Professional Documents
Culture Documents
Ứng dụng SPSS trong đề tài nghiên cứu khoa học sinh viên (24.1.2021)
Ứng dụng SPSS trong đề tài nghiên cứu khoa học sinh viên (24.1.2021)
Biến độc lập (nhân tố độc lập) là biến tác động lên biến
khác.
Biến phụ thuộc (nhân tố phụ thuộc) là biến chịu tác động
từ một hay nhiều biến độc lập.
Biến độc lập và biến phụ thuộc có thể được gọi chung là
nhân tố hoặc biến nghiên cứu.
1.6.Biến tiềm ẩn, biến quan sát
Giả thuyết H2: Thăng tiến có sự tác động đến sự hài lòng của nhân viên
Giả thuyết H3: Môi trường làm việc có sự tác động đến sự hài lòng của nhân viên
Giả thuyết H4: Tính chất công việc có sự tác động đến sự hài lòng của nhân viên
5.Ví dụ mô hình nghiên cứu
6.Thống kê mô tả
Thống kê Ý nghĩa
Tính nhất quán nội bộ nghĩa là các biến quan sát trong
một thang đo phải có sự tương quan chặt chẽ nhau, cùng giải
thích cho một khái niệm.
Cronbach' Alpha là một chỉ số đo lường tính nhất quán
nội bộ này.
Như vậy, nếu một thang đo mà các biến quan sát có sự
tương quan càng chặt chẽ, thang đo đó càng có tính nhất quán
cao, hệ số Cronbach’s Alpha sẽ càng cao.
ĐÁNH GIÁ ĐỘ TIN CẬY CỦA THANG ĐO
Nunnally & Bernstein (1994) cho rằng một biến đo lường có
hệ số tương quan biến - tổng (hiệu chỉnh) (Corrected item-total
correlation) ≥ 0.30 thì biến đó đạt yêu cầu; thang đo có Cronbach
alpha ≥ 0.60 là thang đo chấp nhận được về mặt độ tin cậy.
DeVellis (1990) cho rằng chỉ số Cronbach alpha nên từ 0.70
trở lên, song giá trị tối thiểu để thước đo có thể sử dụng được là
0.63.
Hiện nay đa số các kết quả nghiên cứu hàn lâm được công bố
trên các tạp chí uy tín theo quan điểm Nunnally & Bernstein (1994).
9. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố (Factor Analysis) hay phân tích nhân tố khám
phá (Exploratory Factor Analysis) là một kỹ thuật xử lý định
lượng với mục đích rút gọn một tập hợp k biến quan sát thành
một tập F (với F < k) các nhân tố có ý nghĩa hơn.
www.themegallery.com Company Logo
www.themegallery.com Company Logo
Điều kiện áp dụng EFA
1 Mức độ tương quan giữa các biến đo lường
Phân tích EFA dựa trên cơ sở mối quan hệ giữa các biến đo
lường, vì vậy, trước khi quyết định sử dụng EFA, chúng ta cần xem
xét mối quan hệ giữa các biến đo lường này. Sử dụng ma trận hệ số
tương quan(correlation matrix), chúng ta có thể nhận biết được mức
độ quan hệ giữa các biến.
Nếu các hệ số tương quan nhỏ hơn 0.30, khi đó sử dụng EFA
không phù hợp (Hair et al. 2009).
(ii) Thang đo được chấp nhận khi tổng phương sai trích (TVE
–Total Variance Explained) ≥ 50% .
(iii) Tiêu chí eigenvalue là một tiêu chí sử dụng phổ biến để
xác định số lượng nhân tố trong phân tích EFA.
Hair và cộng sự (2014) cho rằng chỉ những nhân tố có
eigenvalue (hay còn gọi là latent roots) từ 1 trở lên mới được đánh
giá là có ý nghĩa và được giữ lại.
(iv) Chênh lệch hệ số tải nhân tố của một biến quan sát giữa
các nhân tố ≥ 0.3 là giá trị thường được các nhà nghiên cứu chấp
nhận. Tuy nhiên, nếu chênh lệch hệ số tải nhân tố của một biến quan
sát giữa các nhân tố < 0.3 nhưng giá trị nội dung của biến quan sát
đóng vai trò quan trọng trong thang đo thì chúng ta không nên loại
nó.
Khi đặt ký hiệu cho nhân tố đại diện (biến đại diện), chúng ta nên
thêm tiền tố “F_” trước ký hiệu để tránh trùng ký tự đặc biệt
trong SPSS trong một số trường hợp. Nếu tên biến được khai
báo vi phạm nguyên tắc của SPSS, một bảng thông báo “Name
contain a reserved word” sẽ xuất hiện.
10. Tạo nhân tố đại diện sau EFA
Đưa biến phụ thuộc vào ô Dependent, các biến độc lập vào ô
Independents.
11.Hồi quy tuyến tính bội
Vào mục Statistics, tích chọn các mục như trong ảnh và chọn
Continue.
11.Hồi quy tuyến tính bội
Các mục còn lại chúng ta sẽ để mặc định. Quay lại giao
diện ban đầu, mục Method là các phương pháp đưa biến vào,
tùy vào dạng nghiên cứu mà chúng ta sẽ chọn Enter hoặc
Stepwise. Tính chất đề tài thực hành là nghiên cứu khẳng định,
do vậy tác giả sẽ chọn phương pháp Enter đưa biến vào một
lượt. Tiếp tục nhấp vào OK
11.Hồi quy tuyến tính bội
SPSS sẽ xuất ra rất nhiều bảng, chúng ta sẽ tập trung vào các
bảng ANOVA, Model Summary, Coefficients và ba biểu đồ
Histogram, Normal P-P Plot, Scatter Plot.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 102.268 6 17.045 133.369 .000b
Residual 43.835 343 .128
Total 146.103 349
Bảng ANOVA cho chúng ta kết quả kiểm định F để đánh giá giả
thuyết sự phù hợp của mô hình hồi quy. Giá trị sig kiểm định F
bằng 0.000 < 0.05, do đó, mô hình hồi quy là phù hợp.
11.Hồi quy tuyến tính bội
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .837a .700 .695 .35749 1.849
Coefficients
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -.475 .159 -2.982 .003
F_LD .267 .030 .322 8.990 .000 .681 1.467
F_DN .009 .030 .009 .283 .777 .794 1.259
F_CV .259 .031 .288 8.463 .000 .755 1.324
F_TL .084 .030 .096 2.783 .006 .730 1.370
F_DT .066 .030 .076 2.226 .027 .750 1.333
F_DK .393 .031 .421 12.686 .000 .794 1.259
www.themegallery.com Company Logo