NỘI DUNG 6: KẾT QUẢ PHÂN TÍCH

Nội dung Mục tiêu

Trong bài này, người học sẽ được tiếp cận  Phân tích đánh giá độ tin cậy
các nội dung:  Phân tích hồi quy đơn biến
 Phân tích đánh giá độ tin cậy  Phân tích được hồi quy đa biến
 Phân tích hồi quy đơn biến  Trình bầy đầy đủ; yêu cầu, nguyên tắc, kết
 Phân tích hồi quy đa biến cấu, nội dung của bản báo cáo nghiên cứu
 Trình bầy báo cáo kết quả nghiên
cứu
Hướng dẫn học

 Đọc bài giảng trước lúc nghe giảng.

 Vận dụng kiến thức đã học để phân tích
đánh giá độ tin cậy, phân tích hồi quy đơn
biến và đa biến
 Sử dụng phần mềm SPSS
 Nghiên cứu báo cáo mẫu trình bầy kết quả
nghiên cứu

HƯỚNG DẪN THỰC HIỆN

6.1. Phân tích đánh giá độ tin cậy
6.1.1. Đánh giá độ tin cậy về sự tương quan giữa các biến quan sát của thang đo
Phân tích đánh giá độ tin cậy nhằm kiểm tra tính thống nhất của các mệnh đề
câu hỏi của một thang đo (Nguyễn Văn Thắng, 2013). Cụ thể là, hệ số Cronbach's
alpha sẽ được sử dụng để đánh giá độ tin cậy về sự tương quan giữa các biến quan
sát của thang đo.
Theo Hair và cộng sự (1998), ta có thể khẳng định các biến quan sát của một
thang đo có đủ độ tin cậy về tính gắn kết nếu hệ số Cronbach’s alpha có giá trị lớn
hơn hoặc bằng 0.6. Sau đây chúng ta sẽ kiểm tra độ tin cậy của thang đo dùng để đo
biến độc lập: thành công (thuộc nhóm nhân tố chủ nghĩa vật chất) bao gồm 06
items
• Kích Analyze > Scale > Reliability Analysis. (xuất hiện hộp thoại như Hình
6.1).
 • Chuyển các biến quan sát vào hộp Items (Hình 6.1).
• Mục Model chọn Alpha.
• Kích Statistics, xuất hiện hộp thoại như Hình 6.2.
• Đánh dấu vào các mục sau: Item, Scale, Scale if item deleted, Correlations
(thuộc mục Inter-Item), Means, and Correlations (thuộc mục Summaries).

Hình 6.1. Phân tích đánh giá độ tin cậy

- Kích Continue, kích tiếp OK. Ta thu được các kết quả phân tích dưới đây.
 Hình 6.2. Phân tích đánh giá độ tin cậy – Statistics

Hình 6.3: Phân tích đánh giá độ tin cậy

Kết quả phân tích hình 6.3 cho thấy hệ số Cronbach’s alpha của thang đo
“thành công” gồm 6 biến quan sát có gía trị lớn hơn 0.6, theo Hair và cộng sự
(1998) ta có thể khẳng định các biến quan sát này có đủ độ tin cậy về tính gắn kết
để có thể hợp thành 1 biến độc lập “thành công”. Hoàn toàn tương tự ta có thể kiểm
tra độ tin cậy của các thang đo còn lại.
6.1.2. Kiểm định giả thuyết thống kê

Ngoài ra sinh viên có thể thực hiện kiểm định giả thuyết thống kê. Giả thuyết
thống kê là một giả sử hay một phát biểu có thể đúng, có thể sai liên quan đến
tham số của một hay nhiều tập hợp chính. Ở bước 3: Xây dựng bảng tổng hợp
nhiều biến chúng ta đã tiến hành lập các bảng kết hợp giữa các biến định tính và
định lượng nhưng mới chỉ là mô tả những mối quan hệ mà ta nhận thấy trong mẫu.
 Những mục tiêu hướng đến không phải là mẫu mà là tổng thể. Vì thế
ngoài việc thực hiện thống kê mô tả, chúng ta sẽ thực hiện thêm thống kê suy diễn.
Thống kê suy diễn là quá trình sử dụng các thông tin trên mẫu để rút ra kết luận
về các đặc điểm của tổng thể. Vậy để biết được kết quả trên mẫu có đủ mạnh để
thuyết phục nó có đúng với đặc điểm tổng thể hay không, chúng ta phải có bằng
chứng thống kê, do đó ta thực hiện các phép kiểm định giả thuyết thống kê.
 Giả thuyết không (giả thuyết thuần) và giả thuyết ngược lại (đối thuyết)
Giả thuyết không: là sự giả sử mà ta muốn kiếm định thường được ký hiệu
là Ho.
Giả thuyết đối: Việc bác bỏ giả thuyết không sẽ dẫn đến việc chấp nhận giả
thuyết ngược lại. Giả thuyết ngược lại thường được ký hiệu là H1
Ví dụ: Kiểm định giả thuyết: điểm đánh giá trung bình của người tham gia
khảo sát online về mức độ hài lòng của khách hàng khi sử dụng các dòng sản phẩm
…… có ở mức độ tốt hay không?
Kiếm định giả thuyết Ho: θ ≥ θo có thể θ = θo
Với H1: θ < θo
Kiếm định giả thuyết Ho: θ ≤ θo có thể θ = θo
Với H1: θ > θo
Kiếm định giả thuyết Ho: θ = θo
Với H1: θ ≠ θo
Bảng 6.1. Kết quả phiếu điều tra về mức độ hài lòng của khách hàng khi sử
dụng sản phẩm ……
Ý KIẾN ĐÁNH GIÁ
TIÊU CHÍ Bình
Rất tốt Tốt Kém Rất kém
thường

TC1 Giá thành 1 2 3 4 5

TC2 Bao bì 1 2 3 4 5

TC3 Chất lượng 1 2 3 4 5

TC4 Hương vị 1 2 3 4 5

TC5 Thương hiệu 1 2 3 4 5

Giả thiết đặt ra:
 + H0 : α ≤ 2: thì người tham gia khảo sát cảm thấy tốt với các tiêu chí của sản
phẩm …...
+ H1: α > 2: Người tham gia khảo sát cảm thấy chưa tốt với các tiêu chí của
sản phẩm …...
Kiểm định giả thuyết:
Sig(2) < 0.05: chúng ta bác bỏ giả thuyết H0
Sig(2) > 0.05: Chúng ta chấp nhận giả thuyết H0
 Đối với các tiêu chí: Giá thành, Chất lượng: Bác bỏ Giả thuyết H 0, chấp
nhận giả thuyết H1.
 Đối với các tiêu chí: Bao bì, Hương vị, Thương Hiệu: Bác bỏ giả thuyết
H1, Chấp nhận giả thuyết H0.
 Vậy người tham gia khảo sát online cảm thấy Giá thành và Chất lượng
của các dòng sản phẩm …… chưa đủ tốt, và họ cũng cảm thấy mẫu mã Bao bì,
Hương vị sản phẩm, Thương hiệu của …… khá tốt.

Bảng 6.2. Kết quả kiểm định giá thuyết thống kê về mức độ hài lòng của khách
hàng khi sử dụng sản phẩm ……

One-Sample Test
Test Value = 2
95% Confidence
Interval of the
Difference
Sig. (2- Mean
t df tailed) Difference Lower Upper
Giá thành -2.671 99 .009 -.250 -.44 -.06
Bao bì -1.452 99 .150 -.140 -.33 .05
Chất lượng -3.045 99 .003 -.250 -.41 -.09
Hương vị .000 99 1.000 .000 -.19 .19
Thương hiệu 2.487 99 .015 .290 .06 .52

  Các loại sai lầm trong việc kiểm định giả thuyết thống kê
 Việc kiểm định giả thuyết thống kê có thể phạm phải 2 loại sai lầm
+ Sai lầm loại I: Là loại sai lầm mà chúng ta phạm phải trong việc bác bỏ
giả thuyết Ho khi Ho đúng. Xác suất của việc bác bỏ Ho khi Ho đúng là xác suất
của sai lầm loại I và được ký hiệu là α;
α = P (bác bỏ Ho / Ho đúng) = P (Sai lầm loại I)
+ Sai lầm loại II: Là loai sai lầm mà chúng ta phạm phải khi không bác bỏ
giả thuyết Ho khi Ho sai. Xác suất của việc không bác bỏ Ho khi Ho sai là xác suất
của sai lầm loại II và được ký hiệu là β.
β = P (không bác bỏ Ho /Ho sai) = P (sai lầm loại II)
 Các bước kiểm định giả thuyết thống kê bằng SPSS
Các bước kiểm định giả thuyết thống kê thông thường gồm 6 bước:
Bước 1: Thành lập giả thuyết Ho. Ví dụ: Ho: θ = θo
Bước 2: Thành lập giả thuyết H1. Ví dụ: H1: θ ≠ θo
Bước 3: Xác định mức ý nghĩa α
Bước 4: Chọn các tham số thống kê thích hợp cho việc kiếm định và xác
định các miền bác bỏ, miền chấp nhận và giá trị giới hạn.
Bước 5: Tính toán các giá trị của các tham số thống kê trong việc kiểm định
dựa trên số hiệu của mẫu ngẫu nhiên.
Bước 6: Ra quyết định: Nếu các giá trị tính toán rơi vào miền bác bỏ Ho thì
ra quyết định bác bỏ Ho. Ngược lại sẽ chấp nhận Ho
Bảng 6.3. Bản chất kiểm định giá thuyết thống kê
Quyết định về Bản chất của Ho
giả thuyết không
Ho Ho đúng Ho sai

Không bác bỏ Quyết định đúng Sai lầm loại II

(chấp nhận)

Prob = 1- α Prob = β
Sai lầm loại I Quyết định đúng
Prob = α Prob = 1 – β
Bác bỏ (α = mức ý nghĩa của kiểm
định
 Kiểm định mối liên hệ giữa các biến định tính
 Để kiểm định xem có mối liên hệ nào giữa hai biến định tính trong tổng
thể hay không, kiểm định Chi-bình phương là phương pháp phổ biến nhất và
được áp dụng trong trường hợp biến định tính với các thang đo định danh và thứ
bậc, có thể:
+ Kiểm định mối liên hệ giữa 2 biến định danh với nhau, ví dụ như muốn
tìm hiểu mối quan hệ giữa giới tính và việc chọn ngành học.
+ Kiểm định mối liên hệ giữa một biến định danh và một biến thứ tự. Ví
dụ: Tìm hiểu mối liên hệ giữa quan niệm về cuộc sống và trình độ học vấn.
+ Kiểm định mối liên hệ giữa hai biến thứ tự: ví dụ như độ tuổi có ảnh
hưởng tới mức độ quan tâm đến chủ đề gia đình.
SPSS cung cấp nhiều giá trị thống kê được thiết kế để đo mức độ của
quan hệ giữa hai biến định tính. Hai số đo hữu dụng là Phi và Cramer's V.
Cramer's V được dùng thông dụng hơn vì nó chỉ có hai giá trị giữa 0 và 1. Giá trị
0 (zero) cho biết không có mối quan hệ nào và 1 cho biết có mối quan hệ hoàn
hảo.
Thống kê Chi-square không phải là số đo mức độ chặt chẽ của mối quan
hệ. Không thể kết luận rằng mối quan hệ giữa giới tính và mức sống là quan
trọng, vì nó chỉ có ý nghĩa thống kê (tức là các thống kê này không thể hiện mức
độ chặt chẽ của mối quan hệ). Khi thảo luận các kết quả cần xem xét mức độ
quan hệ trong mẫu cũng như ý nghĩa của nó (và phần trăm theo dòng và cột).
Thống kê Chi-square chỉ phù hợp nếu có đầy đủ dữ liệu. Theo kinh
nghiệm, nếu có hơn 20% ô có tần số kỳ vọng nhỏ hơn 5, thì Chi-Square là không
thích hợp. Trong trường hợp này cần tiến hành gom biến bằng lệnh Recode.
Ví dụ: Trong khi thu thập dữ liệu từ khảo sát online có sự khác nhau giữa
giới tính và mức độ hài lòng với Khách hàng đối với sản phẩm ….. nên ta sẽ kiểm
định giữa một biến định danh (giới tính) và một biến thứ bậc (mức độ hài lòng của
khách hàng). Tiến hành kiểm định bằng SPSS ta có kết sau:
Bảng 6.4. Bảng kiểm định giữa giới tính và mức độ hài lòng của khách hàng
Mức độ hài lòng * Giới tính Crosstabulation
Giới tính
Nữ Nam Total
Mức độ hài Hài lòng Count 36 27 63
lòng
% within Mức độ hài 57.1% 42.9% 100.0%
lòng
 % within Giới tính 69.2% 56.3% 63.0%
bình thường Count 10 10 20
% within Mức độ hài 50.0% 50.0% 100.0%
lòng
% within Giới tính 19.2% 20.8% 20.0%
Không hài Count 6 11 17
lòng
% within Mức độ hài 35.3% 64.7% 100.0%
lòng
% within Giới tính 11.5% 22.9% 17.0%
Total Count 52 48 100
% within Mức độ hài 52.0% 48.0% 100.0%
lòng
% within Giới tính 100.0% 100.0% 100.0%

Chi-Square Tests
Asymptotic
Significance
Value df (2-sided)
Pearson Chi-Square 2.600a 2 .272
Qua
bảng Likelihood Ratio 2.623 2 .269 kiểm
định Linear-by-Linear 2.492 1 .114 giữa
giới Association tính và
mức độ hài
lòng N of Valid Cases 100 cho ta
thấy a. 0 cells (0.0%) have expected count less than 5. The minimum dường
như có expected count is 8.16. sự liên
hệ giữa
giới tính và mức độ hài lòng của khách hàng đối với sản phẩm …., kết quả cho thấy
nữ giới cảm thấy hài lòng hơn so với nam giới. Nhưng đọc kết quả kiểm định Chi
bình phương, ta có Sig. > 0.05, nên ta không bác bỏ giả thuyết Ho. Kết luận rằng
với tập dữ liệu mẫu, ta chưa có đủ bằng chứng để nói rằng giới tính có liên hệ với
mức độ hài lòng đối với sản phẩm ….. của công ty …...
  Kiểm định giả thuyết trung bình tổng thể
+ Kiểm định giả thuyết về trị trung bình của một tổng thể
Phương pháp kiểm định trị trung bình một mẫu được dùng để kiểm định có
hay không sự khác biệt của giá trị trung bình của một biến với một giá trị cụ thể.
Giả thuyết Ho cho rằng giá trị trung bình cần kiểm nghiệm thì bằng với một con số
cụ thể nào đó.
Phương pháp kiểm định này dùng cho biến dạng thang đo khoảng cách hay
tỉ lệ (biến định lượng). Ta sẽ loại bỏ giả thuyết ban đầu khi kiểm nghiệm cho ta chỉ
số Sig. nhỏ hơn mức tinh cậy (0.05).
 Cách thực hiện trong phần mềm SPSS:
Chạy lệnh Compare Mean > One-Sample T Test
Lựa chọn biến cần so sánh bằng cách di chuyển vệt đen và chuyển đến vào
hộp thoại Test Variable(s), nhập giá trị cần so sánh vào hộp thoại Test Value
Options để xác định độ tin cậy cho kiểm nghiệm, mặc định là 95% và cách xử lý
đối với các giá trị khuyết.
Ví dụ: ta tiến hành phỏng vấn 100 khách hàng về nhãn hiệu ….. của công
ty ……, câu hỏi theo thang đo khoảng như sau:
C1. Anh (chị) hãy cho biết mức độ đồng ý của mình với nhận xét sau về
các dòng sản phẩm của nhãn hiệu ……..: “Hương Vị của các dòng sản phẩm
trong nhãn hiệu ….. rất phù hợp khẩu vị của bạn”
Hoàn toàn Hoàn toàn
không đồng ý đồng ý
1 2 3 4 5
Sau khi thu thập dữ liệu, chúng ta muốn kiểm định xem trung bình của
biến này có bằng hay khác 3 (3 là một giá trị muốn kiểm định). Ta tiến hành trên
SPSS, thu được kết quả như sau:
Bảng 6.5. Bảng kiểm định về mức độ đồng ý của khách hàng với hương vị nhãn
hiệu ….. phù hợp với khẩu vị khách hàng
One-Sample Statistics
Std. Std. Error
N Mean Deviation Mean
Hương vị nhãn hiệu 100 4.15 1.029 .103
TIPO phù hợp với
khẩu vị của KH
 One-Sample Test
Test Value = 3
95% Confidence
Interval of the
Mean
Difference
Sig. (2- Differenc
t df tailed) e Lower Upper
Hương vị nhãn 11.18 99 .000 1.150 .95 1.35
hiệu TIPO phù 0
hợp với khẩu vị
của KH
Kết quả trong bảng trên cho ta thấy, giá trị trung bình của biến trên là 4.15.
Giá trị Sig. = 0. Như vậy, trung bình của biến kiểm định khác với 3. Nhìn vào
khoảng tin cậy của ước lượng (95%), chúng ta thấy giá trị thấp nhất của Khách
hàng thị trường đối với quan điểm “Hương vị của các dòng sản phẩm trong nhãn
hiệu …… rất phù hợp khẩu vị của bạn” là 3.95 (3+0.95) và giá trị lớn nhất là
4.35 (3+1.35). Vậy ta kết luận giá trị trung bình của biến trên lớn hơn 3.
+ Kiểm định giả thuyết về sự bằng nhau về trung bình của hai tổng thể
- Trường hợp hai mẫu độc lập (gồm 1 biến định lượng và 1 biến định tính có
2 phân loại)
Khi muốn so sánh trị trung bình về một chỉ tiêu nghiên cứu nào đó giữa 2
đối tượng ta quan tâm, chúng ta sử dụng phép kiểm định trung bình t cho 2 mẫu
độc lập, được gọi tắt là kiểm định trung bình hai mẫu độc lập (Independent-
samples T-test). Kiểm định này dùng cho hai mẫu độc lập, dạng dữ liệu là dạng
thang đo khoảng cách hoặc tỷ lệ (biến định lượng) để tính trung bình và 1 biến
định tính dùng để phân loại nhóm so sánh.
Các dữ liệu cần so sánh nằm trong cùng một biến định lượng, ta tiến hành
nhóm các giá trị thành hai nhóm để tiến hành so sánh. Giả thuyết ban đầu cần
kiểm định là giá trị trung bình của một biến nào đó bằng nhau giữa hai nhóm mẫu
và chúng ta sẽ từ chối giả thuyết này khi mà chỉ số Sig. nhỏ hơn mức ý nghĩa
(thường là 0.05)
Trước khi tiên hành kiểm định trung bình, ta cần phải thực hiện một kiểm
định khác mà kết quả của nó ảnh hưởng rất quan trọng đến kiểm định trung
bình, đó là kiểm định sự bằng nhau của hai phương sai tổng thể. Kiểm định này có
tên là Levene test và SPSS sẽ giúp chúng ta thực hiện kiểm định này. Kết quả của
kiểm định Levene ảnh hưởng tới kiểm định t như sau:
  Nếu giá trị Sig. trong kiểm định Levene < 0.05 (SPSS mặc định độ tin cậy
95%) thì phương sai của hai tổng thể khác nhau, ta sẽ sử dụng kết quả kiểm định t ở
phần Equal variances not assumed.
 Nếu giá trị Sig. trong kiểm định Levene > 0.05 (SPSS mặc định độ tin cậy
95%) thì phương sai của hai tổng thể không khác nhau, ta sẽ sử dụng kết quả kiểm
định t ở phần Equal variances assumed.
 Chú ý: Trong trường hợp biến định tính phân lọai mẫu độc lập ra nhiều
hơn 2 nhóm (ví dụ biến học vấn phân thành 5 nhóm), chúng ta có 2 phương pháp
thực hiện tùy theo mục đích yêu cầu:
-Hoặc lần lượt so sánh từng cặp nhóm với nhau cho đến khi không còn cặp
nào. Ví dụ so sánh nhóm cấp 1 với cấp 2, cấp 2 với cấp 3, cấp 3 với đại học…
- Hoặc chia mẫu thành 2 nhóm lớn: nhóm trình độ phổ thông và nhóm trên
phổ thông bằng cách dùng Cut Point trong Define Group. Mã số nhập vào Cut
Point là mã số dùng để chia mẫu thành 2 nhóm lớn. Trong ví dụ trên số 4 sẽ
được nhập vào ô Cut Point
 Cách thực hành trong SPSS:
 Analyze>Compare means>Independent sample t-test
 Chuyển biến định lượng cần so sánh trung bình vào hộp thoại Test
variable(s). Ta có thể chọn nhiều biến định lượng để so sánh.
 Định ra các nhóm cần so sánh với nhau (thường là biến định danh) di
chuyển vào hộp thoại Grouping variable.
 Công cụ Define Groups… cho phép ta định ra hai nhóm cần so sánh với
nhau. Có hai cách định nhóm so sánh:
+ Sử dụng con số cụ thể, nhập hai giá trị đại diện cho hai nhóm cần so
sánh trong biến vào ô Group 1 và Group 2.
+ Cách thứ hai sử dụng Cut point, nhập giá tri phân cách các giá trị trong
biến thành hai nhóm. Toàn bộ các trường hợp có giá trị (con số mã hóa) nhỏ hơn
giá trị được nhập vào trong cut point sẽ định ra một nhóm, và toàn bộ các trường
hợp có giá trị mã hóa lớn hơn hoặc bằng giá trị trong Cut point sẽ tạo ra một
nhóm khác.
 Options để xác định độ tin cậy cho kiểm nghiệm, mặc định là 95% và
cách xử lý đối với các giá trị khuyết.
Ví dụ: Chúng ta muốn tìm hiểu có sự khác nhau hay không giữa thái độ
của nam và nữ đối với chương trình quảng cáo ……. của nhãn hiệu …... Tiến
hành phỏng vấn 100 đối tượng khách hàng đã xem quảng cáo và phân tích dữ liệu
 thu được kết quả như sau:
Bảng 6.6. Kết quả kiểm định trung bình 2 mẫu độc lập
Group Statistics
Giới Std.
tính N Mean Deviation Std. Error Mean
Thái độ đối với Nữ 52 3.33 1.264 .175
quảng cáo TIPO
Nam 48 3.69 1.095 .158
BÁNH TRỨNG
CARAMEL

Independent Samples Test

Levene's Test
for Equality
of Variances t-test for Equality of Means

95%
Confidence
Interval of the
Std. Difference
Sig. Mean Error
(2- Differ Differe Lowe Uppe
F Sig. t df tailed) ence nce r r
Thái độ Equal 1.381 .243 -1.519 98 .132 -.361 .237 -.832 .110
đối với variances
quảng cáo assumed
TIPO -1.528 97. .130 -.361 .236 -.829 .108
Equal
BÁNH 619
variances
TRỨNG
not
CARAME
assumed
L
Nhìn vào bảng kết quả dưới đây, ta thấy giá trị Sig. trong kiểm định
 Levene bằng 0.243 lớn hơn 0.05, vậy phương sai của 2 giới tính không khác nhau,
ta sẽ đọc kết quả kiểm định t ở phần Equal variances not assumed. Giá trị Sig.
trong kiểm định t = 0.130 > 0.05. Vậy không có sự khác biệt về thái độ với
quảng cáo ….. giữa nam và nữ.
6.2. Phân tích hồi quy
Phần này sẽ giới thiệu tìm hiểu về hai phương pháp phân tích hồi
quy đó là hồi quy đơn và hồi quy đa biến.
6.2.1. Phân tích hồi quy đơn
Khi xem xét mô hình thể hiện liên hệ tương quan tuyến tính, một biến phụ
thuộc và nhiều biến độc lập. Chúng ta xem xét mới gitta hệ tuyến tính giữa một
biến phụ thuộc và một biến độc lập.
Mô hình được xây dựng từ dữ liệu mẫu có dạng:
Y = B0+B1* Xi
Trong đó
Xi là trị quan sát thứ i của biến độc lập
Yi là giá trị dự đoán (hay giá trị lý thuyết) thứ i của biến phụ thuộc
B0 và B1, là hệ số hội quy ta đã nhắc đến ở trên, phương pháp được dùng để
xác định B0 và B1 là phương pháp bình phương nhỏ nhất thông thường (Ordinary
least square - OLS).
Phân tích hồi quy đơn giúp trả lời câu hỏi “cùng trong một mô hình nghiên
cứu liệu có một biến nào đó chịu tác động từ một biến khác hay không? Nếu có, thì
đó là tác động thuận chiều hay ngược chiều?
Tiếp tục trở lại với ví dụ về “ý định mua xanh” thuộc mô hình nghiên cứu
5.10, chúng ta sẽ sử dụng phương pháp hồi quy đơn để kiểm định giả thuyết H1, nói
cách khác cần kiểm định xem liệu biến “thái độ” có tác động tích cực tới biến phụ
thuộc “ý định mua xanh”. Để trả lời câu hỏi này, với sự hỗ trợ của SPSS thực hiện
các thao tác sau:
Analyze > Regression > Linear (xuất hiện hộp thoại 6.4) Chuyển biến “ý
định mua xanh” vào hộp Dependent Chuyển biến “thái độ” vào hộp Independent
Kích OK
 Hình 6.4: Phân tích hồi quy đơn

Sau đó, ta có kết quả như các bảng dưới đây:

Bảng 6.7: Kết quả phân tích hồi quy đơn- model summary
Model Summary
Std. Error of the
Model R R Square Adjusted R Square Estimate

1 .383a .147 .145 1.83041

a. Predictors: (Constant), ydinhmuaxanh

Bảng 6.8. Kết quả phân tích hồi quy đơn- ANOVA
ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 232.324 1 232.324 69.342 .000b

Residual 1350.206 403 3.350

 Total 1582.531 404

a. Dependent Variable: thaido

b. Predictors: (Constant), ydinhmuaxanh

Bảng 6.9: Kết quả phân tích hồi quy đơn- Coefficient
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients

B Std. Error Beta

Model t Sig.
1 (Constant) 2.750 .405 6.786 .000

ydinhmuaxan h .614 .074 .383 8.327 .000

a. Dependent Variable: thaido

Kết quả phân tích tại bảng 6.7, bảng 6.8 và 6.9 khẳng định giả thuyết H1
được ủng hộ (Pvalue <0.01). Hệ số R2 điều chỉnh bằng 0.145 cho thấy biến “thái
độ” có thể giải thích được 17.7% tổng các tác động của nhân tố tới “ý định mua
xanh”. Mối quan hệ giữa hai biến thái độ và ý định mua xanh được thể hiện thông
qua mô hình sau:
Ydinhmuaxanh = 0.614*thaido + 2.750
Hoàn toàn tương tự, ta cũng có thể kiểm định được tính đúng đắn của các
giả thuyết còn lại.
6.2.2. Phân tích hồi quy đa biến
Mục đích của phân tích hồi quy đa biến cũng tương tự như phân tích hồi quy đơn,
chỉ có điều phân tích hồi quy đa biến có nhiều hơn một biến độc lập.
Mô hình hồi qui tuyến tính bội, kí hiệu và các giả định Mô hình hồi qui bội mở rộng
mô hình hồi quí hai biến bằng cách thêm vào một số biến độc lập để giải thích tốt
hơn cho biến phụ thuộc. Mô hình có dạng như sau:
Yi = β0 +β1 X1i+β2 X2i +…+βp Xpi +ei
Ký hiệu Xpi, biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i.
Các hệ số βk được gọi là hệ số hồi qui riêng phần (Partial regression coefficients)
Thành phần e, là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình
là 0 và phương sai không đổi σ2.
Mô hình hồi quy tuyến tính bội giả định rằng biến phụ thuộc có phân phối chuẩn
đối với bất kỳ kết hợp nào của các biến độc lập trong môi hình. Ví dụ như nếu chiều
cao của đứa trẻ là biến phụ thuộc, còn tuổi của đứa trẻ và chiều cao của mẹ đứa trẻ
là biến độc lập, thì mô hình này cho rằng đối với bất kỳ kết hợp nào giữa tuổi của
đứa trẻ và chiều cao của người mẹ thì chiều cao của trẻ có phân phối chuẩn và mặc
dù trị trung bình của các phân phối này khác nhau, tất cả đều có chung một phương
sai. Một giả định quan trọng đối với mô hình hồi qui tuyến tính là không có biến
giải thích nào có thể được biểu thị dưới dạng tổ hợp tuyến tính với những biến giải
thích còn lại. Nếu tồn tại một quan hệ tuyến tính như vậy, khi đó xảy ra hiện tượng
cộng tuyến.
Bây giờ chúng ta thực hiện phương pháp phân tích hồi quy đa biến để kiểm tra sự
ảnh hưởng đồng thời của các biến độc lập
Analyze > Regression > Linear (xuất hiện hộp thoại 6.5)
 Hình 6. 5: Phân tích hồi quy đa biến
Chuyển biến “ý định mua xanh”vào hộp Dependent.
Chuyển các biến bao gồm: “thái độ, chuẩn chủ quan, nhận thức kiểm soát hành vi,
hạnh phúc, thành công, hạnh phúc” vào hộp Independent.
Tại mục Method chọn Enter.
Kích vào Statistics, chọn tiếp các mục Estimates, Model fit và Descriptives. Kích
Continue.
Kích OK.
Kết quả nhận được như sau:
Bảng 6.10. Kết quả phân tích hồi quy đa biến- Variables Entered/Removed

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1 hanhphuc, thaido, . Enter

nhanthuckshanhvi,
chuanchuquan, thanhcong,
muctieutrungtamb

a. Dependent Variable: ydinhmuaxanh

b. All requested variables entered.

Bảng 6.11. Kết quả phân tích hồi quy đa biến - Model Summary

Model Summary

Std. Error of the

Estimate
Model R R Square Adjusted R Square

1 .590a .348 .338 1.00295

a. Predictors: (Constant), hanhphuc, thaido, nhanthuckshanhvi, chuanchuquan,

thanhcong, muctieutrungtam

Bảng 6.12. Kết quả phân tích hồi quy đa biến – ANOVA

ANOVAa

Sum of
Model Squares Df Mean Square F Sig.
 1 Regression 213.457 6 35.576 35.367 .000b

Residual 399.343 397 1.006

Total 612.800 403

a. Dependent Variable: ydinhmuaxanh

b. Predictors: (Constant), hanhphuc, thaido, nhanthuckshanhvi,
chuanchuquan, thanhcong, muctieutrungtam

Bảng 6.13. Kết quả phân tích hồi quy đa biến – Coefficients

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients

B Std. Error Beta

Model t Sig.

1 (Constant) 2.182 .364 5.995 .000

thaido .155 .027 .249 5.749 .000

chuanchuquan .220 .039 .252 5.654 .000

nhanthuckshanhvi .331 .043 .329 7.675 .000

thanhcong -.051 .060 -.045 -.853 .394

muctieutrungtam -.090 .072 -.067 -1.243 .215

hanhphuc .036 .045 .040 .809 .419

a. Dependent Variable: ydinhmuaxanh

Kết quả phân tích hồi quy đa biến cho thấy khi đưa các biến độc lập vào mô hình
thì có các biến thái độ, chuẩn chủ quan và nhận thức kiểm soát hành vi có mối quan
hệ thuận chiều với ý định mua xanh. Mô hình giải thích được 33.8% sự biến thiên
của biến phụ thuộc.
6.3. Trình bày báo cáo kết quả nghiên cứu
6.3.1. Yêu cầu
Một bản báo cáo nghiên cứu phải đảm bảo các yêu cầu sau:
Một là, báo cáo phải giải thích một cách rõ ràng cho người đọc/nghe hiểu được
những dữ liệu và kết luận đã được rút ra, chứng minh các kết luận đó là đúng, đáp
ứng những mục tiêu của cuộc nghiên cứu.
Hai là, truyền đạt những kết quả nghiên cứu, kết luận tới người đọc/nghe bằng một
cách thức phù hợp. Sự lựa chọn cách thức truyền đạt phải dựa trên những hiểu biết
đầy đủ về đối tượng người đọc/nghe báo cáo như trình độ chuyên môn, học vấn, mức
độ và vấn đề quản tâm, chức vụ trong tổ chức,.... (Nội dung này sẽ được trình bày ở
các phần tiếp theo của chương này).
Ba là, bản báo cáo phải được thiết kế với kết cấu và nội dung phản ánh quá trình
thực hiện nghiên cứu, những kết quả chủ yếu và cả những vấn đề liên quan (ví dụ
các phương pháp nghiên cứu được áp dụng, các kỹ thuật phân tích dữ liệu...)
6.3.2. Nguyên tắc khi soạn thảo báo cáo nghiên cứu
Nguyên tắc 1: Sinh viên trình bày báo cáo phải nắm rõ đặc điểm của từng loại đối
tượng đọc hoặc nghe để có những cách trình bày thích hợp và thuyết phục.
Cách báo cáo đối với các nhóm đối tượng sau :
Nhóm có định kiến sẵn: Sẽ bắt đầu ở khía cạnh họ quan tâm nhất.
Nhóm hay do dự, thiếu lập trường: Báo cáo đầy tính hình ảnh cụ thể, thực tế,
màu sắc và sinh động
Nhóm người có óc phân tích và phê phán: Báo cáo chú trọng về lập luận
phương pháp phân tích dữ liệu, tính hệ thống trong diễn đạt.
Người có óc tổng hợp nhanh: Báo cáo chú trọng cốt lõi của vấn đề, không phân tích
dài dòng
Nguyên tắc 2: Trình bày rõ ràng.
Nguyên tắc 3: Dùng câu có cấu trúc tốt.
Nguyên tắc 4: Tránh dùng quá nhiều những từ chuyên môn (nếu có thể)
Nguyên tắc 5: Trình bày ngắn gọn.
Nguyên tắc 6: Bố cục dễ theo dõi, có các phân đoạn với số mục rõ ràng.
Nguyên tắc 7: Sinh viên nên sử dụng các công cụ hỗ trợ như hình, bảng, biểu đồ,
đồ thị, băng video. Đặc biệt là Bảng và Biểu đồ sẽ gây được ấn tượng tốt hơn,
làm người xem hiểu rõ hơn, hoặc thích thú hơn.
Sau đây là một số các dạng biểu đồ thông thường:
Biểu đồ tuyến hoặc biểu đồ cong. (Line or Curve Diagrams)
Biểu đồ hình thanh (Bar Chart) hoặc hình bánh (Pie Chart).
Các biểu đồ dạng khác như: tượng hình (pictograph), bản đồ thống kê
(Statiscal Map), bản đồ biến dạng (Distorision Map)...
 Nguyên tắc 8: Cần có tính nhất quán về từ ngữ, cách hành văn, các khổ chữ,
front chữ, cách thụt hàng... để có thể theo dõi mạch báo cáo từ đầu đến cuối.
6.3.3. Kết cấu của bản báo cáo

