Phân tích phương sai đa biến 1 chiều (MANOVA)

Phương pháp xử lý số liệu
PhD. Đào Duy Tùng

https://rs.tungdao.net
• Thang đo
Nội • Part A: Phân loại biến trong NC
• Part B: Phương pháp tìm cỡ mẫu
dung • Part C: Các bước xử lý số liệu
• SEM
PhD Đào Duy Tùng, TayDo University

Thang đo
1.1 Khái niệm thang đo
1.2 Các loại thang đo thông dụng
1.3 Kỹ thuật thiết kế thang đo
1.4 Thang đo Likert và ứng dụng trong nghiên
cứu quản trị
1.5 Các tiêu chuẩn lựa chọn thang đo

• Là công cụ dùng để mã hoá các biểu
hiện khác nhau của các đặc trưng
nghiên cứu.
Mục đích:
1.1 Khái niệm và • Tạo thuận lợi cho việc xử lý dữ liệu trên
mục đích thang đo máy tính người ta thường mã hoá thang đo
bằng các con số hoặc bằng các ký tự.
• Tạo thuận lợi cho việc thiết kế bảng câu hỏi
phục vụ cho việc điều tra và cho việc xử lý
dữ liệu sau đó.

1.2 Các loại thang đo thông dụng
Thang đo
Định Định
Tính Lượng
Thang đo Thang đo Thang đo Thang đo

định danh thứ bậc khoảng tỷ lệ
(Nominal (Odinal (Interval (Ratio
scale) scale) scale) scale)
Xác định cấp độ đo lường và thang đo đo lường
Có điểm 0 cố định Chiều cao
Thang đo tỷ lệ Xếp hạng thứ tự + so sánh các khoảng Tuổi; Cân nặng
(Ratio scale) cách hay sự khác biệt. Thu nhập hằng tháng
Thang đo liên tục
Khái niệm x2 ; ½
(Measure scale)
(continous scale)
Thang đo khoảng So sánh sự khác nhau giữa các thứ tự Nhiệt độ (C / F)
(Interval scale) + khoảng cách giữa các thứ bậc. Điểm IQ
Không chứa giá trị 0 tuyệt đối Điểm IELTS
Mối quan hệ thứ tự / xếp hạng thứ tự / Trình độ học vấn; Nhóm Tuổi
Thang đo thứ bậc so sánh hơn kém Thu nhập hằng tháng
(Ordinal scale) Thang đo TB = ĐD Chất lượng dịch vụ
Thang đo ĐD ≢ TB Mức độ hài lòng
Phân loại đối tượng / mang tính chất Giới tính; Tình trạng hôn nhân;
Thang đo định danh mã hoá Màu tóc; Loại căn hộ; Tôn giáo; Vị trí;
(Nominal scale) (không có sự hơn kém, khác biệt về
thứ bậc) PhD Đào Duy Tùng, TayDo University
1.3. Thang đo Likert
Phần đánh
Đưa ra một danh sách giá
Rất Đồng ý Chưa Không Rất không
có thể đo lường cho
đồng ý chắc đồng ý đồng ý
một khái niệm và tìm ra
Món ăn ngon 1 2 3 4 5
những tập hợp các mục
Giá cả phải chăng
hỏi để đo lường tốt các 1 2 3 4 5
khía cạnh khác nhau Phục vụ chu đáo 1 2 3 4 5

của khái niệm. Hợp vệ sinh 1 2 3 4 5
Không khí ấm 1 2 3 4 5
cúng
Phần mục
1.3 Thang đo Likert
Một thang điểm Likert thường gồm hai phần, phần khoản mục và
phần đánh giá.
• Phần khoản mục: Liên quan đến ý kiến, thái độ về các đặc tính của
một sản phẩm hay một sự việc cần đánh giá.
• Phần đánh giá: là một đặc tính trả lời. Các khoản mục đánh giá thường
được thiết kế 5 bậc trả lời hoặc có thể hơn, đi từ “rất đồng ý” đến “rất
không đồng ý”.

