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.. Thực hiện phân tích anova một chiều để tìm s
Trang 1BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP HCM VIỆN ĐÀO TẠO SAU ĐẠI HỌC
Trang 2Bài 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
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 3BÀI LÀM
Câu 1: Thực hiện phân tích khám phá EFA và tính giá trị các biến mới
1.1 Phân tích nhân tố tổ chức OC:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .853
Bartlett's Test of Sphericity
Approx Chi-Square 2613.931
Nhận xét:
0.5<KMO=.853<1: đủ điều kiện để phân tích nhân tố
Sig=0<0.5: không phải là ma trận đơn vị, các biến có tương quan trong tổng thể nên thực hiện được EFA
Correlation Matrix
OC11 OC12 OC13 OC14 OC15 OC21 OC22 OC23 OC24 OC25 OC26 Correlation OC11 1.000 461 374 288 374 168 345 247 050 340 295
OC12 1.000 330 401 413 134 301 190 035 440 388 OC13 1.000 412 403 180 375 394 089 282 420 OC14 1.000 452 074 263 184 -.039 401 656 OC15 1.000 149 473 291 087 294 401
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared
Loadings
Rotation Sums of Squared Loadings
Trang 4Theo tiêu chuẩn Eigenvalue >1 thì có 2 nhân tố được rút ra
Trong tổng biến thiên 11 biến quan sát thì cho biết 2 nhân tố giải thích được 47.398% biến
thiên của các biến quan sát
Rotated Component Matrix a
Trang 5OC14, OC15, OC 25, OC26.
Biến tiềm ẩn OCF2 đặt tên là Văn hóa tổ chức 2 Kí hiệu X2 gồm: OC21, OC22, OC23,
1.2 Phân tích hệ thống giá trị quản trị gia
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .743
Bartlett's Test of Sphericity
Approx Chi-Square 1375.870
Nhận xét:
0.5<KMO=.743<1: đủ điều kiện để phân tích nhân tố
Sig=0<0.5: không phải là ma trận đơn vị, các biến có tương quan trong tổng thể nên thực hiện được EFA
Correlation Matrix
Correlation
PV2 1.000 -.049 403 218 -.010 301 320 190 079 PV4 1.000 -.090 153 262 -.082 -.097 035 219
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared
Trang 6Theo tiêu chuẩn Eigenvalue >1 thì có 2 nhân tố được rút ra
Trong tổng biến thiên 9 biến quan sát thì cho biết 2 nhân tố giải thích được 47.779% biến thiên của các biến quan sát
Rotated Component Matrix a
1.3 Phân tích Thực tiễn quản trị MP
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .866
Bartlett's Test of Sphericity
Approx Chi-Square 2719.196
Trang 7Nhận xét:
0.5<KMO=.866<1: đủ điều kiện để phân tích nhân tố
Sig=0<0.5: không phải là ma trận đơn vị, các biến có tương quan trong tổng thể nên thực
hiện được EFA
MP11 MP12 MP13 MP14 MP15 MP16 MP21 MP22 MP23 MP24 MP25 MP26 Correlation MP11 1.000 447 287 043 197 187 200 240 180 279 268 249
MP12 1.000 361 111 258 267 213 235 195 325 319 234 MP13 1.000 252 253 187 158 181 200 246 299 267 MP14 1.000 076 055 005 064 043 126 083 087 MP15 1.000 434 325 313 348 349 360 409 MP16 1.000 328 270 275 360 343 309
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared
Trang 8Nhận xét:
Theo tiêu chuẩn Eigenvalue >1 thì có 2 nhân tố được rút ra
Trong tổng biến thiên 12 biến quan sát thì cho biết 3 nhân tố giải thích được 53.581% biến thiên của các biến quan sát
