CHƯƠNG 6 phân tích dữ liệu

CHƯƠNG 6 phân tích dữ liệu CHƯƠNG 6 phân tích dữ liệu CHƯƠNG 6 phân tích dữ liệu CHƯƠNG 6 phân tích dữ liệu CHƯƠNG 6 phân tích dữ liệu CHƯƠNG 6 phân tích dữ liệu CHƯƠNG 6 phân tích dữ liệu CHƯƠNG 6 phân tích dữ liệu CHƯƠNG 6 phân tích dữ liệu

Trang 1

CHƯƠNG 6

PHÂN TÍCH DỮ LIỆU

Trang 2

PHÂN TÍCH DỮ LIỆU

4 kỹ thuật phân tích dữ liệu:

- Phân tích thống kê mô tả

- Kiểm định giả thuyết thống kê

- Phân tích tương quan và hồi quy

- Phân tích nhân tố

Trang 3

6.1 Phân tích thống kê mô tả

6.1.1 Phân tích thống kê mô tả cho 1 biến

 Biến định tính (định danh và thứ bậc)

- Bảng tần số

- Biểu đồ (dạng cột/thanh, biểu đồ hình tròn)

Trang 5

Bảng tần số

Trang 7

Biểu đồ dạng thanh

Trang 8

Biểu đồ hình tròn thường được dùng để biểu hiện kết cấu và biến động cơ cấu của hiện tượng

Biểu đồ

Trang 9

- Tổng số các số liệu có giá trị tổng không đổi

Trang 10

6.1.1 Phân tích thống kê mô tả cho 1 biến

 Biến định lượng

- Bảng tần số

- Các đại lượng thống kê mô tả

- Biểu đồ (dạng cột liền – Histogram, đường gấp khúc – line, biểu đồ Hộp và Râu – Box and Whisker)

Trang 11

Các đại lượng thống kê mô tả

- Các đại lượng đo lường mức độ tập trung: trung bình (mean), trung vị (median), số mode, tứ phân

vị (quartiles)…

- Các đại lượng đo lường mức độ phân tán: khoảng biến thiên (range), phương sai (variance), độ lệch chuẩn (standard deviation)

- Các đại lượng mô tả phân phối: hệ số Skewness

và hệ số Kurtosis

Trang 12

Có 3 loại biểu đồ được sử dụng đối với biến định lượng:

- Biểu đồ dạng phân phối tần số (Histogram)

- Biểu đồ đường gấp khúc (line)

- Biểu đồ Hộp và Râu (Box and Whisker)

Biểu đồ

Trang 13

Biểu đồ Histogram

Trang 14

- Đây là loại đồ thị thống kê biểu hiện bằng một

đường gấp khúc nối liền các điểm trên một hệ

trục tọa độ, thường là hệ tọa độ vuông góc

- Ứng dụng: dùng để phân tích quá trình phát triển (tăng, giảm)

Biểu đồ đường gấp khúc

Trang 16

- Biểu đồ Box – and – Whisker, hay còn gọi là biểu

đồ Hộp và Râu cho ta một hình ảnh trực quan về

vị trí, độ phân tán, dạng hình, độ dài đuôi và các giá trị bất thường (outliers) của phân phối

- Biểu đồ hộp thể hiện tóm tắt 5 giá trị thống kê

của một phân phối, đó là trung vị (median), hai tứ phân vị trên và dưới (the upper and lower

quartiles) và các giá trị quan sát lớn nhất và nhỏ nhất

Biểu đồ Box – and - Whisker

Trang 18

Các thành phần chủ yếu:

- Hộp hình chữ nhật chứa đựng 50% các giá trị dữ liệu

- Đường thẳng ở giữa hộp là giá trị trung vị

- Hai lề của hộp thể hiện hai giá trị tứ phân vị thứ 1

và thứ 3 (tương ứng với giá trị thứ 25% và giá trị thứ 75% của dãy số liệu

- Các râu kéo dài từ lề phía trên và phía dưới của hộp thể hiện giá trị lớn nhất và giá trị nhỏ nhất

Trang 19

- Biểu đồ hộp phù hợp để biểu diễn cho cả biến có phấn phối chuẩn và biến không phải phân phối chuẩn

