bài tập cá nhân môn học phương pháp nghiên cứu khoa học trong kinh doanh

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH
VIỆN ĐÀO TẠO SAU ĐẠI HỌC

BÀI TẬP CÁ NHÂN
MÔN HỌC:
PHƯƠNG PHÁP NGHIÊN CỨU KHOA
HỌC TRONG KINH DOANH
Giảng viên: TS. Nguyễn Hùng Phong
Lớp: QTKD ĐÊM 5 - CAO HỌC K22
Học viên: Bùi Ngọc Lan Anh (Học Viên Học
Ghép. Lớp Gốc: QTKD Ngày 1 Cao Học K21)
MSSV: 7701210030
TP. HCM tháng 8 năm 2013
ĐỀ BÀI:
Giả sử chúng ta có một mô hình lý thuyết gồm 4 khái niệm lý thuyết có quan hệ
với nhau: Văn hóa tổ chức (OC), hệ thống giá trị của quản trị gia (PV), thực tiển
quản trị (MP), và kết quả hoạt động của công ty (P). Khái niệm văn hóa tổ chức
được chia thành hai biến tiềm ẩn: OC1 và OC2. Trong đó OC1 được đo lường
bằng 5 yếu tố thành phần (OC11, OC12, … , OC15); OC2 được đo lường bằng 6
yếu tố thành phần (OC21, OC22, … , OC26). Biến PV là khái niệm đơn biến
được đo lường bằng 9 yếu tố thành phần (PV1, PV2, …., PV9). Khái niệm MP
được phân ra hai biến tiền ẩn: MP1 và MP2. MP1 được đo lường bằng 6 yếu tố
thành phần (MP11, MP12, …., MP16) và MP2 được đo lường bằng 6 yếu tố thành
phần (MP21, MP22, …., MP26). Riêng khái niệm P được đo lường bởi 6 yếu tố
thành phần (P1, P2, …., P6).
Trong mô hình này, P là biến phụ thuộc và các biến OC1, OC2, PV, MP1, MP2 là
biến độc lập. Các biến phân loại bao gồm
• Loại hình doanh nghiệp: có bốn loại và được mã hóa từ 1 đến 4 (ký hiệu là
OWN)
• Cấp bậc quản lý (POS) gồm hai bậc, trong đó quản lý cấp cao nhận giá trị

là 1, quản lý cấp trung nhận giá trị là 2
• Độ tuổi quản trị gia (Age) chia thành 4 nhóm: 1, 2, 3, 4
• Kinh nghiệm quản lý (EXP) cũng được chia thành 4 bậc, từ bậc 1 đến bậc
4. Mổi bậc có khoảng cách là 5 năm
Yêu cầu:
1. Thực hiện phân tích khám phá (EFA)/phân tích nhân tố để tìm các biến
mới/hoặc giảm biến, cũng như tìm các yếu tố thành phần đo lường biến
này. Sau đó tính giá trị của các biến mới (là trung bình của các yếu tố thành
phần)
2. Thực hiện kiểm tra độ tin cậy của đo lường bằng hệ số cronbach alpha
3. Thực hiện phân tích anova một chiều để tìm sự khác biệt của các biến tiềm
ẩn trong mô hình này với các tiêu thức phân loại: OWN, POS, Age, EXP.
4. Xây dựng hàm tương quan tuyến tính giữa P và các biến độc lập vừa khám
phá thông qua phân tích nhân tố/EFA
5. Kiểm định các giả thuyết tương quan với biến giả (dummy) của biến kết
quả hoạt động với các biến độc của hàm tương quan đa biến
6. Xây dựng hàm lập tìm được qua phân tích nhân tố. Trong đó biến giả được
xác định dựa vào biến “loại hình doanh nghiệp”.
BÀI LÀM:
Câu 1: Thực hiện phân tích khám phá (EFA)/phân tích nhân tố để tìm
các biến mới/hoặc giảm biến, cũng như tìm các yếu tố thành phần đo
lường biến này. Sau đó tính giá trị của các biến mới (là trung bình của
các yếu tố thành phần)
Trước khi tiến hành các phân tích xử lý dữ liệu ta cần phải làm sạch dữ liệu
nghiên cứu.
Phân tích tập tin dữ liệu data1.xls:
- Cột No. không có số liệu: xóa bỏ cột này
- Cột IND, SIZE, EDU và PRO: không lien quan đến yêu cầu bài tập:
xóa bỏ những cột này.
- Có 954 bảng khảo sát được thu thập, trong đó có một số dòng dữ liệu

