bài tập xử lý dữ liệu môn phương pháp nghiên cứu khoa học trong quản trị

TRƢỜNG ĐẠI HỌC KINH TẾ TPHCM
VIỆN ĐÀO TẠO SAU ĐẠI HỌC
KHOA QUẢN TRỊ KINH DOANH
  










Môn học: PHƢƠNG PHÁP NGHIÊN CỨU
KHOA HỌC TRONG QUẢN TRỊ

BÀI TẬP XỬ LÝ DỮ LIỆU






GVHD : TS. NGUYỄN HÙNG PHONG
HỌC VIÊN : NGUYỄN THANH BÌNH
MSHV : 7701220078
LỚP : ĐÊM 5 – K22

TPHCM – 08/2013
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).
Thứ tự như sau: DNNN, Liên doanh, công ty tư nhân, doanh nghiệp gia đình
 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 lướng 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.Thực hiện
phân tích anova hai chiều với biến OWN và POS.
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 và cronbach alpha
5. Kiểm định các giả thuyết của hàm tương quan đa biến
6. xây dựng hàm tương quan với biến giả (dummy). Biến giả được chọn là biến loại
hình doanh nghiệp. Trong đó doanh nghiệp nhà nước được chọn là biến cơ sở










BÀI LÀM
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 lướng biến này.
Sau đó tính giá trị của các biến mới (là trung bình của các yếu tố thành phần)

Mô hình lý thuyết nghiên cứu:

OC: Văn hóa tổ chức
PV: Hệ thống giá trị của quản trị gia
MP: Thực tiễn quản trị
P: Kết quả hoạt động của công ty.
P
PV
OC
MP
OC1
OC2
MP1
MP2
OC11
OC15
OC15
OC15
OC14
OC12
OC13
OC21
OC15
OC25
OC15
OC24
OC22
OC23

OC26
PV1
OC15
PV5
OC15
PV4
PV2

PV3
PV6
OC15
PV8
PV7
PV9
MP21
OC15
MP25
OC15
MP24
MP22
MP23
MP26
MP11
OC15
MP15
OC15
MP14
MP12
MP13
MP16

P1
OC15
P5
OC15
P4
P2

P3
P6
Mô hình trên đƣợc mô tả nhƣ sau:
Biến phụ thuộc P sẽ có quan hệ với 3 biến độc lập là OC, PV và MP nghĩa là kết
quả hoạt động kinh doanh của doanh nghiệp có thể bị ảnh hưởng bởi các nhân tố: văn hóa
tổ chức (OC), hệ thống giá trị của quản trị gia (PV) và thực tiễn quản trị (MP). Trong đó
OC, PV, MP là các khái niệm bậc 1; OC1, OC2, MP1, MP2 là các khái niệm bậc 2. Mỗi
khái niệm được đo lường bằng các biến quan sát nhỏ hơn như trong mô hình.
Theo mô hình trên, ta thấy khái niệm OC là một thang đo đơn hướng với hai nhân
tố, khái niệm PV là thang đo đơn hướng một nhân tố, khái niệm MP là một thang đo đơn
hướng với hai nhân tố. Ban đầu chúng ta sẽ giả định là các khái niệm bậc 2 OC1 và OC2
là độc lập nhau, tương tự MP1 và MP2 cũng độc lập nhau. Chúng ta sẽ kiểm tra lại giả
định này sau khi chạy phân tích EFA bằng cách kiểm tra hệ sô hiệp phương sai của các
nhân tố trích được.
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.
Trước khi tiến hành phân tích dữ liệu, cần tiến hành làm sạch dữ liệu nhằm:
- Xác định các gía trị vô nghĩa: giá trị khác với giá trị mã hóa
- Xác định các giá trị khuyết: câu hỏi không có câu trả lời
- Xác định những mối quan hệ không logic giữa các câu trả lời
- Các bước làm sạch: bài làm này được làm bằng cách lọc thủ công Excel

Sau quá trình làm sạch dữ liệu, từ số lượng mẫu ban đầu là 953, kích thước mẫu còn
là 880 mẫu. Ta tiến hành phân tích nhân tố khám phá (EFA) lần lượt cho các biến.
Số lượng mẫu của chúng ta rất lớn so với tổng số biến nên ta có thể đưa các biến
vào phân tích EFA mà không bị giới hạn bởi kích thước mẫu (lớn hơn 5 lần số biến quan
sát (Hair & ctg, 2006).
Theo Nguyen (2011) một số điều kiện cần quan tâm trong phân tích nhân tố khám
phá (EFA) bao gồm: (1) hệ số KMO ≥ 0.5; (2) mức ý nghĩa kiểm định Bartlett p ≤ 0.05,
bác bỏ giá thuyết Ho (ma trận tương quan giữa các biến là ma trận đơn vị) và chấp nhận
giả thuyết H1 (ma trận tương quan giữa các biến không phải là ma trận đơn vị và các biến
có mối quan hệ với nhau).








1.1 Phân tích nhân tố khám phá EFA với khái niệm OC:
Đưa toàn bộ các biến đo lường các biến độc lập OC vào phân tích EFA. Kết quả
phân tích ta có:
1.1a - KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,854
Bartlett's Test of Sphericity
Approx. Chi-Square
2465,460
df
55
Sig.

