HƯỚNG DẪN THỰC HÀNH SPSS CƠ BẢN

Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
SPSS 16.0
CÁCH THỨC TIẾN HÀNH LỆNH FREQUENCIES
(Tính tần số)
1. Sau khi mở file dữ liệu, vào menu Analyze  Descriptive Statistics  Frequencies
Màn hình sẽ xuất hiện hộp thoại sau:
2. Chọn biến muốn tính tần số (biến Place V1) bằng cách click chuột vào tên biến rồi
đưa sang khung Variable(s).
3. Click Ok. Trường hợp muốn vẽ biểu đồ thực hiện thêm bước 4 trước khi click Ok.
4. Để vẽ biểu đồ click chuột vào ô Charts…. Chọn dạng biểu đồ ở Chart type, chọn giá
trị thể hiện trên biểu đồ là số đếm (frequencies) hay phần trăm (percentages). Click
Continue để trở lại hộp thoại Frequencies  Ok để thực hiện lệnh.
1
Vẽ biểu đồ
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
CÁCH THỨC TIẾN HÀNH LỆNH DESCRIPTIVES
(Tính điểm trung bình)
1. Vào menu Analyze  Descriptive Statistics  Descriptives…, xuất hiện hộp thoại
2. Chọn 1 hay nhiều biến (định lượng) muốn tính điểm trung bình đưa vào khung
Variable(s).
3. Click vào ô Options… để xuất hiện hộp thoại Descriptive Options. Chọn các đại
lượng thống kê muốn tính toán bằng cách click vào ô vuông cần thiết.
4. Chọn cách sắp xếp kết quả tính toán theo thứ tự danh sách biến (Variable list), thứ tự
Alphabetic của nhãn biến, thứ tự tăng dần (Ascending list), và thứ tự giảm dần
(Descending list).
5. Click Continue để trở về hộp thoại Descriptive  Ok để thực hiện lệnh.
2
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
Ý nghĩa của từng giá trị trung bình đối với thang đo khoảng
(Interval Scale)
Giá trị khoảng cách = (Maximum - Minimum) / n

= (5 -1) / 5
= 0.8
Giá trị trung bình Ý nghĩa
1.00 - 1.80 Rất không đồng ý/Rất không hài lòng/Rất không quan trọng
1.81 - 2.60 Không đồng ý/Không hài lòng/ Không quan trọng
2.61 - 3.40 Không ý kiến/trung bình
3.41 - 4.20 Đồng ý/ Hài lòng/ Quan trọng
4.21 - 5.00 Rất đồng ý/ Rất hài lòng/ Rất quan trọng
3
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
CÁCH THỨC TIẾN HÀNH PHÂN TÍCH BẢNG CHÉO
(CROSSTABULATION)
Phân tích bảng chéo dùng để kiểm định mối quan hệ giữa các biến định tính với nhau
bằng cách dùng kiểm định Chi – bình phương (Chi-square). Cách thức tiến hành với SPSS
như sau:
1. Vào menu Analyze  Descriptive Statistics  Crosstabs…,
2. Xuất hiện hộp thoại sau:
3. Chọn và đưa các biến vào khung Row(s) (dòng) và Column(s) (cột) và Layer 1 of 1
(đối với trường hợp trên 2 biến).
4
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
4. Click vào ô Statistics, xuất hiện hộp thoại sau:
5. Chọn các kiểm định cần thiết. Trong trường hợp này ta dùng kiểm định Chi – bình
phương (Chi-square).
- Các kiểm định ở ô Norminal dùng để kiểm định mối liên hệ giữa các biến biểu
danh.
- Các kiểm định ở ô Ordinal dùng để kiểm định mối liên hệ giữa các biến thứ tự.
6. Click vào continue để trở lại hộp thoại Crosstabs  Click vào ô Cells, hộp thoại sau
xuất hiện:
7. Ở ô Counts chọn Observed (thể hiện tần

