3. PHƯƠNG PHÁP LUẬN
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 đoán 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 không, 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 hòa 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 không 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.