,000

Chỉ số KMO = 0,853 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.
Kết quả chạy EFA như sau:
1.1b - Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared
Loadings
Rotation Sums of Squared
Loadings
Total
% of
Variance
Cumulative
%
Total
% of
Variance
Cumulative
%
Total
% of

Variance
Cumulative
%
1
3,881
35,282
35,282
3,881
35,282
35,282
3,235
29,411
29,411
2
1,396
12,689
47,972
1,396
12,689
47,972
2,042
18,561
47,972
3
,901
8,188
56,159

4
,866
7,870
64,029






5
,827
7,519
71,548






6
,724
6,584
78,132

7
,577
5,244
83,376






8
,545
4,955
88,331






9
,490
4,456
92,787

10
,463
4,209
96,996






11
,330
3,004
100,000






Extraction Method: Principal Component Analysis.

Tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax, ta trích được 2 nhân
tố, trong đó OC1 giải thích được 29.411% tổng biến thiên của nhân tố OC, OC2 giải
thích được 18.561% tổng biến thiên của nhân tố OC.
1c - Component Matrix
a

Component
1
2
OC11
,643

OC12
,687

OC13
,684

OC14
,697

OC15
,724

OC21


OC22
,602

OC23


OC24

,545
OC25
,576

OC26
,694

Extraction Method: Principal Component Analysis.
a. 2 components etracted.

1.1d - Rotated Component Matrix
a


Component
1
2
OC11
,513

OC12
,671

OC13
,510

OC14
,811

OC15
,573

OC21

,549
OC22

,612
OC23

,658
OC24

,539
OC25
,696

OC26
,790

Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

Dựa vào bảng 1.1d, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy các biến OC11,
OC12, OC13, OC14, OC15, OC25, OC26 giải thích tốt cho OC1; các biến OC21, OC22,
OC23, OC24 giải thích tốt cho OC2. Như vậy, ta nhận thấy, sau khi phân tích nhân tố,
các biến OC25, OC26 đã dịch chuyển từ nhóm OC2 sang nhóm OC1. Vậy thì 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 và 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. Và ta đặt tên cho hai nhân tố mới này lần
lượt là OCF1, OCF2.
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.





1.2 Phân tích nhân tố khám phá EFA với khái niệm PV:
Đưa 9 biến đo lường cho PV vào phân tích EFA. Kết quả ta có:
1.2a - KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,749
Bartlett's Test of Sphericity
Approx. Chi-Square
1296,396
df
36
Sig.
,000

Chỉ số KMO = 0,743 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.
Kết quả chạy EFA như sau:
1.2b - Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared
Loadings
Rotation Sums of Squared
Loadings
Total
% of
Variance
Cumulative
%
Total
% of
Variance
Cumulative
%
Total
% of
Variance
Cumulative
%
1

2,555
28,394
28,394
2,555
28,394
28,394
2,513
27,923
27,923
2
1,774
19,711
48,105
1,774
19,711
48,105
1,816
20,182
48,105
3
,853
9,480
57,585






4

,799
8,878
66,462






5
,759
8,431
74,893






6
,685
7,615
82,508






7

,594
6,599
89,107






8
,536
5,955
95,061






9
,444
4,939
100,000






Extraction Method: Principal Component Analysis.

Tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax, ta trích được 2 nhân
tố, trong đó nhân tố 1 giải thích được 27.923% tổng biến thiên của nhân tố PV, nhân tố 2
giải thích được 20.182% tổng biến thiên của nhân tố PV.







1.2c - Component Matrix
a


Component
1
2
PV2
,625

PV4

,618
PV8
,697

PV1

,541
PV3

,744
PV5
,699

PV6
,740

PV7
,596

PV9

,599
Extraction Method: Principal Component Analysis.
a. 2 components extracted.

1.2d - Rotated Component Matrix
a


Component
1
2
PV2
,638

PV4

,591

PV8
,715

PV1

,637
PV3

,760
PV5
,746

PV6
,768

PV7
,546

PV9

,627
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.


Dựa vào bảng 1.2d, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy PV được đo lường
bởi 2 nhân tố, trong đó nhân tố 1 được đo lường bởi năm yếu tố thành phần: PV2, PV5,
PV6, PV7, PV8 và nhân tố 2 được đo lường bởi bốn yếu tố thành phần: PV1, PV3, PV4,
PV9. Và ta đặt tên cho hai nhân tố mới này lần lược là PVF1, PVF2.

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.
1.3 Phân tích nhân tố khám phá EFA với khái niệm MP:
Đưa toàn bộ các biến đo lường cho MP vào phân tích EFA. Kết quả ta có:
1.3a - KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,869
Bartlett's Test of Sphericity
Approx. Chi-Square
2655,393
df
66
Sig.
,000

Chỉ số KMO = 0,743 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.
Kết quả chạy EFA như sau:
1.3b - Total Variance Explained
Component

Initial Eigenvalues
Extraction Sums of Squared
Loadings
Rotation Sums of Squared
Loadings
Total
% of
Variance
Cumulative
%
Total
% of
Variance
Cumulative
%
Total
% of
Variance
Cumulative
%
1
4,219
35,155
35,155
4,219
35,155
35,155
3,585
29,876
29,876

2
1,325
11,042
46,197
1,325
11,042
46,197
1,958
16,321
46,197
3
,997
8,312
54,510