bị thiếu, không hợp lệ nên ta loại bỏ những bảng khảo sát này đi.
- Cỡ mẫu hợp lệ cuối cùng còn lại N=928.
*Phân tích EFA
Phương pháp phân tích nhân tố khám phá (EFA) dùng để đánh giá hai giá trị
quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Dựa vào mối tương
quan giữa các biến với nhau, ta có thể rút gọn một tập k biến quan sát thành 1 tập
F (F<k) các nhân tố có ý nghĩa hơn.
Ta thực hiện phân tích nhân tố khám phá (EFA) cho từng khái niệm lý thuyết có
quan hệ với nhau đó là văn hóa tổ chức (OC), hệ thống giá trị của quản trị gia
(PV), thực tiễn quản trị (MP), và kết quả hoạt động của công ty (P)
* Phân tích EFA cho khái niệm văn hóa tổ chức (OC):
Khái niệm OC là khái niệm đa hướng bao gồm hai biến tiềm ẩn:
-OC1 được đo lường bởi năm yếu tố thành phần: OC11, OC12, OC13, OC14,
OC15.
- OC2 được đo lường bởi sáu yếu tố thành phần: OC21, OC22, OC23, OC24,
OC25, OC26.

1. Kiểm tra điều kiện phân tích nhân tố:
Anlyze => Data reduction => Factor => đưa các biến OC11, OC12,
OC13, OC14, OC15, OC21, OC22, OC23, OC24, OC25, OC26 vào hộp
Variables.
- Mục Descriptives: chọn Univariate descriptive trong Statistics và chọn
Coefficients và KMO and Bartlett’s test of sphericity
- Mục Extraction: chọn Principal Components Method, các thông số khác mặc
định, chọn eigenvalue ≥ 1
- Mục Rotation: chọn phép quay vuông góc Varimax, các thông số khác mặc định
- Mục Rotation: chọn phương pháp “regression”
=> OK.
* Phân tích kết quả:
KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .857
Bartlett's Test of Sphericity Approx. Chi-Square 2.575E3
df 55
Sig. .000
- KMO = 0,857 thỏa điều kiện 0,5 < KMO ≤ 1: phân tích EFA là thích hợp.
- Sig. < 0,005 nên ta bác bỏ giả thuyết H
o
(H
0
: giả thuyết ma trận hệ số tương
quan là ma trận đơn vị), tức là giữa các biến quan sát có tương quan với
nhau. => Điều kiện sử dụng EFA được thỏa mãn.
b/ Trích nhân tố là quá trình tìm mối quan hệ giữa một biến quan sát nào đó với
một nhân tố và đưa nó gom về để nó đo lường nhân tố đó
Total Variance Explained
Compo
nent
Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 3.886 35.328 35.328 3.264 29.672 29.672
2 1.375 12.498 47.826 1.997 18.153 47.826
Extraction Method: Principal Component Analysis.
Sử dụng phép trích nhân tố PCA ta thấy trích được hai nhân tố 1 và 2 (có
eigenvlue >1) đúng như ban đầu, có nghĩa là ta xác định những biến quan sát đó
đo lường được nhân tố đó.
Communalities
Extraction
OC11 .422
OC12 .497
OC13 .496

OC14 .642
OC15 .521
OC21 .304
OC22 .487
OC23 .461
OC24 .321
Communalities
OC25 .490
OC26 .619
Bảng trên thể hiện giá trị của một biến quan sát đo lường được cái chung của hai
nhân tố là bao nhiêu phần trăm. Nhìn vào đây ta thấy những giá trị đo lường phần
chung tốt nhất là: OC14, OC15 và OC26.
Rotated Component Matrix
a
Component
1 2
OC11 .526
OC12 .677
OC13 .519 .476
OC14 .801
OC15 .583 .425
OC21 .549
OC22 .613
OC23 .658
OC24 .540
OC25 .699
OC26 .786
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

Bảng trên thể hiện giá trị trích xuất (loading value) hay hệ số tương quan
giữa các yếu tố thành phần với hai nhân tố vừa trích được theo mô hình thành
phần chính (PCA). Loading value cao ở nhân tố nào thì nó đo lường được nhân tố
đó.
- Nhân tố 1 được đo lường bởi bảy yếu tố thành phần: OC11, OC12, OC13,
OC14, OC15, OC25, OC26 vì bảy yếu tố này có hệ số tương quan với nhân
tố 1 cao hơn với nhân tố 2.
- Nhân tố 2 được đo lường bởi bốn yếu tố thành phần: OC21, OC22, OC23,
OC24 vì các yếu tố này có hệ số tương quan với nhân tố 2 cao hơn.
- Ta đặt tên cho hai nhân tố mới này lần lượt là AOC1, AOC2.
Ban đầu, biến tiềm ẩn OC2 được đo lường bằng OC21, OC22, OC23,
OC24, OC25, OC26 nhưng sau khi phân tích EFA thì các yếu tố thành phần OC25
và OC26 không đo lường được OC2 mà lại đo lường OC1 nên giá trị hội tụ
không có.
Hai thang đo đo lường hai biến khác nhau OC1 và OC2 thì phải khác nhau
nhưng sau khi phân tích EFA thì OC25 và OC26 đã dịch chuyển sang đo lường
OC1 cho nên giá trị phân biệt không cao.
* Phân tích EFA cho khái niệm hệ thống giá trị của quản trị gia (PV):
PV là khái niệm đơn biến được đo lường bằng 9 yếu tố thành phần: PV1,
PV2, …., PV9. Đây là thang đo đơn hướng.
*Phân tích nhân tố
Anlyze => Data reduction => Factor => đưa các biến quan sát PV1, PV2,
PV3, PV4, PV5, PV6, PV7, PV8, PV9 vào hộp Variables.
=>Descriptives: chọn Univariate descriptive trong Statistics. và chọn Coefficients
và KMO and Bartlett’s test of sphericity => continue
=> Extraction: chọn Principal Components Method, các thông số khác mặc định,
chọn eigenvalue ≥ 1, => continue
=> Rotation: chọn phép quay vuông góc Varimax, các thông số khác mặc định
=> continue
=> OK.

