tả như 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

Trang 1

Trường Đại Học Kinh Tế TPHCM

Viện Đào Tạo Sau Đại Học Khoa Quản Trị Kinh Doanh

Trang 2

YÊU CẦU

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)

 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

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 lường 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

6 Xây dựng hàm tương quan với biến giả trong đó DNNN được chọn là biến cơ sở

Trang 3

MỤC LỤC

1 Thực hiện phân tích nhân tố khám phá (EFA) 4

1.1 Phân tích nhân tố khám phá EFA với khái niệm OC 6

1.2 Phân tích nhân tố khám phá EFA với khái niệm PV 8

1.3 Phân tích nhân tố khám phá EFA với khái niệm MP 10

1.4 Phân tích nhân tố khám phá EFA với khái niệm phụ thuộc P 13

2 Kiểm định độ tin cậy của thang đo 15

2.1 Kiểm định thang đo OC 15

2.2 Kiếm định thang đo PV 18

2.3 Kiếm định thang đo MP 19

2.4 Kiếm định thang đo P 22

3 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 24

4 Xây dựng hàm tương quan giữa P và các biến độc lập OC1, PVA, MP1, MP2: 35

5 Kiểm định các giả thuyết của hàm tương quan đa biến: 38

5.1 Kiểm định hiện tượng đa cộng tuyến: 38

5.2 Kiểm định hiện tượng Heteroskedascity 39

5.3 Kiểm định quan hệ tuyến tính 39

5.4 Các sai lệch ngẩu nhiên hoàn toàn độc lập với nhau về phương diện thống kê 39

5.5 Các sai lệch ngẩu nhiên có phân phối chuẩn 39

6 Xây dựng hàm tương quan với biến giả trong đó DNNN được chọn là biến cơ sở: 39

TÀI LIỆU THAM KHẢO 44

Trang 4

BÀI LÀM

1 Thực hiện phân tích nhân tố khám phá (EFA)

Mô hình lý thuyết nghiên cứu:

Hình 1: 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

Trang 5

Mô hình trên được mô tả như 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

Trước khi tiến hành phân tích dữ liệu, cần tiến hành làm sạch dữ liệu Lập bảng tần số cho tất cả các biến, rà soát để xác định các dữ liệu bị lỗi Kết quả kiểm tra có một vài số liệu bỏ trống, kết quả xử lý phía sau xem như bỏ qua các giá trị trống này Riêng đối với biến MP16, xuất hiện giá trị 12 trong bảng tần số:

Trang 6

Ta thấy trong mẫu khảo sát có một số bảng trả lời câu hỏi chưa được trả lời đầy đủ (miss một số thông tin) và biến kinh nghiệm quản lý (EXP) theo đề bài chỉ chia làm 4 bậc, từ bậc 1 đến bậc 4 nhưng trong mẫu khảo sát có tới 48 bảng trả lời câu hỏi có giá trị

5, nên cần phải làm sạch dữ liệu này bằng cách loại bỏ các bảng trả lời câu hỏi không thích hợp

Tương tự, chạy thống kê mô tả đối với các biến định lượng, sau đó loại bỏ các bảng trả lời câu hỏi không thích hợp

Sau khi làm sạch dữ liệu, 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:

Bảng 1.3: KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy .853

Kết quả chạy EFA như sau:

Bảng 1.4: Total Variance Explained

Compon

ent Initial Eigenvalues

Extraction Sums of Squared Loadings

Rotation Sums of Squared Loadings

Tot

al

% of Varian

ce

Cumulative %

Tot

al

% of Varian

ce

Cumulative %

Tot

al

% of Varian

ce

Cumulative %

Trang 8

Bảng 1.6: Rotated Component Matrix a

Extraction Method: Principal Component Analysis

Rotation Method: Varimax with Kaiser Normalization

a Rotation converged in 3 iterations

Dựa vào bảng 1.4, tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax,

ta trích được 2 nhân tố, trong đó OC1 giải thích được 30.104% tổng biến thiên của nhân

tố OC, OC2 giải thích được 17.294% tổng biến thiên của nhân tố OC

Dựa vào bảng 1.6, 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

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:

