Professional Documents
Culture Documents
Chuong 2 - Kiem Dinh Thang Do Va Phan Tich Nhan To
Chuong 2 - Kiem Dinh Thang Do Va Phan Tich Nhan To
1
Xây dựng và kiểm định thang đo dùng
trong nghiên cứu
Mô hình nghiên cứu & khái niệm
Trong nghiên cứu định lượng cần đo lường
các khái niệm dùng trong nghiên cứu
(construct).
Ví dụ: Một mô hình nghiên cứu đơn giản
bên dưới có 3 khái niệm: Giá trị dịch vụ, chất
lượng dịch vụ và sự hài lòng. Việc đo 3 khái
niệm này không đơn giản.
2
Giá trị Chaát löôïng
dịch vụ dòch vuï
H1 (+)
H2 (+)
3
Khái niệm và Đo lường
Một số khái niệm có thể việc đo lường không
phức tạp về phương pháp, ví dụ như: Mức thu
nhập, mức chi tiêu, thời gian xem truyền hình,…
Một số khái niệm phức tạp, trừu tượng đòi
hỏi cần có quá trình chi tiết hóa khái niệm
(construct operationalization), thiết kế đo lường
(measurement design) và kiểm tra kỹ lưỡng.
4
Ví dụ:
* Lòng trung thành của khách hàng đối với
sản phẩm/dịch vụ/thương hiệu (customer loyalty);
* Chất lượng sản phẩm/dịch vụ theo cảm
nhận của khách hàng (perceived quality)
* Hài lòng của nhân viên (employee
satisfaction)
5
Chi tiết hóa khái niệm: Lòng trung thành của
khách hàng đối với sản phẩm/dịch vụ/thương hiệu
(customer loyalty) bao gồm những khía cạnh sau:
- Tiếp tục mua (mua rồi mua nữa có thể vì thiếu tiền,
thiếu hàng,… vẫn chờ đợi mua hàng này)
- Không nghĩ đến những thứ khác (có tiền, có hàng
cạnh tranh vẫn mua hàng này)
- Không có ý định mua thử những thứ khác (có những
người dùng hàng tốt, hài lòng nhưng họ vẫn có ý thử những
thương hiệu khác)
- Nói tốt về sp/dịch vụ/thương hiệu với người khác
(hài lòng nên gặp ai cũng kể)
- Giới thiệu sp/dịch vụ/thương hiệu với người khác 6
Khái niệm đơn giản chỉ cần thang đo đơn giản
[thang đo 1 chỉ báo (item)]
Khái niệm trừu tượng cần thang đo phức tạp
(thang đo nhiều chỉ báo - multi-indicator scale).
Thang đo nhiều chỉ báo được sử dụng phổ biến
nhất là Likert 5 - 7 mức độ.
Thang Likert đặc trưng bởi cấu trúc như sau:
“Xin vui lòng đọc kỹ những phát biểu sau. Sau mỗi
câu phát biểu, hãy khoanh tròn trả lời thể hiện đúng nhất
quan điểm của bạn. Xin bạn cho biết rằng bạn rất đồng ý,
đồng ý, thấy bình thường, không đồng ý hay rất không
đồng ý với mỗi phát biểu?”