số quan sát). Trong trường hợp muốn thể
hiện tần số mong đợi chọn Expected.
8. Chọn cách thể hiện phần trăm theo dòng hay theo cột ở ô Percentages.
9. Click Continue để trở lại hộp thoại Crosstabs  Ok để thực hiện lệnh.
CÁCH ĐỌC KẾT QUẢ KIỂM ĐỊNH
5
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
Khi thực hiện kiểm định, ta có 2 giả thuyết.
H
0
: không có mối quan hệ giữa các biến.
H
1
: có mối quan hệ giữa các biến.
Để kết luận là chấp nhận hay bác bỏ giả thuyết H
0
, ta sẽ dùng các kiểm định phù hợp.
Dựa vào giá trị P (p-value) (SPSS viết tắt p-value là sig.) để kết luận là chấp nhận hay bác
bỏ giả thuyết H
0
p-value (sig.) ≤ α (mức ý nghĩa)  bác bỏ giả thuyết H
0
. Có nghĩa là có mối quan hệ
có ý nghĩa giữa các biến cần kiểm định.
p-value (sig.) > α (mức ý nghĩa)  chấp nhận H
0
. Không có mối quan hệ giữa các
biến cần kiểm định.
ĐỐI VỚI KIỂM ĐỊNH CHI – BÌNH PHƯƠNG
Hàng đầu tiên của bảng Chi-square tests thể hiện giá trị P

Chi-Square Tests
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 16.217
a
8 .039
Likelihood Ratio 18.708 8 .017
Linear-by-Linear Association .202 1 .653
N of Valid Cases 511
a. 8 cells (44.4%) have expected count less than 5. The minimum expected count is 1.69.
Cuối bảng Chi-Square tests SPSS sẽ đưa ra dòng thông báo cho biết % số ô có tần
suất mong đợi dưới 5. Kiểm định Chi-bình phương chỉ có ý nghĩa khi số quan sát đủ lớn,
nếu có quá 20% số ô trong bảng chéo có tần số lý thuyết nhỏ hơn 5 thì giá trị chi-bình
phương không còn đáng tin cậy.
Trong ví dụ trên có đến 44.4% số ô có tần số mong đợi dưới 5, biện pháp cho trường
hợp này là ta sẽ gom các biểu hiện trên các biến lại để tăng số quan sát trong mỗi nhóm.
CÁCH THỨC TIẾN HÀNH KIỂM ĐỊNH GIẢ THUYẾT VỀ TRỊ TRUNG BÌNH
CỦA 2 TỔNG THỂ ĐỘC LẬP (Independent Samples T-test)
6
p-value
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
1. Vào menu Analyze  Compare Means  Independent-samples T-test
2. Chọn biến định lượng cần kiểm định trị trung bình đưa vào khung Test Variable(s).
Chọn biến định tính chia số quan sát thành 2 nhóm mẫu để so sánh giữa 2 nhóm này
với nhau đưa vào khung Grouping Variable.
3. Chọn Define Groups… để nhập mã số của 2 nhóm. Click Continue để trở lại hộp
thoại chính  Click Ok để thực hiện lệnh
Trong kiểm định Independent-samples T-test, ta cần dựa vào kết quả kiểm định sự
bằng nhau của 2 phương sai tổng thể (kiểm định Levene). Phương sai diễn tả mức độ đồng
đều hoặc không đồng đều (độ phân tán) của dữ liệu quan sát.
7

Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
Independent Samples Test
A.Cleanliness and comfort of
room
Equal
variances
assumed
Equal variances
not assumed
Levene's Test for Equality of
Variances
F .138
Sig. .710
t-test for Equality of Means
t -3.066 -3.040
df 509 448.100
Sig. (2-tailed) .002 .003
Mean Difference 231 231
Std. Error Difference .075 .076
Lower 379 380
Upper 083 082
Nếu giá trị Sig. trong kiểm định Levene (kiểm định F) < 0.05 thì phương sai của 2
tổng thể khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances not assumed.
Nếu Sig. ≥ 0.05 thì phương sai của 2 tổng thể không khác nhau, ta sử dụng kết quả
kiểm định t ở dòng Equal variances assumed.
Trong VD trên Sig. của kiểm định F = 0.71 > 0.05  chấp nhận giả thuyết H
0
không có sự
khác nhau về phương sai của 2 tổng thể  sử dụng kết quả ở dòng Equal variances
assumed.

Nếu Sig. của kiểm định t ≤ α (mức ý nghĩa)  có sự phác biệt có ý nghĩa về trung
bình của 2 tổng thể.
Nếu Sig. > α (mức ý nghĩa)  không có sự khác biệt có ý nghĩa về trung bình của 2
tổng thể.
Trong VD trên sig. = 0.002 < 0.05  có sự khác biệt có ý nghĩa về trung bình của 2 tổng
thể.
CÁCH THỨC TIẾN HÀNH KIỂM ĐỊNH GIẢ THUYẾT VỀ TRỊ TRUNG BÌNH
CỦA 2 TỔNG THỂ PHỤ THUỘC HAY PHỐI HỢP TỪNG CẶP
(Paired-Samples T-test)
8
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
1. Vào menu Analyze  Compare means  Paired-samples T-test
2. Chọn cặp biến muốn so sánh (nhấn giữ phím ctrl để chọn 2 biến) đưa vào khung
Paired Variable(s). Có thể chọn nhiều cặp để so sánh cùng 1 lúc.
3. Có thể chỉnh lại độ tin cậy bằng cách click vào ô Option, nhập độ tin cậy vào khung
Confidence Interval.
4. Click Ok để thực hiện lệnh.
5. Xem cách đọc kết quả kierm định ở phần trên. Cũng dùng giá trị Sig.
CÁCH THỨC TIẾN HÀNH PHÂN TÍCH PHƯƠNG SAI
(ANOVA – Analysis of Variance)
Phân tích phương sai ANOVA là phương pháp so sánh trị trung bình của 3 nhóm trở
lên. Có 2 kỹ thuật phân tích phương sai: ANOVA 1 yếu tố (một biến yếu tố để phân loại các
quan sát thành các nhóm khác nhau) và ANOVA nhiều yếu tố(2 hay nhiều biến để phân
loại). Ở phần thực hành cơ bản chỉ đề cập đến phân tích phương sai 1 yếu tố (One-way
ANOVA).
Một số giả định đối với phân tích phương sai một yếu tố:
- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
- Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem
như tiệm cận phân phối chuẩn.
- Phương sai của các nhóm so sánh phải đồng nhất.

9
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
1. Từ menu Analyze  Compare Means  One-Way ANOVA, xuất hiện hộp thoại
sau:
2. Đưa biến định lượng (trị trung bình) vào khung Dependent list.
Đưa biến phân loại xác định các nhóm cần so sánh với nhau vào khung Factor.
3. Click vào nút Option để mở hộp thoại One-Way ANOVA Options.
Trong hộp thoại One-way ANOVA Options:
- Click chọn ô Descriptive để tính đại lượng thống kê mô tả (tính trị trung bình)
theo từng nhóm so sánh.
- Click chọn ô Homogeneity of variance test để kiểm định sự bằng nhau của các
phương sai nhóm (thực hiện kiểm định Levene).
4. Click chọn Continue để trở lại hộp thoại ban đầu  click Ok để thực hiện lệnh.
10
2 kỹ thuật dùng để
kiểm định sâu
ANOVA
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
5. Dựa vào kết quả kiểm định ANOVA, nếu H
0
được chấp nhận thì kết luận không có
sự khác biệt có ý nghĩa giữa các nhóm với nhau. Nếu H
0
bị bác bỏ  có sự khác biệt
có ý nghĩa giữa các nhóm  trở lại hộp thoại One – way ANOVA để thực hiện kiểm
định sâu ANOVA nhằm xác định cụ thể trung bình của nhóm nào khác với nhóm
nào, nghĩa là tìm xem sự khác biệt của các nhóm xảy ra ở đâu.
6. Tuy nhiên có thể thực hiện kiểm định ANOVA và sâu ANOVA cùng lúc với nhau.
Dựa vào sự chấp nhận hay bác bỏ giả thuyết H
0

để quan tâm hay không quan tâm đến
kết quả kiểm định sâu ANOVA.
Phân tích sâu ANOVA – Xác định chỗ khác biệt
Có 2 phương pháp để phân tích sâu ANOVA, đó là kiểm định “trước” (kiểm định
Priori Contrasts) và kiểm định “sau” (kiểm định Post-Hoc test). Phương pháp kiểm định gần
với phương pháp nghiên cứu thực là Post-Hoc test. Nên trong phần này ta sẽ sử dụng Post-
Hoc test để thực hiện kiểm định sâu ANOVA nhằm tìm ra chỗ khác biệt.
Các phương pháp kiểm định thống kê của Post-Hoc test thường được sử dụng:
- LSD: đây là phép kiểm định dùng kiểm định t lần lượt cho từng cặp trung bình
nhóm, do vậy nhược điểm của nó là độ tin cậy không cao vì làm gia tăng mức độ
phạm sai lầm tương ứng với việc so sánh nhiều nhóm cùng một lúc.
- Bonferroni: giống quy tắc của LSD nhưng điều chỉnh được mức ý nghĩa khi tiến
hành so sánh bội dựa trên số lần tiến hành so sánh. Đây là một trong những thủ
tục kiểm định đơn giản nhất và hay được sử dụng cho mục tiêu này.
- Tukey: cũng được sử dụng phổ biến cho việc tìm kiếm các trung bình các nhóm
khác biệt. Nó sử dụng bảng phân phối Studentizze range distribution. Tukey hiệu
quả hơn Bonferroni khi số lượng các cặp trung bình cần so sánh khá nhiều.
- R-E-G-W: thực hiện 2 bước kiểm định, đầu tiên tiến hành kiểm định lại toàn bộ
các giá trị trung bình nhóm xem có bằng nhau không; nếu không bằng thì bước kế
tiếp nó sẽ kiểm định để tìm các nhóm nào khác biệt thật sự với nhau về trị trung
bình. Nhưng kiểm định này không phù hợp khi kích cỡ các nhóm mẫu không
bằng nhau.
- Dunnett: là thủ tục cho phép chọn so sánh các trị trung bình của các nhóm mẫu
còn lại với trị trung bình của một nhóm mẫu cụ thể nào đó được chọn ra so sánh
(nhóm điều khiển), SPSS mặc định chọn nhóm cuối (last) để làm nhóm điều
khiển.
Sử dụng kiểm định nào là tuỳ thuộc vào mục đích của nhà nghiên cứu và tình hình
thực tế nghiên cứu.
11
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung

Đọc kết quả phân tích phương sai
1. Bảng đầu tiên thể hiện các đại lượng thống kê mô tả
Descriptives
Willingness to introduce
N Mean
Std.
Deviation
Std.
Error
95% Confidence
Interval for Mean
Minimum Maximum
Lower
Bound
Upper
Bound
Single 153 4.12 .811 .066 3.99 4.25 1.00 5
Married/Living with partner 341 4.28 .645 .035 4.22 4.35 1.00 5
Divorced 15 4.13 .743 .192 3.72 4.54 3.00 5
Widowed 2 4.50 .707 .500 -1.85 10.85 4.00 5
Total 511 4.23 .704 .031 4.17 4.29 1.00 5
2. Bảng thứ 2 thể hiện kết quả kiểm định Levene. Trong VD này Sig. = 0.273 > mức ý
nghĩa 0.1  chấp nhận giả thuyết H
0
 phương sai các nhóm không khác nhau một
cách có ý nghĩa  có thể sử dụng kết quả phân tích ANOVA ở bảng tiếp theo.
Test of Homogeneity of Variances
Willingness to introduce
Levene Statistic df1 df2 Sig.
1.303 3 507 .273

3. Bảng thứ 3 thể hiện kết quả kiểm định ANOVA. Trong VD này sig. = 0.089 < mức ý
nghĩa 0.1  bác bỏ giả thuyết H
0
 có sự khác biệt có ý nghĩa về giá trị trung bình
của mức độ sẵn lòng giới thiệu của các nhóm tình trạng hôn nhân.
ANOVA
Willingness to introduce
Sum of Squares df Mean Square F Sig.
Between Groups 3.228 3 1.076 2.186 .089
Within Groups 249.523 507 .492
Total 252.751 510
12
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
4. Bảng thứ 4 thể hiện kết quả kiểm định sâu ANOVA (dùng kiểm định LSD).
Multiple Comparisons
Willingness to introduce
LSD
(I) Marital status (J) Marital status
Mean
Difference (I-J)
Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
Single Married/Living with partner 167
*
.068 .015 30 03
Divorced
016 .190 .934 39 .36
Widowed
382 .499 .444 -1.36 .60

Married/Living with
partner
Single .167
*
.068 .015 .03 .30
Divorced
.151 .185 .415 21 .51
Widowed
216 .498 .665 -1.19 .76
Divorced Single
.016 .190 .934 36 .39
Married/Living with partner
151 .185 .415 51 .21
Widowed
367 .528 .488 -1.40 .67
Widowed Single
.382 .499 .444 60 1.36
Married/Living with partner
.216 .498 .665 76 1.19
Divorced
.367 .528 .488 67 1.40
*. The mean difference is significant at the 0.05 level.
Dựa vào kết quả kiểm định LSD này, ta có thể kết luận chỉ có hai nhóm đã kết hôn và
độc thân là có sự khác nhau về mức độ sẵn lòng giới thiệu. Trong VD này nhóm đã kết hôn
sẽ sẵn lòng giới thiệu hơn nhóm độc thân (xem bảng thống kê mô tả).
MÔ HÌNH HỒI QUY TUYẾN TÍNH BỘI
1. Từ menu Analyze  Regression  Linear…
13
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
2. Xuất hiện hộp thoại sau:

- Đưa biến phụ thuộc vào khung Dependent(s).
- Đưa biến độc lập vào khung Independent(s).
3. Chọn phương pháp đưa biến vào ở ô Method.
- Mặc định SPSS sẽ chọn phương pháp đưa biến vào là Enter. Đây là phương pháp
mà SPSS sẽ xử lý tất cả các biến độc lập mà nhà nghiên cứu muốn đưa vào mô
hình.
- Phương pháp đưa vào dần (forward selection). Biến độc lập đầu tiên được xem
xét để đưa vào mô hình là biến có tương quan lớn nhất với biến phụ thuộc. Tiếp
tục SPSS sẽ xét điều kiện để đưa các biến độc lập còn lại vào mô hình. Nếu biến
đầu tiên không thoả điều kiện vào thì thủ tục này sẽ chấm dứt, không có biến nào
được đưa vào mô hình.
- Phương pháp loại trừ dần (backward elimination). Đầu tiên tất cả các biến độc
lập được đưa vào mô hình, biến có hệ số tương quan nhỏ nhất sẽ được kiểm tra
đầu tiên, nếu không thoả điều kiện sẽ bị loại ra. Lúc này mô hình này sẽ được tính
toán lại mà không có biến độc lập vừa loại. Tiếp theo SPSS sẽ lặp lại thủ tục trên
cho đến khi nào giá trị F của biến có hệ số tương quan nhỏ nhất lớn hơn điều kiện
thì quá trình này sẽ dừng lại.
ô Tham khảo điều kiện để đưa vào và loại ra PIN, FIN, FOUT, POUT.
14
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
- Phương pháp chọn từng bước (stepwise selection) là sự kết hợp của phương pháp
đưa vào dần vào loại trừ dần và là phương pháp được sử dụng thông thường nhất.
ô Sử dụng phương pháp đưa biến vào nào phụ thuộc vào tính chất của cuộc
nghiên cứu. Và phương pháp được sử dụng nhiều nhất là phương pháp chọn
từng bước (stepwise selection).
4. Click vào ô Statistics…, để mở hộp thoại sau:
- Click chọn ô Collinearity diagnostics để kiểm tra hiện tượng Đa cộng tuyến
(Multicollinearity). Độ chấp nhận của biến (Tolerances) và hệ số phóng đại
phương sai (Variance inflation factor – VIF) được dùng để phát hiện hiện tượng
đa cộng tuyến. Quy tắc là khi VIF vượt quá 10 là dấu hiệu của đa cộng tuyến.

5. Click Continue để trở lại hộp thoại Linear Regressions  click Ok để thực hiện lệnh.
Các bước đánh giá mô hình
VD: sử dụng stepwsise để đưa các biến độc lập vào mô hình.
Mô hình: sự hài lòng của DK về điểm đến = α + β
1
(sự hài lòng về dịch vụ lưu trú)
+ β
2
(sự hài lòng về dịch vụ ăn uống)
+ β
3
(sự hài lòng về dịch vụ mua sắm)
+ β
4
(sự hài lòng về dịch vụ vận chuyển)
Giá trị Tolerances và VIF ở bảng số 3 (bảng Coefficients) cho thấy không hiện diện
hiện tượng đa cộng tuyến của các biến.  tiếp tục đánh giá mô hình.
1. Đánh giá độ phù hợp của mô hình
Hệ số xác định R
2
và R
2
hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù
hợp của mô hình. Vì R
2
sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R
2
hiệu
15
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung

chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R
2
hiệu chỉnh càng lớn thể hiện
độ phù hợp của mô hình càng cao.
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .618
a
.382 .381 .461
2 .664
b
.441 .439 .439
3 .677
c
.459 .455 .432
4 .684
d
.468 .463 .429
R
2
hiệu chỉnh của mô hình số 4 là 0.463  46.3% sự biến thiên của mức độ hài lòng của
DK về điểm đến được giải thích bởi mối liên hệ tuyến tính của các biến độc lập.  Mức độ
phù hợp của mô hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu.
Để kiểm định xem có thể suy diễn mô hình cho tổng thể thực hay không ta phải kiểm định
độ phù hợp của mô hình.
2. Kiểm định độ phù hợp của mô hình

