11. Thực hành trên phần mềm SPSS 20 update 06.11.2022

KINH TẾ LƯỢNG
THỰC HÀNH TRÊN PHẦN MỀM SPSS 20
Giảng viên: ThS. Phạm Cao Văn

I. GIỚI THIỆU GIAO DIỆN
1.1. Giới thiệu chung
• Sheet chức năng Variable View: khai báo biến, đây là cửa sổ sử dụng đầu tiên
2
1.1. Giới thiệu chung
• Sheet chức năng Data View: nhập dữ liệu

3
1.2. Variable View
Name
• Đặt tên viết tắt của biến, khai báo tên biến
Lưu ý:
• Không đặt bằng tiếng việt
• Không sử dụng dấu cách
• Không đặt tên có chữ số đứng đầu tiên
• Không đặt LT,GT
4
1.2. Variable View
Type
• Khai báo kiểu dữ liệu
Lưu ý:
• Thường sử dụng 2 loại: Numeric và
String
• Numeric: dữ liệu mã hóa dạng số
• String: dữ liệu mã hóa dạng văn bản
5
1.2. Variable View
Width & Decimals

• Khai báo chiều dài và hiển thị sau dấu
phẩy
Lưu ý:
• Thường để theo mặc định Width (8) &
Decimals (0)
• Không lên để số quá lớn mà không sử
dụng đến
6
1.2. Variable View
Label
• Giải thích ý nghĩa cho tên biến
Lưu ý:
• Không gặp lỗi giống Name
• Có thể ghi chú tùy ý
7
1.2. Variable View
Value
• Khai báo giá trị của biến
Lưu ý:
• Mỗi giá trị tương ứng với một trường
hợp xảy ra của biến
• Được xác định bằng 1 con số (Value)
và nhãn giải thích (Label)
• Không đặt tiếng việt cho Lael
8
1.2. Variable View
Missing, Columns & Align

• Missing: Khai báo giá trị biến trống:
thông thường sẽ làm sạch dữ liệu trước
khi đưa dữ liệu vào phần mềm
• Columns: Chiều rộng của cột thường
để mặc định
• Align: Căn chỉnh dữ liệu thường để
lệch phải
9
1.2. Variable View
Measure
• Khai báo loại biến
Lưu ý:
• Nominal: thường dùng dữ liệu định
danh, dữ liệu không liên quan nhau
• Ordinal: dữ liệu thứ bậc – có khoảng
cách
• Scale: thang đo mức độ - dùng trong
Likert
10
1.3. Data View
• Nhập dữ liệu của khảo sát theo chiều

ngang
Lưu ý:
• Mỗi cột là mỗi biến đã khai báo trong
Sheet Variable View
• Mỗi hàng là một đáp án trả lời
• Có thể nhập hoặc copy dữ liệu trực tiếp
từ Excel
11
II. THỐNG KÊ MÔ TẢ
2.1. Thống kê tần số và vẽ biểu đồ
Mục đích:
• Kết quả từ thống kê tần số giúp chúng
ta đánh giá được tổng quát đặc điểm
của mẫu nghiên cứu
• Dựa trên kết quả thống kê tần số,
chúng ta sẽ xem xét đối tượng nghiên
cứu như vậy có phù hợp với mục đích
và kế hoạch ban đầu hay không
12
Thao tác
• Analyze > Descriptive Statistics
> Frequencies…
13
Thao tác
• Tại cửa sổ Frequencies, đưa các
biến cần thống kê tần số từ cột
bên trái vào mục Variable(s)
bên phải.
14
Thao tác
• Trong tùy chọn Statistics, SPSS cung
cấp cho chúng ta các thông số thống kê
tiêu chuẩn như mean, median, std.
deviation,… và hai thông số phân phối
dữ liệu skewness, kurtosis.
• Tùy vào mong muốn cần đọc kết quả
gì, chúng ta sẽ tích chọn vào các mục
tương ứng.
15
Thao tác
• Các dạng biểu đồ được tích hợp
trong tùy chọn Charts gồm: Bar
charts (biểu đồ cột), Pie charts (biểu
đồ tròn), Histograms (biểu đồ phân
phối tần suất)
• Bar charts: Chọn dữ liệu là dạng số
• Pie charts: Chọn dữ liệu là tỷ lệ %
16
Kết quả
17
2.2. Thống kê trung bình
Mục đích:
Thống kê trung bình thiên về cung cấp các giá
trị tính toán tổng quát của biến như giá trị nhỏ
nhất, giá trị lớn nhất, giá trị trung bình, độ lệch
chuẩn…
Dựa trên kết quả thống kê trung bình, chúng ta
sẽ biết được phạm vi giá trị của biến
Dựa vào đây, chúng ta sẽ đánh giá khoảng giá
trị đó có phù hợp với tính chất bài nghiên cứu
hay không
18
Thao tác:
Từ giao diện SPSS, vào
Analyze > Descriptive Statistics
> Descriptives…
Thường dùng trong câu hỏi có
thang đo Likert
19
Thao tác:
Tại cửa sổ Descriptives, đưa các
biến cần thống kê trung bình vào
mục Variable(s), có thể đưa cùng lúc
nhiều biến vào thực hiện thống kê.
20
Thao tác:
Trong Options, có các loại thống kê để chúng
ta lựa chọn tùy theo mục đích đánh giá, SPSS
thiết lập mặc định các mục trong phần này.
Thông thường không tích vào thống kê nào
thêm mà chỉ sử dụng mặc định SPSS đề xuất.
21
Kết quả:
22
III. KIỂM ĐỊNH ĐỘ TIN CẬY THANG ĐO CRONBACH ALPHA
3.1. Khái niệm
• Trong nghiên cứu định lượng, việc đo lường các nhân tố lớn sẽ rất khó khăn và phức
tạp, không thể chỉ sử dụng những thang đo đơn giản (chỉ dùng 1 câu hỏi qua sát đo
lường)
• Khái niệm “thang đo” trong cụm kiểm định độ tin cậy thang đo ý muốn nói đến một tập
hợp các biến quan sát con có khả năng đo được, thể hiện được tính chất của nhân tố mẹ
• Tuy nhiên, không phải lúc nào tất cả các biến quan sát x1, x2, x3, x4, x5... chúng ta đưa
ra để đo lường cho nhân tố A đều hợp lý, đều phản ánh được khái niệm, tính chất của A.
• Do vậy, cần phải có một công cụ giúp kiểm tra xem biến quan sát nào phù hợp, biến
quan sát nào không phù hợp để đưa vào thang đo.
23
3.2. Lý thuyết
• Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]

• 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) cũng cho rằng, một thang đo đảm bảo tính đơn hướng và
đạt độ tin cậy nên đạt ngưỡng Cronbach’s Alpha từ 0.7 trở lên, tuy nhiên, với tính chất
là một nghiên cứu khám phá sơ bộ, ngưỡng Cronbach’s Alpha là 0.6 có thể chấp nhận
được. Hệ số Cronbach's Alpha càng cao thể hiện độ tin cậy của thang đo càng cao.
• Cristobal và cộng sự (2007) cho rằng, một thang đo tốt khi các biến quan sát có giá trị
Corrected Item – Total Correlation từ 0.3 trở lên.
24
3.3. Chạy kiểm định
Thao tác:
Để thực hiện kiểm định độ
tin cậy thang đo
Cronbach’s Alpha trong
SPSS 20, chúng ta vào
Analyze > Scale >
Reliability Analysis…
25
Thao tác:
Thực hiện phân tích Cronbach's
Alpha, đưa tất cả các biến quan
sát của 1 biến mẹ vào mục Items
bên phải. Tiếp theo chọn vào
Statistics…
26
Thao tác:
Tiếp theo chọn vào Statistics…
27
Kết quả:
28
Kết quả:
Trường hợp 1: Thang đo đạt độ tin cậy, biến quan sát có ý nghĩa
• Nghĩa là: Kết quả kiểm định cho thấy: (1) hệ số độ tin cậy thang đo Cronbach's > 0.6
và (2) các biến quan sát đều có tương quan biến - tổng (Corrected Item – Total
Correlation) lớn hơn 0.3.
• Khi đó: Kết thúc
29
Kết quả:
Trường hợp 2: Thang đo đạt độ tin cậy, có biến quan sát không có ý nghĩa
Nghĩa là: (1) hệ số độ tin cậy thang đo Cronbach's Alpha > 0.6 và (2) có biến quan sát
có tương quan biến - tổng (Corrected Item – Total Correlation) bằng < 0.3.
Khi đó: Loại bỏ khỏi thang đo và Chạy Phân tích Cronbach's Alpha lần hai.
30
Kết quả:
Trường hợp 3: Thang đo đạt độ tin cậy, biến quan sát có ý nghĩa, có hệ số Cronbach's
Alpha if Item Deleted lớn hơn Cronbach's Alpha của thang đo.
Nghĩa là: Kết quả kiểm định cho thấy: (1) hệ số độ tin cậy thang đo Cronbach's > 0.6 và
(2) các biến quan sát đều có tương quan biến - tổng (Corrected Item – Total
Correlation) lớn hơn 0.3 và (3) có Biến quan sát có hệ số Cronbach's Alpha if Item
Deleted bằng lớn hơn hệ số Cronbach's Alpha của thang đo.
Khi đó: Không cần loại bỏ
31
Kết quả:
Trường hợp 4: Thang đo không độ tin cậy, biến quan sát có ý nghĩa, có hệ số
Cronbach's Alpha if Item Deleted lớn hơn Cronbach's Alpha của thang đo.
Nghĩa là: Kết quả kiểm định cho thấy: (1) hệ số độ tin cậy thang đo Cronbach’s < 0.6 và
(2) các biến quan sát đều có tương quan biến - tổng (Corrected Item – Total
Correlation) lớn hơn 0.3 và (3) có Biến quan sát có hệ số Cronbach's Alpha if Item
Deleted bằng lớn hơn hệ số Cronbach's Alpha của thang đo.
Khi đó: Loại bỏ khỏi thang đo và Chạy Phân tích Cronbach's Alpha lần hai.
32
IV. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA TRÊN SPSS
4.1. Khái niệm
• Phân tích nhân tố khám phá, gọi tắt là EFA, dùng để rút gọn một tập hợp k biến quan sát
thành một tập F (với F < k) các nhân tố có ý nghĩa hơn.
• Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất
nhiều các biến quan sát trong đó có liên hệ tương quan với nhau.
• EFA xem xét mối quan hệ giữa các biến ở tất cả các nhóm (các nhân tố) khác nhau
nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị
phân sai nhân tố từ ban đầu.
33
4.2. Lý thuyết
• Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân
tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện
đủ để phân tích nhân tố là phù hợp.
• Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong
nhân tố có tương quan với nhau hay không. Kiểm định Bartlett có ý nghĩa thống kê (sig
Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
34
4.2. Lý thuyết
• Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong
phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được
giữ lại trong mô hình phân tích.
• Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù
hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được
bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát
35
4.2. Lý thuyết
• Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị
mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao,
nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Theo Hair
và cộng sự (2010), Multivariate Data Analysis hệ số tải từ 0.5 là biến quan sát đạt chất
lượng tốt, tối thiểu nên là 0.3.
36
4.3. Chạy phân tích
Thao tác
• Để thực hiện phân tích
nhân tố khám phá EFA
trong SPSS 20, chúng ta
vào Analyze > Dimension
Reduction > Factor…
37
Thao tác
• Đưa biến quan sát của các biến
độc lập cần thực hiện phân tích
EFA vào mục Variables, nếu có
biến quan sát nào bị loại ở bước
trước đó, chúng ta sẽ không đưa
vào phân tích EFA.
38
Thao tác
• 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 để quay lại cửa
sổ ban đầu.
39
Thao tác
• Extraction: Ở đây, chúng ta sẽ sử dụng
phép trích PCA (Principal
Components Analysis).
40
Thao tác
• Rotation: Ở đây có các phép quay,
thường chúng ta hay sử dụng 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.
41
Thao tác
• Options: Tích vào Sorted by size để
ma trận xoay sắp xếp thành từng cột
dạng bậc thang để dễ đọc kết quả hơn,
chúng ta có thể tích hoặc không tích,
việc này không ảnh hưởng đến kết
quả.
42
Kết quả
• Kết quả lần EFA đầu tiên: KMO > 0.5,
sig Bartlett’s Test < 0.05, như vậy
phân tích nhân tố khám phá EFA là
phù hợp.
43
Kết quả
• Trị số Eigenvalue là một tiêu chí sử
dụng phổ biến để xác định số lượng
nhân tố trong phân tích EFA. Với tiêu
chí này, chỉ có những nhân tố nào có
Eigenvalue ≥ 1 mới được giữ lại trong
mô hình phân tích.
44
Kết quả
• Tổng phương sai trích (Total Variance
Explained) ≥ 50% cho thấy mô hình
EFA là phù hợp. Coi biến thiên là
100% thì trị số này thể hiện các nhân
tố được trích cô đọng được bao nhiêu
% và bị thất thoát bao nhiêu % của các
biến quan sát.
45
Kết quả
• Hệ số tải nhân tố Factor Loading lớn
hơn 0.5
46
Loại bỏ biến xấu

• Biến xấu 1: Biến quan sát không đảm bảo hệ số tải tiêu chuẩn
• Biến xấu 2: Biến quan sát chỉ nằm tách biệt một mình ở một nhân tố
• Biến xấu 3: Tải lên nhiều nhóm nhân tố và chênh lệch hệ số tải nhỏ hơn 0.2
Có thể loại lần lượt các biến hoặc loại 1 lần tất cả các biến không thỏa mãn.
Loại bỏ biến và chạy lại cho đến khi tất cả đều thỏa mãn
47
Phân tích nhân tố khám phá EFA cho biến phụ thuộc
• Thực hiện tương tự các bước như cách làm với biến độc lập. Thay vì đưa biến quan
sát của các biến độc lập vào mục Variables, chúng ta sẽ đưa các biến quan sát của
biến phụ thuộc vào
• Kết quả output, chúng ta cũng sẽ có các bảng KMO and Barlett’s Test, Total
Variance Explained, Rotated Component Matrix.
48
V. KIỂM ĐỊNH CRONBACH ALPHA (SAU KHI LOẠI EFA)
• Sau khi loại bỏ những biến không thỏa mãn khi Phân tích nhân tố khám phá EFA tiến
hành chạy lại kiểm định độ tin cậy thang đo Cronbach Alpha lần 2
• Quy trình, các bước thực hiện và nguyên tắc như bước kiểm định độ tin cậy thang đo
Cronbach Alpha bình thường
49
VI. TẠO BIẾN ĐẠI DIỆN, NHÂN TỐ ĐẠI DIỆN
6.1. Tạo nhân tố đại diện bằng trung bình cộng
• Biến đại diện được tạo bằng cách tính trung
bình cộng các biến quan sát của nhân tố đó.
Với các nghiên cứu sử dụng thước đo
Likert, hay các thước đo ảo với giá trị đo là
số nguyên thì cách xây dựng biến đại diện
bằng cách này rất phù hợp. Phương thức
này sẽ giúp ích cho nhà nghiên cứu có thể
triển khai các bước phân tích sau hồi quy
mà không gặp nhiều khó khăn.
50
Thao tác
• Từ bảng tổng hợp các nhân tố sau
phân tích EFA, trên giao diện SPSS,
chúng ta vào Transform > Compute
Variables…
51
Thao tác
• Một cửa sổ mới được mở ra, chúng ta chú ý tới 2 mục là Target Variable bên trái và
khung nhập hàm Numeric Expression bên phải:
• Target Variable: Điền tên biến đại diện.
• Numeric Expression: Nhập hàm MEAN(giá trị 1,giá trị 2,giá trị 3,…)..
• Tên hàm có thể viết hoa hoặc viết thường, các giá trị trong hàm ngăn cách nhau
bằng dấu phẩy và không có khoảng cách trắng.
52
Thao tác
• Sau khi khai báo biến, hàm, nhãn biến, nhấp vào OK để xác nhận hoàn thành.
• Lúc này quay lại giao diện Variable View của SPSS, sẽ có một biến mới được tạo ra
• Thực hiện tương tự cho các biến còn lại (cả phụ thuộc và độc lập), chúng ta sẽ có
danh sách biến đại diện
• Sau khi đã hoàn thành việc tạo biến đại diện, chúng ta nên quay lại giao diện
Variable View, chỉnh Decimals cho các biến đại diện là 2.
53
6.2. Một số cách tạo khác
• Tạo nhân tố đại diện bằng tổng giá trị

• Tạo nhân tố đại diện bằng điểm nhân tố
• Thông thường để tạo biến đại diện, người ta thường sử dụng phương pháp Tạo nhân
tố đại diện bằng trung bình cộng đối với thang đo Likert
54
VII. PHÂN TÍCH TƯƠNG QUAN PEARSON
7.1. Giới thiệu
• Phân tích tương quan Pearson là một trong các bước chúng ta thực hiện trong bài
nghiên cứu sử dụng phân tích định lượng SPSS. Thường bước này sẽ được thực hiện
trước khi phân tích hồi quy.
• Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt
chẽ giữa biến phụ thuộc với các biến độc lập và sớm nhận diện vấn đề đa cộng tuyến
khi các biến độc lập cũng có tương quan mạnh với nhau.
55
7.2. Lý thuyết
• Tương quan Pearson r có giá trị dao động từ -1 đến 1 (lưu ý, hệ số r chỉ có ý nghĩa
khi sig nhỏ hơn 0.05)
56
7.3. Thực hành
Thao tác
• Từ phần mềm SPSS, Chọn
Analyze > Correlate >
Bivariate…
57
7.3. Thực hành
Thao tác
• Hộp thoại Bivariate Correlations
xuất hiện, đưa các biến độc lập và
biến phụ thuộc từ cột bên trái sang
bên phải. Để thuận tiện cho quá
trình đọc số liệu, nên sắp sếp biến
phụ thuộc nằm trên cùng.
• Sau đó chọn OK.
58
7.3. Thực hành
Kết quả giữa biến phụ thuộc và biến độc lập
• Nhỏ hơn 0.05 nghĩa là biến độc lập đó

có tương quan tuyến tính với biến phụ
thuộc, sau đó xét hệ số Pearson mạnh
hay yếu.
• Giá trị sig lớn hơn 0.05 nghĩa là biến
độc lập đó KHÔNG tương quan với
biến phụ thuộc. Lưu ý trong trường hợp
này, không loại và chạy lại lần 2.
59
7.3. Thực hành
Kết quả giữa các biến độc lập
• Nếu sig < 0.05 và giá trị tương quan

Pearson lớn hơn 0.7, chúng ta cần
chú ý đến khả năng xảy ra hiện
tượng đa cộng tuyến.
• Nếu sig > 0.05 biến độc lập không
tương quan với nhau
60
VIII. PHÂN TÍCH HỒI QUY TUYẾN TÍNH BỘI
8.1. Mục đích
• Hồi quy tuyến tính là phép hồi quy

xem xét mối quan hệ tuyến tính –
dạng quan hệ đường thẳng giữa biến
độc lập với biến phụ thuộc.
• Tìm các hệ số Beta trong mô hình hồi
quy
61
8.2. Thực hành
Thao tác
• Thực hiện phân tích hồi quy
tuyến tính bội để đánh giá sự
tác động của các biến độc lập
này lên biến phụ thuộc. Chúng
ta vào Analyze > Regression >
Linear
62
8.2. Thực hành
Thao tác
• Đưa biến phụ thuộc vào ô
Dependent.
• Các biến độc lập vào ô
Independents.
63
8.2. Thực hành
Thao tác
• Vào mục Statistics, tích chọn
các mục như trong ảnh và chọn
Continue.
64
8.2. Thực hành
Thao tác
• Vào mục Plots, tích chọn vào
Histogram và Normal probability
plot, kéo biến ZRESID thả vào ô Y,
kéo biến ZPRED thả vào ô X.
• Tiếp tục chọn Continue.
65
8.2. Thực hành
Kết quả
• Sig < 0.05: Bác bỏ giả thuyết 𝐻0 , mô hình hồi quy là phù hợp.
• Sig > 0.05: Chấp nhận giả thuyết 𝐻0 , mô hình hồi quy không phù hợp.
66
8.2. Thực hành
Kết quả
• Xác định giá trị 𝑅2 𝑣à 𝑅2 hiệu chỉnh
67
8.2. Thực hành
Kết quả
• Sig < 0.05: Bác bỏ giả thuyết 𝐻0 , biến 𝑥1 có tác động lên biến phụ thuộc. Xét chỉ
số Beta để xác định tương quan mạnh yếu.
• Sig > 0.05: Chấp nhận giả thuyết 𝐻0 , biến 𝑥1 không tác động lên biến phụ thuộc.
68
8.2. Thực hành
Kết quả
• Hệ số phóng đại phương sai (VIF) là một chỉ số đánh giá hiện tượng cộng tuyến
trong mô hình hồi quy. VIF càng nhỏ, càng ít khả năng xảy ra đa cộng tuyến. Hair
và cộng sự (2009) cho rằng, ngưỡng VIF từ 10 trở lên sẽ xảy ra đa cộng tuyến
mạnh.
• Theo Nguyễn Đình Thọ (2010) , trên thực tế, nếu VIF > 2, chúng ta cần cẩn thận
bởi vì đã có thể xảy ra sự đa cộng tuyến gây sai lệch các ước lượng hồi quy.
69
8.2. Thực hành
Kết quả
• Sau khi thực hiện các bước trên, viết lại mô hình hồi quy chuẩn hóa theo giá trị
Beta chuẩn hóa (Beta).
• Nêu ý nghĩa của các hệ số Beta chuẩn hóa này trong mô hình
70
8.2. Thực hành
Kết quả
• Đối với biểu đồ Histogram, nếu giá trị

trung bình Mean gần bằng 0, độ lệch
chuẩn Std. Dev gần bằng 1, các cột giá
trị phần dư phân bố theo dạng hình
chuông, ta có thể khẳng định phân phối
là xấp xỉ chuẩn, giả định phân phối
chuẩn của phần dư không bị vi phạm.
71
8.2. Thực hành
Kết quả
• Đối với biểu đồ Normal P-P Plot, nếu

các điểm dữ liệu trong phân phối của
phần dư bám sát vào đường chéo, phần
dư càng có phân phối chuẩn. Nếu các
điểm dữ liệu phân bố xa đường chéo,
phân phối càng “ít chuẩn”.
72
8.2. Thực hành
Kết quả
• Nếu các điểm dữ liệu phân bố tập trung

xung quanh đường tung độ 0 và có xu
hướng tạo thành một đường thẳng, giả
định liên hệ tuyến tính không bị vi
phạm.
73
IX. PHÂN TÍCH KHÁC BIỆT TRUNG BÌNH ONE-WAY ANOVA
9.1. Giới thiệu
• Thường dùng để đánh giá sự tác động các

trường hợp xảy ra của biến định tính lên biến
phụ thuộc.
• Phương pháp này giúp chúng ta so sánh trị
trung bình của 2 nhóm trở lên
74
9.2. Thực hành
Thao tác
• Trong SPSS, vào Analyze >
Compare Means > One-Way
ANOVA....
75
9.2. Thực hành
Thao tác
• Hộp thoại One-Way ANOVA
xuất hiện, đưa biến phụ thuộc
vào mục Dependent List (có
thể đưa nhiều biến định
lượng vào phân tích một
lượt), đưa biến định tính vào
mục Factor (chỉ có thể đưa
vào một biến định tính)
76
9.2. Thực hành
Thao tác
• Bên phải có các tùy chọn, chúng
ta nhấp chuột vào Options…
Tích vào bốn mục như hình bên
77
9.2. Thực hành
Kết quả:
78
9.2. Thực hành
Kết quả kiểm định Levene:
Kết quả Robust Test:
79
9.2. Thực hành
Kết quả ANOVA:
Lưu ý:
• Đọc kết quả và nêu hàm ý quản trị, hàm ý kinh tế
80
Thank you
pcvan@bdu.edu.vn
https://www.bdu.edu.vn/

11. Thực hành trên phần mềm SPSS 20 update 06.11.2022

Uploaded by

Document Information

Original Title

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

11. Thực hành trên phần mềm SPSS 20 update 06.11.2022

Uploaded by

Copyright:

Available Formats

KINH TẾ LƯỢNG

THỰC HÀNH TRÊN PHẦN MỀM SPSS 20

Giảng viên: ThS. Phạm Cao Văn

• Sheet chức năng Data View: nhập dữ liệu

Width & Decimals

Missing, Columns & Align

• Nhập dữ liệu của khảo sát theo chiều

• Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]

Loại bỏ biến xấu

• Tạo nhân tố đại diện bằng tổng giá trị

Kết quả giữa biến phụ thuộc và biến độc lập

• Nhỏ hơn 0.05 nghĩa là biến độc lập đó

Kết quả giữa các biến độc lập

• Nếu sig < 0.05 và giá trị tương quan

• Hồi quy tuyến tính là phép hồi quy

• Xác định giá trị 𝑅2 𝑣à 𝑅2 hiệu chỉnh

• Đối với biểu đồ Histogram, nếu giá trị

• Đối với biểu đồ Normal P-P Plot, nếu

• Nếu các điểm dữ liệu phân bố tập trung

• Thường dùng để đánh giá sự tác động các

Kết quả kiểm định Levene:

Kết quả Robust Test:

Kết quả ANOVA:

You might also like