Ví dụ: Để đánh giá chất lượng dịch vụ đào tạo của trường
Anh ngữ A, thì khái niệm “chất lượng dịch vụ đào tạo” là
một khái niệm đa khía cạnh, muốn đánh giá đúng và đầy
đủ phải thiết kế nhiều tập hợp mục hỏi như sau:
(1) Rất đồng ý (2) Đồng ý (3) Chưa chắc (4) Không
đồng ý (5) Rất không đồng ý
1. Hoạt động đào tạo
Phương pháp giảng dạy dễ tiếp thu. 1 2 3 4 5
Giáo trình giảng dạy phù với yêu cầu thực tiễn. 1 2 3 4 5
Giảng viên có kiến thức sâu. 1 2 3 4 5

2. Cơ sở vật chất
Phòng học đáp ứng tốt yêu cầu dạy và học 1 2 3 4 5
Có đầy đủ các thiết bị cần thiết 1 2 3 4 5
Phòng máy đáp ứng tốt nhu cầu thực hành 1 2 3 4 5
3. Các dịch vụ hỗ trợ và phục vụ
Dịch vụ tư vấn đáp ứng đúng nhu cầu 1 2 3 4 5
Nhân viên phòng giáo vụ nhiệt tình 1 2 3 4 5
Nhà trường thường xuyên cập nhật ý kiến học 1 2 3 4 5
Các bước xây dựng thang đo Likert
Bước 1 - Nhận diện và đặt tên biến muốn đo lường

Bước 2 - Lập ra một danh sách các phát biểu hoặc câu hỏi có
tính biểu thị
Bước 3 – Xác định số lượng và loại trả lời
Bước 4 – Kiểm tra lại toàn bộ các mục hỏi đã khai thác
Bước 5 - Thực hiện phân tích toàn bộ các mục hỏi
Bước 6 – sử dụng thang đo vừa xây dựng để phân tích lại các
mục hỏi để đảm bảo tính chắc chắn của thang đo
1.4 Các tiêu chuẩn đánh giá thang đo
Có 4 tiêu chuẩn đánh giá Thang đo gồm:
Độ tin Giá trị Tính đa Tính dễ

cậy của dạng của trả lời
thang đo thang đo

Part A
Phân loại biến trong
nghiên cứu

Biến độc lập (nguyên nhân)
• Dùng để mô tả hay đo lường các yếu tố được cho là gây nên (hay gây
ảnh hưởng đến) vấn đề nghiên cứu
• Biến bị tác động bởi các biến khác, có thể có một hay nhiều biến phụ
thuộc trong một mô hình nghiên cứu.

Biến phụ thuộc (kết quả)
• Dùng để mô tả hay đo lường vấn đề nghiên cứu
• Biến bị tác động bởi các biến khác, có thể có một hay nhiều biến phụ
thuộc trong một mô hình nghiên cứu.

Biến trung gian
• biến làm thay đổi mối quan hệ giữa 2 biến khác
• độc lập --> trung gian --> phụ thuộc

Biến điều tiết
• làm thay đổi tác động của biến độc lập và biến phụ thuộc.

Biến kiểm soát
• Biến kiểm soát có thể là định tính hay định lượng, nhưng
thường là biến định tính.
• các biến về đặc điểm của cá nhân như giới tính, độ tuổi,…

Part B
Phương pháp tìm
cỡ mẫu

Quần thể, cỡ mẫu
Quần thể (N) Mẫu (n)