7
Thang đo Likert
8
Thang đo đơn hướng và đa hướng
BAÛ
NG 3.3 Keá
t quaûphaâ
n tích nhaâ
n toáEFA cuû
a khaù
i nieä
m “ chaá
t löôïng dòch vuïñaø
o taïo ”
Bieán Caù
c nhaâ
n toáchính Troïng % bieán Cron
quan soá thieâ
n giaû
i bach
saù
t thích ñöôïc α
F1 Hoïat ñoä
ng ñaøo taïo 33.849 0.726
CL_1 Chöông trình ñaø o taïo phuøhôïp toá
t vôù
i yeâu caà
u cuûa thöïc tieã
n. 0.600
CL_2 Noäi dung moâ n hoïc ñöôïc ñoåi môùi, ñaù
p öùng toá
t yeâ
u caà u ñaøo taïo. 0.620
CL_3 Phöông phaù p giaû
ng cuû a GV phuøhôïp vôùi yeâ
u caà
u cuû
a töøng moâ n hoïc. 0.652
CL_4 Giaûng vieâ
n coùkieá n thöùc saâ
u veàmoâ n hoïc ñaûm traùch. 0.673
CL_5 Caù
ch ñaùnh giaùvaøcho ñieå m sinh vieân coâng baèng. 0.583
CL_6 Toåchöùc thi cöû
, giaùm thò coi thi nghieâm tuùc. 0.565
F2 Cô sôûvaät chaát 7.377 0.746
CL_8 Cô sôûvaät chaát tröôø
ng ñaùp öùng toát nhu caà u ñaø
o taïo vaøhoïc taä
p. 0.639
CL_9 Phoøng maù y tính ñaùp öùng toá
t nhu caà u thöïc haø
nh cuû a sinh vieân. 0.680
CL_10 Cô sôûvaä
t chaát thö vieä
n toá
t. 0.798
CL_11 Nhaân vieân thö vieän phuïc vuïtoát. 0.698
F3 Dòch vuïhoãtrôïvaøphuïc vuï 9.166 0.811
CL_13 Dòch vuïy teáñaù p öù
ng toá t sinh vieân coùnhu caà u. 0.645
CL_14 Tö vaán ñaù
p öùng toát nhu caà u choïn löïa vaøhoïc taäp cuû
a sinh vieâ
n. 0.718
CL_15 Dòch vuïtaøi chính hoãtrôïtoá t sinh vieâ n coùnhu caàu. 0.782
CL_17 Dòch vuïaên uoáng giaû i khaùt phuøhôïp vôù i nhu caàu sinh vieâ
n. 0.638
CL_19 Nhaân vieâ
n giaùo vuï, thanh tra nhieä t tình phuïc vuïsinh vieân. 0.567
CL_20 Nhaøtröôøng vaøkhoa thöôø ng xuyeâ n laéng nghe yùkieá n sinh vieâ
n. 0.579
9
Ghi chú:
1/ Khái niệm hoạt động đào tạo là 1 khái niệm đơn
hướng (các biến quan sát thành 1 nhân tố). Tương
tự khái niệm chất lượng cơ sở vật chất, khái niệm
chất lượng cơ sở vật chất cũng là 1 khái niệm đơn
hướng.
12
Phân tích các mục hỏi
Tìm ra và giữ lại những mục hỏi có ý nghĩa
giúp đo lường được một khía cạnh của khái niệm
nghiên cứu từ danh sách các mục hỏi ban đầu ->
kiểm tra tính đơn hướng
Tính điểm các trả lời
Kiểm tra tương quan giữa các mục hỏi và tính
toán Cronbach alpha
Kiểm tra tương quan giữa tổng điểm của từng
người và điểm của từng mục hỏi.
Tiêu chuẩn: α lớn hơn 0,7
13
Ví dụ dưới đây về lợi ích của việc đánh răng
hàng ngày. Từ 1: Rất không quan trọng đến 5: Rất
quan trọng.
Biến 1 2 3 4 5
V1 Ngừa sâu răng
V2 Làm trắng răng
V3 Làm khỏe nướu răng
V4 Làm hơi thở thơm tho
V5 Làm sạch cáu răng
V6 Làm răng bóng
14
Những câu trả lời thông dụng
(thang đo Likert từ 1 – 5):
1 2 3 4 5
Rất không Không quan Trung lập Khá quan Rất quan
quan trọng trọng trọng trọng
Rất không Không đồng Bình thường Đồng ý Rất đồng ý
đồng ý ý
Rất không Không quan Trung lập Quan tâm Rất quan
quan tâm tâm tâm
Rất không Không an Trung lập Khá an toàn Rất an toàn
an toàn toàn
V.V V.V V.V V.V V.V
15
Đánh giá thang đo
16
Giá trị
Giá trị nói lên khả năng đo lường của thang đo.
