Bài tập nhóm phân tích dữ liệu

Bài tập nhóm: phân tích mỗi quan hệ dữ liệu 1. Kiểm tra thang đo: dùng phân tích nhân tố khám phá 2. Phân tích hồi quy mối quan hệ KINH TẾ LƯỢNG Kinh tế lượng ước lượng các mối quan hệ kinh tế và quản lý. Kiểm định giả thuyết về các hành vi kinh tế và quản lý. Dự báo. MÔ HÌNH KINH TẾ LƯỢNG Mô hình nhân quả: Y=f(x1,x2…) Ví dụ : AB. • A phải xảy ra trước B • A và B có thể xảy ra ở 2 không gian khác nhau. • Quan hệ giữa A và B chỉ có thể giải thích bằng chính A và B, không thể giải thích bằng một biến C nào đó.

BÀI TẬP NHÓM PHÂN TÍCH DỮ LIỆU Bài tập nhóm: phân tích mỗi quan hệ dữ liệu

1 Kiểm tra thang đo: dùng phân tích nhân tố khám phá

2 Phân tích hồi quy mối quan hệ

KINH TẾ LƯỢNG

Kinh tế lượng ước lượng các mối quan hệ kinh tế và quản lý

Kiểm định giả thuyết về các hành vi kinh tế và quản lý

Dự báo

MÔ HÌNH KINH TẾ LƯỢNG

Mô hình nhân quả:

Y=f(x1,x2…)

Ví dụ :

AB

 A phải xảy ra trước B

 A và B có thể xảy ra ở 2 không gian khác nhau

 Quan hệ giữa A và B chỉ có thể giải thích bằng chính A và B, không thể giải thích bằng một biến C nào đó

Mô hình chuỗi thời gian :

Y=f(t)

DỮ LIỆU

 Dữ liệu chéo.

 Dữ liệu chuỗi thời gian

 Dữ liệu bảng

NGHIÊN CỨU THỰC NGHIỆM

Vấn đề nghiên cứu: Câu hỏi nghiên cứu

Thực tiễn Lý thuyết

Lý thuyết kinh tế, kinh nghiệm, nghiên cứu khác

Thiết lập mô hình

Ước lượng mô hình

Kiểm định giả thuyết

Thiết lập lại mô hình Diễn dịch kết quả

Các quyết định về

CÁC CHIẾN LƯỢC XÂY DỰNG MÔ HÌNH

Tổng quát Đơn giản

DẤU HIỆU MÔ HÌNH KHÔNG TỐT

 Không dựa trên cơ sở lý thuyết (Không bao giờ dùng kết quả thống kê để nói lại lý thuyết)

 Không đảm bảo các giả thiết của mô hình hồi qui

 Có đa cộng tuyến.

 Không đảm bảo kiểm định t và F

 R2 không cao

CÁC SAI LẦM TRONG XÁC ĐỊNH MÔ HÌNH

 Chọn sai biến

 Thiếu biến quan trọng

 Thừa biến không quan trọng

 Chọn sai dạng hàm

 Cầu trúc của sai số ɛ không tuân theo các giả thiết

 Phương sai thay đổi

 Tương quan chuỗi

HƯỚNG NGHIÊN CỨU

 Mô tả

 Nhân quả

PHÂN TÍCH DỮ LIỆU

 Phân tích thông kê mô tả

 Mẫu không đạt, có sự sai lệch thì phải đưa vào phần Hạn chế

 Dùng trong phân tích định lượng

 Nhận xét bằng cách diễn đạt có ý nghĩa (không chỉ thể hiện nhiều bảng)

 Phân tích kết quả không kê/ý nghĩa kinh tế của mô hình kinh tế lượng

CÁC GIẢ THIẾT CỦA MÔ HÌNH HỒI QUI TUYẾN TÍNH

Không lo quá, vì phần lớn là TRUE

LỰA CHỌN BIẾN ĐỘC LẬP VÀ BIẾN PHỤ THUỘC.

Thang đo có nhiều biến quan sát, không được có 1 biến quan sát

KÍCH THƯỚC MẪU

 Hồi quy đơn giản: 20

 Hồi quy đa biến: 50-100

 Quy tắc thực hành: tỷ kệ số khảo sát/số biến = 5:1

OLS = Phương pháp bình phương tực tiểu

Cực tiểu sự chênh lệch

R2 càng cao thì mô hình càng tốt, ít nhất >0,8

Standard Error: độ lệch chuẩn của các ước lượng (bi)

Intercept: tung độ góc (điểm đường thẳng cắt trục tung)

Phải kiểm tra tính phân phối chuẩn của dữ liệu (đưa vào phụ lục)

Nhận xét về độ mạnh của các biến Chỉ được nhận xét với mẫu đã lấy thì ta được độ mạnh như vậy Dưới góc nhìn nghiên cứu thì không cần quan tâm độ mạnh mà chỉ quan tâm là biến số có ảnh hưởng về mặt thống kê hay không

ĐA CỘNG TUYẾN

Kiểm tra đa cộng tuyến

Collinearity Diagnostics a

Mode

l

Dimensio

n

Eigenval ue

Condition Index

Variance Proportions (Constan

t)

experie n

score

1

a Dependent Variable: salary

Khi bỏ biến:

 Bỏ biến ít quan trọng hơn dựa vào lý thuyết, dựa vào bài báo (nên làm)

 Hoặc dựa vào thống kê bỏ biến ít ảnh hưởng hơn.

 Nên chỉnh ngay từ đầu sẽ tốt hơn là phải lý luận sau này

Quy trình phân tích

1 Nhập dữ liệu

Đối với câu hỏi chéo (hỏi ngược) thì chỉ dùng để kiểm tra, nếu gần như nhau thì OK VD: đồng ý và rất đồng ý

2 Phân tích ban đầu tập dữ liệu

Mode: giá trị có tần số cao nhất.

|Skewness| <= 3 Kurtosis <= 10

Làm luận văn chỉ sử dụng cái này thôi, cái sau không cần thiết

Sig là P value <0.05 tức là khác xa phân phối chuẩn.

PHÂN TÍCH NHÂN TỐ

Factor Analysis

Là kỹ thuật dựa trên sự phân tích quan hệ giữa các biến số

Có 2 dạng:

- Exploratory Factor Analysis (EFA)

Khám phá cấu trúc bên dưới của các biến số để giải thích quan hệ giữa các biến số

- Confimatory Factor Analysis (CFA)

o Xác nhận xấu trúc lý thuyết của các khái niệm và quan hệ giữa các khái nhiệm

o Đánh gái mức độ phù hợp của cấu trúc (mô hình) với dữ liệu

Khi xây dựng thang đo phải làm:

- Định nghĩa khái niệm

- Các biến quan sát

- Đánh giá chất lượng nội dung/ngôn từ

- Lấy mẫu nhỏ để kiểm chứng thang đo

Exploratory Factor Analysis (EFA)

Thang đo Reflexive: yếu tổ thể hiện thang đo.

Các biến phải có tương quan vì cùng thể hiện một khái niệm CFA giúp xác định mức độ tương quan giữa tất cả các biến, nếu có biến tương quan ít với các biến còn lại thì bỏ đi

CFA giúp tìm ra Nhân tố (Factor) thực sự điều khiển các yếu tố nghiên cứu Nếu có nhân tố này thì ra sẽ tự đặt tên cho nhân tố đó

CFA giúp xác nhận các yếu tố nằm như vậy là đúng hay chưa Giúp xác định có mối quan hệ của Khái niệm này với Khái niệm khác hay không?

Nếu 1 yếu tố của Khái niệm này lại có tương quan cao với các yếu tố của Khái niệm khác thì ta phải đặt tên lại cho Khái niệm đã thêm yếu tố có tương quan

vào Sau đó tạo thành Mô hình đã điều chỉnh.

Formative scale: yếu tố cấu thành thang đo.

Cách đánh số là liên tiếp: A1, A2, A3, CL4 CL5, TM6, TM7, TM8

Confimatory Factor Analysis (CFA) chạy sau khi chạy EFA

Xác nhận cấu trúc mô hình thang đo, mối quan hệ giữa các Khái niệm