- Cách thực hiện: từ thanh Menu, chọn

Graphs/Boxplot

Trang 20

6.1.2 Phân tích thống kê mô tả cho mối quan hệ giữa hai biến trở lên

 Bảng kết hợp các biến định tính

+ Bảng kết hợp 2 biến định tính

+ Bảng kết hợp 3 biến định tính

 Bảng kết hợp biến định tính và biến định lượng

+ 1 biến định tính và 1 biến định lượng

+ 2 biến định tính và 1 biến định lượng

Trang 21

Bảng kết hợp hai biến định tính

- Dùng bảng Crosstabs

+ Từ thanh Menu, chọn Analyze/Descriptive

Statistics/Crosstabs

+ Row(s): ô chứa biến dòng khi truy xuất bảng dữ liệu

+ Column(s): ô chứa biến cột khi truy xuất bảng dữ liệu

+ Nhấp chọn Cells… để tính toán các giá trị % theo cột và

% theo dòng

Trang 22

- Dùng bảng Basic Tables

+ Từ thanh Menu, chọn Analyze/Tables/Basic Tables

+ Down: ô chứa biến nằm trên dòng khi truy xuất bảng

dữ liệu

+ Across: ô chứa biến sẽ phân tách thành các cột

+ Nhấp chọn hộp thoại Statistics để tính toán các giá trị Row% (% theo dòng), Col% (% theo cột)

Trang 23

- Dùng bảng General Tables

+ Từ thanh Menu, chọn Analyze/Tables/General Tables

+ Rows: ô chứa biến dòng

+ Columns: ô chứa biến cột

+ Edit Statistics: chọn các hàm thống kê Row%, Col%

Trang 24

- Dùng bảng Custom Tables

+ Trên thanh Menu, chọn Analyze/Tables/Custom Tables

+ Rows: ô chứa biến dòng (lựa chọn biến bằng cách kéo thả)

+ Columns: ô chứa biến cột (lựa chọn biến bằng cách kéo thả)

+ Chọn hộp thoại Summary Statistics để tính toán các giá trị thống kê Row%, Col%

+ Chọn hộp thoại Catagories and Total để thể hiện giá trị Tổng

Trang 25

+ Rows: ô chứa biến dòng (lựa chọn biến bằng cách kéo thả)

+ Columns: ô chứa biến cột (lựa chọn biến bằng cách kéo thả)

+ Tùy thuộc vào cách thức thể hiện bảng mà ta chọn 2 biến ở Rows hoặc 2 biến ở Columns

Bảng kết hợp ba biến định tính

Trang 26

Bảng kết hợp một biến định tính và một biến định lượng

+ Chọn biến định lượng vào ô Rows

+ Chọn biến định tính vào ô Columns

- Lưu ý: khi sử dụng các bảng này để phân tích mối quan hệ giữa 1 biến định tính và 1 biến định lượng, không tính tần

số mà còn tính toán các giá trị trung bình và độ lệch chuẩn (phân phối chuẩn), giá trị trung vị, giá trị cực đại, giá trị

cực tiểu và khoảng biến thiên (phân phối không chuẩn)

Trang 27

+ Chọn biến định lượng vào ô Rows

+ Chọn các biến định tính vào ô Columns hoặc 1 biến vào

ô Columns và 1 biến vào ô Rows tùy theo cách thức thể hiện bảng

+ Chọn hộp thoại Summary Statistics để tính toán các giá trị thống kê tần số (count) và trung bình (mean)

Bảng kết hợp hai biến định tính và một biến định lượng

Trang 28

Các khái niệm cơ bản dùng trong kiểm định

- Giả thuyết trơ: thường được kí hiệu là H0

- Giả thuyết nghiên cứu: Là câu trả lời giả định cho câu hỏi nghiên cứu (dựa trên những gì đã biết) Việc bác bỏ giả thuyết không sẽ dẫn đến việc

chấp nhận giả thuyết nghiên cứu, thường được kí hiệu là H1

6.2 Kiểm định giả thuyết

Trang 29

Các loại sai lầm trong kiểm định giả thuyết thống kê

- Sai lầm loại I (type I error)