 Trang bìa

 Thư chuyển giao kết quả nghiên cứu

 Thư uỷ quyền về việc thực hiện cuộc nghiên cứu

 Mục lục

 Tóm tắt báo cáo

 Mục tiêu
 Kết quả nghiên cứu
 Kết luận chủ yếu
 Kiến nghị
 Nội dung chính
 Phương pháp luận
 Kết quả
 Những giới hạn của cuộc nghiên cứu
 Kết luận và kiến nghị
 Phụ lục
 Các phương thức thu thập dữ liệu
 Phương pháp tính toán
 Các biểu, bảng tổng quát
 Tài liệu tham khảo
 Các phương tiện trợ giúp khác
6.3.4. Nội dung của một bản báo cáo
Tương ứng với kết cấu được nêu ở trên, các nội dung được trình bày mỗi phần sẽ
bao gồm những vấn đề thông tin chủ yếu như sẽ được trình bày ở dưới đây.
a. Trang bìa
Trang bìa của báo cáo trình bày tên báo cáo, người hoặc tổ chức thực hiện cuộc
nghiên cứu, đơn vị (công ty, cơ quan) đặt hàng và ngày chuyển giao hoặc trình bày
kết quả nghiên cứu. Ngoài ra, trang này cũng có thể trình bày cả địa chỉ, chức danh
của người thực hiện, chuẩn bị báo cáo và người nhận báo cáo.
b. Thư chuyển giao
Thư chuyển giao là thủ tục cần thiết trong các báo cáo chính thức. Mục đích của nó
là để chuyển các báo cáo tới những người nhận. Thư chuyển giao cũng nhằm thiết
lập mối liên hệ giữa những người đọc và người viết báo cáo. Phần mở đầu của thư
chuyển giao trình bày ngắn gọn về việc chuyển giao báo cáo cho người (hoặc tổ
chức) đặt hàng. Tiếp theo, người viết thư đánh giá tổng quát về việc thực hiện cuộc
nghiên cứu. Cuối cùng, thư trình bày một số ý về sự quan tâm cá nhân tới các vấn
đề nghiên cứu và các vấn đề liên quan.
c. Thư ủy quyền
Thư uỷ quyền là thư của người đặt hàng xác định rõ ai là người chịu trách nhiệm
tiến hành cuộc nghiên cứu; những điều kiện cần thiết cho cuộc nghiên cứu được
cung cấp bởi người đặt hàng.
d. Mục lục
Mục lục là phần cần thiết của bất kỳ bản báo cáo nào. Nó liệt kê tất cả các phần và
bộ phận của bản báo cáo và số trang tương ứng của bản báo cáo. Nếu bản báo cáo
có nhiều biểu bảng hoặc số liệu cũng cần có một phần riêng liệt kê danh mục các
biểu bảng này tiếp ngay sau mục lục.
e. Phần tóm tắt
Phần này giải thích ngắn gọn lý do thực hiện cuộc nghiên cứu, các vấn đề nghiên
cứu đã nhận biết xác định, kết quả nghiên cứu đạt được và những kiến nghị về
những việc nên được tiến hành sau cuộc nghiên cứu. Đây là phần đặc biệt quan
trọng của báo cáo. Các cuộc nghiên cứu chỉ ra rằng hầu hết các nhà quản lý chỉ đọc
phần tóm tắt của báo cáo trong khi đó một thiểu số đọc cả phần còn lại. Như vậy,
cơ hội của người viết để có được một ảnh hưởng nhất định chỉ có thể thông qua
phần này. Chỉ nên viết phần tóm tắt sau khi đã hoàn thành tất cả các phần khác của
bản báo cáo hay là phần tóm tắt được viết sau cùng. Vì là phần tóm tắt nên không
nên viết quá dài và cần được trình bày cô đọng, ngắn gọn súc tích. Số lượng từ ngữ
trong phần này không nhất thiết phải tỷ lệ với độ dài của báo cáo đầy đủ.
g. Phần nội dung chính
Đây là phần quan trọng nhất của báo cáo. Nó được bắt đầu với phần giới thiệu đề
cập đến các yếu tố xuất xứ cần thiết thực hiện cuộc nghiên cứu, những mục tiêu
nghiên cứu. Tiếp theo là những trao đổi về phương pháp luận, kết quả nghiên cứu
và những giới hạn của cuộc nghiên cứu. Cuối cùng, nó được kết thúc bằng những
kết luận và kiến nghị dựa trên những kết quả nghiên cứu.
(1) Phần giới thiệu: Phần này giải thích tại sao phải thực hiện cuộc nghiên cứu và
những mục tiêu cần đạt tới. Nó cũng nêu rõ những dữ liệu giao nộp và sự uỷ quyền.
Trong phần giới thiệu phải chứng minh được cuộc nghiên cứu là cần thiết và có giá
trị. Nó cũng cần làm rõ những vấn đề mà những người đọc/nghe báo cáo quan tâm.
Do đó, nó phải chỉ ra được những câu hỏi mà cuộc nghiên cứu cần phải trả lời.
(2) Phần trình bày về phương pháp luận: Nội dung này cung cấp những thông tin
quan trọng về bốn vấn đề:
 Thiết kế nghiên cứu: Các cuộc nghiên cứu thăm dò, miêu tả hay nhân quả đã được
thực hiện để phát hiện và nhận biết vấn đề; nguồn dữ liệu và các phương pháp thu
thập; giải thích vì sao các thiết kế nghiên cứu là phù hợp với cuộc nghiên cứu.
Thiết kế mẫu: chỉ ra tổng thể mục tiêu là gì, khung lấy mẫu, những đơn vị mẫu
được chọn như thế nào, kích thước mẫu, tỷ lệ các câu hỏi được trả lời...
Thu thập dữ liệu và các công việc hiện trường: Loại và số lượng các nhân viên thu
thập dữ liệu đã được huy động, những công việc huấn luyện và giám sát đối với các
nhân viên này, các công việc đã được kiểm tra và xác minh.
Phân tích dữ liệu: phần này trình bày tóm tắt những phương pháp phân tích thống
kê cơ bản được sử dụng nhưng không nên bị trùng lặp với phần trình bày kết quả
tiếp theo.
(3) Phần trình bày kết quả nghiên cứu: Phần này phải nêu ra được tất cả những kết
quả nghiên cứu đã đạt được theo những mục tiêu đã xác định. Kết quả nghiên cứu
nên được trình bày sao cho có sức thuyết phục nhưng không quá đề cao nó. Để trợ
giúp cho những trình bày, nên sử dụng đồ thị, biểu đồ... minh hoạ hoặc làm rõ hơn
các kết quả nghiên cứu.
Trên thực tế, không có một cuộc nghiên cứu nào là hoàn hảo, vì vậy, ở đây cũng
cần chỉ ra những giới hạn của cuộc nghiên cứu. Những giới hạn này có thể liên
quan tới thủ tục lập mẫu, tỷ lệ câu trả lời... Tuy vậy, cần lưu ý rằng không nên quá
nhấn mạnh những yếu kém của cuộc nghiên cứu vi điều đó có thể gây ra những
nghi ngờ không cần thiết về kết quả nghiên cứu. Mục đích ở đây là cung cấp một
cơ sở thực tế cho việc đánh giá kết quả.
(4) Phần trình bày kết luận và kiến nghị: Các kết luận và kiến nghị cần được trình
bày chi tiết hơn so với những gì đã được đề cập trong phần tóm tắt.
h. Phụ lục
Phụ lục cũng là một bộ phận của bản báo cáo. Nó cung cấp cho những người đọc
quan tâm về những tài liệu bổ sung liên quan đến cuộc nghiên cứu. Do đó, phần
này có thể trình bày một số ví dụ về cách thức thu thập dữ liệu, các phương pháp
tính toán và các vấn đề kỹ thuật. Ngoài ra phần phụ lục cũng cung cấp những biểu
bảng chi tiết, biểu đồ, đồ thị và danh mục tài liệu tham khảo nếu có.

KẾT QUẢ CẦN ĐẠT ĐƯỢC

Sau khi thực hành phần này, sinh viên cần đạt được kết quả:
1. Phân tích đánh giá độ tin cậy
2. Phân tích hồi quy đơn biến
3. Viết được báo cáo kết quả nghiên cứu dự báo nhu cầu thị trường trong đó thể hiện
được các nội dung chủ yếu, tuân thủ các nguyên tắc của một bản báo cáo
4. Thuyết minh được báo cáo kết quả nghiên cứu dự báo nhu cầu thị trường trong đó
thể hiện được những điểm then chốt liên quan đến các quyết định marketing mà
nhà quản trị đang phải đương đầu.
5. Nộp sản phẩm kết thúc học phần