Kaiser-Meyer-Olkin Measure of Sampling Adequacy .743

Bartlett's Test of Sphericity

Approx Chi-Square 1.376E3

Giá trị KMO = 0.743 > 0.5; giá trị p = 0.000 < 5% nên kết luận các biến quan sát

đo lường các biến độc lập PV thỏa điều kiện để phân tích EFA

Trang 9

Rotation Sums of Squared

Loadings

Total

% of Variance

Cumulati

ve % Total

% of Variance

Cumulati

ve % Total

% of Variance

Trang 10

ta trích được 2 nhân tố, gọi là PVA và PVB, trong đó PVA giải thích được 27.629% tổng biến thiên của nhân tố PV, PVB giải thích được 20.150% tổng biến thiên của nhân tố PV

Dựa vào bảng 1.10, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy các biến PV2, PV5, PV6, PV7, PV8 nhóm thành một nhóm (PVA); các PV1, PV3, PV4, PV9 nhóm thành một nhóm (PVB) Như vậy, ta nhận thấy, sau khi phân tích nhân tố, biến PV từ một biến cấp 1 trở thành biến cấp 2 bao gồm 2 nhóm nhân tố PVA và PVB

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:

Kaiser-Meyer-Olkin Measure of Sampling

Bảng 1.10: Rotated Component Matrix a

Trang 11

Rotation Sums of Squared Loadings

Total

% of Variance

Cumulativ

e % Total

% of Varianc

e

Cumulative

ta trích được 2 nhân tố, trong đó nhân tố thứ nhất giải thích được 29.066% tổng biến thiên của nhân tố MP, nhân tố thứ hai giải thích được 14.542% tổng biến thiên của nhân

tố MP, nhân tố thứ ba giải thích được 10.285% tổng biến thiên của nhân tố MP

Trang 12

Dựa vào bảng 1.14, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy biến MP bao gồm

3 nhân tố:

- MP1 bao gồm các biến MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26

- MP2 bao gồm các biến MP 11, MP12

- MP3 bao gồm các biến MP13, MP14

Trang 13

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

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

Kaiser-Meyer-Olkin Measure of Sampling

Giá trị KMO = 0.847 > 0.5; giá trị p = 0.000 < 5% nên kết luận các biến quan sát

đo lường các biến P thỏa điều kiện để phân tích EFA

ta trích được 1 nhân tố, giải thích được 55.022% tổng biến thiên của nhân tố P

Trang 14

Dựa vào bảng 1.17, 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

 Từ kết quả phân tích EFA ta có mô hình nghiên cứu hiệu chỉnh như trình bày ở hình 2

Hình 2: Mô hình nghiên cứu sau khi phân tích EFA

MP: Thực tiễn quản trị P: Kết quả hoạt động của công ty

OC15 P4

P2 P3

Trang 15

 Tính giá trị các biến mới:

2 Kiểm định độ tin cậy của thang đo

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

 Kiểm định thang đo OC1:

Thang đo OC1 gồm 7 biến quan sát OC11, OC12, OC13, OC14, OC15, OC25, OC26 Ma trận hệ số tương quan của các biến được trình bày ở bảng 2.1

Bảng 2.1: Inter-Item Correlation Matrix

OC11 OC12 OC13 OC14 OC15 OC25 OC26 OC11 1.000 461 374 288 374 340 295

OC12 461 1.000 330 401 413 440 388

OC13 374 330 1.000 412 403 282 420

OC14 288 401 412 1.000 452 401 656

Trang 16

Cronbach's Alpha Cronbach's Alpha Based on

Standardized Items N of Items

Bảng 2.3: Item-Total Statistics

Scale Mean

if Item Deleted

Scale Variance if Item Deleted

Corrected Item-Total Correlation

Squared Multiple Correlation

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

 Kiểm định thang đo OC2:

Thang đó OC2 gồm 4 biến OC21, OC22, OC23, OC24 Đưa các biến này vào kiểm định thang đo, kết quả như sau:

Trang 17

OC23 178 311 1.000 139

Bảng 2.5: Reliability Statistics

Hệ số Cronbach Alpha = 0.463 << 0.6 vì vậy thang đo chưa thể chấp nhận được

về mặt độ tin cậy, cần bổ sung hoặc loại bỏ một số biến để tăng thêm độ tin cậy cho thang đo Nếu loại bỏ các biến quan sát OC24 thì làm hệ số Cronbach’s Alpha tăng lên, đồng thời hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total Correlation) của OC21 = 0.252 và OC24 =0.19 nhỏ hơn 0.3 vì vậy cần loại bỏ biến OC21 và OC24 để tăng độ tin cậy cho thang đo