Ta có bảng kết quả sau đây:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .748
Bartlett's Test of Sphericity Approx. Chi-Square 1.368E3
df 36
Sig. .000
- Chỉ số KMO = 0,748 thỏa điều kiện 0,5 < KMO ≤ 1: phân tích EFA là thích
hợp.
- Sig. (Bartlett's Test ) < 0,005 nên ta bác bỏ giả thuyết H
o
(H
0
: giả thuyết ma
trận hệ số tương quan là ma trận đơn vị), tức là giữa các biến quan sát có
tương quan với nhau. => Điều kiện sử dụng EFA được thỏa mãn.
b/ Trích nhân tố là quá trình tìm mối quan hệ giữa một biến quan sát nào đó với
một nhân tố và đưa nó gom về để nó đo lường nhân tố đó:
Total Variance Explained
Compo
nent
Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2.555 28.384 28.384 2.512 27.914 27.914
2 1.775 19.718 48.101 1.817 20.187 48.101
Extraction Method: Principal Component Analysis.
Sử dụng phương pháp trích nhân tố là PCA, với eigenvalue >1 , ta trích
được hai nhân tố, vậy thang đo này là đa hướng. PV là khái niệm bậc 1 và được
đo lường qua hai khái niệm bậc 2. Điều này nói lên thang đo ban đầu là không còn
đúng trong trường hợp này.
Communalities

Extraction
PV2 .401
PV4 .397
PV8 .511
PV1 .512
PV3 .573
PV5 .573
PV6 .598
PV7 .374
PV9 .390
Dựa vào bảng Communalities cho chúng ta biết phần chung, là giá trị của một
biến quan sát đo lường được cái chung của hai nhân tố là bao nhiêu phần trăm.
Nhìn vào đây ta thấy những giá trị đo lường phần chung tốt nhất là: PV3, PV5 và
PV6.
Rotated Component Matrix
a
Component
1 2
PV2 .632
PV4 .603
PV8 .715
PV1 .634
PV3 .756
PV5 .747
PV6 .772
PV7 .547
PV9 .622
Bảng Rotated Component Matrix thể hiện giá trị trích xuất (loading value)
hay hệ số tương quan giữa các yếu tố thành phần với hai nhân tố vừa trích được
theo phương pháp PCA. Loading value cao ở nhân tố nào thì nó đo lường được

nhân tố đó. Vậy thì nhân tố 1 được đo lường bởi năm yếu tố thành phần: PV2,
PV8, PV5, PV6, PV7 và nhân tố 2 được đo lường bởi bốn yếu tố thành phần: PV4,
PV1, PV3, PV9. Và ta đặt tên cho hai nhân tố mới này lần lược là APV1, APV2.
Ban đầu, biến tiềm ẩn PV được đo lường bằng PV1, PV2, PV3, PV4, PV5,
PV6, PV7, PV8, PV9 nhưng sau khi phân tích EFA thì từ chín yếu tố thành phần
được nhóm lại thành hai yếu tố có ý nghĩa, nên giá trị hội tụ không có.
Hai thang đo đo lường hai biến khác nhau thì phải khác nhau nhưng sau khi
phân tích EFA thì thang đo khái niệm nghiên cứu ban đầu không đo được mà nó
tách thành hai thang đo hai khái niệm khác nhau nên giá trị phân biệt không có.
*Phân tích EFA cho khái niệm thực tiễn quản trị (MP):
Khái niệm MP được phân ra hai biến tiền ẩn: MP1 và MP2. MP1 được đo
lường bằng sáu yếu tố thành phần (MP11, MP12, …., MP16) và MP2 được đo
lường bằng sáu yếu tố thành phần (MP21, MP22, …., MP26). Đây là thang đo đa
hướng.
* Phân tích nhân tố:
Anlyze => Data reduction => Factor => đưa các biến quan sát MP11,
MP12, PM13, MP14, MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26
vào hộp Variables.
=>Descriptives: chọn Univariate descriptive trong Statistics. và chọn Coefficients
và KMO and Bartlett’s test of sphericity => continue
=> Extraction: chọn Principal Components Method, các thông số khác mặc định,
chọn eigenvalue ≥ 1, => continue
=> Rotation: chọn phép quay vuông góc Varimax, các thông số khác mặc định
=> continue
=> OK.
Ta có bảng kết quả sau đây:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .865
Bartlett's Test of Sphericity Approx. Chi-Square 2.686E3
df 66

