TRƯỜNG ĐẠI HỌC MỞ TP.

HỒ CHÍ MINH
KHOA ĐÀO TẠO ĐẶC BIỆT

Th.S: Nguyễn Thị Thanh Thủy

 NỘI DUNG

I Giới thiệu phần mềm SPSS

II Nhập và kiểm tra số liệu

III Các phần phân tích dữ liệu

TÀI LIỆU THAM KHẢO

1. SPSS Base 8.0 – Application Guide (Tác giả nước

ngoài)
2. Ứng dụng SPSS for Windows để xử lý và phân tích
dữ kiện nghiên cứu. NXB khoa học & kỹ thuật
19973.
3. SPSS 8.0 – 9.0 ứng dụng trong phân tích dữ liệu
quản trị kinh doanh và khoa học tự nhiên – xã hội.
NXB GTVT 2000
I.GIỚI THIỆU VỀ PHẦN MỀM SPSS

Phần mềm SPSS: viết tắt của Statistical Products for the
Social Services.
Là 1 phần mềm máy tính phục vụ công tác phân tích
thống kê, thường đươc sử dụng rộng rãi trong nghiên
cứu xã hội, kinh tế lượng
SPSS thường dùng để phân tích hay xử lý số liệu sơ
cấp
Trước đây chạy dưới môi trường DOS, từ Vesion 7.0
chạy được trên Windows, hiện nay đã có phiên bản 20.0
Cài đặt phần mềm SPSS:
+ Lưu ý đến license hoặc cdkey
I.GIỚI THIỆU VỀ PHẦN MỀM SPSS

Ứng dụng của SPSS:

▪ Tâm lý học, tội phạm học, tâm lý sinh viên
▪ Điều tra xã hội học: yếu tố ảnh hưởng đến cảm nhận
của con người, người dân
▪ Nghiên cứu kinh doanh: dự định mua sản phẩm
▪ Phân tích thực trạng, tìm ra nhân tố ảnh hưởng, dự
đoán xu hướng xảy ra tiếp theo

▪ Ngoài phần mềm SPSS, R, Strata, Amos, Smart PLS,

SEM , Machine learning Python
 ✓Khai báo
✓Tạo biến
MÃ HÓA
✓Frequencies
✓Descriptive
✓Tables
THỐNG KÊ

✓Hồi quy tuyến tính OLS

MÔ HÌNH ✓Mô hình nhị phân
DỰ BÁO

✓Mean
SPSS KIỂM ĐỊNH ✓T-test
✓Anova
6
I.GIỚI THIỆU VỀ PHẦN MỀM SPSS
Giao diện SPSS trong Windows
I.GIỚI THIỆU VỀ PHẦN MỀM SPSS
Giao diện SPSS trong Windows. Cửa số chính
I.GIỚI THIỆU VỀ PHẦN MỀM SPSS
Giao diện SPSS trong Windows. Cửa số đầu ra
CHUẨN BỊ SỐ LIỆU