Các công thức tính cỡ mẫu
1. Không biết số lượng quần thể / số lượng quần thể chưa được cập nhật.
=> sử dụng công thức của Cochran’s (1977)
2. Đã biết (chính xác / khoảng) số lượng quần thể.
=> sử dụng công thức của Taro Yamane (1967)
3. Sử dụng phương thức chọn mẫu ngẫu nhiên đơn giản
=> dựa trên bảng kích cỡ mẫu của Krejcie and Morgan (1970)
Công thức tính cỡ mẫu
1. Không biết số lượng quần thể hoặc số lượng quần thể chưa được cập nhật
Dùng công thức tính của Cochran’s (1977)
Trong đó:
n = số lượng cỡ mẫu tối thiểu,
Z = khoảng tin cậy 95%, tại giá trị 1.96
e = giới hạn mẫu bị lỗi (±5%)
Cochran, William G. (1977): Sampling techniques. 3rd ed. New York, London: John Wiley & Sons
2.1 Đã biết (chính xác / khoảng) số lượng quần thể - Simplified formula for proportions*
Dùng công thức tính của Yamane (1967)
Trong đó:
n = số lượng cỡ mẫu,
N = số lượng tổng quần thể,
e = giới hạn mẫu bị lỗi (±3%; ±5%; ±7%; ±10%)
* khoảng tin cậy 95% và kết quả có ý nghĩa thống kê p= 0.5 được giả định
Yamane, Taro. (1967). Statisitics, an introductory analysis. 2nd ed. New York: Harper and Row.
3. Phương thức chọn mẫu ngẫu nhiên đơn giản – simple
random sampling
Sử dụng bảng kích cỡ mẫu của Krejcie and Morgan (1970)
Krejcie, Robert V.; Morgan, Daryle fv (1970): Determining

sample size for research activities. In Educational and
psychological measurement 30, pp. 607–610 PhD Đào Duy Tùng, TayDo University
Thực hành
CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN SỰ GẮN KẾT
CỦA NHÂN VIÊN ĐỐI VỚI CÔNG TY ABCD
Câu hỏi nghiên cứu
1. Các yếu tố nào ảnh hưởng đến sự gắn kết của nhân viên
văn phòng đối với công ty ABCD?
2. Mức độ gắn kết của nhân viên khối văn phòng đối với
công ty ABCD hiện nay như thế nào?
3. Hàm ý quản trị nào khả thi trong việc nâng cao sự gắn kết
của nhân viên văn phòng đối với công ty ABCD?
mô hình nghiên cứu
Bản chất
công việc Sự gắn kết
Cơ hội đào tạo vì Tình cảm
và thăng tiến
Phong cách Sự gắn kết

Sự hài lòng
lãnh đạo để Duy trì
Quan hệ với
đồng nghiệp Sự gắn kết
vì Đạo đức
Thu nhập
Văn hóa
Công ty

Giả thuyết nghiên cứu
H1: “Bản chất công việc” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty.
H2: “Cơ hội đào tạo và thăng tiến” cao có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên
với Công ty
H3: “Phong cách lãnh đạo” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công
ty.
H4: “Quan hệ với đồng nghiệp” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với
Công ty.
H5: “Thu nhập” tốt có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty
H6: “Văn hóa Công ty” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty
H7: “Sự hài lòng của nhân viên” có tác động đến “sự gắn kết của nhân viên” tại công ty.
Part C
Các bước xử lý số liệu
1. Kiểm tra dữ liệu nhập
2. Kiểm định thang đo
3. Phương pháp kiểm định
4. Kiểm định giả thuyết

Part C
1. Kiểm tra dữ liệu nhập
- Kiểm tra sự hợp lý của dữ liệu
- Kiểm tra các giá trị dị biệt (outliers) và hướng khắc phục
- Kiểm tra missing values
Điểm dị biệt (Outliers)
Tại sao cần kiểm tra điểm dị biệt?
- Giúp kết quả kiểm định đi đúng hướng NC
2 loại điểm dị biệt
• Dị biệt đơn lẻ (unvariate outliers)
• Dị biệt kết hợp (multivariate outliers)

Điểm dị biệt

Giả định
Điểm dị biệt
H0: Dữ liệu cung cấp hoàn toàn bình thường
- Kiểm định phân phối chuẩn nếu p-value > 0.05
p < 0.05

Điểm dị biệt
Dị biệt
cứng

Điểm dị biệt
Dị biệt
mạnh

Giá trị khuyết (missing values)
Có 2 loại giá trị khuyết:
- System missing values
- User missing values

Khi nào xảy ra:
- Bảng câu hỏi có vấn đề
- Do đáp viên (bỏ qua câu hỏi hoặc từ chối trả lời)
- Quá nhiều ý kiến “trung lập”
- Trong quá trình nhập dữ liệu xảy ra sai sót.