Có 5 loại giá trị thang đo là:
(1) Giá trị nội dung
(2) Giá trị hội tụ (EFA) giúp chúng ta đánh giá.
(3) Giá trị phân biệt (EFA) giúp chúng ta đánh giá.
(4) Giá trị liên hệ lý thuyết
(5) Giá trị tiêu chuẩn.
Giá trị của một thang đo đạt yêu cầu khi
thỏa mãn được tất cả giá trị trên cùng với tính
đơn hướng và độ tin cậy.
17
Tính đơn hướng
Nói lên tập hợp các biến đo lường chỉ đo
lường một yếu tố tiềm ẩn (khái niệm nghiên cứu)
mà thôi.
Ví dụ, chất lượng dịch vụ, Parasuraman đã
xây dựng thang đo SERVQUAL để đánh giá chất
lượng dịch vụ gồm 22 biến thuộc 5 thành phần
(nhân tố) để đo lường kỳ vọng và cảm nhận dịch vụ
bao gồm: Độ tin cậy, Sự đáp ứng, Sự đảm bảo, Sự
cảm thông và Phương tiện hữu hình.
18
Độ tin cậy (reliability): Nói lên khả năng cung
cấp dịch vụ phù hợp và đúng thời hạn.
19
Sự đáp ứng (Responsiness): Nói lên mức độ
đáp ứng yêu cầu của khách hàng từ nhân viên của
doanh nghiệp.
6/ Nhân viên cho bạn biết khi nào thực hiện dịch vụ.
7/ Nhân viên nhanh chóng thực hiện dịch vụ cho bạn
(khách hàng)
8/ Nhân viên luôn sẳn sàng giúp bạn.
9/ Nhân viên luôn đáp ứng yêu cầu của bạn.
20
Sự đảm bảo (Assurance): Nói lên sự tin tưởng,
khả năng đảm bảo an toàn cho khách hàng (về vật
chất, tài chính, bảo mật thông tin v.v.
21
Sự cảm thông (Ampathy): Nói lên sự quan tâm
đến yêu cầu và chăm sóc đến từng cá nhân khách
hàng thông qua tìm hiểu những đòi hỏi của khách
hàng
22
Phương tiện hữu hình (Tangibility): Thông
qua trang phục của nhân viên, trang thiết bị, c ơ s ở
vật chất để phục vụ.
23
Ví dụ đề tài nghiên cứu: “ Đánh giá mức độ hài
lòng của khách quốc tế sử dụng dịch vụ khách sạn
trên địa bàn thành phố HCM”.
24
Mô hình Parasuraman đánh giá chất lượng và cảm nhận dịch vụ
Độ tin cậy
Chất
Sự đảm bảo lượng dịch
vụ
Sự đồng cảm
k ( xi )
2
1
k 1 x
2
α = Cronbach’s Alpha
k = số lượng biến trong thang đo
∑σ2(xi)= Tổng phương sai các biến (gồm k biến q/sát).
σ2x = Phương sai tổng của các biến này của thang
n
đo
(x x )
2
i i
2 ( xi ) i 1
n 1
27
Tính hệ số Cronbach’s Alpha trên
SPSS
29
The inter-item correlations (liên hệ giữa các
item) and covariances provide us with
correlation coefficients and averages for items on
our scale. If you haven’t already done a factor
analysis then it’s useful to ask for inter-item
correlations because the overall α is affected by
the number of items being analysed, and so you
might want to check back to see whether the
items seem to interrelate well.
