ThS.

Vũ Bích Phượng

Ngày:
Nhóm số (theo link đăng ký tại https://tinyurl.com/hedp9w5e):
1 Họ & tên: MSSV:
2 Họ & tên: MSSV:
3 Họ & tên: MSSV:

Thực hành 4c: Phân tích two-way mixed design ANOVA

Mục tiêu tuần này:
 Phân tích two-way mixed ANOVA với ví dụ 1.
 Phân tích two-way mixed ANOVA với ví dụ 2.
 Phân tích two-way mixed ANOVA với ví dụ 3.

Yêu cầu bài làm:

 Đọc kỹ hướng dẫn
 Thực hiện các bước
 Trả lời câu hỏi sau khi phân tích xong

Yêu cầu để thực hiện test tham số Two-way mixed design ANOVA:
1. Mẫu được lấy ngẫu nhiên từ nhóm dân số.
2. Biến PT phải được đo bằng thang khoảng hoặc tỷ lệ (i.e. biến liên tục).
3. Biến ĐL cùng nhóm phải là biến định danh gồm ít nhất hai levels có liên quan tới
nhau (thiết kế lặp).
 Lưu ý: ta sẽ không tạo một cột riêng cho biến ĐL này mà nhập các cột biến
PT riêng.
4. Biến ĐL khác nhóm phải là biến định danh gồm ít nhất hai levels độc lập nhau.
 Lưu ý:, ta sẽ tạo một cột riêng cho biến ĐL này và nhập các biến PT chung.
5. Normality: Biến PT trong các tầng của từng biến ĐL cần được phân phối bình
thường. Tuy nhiên, ANOVA vẫn “nhạy” nếu ta có mẫu lớn và bị vi phạm yêu cầu
phân phối chuẩn.
6. Outlier: Không có điểm dị biệt trong các tầng của từng biến ĐL.
7. Homogeneity of error variance: Phương sai của dữ liệu trong các nhóm có tk độc
lập cần tương đồng nhau (sử dụng Levene’s test để kiểm tra).
8. Sphericity: Phương sai cần đồng nhất trong sự chênh lệch điểm giữa tất cả các cặp
level của biến ĐL có tk lặp. Sử dụng Mauchly’s test để kiểm tra, chỉ áp dụng khi biến
ĐL cùng nhóm có 3+ levels.
Lưu ý:
 Không có test phi tham số tương đương với two-way ANOVA nói chung. Nếu nhiều
yêu cầu bên trên không đạt được, có thể dùng cách transform biến PT, sau đó báo cáo
kết quả của cả hai lần phân tích (với biến PT đã được transform và biến PT gốc).

A. Sự hài lòng của khách hàng đối với sản phẩm xe ô tô điện
A1. Giới thiệu tình huống

1
ThS. Vũ Bích Phượng

Bạn còn nhớ ví dụ về khảo sát sự hài lòng của khách hàng đối với
mẫu xe điện (ví dụ A của bài thực hành 3b One-way repeated
measures ANOVA)? Sau khi báo cáo kết quả phân tích sự hài lòng
của khách hàng cho sếp, sếp cô yêu cầu cô phân tích thêm để biết liệu
có sự khác nhau giữa hai giới tính trong viêc đánh giá mức độ hài
lòng đối với 4 tiêu chí (động cơ, chất lượng pin, thiết kế nội thất và
thiết kế ngoại thất) của mẫu xe này hay không. Hãy phân tích để tìm
hiểu xem nam và nữ khách hàng có sự hài lòng như nhau hay khác nhau về mẫu xe này dựa trên
4 tiêu chí nêu trên.
Gợi ý: để trả lời cho câu hỏi trên, cần phân tích cụm tương tác giữa sự đánh giá xe và giới tính.
Khách Giới Tuổi Thời gian sử Động cơ Pin xe Nội thất Ngoại
hàng tính dụng xe (tháng) thất
1 M 40 6 5 2 5 3
2 M 42 8 4 3 6 2
3 M 38 12 6 2 4 3
4 M 29 15 5 2 5 4
5 M 45 9 3 3 6 3
6 M 34 10 5 4 3 2
7 M 30 7.5 4 3 4 3
8 M 32 6 6 2 5 2
9 M 29 13 5 3 3 3
10 M 32 12 6 2 4 4
11 M 50 8.5 5 3 5 3
12 M 30 9 4 2 3 5
13 M 42 13 4 1 4 3
14 M 44 11 5 4 5 4
15 M 37 10 4 3 3 4
16 F 45 12 6 3 4 3
17 F 42 7 3 2 3 5
18 F 40 8 5 3 3 3
19 F 29 6.5 3 2 3 2
20 F 38 8 4 3 4 3
21 F 37 10.5 4 2 3 2
22 F 32 9.5 3 2 4 4
23 F 30 6 5 1 5 2