Ảnh hưởng của giá trị trống lên dữ liệu
- Làm giảm kích thước mẫu
- Tạo ra sự chênh lệch lên dữ liệu
- Kết quả nghiên cứu thiếu chính xác

Part C
2. Kiểm định thang đo
• Cronback’s Alpha
• EFA (biến độc lập, trung gian, phụ thuộc)

Cronbach’s alpha (Độ tin cậy của thang đo)
- Loại bỏ các biến không

đảm bảo độ tin cậy
- Hạn chế các biến rác


Hệ số tương quan biến tổng
Hệ số này càng cao thì sự tương quan
của biến này với biến kkhác càng cao
Điều kiện xét – loại bỏ
Biến tổng > 0.4: giữ lại
Biến tổng < 0.4: loại bỏ
Hệ số Cronbach’s alpha sau khi loại biến

Nếu biến nào có hệ số LỚN HƠN hệ số
Cronbach’s Alpha thì loại bỏ

Kiểm tra độ tin cậy nội tại của thang đo.
• 0,8 ≤ Cronbach’s Alpha ≤ 1,0: Thang đo lường tốt

• 0,7 ≤ Cronbach’s Alpha ≤ 0,8: Thang đo có thể sử dụng được
• 0,6 ≤ Cronbach’s Alpha ≤ 0,7: Khái niệm đang nghiên cứu
Exploratory Factor Analysis (EFA) – Biến độc lập
(Nhân tố khám phá)
Exploratory Factor Analysis (EFA) – Biến độc lập
(Nhân tố khám phá) Ma trận xoay nhân tố
Đánh giá dựa vào mối tương quan giữa

các biến.
Để quyết định giữ biến hay loại biến trong

EFA dữ liệu cần thỏa mãn 2 điều kiện:
- "Giá trị hội tụ": Các biến quan sát hội tụ về
cùng một nhân tố.
- "Giá trị phân biệt": Các biến quan sát
thuộc về nhân tố này và phải phân biệt với
nhân tố khác.

EFA

EFA Factor loading (Hệ số tải nhân tố)
- Biểu thị mức độ giải thích của nhân tố
đối với các biến quan sát tương ứng.
- Hệ số tải nhân tố càng cao, nghĩa
là tương quan giữa biến quan sát đó
với nhân tố càng lớn và ngược lại.
0.45 hoặc 0.5: 120 đến dưới 350

0.3 từ 350 ++
• mức ± 0.3: Điều kiện tối thiểu để

biến quan sát được giữ lại.
• mức ± 0.5: Biến quan sát có ý nghĩa
thống kê tốt.
• mức ± 0.7: Biến quan sát có ý nghĩa
thống kê rất tốt.

Loại hệ số tải nhân tố CV4 và VH4

EFA – kết quả

0.7 < KMO < 1 : phân tích nhân tố phù hợp
Sig (significant) < 0.05: các biến quan sát có

tương quan với nhau trong tổng thể

EFA – kết quả
Giá trị phương sai cộng dồn Tổng phương sai trích
Hệ số Eigenvalues > 1
Nhân tố rút trích có ý nghĩa
tóm tắt thông tin tốt nhất.
>50%

Exploratory Factor Analysis (EFA) – Biến trung gian
và biến độc lập
(Nhân tố khám phá)
Exploratory Factor Analysis (EFA)
(Nhân tố khám phá) Ma trận xoay nhân tố
Đánh giá dựa vào mối tương quan giữa

các biến.
Để quyết định giữ biến hay loại biến trong

EFA dữ liệu cần thỏa mãn 2 điều kiện:
- "Giá trị hội tụ": Các biến quan sát hội tụ về
cùng một nhân tố.
- "Giá trị phân biệt": Các biến quan sát
thuộc về nhân tố này và phải phân biệt với
nhân tố khác.

