Tiểu luận cuối kì môn Kinh Tế Lượng Ứng Dụng Trong Kinh Doanh

TIỂU LUẬN KTLUDTKD – D03 Câu 1: Viết quy trình phân tích cụm Cluster Stage Case 30 29 28 27 26 25 24 23 22 21 10 20 11 19 12 18 13 17 14 16 15 15 16 14 17 13 18 12 19 11 (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15) (16) (17) (18) ( (26) (27) (28) (29) (30) (19+30) (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15) (16) (1 (25) (26) (27) (28) (29) (14+16) (19+30) (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (15) (17 (25) (26) (27) (28) (29) (6+7) (14+16) (19+30) (1) (2) (3) (4) (5) (8) (9) (10) (11) (12) (13) (15) (17 (25) (26) (27) (28) (29) (21+29) (6+7) (14+16) (19+30) (1) (2) (3) (4) (5) (8) (9) (10) (11) (12) (13) (25) (26) (27) (28) (10+27) (21+29) (6+7) (14+16) (19+30) (1) (2) (3) (4) (5) (8) (9) (11) (12) ( (24) (25) (26) (28) (2+13) (10+27) (21+29) (6+7) (14+16) (19+30) (1) (3) (4) (5) (8) (9) (11) (1 (24) (25) (26) (28) (5+11) (2+13) (10+27) (21+29) (6+7) (14+16) (19+30) (1) (3) (4) (8) (9) (1 (24) (25) (26) (28) (3+8) (5+11) (2+13) (10+27) (21+29) (6+7) (14+16) (19+30) (1) (4) (9) (12 (24) (25) (26) (28) (4+14+16) (3+8) (5+11) (2+13) (10+27) (21+29) (6+7) (19+30) (1) (9) (12) (25) (26) (28) (12+6+7) (4+14+16) (3+8) (5+11) (2+13) (10+27) (21+29) (19+30) (1) (9) (25) (26) (28) (9+5+11) (12+6+7) (4+14+16) (3+8) (2+13) (10+27) (21+29) (19+30) (1) ( (25) (26) (28) (23+28) (9+5+11) (12+6+7) (4+14+16) (3+8) (2+13) (10+27) (21+29) (19+ (24) (25) (26) (1+12+6+7) (23+28) (9+5+11) (4+14+16) (3+8) (2+13) (10+27) (21+29) (1 (24) (25) (26) (4+14+16+10+27) (1+12+6+7) (23+28) (9+5+11) (3+8) (2+13) (21+29) (19 (24) (25) (26) (25+1+12+6+7) (4+14+16+10+27) (23+28) (9+5+11) (3+8) (2+13) (21+29 (24) (26) (20+9+5+11) (25+1+12+6+7) (4+14+16+10+27) (23+28) (3+8) (2+13) (21 (24) (26) (4+14+16+10+27+19+30) (20+9+5+11) (25+1+12+6+7) (23+28) (3+8) (2+ (24) (26) (23+28+3+8) (4+14+16+10+27+19+30) (20+9+5+11) (25+1+12+6+7) (2+1 (24) (26) (24+26) (23+28+3+8) (4+14+16+10+27+19+30) (20+9+5+11) (25+1+12+6 20 10 21 22 23 24 25 26 27 28 29 (18) (22) (17+25+1+12+6+7) (24+26) (23+28+3+8) (4+14+16+10+27+19+30) (20+9 (22) (23+28+3+8+21+29) (17+25+1+12+6+7) (24+26) (4+14+16+10+27+19+3 (22) (20+9+5+11+2+13) (23+28+3+8+21+29) (17+25+1+12+6+7) (24+26) (4+1 (22) (18+22) (20+9+5+11+2+13) (23+28+3+8+21+29) (17+25+1+12+6+7) (24+ (15) (18+22) (20+9+5+11+2+13) (23+28+3+8+21+29+17+25+1+12+6+7) (24+ (15) (18+22) (20+9+5+11+2+13) (23+28+3+8+21+29+17+25+1+12+6+7) (24+ (15) (18+22) (20+9+5+11+2+13) (15+23+28+3+8+21+29+17+25+1+12+6+7) ( (18+22+24+26+4+14+16+10+27+19+30) (20+9+5+11+2+13) (15+23+28+ (18+22+24+26+4+14+16+10+27+19+30+20+9+5+11+2+13) (15+23+28+3 (18+22+24+26+4+14+16+10+27+19+30+20+9+5+11+2+13+15+23+28+3+ Câu 2: Hãy phân thành cụm cụm • cụm C1: (18+22+24+26+4+14+16+10+27+19+30) C2: (20+9+5+11+2+13) C3: (15+23+28+3+8+21+29+17+25+1+12+6+7) • cụm C1: (18+22+24+26+4+14+16+10+27+19+30+20+9+5+11+2+13) C2: (15+23+28+3+8+21+29+17+25+1+12+6+7) Câu 