Rotated Component Matrix a
Biến tiềm ẩn MP2 đặt tên là Thực tiễn quản trị 2 Kí hiệu X6 bao gồm: MP11, MP12
Biến tiềm ẩn MP1 đặt tên là Thực tiễn quản trị 3 Kí hiệu X7 bao gồm: MP13,
MP14
1.4 Phân tích kết quả hoạt động kinh doanh P:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .847
Bartlett's Test of Sphericity
Approx Chi-Square 1958.847
Nhận xét:
Trang 90.5<KMO=.847<1: đủ điều kiện để phân tích nhân tố
Sig=0<0.5: không phải là ma trận đơn vị, các biến có tương quan trong tổng thể nên thực hiện được EFA
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
Theo tiêu chuẩn Eigenvalue >1 thì có 1 nhân tố được rút ra
Trong tổng biến thiên 6 biến quan sát thì cho biết 1 nhân tố giải thích được 55.022% biến thiên của các biến quan sát
Trang 10Câu 2: Thực hiện kiểm tra độ tin cậy của đo lường bằng hệ số cronbach anpha
Các thang đo được kiểm định độ tin cậy bằng công cụ Cronbach’s Alpha Công cụ này cũng giúp loại đi những biến quan sát, những thang đo không đạt Các biến quan sát có hệ
số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbach’s Alpha từ 0.6 trở lên (Nunnally và Burnstein, 1994)
2.1 Đối với thành phần khái niệm X1:
Thực hiện Cronbach's Alpha cho X1 từ OC11, OC12, OC13, OC14, OC15, OC25, OC26:
Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha Based on Standardized Items
N of Items
Trang 11Item-Squared Multiple Correlation
Cronbach's Alpha if Item Deleted
Do đó các nhân tố này đủ độ tin cậy để thực hiện các đo lường tiếp theo
2.2 Đối với thành phần khái niệm X2:
Thực hiện Cronbach's Alpha cho X2 từ OC21, OC22, OC23, OC24
Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha Based on Standardized Items
Item-Squared Multiple Correlation
Cronbach's Alpha if Item Deleted
Trang 12Hệ số tương quan biến tổng của biến OC21 và OC24 đều nhỏ hơn 0.3, trong đó OC24 nhỏ nhất là 0.190 nên ta loại biến này do đó nhân tố này không đủ độ tin cậy để thực hiện các đo lường tiếp theo
Sau khi loại biến OC24 hệ số Cronchbach’s Alpha là 0.467 <0.6 không thỏa điều kiện Quan sát bảng bên dưới ta thấy nếu tiếp tục loại OC21 thì hệ số Cronchbach’s Alpha vẫn không lớn hơn 0.6 nên ta loại biến X2
2.3 Đối với thành phần khái niệm X3:
Thực hiện Cronbach's Alpha cho X3 từ PV2, PV5, PV6, PV7, PV8
Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha Based on Standardized Items
Item-Squared Multiple Correlation
Cronbach's Alpha if Item Deleted
Các hệ số tương quan biến tổng của các biến PV2, PV5, PV6, PV7, PV8 đều lớn hơn 0.3
Do đó các nhân tố này đủ độ tin cậy để thực hiện các đo lường tiếp theo
2.4 Đối với thành phần khái niệm X4:
Thực hiện Cronbach's Alpha cho X4 từ PV1,PV3,PV4,PV9
Reliability Statistics
Trang 13Cronbach's
Alpha
Cronbach's Alpha Based on Standardized Items
Item-Squared Multiple Correlation
Cronbach's Alpha if Item Deleted
Hệ số tương quan biến tổng của biến PV4 nhỏ hơn 0.3 Nếu loại biến này hệ số
Cronchbach’sAlpha sẽ còn 0.548 vẫn nhỏ hơn 0.6 Do đó các nhân tố này không đủ độ tin cậy để thực hiện các đo lường tiếp theo nên ta loại X4