EFA – Biến phụ thuộc – kết quả
Hệ số KM đạt 0.874 > 0.5 phân tích nhân tố là phù hợp với
dữ liệu thực tế
Các biến quan sát có tương quan với nhau trong mỗi nhóm
nhân tố khi Sig < 0.05

Nhân tố rút trích có ý nghĩa tóm tắt thông tin tốt nhất khi Eigenvalues = 1.624 > 1
Tổng phương sai trích = 75.89 > 50%. Điều này cho thấy 4 nhân tố rút trích được giải
thích 76% biến thiên của dữ liệu quan sát.

Kết quả xoay nhân tố lần cuối chúng

ta có được 4 nhân tố.
Nhân tố 1: GK31, GK32, GK33, GK34

Nhân tố 2: GK11, GK12, GK13, GK14
Nhân tố 3: GK21, GK22, GK23
Nhân tố 4: HL1, HL2, HL3

Thang đo tỷ lệ
(Ratio scale)
Biến định lượng
Thang đo khoảng
(Interval scale)
Thang đo thứ bậc

(Ordinal scale)
Biến định tính
Thang đo định danh
(Nominal scale)

Biến đại diện trung bình cho mỗi nhân tố
Giúp tiến hành đánh giá mối

tương quan Pearson và hồi
quy (regression)


Sau khi tạo biến đại diện mới cho mỗi nhân tố, ta có các biến mới sau
- X1: Phong cách lãnh đạo

- X2: Quan hệ đồng nghiệp
- X3: Thu nhập
- X4: Cơ hội đào tạo , thăng tiến
- X5: bản chất công việc
- X6: Văn hóa công ty
- X7: Gắn kết vì đạo đức
- X8: Gắn kết vì tình cảm
- X9: Gắn kết để duy trì
- X10: Hài lòng của NV

Part C
3. Phương pháp kiểm định
Independent- One-way Pearson

sample t-test ANOVA correlation

Independent-sample t-test
Kiểm định sự khác biệt trung bình
Phương pháp này giúp chúng
ta so sánh trung bình (mean)
của tổng thể với một giá trị cụ
thể nào đó.
Sự khác biệt trung bình biến

định lượng đối với các giá trị
khác nhau của một biến định
tính hay không.



sig < 0.05
sig > 0.05

One-way ANOVA (analysis of variance) – F- Test
Phân tích phương sai một yếu tố
Kiểm định sự khác biệt về sự hài lòng của

nhân viên theo các đặc điểm cá nhân
VD: Xem có sự khác nhau về sự hài lòng khi

làm việc giữa 2 nhóm nhân viên nam và nữ
hay không.
Phương pháp này giúp chúng ta so sánh trị

trung bình của 3 nhóm trở lên.

One-way ANOVA
Compare to variable (meaasure scale)

ex: age (measure scale)

One-way ANOVA
Theo yếu tố thâm niên, thu nhập, chức vụ

One-way ANOVA
Có tất cả 317 nhân viên có thâm niên trên 5 - 10

năm hài lòng với công việc (mean = 3.6803), và cao
hơn 2 nhóm còn lại
Có tất cả 33 nhân viên là tổ trưởng/nhóm trưởng

hài lòng với công việc (mean = 3.8182), và cao hơn 3
nhóm còn lại
Có tất cả 151 nhân viên có thu nhập từ 6-9 triệu hài
lòng với công việc (mean = 3.7483), và cao hơn 2
PhD Đào Duy Tùng, TayDo Universitynhóm còn lại
One-way ANOVA (analysis of variance)
Levene test: dùng kiểm định phương sai

bằng nhau hay không giữa các nhóm
Giả định
Ho: “Phương sai bằng nhau”
Ha: “Phương sai không khác nhau”
Sig= 0.319 > 0.05
Phương sai giữa các biến định tính

ở trên không khác nhau
=> kết quả ANOVA có thể sử dụng
Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng

của những nhân viên theo yếu tố thâm niên.
One-way ANOVA (analysis of variance)
ANOVA test
Giả định
Ho: “Trung bình bằng nhau”
Sig > 0.05
Không có sự khác biệt có ý nghĩa thống

kê về mức độ hài lòng của những nhân
viên thuộc các nhóm có số năm thâm
niên khác nhau

Kiểm định Hệ số tương quan
(Pearson correlation)

Giả định sig < 0.05 biến độc lập tương quan biến trung gian (see r strong/weak)
H0: Hệ số r = 0 sig > 0.05 biến độc lập không tương quan biến trung gian
Sig > 0.05 giữa các biến độc
lập không có tương quan
với nhau

Part C
4. Kiểm định giả • Linear regression

thuyết nghiên cứu • One-way Multivariate Analysis Of
Variance

mô hình nghiên cứu
Bản chất
công việc Sự gắn kết
Cơ hội đào tạo vì Tình cảm
và thăng tiến
Phong cách Sự gắn kết

Sự hài lòng
lãnh đạo để Duy trì
Quan hệ với
đồng nghiệp Sự gắn kết
vì Đạo đức
Thu nhập
Văn hóa
Công ty

Giả thuyết nghiên cứu
H2: “Cơ hội đào tạo và thăng tiến” cao có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên
với Công ty
H3: “Phong cách lãnh đạo” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công
ty.
H4: “Quan hệ với đồng nghiệp” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với
Công ty.
H7: “Sự hài lòng của nhân viên” có tác động đến “sự gắn kết của nhân viên” tại công ty.
Hồi quy tuyến tính (Linear regression)


BÌnh phương hiệu chỉnh Giả định về tính độc
lập của các phần dư
Mô hình có hệ số R2= 0.709 , cho thấy 71% sự biến đổi về sự hài lòng của nhân viên về cty sẽ
được giải thích trong mô hình. Qua chỉ tiêu này cho chúng ta biết được mức độ phù hợp của
chuơng trình hồi quy và dữ liệu nghiên cứu
Hệ số R2 hiệu chỉnh = 0.704 cho thấy mức độ phù hợp của mô hình cao, các yếu tố đưa vào mô
hình giải thích được 70.4% sự thay đổi của biến phụ thuộc. Kết quả phân tích của mô hình
nghiên cứu có giá trị
F- statistic
Kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính
tổng thể về mối quan hệ tuyến tính giữa biến phụ thuộc và các biến
độc lập

VIF: hệ số phóng đại phương sai Hồi quy chuẩn hoá
Tolerance: Độ chấp nhận
Thống kê đa cộng tuyến
Kết quả hồi quy cho thấy yếu tố “Phong cách lãnh đạo” có ảnh hưởng mạnh nhất đến ”sự hài lòng” của
nhân viên, tiếp theo là yếu tố “Văn hoá cty”, ”Thu nhập”, “Quan hệ đồng nghiệp”, “Cơ hội đào tạo và thăng
tiến”, “Bản chất công việc”.
Kết quả kiểm định giả thuyết nghiên cứu
Mối quan hệ tác động cùng chiều dương và có ý nghĩa thống kê (β=0.145 p<0.05). Do đó giả thuyết được chấp nhận
H2: “Cơ hội đào tạo và thăng tiến” cao có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty
Mối quan hệ tác động cùng chiều dương và có ý nghĩa thống kê (β=0.164; p<0.05). Do đó giả thuyết được chấp nhận
H3: “Phong cách lãnh đạo” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty.
H4: “Quan hệ với đồng nghiệp” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty.