Sig. .000
- Chỉ số KMO = 0,865 thỏa điều kiện 0,5 < KMO ≤ 1: phân tích EFA là thích
hợp.
- Sig. (Bartlett's Test ) < 0,005 nên ta bác bỏ giả thuyết H
o
(H
0
: giả thuyết ma
trận hệ số tương quan là ma trận đơn vị), tức là giữa các biến quan sát có
tương quan với nhau. => Điều kiện sử dụng EFA được thỏa mãn.
* Trích nhân tố:
Total Variance Explained
Compo
nent
Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 4.141 34.505 34.505 3.461 28.841 28.841
2 1.302 10.849 45.354 1.725 14.371 43.211
3 1.006 8.381 53.735 1.263 10.524 53.735
Extraction Method: Principal Component Analysis.
Tương tự như trên, dùng phương pháp trích nhân tố là PCA, với eigenvalue
>1, ta trích được ba nhân tố, không giống như lúc ban đầu chỉ có hai nhân tố. Và
điều này cũng nói lên thang đo MP không còn đúng.
Communalities
Extraction
MP11 .699
MP12 .673
MP13 .576
MP14 .799
MP15 .446

Communalities
MP16 .375
MP21 .512
MP22 .382
MP23 .476
MP24 .501
MP25 .505
MP26 .504
Bảng Communalities cho chúng ta biết phần chung, là giá trị của một biến
quan sát đo lường được cái chung của hai factor là bao nhiêu phần trăm. Nhìn vào
đây ta thấy những giá trị đo lường tốt nhất là: MP1, MP2 và MP4.
Rotated Component Matrix
a
Component
1 2 3
MP11 .822
MP12 .785
MP13 .447 .577
MP14 .893
MP15 .645
MP16 .593
MP21 .702
MP22 .592
MP23 .687
MP24 .640
MP25 .634
MP26 .680
Bảng Rotated Component Matrix thể hiện giá trị trích xuất (loading value)
hay hệ số tương quan giữa các yếu tố thành phần với hai nhân tố vừa trích được
theo phương pháp PCA. Loading value cao ở nhân tố nào thì nó đo lường được

nhân tố đó. Vậy thì nhân tố 1 được đo lường bởi tám yếu tố: MP15,MP16, MP21,
MP22, MP23, MP24, MP25, MP26 , nhân tố 2 được đo lường bởi hai yếu tố:
MP11, MP12 và nhân tố 3 được đo lường bởi hai yếu tố: MP13, MP14 Và ta đặt
tên cho ba nhân tố mới này lần lược là AMP1, AMP2, AMP3.
Ban đầu, khái niệm MP được đo lường bằng hai biến MP1 và MP2 và biến
MP1 được đo lường bằng sáu yếu tố thành phần: MP11, MP12, MP13, MP14,
MP15, MP16 và biến MP2 được đo lường bằng sáu yếu tố thành phần: MP21,
MP22, MP23, MP24, MP25, MP26 nhưng sau khi phân tích EFA thì khái niệm
MP được đo lường qua ba biến tiềm ẩn nên giá trị hội tụ không có.
Hai thang đo đo lường hai biến khác nhau MP1 và MP2 thì phải khác nhau
nhưng sau khi phân tích EFA thì một số yếu tố dịch chuyển từ biến tiềm ẩn này
sang biến tiềm ẩn khác như MP21, MP22, MP23, MP24, MP25,MP26 dịch
chuyển từ biến tiềm ẩn hai sang biến tiềm ẩn một và MP11, MP12 từ biến tiềm ẩn
một dịch chuyển sang biến tiềm ẩn hai, đồng thời MP13, MP14 dịch chuyển từ
biến tiềm ẩn một sang một biến tiềm ẩn mới nên giá trị phân biệt không cao
AMP1
AMP2

MP11
MP12
MP16
MP21
MP22
MP23
MP24
MP15
MP25
MP26
AMP3
* Phân tích EFA cho khái niệm kết quả hoạt động của công ty (P):

Khái niệm nghiên cứu P là khái niệm đơn hướng và được đo lường bởi sáu
yếu tố thành phần : P1, P2, P3, P4, P5, P6. Đây là thang đo đơn hướng.
* Phân tích nhân tố:
Anlyze => Data reduction => Factor => đưa các biến quan sát P1, P2,
P3, P4, P5, P6 vào hộp Variables.
=>Descriptives: chọn Univariate descriptive trong Statistics. và chọn Coefficients
và KMO and Bartlett’s test of sphericity => continue
=> Extraction: chọn Principal Components Method, các thông số khác mặc định,
chọn eigenvalue ≥ 1, => continue
=> Rotation: chọn phép quay vuông góc Varimax, các thông số khác mặc định
=> continue
=> OK.
Ta có bảng kết quả sau đây:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .849
Bartlett's Test of Sphericity Approx. Chi-Square 1.954E3
df 15
Sig. .000
- Chỉ số KMO = 0,849 thỏa điều kiện 0,5 < KMO ≤ 1: phân tích EFA là thích
hợp.
MP13
MP14
- Sig. (Bartlett's Test ) < 0,005 nên ta bác bỏ giả thuyết H
o
(H
0
: giả thuyết ma
trận hệ số tương quan là ma trận đơn vị), tức là giữa các biến quan sát có
tương quan với nhau. => Điều kiện sử dụng EFA được thỏa mãn.
* Trích nhân tố:

Total Variance Explained
Compo
nent
Extraction Sums of Squared Loadings
Total % of Variance Cumulative %
1 3.330 55.493 55.493
Extraction Method: Principal Component Analysis.
Với eigenvalue >1 , ta trích được một nhân tố, giống như lúc ban đầu chỉ có
một nhân tố. Điều này nói lên thang đo này đúng với dữ liệu khảo sát được.
Communalities
Extraction
P2 .510
P1 .532
P3 .604
P4 .539
P5 .607
P6 .538
Sau khi trích, ta chỉ trích được một nhân tố không có sự so sánh giữa hệ số
tương quan của các các yếu tố với từng laten variable. Hệ số tương quan giữa các
yếu tố thành phần và biến tổng khá cao đều trên 0,7 nên phần chung là bình
phương của hệ số tương quan sẽ cao (đều trên 0,5), nói lên các biến quan sát đóng
góp nhiều cho biến P. Và ta đặt factor mới này là AP
Ban đầu biến P được đo lường bằng chín yếu tố và sau khi phân tích EFA
thì chín yếu tố này đo lường được biến P. Nên với thang đo P thì cả giá trị hội tụ
và phân biệt đều được đảm bảo
P1
P2
P3
P4
P5

P6
AP
Sau khi phân tích EFA cho bốn thang đo, chỉ có thang đo kết quả hoạt động
của công ty (P) là đảm bảo cả giá trị hội tụ và giá trị phân biệt.
*Tính giá trị của các biến mới: AOC1, AOC2, APV1, APV2, AMP1,
AMP2, AMP3 và AP: bằng trung bình cộng của các yếu tố thành phần.
Cách tính:
Transform -> Compute Variable
+ Target Variable: Đặt tên biến mới
+Numeric Expression: Chọn các biến thành phần với công thức tính trung
bình cộng
 OK
Các biến mới sẽ được tính giá trị và thêm vào bộ dữ liệu
COMPUTE AOC1=(OC11 + OC12 + OC13 + OC14 + OC15+OC25 + OC26)/7.
VARIABLE LABELS AOC1 'AOC1'.
EXECUTE.
COMPUTE AOC2=(OC21 + OC22 + OC23 + OC24) / 4.
VARIABLE LABELS AOC2 'COMPUTE AOC2=(OC21 + OC22 + OC23 + OC24) / 4'.
EXECUTE.
COMPUTE APV1=(PV2 + PV5 + PV6 + PV7 + PV8)/5.
VARIABLE LABELS APV1 'COMPUTE APV1=(PV2 + PV5 + PV6 + PV7 + PV8)/5'.
EXECUTE.
COMPUTE APV2=(PV1 + PV3 + PV4 + PV9) / 4.
VARIABLE LABELS APV2 'COMPUTE APV2=(PV1 + PV3 + PV4 + PV9) / 4'.EXECUTE.
COMPUTE AMP1=(MP15 + MP16 + MP21 + MP22 + MP23 + MP24 + MP25 + MP26)/8.
VARIABLE LABELS AMP1 'COMPUTE AMP1=(MP15 + MP16 + MP21 + MP22 + MP23 + MP24 + M
P25 + MP26)/8'.
EXECUTE.
COMPUTE AMP2=(MP11 + MP12) / 2.
VARIABLE LABELS AMP2 'COMPUTE AMP2=(MP11 + MP12) / 2'.

EXECUTE.
COMPUTE AMP3=(MP13 + MP14) / 2.
VARIABLE LABELS AMP3 'COMPUTE AMP3=(MP13 + MP14) / 2'.
EXECUTE.
COMPUTE AP=(P1 + P2 + P3 + P4 + P5 + P6)/6.
VARIABLE LABELS AP 'COMPUTE AP=(P1 + P2 + P3 + P4 + P5 + P6)/6'.
EXECUTE.
Câu 2: Thực hiện kiểm tra độ tin cậy của đo lường bằng hệ số
Cronbach Alpha
Bên cạnh kiểm tra giá trị ta còn phải kiểm tra độ tin cậy của thang đo. Độ
tin cậy thể hiện các yếu tố thành phần có đo được khái niệm nghiên cứu hay
không. Độ tin cậy được kiểm định bằng hệ số Cronbach alpha.
Sau khi phân tích EFA ta được tám biến AOC1, AOC2, APV1, APV2,
AMP1, AMP2, AMP3 và AP. Và chúng ta sẽ kiểm tra độ tin cậy của tám biến
này.
Sử dụng phần mềm SPSS, trình tự chung khi kiểm tra độ tin cậy như sau:
Analyze =>Scale => Reliability Analysis =>đưa các biến quan sát đo
lường các biến mới sau khi phân tích EFA vào hộp items.
Sau đó chọn Statistics.
+ Descriptives for, chọn Item, Scale, Scale if item deleted.
+Summaries chọn Means, Variances, Covriances.
+Trong Inter item, chọn Correlations
=>Continue => OK
2.1 Biến tiềm ẩn AOC1 (được đo lường qua bảy yếu tố: OC11, OC12,
OC13, OC14, OC15, OC25, OC26)
Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on

Standardized
Items N of Items
.817 .821 7
Tiêu chuẩn đánh giá thang đo là 0,6 ≤ Hệ số Cronbach's Alpha ≤0,95. Ở
đây Cronbach's Alpha = 0,817 là rất tốt, nên bảy yếu tố: OC11, OC12, OC13,
OC14, OC15, OC25, OC26 đủ độ tin cậy để đo lường AOC1. Ý nghĩa của hệ số
này là trong tổng biến thiên của các yếu tố này thì biến thiên của giá trị thực
chiếm 81,7%.
Item-Total Statistics
Scale Mean if
Item Deleted
Scale Variance if
Item Deleted
Corrected Item-
Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha
if Item Deleted
OC11 24.64 18.615 .510 .301 .800
OC12 24.56 18.460 .584 .370 .788
OC13 24.93 17.691 .523 .288 .801
OC14 24.45 18.584 .623 .490 .782
OC15 25.01 18.087 .560 .329 .792
OC25 24.40 19.601 .510 .293 .800
OC26 24.46 18.447 .610 .477 .784
Trong bảng Item-Total Statistics, cột thứ 2 nói lên trung bình của các biến
còn lại khi mà bỏ đi một biến quan sát . Ví dụ như bỏ đi OC11 thì trung bình của
các biến còn lại là 24,64. Nhìn vào cột thứ 4, ta thấy hệ số tương quan của từng
biến quan sát với biến tổng đều lớn hơn 0,3 nên điều kiện cần để phân tích độ tin

cậy được thỏa mãn.
Và giá trị của cột thứ 6 là giá trị của hệ số Cronbach's Alpha khi ta bỏ đi
từng biến quan sát. Ví dụ khi bỏ đi biến OC11 thì hệ số Cronbach's Alpha là 0,800
nhỏ hơn 0,817 hoặc khi bỏ đi biến OC25 thì hệ số Cronbach's Alpha là 0,788 nhỏ
hơn 0,817 và có bỏ đi bất kỳ biến quan sát nào thì cũng không làm tăng được giá
trị của hệ số Cronbach's Alpha.
Như vậy bảy biến quan sát này đủ độ tin cậy để đo lường biến tiềm ẩn
AOC1 và không phải bỏ bất kỳ biến quan sát nào.
2.2 Biến tiềm ẩn AOC2 (được đo lường qua bốn yếu tố: OC21, OC22,
OC23, OC24)
Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on
Standardized
Items N of Items
.476 .482 4
Nhìn vào bảng Reliability Statistics ta thấy hệ số Cronbach's Alpha khá thấp và
nhỏ hơn 0,6 nên ta loại bỏ biến tiềm ẩn này.
2.3 Biến tiềm ẩn APV1 ( được đo lường qua năm yếu tố: PV2, PV5, PV6,
PV7, PV8)
Hệ số Cronbach's Alpha bằng 0,721 rất
tốt, nên năm yếu tố này đủ độ tin cậy để
đo lường APV1. Ý nghĩa của hệ số này
là trong tổng biến thiên của năm yếu tố
đo lường APV1 thì biến thiên của giá trị thực chiếm 72,1%.
Item-Total Statistics
Scale Mean if
Item Deleted