2.5 Đối với thành phần khái niệm X5:
Thực hiện Cronbach's Alpha cho X5 từ MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26
Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha Based on Standardized Items
Item-Squared Multiple Correlation
Cronbach's Alpha if Item Deleted
Trang 14Do đó các nhân tố này đủ độ tin cậy để thực hiện các đo lường tiếp theo
2.6 Đối với thành phần khái niệm X6:
Thực hiện Cronbach's Alpha cho X6 từ MP11, MP12
Item-Squared Multiple Correlation
Cronbach's Alpha if Item Deleted
Hệ số Cronbach’s Alpha = 0.615 >0.6
Các hệ số tương quan biến tổng của các biến MP11, MP12 đều lớn hơn 0.3
Do đó các nhân tố này đủ độ tin cậy để thực hiện các đo lường tiếp theo
2.7 Đối với thành phần khái niệm X7:
Thực hiện Cronbach's Alpha cho X7 từ MP13, MP14
Trang 15Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha Based on Standardized Items
Item-Squared Multiple Correlation
Cronbach's Alpha if Item Deleted
Vì biến tiềm ẩn này chỉ có 2 thành phần và hệ số Cronchbach’s Alpha là 0.400 < 0.6 không thỏa điều kiện nên ta loại biến này
2.8 Đối với thành phần khái niệm X8:
Thực hiện Cronbach's Alpha cho X8 từ P1,P2,P3,P4,P5,P6
Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha Based on Standardized Items
Item-Squared Multiple Correlation
Cronbach's Alpha if Item Deleted
Trang 16Hệ số Cronbach’s Alpha = 0.836 >0.6
Các hệ số tương quan biến tổng của các biến P1,P2, P3, P4, P5, P6 đều lớn hơn 0.3
Do đó các nhân tố này đủ độ tin cậy để thực hiện các đo lường tiếp theo
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
3.1 Phân tích phương sai một chiều
Sau khi phân tích EFA và Cronbach’s Alpha ta chỉ còn 4 nhân tố để thực hiện các bước tiếp theo là các biến X1, X3, X5, X6
3.1.1 Các biến tiềm ẩn với OWN
Kiểm định Levene từ bảng Test of Homogeneity of Variances xét xem có phương sai đồng nhất không: có 2 trường hợp như sau:
- Thứ nhất là :
Các biến có mức ý ngh a > 0.05, có thể nói phương sai đồng nhất với các biến X3, X5 giữa 4 nhóm doanh nghiệp không khác nhau có ý ngh a thống kê, kết quả của phân tích ANOVA có thể sử dụng được
Với độ tin cậy 95%, kết quả phân tích ANOVA đối với 2 biến X3 và X5 có kết quả như sau: với mức ý ngh a quan sát của biến X3 > 0.05, thì có thể nói chưa có sự khác biệt về kết quả kinh doanh đối với X3 giữa những nhóm công ty khác nhau Đối với biến X5 có sự khác biệt có ý ngh a giữa DNNN, Liên doanh, công ty tư nhân, doanh nghiệp gia đình Tuy nhiên ta chưa biết được có sự khác biệt giữa các doanh nghiệp nào nên ta dùng bảng Post
hoc test đối với biến X5
Dependent
Variable
(I) OWN
(J) OWN
Mean Difference (I-J) Std Error Sig
95% Confidence Interval Lower Bound
Upper Bound
3 -.33293* 06843 000 -.5138 -.1520
4 -.22569* 07123 009 -.4140 -.0374
Trang 17Ta thấy biến có sự khác biệt giữa nhóm DNNN với công ty tư nhân và DNNN với doanh nghiệp gia đình Và bảng cũng cho thấy giá trị khác biệt trung bình kết quả kinh doanh của nhóm Doanh nghiệp nhà nước với với công ty tư nhân, doanh nghiệp gia đình lần lược là 0.33293 và 0.22569
- Thứ hai là:
Các biến X1, X6 có mức ý ngh a < 0.05, có thể nói phương sai kết quả kinh doanh không đồng nhất với các X6 giữa 4 nhóm doanh nghiệp có khác nhau có ý ngh a thống kê, trường hợp này không kiểm định ANOVA được
3.1.2 Các biến tiềm ẩn với POS:
Tương tự ta cũng xem xét có phương sai đồng nhất không, có hai trường hợp:
- Thứ nhất là:
Các biến có mức ý ngh a >0.05 , có thể nói phương sai đồng nhất với các biến X6, X3, X5 giữa 2 nhóm cấp bậc quản lý không khác nhau có ý ngh a thống kê, kết quả của phân tích ANOVA có thể sử dụng được
Với độ tin cậy 95 , kết quả phân tích ANOVA có kết quả như sau: mức ý ngh a quan sát của các biến X3, X6 lớn hơn 0.05, thì có thể nói chưa có sự khác biệt về kết quả kinh doanh giữa 2 nhóm cấp quản lý
- Thứ hai là:
Biến X5 có mức ý ngh a là 0.00< 0.05 nên có sự khác biệt có ý ngh a giữa kết quả kinh doanh giữa 2 nhóm cấp quản lý là quản lý cấp cao và quản lý cấp trung Trong trường hợp này ta không cần kiểm tra Post Hoc test do chỉ có 2 nhóm cấp quản lý
Biến X1 có mức ý ngh a nhỏ hơn 0.05, thì có thể nói phương sai kết quả kinh doanh không đồng nhất với X1 giữa 2 nhóm quản lý, trường hợp này ta không đủ điều kiện kiểm định ANOVA
3.1.3 Các biến tiềm ẩn với AGE
Tương tự ta cũng xem xét có phương sai đồng nhất không, có hai trường hợp:
- Thứ nhất là:
Trang 18Các biến có mức ý ngh a > 0.05, thì có thể nói phương sai đồng nhất với các biến X1,X3, X5 giữa 4 nhóm tuổi không khác nhau có ý ngh a thống kê, kết quả của phân tích ANOVA có thể sử dụng được
Với độ tin cậy 95%, kết quả phân tích ANOVA có kết quả như sau: mức ý ngh a quan sát của các biến X1,X3, X5 đều lớn hơn 0.05, thì có thể nói chưa có sự khác biệt về kết quả kinh doanh đối với X1,X3, X5 giữa những người thuộc các nhóm tuổi khác nhau
Trong trường hợp này cũng không thể kiểm tra Post Hoc test được do có một nhóm
là nhóm 4 chỉ có 1 trường hợp quan sát
- Thứ hai là:
Biến X6 có mức ý ngh a < 0.05, thì có thể nói phương sai kết quả kinh doanh không đồng nhất với các X6 giữa 4 nhóm tuổi có khác nhau có ý ngh a thống kê, trường hợp này ta không thể dùng kiểm định ANOVA
3.1.4 Các biến tiềm ẩn với EXP
Tương tự ta cũng xem xét có phương sai đồng nhất không, có hai trường hợp:
- Thứ nhất là:
Các biến X1, X3 có mức ý ngh a > 0.05, thì có thể nói phương sai đồng nhất với các biến X1, X3 giữa 4 nhóm bậc kinh nghiệm không khác nhau có ý ngh a thống kê, kết quả của phân tích ANOVA có thể sử dụng được
Với độ tin cậy 95 , kết quả phân tích ANOVA có kết quả như sau: mức ý ngh a quan sát của các biến X1,X3 lớn hơn 0.05, thì có thể nói chưa có sự khác biệt về kết quả kinh doanh đối với X1,X3 giữa 4 nhóm bậc kinh nghiệm
- Thứ hai là:
Biến X6 có mức ý ngh a nhỏ hơn 0.05, thì có thể nói phương sai kết quả kinh doanh không đồng nhất với các X6 giữa 4 nhóm bậc kinh nghiêm khác nhau có ý ngh a thống kê, trường hợp này ta không thể dùng kiểm định ANOVA
3.2 Thực hiện phân tích anova hai chiều với biến OWN và POS
Thực hiện Anova 2 chiều với biến Phụ thuộc P và 2 biến định tính OWN và POS
Kết quả phân tích anova hai chiều: