Vu Huu Thanh: MBA21 Quant ©

ASSIGNMENT
(Final)

Thông tin chung

1. Họ và tên:
2. Mã dữ liệu:
 Vu Huu Thanh: MBA21 Quant ©

Yêu cầu chung:

 Format: Theo trình tự hướng dẫn ở những phần tiếp theo. Không tuân thủ

sẽ bị trừ 1 điểm.
 Nộp trễ theo quy định: 0 điểm. Không chấp nhận bất cứ lý do nào.

 Xóa tất cả các dòng được tô xám khi hoàn thiện bài.

Hình thức đánh giá:

 Nộp bài báo cáo + Thi vấn đáp. Bài báo cáo là điều kiện cần để học viên
được dự thi vấn đáp.

 Hoàn thành Phần 1, 2, và 3 + Thi vấn đáp đạt yêu cầu về mặt kỹ thuật: 6
điểm.

 Hoàn thành Phần 1 và Phần 2 của bài viết + Thi vấn đáp đạt yêu cầu về
mặt kỹ thuật + Trả lời tốt các câu hỏi kiến thức phân tích mô hình PLS -

SEM: tối đa 9 điểm.

 Hoàn thành Phần 1, Phần 2 + Phần 4 của bài viết + Thi vấn đáp đạt yêu

cầu về mặt kỹ thuật + kiến thức: tối đa 10 điểm.

 Vu Huu Thanh: MBA21 Quant ©

Phần 1. Tiền xử lý dữ liệu

(Data prepocessing)

1.1. Phát hiện và xử lý giá trị sai

Hướng dẫn: Sử dụng filter của Excel để phát hiện

Sau đó liệt kê các giá trị bị sai theo mẫu sau:

Biến Dòng có giá trị sai

X1 2, 4, 7
…
1.2. Phát hiện và xử lý missing value

Bước 1. Phát hiện

Hướng dẫn: Sử dụng Filter trong excel

Sau đó liệt kê các giá trị bị missing theo mẫu sau:

Biến Dòng có giá trị missing value

X1 2, 4, 7
…
Bước 2. Xử lý

Hướng dẫn:

+ Biến định lượng: Thay bằng Mean hoặc Median

+ Biến định tính: Thay bằng Mode

(Xử lý cả các giá trị vô lý đã biến thành missing value ở Mục 1.1)

1.3. Nhập liệu và quản lý biến số trong SPSS

 Biến định tính: Tên biến, loại dữ liệu, nhãn của biến số, nhãn của giá trị,
cấp độ đo lường.
 Vu Huu Thanh: MBA21 Quant ©
 Biến định lượng: Tên biến, loại dữ liệu, nhãn của biến số (nếu cần

thiết), cấp độ đo lường.

(Không báo cáo ở đây)

 Vu Huu Thanh: MBA21 Quant ©

Phần 2. Thống kê mô tả

(Description)

2.1. Thống kê mô tả biến định tính

Thực hiện theo mẫu:

Position_tidy

Cumulative
Frequency Percent Valid Percent Percent

Valid Nhân viên 42 42.0 42.0 42.0

Quản lý cấp cơ sở 22 22.0 22.0 64.0

Quản lý cấp trung 16 16.0 16.0 80.0

Quản lý cấp cao 20 20.0 20.0 100.0

Total 100 100.0 100.0

2.2. Thống kê mô tả biến định lượng

Thống kê mô tả các biến quan sát thuộc biến trung gian và biến phụ
thuộc. Thực hiện theo mẫu:

Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
M1 455 .0 4.0 2.800 .7579
M2 455 1.0 4.0 3.018 .7710
M3 455 1.0 4.0 2.752 .7697
M4 455 1.0 30.0 2.941 1.4703
M5 455 1.0 4.0 3.022 .6958
Y1 455 1.0 6.0 3.371 1.6793
Y2 455 1.0 6.0 3.400 1.7149
Y3 455 1.0 6.0 3.499 1.7191
Y4 455 1.0 6.0 3.521 1.6417
Valid N (listwise) 455
 Vu Huu Thanh: MBA21 Quant ©
2.3. Phân tích biến định lượng theo biến định tính