+ Là loại sai lầm mà chúng ta phạm phải trong việc bác

bỏ giả thuyết H 0 khi H 0 đúng

+ Xác suất của việc bác bỏ H 0 khi H 0 đúng là xác suất của sai lầm loại I và được ký hiệu là α

- Sai lầm loại II (type II error)

+ Là loại sai lầm mà chúng ta phạm phải khi không bác

bỏ giả thuyết H 0 khi H 0 sai

+ Xác suất của việc không bác bỏ H 0 khi H 0 sai là xác suất sai lầm loại II và được ký hiệu là β

Trang 30

Không bác bỏ

(chấp nhận)

Prob = α P(bác bỏ H 0 /H 0 đúng) = α

Quyết định đúng

Prob = 1 – β P(bác bỏ H 0 /H 0 sai) = 1 - β

Quyết định đúng

Prob = 1 – α P(không bác bỏ H0/H0 đúng) = 1 - α

Sai lầm loại II

Prob = β P(không bác bỏ H 0 /H 0 sai) = β

Trang 31

Kiểm định một bên

- Kiểm định 1 bên: Khi giả thuyết nghiên cứu H1 có tính chất 1 phía (one – sided) thì việc kiểm định được gọi là kiểm định 1 bên

- Kiểm định 1 bên có 2 loại:

+ Kiểm định bên trái

+ Kiểm đinh bên phải

Trang 34

- Kiểm định 2 bên: Khi giả thuyết nghiên cứu H1 có tính chất 2 phía (two – sided) thì việc kiểm định được gọi là kiểm định 2 bên

Trang 35

- Là giá trị xác suất sai lầm loại I (α) tối đa cho

phép khi tiến hành kiểm định

- Việc lựa chọn giá trị của α lớn hay bé là tùy thuộc vào mức độ tổn thất mà nhà nghiên cứu có thể

“chịu đựng” nếu sai lầm loại I xảy ra

- Đại lượng α được gọi là mức ý nghĩa kiểm định và

1 – α là độ tin cậy của kiểm định

Mức ý nghĩa kiểm định

Trang 36

Quy trình kiểm định giả thuyết thống kê

- Bước 1: Thành lập giả thuyết không H0

Trang 37

- Bước 5: Tính toán các giá trị của các tham số

thống kê trong việc kiểm định dựa trên số liệu của mẫu ngẫu nhiên

- Bước 6: Ra quyết định: Nếu các giá trị tính toán

rơi vào miền bác bỏ giả thuyết H0 thì ra quyết định bác bỏ, ngược lại sẽ chấp nhận giả thuyết H0

Quy trình kiểm định giả thuyết thống kê

Trang 38

- Giá trị Sig là xác suất phạm sai lầm loại I, như vậy

nó có cùng ý nghĩa với mức ý nghĩa α

- Nếu giá trị Sig nhỏ hơn mức ý nghĩa α, giả thuyết

Trang 39

Kiểm định mối liên hệ giữa hai biến

- Kiểm định Chi bình phương

Dùng để kiểm định mối liên hệ giữa hai biến định tính (2 biến định danh hoặc giữa biến định danh – biến thứ bậc) trong tổng thể

+ Cho biết có tồn tại mối liên hệ giữa hai biến hay không + Giả thuyết H 0 : hai biến độc lập với nhau

Giả thuyết H 1 : hai biến có liên hệ với nhau + Đọc kết quả:

- Sig ≤ α: bác bỏ giả thuyết H 0

- Sig > α: không bác bỏ giả thuyết H 0

Trang 40

- Kiểm định Chi bình phương chỉ có ý nghĩa khi số quan sát

đủ lớn (tỷ lệ các ô chéo trong bảng có tần số <5 phải nhỏ hơn 20%)

- Kiểm định này không cho biết độ mạnh của mối liên hệ

giữa hai biến mà phải sử dụng các đại lượng Cramer V, hệ

số liên hợp (Coefficient of contigency)…

Trang 41

- Sử dụng các đại lượng Gamma, tau – b của

Kendall, d của Somer …

Dùng để kiểm định mối liên hệ giữa hai biến thứ bậc trong tổng thể

Giả thuyết H0: hai biến không có mối liên hệ (các giá trị này đều bằng 0)