4
,853
7,111
61,621

5
,784
6,529
68,150






6
,700
5,831
73,981






7
,634
5,280
79,261

8
,597
4,972
84,233






9
,519
4,325
88,558






10
,511
4,258
92,816

11
,480
4,004
96,820






12
,382
3,180
100,000






Extraction Method: Principal Component Analysis.
Tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax, ta trích được 2 nhân
tố, trong đó nhân tố thứ nhất giải thích được 29.876% tổng biến thiên của nhân tố MP,
nhân tố thứ hai giải thích được 16.321% tổng biến thiên của nhân tố MP.
1.3c - Component Matrix
a


Component
1

2
MP11


MP12
,534
,506
MP13
,512
,529
MP14

,518
MP15
,654

MP16
,630

MP21
,625

MP22
,579

MP23
,610

MP24
,709

MP25
,715

MP26
,681

Extraction Method: Principal Component Analysis.
a. 2 component extracted.

1.3d - Rotated Component Matrix
a


Component
1
2
MP11

,614
MP12

,697
MP13

,707
MP14

,546
MP15

,639

MP16
,628

MP21
,725

MP22
,619

MP23
,667

MP24
,639

MP25
,643

MP26
,673

Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

Dựa vào bảng 1.3d, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy MP được đo lường
bởi 2 nhân tố, trong đó 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 bốn yếu tố: MP11,

MP12, MP13, MP14. Và ta đặt tên cho hai nhân tố mới này lần lược là MPF1, MPF2.
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. Sau khi phân tích EFA thì MP vẫn được đo lường bằng 2 nhân tố mới là
MPF1 và MPF2 nên có giá trị hội tụ.
Hai thang đo đo lường hai biến khác nhau MP1 và MP2 thì phải khác nhau nhưng
sau khi phân tích EFA thì các yếu tố MP21, MP22, MP23, MP24, MP25, MP26 không đo
lường MP2 mà đo lường MP1 và các yếu tố MP11, MP12, MP13, MP14 không đo lường
MP1 mà đo lường MP2 nên giá trị phân biệt không cao
1.4 Phân tích nhân tố khám phá EFA với khái niệm phụ thuộc P:
Đưa toàn bộ các biến đo lường cho P vào phân tích EFA. Kết quả ta có:
1.4a - KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,850
Bartlett's Test of Sphericity
Approx. Chi-Square
1865,464
df
15
Sig.
,000

Chỉ số KMO = 0,850 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.
Kết quả chạy EFA như sau:
1.4b - Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
1
3,337
55,609
55,609
3,337
55,609
55,609
2
,813
13,552
69,161



3
,540
9,001
78,162

4
,491
8,175
86,338



5
,460
7,665
94,003



6
,360
5,997
100,000



Extraction Method: Principal Component Analysis.
Tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax, ta trích được 1 nhân
tố, giải thích được 55.609% tổng biến thiên của nhân tố P.
1.4c - Component Matrix
a

Component
1
P2
,709
P1
,730
P3
,777
P4
,729
P5
,790
P6
,738
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
Dựa vào bảng 1.4c, từ các giá trị trọng số đồng đều khoảng 0.7, chứng tỏ các biến
đo lường tương quan rất lớn với khái niệm P và giải thích được sự biến thiên của P (đều
trên 0,5), nghĩa là các biến quan sát đóng góp nhiều cho biến P. Ta đặt yếu tố mới này là
PF
Ban đầu biến P được đo lường bằng sáu 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 đƣợc đảm bảo
KẾT LUẬN:
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.

 Từ kết quả phân tích EFA ta có mô hình nghiên cứu mới sau khi đã hiệu chỉnh:

OC: Văn hóa tổ chức
PV: Hệ thống giá trị của quản trị gia
MP: Thực tiễn quản trị
P: Kết quả hoạt động của công ty.
PF
PV
OC
MP
OCF1
OCF2
MPF2
MPF1
OC11
OC15
OC15
OC15
OC14
OC12
OC13

OC21
OC15
OC15
OC24
OC22
OC23
PV2
OC15
PV8
OC15
PV7
PV5

PV6
PV1
OC15
PV4
PV3
PV9
MP21
OC15
MP25
OC15
MP24
MP22
MP23
MP26
OC15
MP15
OC15

MP14
MP12
MP13
MP16
P1
OC15
P5
OC15
P4
P2

P3
P6
OC25
OC26
PVF1
PVF2
MP11
MP12
Câu 2: Thực hiện kiểm tra độ tin cậy của đo lường bằng hệ số Cronbach Alpha
Một số điều kiện cần quan tâm khi kiểm định thang đo bằng hệ số Cronbach Alpha
bao gồm:
(1) Hệ số tương quan biến – tổng (Corrected item – total correlation) > 0,3
(Nunnally & Bernstein, 1994).
(2) Hệ số Cronbach Alpha: 0,6 ≤ Cronbach Alpha ≤ 0,95 (Nguyen, 2011; Nunnally
& Bernstein, 1994)
2.1 Kiểm định thang đo OC:
2.1.1 Kiểm định thang đo OCF1:
Thang đo OCF1 gồm 7 biến quan sát OC11, OC12, OC13, OC14, OC15, OC25,
OC26.

2.1.1a - Reliability Statistics
Cronbach's
Alpha
N of Items
,815
7


2.1.1b - Item-Total Statistics

Scale Mean if
Item Deleted
Scale Variance
if Item Deleted
Corrected Item-
Total
Correlation
Cronbach's
Alpha if Item
Deleted
OC11
24,58
18,515
,505
,799
OC12
24,50
18,334
,585
,785

OC13
24,86
17,599
,518
,799
OC14
24,37
18,534
,623
,780
OC15
24,95
17,976
,560
,789
OC25
24,33
19,505
,504
,798
OC26
24,39
18,348
,608
,781


Hệ số Cronbach Alpha = 8.15 >0.7 vì vậy thang đo có thể chấp nhận được về mặt
độ tin cậy (Nunnally& Bernstein 1994). Thêm vào đó, hệ số Cronbach’s Alpha nếu loại
bất kì biến quan sát nào cũng sẽ nhỏ hơn hệ số Cronbach’s Alpha ban đầu, do đó chúng ta

chấp nhận 7 biến quan sát thành phần của thang đo. Đồng thời hệ số tương quan biến
tổng hiệu chỉnh (Corrected Item – Total Correlation) của từng biến quan sát so với tổng
các biến còn lại đều lớn hơn 0.3 vì vậy biến quan sát có mối tương quan tốt với tổng các
biến còn lại.
Kết luận: không cần bỏ hay thêm biến quan sát nào cho khái niệm này.





2.1.2 Kiểm định thang đo OCF2:
Thang đó OCF2 gồm 4 biến OC21, OC22, OC23, OC24. Đưa các biến này vào
kiểm định thang đo, kết quả như sau:
2.1.2a - Reliability Statistics
Cronbac's
Alpha
N of Items
,479
4


2.1.2b - Item-Total Statistics

Scale Mean if
Item Deleted
Scale Variance
if Item Deleted
Corrected Item-
Total
Correlation

Cronbach's
Alpha if Item
Deleted
OC21
9,92
5,561
,263
,421
OC22
10,05
5,658
,328
,363
OC23
9,94
5,506
,325
,362
OC24
10,28
5,792
,200
,483



Hệ số Cronbach Alpha = 0.479 << 0.6 vì vậy thang đo chưa thể chấp nhận được về
mặt độ tin cậy, cần bổ sung hoặc loại bỏ một số biến để tăng thêm độ tin cậy cho thang
đo. Nếu loại bỏ các biến quan sát OC24 thì làm hệ số Cronbach’s Alpha tăng lên, đồng
thời hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total Correlation) của

OC21 = 0.263 và OC24 =0.200 nhỏ hơn 0.3 vì vậy cần loại bỏ biến OC21 và OC24 để
tăng độ tin cậy cho thang đo. Tuy nhiên, dù có bỏ OC24 thì hệ số Cronbach Alpha tăng
lên cao nhất cũng chỉ bằng = 0.483 << 0.6 nên ta loại bỏ biến tiềm ẩn này.
2.2 Kiếm định thang đo PV:
2.2.1 Kiểm định thang đo PVF1:
Thang đo PVF1 bao gồm 5 biến quan sát PV2, PV5, PV6, PV7, PV8. Kết quả kiểm
định thang đo như sau:
2.2.1 a - Reliability Statistics
Cronbach'slpha
N of Items
,721
5


2.2.1b - Item-Total Statistics

Scale Mean if
Item Deleted
Scale Variance
if Item Deleted
Corrected Item-
Total
Correlation
Cronbach's
Alpha if Item
Deleted
PV2
16,49
8,120
,423

,695
PV5
16,43
7,531
,541
,650
PV6
16,59
7,353
,575
,635
PV7
17,11
7,740
,377
,721
PV8
16,41
7,839
,506
,664


Hệ số Cronbach Alpha = 0.721 >0.7 vì vậy thang đo có thể chấp nhận được về mặt
độ tin cậy (Nunnally& Bernstein 1994). Thêm vào đó, hệ số Cronbach’s Alpha nếu loại
bất kì biến quan sát nào cũng sẽ nhỏ hơn hệ số Cronbach’s Alpha ban đầu, do đó chúng ta
chấp nhận 5 biến quan sát thành phần của thang đo. Đồng thời hệ số tương quan biến
tổng hiệu chỉnh (Corrected Item – Total Correlation) của từng biến quan sát so với tổng
các biến còn lại đều lớn hơn 0.3 vì vậy biến quan sát có mối tương quan tốt với tổng các
biến còn lại.

Kết luận: không cần bỏ hay thêm biến quan sát nào cho khái niệm này.
2.2.2 Kiểm định thang đo PVF2:
Thang đo PVF2 bao gồm 5 biến quan sát PV1, PV3, PV4, PV9. Kết quả kiểm định
thang đo như sau:
2.2.2a - Reliability Statistics
Cronbach's
Alha
N o Items
,568
4


2.2.2b - Item-Total Statistics

Scale Mean if
Item Deleted
Scale Variance
if Item Deleted
Corrected Item-
Total
Correlation
Cronbach's
Alpha if Item
Deleted
PV1
9,49
6,678
,358
,493
PV3

10,26
6,148
,440
,426
PV4
10,19
6,282
,286
,558
PV9
9,76
6,462
,336
,509


Hệ số Cronbach Alpha = 0.568 < 0.6 vì vậy thang đo có độ tin cậy thấp, cần bổ
sung thêm biến mới để tăng độ tin cậy cho thang đo. Thêm vào đó, hệ số tương quan biến
tổng hiệu chỉnh (Corrected Item – Total Correlation) của PV4 = 0.286 nhỏ hơn 0.3 vì vậy
cần loại bỏ biến PV4 để tăng độ tin cậy cho thang đo. Tuy nhiên, dù có bỏ PV4 thì hệ số
Cronbach Alpha tăng lên cao nhất cũng chỉ bằng = 0.558 < 0.6 nên ta loại bỏ biến tiềm
ẩn này.
2.3 Kiếm định thang đo MP:
2.3.1 Kiểm định thang đo MPF1:
Thang đo MPF1 bao gồm 8 biến quan sát MP15, MP16, MP21, MP22, MP23,
MP24, MP25 và MP26.
2.3.1a - Reliability Statistics
Cronbach's
Alpha
N of Items

,827
8


2.3.1b - Item-Total Statistics

Scale Mean if
Item Deleted
Scale Variance
if Item Deleted
Corrected Item-
Total
Correlation
Cronbach's
Alphaif Item
Deleted
MP15
24,85
32,342
,549
,807
MP16
24,30
34,177
,529
,810
MP21
24,67
32,698
,559

,806
MP22
24,50
34,116
,486
,815
MP23
25,14
32,968
,528
,810
MP24
24,37
33,762
,587
,803
MP25
24,31
33,362
,592
,802
MP26
24,83
32,261
,584
,802

Kết quả kiểm định bằng Cronbach Alpha như sau: Hệ số Cronbach Alpha = 0.827 >
0.6 vì vậy thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally& Bernstein
1994). Thêm vào đó, hệ số Cronbach’s Alpha nếu loại bất kì biến quan sát nào cũng sẽ

nhỏ hơn hệ số Cronbach’s Alpha ban đầu, do đó chúng ta chấp nhận 8 biến quan sát
thành phần của thang đo. Đồng thời, hệ số tương quan biến tổng hiệu chỉnh (Corrected
Item – Total Correlation) của hai biến đều lớn hơn 0.3 vì vậy thang đo có độ tin cậy được
chấp nhận.
Kết luận: Chấp nhận thang đo MPF1.
2.3.2 Kiểm định thang đo MPF2:
Thang đo MP2 bao gồm 8 biến quan sát MP11, MP12, MP13 và MP14. Kết quả
kiểm định bằng Cronbach Alpha như sau:
2.3.2a - Reliability Statistics
Cronbach's
Alpha
N of Items
,574
4


2.3.2b - Item-Total Statistics

Scae Mean if
Item Deleted
Scale Variance
if Item Deleted
Corrected Item-
Total
Correlation
Cronbach's
Alpha if Item
Deleted
MP11
10,30

6,046
,354
,504
MP12
10,19
5,780
,445
,437
MP13
10,64
5,335
,456
,418
MP14
11,44
6,178
,205
,634


Hệ số Cronbach Alpha = 0.574 < 0.6 vì vậy thang đo có độ tin cậy thấp, cần bổ
sung thêm biến mới để tăng độ tin cậy cho thang đo. Thêm vào đó, hệ số tương quan biến
tổng hiệu chỉnh (Corrected Item – Total Correlation) của MP14 = 0.205 nhỏ hơn 0.3 vì
vậy cần loại bỏ biến MP14 để tăng độ tin cậy cho thang đo. Đồng thời, khi loại bỏ MP14
thì hệ số Cronbach Alpha tăng lên = 0.634 > 0.6 nên ta chấp nhận thang đo MPF2 (được
đo lường bằng 3 biến MP11, MP12 và MP13)
2.4 Kiếm định thang đo PF:
Thang đo PF bao gồm 6 biến quan sát P1, P2, P3, P4, P5, P6. Kết quả kiểm định
bằng Cronbach Alpha như sau:
2.4a - Reliability Statistics

Cronbach's
Alpha
N of Items
,839
6


2.4b - Item-Total Statistics

Scale Mean if
Item Deleted
Scale Variance
if Item Deleted
Corrected
Itemotal
Correlation
Cronbach's
Alph if Item
Deleted
P1
18,57
12,831
,598
,817
P2
18,75
12,956
,577
,821
P3

18,68
12,321
,654
,805
P4
18,51
12,815
,593
,818
P5
18,48
12,596
,670
,803
P6
18,80
12,423
,605
,816

Hệ số Cronbach Alpha = 0.839 > 0.7 vì vậy thang đo có độ tin cậy tốt. Thêm vào
đó, hệ số Cronbach Alpha giảm khi loại bỏ bất cứ biến nào, hệ số tương quan biến tổng
hiệu chỉnh (Corrected Item – Total Correlation) của hai biến đều lớn hơn 0.5, vì vậy
thang đo có độ tin khá tốt.
Kết luận: Chấp nhận thang đo PF.
KẾT LUẬN:
Sau khi phân tích nhân tố EFA và kiểm tra độ tin cậy, ta có kết quả sau:
Loại hai nhân tố OCF2, PVF2
Loại biến đo lường MP14 trong thang đo MPF2, thang đo này được đo lường bằng 3
biến quan sát MP11, MP12, MP13

Còn lại 5 biến đủ độ tin cậy đo lường là: OCF1, PVF1, MPF1, MPF2, PF




















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
đƣợc khi phân tích EFA và kiểm tra độ tin cậy (OCF1, PVF1, MPF1, MPF2,
PF) và biến phân loại lần lƣợt là OWN, POS, AGE, EXP

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.
Tính MEAN cho các nhân tố:

COMPUTE OCF1=MEAN(OC11,OC12,OC13,OC14,OC15,OC25,OC26).
EXECUTE.
COMPUTE PVF1=MEAN(PV2,PV5,PV6,PV7,PV8).
EXECUTE.
COMPUTE MPF1=MEAN(MP15,MP16,MP21,MP22,MP23,MP24,MP25,MP26).
EXECUTE.
COMPUTE MPF2=MEAN(MP11,MP12,MP13).
EXECUTE.
COMPUTE PF=MEAN(P1,P2,P3,P4,P5,P6).
EXECUTE.