Các biến định tính

- Giới tính: nam (Male) hoặc nữ (Female)
- Nơi làm việc:
- Trình độ học vấn

Các biến định lượng

- Tuổi
- Thu nhập
MÔ HÌNH NGHIÊN CỨU
MÔ HÌNH NGHIÊN CỨU
 MÔ HÌNH NGHIÊN CỨU
An investigation of Student Intention to use Electronic Wallet: Combining TAM
model and UTAUT model
MÔ HÌNH NGHIÊN CỨU
STT Code Gender Age Level of education Current workplace Working experiment
Female People’s Committee of
1Tan Binh 33Bachelor District 11- 15 years
Female People’s Committee of
2Tan Binh 47Bachelor District 11- 15 years
People’s Committee of
3Tan Binh Male 36Bachelor Ward 11- 15 years
People’s Committee of
4Tan Binh Male 36Bachelor Ward 1- 5 years
People’s Committee of
5Tan Binh Male 43 Master Degree District 16- 20 years
People’s Committee of
6Tan Binh Male 53Bachelor Ward 16- 20 years
Female People’s Committee of
7Tan Binh 30Bachelor Ward Less than 1 years
Female People’s Committee of
8Tan Binh 34Bachelor District 11- 15 years
Female People’s Committee of
9Tan Binh 39Bachelor District 11- 15 years
Female People’s Committee of
10Tan Binh 39Bachelor District 6- 10 years
Female People’s Committee of
11Tan Binh 45Bachelor District 16- 20 years
Female People’s Committee of
12Tan Binh 40Bachelor District 11- 15 years
People’s Committee of
13Tan Binh Male 45Bachelor District 11- 15 years
MÃ HÓA DỮ LIỆU
Các biến định tính
- Giới tính: nam (1)hoặc nữ (2)
- Trình độ học vấn: Cao đẳng (1), Đại học (2), Thạc sỹ
(3), Tiến sĩ (4)
I.GIỚI THIỆU VỀ PHẦN MỀM SPSS
II.NHẬP DỮ LIỆU VÀO PHẦN MỀM SPSS

Hai cách nhập dự liệu vào phần mềm SPSS

 Cách 1 nhập trực tiếp trên phần mềm
 Cách 2 nhập từ file excel
II.NHẬP SỐ LIỆU TỪ FILE EXCEL
TẠO BIẾN ĐẠI DIỆN BẰNG TRUNG BÌNH CỘNG
SPSS> Transform> Compute variables
TẠO BIẾN ĐẠI DIỆN BẰNG TRUNG BÌNH CỘNG

SPSS> Transform> Compute variables

 Cửa sổ mới mở ra gồm có 2 mục: Target
variable và Numeric Expression
 Target variable: điền tên biến đại diện
 Numeric expression : Nhập hàm Mean(giá trị
1, giá trị 2, giá trị 3….)
Lưu ý: Các giá trị trong hàm ngăn cách nhau
bằng dấu phẩy và không có khoảng trắng
TẠO BIẾN ĐẠI DIỆN BẰNG TRUNG BÌNH CỘNG
SPSS> Transform> Compute variables
TẠO BIẾN ĐẠI DIỆN BẰNG TRUNG BÌNH CỘNG
SPSS> Transform> Compute variables
PHÂN TÍCH DỮ LIỆU (SPSS

 1. Frequency (Thống kê tầng số)

 2. Descriptive (Thống kê mô tả)
 3. Cronbach’s Alpha ( Độ tin cậy)
 4. EFA ( Phân tích nhân tố khám phá)
 5. Correlation (Phân tích tương quan)
 6. Regression (Phân tích hồi quy)
PHÂN TÍCH DỮ LIỆU

Sau khi đã hoàn tất nhập dự liệu vào phần mềm

SPSS
Chúng ta đã có có thể chạy(phân tích dữ liệu.
Descritive Statistics (Thống Kê Mô Tả).
Analyasis> Descriptive Statistics> Frequencies hoặc
là Descriptive.
Frequencies: Để mô tả sự phân bố của biến dữ liệu,
Descriptive dùng để mô tả giá trị trung bình (Mean)
và Độ lệch chuẩn (Standard Deviation)
PHÂN TÍCH DỮ LIỆU
Thông tin chung
1. Giới tính
2. Tuổi
3. Trình độ học vấn
4. Nghề nghiệp
5. Thu nhập
6. Kinh nghiệm làm việc
7. Nơi làm việc

Phân tích
Phân tích tổng hợp số liệu thống kê: frequency ,
percentage
PHÂN TÍCH MÔ TẢ ( FREQUENCE)
(Analyze=> Descriptive Statistics=> Frequencies…)
PHÂN TÍCH MÔ TẢ ( FREQUENCE)
(Analyze=> Descriptive Statistics=> Frequencies…
PHÂN TÍCH MÔ TẢ (FREQUENCE)
Frequencies: Kết quả
PHÂN TÍCH DỮ LIỆU
Các yếu tố liên quan đến mô hình
1. Nhận thức sự hữu ích
2. Nhận thức dễ sử dụng
3. Nhận thức tính bảo mật
4. Ảnh hưởng của xã hội
5. Niềm tin
6. Ý định