Giả thuyết H1: hai biến có mối liên hệ (các giá trị này khác 0)

Đọc kết quả:

Trang 42

Cách thực hiện kiểm định mối liên hệ giữa 2 biến

thứ bậc:

- Lập bảng chéo (Crosstabs) để tìm hiểu mối quan

hệ giữa hai biến

- Chọn Statistics

+ Đánh dấu chọn Gamma, Somers’ d, Kendall’s tau – b (nếu bảng cân đối, số hàng bằng số cột); Kendall’s tau – c (nếu bảng không cân đối)

+ Chọn continue

Trang 43

- Nếu muốn so sánh giá trị trung bình tổng thể với một giá trị cụ thể nào đó => Kiểm định giả thuyết về trung bình

riêng biệt => Kiểm định giả thuyết về sự bằng nhau giữa

SAMPLES T – TEST

phụ thuộc lẫn nhau => Kiểm định giả thuyết về sự bằng

– SAMPLES T – TEST

thể riêng biệt trở lên => Kiểm định giả thuyết về sự bằng

Kiểm định giá trị trung bình tổng thể

Trang 44

So sánh giá trị trung bình của một tổng thể với một giá trị cụ thể nào đó, sử dụng kiểm định One – sample t – test

Điều kiện áp dụng:

- Mẫu được chọn phải ngẫu nhiên

- Mẫu phải có phân phối chuẩn hoặc xấp xỉ chuẩn

One – sample t - test

Trang 45

- Chọn biến đưa vào khung Test variable

- Khai báo giá trị Test Value

Đọc kết quả:

One – sample t - test

Trang 46

So sánh hai trung bình của hai tổng thể dựa trên hai mẫu độc lập, sử dụng kiểm định Independent –

samples t – test

- Kích thước 2 mẫu so sánh phải bằng hoặc tương đương nhau

- 2 mẫu so sánh phải được chọn ngẫu nhiên, có

phân phối chuẩn hoặc xấp xỉ phân phối chuẩn và

có phương sai như nhau

Independent samples t - test

Trang 47

Giả thuyết

H0: μ1 = μ2

H1: μ1 ≠ μ2

Đọc kết quả:

- Sig ≤ α: bác bỏ giả thuyết H0

- Sig > α: không bác bỏ giả thuyết H0

Trang 48

Cách thực hiện:

- Trên thanh Menu, chọn Analyze/Compare

Means/Independent – samples t – test

- Chọn biến định lượng đưa vào khung Test Variable

- Chọn biến định tính (chia số quan sát thành 2 nhóm mẫu độc lập) đưa vào khung Grouping Variable

- Chọn Define Groups để khai báo hai nhóm cần so sánh với nhau

- Chọn continue

Trang 49

Dựa vào kết quả kiểm định sự bằng nhau của hai

phương sai (Levene’s test) với giả thuyết

H0: Phương sai của hai tổng thể là như nhau

H1: Phương sai của hai tổng thể là khác nhau

- Nếu giá trị sig ≤ α => bác bỏ giả thuyết H0, do

đó sử dụng kết quả kiểm định t ở cột Equal

variances not assumed

- Nếu giá trị sig > α => không bác bỏ giả thuyết

H0, do đó sử dụng kết quả kiểm định t ở cột Equal variances assumed

Trang 50

So sánh hai giá trị trung bình của hai tổng thể dựa trên hai mẫu phụ thuộc hay mẫu phối hợp từng cặp, sử dụng Paired – samples t – test

- Kích thước 2 mẫu bằng nhau

- Chênh lệch giữa các giá trị của 2 mẫu phải có

phân phối chuẩn hoặc kích thước mẫu đủ lớn để xem như có phân phối chuẩn

Paired samples t - test

Trang 51

Giả thuyết

H0: μ1 = μ2

H1: μ1 ≠ μ2

Đọc kết quả:

- Sig ≤ α: bác bỏ giả thuyết H0

- Sig > α: không bác bỏ giả thuyết H0

Trang 52

Means/Paired – samples t – test

- Chọn 2 biến chứa các giá trị của 2 mẫu quan sát đưa vào khung Paired Variables để so sánh