3: Kiểm định EFA Bước 1: Dùng Cronbach Alpha để đo tương quan item với item Hệ số Cronbach phép kiểm định thống kê mức độ chặt chẽ mà mục hỏi thang đo tương quan với Theo quy ước, tập hợp mục hỏi dùng để đo lường đánh giá tốt phải có hệ số Cronbach Alpha Vậy 32 items tương quan chặt chẽ với nhau, Cronbach’s Alpha = 0,914 > 0,6 Bước 2: Dùng Factor loading để đo tương quan item với factor Hệ số Factor loading (hệ số tải nhân tố): hệ số tương quan đơn biến nhân tố  item X giải thích nhiều nhân tố F thơng qua số Factor loading Tuy nhiên, tiến hành phân tích nhân tố, Factor F lấy item X Do đó, thơng thường ta chọn Factor loading 0,5 Trong trường hợp trên, item env4, env3, sup1 có hệ số Factor loading < 0,5 Tuy nhiên, thực tế yếu tố trang thiết bị nơi làm việc an tồn (env3), cơng việc ổn định, lo lắng việc làm (env4), cấp hỏi ý kiến nhân viên có vấn đề liên quan đến công việc nhân viên (sup1) tác động lớn đến hài lòng nhân viên, đa số muốn có nơi làm việc an tồn, cơng việc khơng bấp bênh tôn trọng, nên giữ lại item này, chọn item có Factor loading lớn F1 = sup2, sup3, sup4, sup5, sup6, sup7 F2 = prom1, prom2, prom3, prom4, work4 F3 = pay1, pay2, pay3, pay4, pay5, ben4 F4 = cow1, cow2, cow3, cow4, env4 F5 = ben1, ben2, ben3, env3 F6 = work1, work2, work3, sup1 F7 = env1, env2 Mơ hình đẹp thể yếu tố: - Các item factor liên quan đến factor (các item giải thích - khái niệm factor mà cần tìm) Các item factor phải tương quan với Bước 3: Căn tiêu chí Cronbach Alpha để xem tương quan item với item factor F1: sup2, sup3, sup4, sup5, sup6, sup7 Vậy items tương quan chặt chẽ với 0,857 > 0,6 F2: prom1, prom2, prom3, prom4, work4 Vậy items tương quan chặt chẽ với 0,819 > 0,6 F3: pay1, pay2, pay3, pay4, pay5, ben4 Vậy items tương quan chặt chẽ với 0,817 > 0,6 F4: cow1, cow2, cow3, cow4, env4 Vậy items tương quan chặt chẽ với 0,783 > 0,6 F5: ben1, ben2, ben3, env3 Vậy items tương quan chặt chẽ với 0,828 > 0,6 F6: work1, work2, work3, sup1 Vậy items tương quan chặt chẽ với 0,762 > 0,6 F7: env1, env2 Các items mục hỏi có hệ số Cronbach Alpha = 0,411 < 0,6 Tuy nhiên, thực tế công việc không bị áp lực cao (env1) nhân viên khơng cần phải thường xun làm thêm ngồi (ev2) ngược lại Vậy nên, items tương quan chặt chẽ với Factor Bước 4: Liệt kê factor mơ hình đặt tên Bước 5: Kiểm định 5.1 Kiểm định KMO KMO số dùng để xem xét thích hợp phân tích nhân tố, 0,5 < KMO < Theo bảng trên, 0,5 < KMO = 0,856 < Phương pháp phân tích nhân tố phương pháp phù hợp 5.2 Kiểm định Bartlett’s Cho = 5% : item tương quan với tổng thể : item có tương quan với tổng thể P_value = 0,000 < = 5% => bác bỏ H0 Vậy item có tương quan với tổng thể với mức ý nghĩa 5% Phương pháp phân tích nhân tố phương pháp phù hợp => Vậy từ KMO Bartlett’s, ta kết luận thiết kế câu hỏi data phù hợp để thực phương pháp EFA 5.3 Eigenvalue Eigenvalue đại diện cho lượng biến thiên giải thích nhân tố Chỉ có nhân tố có eigenvalue > giữ lại phân tích Eigenvalue > => rút nhân tố Ý nghĩa eigenvalue : nhân tố giải thích 63,529% biến thiên liệu toàn biến thiên 100% Bước 6: Viết mơ hình hồi quy F1i = – 0,105work1i – 0,069work2i – 0,044work3i – 0,093work4i – 0,070pay1i – 0,043pay2i + 0,021pay3i – 0,003pay4i + 0,003pay5i – 0,004ben1i – 0,028ben2i – 0,028ben3i – 0,095ben4i – 0,034env1i – 0,009env2i – 0,019env3i + 0,025env4i + 0,017cow1i – 0,020cow2i – 0,070cow3i – 0,110cow4i – 0,099prom1i – 0,025prom2i – 0,017prom3i + 0,026prom4i + 0,113sup1i + 0,136sup2i + 0,282sup3i + 0,208sup4i + 0,311sup5i + 0,303sup6i + 0,258sup7i + F2i = 0,019work1i – 0,031work2i – 0,073work3i + 0,176work4i – 0,063pay1i – 0,013pay2i – 0,220pay3i – 0,066pay4i + 0,037pay5i + 0,006ben1i – 0,052ben2i – 0,055ben3i + 0,161ben4i + 0,048env1i – 0,016env2i + 0,040env3i – 0,010env4i – 0,102cow1i – 0,109cow2i + 0,010cow3i + 0,158cow4i + 0,317prom1i + 0,239prom2i + 0,330prom3i + 0,215prom4i + 0,019sup1i + 0,077sup2i – 0,009sup3i – 0,036sup4i – 0,127sup5i – 0,100sup6i – 0,074sup7i + F3i = – 0,009work1i + 0,045work2i +0,040work3i – 0,031work4i + 0,175pay1i + 0,226pay2i + 0,226pay3i + 0,310pay4i + 0,276pay5i + 0,057ben1i – 0,058ben2i – 0,065ben3i + 0,153ben4i + 0,052env1i – 0,021env2i – 0,080env3i – 0,028env4i – 0,042cow1i + 0,018cow2i – 0,049cow3i – 0,006cow4i – 0,089prom1i + 0,013prom2i – 0,030prom3i – 0,052prom4i – 0,162sup1i – 0,076sup2i – 0,070sup3i 0,014sup4i + 0,011sup5i – 0,035sup6i + 0,102sup7i + F4i = 0,091work1i + 0,040work2i – 0,014work3i – 0,023work4i – 0,011pay1i – 0,068pay2i – 0,050pay3i + 0,026pay4i + 0,005pay5i – 0,097ben1i – 0,020ben2i – 0,013ben3i – 0,064ben4i + 0,082env1i – 0,067env2i + 0,027env3i + 0,124env4i + 0,339cow1i + 0,349cow2i + 0,319cow3i + 0,220cow4i – 0,055prom1i – 0,034prom2i – 0,045prom3i – 0,043prom4i – 0,120sup1i - 0,080sup2i – 0,020sup3i – 0,036sup4i + 0,029sup5i – 0,065sup6i + 0,008sup7i + F5i = 0,017work1i – 0,051work2i – 0,036work3i + 0,026work4i + 0,033pay1i – 0,066pay2i + 0,003pay3i – 0,045pay4i – 0,108pay5i + 0,258ben1i + 0,372ben2i + 0,365ben3i + 0,105ben4i – 0,022env1i – 0,028env2i + 0,149env3i + 0.092env4i – 0,031cow1i – 0,087cow2i + 0,027cow3i – 0,007cow4i + 0,020prom1i – 0,057prom2i – 0,051prom3i – 0,017prom4i + 0,21sup1i + 0,007sup2i – 0,027sup3i + 0,032sup4i – 0,058sup5i +0,007sup6i – 0,077sup7i + F6i = 0,247work1i + 0,299work2i + 0,384work3i + 0,097work4i + 0,147pay1i + 0,116pay2i + 0,193pay3i – 0,112pay4i – 0,133pay5i – 0,028ben1i – 0,002ben2i + 0,013ben3i – 0,165ben4i – 0,186env1i + 0,163env2i + 0,040env3i – 0,147env4i – 0,010cow1i + 0,020cow2i – 0,062cow3i – 0,107cow4i + 0,008prom1i – 0,048prom2i – 0,185prom3i – 0,018prom4i + 0,278sup1i + 0,060sup2i – 0,068sup3i – 0,085sup4i – 0,062sup5i – 0,012sup6i – 0,130sup7i + F7i = – 0,030 work1i + 0,044work2i – 0,066work3i + 0,010work4i + 0,057pay1i + 0,105pay2i – 0,008pay3i – 0,033pay4i – 0,025pay5i – 0,023ben1i – 0,063ben2i – 0,051ben3i – 0,020ben4i + 0,395env1i + 0,608env2i + 0,160env3i + 