MANOVA 1 chiều
Phân tích phương sai đa biến một chiều
MANOVA kiểm tra sự khác nhau về giá trị trung bình cho nhiều biến phụ thuộc.
Câu hỏi: Có sự khác nhau về giá trị trung bình của sự gắn kết (đạo đức, tình cảm, duy trì)
theo sự hài lòng của nhân viên hay không?
PhD Đào Duy Tùng, TayDo University 90

MANOVA 1 chiều

MANOVA 1 chiều

MANOVA 1 chiều

MANOVA 1 chiều

7.4. KẾT QUẢ PHÂN TÍCH HỒI QUY

MANOVA 1 chiều
Kiểm tra giả định
H0: ma trận hiệp phương sai của các biến phụ

thuộc bằng nhau giữa các nhóm
Nếu
Sig < 0.001 : vi phạm giải định
Sig > 0.001 : không vi phạm giả định
Sig = .341 > .001: chưa thể bác bỏ giả thuyết

=> hiệp phương sai đồng nhất

MANOVA 1 chiều
Sig > 0.05

Điều đó cho thấy, phương sai của sai số ở 2 biến phụ thuộc không đổi giữa các nhóm.
MANOVA 1 chiều
Sự khác nhau về sự hài lòng của nhân viên giữa các nhóm gắn kết của nhân
viên với ABCD được thể hiện ở dòng thứ 2 (X10),
Sig < 0.05, kết luận có sự khác nhau về các nhóm gắn kết (đạo đức, tình cảm, duy
trì) của nhân viên được thể hiện qua sự hài lòng của nhân viên tại ABCD 98
MANOVA 1 chiều
Sig = .000 < .001

Kết quả cho thấy nhân viên có nhóm gắn kết
(đạo đức, tình cảm, duy trì) đều khác nhau
theo sự hài lòng của nhân viên tại ABCD

Phân tích phương sai đa biến 1 chiều (MANOVA)

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Phân tích phương sai đa biến 1 chiều (MANOVA)

Uploaded by

Copyright:

Available Formats

Phương pháp xử lý số liệu

PhD. Đào Duy Tùng

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

Thang đo Thang đo Thang đo Thang đo

khía cạnh khác nhau Phục vụ chu đáo 1 2 3 4 5

PhD Đào Duy Tùng, TayDo University

Giảng viên có kiến thức sâu. 1 2 3 4 5

Bước 1 - Nhận diện và đặt tên biến muốn đo lường

Có 4 tiêu chuẩn đánh giá Thang đo gồm:

Độ tin Giá trị Tính đa Tính dễ

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

• Dùng để mô tả hay đo lường vấn đề nghiên cứu

PhD Đào Duy Tùng, TayDo University

• độc lập --> trung gian --> phụ thuộc

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

Quần thể (N) Mẫu (n)

=> sử dụng công thức của Cochran’s (1977)

2. Đã biết (chính xác / khoảng) số lượng quần thể.

=> sử dụng công thức của Taro Yamane (1967)

3. Sử dụng phương thức chọn mẫu ngẫu nhiên đơn giản

Dùng công thức tính của Cochran’s (1977)

Dùng công thức tính của Yamane (1967)

Sử dụng bảng kích cỡ mẫu của Krejcie and Morgan (1970)

Krejcie, Robert V.; Morgan, Daryle fv (1970): Determining

Phong cách Sự gắn kết

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

Tại sao cần kiểm tra điểm dị biệt?

- Giúp kết quả kiểm định đi đúng hướng NC

2 loại điểm dị biệt

• Dị biệt đơn lẻ (unvariate outliers)

• Dị biệt kết hợp (multivariate outliers)

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

Có 2 loại giá trị khuyết:

- System missing values

- User missing values

PhD Đào Duy Tùng, TayDo University

Khi nào xảy ra:

- Bảng câu hỏi có vấn đề

- Quá nhiều ý kiến “trung lập”

- Trong quá trình nhập dữ liệu xảy ra sai sót.

PhD Đào Duy Tùng, TayDo University

Ảnh hưởng của giá trị trống lên dữ liệu

- Làm giảm kích thước mẫu

- Tạo ra sự chênh lệch lên dữ liệu

- Kết quả nghiên cứu thiếu chính xác

PhD Đào Duy Tùng, TayDo University

• EFA (biến độc lập, trung gian, phụ thuộc)

PhD Đào Duy Tùng, TayDo University

- Loại bỏ các biến không

PhD Đào Duy Tùng, TayDo University

PhD Đào Duy Tùng, TayDo University

Hệ số Cronbach’s alpha sau khi loại biến