- Nhấp continue

Trang 53

Ví dụ: Một công ty chế biến thực phẩm cần khảo sát

sự đánh giá, cảm nhận của người tiêu dùng về

loại đậu phộng chế biến sẵn vừa được cải tiến so với loại đậu phộng đang phân phối trên thị

trường Cuộc thử nghiệm được tiến hành trên

cùng một nhóm đối tượng khách hàng với các tiêu chí đánh giá như mùi vị, độ ngọt, độ béo của sản phẩm Tiến hành kiểm định ta có kết quả như sau

Trang 54

Nếu muốn so sánh giá trị trung bình của nhiều nhóm tổng thể độc lập, sử dụng phân tích phương sai

ANOVA (ANalyse Of VAriancies)

Phân tích phương sai một yếu tố One – way ANOVA trong trường hợp sử dụng 1 biến yếu tố để phân loại các quan sát thành các nhóm khác nhau

One way ANOVA

Trang 55

- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên

- Các nhóm so sánh phải có phân phối chuẩn hoặc

cỡ mẫu đủ lớn để được xem như là phân phối

Trang 56

- Sig ≤ α: bác bỏ giả thuyết H0 => tồn tại ít nhất

một giá trị trung bình tổng thể khác với các trung bình còn lại

- Sig > α: không bác bỏ giả thuyết H0 => không có

sự khác biệt giữa các trung bình của các tổng thể

One way ANOVA

Trang 57

Means/One – way ANOVA

- Chọn biến định lượng đưa vào khung Dependent List

- Chọn biến phân loại xác định các nhóm cần so sánh đưa vào khung Factor

- Chọn Options: đánh dấu vào Descriptive và

Homogeneity – of – variance

One way ANOVA

Trang 58

Trong trường hợp bác bỏ giả thuyết H0, có nghĩa

rằng tồn tại ít nhất một nhóm có giá trị trung bình khác với các nhóm còn lại, cần tiến hành phân tích sâu bằng thủ tục Post Hoc

- Nhấp chọn nút Post Hoc để mở hộp thoại này

- Trong hộp thoại này, có rất nhiều phương pháp

kiểm định thống kê để so sánh các giá trị trung

bình giữa các nhóm

One way ANOVA

Trang 59

Các trường hợp áp dụng:

- Mẫu nhỏ, không đạt phân phối chuẩn

- Có một vài giá trị bất thường trong tập dữ liệu

- Dữ liệu định tính (dữ liệu định danh hay dữ liệu thứ bậc)

- Dữ liệu khoảng cách không đạt phân phối chuẩn

Kiểm định phi tham số

Trang 60

Kiểm định dấu (Sign test)

Kiểm định dấu và hạng

(Wilcoxon test)

Kiểm định McNemar

Kiểm định Mann - Whitney

Kiểm định Kruskal - Wallis

Kiểm định sự bằng nhau của 2 trị trung bình trong trường hợp mẫu phối hợp từng cặp (Paired – Samples T – Test)

Independent – Samples T - Test

One – way ANOVA

Kiểm định phi tham số

Trang 61

- Kiểm định dấu (sign test), kiểm định dấu và hạng Wilcoxon và kiểm định McNemar

+ Trên thanh Menu, chọn Analyze/Nonparametric tests/2 related samples

+ Chọn các biến đưa vào khung Test Pair list

+ Chọn 1 trong 3 loại kiểm định trong Test Type

+ Nhấp nút OK

+ Sử dụng giá trị Sig để đưa ra quyết định

Cách thực hiện trên SPSS

Trang 62

- Kiểm định Mann – Whitney

+ Trên thanh Menu/ chọn Analyze/Nonparametric tests/2 Independent samples

+ Chọn biến đưa vào khung Test Variables list

+ Chọn 1 biến phân nhóm đưa vào ô Grouping Variables, sau đó chọn Define Group để khai báo các nhóm cần so sánh

+ Đánh dấu chọn kiểm định Mann – Whitney

+ Nhấp nút OK

+ Sử dụng giá trị Sig để đưa ra quyết định

Cách thực hiện trên SPSS

Định dạng
Số trang	75
Dung lượng	0,93 MB