Phân tích
Phân tích tổng hợp số liệu (mean, std) Descriptive
Statistics=.> Descriptive
PHÂN TÍCH MÔ TẢ (DESCRIPTIVE)
(Analyze=> Descriptive Statistics=> Descriptive)
PHÂN TÍCH MÔ TẢ (DESCRIPTIVE)
(Analyze=> Descriptive Statistics=> Descriptive)
PHÂN TÍCH MÔ TẢ (DESCRIPTIVE)
(Descriptive: Kết quả)
 KIỂM ĐỊNH ĐỘ TIN CẬY CỦA THANG ĐO
CRONBACH ALPHA

– Cronbach (1951) đưa ra hệ ѕố tin cậу cho thang đo.

Phép kiểm định này phản ánh mức độ tương quan chặt
chẽ giữa các biến quan sát trong 1 nhân tố và cùng giải
thích cho cùng khái niệm trong 1 nhân tố

Lưu ý:
Hệ ѕố Cronbach’ѕ Alpha chỉ đo lường độ tin cậу của thang
đo (bao gồm từ 3 biến quan ѕát trở lên) chứ không tính
được độ tin cậу cho từng biến quan ѕát.
.
 KIỂM ĐỊNH ĐỘ TIN CẬY CỦA THANG ĐO
CRONBACH ALPHA
Theo Nunnally (1978) một thang đo tốt nên có độ tin cậy
Cronbach’s Alpha từ 0.7 trở lên.
Hair và cộng sự (2009) một thang do đảm bảo tính đơn
hướng và đạt độ tin cậy tốt Cronbach’s Alpha từ 0.7 trở
lên.

– Mức giá trị hệ ѕố Cronbach’ѕ Alpha:

• Từ 0.8 đến gần bằng 1: thang đo lường rất tốt.
• Từ 0.7 đến gần bằng 0.8: thang đo lường ѕử dụng tốt.
• Từ 0.6 trở lên: thang đo lường đủ điều kiện.
KIỂM ĐỊNH ĐỘ TIN CẬY CỦA THANG ĐO
CRONBACH ALPHA

Analyasis> Scales> Reliability Analysis

 PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)

EFA (Exploratory Factor Analysis)= phân tích nhân tố

khám phá
Theo Hair và cộng sự (2009) EFA là một phương pháp
phân tích thống kê dùng để rút gọn một tập gồm nhiều
biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi
là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn
chứa đựng hầu hết nội dung thông tin của tập biến ban
đầu.

EFA hướng đến việc khám phá ra cấu trúc cơ bản của một
tập hợp các biến có liên quan với nhau.
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Analyasis> Dimension Reduction > Factor
 PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)

Mục Descriptives: Tích vào

mục KMO and Barlett’s test of
sphericity để xuất bảng giá trị
KMO và giá trị sig của kiểm định
Barlett. Nhấp Continue
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Mục Extraction: chúng ta sẽ chọn sử dụng phép trích PCA
(Principal Components Analysis).
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Mục Rotation: Ở đây có các phép quay, thường chúng ta hay
sử dụng Varimax. Nhấp Continue để quay lại cửa sổ ban đầu
 PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)