Scale Variance if
Item Deleted
Corrected Item-
Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha
if Item Deleted
PV2 16.49 8.213 .419 .203 .696
PV8 16.41 7.912 .505 .266 .664
PV5 16.44 7.565 .540 .344 .649
PV6 16.59 7.410 .579 .373 .633
PV7 17.13 7.771 .378 .153 .721
Nhìn vào cột Corrected Item-Total Correlation, ta thấy hệ số tương quan
của từng biến quan sát với biến tổng đều lớn hơn 0,3 nên điều kiện cần để phân
tích độ tin cậy được thỏa mãn.
Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on
Standardized
Items N of Items
.721 .726 5
Và giá trị của cột Cronbach's Alpha if Item Deleted là giá trị của hệ số
Cronbach's Alpha khi ta bỏ đi từng biến quan sát. Cả 5 giá trị trên đều không có
giá trị nào > 0.721 Cho nên năm biến quan sát này đủ độ tin cậy để đo lường tiềm
ẩn APV1 và không phải bỏ bất kỳ biến nào. Thang đo APV1 đủ độ tin cậy đo
lường.
2.4 Biến tiềm ẩn APV2 (được đo lường qua bốn yếu tố: PV1, PV3, PV4,

PV9)
Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on
Standardized
Items N of Items
.569 .576 4
Ta loại bỏ biến APV2 vì hệ số Cronbach’s alpha nhỏ hơn 0,6.
2.5 Biến tiềm ẩn AMP1 (được đo lường qua tám yếu tố: MP15, MP16,
MP21, MP22, MP23, MP24, MP25, MP26)
Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on
Standardized
Items N of Items
.820 .821 8
Hệ số Cronbach's Alpha bằng 0,82 là rất tốt, nên 8 yếu tố này đủ độ tin cậy
để đo lường AMP1. Ý nghĩa của hệ số này là trong tổng biến thiên của các yếu
tố đo lường AMP1 thì biến thiên của giá trị thực chiếm 82%.
Item-Total Statistics
Scale Mean if
Item Deleted
Scale Variance if
Item Deleted
Corrected Item-
Total Correlation

Squared Multiple
Correlation
Cronbach's Alpha
if Item Deleted
MP15 24.88 32.085 .539 .319 .800
MP16 24.31 33.988 .490 .274 .806
MP21 24.70 32.417 .544 .333 .799
MP22 24.53 33.779 .477 .271 .808
MP23 25.15 32.463 .533 .307 .800
MP24 24.40 33.289 .583 .386 .794
MP25 24.32 33.029 .583 .412 .794
MP26 24.86 31.884 .576 .381 .794
Ta thấy hệ số tương quan của từng biến quan sát này với biến tổng đều lớn
hơn 0,3 nên điều kiện cần để phân tích độ tin cậy được thỏa mãn. Và bỏ bất kỳ
biến quan sát nào thì cũng không làm cho hệ số Cronbach's Alpha tăng thêm.
Cho nên tám biến quan sát này đủ độ tin cậy để đo lường tiềm ẩn AMP1 và
không phải bỏ bất kỳ biến quan sát nào. Kết luận thang đo AMP1 đủ độ tin cậy
đo lường.
2.6 Biến tiềm ẩn AMP2 (được đo lường qua hai yếu tố: MP11, MP12)
Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on
Standardized
Items N of Items
.615 .616 2
Hệ số Cronbach's Alpha bằng 0,615 lớn hơn 0,6 chấp nhận được, nên hai yếu
tố này đủ độ tin cậy để đo lường AMP2. Ý nghĩa của hệ số này là trong tổng
biến thiên của hai yếu tố đo lường AMP2 thì biến thiên của giá trị thực chiếm

61,5%.
Item-Total Statistics
Scale Mean if
Item Deleted
Scale Variance if
Item Deleted
Corrected Item-
Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha
if Item Deleted
MP11 4.00 1.106 .445 .198 .
a
MP12 3.87 1.194 .445 .198 .
a
Cột Corrected Item-Total Correlation cho ta thấy hệ số tương quan của hai
biến quan sát với biến tổng đều lớn hơn 0,3 nên điều kiện cần để phân tích độ tin
cậy được thỏa mãn. Và hai yếu tố này đủ độ tin cậy để đo lường AMP2. Vậy
thang đo AMP2 đủ độ tin cậy đo lường.
2.7 Biến tiềm ẩn AMP3 (được đo lường qua hai yếu tố: MP13, MP14)
Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on
Standardized
Items N of Items
.427 .429 2
Hệ số Cronbach’s alpha của MAP3 nhỏ hơn 0,6 nên ta loại bỏ biến này.

2.8 Biến tiềm ẩn AP (được đo lường qua sáu yếu tố: P1, P2, P3, P4, P5,
P6)
Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on
Standardized
Items N of Items
.839 .839 6
Hệ số Cronbach's Alpha bằng 0,839 là rất tốt, nên sáu yếu tố này đủ độ tin
cậy để đo lường AP. Ý nghĩa của hệ số này là trong tổng biến thiên của các yếu
tố đo lường AP thì biến thiên của giá trị thực chiếm 83,9%.
Item-Total Statistics
Scale Mean if
Item Deleted
Scale Variance if
Item Deleted
Corrected Item-
Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha
if Item Deleted
P2 18.73 12.965 .581 .378 .819
P1 18.54 12.850 .597 .409 .816
P3 18.65 12.362 .654 .436 .804
P4 18.49 12.729 .599 .413 .816
P5 18.45 12.660 .658 .481 .804
P6 18.79 12.484 .600 .386 .816