Giả thuyết H
0
: β
1
= β
2
= β
3
= β
4
= 0.
Để kiểm định độ phù hợp của mô hình hồi quy tuyến tính đa bội ta dùng giá trị F ở bàng
phân tích ANOVA sau:
16
ANOVA
e
Model Sum of Squares df Mean Square F Sig.
1 Regression 66.904 1 66.904 314.686 .000
a
Residual 108.216 509 .213
Total 175.119 510
2 Regression 77.248 2 38.624 200.475 .000
b
Residual 97.872 508 .193
Total 175.119 510
3 Regression 80.296 3 26.765 143.109 .000
c
Residual 94.823 507 .187
Total 175.119 510
4 Regression 81.897 4 20.474 111.131 .000

d
Residual 93.223 506 .184
Total 175.119 510
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
Giá trị sig. của trị F của mô hình số 4 rất nhỏ (< mức ý nghĩa)  bác bỏ giả thuyết H
0
 mô hình phù hợp với tập dữ liệu và có thể suy rộng ra cho toàn tổng thể.
3. Ý nghĩa các hệ số hồi quy riêng phần trong mô hình
- Ý nghĩa của hệ số riêng phần là βk đo lường sự thay đồi giá trị trung bình Y khi
Xk thay đổi 1 đơn vị, giữ các biến độc lập còn lại không đổi.
- Hệ số Beta (cột thứ 4 từ bên trái) được dùng để so sánh khi các biến độc lập
không cùng đơn vị đo lường.
17
Coefficients
a
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
4 (Constant) 1.172 .136 8.595 .000
Overall satisfaction
Accommodation
.300 .041 .335 7.331 .000 .502 1.990
Overall satisfaction
Transportation
.168 .032 .218 5.168 .000 .589 1.697

Overall satisfaction Food .139 .041 .150 3.404 .001 .538 1.857
Overall satisfaction Shopping .103 .035 .121 2.947 .003 .624 1.603
a. Dependent Variable: Overall satisfied
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
- Ở VD này ta có thể viết lại mô hình như sau:
Hài lòng về điểm đến = 1.172 + 0.300(hài lòng về lưu trú) + 0.168(hài lòng về vận chuyển)
+ 0.139(hài lòng về ăn uống) + 0.103(hài lòng về mua sắm).
Giải thích mô hình: Phương trình hồi quy bội được phương pháp stepwise ước
lượng cho thấy sự hài lòng của du khách về 4 dịch vụ: lưu trú, vận chuyển, ăn uống, và mua
sắm có tác động tỷ lệ thuận với sự hài lòng chung của du khách về điểm đến. Trong đó sự
hài lòng về dịch vụ lưu trú có tác động mạnh nhất đến sự hài lòng về điểm đến.
MỘT SỐ BIỆN PHÁP KHẮC PHỤC HIỆN TƯỢNG ĐA CỘNG TUYẾN TRONG
MÔ HÌNH HỒI QUY TUYẾN TÍNH
(Đề nghị tham khảo chi tiết hơn trong giáo trình Kinh tế lượng của Tiến sĩ Mai Văn Nam)
1. Sử dụng thông tin tiên nghiệm
Thông tin tiên nghiệm có thể từ các công việc thực tế trước đây trong đó đã xảy ra hiện
tượng cộng tuyến nhưng ít nghiêm trọng hoặc từ các lý thuyết tương ứng trong lĩnh vực
nghiên cứu.
2. Loại trừ một biến giải thích ra khỏi mô hình
Bước 1: Xem cặp biến có quan hệ chặc chẽ. Giả sử X
3
và X
4
có tương quan chặc chẽ với
nhau.
Bước 2: Tính R
2
đối với các hàm hồi quy: có mặt cả 2 biến; không có mặt 1 trong 2 biến.
Bước 3: Loại biến mà giá trị R
2

tính được khi không có mặt biến đó lớn hơn.
VD: R
2
của hàm có mặt 2 biến là 0.94; R
2
của mô hình không có biến X
3
là 0.92; R
2
của mô
hình không có biến X
4
là 0.87  loại biến X
3
ra khỏi mô hình.
3. Thu thập thêm số liệu hoặc lấy mẫu mới
18
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
Vấn đề đa cộng tuyến là một đặc tính của mẫu, có thể là trong một mẫu khác, các biến
cộng tuyến có thể không nghiêm trọng như trong mẫu đầu tiên. Vì vậy, tăng cỡ mẫu có thể
làm giảm bớt vấn đề cộng tuyến.
CÁCH THỨC TIẾN HÀNH PHÂN TÍCH NHÂN TỐ
1. Từ menu Analyze  Data Reduction  Factor
2. Xuất hiện hộp thoại sau:
19
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
3. Chọn tất cả các biến cần gom nhóm vào ô Variables.
4. Click chọn ô Descriptives…, xuất hiện hộp thoại sau:
- Chọn các tham số thống kê mô tả.
- Chọn tính các ma trận hệ số tương quan.

- Chọn kiểm định Bartlett. Trong phân tích nhân tố, cần kiểm định mối tương quan
của các biến với nhau (H
0
: các biến không có tương quan với nhau trong tổng
thể). Nếu giả thuyết H
0
không được bác bỏ thì phân tích nhân tố có khả năng
không thích hợp.
- Click continue để trở lại hộp thoại Factor analysis
5. Click chọn ô Extraction để mở hộp thoại sau:
20
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
- Chọn phương pháp rút trích nhân tố, phương pháp mặc định là rút các thành phần
chính – Principal components.
- Phân tích ma trận tương quan hay hiệp phương sai ở ô Analyze.
- Thể hiện phương án nhân tố chưa xoay và vẽ biểu đồ dốc ở ô Display.
- Xác định tiêu chuẩn rút trích nhân tố hay số lượng nhân tố cần rút trích.
Có 2 cách để xác định tiêu chuẩn này ở ô Extract:
• Xác định từ trước dựa vào ý đồ của nhà nghiên cứu và kết quả của các cuộc
nghiên cứu trước. Nhà nghiên cứu xác định số nhân tố ở ô Number of factors.
• Xác định dựa vào Eigenvalue (Determination based on eigenvalue. Chỉ có
những nhân tố nào lớn hơn 1 mới được giữ lại trong mô hình phân tích.
- Click Continue để trở lại hộp thoại Factor Analysis.
6. Click chọn ô Rotation (Xoay nhân tố) để mở hộp thoại sau:
Xoay nhân tố là thủ tục giúp ma trận nhân tố trở nên đơn giản và dễ giải thích hơn.
Có nhiều phương pháp xoay khác nhau trong đó được sử dụng rộng rãi nhất là
Varimax procedure (xoay nguyên góc các nhân tố để tối thiểu hoá số lượng biến có hệ số
lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố).
Click Continue để trở lại hộp thoại chính.
7. Click chọn ô Factor Score để tính điểm các nhân tố

21
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
Nếu nhà nghiên cứu muốn xác định tập hợp nhân tố ít hơn để sử dụng trong các
phương pháp phân tích đa biến tiếp theo (phân tích ANOVA, hồi quy…), ta có thể tính toán
ra các nhân số (trị số của các biến tổng hợp) cho từng trường hợp quan sát một. Nhân số của
nhân tố thứ i bằng:
F
i
= W
i1
X
1
+ W
i2
X
2
+ W
i3
X
3
+ … + W
ik
X
k
Máy tính sẽ tính các nhân số này và tự động save vào file dữ liệu những biến mới
này.
- Mặc định của chương trình là phương pháp tính nhân số Regression (theo đơn vị
đo lường độ lệch chuẩn).
- Chọn thể hiện bảng trọng số nhân tố bằng cách click vào ô Display factor …
- Click Continue để trở lại hộp thoại ban đầu  click Ok để thực hiện lệnh.

ĐỌC KẾT QUẢ CỦA VÍ DỤ SAU
VD: xác định nhân tố ảnh hưởng đến quyết định chọn nhà trọ của sinh viên khoa công nghệ
trường Đại học Cần thơ.
22
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
Bảng 1. Descriptive Statistics
Mean Std. Deviation Analysis N
gia ca
3.91 1.065 43
ve sinh
4.05 .950 43
an ninh
4.35 .948 43
moi truong song
4.09 .811 43
gan truong
3.60 1.072 43
gan khu vui choi, giai tri
3.28 1.161 43
phong co gac lung
3.33 .993 43
co nha ve sinh trong phong
3.67 1.063 43
noi qui
3.79 .940 43
dien, nuoc
4.16 .871 43
Bảng 2. Correlation Matrix
Correlation
gia ca ve sinh an ninh

moi
truong
song
gan
truong
gan khu
vui choi,
giai tri
phong co
gac lung
co nha ve
sinh trong
phong noi qui
dien,
nuoc
gia ca 1.000 .522 .528 .313 .238 .291 .209 .288 .123 .402
ve sinh .522 1.000 .801 .581 .392 .096 .337 .298 .198 .393
an ninh .528 .801 1.000 .607 .303 .191 .129 .281 .378 .535
moi truong song .313 .581 .607 1.000 .372 .174 .021 .257 .307 .315
gan truong .238 .392 .303 .372 1.000 .569 .325 .219 .034 .275
gan khu vui
choi, giai tri
.291 .096 .191 .174 .569 1.000 .270 .365 .142 .401
phong co gac
lung
.209 .337 .129 .021 .325 .270 1.000 .238 .049 .130
co nha ve sinh
trong phong
.288 .298 .281 .257 .219 .365 .238 1.000 .478 .470
noi qui .123 .198 .378 .307 .034 .142 .049 .478 1.000 .479