Mục Descriptives: Tích vào

mục KMO and Barlett’s test of
sphericity để xuất bảng giá trị
KMO và giá trị sig của kiểm định
Barlett. Nhấp Continue
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Mục Extraction: Click chọn phép trích PCA (Principal Components Analysis).
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Mục Rotation: Các phép quay, thường chúng ta hay sử dụng
phép quay Varimax và Promax. Riêng với dạng đề tài đã xác
định được biến độc lập và biến phụ thuộc, chúng ta sử dụng
phép quay Varimax. Nhấp Continue để quay lại cửa sổ ban đầu.
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Mục Options: Click vào 2 mục Sorted by size giúp sắp xếp ma trận
xoay thành từng cột dạng bậc thang để dễ đọc dữ liệu hơn.Và
Suppress small coefficients giúp loại bỏ các hệ số tải không đạt tiêu
chuẩn khỏi ma trận xoay, giúp ma trận gọn gàng, trực quan hơn.
Tại mục này sẽ có hàng Absolute value below, bạn cần nhập vào giá
trị hệ số tải nhân tố Factor Loading tối thiểu, thường là 0.3 và 0.5.
Kích thước mẫu file dữ liệu là 220 nên tác giả sẽ nhập vào 0.5.
 Nhấp Continue để quay lại cửa sổ ban đầu và sau đó Okie
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)

Có nhiều bảng ở Outputs, nhưng bạn chỉ cần quan tâm 3 bảng
dưới đây:
 Total Variance Explained: xem tổng phương sai trích Total
Variance Explained và giá trị Eigenvalue.
 KMO and Barlett’s Test: xem hệ số KMO và sig kiểm định
Bartlett.
 Rotated Component Matrix: xem ma trận xoay và kiểm tra hệ
số tải Factor Loading của các biến quan sát.
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Bảng 1: Kiểm định KMO và Bartlett
Tiêu chuẩn của phương pháp phân tích nhân tố là chỉ số KMO
phải lớn hơn 0.5 (Garson, 2003) và kiểm định Barlett’s có mức ý
nghĩa sig < 0.05 để chứng tỏ dữ liệu dùng phân tích nhân tố là
thích hợp và giữa các biến có tương quan với nhau.
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Total Variance Explained: xem tổng phương sai trích Total
Variance Explained và giá trị Eigenvalue.
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Bảng 2: Kiểm định KMO và Bartlett
Kết quả cho thấy các biến quan sát ban đầu được nhóm thành 5
nhóm.
Giá trị tổng phương sai trích = 71.446% > 50%: đạt yêu cầu; khi đó có
thể nói rằng 5 nhân tố này giải thích 71.446% biến thiên của dữ liệu.
Giá trị hệ số Eigenvalues của các nhân tố đều cao (>1), nhân tố thứ 5
có Eigenvalues thấp nhất là 1.083> 1
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Rotated Component Matrix: xem ma trận xoay và kiểm tra hệ số
tải Factor Loading của các biến quan sát
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Hệ số tải (Factor loadings)
 Hệ số tải Factor loadings là những hệ số tương quan đơn giữa
các biến và các nhân tố. Hệ số này nhỏ hơn 0,5 trong EFA sẽ
tiếp tục bị loại để đảm bảo giá trị hội tụ giữa các biến.