Ta thấy hệ số tương quan của từng biến quan sát này với biến tổng tối thiểu
lớn hơn 0,3 nên điều kiện cần để phân tích độ tin cậy được thỏa mãn. Và bỏ bất kỳ
biến quan sát nào thì cũng không làm cho hệ số Cronbach's Alpha tăng thêm. Cho
nên các sáu biến quan sát này đủ độ tin cậy để đo lường tiềm ẩn AP và ta không
phải bỏ bất kỳ biến quan sát nào. Cho nên thang đo AP đủ độ tin cậy đo lường.
Sau khi kiểm tra độ tin cậy, từ tám biến tiềm ẩn sau khi phân tích
EFA, ta đã loại bỏ ba biến AOC2, APV2, AMP3 và còn lại năm biến đủ độ tin
cậy đo lường đó là : AOC1, APV1, AMP1, AMP2, AP.
Câu 3: Thực hiện phân tích anova một chiều để tìm sự khác biệt của
các biến tiềm ẩn trong mô hình này với các tiêu thức phân loại: OWN,
POS, Age, EXP.
Thực hiện phân tích Anova một chiều với biến phụ thuộc là các biến
mới tìm được khi phân tích EFA và kiểm tra độ tin cậy (AOC1, APV1, AMP1,
AMP2, AP) và biến phân loại lần lượt là OWN, POS, AGE, EXP:
Phân tích Anova một chiều là kiểm định sự khác biệt giữa nhiều trung bình.
Trình tự thực hiện Anova một chiều như sau:
1 2
1
:
:
o k
i j
H
H
µ µ µ
µ µ
= = =
≠
Bước 1: Thiết lập giả thuyết
Bước 2: Chọn alpha (0,05)

Bước 3: Xác định giá trị F
tt
MSSB: trung bình tổng biến thiên giữa các nhóm
MSSW: trung bình tổng biến thiên trong phạm vi 1 nhóm tính cho tất cả
các nhóm

Bước 4: So sánh F
tt
với F
tc
để xem chấp nhận hay từ chối giả thuyết H
0
Nhưng với phần mềm SPSS sẽ tính cho ta giá trị của F
tt
và ta chỉ cần dựa
vào giá trị p-value để kết luận là chấp nhận hay bác bỏ H
0
. Nếu p-value < mức ý
nghĩa (0,05) thì bác bỏ H
0.
Tức là tồn tại ít nhất hai nhóm có trung bình khác nhau.
Và ngược lại. Nếu tồn tại ít nhất hai nhóm có trung bình khác nhau, ta thực hiện
thêm Post hoc test để tìm xem cụ thể nhóm nào khác biệt với nhóm nào.
Một điều kiện cần để phân tích để phân tích Anova là Leven-test, giả thuyết
H
0
của kiểm định này là phương sai của các nhóm không có sự khác biệt. Khi mà
mẫu quan sát càng lớn thì giả thuyết này thường bị vi phạm. Nhưng không ảnh
hưởng gì đến kết quả phân tích Anova, cho nên trong bài này mẫu quan sát rất lớn,
có 928 quan sát, nên ta không cần quan tâm đến Leven-test.

Trình tự chung thực hiện Anova một chiều trên SPSS như sau:
Analyze => Compare Means => One way ANOVA => Đưa biến phụ thuộc
vào ô Dependent List và đưa biến phân loại vào ô Factor => Option chọn
Descriptives và Homogeneity of variance test => OK.
3.1 Biến phân loại OWN:
Với biến phân loại là OWN ta thấy chỉ có AOC1, APV1 không có sự khác
biệt giữa các nhóm đủ độ tin cậy thống kê 95% vì p-value > 0,05. Và ba biến còn
lại: AMP1, AMP2 và AP thì có sự khác biệt vì p-value < 0,05.
( )
2
1
2
1 1
( ) /( 1)
/( )
i
k
i
i
i
tt
n
k
ij i
i j
n X X k
F
X X n k
=
= =

− −
=
− −
∑
∑∑
( )
)(,1, knktc
FF
−−
=
α
MSSW
MSSB
Ftt
=
Bảng 3.1a ANOVA
AOC1
Sum of
Squares df
Mean
Square F Sig.
Between
Groups
1.300 3 .433 .872 .455
Within Groups 471.185 948 .497
Total 472.485 951
Bảng 3.1b ANOVA
APV1
Sum of
Squares df

Mean
Square F Sig.
Between
Groups
1.140 3 .380 .826 .480
Within Groups 436.299 948 .460
Total 437.439 951
Bảng 3.1c ANOVA
AMP1
Sum of
Squares df
Mean
Square F Sig.
Between
Groups
15.829 3 5.276 8.175 .000
Within Groups 611.857 948 .645
Total 627.686 951