3.1 Biến phân loại OWN:
H
0
: không có sự khác biệt giữa các loại hình doanh nghiệp
H
1
: có sự khác biệt giữa các loại hình doanh nghiệp.
Nếu p-value < 0.05: bác bỏ H
0
, chấp nhận H
1

Kết quả phân tích Anova như sau:
3.1a - Test of Homogeneity of Variances

Levene Statistic
df1
df2
Sig.
OCF1
8,452
3
876
,000
PVF1
2,076
3
876
,102
MPF1
1,709
3
876
,164
MPF2
7,146
3
876
,000
PF
2,246

3
876
,082







3.1b - ANOVA

Sum of Squares
df
Mean Square
F
Sig.
OCF1
Between Groups
2,041
3
,680
1,374
,249
Within Groups
433,804
876
,495

Total
435,846
879



PVF1
Between Groups
1,032
3
,344
,762
,515
Within Groups
395,247
876
,451


Total
396,279
879



MPF1
Between Groups
18,168
3
6,056

9,419
,000
Within Groups
563,224
876
,643


Total
581,392
879



MPF2
Between Groups
4,671
3
1,557
2,278
,078
Within Groups
598,739
876
,683


Total
603,410
879

PF
Between Groups
9,218
3
3,073
6,379
,000
Within Groups
421,947
876
,482


Total
431,166
879




Phân tích kết quả:
- Nhân tố OCF1, PVF1 & MPF2
Từ kết quả bảng 3.1b cho kết quả Sig của các nhân tố Sig
OCF1
= 0.249, Sig
PVF1
=0.515

& Sig
MPF2
= 0.78 đều > 0.05 nên đủ điều kiện để chấp nhận H
0 ,
tức không có sự khác biệt
giữa các loại hình doanh nghiệp
- Nhân tố MPF1
Từ bảng 3.1a cho kết quả Sig = 0.164 > 0.05 nên không có sự khác biệt về phương sai
của các nhóm.
Như kết quả bảng 3.1b Sig của nhân tố MPF2 = 0.000 < 0.05 nên đủ điều kiện để bác
bỏ H
0
& chấp nhận giả thuyết H
1
(hay có một cặp trung bình khác nhau nhưng chưa biết
cặp nào)
- Nhân tố PF
Từ bảng 3.1a cho kết quả Sig = 0.82> 0.05 nên không có sự khác biệt về phương sai
của các nhóm.
Ở bảng 3.1b cho kết quả Sig = 0.000 < 0.05 nên đủ điều kiện để bác bỏ H
0
& chấp
nhận giả thuyết H
1
(hay có một cặp trung bình khác nhau nhưng chưa biết cặp nào)




Để xác định sự khác nhau giữa các nhóm ta tiến hành kiểm định hậu ANOVA và

kết quả như sau:

3.1c - Multiple Comparisons
Tukey HSD
Dependent Variable
(I) OWN
(J) OWN
Mean
Difference (I-J)
Std. Error
Sig.
95% Confidence Interval
Lower Bound
Upper Bound
MPF1
1
2
-,21512
*

,07822
,031
-,4165
-,0138
3
-,37191
*

,07158
,000

-,5562
-,1877
4
-,25062
*

,07502
,005
-,4437
-,0575
2
1
,21512
*

,07822
,031
,0138
,4165
3
-,15679
,07971
,201
-,3619
,0484
4
-,03550
,08281
,974
-,2486

,1776
3
1
,37191
*

,07158
,000
,1877
,5562
2
,15679
,07971
,201
-,0484
,3619
4
,12129
,07656
,388
-,0758
,3184
4
1
,25062
*

,07502
,005
,0575

,4437
2
,03550
,08281
,974
-,1776
,2486
3
-,12129
,07656
,388
-,3184
,0758
PF
1
2
-,01010
,06770
,999
-,1844
,1642
3
-,24754
*

,06196
,000
-,4070
-,0881
4

-,09978
,06493
,416
-,2669
,0673
2
1
,01010
,06770
,999
-,1642
,1844
3
-,23744
*

,06899
,003
-,4150
-,0599
4
-,08969
,07167
,594
-,2742
,0948
3
1
,24754
*

,06196
,000
,0881
,4070
2
,23744
*

,06899
,003
,0599
,4150
4
,14775
,06627
,116
-,0228
,3183
4
1
,09978
,06493
,416
-,0673
,2669
2
,08969
,07167
,594

-,0948
,2742
3
-,14775
,06627
,116
-,3183
,0228
*. The mean difference is significant at the 0.05 level.