 Phương pháp trích hệ số sử dụng là Principal components và

điểm dừng khi trích các nhân tố có Eigenvalue lớn hơn 1, tổng
phương sai trích bằng hoặc lớn hơn 50%.(Nguyễn Đình Thọ,
2011)
PHÂN TÍCH TƯƠNG QUAN PEARSON
 Hệ số tương quan Pearson (Pearson correlation coefficient,
ký hiệu r) là số liệu thống kê kiểm tra đo lường mối quan hệ
thống kê hoặc liên kết giữa các biến phụ thuộc với các biến
liên tục (Gayen,1951)[
 Hệ số tương quan Pearson có giá trị biến động trong khoảng
từ -1 đến +1.
 Với r = 0: Hai biến trong hệ số không có quan hệ tương quan
tuyến tính
 Với r = 1 hoặc r = -1: Hai biến trong hệ số có quan hệ tương
quan tuyến tính tuyệt đối.
 Nếu r <0: Hệ số tương quan âm. Điều này đồng nghĩa với việc
giá trị 2 biến phụ thuộc sẽ đối lập nhau. Giá trị biến x giảm thì
giá trị biến y tăng và ngược lại, giá trị biến x tăng thì giá trị
biến y giảm.
 Nếu r >0: Hệ số tương quan dương. Điều này đồng nghĩa với
việc giá trị 2 biến phụ thuộc nhau song hành nhau. Giá trị biến
x tăng thì giá trị biến y tăng và ngược lại, giá trị biến y tăng thì
giá trị biến x cũng tăng theo.
PHÂN TÍCH TƯƠNG QUAN PEARSON
Analyasis> Correlate> Bivariate
PHÂN TÍCH TƯƠNG QUAN PEARSON
Analyasis> Correlate> Bivariate
PHÂN TÍCH TƯƠNG QUAN PEARSON
 A) Variables: Các biến được sử dụng trong Tương quan Pearson
bivariate. Chúng ta đưa hết tất cả các biến muốn chạy vàp
 (B) Correlation Coefficients: Có nhiều loại hệ số tương quan. Theo
mặc định, Pearson được chọn.
 (C) Test of Significance: Nhấp vào Two-tailed hoặc One-tailed , tùy
thuộc vào thử nghiệm ý nghĩa mong muốn của bạn. SPSS sử dụng thử
nghiệm two-tailed theo mặc định.
 (D) Flag significant correlations: Kiểm tra tùy chọn này sẽ bao gồm
các dấu sao (**) bên cạnh các tương quan có ý nghĩa thống kê trong
đầu ra.
 Cuối cùng là nhấp OK để xuất kết quả ra output.
PHÂN TÍCH TƯƠNG QUAN PEARSON
Analyasis> Correlate> Bivariate
PHÂN TÍCH TƯƠNG QUAN PEARSON

Analyasis> Correlate> Bivariate

 Đối với dòng giá trị sig. được tô màu cam: Giá trị nào < 0.05
thì ta kết luận rằng biến độc lập có tương quan tuyến tính với
biến phụ thuộc và ngược lại (giá trị nào > 0.05 thì không có
sự tương quan giữa biến độc lập và biến phụ thuộc)
PHÂN TÍCH HỒI QUY (LINEAR REGRESSION)
PHÂN TÍCH HỒI QUY ĐA BIẾN
Analyze > Regression > Linear
PHÂN TÍCH HỒI QUY ĐA BIẾN
Analyze > Regression > Linear
PHÂN TÍCH HỒI QUY ĐA BIẾN
Tích vào statistics
PHÂN TÍCH HỒI QUY ĐA BIẾN
Vào mục Plots : dùng để vẽ đồ thị phần dư
Chúng tích chọn vào Histogram và Normal probability
plot, kéo biến ZRESID thả vào ô Y, kéo biến ZPRED thả
vảo ô X như hình bên dưới. Tiếp tục chọn Continue.
PHÂN TÍCH HỒI QUY ĐA BIẾN
Save không cần chọn
Option không cần chọn
Tích continue và okie sau đó 3 bảng kết quả hiện ra .
PHÂN TÍCH HỒI QUY ĐA BIẾN
3 bảng kết quả: Model summary , Anova và Coefficients
PHÂN TÍCH HỒI QUY ĐA BIẾN
Bảng Model summary dùng để đánh giá độ phù hợp của
mô hình hồi quy đa biến, hệ số R bình phương hiệu chỉnh
Adjusted R Square là 0.609. Nghĩa là 60.9% biến thiên
của biến phụ thuộc HÀI LÒNG được giải thích bởi 6 nhân
tố độc lập.
PHÂN TÍCH HỒI QUY ĐA BIẾN
Bảng kết quả: Anova để kiểm định giả thuyết về độ phù
hợp với tổng thể của mô hình, giá trị F=26.746 với
sig.=0.000 <5%. Chứng tỏ R bình phương của tổng thể
khác 0. Đồng nghĩa với việc mô hình hồi quy tuyến tính
xây dựng được là phù hợp với tổng thể
PHÂN TÍCH HỒI QUY ĐA BIẾN
3 bảng kết quả: Model summary, Anova và Coefficients

Unstandardized Coefficient B: hệ số beta chưa chuẩn

hóa và Standardized coefficient B: hệ số beta chuẩn
hóa
Significant: ý nghĩa thống kê
VIF < 10 ( không có đa công tuyến)