30
Hệ số tương quan biến tổng
(Item-total correlation)
Là hệ số tương quan của một biến đo
lường i nào đó với điểm trung bình của các
biến khác trong cùng thang đo, do đó hệ số
này càng cao thì sự tương quan của biến này
so với các biến khác càng cao. Theo Nunally
& Burnstein (1994) các biến có h ệ s ố t ương
quan biến tổng nhỏ hơn 0.3 là biến rác và sẽ
bị loại khỏi thang đo.
31
Trong nghiên cứu về hài lòng khi mua sắm online,
một tác giả đo lường khái niệm thuận tiện bằng 3 biến đo
lường với thang đo Likert 5 điểm với 1: hoàn toàn không
đồng ý, và 5: hoàn toàn đồng ý.
Bảng 1. Kết quả phân tích Cronbach alpha cho thang đo khái niệm
thuận tiện (Thang đo đơn hương)
32
Cột thứ 2 biểu diễn trung bình thang đo, đó là trung
bình của tất cả biến đo còn lại, nếu bỏ đi biến đang quan
sát.
Cột thứ ba là phương sai của thang đo nếu loại bỏ biến
đang quan sát.
Hệ số tương quan biến tổng: 0,757 cho biết tương quan
giữa TT1 với tổng phần còn lại (TT2TT3).
33
PHÂN TÍCH NHÂN TỐ (Factor Analysis)
Ví dụ, Biến phòng nghỉ là biến không thể trực tiếp quan sát
được nhưng lại có ảnh hưởng đến một nhóm biến quan sát nào
đó và có thể giải thích cho mối liên hệ tương quan giữa các biến
quan sát này.
36
Ví dụ, nhân tố tác động đến lòng trung
thành của nhân viên, yếu tố công việc:
CV1 Công việc cho phép sử dụng tốt năng lực cá
nhân
40
Các đối tượng của phân tích nhân tố
+ Trong phân khúc thị trường (nhận diện các biến
quan trọng dùng để phân nhóm người tiêu dùng)
+ Trong nghiên cứu sản phẩm (xác định các yếu
tố ảnh hưởng đến sự chọn lựa của người tiêu
dùng)
+ Trong nghiên cứu quảng cáo (xác định thói
quen sử dụng phương tiện truyền thông).
41
+ Trong nghiên cứu định giá (để nhận diện
các đặc trưng của những người nhạy cảm với
giá)
+ v.v…
42
Phân tích nhân tố có 2 dạng:
1/ Phân tích nhân tố khám phá (Exploratory
Factor Analyses, viết tắt: EFA).
2/ Phân tích nhân tố khẳng định
(Confirmatory Factor Analyses, CFA).
Phân tích thành phần chính Phân tích yếu tố chung (FA)
(PCA) Phần riêng và sai số
Tổng
phương
Phần chung
sai
Communality =1 Phần chung
biến
Communality <1
=100%
44
Trong PCA, phần communality đưa vào cho
các biến đo lường bằng 1, nghĩa là đưa toàn bộ
(100%) phương sai của biến đo lường Xi vào
phân tích. Trong CFA, ban đầu chúng ta chỉ chọn
phần Communality để đưa vào và nó luôn nhỏ hơn
1 và cô lập phần riêng và sai số.
Mục tiêu của PCA là làm sao trích được
nhiều nhất phương sai các biến Xi còn mục tiêu
của CFA là giải thích tốt nhất hiệp phương sai giữa
các biến Xi.
Xem một ví dụ dưới đây:
45
Từ file: thuchanhphtichnhanto.sav
Bảng 2. Communality
Khi ta sử dụng
phương pháp PCA
trong phân tích
EFA, phần chung
ban đầu (Initial)
luôn bằng 1 và
phần trích cuối
cùng (extraction)
nhỏ hơn 1 (xem
bảng bên cạnh).
46
Phân tích nhân tố khám phá EFA dùng
để xác định cấu trúc nhân tố, trong khi đó
phân tích nhân tố khẳng định CFA dùng để
kiểm tra cấu trúc nhân tố.