dien, nuoc .402 .393 .535 .315 .275 .401 .130 .470 .479 1.000
Bảng 1 thể hiện đại lượng thống kê mô tả.
23
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
Bảng 2 thể hiện ma trận tương quan giữa các biến. Ta thấy hệ số tương quan giữa các biến
trong ma trận này tương đối cao.
Bảng 3 thể hiện kết quả của kiểm định Barlett. Dựa vào kết quả này ta có thể bác bỏ H
0
(Các
biến không có tương quan với nhau).  Phân tích nhân tố là phương pháp phù hợp để phân
tích ma trận tương quan ở bảng 2.
Bảng 3. KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .714
Bartlett's Test of Sphericity Approx. Chi-Square 167.933
df 45
Sig. .000
Dựa vào bảng 5 và theo tiêu chuẩn eigenvalue lớn hơn 1 thì chỉ có 3 nhân tố được rút trích
ra. Giá trị Cumulative % cho biết 3 nhân tố đầu giải thích 66.78% biến thiên của dữ liệu.
Bảng số 4 (bảng Cummunalities) cho biết thông tin về phần biến thiên được giải thích bởi
các nhân tố chung.
Bảng số 6 là bảng thể hiện các nhân tố chưa xoay. Để dễ dàng giải thích các nhân tố hơn ta
sử dụng bảng số 7 để đọc kết quả.
24
Bảng 5. Total Variance Explained
Component
1 2 3 4 5 6 7 8 9 10
Initial
Eigenvalues
Total 3.989 1.406 1.283 .892 .760 .526 .412 .324 .290 .119
% of Variance 39.892 14.058 12.829 8.916 7.599 5.259 4.116 3.238 2.903 1.191

Cumulative % 39.892 53.949 66.778 75.694 83.293 88.552 92.668 9.591E1 98.809 1.000E2
Extraction
Sums of
Squared
Loadings
Total 3.989 1.406 1.283
% of Variance 39.892 14.058 12.829
Cumulative % 39.892 53.949 66.778
Rotation Sums
of Squared
Loadings
Total 2.776 2.006 1.896
% of Variance 27.758 20.056 18.965
Cumulative % 27.758 47.814 66.778
Extraction Method: Principal Component Analysis.
Hướng dẫn thực hành SPSS cơ bản GV: Phạm Lê Hồng Nhung
Bảng 6. Component Matrix
a
Component
1 2 3
gia ca .647 039 221
ve sinh .781 245 419
an ninh .814 379 205
moi truong song .667 324 206
gan truong .573 .527 268
gan khu vui choi, giai tri .514 .661 .179
phong co gac lung .369 .529 184
co nha ve sinh trong phong .601 .127 .525
noi qui .498 288 .651
dien, nuoc .718 040 .369

Extraction Method: Principal Component Analysis.
a. 3 components extracted.
Bảng 7. Rotated Component Matrix
a
Component
1 2 3
gia ca (1) .604 .149 .286
ve sinh (2) .896 .069 .198
an ninh (3) .875 .280 .056
moi truong song (4) .743 .198 .041
gan truong (5) .312 .020 .762
gan khu vui choi, giai tri (6) 015 .358 .778
phong co gac lung (7) .119 014 .660
co nha ve sinh trong phong (8) .124 .746 .285
noi qui (9) .176 .838 148
dien, nuoc (10) .364 .689 .215
Dựa vào bảng số 7 ta thấy biến 1,2,3,4 có tương quan mạnh với nhau và thuộc nhân tố thứ 1.
Tương tự nhân tố 2 bao gồm các biến 8,9,10. Các biến 5,6,7 là các biến giải thích cho nhân tố 3.
Dựa vào những điểm giống nhau (thể hiện tính chung) của biến nằm trong nhân tố và những
nghiên cứu trước nhà nghiên cứu sẽ đặt tên cho những nhân tố này.
VD: nhóm 1 là nhân tố an toàn; nhóm 2 là nhân tố điều kiện sinh hoạt; nhóm 3 là nhân tố vị
trí thuận lợi.
25