Phân tích tập biến phụ thuộc theo biến định tính. Thực hiện theo mẫu:

Y1 Y2 Y3 Y4
Mean Mean Mean Mean
Gender Male 3.3 3.5 3.5 3.7
Female 3.4 3.3 3.5 3.4
Others 4.0 5.0 1.0 5.0

2.4. Phân tích ma trận tương quan

Phân tích tập biến trung gian và biến phụ thuộc. Thực hiện theo mẫu:

Correlations
M1 M2 M3 M4 Y1 Y2 Y3
M1 Pearson Correlation 1 .556** .451** .227** -.011 .036 -.025
Sig. (2-tailed) .000 .000 .000 .819 .440 .600
N 455 455 455 455 455 455 455
M2 Pearson Correlation .556 **
1 .508 **
.226 **
-.049 .051 -.017
Sig. (2-tailed) .000 .000 .000 .294 .275 .724
N 455 455 455 455 455 455 455
M3 Pearson Correlation .451 **
.508 **
1 .283 **
-.020 -.018 -.063
Sig. (2-tailed) .000 .000 .000 .663 .701 .182
N 455 455 455 455 455 455 455
M4 Pearson Correlation .227 **
.226 **
.283 **
1 .029 -.035 -.082
Sig. (2-tailed) .000 .000 .000 .543 .455 .079
N 455 455 455 455 455 455 455
Y1 Pearson Correlation -.011 -.049 -.020 .029 1 -.031 -.010
Sig. (2-tailed) .819 .294 .663 .543 .509 .829
N 455 455 455 455 455 455 455
Y2 Pearson Correlation .036 .051 -.018 -.035 -.031 1 .041
Sig. (2-tailed) .440 .275 .701 .455 .509 .380
N 455 455 455 455 455 455 455
Y3 Pearson Correlation -.025 -.017 -.063 -.082 -.010 .041 1
Sig. (2-tailed) .600 .724 .182 .079 .829 .380
N 455 455 455 455 455 455 455
**. Correlation is significant at the 0.01 level (2-tailed).

2.5. Phân tích hồi quy đa biến

 Vu Huu Thanh: MBA21 Quant ©
Sử dụng Y_Single là biến phụ thuộc, các biến quan sát khác của biến tiềm ẩn
Y là biến độc lập. Thực hiện theo mẫu

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .723 a
.523 .519 1.1651
a. Predictors: (Constant), Y4, Y2, Y1, Y3

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 670.044 4 167.511 123.393 .000b
Residual 610.892 450 1.358
Total 1280.936 454
a. Dependent Variable: Y_Single
b. Predictors: (Constant), Y4, Y2, Y1, Y3

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1.329 .229 5.798 .000
Y1 -.066 .033 -.066 -2.039 .042
Y2 .502 .032 .512 15.708 .000
Y3 .401 .032 .411 12.601 .000
Y4 .253 .033 .247 7.590 .000
a. Dependent Variable: Y_Single
 Vu Huu Thanh: MBA21 Quant ©

Phần 3. Phân tích mô hình PLS - SEM

3.1. Tạo dự án phân tích, nhập liệu, xây dựng mô hình đường dẫn đầu tiên.

Hướng dẫn:

 Mô hình đường dẫn đầu tiên được đặt tên là Origin

 Tên các biến tiềm ẩn tương ứng với các nhóm biến quan sát (Ví dụ X1.1,
X1.2, X1.3, … X1.5 đo lường cho X1)
 Biến phụ thuộc Y luôn có mô hình đo lường là Formative. Các biến tiềm
ẩn khác có mô hình đo lường là Reflective.
 Các biến tiềm ẩn Xi đều thuộc về biến độc lập và không có mối liên hệ với
nhau. Biến M luôn là biến trung gian. Y là biến phụ thuộc. Các biến X i
không tác động tới nhau.
 Các biến Xi sẽ tác động tới M và Y. M tác động tới Y.