47
QUY TRÌNH PHÂN TÍCH NHÂN TỐ
50
Từ File: MUAS0NLINE.sav
Correlation Matrix trong thang đo đơn hướng
1 nhân tố Thuận tiện khi mua sắm online với
thang đo bao gồm 3 biến đo lường (xem bảng).
51
52
53
Từ bảng Communalities: Xem Extraction không
có biến nào nhỏ hơn 50%. 54
Bảng Total Variance Explained: Ta thấy có 1 nhân
tố trích được với tổng phương sai trích là 84,536%, có
nghĩa là nhân tố này lấy được 84,536% phương sai
của 3 biến quan sát đo lường khái niệm sự thuận tiện
(khi mua sắm online). Phần còn lại là phần riêng của
các biến đo lường (TT1->TT3).
55
Communality = Tổng bình phương các hệ số
tải nhân tố. Có thể xem communality như là R 2
của mô hình hồi quy với biến phụ thuộc là
biến quan sát và các biến độc lập là các nhân
tố (xem giải thích ở các slide trước).
56
Total Variance Explained: Tổng phương sai
(biến thiên) giải thích được bởi từng nhân tố.
Thông thường phải lớn hơn 50%
59
Bảng 5. Component Matrix (Ma trận thành phần)
60
Rotated component matrix: chứa các hệ số tải
nhân tố của tất cả các biến với các nhân tố được
rút trích sau khi thực hiện phép xoay
61
□ Đối với các nhân tố không xoay các trục
nhân tố có thể không sắp xếp tốt với các kiểu
biến khác nhau và các hệ số tải không nói lên kiểu
biến rõ ràng.
62
63
Nhân tố 2
Nhân tố 2
● V1
● V2
Nhân tố 1
● V3
● V4
Nhân tố 1
● V1 Nhân tố 2
● V2
● V3
● V4
Nhân tố 1
Các trục đã xoay 64
Giả định trong phân tích nhân tố
65
Kích thước mẫu:
66
Xác định kích thước mẫu
68
Trong một nghiên cứu khoa học ta thường
dùng nhiều phương pháp xử lý khác nhau. Ví dụ,
ta vừa sử dụng phân tích EFA và vừa phân tích hồi
qui, giả sử EFA đòi hỏi kích thước mẫu là 300 và
hồi qui đòi hỏi kích thước mẫu là 150, ta phải chọn
kích thước mẫu là 300.
Phương pháp chọn mẫu
Có nhiều phương pháp chọn mẫu khác nhau,
có thể chia chúng là 2 nhóm:
1/ Phương pháp chọn mẫu theo xác suất.
2/ Phương pháp chọn mẫu phi xác suất.
69
Khi mẫu được chọn theo phương pháp xác
suất thì các tham số thống kê mẫu có thể dùng để
ước lượng hoặc kiểm định các tham số của tổng
thể (đám đông) (Scheaffer & ctg 1990).
70
Trong nghiên cứu kiểm định lý thuyết khoa
học, để quyết định chọn mẫu theo phương pháp
nào nhà nghiên cứu phải xem xét nhiều yếu tố như
mục tiêu nghiên cứu, tính tổng quát hóa của kết
quả nghiên cứu, thời gian và chi phí, v.v..
Chọn mẫu phi xác suất thường được sử dụng
trong nghiên cứu khám phá sơ bộ, đặc biệt trong
nghiên cứu để đánh giá sơ bộ thang đo, và chọn
mẫu theo phương pháp xác suất được sử dụng cho
nghiên cứu chính thức [nếu có thể thực hiện được
–Nguyễn Đình Thọ (2013) – Phương pháp nghiên
cứu khoa học trong kinh doanh, tr.221].
71
Thiết kế phân tích nhân tố
72
Ma trận tương quan: Phân tích nhân tố dựa trên
các sự tương quan giữa các biến đo được.