Kiểm định độ tin cậy thang đo OC2 với 2 biến quan sát là OC22 và OC23 ta được kết quả sau:

Scale Mean

if Item Deleted

Kết quả cho thấy, với hai biến OC22 và OC23 hệ số Cronbach Alpha = 0.474 vẫn nhỏ hơn 0.6, do đó cần bổ sung thêm các biến mới để tăng độ tin cậy cho thang đo OC2

Trang 18

Kết luận: loại bỏ OC21 và OC24 khỏi thang đo cho OC2 đồng thời thêm các biến mới vào để đo lường OC2 đạt được độ tin cậy cao hơn

2.2 Kiếm định thang đo PV

 Kiểm định thang đo PVA:

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

PV2 1.000 301 320 190 403 PV5 301 1.000 544 298 362 PV6 320 544 1.000 341 374 PV7 190 298 341 1.000 258 PV8 403 362 374 258 1.000

Cronbach's Alpha

Cronbach's Alpha Based

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

 Kiểm định thang đo PVB:

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

Trang 19

PV1 1.000 369 158 241 PV3 369 1.000 260 260 PV4 158 260 1.000 213 PV9 241 260 213 1.000

Cronbach's Alpha

Kết luận: Xem xét loại bỏ PV4 và thêm các biến mới để tăng độ tin cậy cho thang

đo PVB

2.3 Kiếm định thang đo MP

 Kiểm định thang đo MP1:

Thang đo MP1 bao gồm 8 biến quan sát MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26 Kết quả kiểm định bằng Cronbach Alpha như sau:

MP15 MP16 MP21 MP22 MP23 MP24 MP25 MP26 MP15 1.000 447 325 313 348 349 360 409 MP16 447 1.000 352 293 292 389 372 322 MP21 325 352 1.000 461 375 359 320 370 MP22 313 293 461 1.000 305 319 330 288

Trang 20

MP23 348 292 375 305 1.000 419 343 428 MP24 349 389 359 319 419 1.000 536 391 MP25 360 372 320 330 343 536 1.000 507 MP26 409 322 370 288 428 391 507 1.000

Cronbach's Alpha

Cronbach's Alpha Based

on Standardized Items

N of Items

Scale Mean

if Item Deleted

Hệ số Cronbach Alpha = 0.822 > 0.7 vì vậy thang đo có độ tin cậy tốt Thêm vào

đó, hệ số Cronbach Alpha giảm khi loại bỏ bất kỳ biến nào ra khỏi 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 rất tốt

Kết luận: Chấp nhận thang đo MP1

Thang đo MP2 bao gồm 2 biến quan sát MP11 và MP12 Kết quả kiểm định bằng Cronbach Alpha như sau:

Trang 21

Cronbach's Alpha Based on Standardized

Hệ số Cronbach Alpha = 0.615 > 0.6 vì vậy thang đo có độ tin cậy chấp nhận được Thêm vào đó, 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 MP2

Thang đo MP3 bao gồm 2 biến quan sát MP13, MP14 Kết quả kiểm định bằng Cronbach Alpha như sau:

Items

N of Items

Trang 22

Scale Mean

if Item Deleted

Hệ số Cronbach Alpha = 0.4 << 0.6 vì vậy thang đo có độ tin cậy chưa chấp nhận được Thêm vào đó, hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total Correlation) của hai biến đều lớn hơn 0.3, hệ số tương quan giữa hai biến đều nhỏ 0.3 vì vậy thang đo có độ tin chưa chấp nhận được Cần thêm biến mới để tăng độ tin cậy của thang đo

Kết luận: Thêm biến mới để tăng độ tin cậy cho thang đo

2.4 Kiếm định thang đo P

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

P1 1.000 544 531 373 433 373 P2 544 1.000 493 383 387 390 P3 531 493 1.000 478 472 471 P4 373 383 478 1.000 578 448 P5 433 387 472 578 1.000 541 P6 373 390 471 448 541 1.000

Cronbach's Alpha

Định dạng
Số trang	44
Dung lượng	1,42 MB