3. PHƯƠNG PHÁP LUẬN
3.5. Các phương pháp nghiên cứu
3.5.1. Phân tích sự khác biệt (Discriminant Analysis)
Theo Klecka (1980), “phân tích sự khác biệt là một kỹ thuật có ý nghĩa thống
kê. Nó cho phép các nhà khoa học nghiên cứu sự khác nhau giữa 2 hoặc nhiều nhóm đối tượng với quan điểm sử dụng nhiều biến cùng một lúc”
Phân tích sự khác biệt này dự đoán một nhóm có 1 biến phụ thuộc, sử dụng phương trình tuyến tính dưới đây:
D = v1X1 + v2X2 + v3X3 + … + viXi + A
Trong đó
D là hàm khác biệt
V = tỷ trọng của biến (biến càng lớn thì dự đốn càng tốt) X = điểm của người trả lời cho biến
A = hằng số, giống như phần dư trong hàm hồi quy tuyến tính I = số lượng người dự đoán
Bằng phương trình này, phân tích sự khác biệt giúp chúng ta xác nhận chức năng phân tách nhóm có tốt hay khơng, bằng cách chỉ ra những trường hợp nhầm lẫn trong phân loại, dẫn đến phân nhóm sai.
Trong nghiên cứu này, phương trình sẽ như sau
D = v1X1 + v2X2 + v3X3 + v4X4 + v5X5 + v6X6 + v7X7 + v8X8 +v9X9 + a Trong đó X1 = tính đại diện X2 = tính bầy đàn X3 = tính quá tự tin X4 = tính neo X5 = sự bất hịa trong nhận thức X6 = Hối hận
X7 = ảo tưởng con bạc X8 = nhầm lẫn trong kế toán X9 = nhận thức muộn
Klecka (1980) đưa ra một số yêu cầu để thực hiện phân tích này: - Có ít nhất 2 nhóm tham gia
- Có ít nhất 2 trường hợp trong mỗi nhóm
- Số lượng biến phân biệt nên ít hơn tổng số trường hợp phân tích trừ đi 2 và các biến khơng nên có mối quan hệ tuyến tính với nhau.
- Ma trận hiệp phương sai của mỗi nhóm phải trong những giới hạn được chấp nhận
- Mỗi nhóm nên được chọn từ một tập hợp với sự phân bổ ác biến phân biệt đa chiều.
3.5.2. Phương pháp tính điểm có trọng số:
Đây là một loại của phương pháp phân tích đa tiêu chuẩn (multi-criterion). Trọng số được phân chia thành những thuộc tính có liên quan. Sau đó, điểm số được chấm dựa trên những trọng số của các thuộc tính này, từ đó cho thấy mỗi lựa chọn liên quan như thế nào đến mỗi thuộc tính. Kết quả tính điểm này chỉ ra tồn bộ hoạt động của những sự lựa chọn trong thời kỳ có liên quan (Anon, 2008). Các bước tiến hành bao gồm:
- Xác định các thuộc tính
- Phân chia trọng số cho thuộc tính để thể hiện sự quan trọng trong mối liên hệ của chúng
- Tính tốn điểm số của cá nhân để tìm ra mối quan hệ giữa lựa chọn và thuộc tính.
- Tính tốn điểm có trọng số của mỗi lựa chọn. - Kiểm tra kết quả (kiểm định Robustness). - Thông báo kết quả.
3.5.3. Kiểm định Chi – bình phương cho sự độc lập
Kiểm định Chi bình phương là một loại kiểm định giả thiết thống kê thường được sử dụng trong thực nghiệm, trong đó dữ liệu gồm có: tần số, số lượng hoặc tỷ lệ phần trăm. Nó được sử dụng để xác định 2 hoặc nhiều nhóm trong mẫu có độc lập hay khơng. Kiểm định Chi – bình phương chỉ được áp dụng với dữ liệu tách biệt. tuy nhiên, dữ liệu có tính liên tục cũng có thể được kiểm dịnh bằng cách phân loại nó thành
những hạng mục riêng biệt khác nhau. 2 khái niệm chính trong kiểm định Chi bình phương:
- Biến định tính: biến định tính chỉ ra sự phân loại hơn là đo lường. một biến định tính thường được sử dụng trong các nghiên cứu là biến phân đôi (dichotomous variable). Kiểm định Chi bình phương chỉ có thể áp dụng khi chúng ta có những biến đinh tính được phân loại thành các hạng mục.
- Bảng phát sinh (Contingency table): trong 1 mẫu, khi người tham gia được phân nhóm bằng 2 hay nhiều cách khác nhau, kết quả được sắp xếp vào 1 bảng hình chữ nhật, gọi là bảng phát sinh/bảng sự cố (Contingency table). Các mục trong bảng tương ứng với tần số hoặc chuyển thành tỷ lệ tương ứng.
Cách sử dụng phổ biến của kiểm định này là để đánh giá khả năng liên kết hoặc sự độc lập của số liệu. giá trị Chi bình phương được tính tốn để so sánh giữa những tần số được quan sát và tần số được kỳ vọng, sử dụng công thức:
X2 =
Trong đó:
Oi = tần số được quan sát Ei = tần số mong đợi
I = 1 N, N là số lượng ơ có trong bảng sự cố (Zibran, 2007).
Tầm quan trọng của việc tính tốn giá trị χ2 được xác định bằng cách sử dụng bảng Chi bình phương tiêu chuẩn, trong đó có chứa giá trị quan trọng χ2 ở mức độc lập và xác suất khác nhau. Những giá thuyết được đề cập đến là:
H0: 2 biến độc lập trong tồn bộ mẫu. H1: có 1 vài mối quan hệ giữa các biến.
Nếu giá trị của chi bình phương nhỏ hơn giá trị tương ứng trong khoảng tin cậy, giả thuyết H0 được chấp nhận. Trong SPSS, 3 kiểm định Chi – bình phương được sử dụng: Pearson, Likelihood Ratio Test, Linear-by-linear.