Ví dụ:
 Vu Huu Thanh: MBA21 Quant ©
3.2. Phân tích mô hình đo lường cấu tạo

3.2.1. Phân tích mức độ chính xác về sự hội tụ

(i). Vẽ mô hình

Hướng dẫn:

 Vẽ mô hình đường dẫn để thực hiện phân tích “Redundancy” và đặt tên là
Redundancy.
 Biến phụ thuộc đặt tên là Y_S. Biến độc lập đặt tên là Y_F.
 Y_S được đo lường bởi Y_Single. Y_F được đo lường bởi các biến quan sát Y
còn lại.

Ví dụ:

(ii). Phân tích mức độ chính xác về sự hội tụ

Hướng dẫn: Thực hiện ước lượng và báo cáo kết quả như sau:

3.2.2. Phân tích mức ý nghĩa thống kê của từng chỉ báo trong mô hình đo
lường cấu tạo

Hướng dẫn: Thực hiện ược lượng bootstraping (mẫu bằng 5000) và báo cáo
kết quả sau:
 Vu Huu Thanh: MBA21 Quant ©

Ghi chú:

+ Nếu biến số nào không có ý nghĩa thống kê thì phải thực hiện lại phân
tích phía trên sau đó vẽ lại mô hình đường dẫn và đặt tên là Mod_1.

+ Trong trường hợp loại chỉ báo ra nhưng R 2 không đạt khi phân tích
“Redundant analysis” thì vẫn chấp nhận cho sử dụng nhóm chỉ báo đó cho
các phân tích tiếp theo.

3.2.3. Phân tích mức độ đa cộng tuyến giữa các chỉ báo

Hướng dẫn: Sử dụng kết quả Outer Vif của mô hình đo lường cấu tạo và
báo cáo kết quả như sau:

3.3. Phân tích mô hình đo kết quả

3.3.1. Phân tích mức độ tin cậy của mô hình đo lường

(i). Phân tích mức độ tin cậy của từng chỉ báo

Hướng dẫn: Trình bày như sau:

 Vu Huu Thanh: MBA21 Quant ©

Ghi chú: Học viên cần xử lý các factor loading thấp để cải thiện chất lượng
mô hình. Việc cải thiện tốt sẽ được cộng điểm. Sau khi loại bỏ các biến số có
factor loading thấp, cần phải vẽ lại mô hình đường dẫn và đặt tên là Mod_3.
Sử dụng Mod_3 để thực hiện các phân tích tiếp theo.

(ii). Phân tích mức độ tin cậy nhất quán nội bộ

Hướng dẫn: Sử dụng chỉ báo CR. Trình bày như sau:
 Vu Huu Thanh: MBA21 Quant ©

3.3.2. Phân tích mức độ chính xác về sự hội tụ

Hướng dẫn: Sử dụng chỉ báo AVE. Trình bày như sau:

3.3.3. Phân tích mức độ chính xác về sự phân biệt

(i). Phân tích hệ số tải chéo

Hướng dẫn: Trình bày hệ số tải chéo ở lần phân tích đầu tiên và lần phân
tích cuối cùng (sau khi đã loại ra những chỉ báo không đạt yêu cầu). Bảng
này phải được thực hiện trên excel. Ví dụ:

Thực hiện lần đầu:

  M X1 X2 X3 X4
M1 0.639 0 6.148 -0.355 0.176
M2 0.641 -0.056 -0.025 -0.308 0.13
M3 0.642 -0.041 -0.005 -0.312 0.163
 Vu Huu Thanh: MBA21 Quant ©
M4 0.809 -0.085 -0.746 -0.274 0.092
M5 0.607 -0.079 -0.016 -0.255 0.125
X1.1 0.049 0.589 -0.033 -0.032 0.01
X1.2 -0.064 0.737 0.05 -0.059 -0.007
X1.3 -0.078 0.925 0.083 0.055 -0.038
X1.4 -0.045 0.776 0.019 0.011 0.018
X1.5 0.003 0.614 -0.029 -0.038 -0.016
X2.1 0.015 0.006 0.261 0.103 -0.202
X2.2 -0.146 -0.036 0.391 0.256 -0.173
X2.3 -0.048 0.002 0.136 0.185 -0.156
X2.4 0.402 -0.099 -0.795 -0.002 -0.077
X2.5 -0.159 -0.015 0.425 0.245 -0.225
X3.1 -0.374 0.01 0.156 0.8 -0.197
X3.2 -0.257 0.033 0.114 0.796 -0.136
X3.3 -0.328 0.013 0.207 0.816 -0.176
X3.4 0.122 0.013 0.061 -0.161 -0.12
X4.1 0.081 0.016 0.018 -0.053 0.496
X4.2 0.043 0.004 0.048 0.215 0.059
X4.3 -0.112 0.057 0.116 0.299 -0.657
X4.4 0.073 0.018 0.025 0.075 0.292
X4.5 -0.066 0.008 0.076 0.151 -0.517
Thực hiện lần cuối:
  M X1 X2 X3 X4
M2 0.641 -0.056 -0.025 -0.308 0.13
M3 0.642 -0.041 -0.005 -0.312 0.163
M4 0.809 -0.085 -0.746 -0.274 0.092
M5 0.607 -0.079 -0.016 -0.255 0.125
X1.1 0.049 0.589 -0.033 -0.032 0.01
X1.2 -0.064 0.737 0.05 -0.059 -0.007
X1.3 -0.078 0.925 0.083 0.055 -0.038
X1.4 -0.045 0.776 0.019 0.011 0.018
X1.5 0.003 0.614 -0.029 -0.038 -0.016
X2.1 0.015 0.006 0.861 0.103 -0.202
X2.2 -0.146 -0.036 0.891 0.256 -0.173
X2.3 -0.048 0.002 0.836 0.185 -0.156
X2.4 0.402 -0.099 0.795 -0.002 -0.077
X2.5 -0.159 -0.015 0.425 0.245 -0.225
X3.1 -0.374 0.01 0.156 0.8 -0.197
X3.2 -0.257 0.033 0.114 0.796 -0.136
X3.3 -0.328 0.013 0.207 0.816 -0.176
X4.1 0.081 0.016 0.018 -0.053 0.796
X4.2 0.043 0.004 0.048 0.215 0.659
X4.3 -0.112 0.057 0.116 0.299 0.657
(ii). Phân tích HTMT

Hướng dẫn: Trình bày như sau:

 Vu Huu Thanh: MBA21 Quant ©

Đánh giá mức ý nghĩa thống kê của hệ số HTMT

Hướng dẫn: Sử dụng kiểm định bootstrap và trình bày kết quả như sau:

3.4. Phân tích mô hình cấu trúc (Inner model)

3.4.1. Phân tích hệ số VIF

Trình bày như sau:

 Vu Huu Thanh: MBA21 Quant ©

3.4.2. Phân tích hệ số R2

Hướng dẫn: Trình bày như sau:

3.4.3. Phân tích hệ số f2

Trình bày như sau:

3.4.4. Phân tích hệ số đường dẫn

 Vu Huu Thanh: MBA21 Quant ©
(i). Kết quả ước lượng

Hướng dẫn: Ước lượng Bootstraping (5000 mẫu) sau đó trình bày những kết
quả sau đây

(i). Tác động trực tiếp:

 Vu Huu Thanh: MBA21 Quant ©

(ii). Tác động gián tiếp

(iii). Tổng mức tác động

Vu Huu Thanh: MBA21 Quant ©
 Vu Huu Thanh: MBA21 Quant ©

Phần 4. Viết báo cáo

Trình bày theo trình tự như hướng dẫn tại Mục 6.10, trang 311, giáo trình “Phân
tích dữ liệu: Áp dụng mô hình PLS - SEM”.