0,131env4i + 0,007cow1i + 0,089cow2i – 0,063cow3i – 0,182cow4i + 0,076prom1i – 0,004prom2i + 0,028prom3i – 0,029prom4i + 0,216sup1i - 0,070sup2i – 0,039sup3i + 0,049sup4i – 0,038sup5i + 0,047sup6i – 0,111sup7i + Bước 7: Thực với Factor Loyalty 7.1 Dùng Cronbach Alpha để đo tương quan item với item Hệ số Cronbach phép kiểm định thống kê mức độ chặt chẽ mà mục hỏi thang đo tương quan với Theo quy ước, tập hợp mục hỏi dùng để đo lường đánh giá tốt phải có hệ số Cronbach Alpha Vậy items tương quan chặt chẽ với nhau, Cronbach’s Alpha = 0,787 > 0,6 7.2 Dùng Factor loading để đo tương quan item với factor Hệ số Factor loading (hệ số tải nhân tố): hệ số tương quan đơn biến nhân tố  item X giải thích nhiều nhân tố F thơng qua số Factor loading Tuy nhiên, tiến hành phân tích nhân tố, Factor F lấy item X Do đó, thơng thường ta chọn Factor loading 0,5 Floyalty = loy1, loy2, loy3 7.3 Căn tiêu chí Cronbach Alpha để xem tương quan item với item factor Floyalty = loy1, loy2, loy3 Vậy items tương quan chặt chẽ với 0,787 > 0,6 7.4 Liệt kê factor mơ hình đặt tên 7.5 Kiểm định 7.5.1 Kiểm định KMO KMO số dùng để xem xét thích hợp phân tích nhân tố, 0,5 < KMO < Theo bảng trên, 0,5 < KMO = 0,698 < Phương pháp phân tích nhân tố phương pháp phù hợp 7.5.2 Kiểm định Bartlett’s Cho = 5% : item khơng có tương quan với tổng thể : item có tương quan với tổng thể P_value = 0,000 < = 5% => bác bỏ H0 Vậy item có tương quan với tổng thể với mức ý nghĩa 5% Phương pháp phân tích nhân tố phương pháp phù hợp => Vậy từ KMO Bartlett’s, ta kết luận thiết kế câu hỏi data phù hợp để thực phương pháp EFA 7.5.3 Eigenvalue Eigenvalue đại diện cho lượng biến thiên giải thích nhân tố Chỉ có nhân tố có eigenvalue > giữ lại phân tích Eigenvalue > => rút nhân tố Ý nghĩa eigenvalue : nhân tố giải thích 70,464% biến thiên liệu tồn biến thiên 100% 7.6 Viết mơ hình hồi quy Floyaltyi = 0,410loy1i + 0,394loy2i + 0,387loy3i + Bước 8: Chạy mơ hình hồi quy OLS • Floyaltyi = - 1,159 *10^-17 + 0,299Fsupi + 0,355Fpromi + 0,468Fpayi + 0,219Fcowi + 0,040Fbeni + 0,126Fworki + 0,062Fenvi Câu 4: Viết mơ hình Binary Logistic Mơ hình hồi quy: = = 3,182 – 1,463 i - 0,065 i – 0,063 agei + 0,807 wci + 0,112 hci + 0,605 lwgi – 0,034 inci + i Kiểm định hệ số hồi quy ( kiểm định Wald) nêu ý nghĩa hệ số hồi quy: Cho = 3,182 Trong điều kiện yếu tố khác không đổi = = age = wc = hc = lwg = inc = trung bình 3,182 Hay nói cách khác, điều kiện yếu tố khác không đổi biến = = age = wc = hc = lwg = inc = tỷ lệ trung bình 24,095 lần : = ( biến không ảnh hưởng đến ) : ( biến có ảnh hưởng đến ) _value = 0,000 < : bác bỏ Vậy biến có ảnh hưởng đến với mức ý nghĩa 5% = = – 1,463 Trong điều kiện yếu tố khác khơng đổi tăng trung bình giảm 1,463 Hay nói cách khác, biến tăng tỷ lệ = trung bình giảm = 0,23 lần : = ( biến không ảnh hưởng đến ) : ( biến có ảnh hưởng đến ) _value = 0,342 > : chưa có sở bác bỏ Vậy biến không ảnh hưởng đến với mức ý nghĩa 5% : = ( biến không ảnh hưởng đến ) : ( biến có ảnh hưởng đến ) _value = 0,000 < : bác bỏ Vậy biến age có ảnh hưởng đến với mức ý nghĩa 5% = – 0,63 Trong điều kiện yếu tố khác khơng đổi age tăng tuổi trung bình giảm 0,63 Hay nói cách khác, biến age tăng tuổi tỷ lệ = trung bình giảm = 0,533 lần : = ( biến không ảnh hưởng đến ) : ( biến có ảnh hưởng đến ) _value = 0,000 < : bác bỏ Vậy biến wc có ảnh hưởng đến với mức ý nghĩa 5% = 0,807 Trong điều kiện yếu tố khác không đổi, = 0,807 biểu thị độ chênh lệch trung bình trường hợp wc = cao so với trung bình trường hợp wc = Hay nói cách khác, biểu thị độ chênh lệch tỷ lệ = trung bình trường hợp wc = cao so với = trung bình trường hợp wc = 2,24 lần : = ( biến không ảnh hưởng đến ) : ( biến có ảnh hưởng đến ) _value = 0,587 > : chưa có sở bác bỏ Vậy biến hc không ảnh hưởng đến với mức ý nghĩa 5% : = ( biến không ảnh hưởng đến ) : ( biến có ảnh hưởng đến ) _value = 0,000 < : bác bỏ Vậy biến lwg có ảnh hưởng đến với mức ý nghĩa 5% = 0,605 Trong điều kiện yếu tố khác không đổi lwg tăng USD/1 làm việc trung bình tăng 0,605 Hay nói cách khác, biến lwg tăng USD/1 làm việc tỷ lệ = trung bình tăng = 1,83 lần : = ( biến không ảnh hưởng đến ) : ( biến có ảnh hưởng đến ) _value = 0,000 < : bác bỏ Vậy biến inc có ảnh hưởng đến với mức ý nghĩa 5% = – 0,034 Trong điều kiện yếu tố khác khơng đổi inc tăng ngàn USD/năm trung bình giảm 0,034 Hay nói cách khác, biến inc tăng ngàn USD/năm tỷ lệ = trung bình giảm = 0,967 lần Độ phù hợp mơ hình: Đo lường độ phù hợp tổng qt mơ hình Binary Logistic dựa tiêu -2LL (viết tắt -2 log likelihood), thước đo có ý nghĩa giống RSS (residual sum of square) OLS => -2LL nhỏ thể độ phù hợp cao => Khi -2LL=0 (tức khơng có sai số) mơ hình có độ phù hợp hồn hảo Để đánh giá -2LL dựa vào kiểm định Omnibus test kiểm định Hosmer and Lemeshow test 3.1 Kiểm định Omnibus test of Model Coeficients Chọn = 5% : = = = = = = = ( biến độc lập không ảnh hưởng đến ) : + + + + + + > (ít biến độc lập có ảnh hưởng đến ) _value = 0,000 < = 5% : bác bỏ Vậy biến độc lập có ảnh hưởng đến với mức ý nghĩa 5%  Mơ hình lựa chọn phù hợp 3.2 Kiểm định Hosmer and Lemeshow test Chọn = 5% : khơng có khác biệt giá trị thực tế với giá trị dự báo : có khác biệt giá trị thực tế với giá trị dự báo _value = 0,001 < = 5% : bác bỏ Vậy có khác biệt giá trị thực tế với giá trị dự báo với mức ý nghĩa 5%  Mô hình lựa chọn phù hợp  ... khơng có khác biệt giá trị thực tế với giá trị dự báo : có khác biệt giá trị thực tế với giá trị dự báo _value = 0,001 < = 5% : bác bỏ Vậy có khác biệt giá trị thực tế với giá trị dự báo với mức... pháp phù hợp => Vậy từ KMO Bartlett’s, ta kết luận thiết kế câu hỏi data phù hợp để thực phương pháp EFA 5.3 Eigenvalue Eigenvalue đại diện cho lượng biến thiên giải thích nhân tố Chỉ có nhân... pháp phù hợp => Vậy từ KMO Bartlett’s, ta kết luận thiết kế câu hỏi data phù hợp để thực phương pháp EFA 7.5.3 Eigenvalue Eigenvalue đại diện cho lượng biến thiên giải thích nhân tố Chỉ có nhân