→ Nếu hệ số tương quan giữa các biến nhỏ,
phân tích nhân tố có thể không thích hợp (Dựa vào
Bartlett’s test of sphericity để kiểm định giả thuyết
H0 cho rằng giữa các biến không có liên quan
với nhau).
Thang đo tính thuận tiện của việc mua sắm online
73
Từ file: MUASONLINE.SAV
74
Số lượng nhân tố
→ Từ các thông tin chứa đựng trong các biến
gốc, ta cần rút ra một số lượng nhân tố
(component) ít hơn số biến gốc.
→ Thông thường phân tích nhân tố với mục
tiêu giảm dữ liệu, phương pháp thành phần chính
(principal component) thường được sử dụng.
→ Có vài phương pháp nhằm xác định số
lượng nhân tố gồm:
○ Xác định từ trước (priori determination),
○ Dựa vào giá trị riêng (eigenvalue),
○ Biểu đồ đường gãy khúc (scree plot),
○ Phần trăm biến thiên giải thích được (percentage
of variance), v.v.. 75
Phương pháp xác định từ trước: Khi triển khai
nghiên cứu, thông qua tổng quan lý thuyết hoặc từ
các nghiên cứu trước, ta xác định K nhân tố được
rút trích và dùng phần mềm SPSS hình thành số
lượng nhân tố như đã xác định.
Phương pháp dựa vào eigenvalue: Với tiêu chí
này, số lượng nhân tố được xác định ở nhân tố
dừng có Eigenvalue lớn hơn 1 (≥ 1) mới được
xem có ý nghĩa và được giữ lại trong mô hình phân
tích. Xem bảng slide sau, Total variance Explained
cho thấy có ba nhân tố trích được tại eigenvalue là
1,772.
76
Từ bảng dưới đây, Total variance Explained cho thấy có ba
nhân tố trích được tại eigenvalue là 1,772.
77
Đại lượng eigenvalue là tỷ lệ giữa phương
sai được giải thích bởi một biến đơn và phương
sai được giải thích bởi một nhân tố cụ thể được
rút trích.
79
Phần trăm biến thiên giải thích được
□ Mục đích phương pháp này nhằm đảm bảo
ý nghĩa nghiên cứu của nhân tố gốc bởi chúng
giải thích mức tối thiểu sự khác biệt xác định được.
Trong khoa học xã hội khi thông tin ít rõ ràng,
phần trăm phương sai giải thích thường không nhỏ
hơn 0.6 hay 60%.
80
Xoay nhân tố
Trong bảng kết quả phân tích nhân tố là ma
trận nhân tố (Component Matrix), ma trận này
chứa các hệ số tải nhân tố (factor loading) biểu
diễn tương quan giữa các nhân tố và các biến.
□ Hệ số này lớn cho biết nhân tố và biến có
liên hệ chặt chẽ với nhau.
□ Có thể thông qua xoay các nhân tố, ma
trận nhân tố sẽ trở nên đơn giản và dễ giải thích
hơn.
□ Mục đích xoay nhân tố là muốn mỗi nhân
tố có quan hệ có ý nghĩa với vài biến mà thôi.
81
Từ
bảng 5 ở
slide
trước, 3
nhân tố
được rút
trích
chưa
xoay.
82
3 nhân tố được
rút trích sau khi
xoay
Bảng 6.
Ma trận
xoay nhân
tố
83
Output bảng 6 except (không ngoại lệ) that it is
calculated after rotation. There are several things to
consider about the format of this matrix. Factor loadings
less than 0.4 have not been displayed because we asked for
these loadings to be suppressed (chặn) ta sử dụng option
(thực hành trên lớp). Nếu this option was not selected
output will look different.