Từ bảng 3.1c ta thấy:
- Đối với nhân tố MPF1 thì:
o Phương sai sig
12
= 0.031 < 0.05 nên có sự khác biệt giữa nhóm doanh
nghiệp loại 1 và loại 2,
o Phương sai sai sig
13
= 0.00 < 0.05 nên có sự khác biệt giữa nhóm doanh
nghiệp loại 1 và loại 3,
o Phương sai sai sig
14
= 0.005 < 0.05 nên có sự khác biệt giữa nhóm
doanh nghiệp loại 1 và 4.

- Đối với nhân tố PF thì:
o Phương sai sig
13
= 0.00 < 0.05 nên có sự khác biệt giữa nhóm doanh
nghiệp loại 1 và loại 3,

o Phương sai sig
23
= 0.03 < 0.05 nên có sự khác biệt giữa nhóm doanh
nghiệp loại 2 và loại 3.
Kết luận:
- Có khác biệt về thực tiễn quản trị giữa loại hình doanh nghiệp 1 & loại hình
doanh nghiệp loại 2, 3 và 4.
- Có khác biệt về kết quả hoạt động kinh doanh giữa loại hình doanh nghiệp 3 &
loại hình doanh nghiệp loại 1 và 2.
- Không có sự khác biệt về văn hóa tổ chức, giá trị của quản trị gia và thực tiễn
quản trị (MP11, MP12, MP13) giữa các loại hình doanh nghiệp.

3.2 Biến phân loại POS:
Vì tiêu thức phân loại chỉ phân ra làm hai nhóm, quản lý cấp cao và quản lý cấp trung
nên ta chỉ cần tìm ra các biến tiềm ẩn có khác biệt về trung bình mà không cần dùng Post
hoc test.

3.2a - Test of Homogeneity of Variances

Levene Statistic
df1
df2
Sig.
OCF1
6,322
1
878
,012
PVF1
1,613

1
878
,204
MPF1
3,482
1
878
,062
PF
5,192
1
878
,023
MPF2
2,108
1
878
,147

3.2b - ANOVA

Sum of Squares
df
Mean Square
F
Sig.
OCF1
Between Groups
8,135
1

8,135
16,699
,000
Within Groups
427,711
878
,487


Total
435,846
879



PVF1
Between Groups
,671
1
,671
1,490
,223
Within Groups
395,608
878
,451


Total
396,279

879



MPF1
Between Groups
11,770
1
11,770
18,142
,000
Within Groups
569,622
878
,649


Total
581,392
879



PF
Between Groups
4,905
1
4,905
10,103
,002

Within Groups
426,261
878
,485


Total
431,166
879



MPF2
Between Groups
,383
1
,383
,557
,456
Within Groups
603,027
878
,687


Total
603,410
879

Phân tích kết quả:
- Nhân tố PVF1, MPF2
Từ kết quả bảng 3.2a ta có sig của PVF1 và MPF2 lần lượt là 0.204, 0.147 đều lớn
hơn 0.05 nên không có sự khác biệt về phương sai
Từ bảng 3.2b cho kết quả phương sai của PVF1 và MPF2 lần lượt là 0.223 & 0.456 >
0.05 nên chấp nhận giả thiết H
0
, tức không có sự khác biệt về giá trị của quản trị gia và
thực tiễn quản trị (M11, M12, M13) giữa hai cấp bậc quản lý
- Nhân tố OCF1
Từ bảng 3.1a cho kết quả sig = 0.012 < 0.05 nên có sự khác biệt về phương sai giữa
các nhóm
Từ bảng 3.2b thì sig = 0.00 < 0.05 nên bác bỏ giả thiết H
0
, tức có sự khác biệt về văn
hóa tổ chức giữa hai cấp bậc quản lý
- Nhân tố MPF1
Từ bảng 3.1a cho kết quả sig = 0.62 > 0.05 nên không có sự khác biệt về phương sai
giữa các nhóm
Từ bảng 3.2b thì sig = 0.000 < 0.05 nên bác bỏ giả thiết H
0
, tức có sự khác biệt về
thực tiễn quản trị giữa hai cấp bậc quản lý
- Nhân tố PF
Từ bảng 3.1a cho kết quả sig = 0.23 < 0.05 nên có sự khác biệt về phương sai giữa
các nhóm
Từ bảng 3.2b thì sig = 0.000 < 0.05 nên bác bỏ giả thiết H

0
, tức có sự khác biệt về kết
quả hoạt động của công ty giữa hai cấp bậc quản lý.

3.3 Biến phân loại AGE:

3.3a - Test of Homogeneity of Variances

Levene Statistic
df1
df2
Sig.
OCF1
,071
2
877
,932
PVF1
,525
2
877
,592
MPF1
,259
2
877
,772
MPF2
1,896
2