2
ThS. Vũ Bích Phượng

24 F 37 8 5 2 3 2
25 F 31 7.5 4 1 4 3
26 F 28 12 3 1 3 4
27 F 40 10 5 3 6 2
28 F 41 8.5 4 2 4 3
29 F 42 12 5 1 4 2
30 F 55 11.5 5 3 3 2

A2. Kiểm tra yêu cầu #5 và #6. Báo cáo kết quả bên dưới.
Trả lời:
Sau khi đã chạy phân tích mô tả của từng biến độc lập, ta nhận thấy dữ liệu vi phạm: có 2 tập dữ
liệu (nhóm tiêu chí nội thất - giới tính nữ và nhóm tiêu chí ngoại thất - giới tính nữ) chưa đạt
phân phối bình thường và 2 điểm dị biệt.

- Với biến tiêu chí động cơ - nam: chỉ số Skewness = -0.5 < -0.116 < 0.5 -> dữ liệu trong mẫu
khá cân xứng, phân phối không có vấn đề nghiêm trọng. Chỉ số Kurtosis = -.485 < 3 -> phân
phối bẹt hơn phân phối chuẩn. Chỉ số p của Shapiro-Wilk test = 0.052 > 0.05 -> phân phối bình
thường. Dữ liệu không có điểm dị biệt.

- Với biến tiêu chí động cơ - nữ: chỉ số Skewness = -0.5 < -0.059 < 0.5-> dữ liệu trong mẫu khá
cân xứng, phân phối không có vấn đề nghiêm trọng. Chỉ số Kurtosis = -1.055 < 3 -> phân phối
bẹt hơn phân phối chuẩn. Chỉ số p của Shapiro-Wilk test = 0.017 < 0.05 -> phân phối không bình
thường. Dữ liệu không có điểm dị biệt.

- Với biến tiêu chí pin - nam: chỉ số Skewness = -0.5 < 0.07 < 0.5-> dữ liệu trong mẫu khá cân
xứng, phân phối không có vấn đề nghiêm trọng. Chỉ số Kurtosis = -.224 < 3 -> phân phối bẹt
hơn phân phối chuẩn. Chỉ số p của Shapiro-Wilk test = 0.029 < 0.05 -> phân phối không bình
thường. Dữ liệu không có điểm dị biệt.

- Với biến tiêu chí pin - nữ: chỉ số Skewness = -0.5 < -0.128 < 0.5-> dữ liệu trong mẫu khá cân
xứng, phân phối không có vấn đề nghiêm trọng. Chỉ số Kurtosis = -1.348 < 3 -> phân phối bẹt
hơn phân phối chuẩn. Chỉ số p của Shapiro-Wilk test = 0.068 > 0.05 -> phân phối bình thường.
Dữ liệu không có điểm dị biệt.

3
ThS. Vũ Bích Phượng

- Với biến tiêu chí nội thất - nam: chỉ số Skewness = 0.5 < 0.8 < 1-> dữ liệu trong mẫu bị lệch
dương ít. Chỉ số Kurtosis = -1.102 < 3 -> phân phối bẹt hơn phân phối chuẩn. Chỉ số p của
Shapiro-Wilk test = 0.091 > 0.05 -> phân phối không bình thường. Dữ liệu không có điểm dị
biệt.
- Với biến tiêu chí nội thất - nữ: chỉ số Skewness = 1.317 > 1 -> dữ liệu trong mẫu bị lệch dương
nhiều. Chỉ số Kurtosis = 1.821 < 3 -> phân phối bẹt hơn phân phối chuẩn. Chỉ số p của Shapiro-
Wilk test = 0.006 > 0.05 -> phân phối không bình thường. Dữ liệu có 1 điểm dị biệt.
- Với biến tiêu chí ngoại thất - nam: chỉ số Skewness = -0.5 < 0.34 < 0.5-> dữ liệu trong mẫu khá
cân xứng, phân phối không có vấn đề nghiêm trọng. Chỉ số Kurtosis = -.112 < 3 -> phân phối bẹt
hơn phân phối chuẩn. Chỉ số p của Shapiro-Wilk test = 0.008 < 0.05 -> phân phối không bình
thường. Dữ liệu không có điểm dị biệt.
- Với biến tiêu chí ngoại thất - nữ: chỉ số Skewness = 1.044 > 1 -> dữ liệu trong mẫu lệch dương
nhiều. Chỉ số Kurtosis = .496 < 3 -> phân phối bẹt hơn phân phối chuẩn. Chỉ số p của Shapiro-
Wilk test = 0.005 < 0.05 -> phân phối không bình thường. Dữ liệu có 1 điểm dị biệt.
Bên dưới là biểu đồ phân phối của các biến độc lập:

4
ThS. Vũ Bích Phượng

A3. Để phân tích two-way mixed design ANOVA: Analyze > General linear model > repeated
measures…
Giống như ví dụ khi phân tích ANOVA cùng nhóm, ta có 1 biến ĐL
cùng nhóm trong vd này. Do đó, ta cần đặt tên và xác định các tầng cho
biến ĐL cùng nhóm trước. Sau đó click Define.

- Trong Within-subject
variables: nhập các
biến PT vào đúng
tầng đã tạo.
- Trong Between-
subject factor: nhập
biến ĐL khác nhóm
(giới tính). Khác với 2
vd trước, trong vd này ta đã nhập 1 biến ĐL
khác nhóm và 1 biến ĐL cùng nhóm.

Để tạo biểu đồ hiệu ứng tương tác giữa 2 biến ĐL: click
Plots và làm giống như 2 vd trước.

Tương tự, làm giống các bước trong vd trước với Options.
Vì vd này ta có 1 biến ĐL khác nhóm, cần tick
Homogeneity test (Levene’s test).

5
ThS. Vũ Bích Phượng

A4. Báo cáo kết quả phân tích

A4a. Hiệu ứng chính của biến ĐL cùng nhóm là đánh giá xe có đáng kể không? Báo cáo các chỉ
số vừa phân tích. Kết quả này có ý nghĩa gì? (Đây chính là cái bạn đã làm trước đây trong ví dụ
A của bài thực hành 3b One-way RM ANOVA. Kết quả lầ này vẫn sẽ giống với lần trước).
Trả lời:

A4b. Hiệu ứng chính của biến ĐL khác nhóm là giới tính có đáng kể không? Báo cáo các chỉ số
vừa phân tích. Kết quả này có ý nghĩa gì?
Trả lời:

A4c. Hiệu ứng tương tác giữa 2 biến ĐL có đáng kể không? Báo cáo các chỉ số vừa phân tích.
Kết quả này có ý nghĩa gì? Cô nhân viên cần báo cáo với sếp như thế nào về sự đánh giá xe của
nam và nữ khách hàng?
Trả lời:

B. Hiệu quả của các hình thức quảng cáo khác nhau tới số lượng bán hàng
B1. Giới thiệu tình huống
Một cửa hàng điện máy muốn kiểm tra xem các hình thức khuyến
mãi khác nhau có ảnh hưởng đến số lượng hàng hóa bán được trên
các mặt hàng khác nhau của họ hay không. Họ thu thập dữ liệu về
tổng số lượng hàng bán được trong 12 tháng liên tục khi thực hiện
ba hình thức khuyến mãi khác nhau: tặng kèm phiếu giảm giá cho
lần mua tiếp theo, tặng kèm hiện vật, hoặc giảm giá trực tiếp. Họ
đặt giả thuyết rằng việc khuyến mãi bằng hình thức giảm giá sẽ
giúp cửa hàng bán được nhiều hàng hơn hai hình thức khuyến mãi tặng kèm (phiếu mua hàng
hoặc quà), nhưng chỉ đối với mặt hàng có giá trị cao như TV hoặc tủ lạnh, còn đối với mặt hàng
có giá trị thấp như nồi cơm điện hoặc quạt thì hình thức tặng kèm sẽ giúp bán được nhiều hàng
hơn. Do đó, thiết kế của cuộc điều tra này là 3 (hình thức khuyến mãi, thiết kế lặp) x 4 (mặt
hàng, thiết kế độc lập). Số lượng hàng bán ra từng tháng được tính theo đơn vị chục cái. Dữ liệu
được thể hiện bên dưới.
Gợi ý: Hãy nhập liệu vào phần mềm sao cho bạn có 1 biến ĐL khác nhóm là Mặt hàng và ba cột
biến các hình thức khuyến mãi khác nhau là Tặng PMH, Tặng quà và Giảm giá. Đừng quá để ý
tới cột Tháng.
6
ThS. Vũ Bích Phượng

Hình thức khuyến mãi

Tặng phiếu mua hàng Tặng quà Giảm giá trực tiếp
Tháng
Mặt hàng
Tủ Nồi Tủ Nồi Tủ Nồi
TV Quạt TV Quạt TV Quạt
lạnh cơm lạnh cơm lạnh cơm
1 14 17 33 33 15 17 30 30 17 21 30 30
2 15 16 35 34 14 19 31 31 21 22 31 29
3 16 18 36 32 14 16 33 32 15 23 29 28
4 14 15 34 30 15 20 30 30 18 20 21 35
5 15 16 38 38 16 19 28 33 16 19 28 36
6 13 17 35 36 16 17 30 32 20 21 30 34
7 16 18 36 32 19 19 31 32 19 22 27 36
8 14 15 33 35 17 19 29 33 17 19 29 35
9 13 16 37 37 18 18 28 30 22 18 26 30
10 15 17 36 34 19 16 29 33 19 20 25 29
11 14 20 35 32 14 16 27 32 18 21 27 28
12 15 18 34 30 15 19 29 29 20 19 29 27

B2. Báo cáo kết quả phân tích

B2a. Hiệu ứng chính của biến ĐL cùng nhóm là hình thức khuyến mãi có đáng kể không? Báo
cáo các chỉ số vừa phân tích. Kết quả này có ý nghĩa gì?
Trả lời:

B2b. Hiệu ứng chính của biến ĐL khác nhóm là mặt hàng có đáng kể không? Báo cáo các chỉ số
vừa phân tích. Kết quả này có ý nghĩa gì?
Trả lời:

7
ThS. Vũ Bích Phượng

B2c. Hiệu ứng tương tác giữa 2 biến ĐL có đáng kể không? Báo cáo các chỉ số vừa phân tích.
Kết quả này có ý nghĩa gì? Giả thuyết của cửa hàng có được ủng hộ?
Trả lời:

C. Hiệu ứng “thiên vị chủng tộc” (own-race bias) trong việc nhận diện khuôn mặt
C1. Giới thiệu tình huống
Các nghiên cứu trước đây đã phát hiện ra rằng
chúng ta có khả năng nhận diện khuôn mặt của
những người có cùng chủng tộc với mình tốt hơn
so với khuôn mặt của những người thuộc các
chủng tộc khác. Trong một nghiên cứu của TS.
Phương, cô muốn kiểm tra xem liệu sự thiên vị
này có tồn tại với các nghiệm thể thuộc các chủng tộc khác nhau hay không. Cô tuyển 1 số người
gốc Á và 1 số người da trắng tham gia vào cuộc nghiên cứu. Cô cho họ xem 1 vài hình ảnh
khuôn mặt của nhiều người có màu da thuộc cả hai chủng tộc trên. Những hình ảnh này là kích tố
thực nghiệm (stimuli). Sau một khoảng thời gian ngắn cho nghiệm thể nghỉ giải lao, cô tiếp tục
yêu cầu họ xem 1 số lượng hình ảnh khuôn mặt
nhiều hơn và yêu cầu người tham gia xác định họ
đã từng nhìn thấy những khuôn mặt nào trước đó.
Do đó, trong ví dụ này, ta có thiết kế 2x2 gồm:
1. Chủng tộc của nghiệm thể: 2 level là gốc Á
và da trắng. Đây là biến ĐL có thiết kế khác
nhóm.
2. Chủng tộc của khuôn mặt trong hình: cũng
có 2 level là gốc Á và da trắng. Đây là biến
ĐL có thiết kế cùng nhóm.
Số lượng khuôn mặt mà người tham gia nhận dạng
chính xác là biến phụ thuộc. Dữ liệu được thể hiện
bên dưới.
Khuôn
Nghiệ Khuôn
Chủng tộc mặt da
m thể mặt gốc Á
trắng
1 Á 20 17
2 Á 23 16
3 Á 25 18
4 Á 21 15
5 Á 22 14
6 Á 20 16
8
ThS. Vũ Bích Phượng

7 Á 27 14
8 Á 28 15
9 Á 23 17
10 Á 25 15
11 Trắng 12 20
12 Trắng 11 23
13 Trắng 10 25
14 Trắng 15 21
15 Trắng 14 22
16 Trắng 14 20
17 Trắng 14 27
18 Trắng 15 28
19 Trắng 12 23
20 Trắng 15 25

C2. Báo cáo kết quả phân tích theo APA. Hiệu ứng thiên vị chủng tộc trong nhận diện khuôn mặt
có tồn tại cho cả người châu Á lẫn người da trắng không?
Trả lời:

--Hết--