84
85
Có các phương pháp xoay nhân tố
Orthogonal rotation: Xoay các nhân tố trong đó
vẫn giữ nguyên góc ban đầu giữa các nhân tố
(thường sử dụng với mục đích giảm dữ liệu)
Có 3 phương pháp chính của Orthogonal
rotation là:
Varimax procedure (phép quay varimax):
Xoay nguyên góc các nhân tố để tối thiểu số lượng
các biến có hệ số lớn tại cùng một nhân tố, điều
này giúp cho việc dễ dàng giải thích các biến quan
sát có quan hệ chặt chẽ với một nhân tố.
86
Quartimax: xoay nguyên góc các nhân tố để
tối thiểu hóa số nhân tố có hệ số lớn tại cùng
một biến, giúp khả năng giải thích các biến.
87
Oblique: Xoay các nhân tố mà không giữ
nguyên gốc ban đầu giữa các nhân tố (tức là có
tương quan giữa các nhân tố với nhau).
Phương pháp này nên được sử dụng chỉ khi
nào các nhân tố trong tổng thể có khả năng
tương quan mạnh với nhau.
Khi sử dụng phép xoay không vuông góc
ma trận nhân tố sau khi xoay có 2 dạng: Pattern
matrix là ma trận các trọng số nhân tố và
Structure matrix là ma trận hệ số tương quan
giữa biến Xi và nhân tố Fi.
88
Mức ý nghĩa của hệ số tải nhân tố (factor
loading) dựa trên độ lớn của mẫu:
Hệ số tải nhân tố thể hiện sự tương quan
giữa các biến ban đầu (items) và nhân tố. Theo
Hair &ctg (1998), factor loading là chỉ tiêu đảm
bảo mức ý nghĩa thiết thực của EFA.
Theo Hair và cộng sự (2009) cho rằng hệ số
tải nhân tố được xác định theo kích cỡ mẫu, nếu hệ
tải nhân tố càng nhỏ thì kích thước mẫu nghiên
cứu càng lớn. Thường sử dụng hệ số tải nhân tố
lớn hơn ±0.3 đến ±0.4 là chấp nhận được (được
xem là đạt được mức tối thiểu). 89
Hair @ctg (1998,111) cũng khuyên:
92
Từ bảng: Rotated Component Matrix
Component
1 2 3
94
Nhân số (factor score)
Giả sử có n biến quan sát tham gia vào quá
trình phân tích nhân tố, từ ma trận xoay nhân tố rút
trích được i nhân tố (factor), ta có:
95
Từ một xử lý ta thu được:
97
Đưa các biến vào Variables:
98
Chọn Descriptives Chọn
99
Kết quả thống kê mô tả
100
Tiếp tục vào Extraction (rút trích)
101
Kết quả
102
Bảng dưới cho biết eigenvalue lớn hơn 1 có 3
nhân tố được rút trích. Cumulatives cho bi ết 3
nhân tố trên giải thích được 74,330% biến thiên c ủa
dữ liệu.
103
104
105
106
Từ bảng Component Matrix rất khó giải thích kết quả,
bằng cách xoay các nhân tố việc giải thích kết quả được rõ
ràng hơn.
107
108
109
Điều chỉnh mô hình
Hàng hóa
110
Từ bảng Rotated Component Matrixa, ta xác
định được 3 nhân tố và đặt tên
Nhân tố 1: Đặt tên là dịch vụ khách hàng gồm 5 items:
Dv khách hàng1:
Dv khách hàng2:
Dv khách hàng3:
Dv khách hàng4:
Dv khách hàng5:
111
Nhân tố 2: Đặt tên là thuận tiên, gồm 4 biến:
Thuận tiện1:
Thuận tiện2:
Thuận tiện3:
Hàng hóa1:
Hàng hóa2:
Hàng hoa3:
112
Component
1 2 3
118
Từ dữ liệu:
MUASONLINE.sav
(kèm theo bài giảng)
Ta chạy mô hình hồi quy bội
119
Bảng Correlations cho biết tương quan từng cặp biến
120
Có 89,9% (Hay 90,0% tính theo R2) biến
thiên của biến kết quả được giải thích bởi 3
nguyên nhân: hàng hóa, thuận tiện và d ịch v ụ
khách hàng.