877
,151
PF
4,075
2
877
,017













3.3b - ANOVA

Sum of Squares
df
Mean Square
F
Sig.
OCF1
Between Groups
1,974

2
,987
1,995
,137
Within Groups
433,872
877
,495


Total
435,846
879



PVF1
Between Groups
,623
2
,311
,690
,502
Within Groups
395,657
877
,451


Total

396,279
879



MPF1
Between Groups
2,852
2
1,426
2,162
,116
Within Groups
578,540
877
,660


Total
581,392
879



MPF2
Between Groups
7,176
2
3,588
5,278

,005
Within Groups
596,234
877
,680


Total
603,410
879



PF
Between Groups
3,550
2
1,775
3,640
,027
Within Groups
427,615
877
,488


Total
431,166
879

Tương tự như phân tích ở phần trên thì ở biến phân loại AGE chỉ có nhân tố MPF2 &
PF có khác biệt nhau về trung bình giữa các nhóm, các nhóm còn lại không có sự khác
biệt.
Vậy có sự khác biệt về kết quả kinh doanh của công ty đối với độ tuổi của quản trị gia
và có sự khác nhau về thực tiễn quản trị (MP11, MP12, MP13) đối với độ tuổi của quản
trị gia, nhưng để xác định khác nhau ở nhóm độ tuổi của quản trị gia nào thì tiến hành
kiểm định hậu ANOVA:
- Đối với MPF2 không có sự khác biệt về phương sai:

3.3c - Multiple Comparisons
Dependent Variable: MPF2
Tukey HSD
(I) AGE
(J) AGE
Mean
Difference (I-J)
Std. Error
Sig.
95% Confidence Interval
Lower Bound
Upper Bound
1
2
-,14896
,06534
,059
-,3023

,0044
3
,09256
,09752
,609
-,1364
,3215
2
1
,14896
,06534
,059
-,0044
,3023
3
,24152
*

,08780
,017
,0354
,4476
3
1
-,09256
,09752
,609
-,3215
,1364
2

-,24152
*

,08780
,017
-,4476
-,0354
*. The mean difference is significant at the 0.05 level.


- Đối với PF có sự khác biệt về phương sai:

3.3d - Multiple Comparisons
Dependent Variable: PF
Tamhane
(I) AGE
(J) AGE
Mean
Difference (I-J)
Std. Error
Sig.
95% Confidence Interval
Lower Bound
Upper Bound
1
2
-,14062
*

,05198

,021
-,2652
-,0161
3
-,16582
,08818
,174
-,3785
,0468
2
1
,14062
*

,05198
,021
,0161
,2652
3
-,02520
,08289
,986
-,2256
,1752
3
1
,16582
,08818
,174
-,0468

,3785
2
,02520
,08289
,986
-,1752
,2256
*. The mean difference is significant at the 0.05 level.

Từ bảng 3.3c ta thấy:
- Đối với nhân tố MPF2 thì:
o Phương sai sig
23
= 0.017 < 0.05 nên có sự khác biệt giữa nhóm độ tuổi
loại 2 và loại 3.
Từ bảng 3.3d ta thấy:
- Đối với nhân tố PF thì:
o Phương sai sig
12
= 0.021 < 0.05 nên có sự khác biệt giữa nhóm độ tuổi
loại 1 và loại 2.
Kết luận:
- Có sự khác biệt về kết quả kinh doanh của công ty đối với độ tuổi của quản trị
gia giữa nhóm độ tuổi loại 1 và loại 2
- Có sự khác nhau về thực tiễn quản trị (MP11, MP12, MP13) đối với độ tuổi
của quản trị gia giữa nhóm độ tuổi loại 2 và loại 3
- Không có sự khác biệt về văn hóa tổ chức, giá trị của quản trị gia và thực tiễn
quản trị (MP15, MP16, MP21, MP22, MP24, MP25, MP26) giữa nhóm độ
tuổi.

3.4 Biến phân loại EXP:


3.4a - Test of Homogeneity of Variances

Levene Statistic
df1
df2
Sig.
OCF1
,815
3
876
,486
PVF1
1,311
3
876
,269
MPF1
3,051
3
876
,028
MPF2
2,459
3
876
,062
PF

1,439
3
876
,230


3.4b - ANOVA

Sum of Squares
df
Mean Square
F
Sig.
OCF1
Between Groups
3,516
3
1,172
2,375
,069
Within Groups
432,330
876
,494


Total
435,846
879

PVF1
Between Groups
2,620
3
,873
1,944
,121
Within Groups
393,659
876
,449


Total
396,279
879



MPF1
Between Groups
6,530
3
2,177
3,317
,019
Within Groups
574,862

876
,656


Total
581,392
879



MPF2
Between Groups
7,511
3
2,504
3,680
,012
Within Groups
595,899
876
,680


Total
603,410
879



PF

Between Groups
10,920
3
3,640
7,587
,000
Within Groups
420,246
876
,480


Total
431,166
879




Phân tích kết quả:
Nhân tố OCF1, PVF1
Từ kết quả bảng 3.4a ta có sig của OCF1 & PVF1 đều lớn hơn 0.05 nên không có sự
khác biệt về phương sai giữa các nhóm
Bảng 3.4b cho thấy sig của chúng cũng > 0.05 nên chấp nhận giả thiết H
0

Nhân tố MPF1
Từ kết quả bảng 3.4a ta có sig của MPF1 = 0.028 < 0.05 nên có sự khác biệt về
phương sai giữa các nhóm
Bảng 3.4b cho thấy sig = 0.19 < 0.05 nên bác bỏ giả thiết H

0

Nhân tố MPF2 & PF
Từ kết quả bảng 3.4a ta có sig của MPF2 & PF đều lớn hơn 0.05 nên không có sự
khác biệt về phương sai giữa các nhóm
Bảng 3.4b cho thấy sig của chúng cùng < 0.05 nên bác bỏ giả thiết H
0

Để đánh giá chúng khác nhau giữa nhóm nào, tiếp tục kiểm định hậu ANOVA