121
Kiểm định sự phù hợp cùa Toàn bộ mô hình
124
125
Có sự khác biệt có ý nghĩa thống kê: Nam và và nữ đều có
sự hài lòng về DVKH là như nhau (H0: Cho rằng giống
nhau, sig. =0,380 > 0.5; ta chưa bác bỏ được H0.
Ngoài kết quả trên, cũng cần có thêm những
kết quả phân tích khác, đó là kiểm tra phần dư và
phương sai thay đổi 126
Ngoài kết quả trên, cũng cần có thêm những
kết quả phân tích khác, đó là kiểm tra phần dư
và phương sai thay đổi
127
Từ dữ liệu phân tích nhân tố (fifle: MUASONLINE.sav)
128
129
130
SV NHẬN XÉT: 131
Qua
kiểm tra
phần dư,
nhìn
biểu đồ
nhận
thấy
phần dư
có phân
phối
chuẩn.
132
Biểu đồ trên dùng để kiểm tra liên hệ tuyến tính và phương
sai thay đổi (Biểu đồ cho thấy phương sai không đổi) 133
Qui trình tổng quát chạy SPSS
Analyze Data reduction Factor
Đưa các biến vào Variables
DESCRIPTIVE:
Univariate descriptives
Initial Solution
Coefficients
KMO and Bartlett’S test of sphericity
CONTINUE
134
EXTRACTION:
Mặc nhiên: Principal Components
Correlation Matrix
Eigenvalues over: 1
Unrotated factor Solution
Scree plots
Continue
135
ROTATION:
Varimax
Rotated Solution
Loading plot(s)
Continue
SCORES:
Save as Variables
Regression
Display factor Scores coefficient matrix
136
Click OPTIONS
Từ Coefficient Display format
√ Sorted value size
√ Suppress small coefficients: Absolute
value below .4
Continue và OK
137
Sử dụng kết quả phân tích nhân tố
Sau khi rút trích được các nhân tố và
lưu lại các biến mới, chúng ta sẽ sử dụng các
biến mới này thay cho tập hợp biến gốc để
đưa vào phân tích tiếp theo như kiểm định
trung bình, ANOVA, tương quan & hồi quy,
…
Chú ý: Giá trị của từng nhân tố là giá
trị trung bình của các biến quan sát thành
phần thuộc nhân tố đó.
138
Để tính giá trị trung bình của từng nhân
tố với các thành phần sau khi thực hiện phân
tích nhân tố, lệnh:
Transform Compute Target
Variable (đặt biến) Functions Mean
(chọn các biến cần tính trung bình) OK
Tiếp theo chạy tương quan và hồi quy
đã học ở phần trước.
139
MỘT SỐ GỢI Ý NGHIÊN CỨU ĐIỂN HÌNH
ĐỀ TÀI: PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN
ĐỘNG LỰC LÀM VIỆC CỦA NHÂN VIÊN TẠI TỔNG CÔNG
TY X
Đặt vấn đề
Mục tiêu nghiên cứu (Thúc đẩy nhân viên phát
huy năng lực làm việc, tích cực làm việc, tạo
động lực làm việc,…)
Đối tượng và phạm vi nghiên cứu
140
Cơ sở lý thuyết và mô hình nghiên cứu
• Khái niệm về động lực làm việc
• Các học thuyết về động lực làm việc (Lý thuyết về động
lực thúc đẩy làm việc bao gồm thuyết X và Y của
Douglas McGregor (1960), thuyết nhu cầu của Abraham
Maslow (1954),….
• Tình hình nghiên cứu trên thế giới
• Tình hình nghiên cứu trong nước
• Mô hình nghiên cứu gợi ý
141
Mô hình nghiên cứu
146