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

Trường Đại Học Kinh Tế TPHCM
Viện Đào Tạo Sau Đại Học
Khoa Quản Trị Kinh Doanh
  









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

BÀI TẬP XỬ LÝ DỮ LIỆU





GVHD : TS. NGUYỄN HÙNG PHONG
Học viên : ĐỖ THỊ CÁT TRÂM
MSHV : 7701221218


TPHCM – 08/2013

YÊU CẦU
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).
 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
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 của hàm tương quan đa biến.
6. Xây dựng hàm tương quan với biến giả trong đó DNNN được chọn là biến cơ sở.












MỤC LỤC

1. Thực hiện phân tích nhân tố khám phá (EFA) 4
1.1. Phân tích nhân tố khám phá EFA với khái niệm OC 6
1.2. Phân tích nhân tố khám phá EFA với khái niệm PV 8
1.3. Phân tích nhân tố khám phá EFA với khái niệm MP 10
1.4. Phân tích nhân tố khám phá EFA với khái niệm phụ thuộc P 13
2. Kiểm định độ tin cậy của thang đo 15
2.1. Kiểm định thang đo OC 15
2.2. Kiếm định thang đo PV 18
2.3. Kiếm định thang đo MP 19
2.4. Kiếm định thang đo P 22
3. 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 24
4. Xây dựng hàm tương quan giữa P và các biến độc lập OC1, PVA, MP1, MP2: 35
5. Kiểm định các giả thuyết của hàm tương quan đa biến: 38

5.1. Kiểm định hiện tượng đa cộng tuyến: 38
5.2. Kiểm định hiện tượng Heteroskedascity 39
5.3. Kiểm định quan hệ tuyến tính 39
5.4. Các sai lệch ngẩu nhiên hoàn toàn độc lập với nhau về phương diện thống kê. . 39
5.5. Các sai lệch ngẩu nhiên có phân phối chuẩn 39
6. Xây dựng hàm tương quan với biến giả trong đó DNNN được chọn là biến cơ sở: 39
TÀI LIỆU THAM KHẢO 44










BÀI LÀM
1. Thực hiện phân tích nhân tố khám phá (EFA)
Mô hình lý thuyết nghiên cứu:

Hình 1: 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 được mô tả như 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.
Trước khi tiến hành phân tích dữ liệu, cần tiến hành làm sạch dữ liệu. Lập bảng
tần số cho tất cả các biến, rà soát để xác định các dữ liệu bị lỗi. Kết quả kiểm tra có một
vài số liệu bỏ trống, kết quả xử lý phía sau xem như bỏ qua các giá trị trống này. Riêng
đối với biến MP16, xuất hiện giá trị 12 trong bảng tần số:







Bảng 1.1: Bảng tần số của biến MP16.

Bảng 1.2: MP16


Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1
47
4.9
4.9
4.9
2
83
8.7
8.7
13.6
3
173
18.2
18.2
31.8
4
329
34.5
34.5
66.3
5
320

33.6
33.6
99.9
12
1
.1
.1
100.0
Total
953
100.0
100.0


Giá trị 12 nằm ngoài tầm giá trị của thang đo Likert 5 điểm, do đó đây là giá trị
sai, cần điều chỉnh. Kết quả tìm kiếm xác định được vị trí nhập sai của giá trị này là ở vị
trí 522. Giá trị trung bình của MP16 là 3.84, do đó giá trị điều chỉnh là cho ô này là 4 (ở
đây không có bảng câu hỏi để truy tìm lại).
Bảng 1.1: Statistics
MP16

N
Valid
953
Missing
0
Mean
3.84

Ta thấy trong mẫu khảo sát có một số bảng trả lời câu hỏi chưa được trả lời đầy đủ
(miss một số thông tin) và biến kinh nghiệm quản lý (EXP) theo đề bài chỉ chia làm 4
bậc, từ bậc 1 đến bậc 4 nhưng trong mẫu khảo sát có tới 48 bảng trả lời câu hỏi có giá trị
5, nên cần phải làm sạch dữ liệu này bằng cách loại bỏ các bảng trả lời câu hỏi không
thích hợp.
Tương tự, chạy thống kê mô tả đối với các biến định lượng, sau đó loại bỏ các bảng trả
lời câu hỏi không thích hợp.
Sau khi làm sạch dữ liệu, 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:

Bảng 1.3: KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.853
Bartlett's Test of
Sphericity
Approx. Chi-Square
2.614E3
df
55

Sig.
.000

Ở đây ta có giá trị KMO = 0.853 > 0.5; giá trị p = 0.000 < 5% nên kết luận các
biến quan sát đo lường các biến độc lập OC thỏa điều kiện để phân tích EFA.
Kết quả chạy EFA như sau:

Bảng 1.4: Total Variance Explained
Compon
ent
Initial Eigenvalues
Extraction Sums of
Squared Loadings
Rotation Sums of
Squared Loadings

Tot
al
% of
Varian
ce
Cumulat
ive %
Tot
al
% of
Varian
ce
Cumulat
ive %

Tot
al
% of
Varian
ce
Cumulat
ive %
1
3.8
52
35.021
35.021
3.8
52
35.021
35.021
3.3
11
30.104
30.104
2
1.3
61
12.377
47.398
1.3
61
12.377
47.398
1.9

02
17.294
47.398


3
0.9
28
8.434
55.832






4
0.8
67
7.879
63.711






5
0.8
38

7.622
71.332






6
0.7
5
6.816
78.148






7
0.5
75
5.227
83.375

8
0.5
29
4.81
88.185






9
0.4
84
4.401
92.586






10
0.4
81
4.373
96.959

11
0.3
35
3.041
100






Extraction Method: Principal Component Analysis.

Bảng 1.5: Component Matrix
a


Component

1
2
OC11
.638
.062
OC12
.680
160

OC13
.690
.148
OC14
.707
373
OC15
.714
.077
OC21
.286
.471
OC22
.596
.364
OC23
.467
.477
OC24
.114
.565
OC25
.579
375
OC26
.702
351
Extraction Method: Principal Component Analysis.
a. 2 components extracted.

Bảng 1.6: Rotated Component Matrix
a


Component

1
2
OC11
.536
.353
OC12
.676
.175
OC13
.542
.453
OC14
.799
.000
OC15
.596
.401
OC21
.034
.551
OC22

.358
.599
OC23
.191
.640
OC24
162
.553
OC25
.686
062
OC26
.785
.017
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

Dựa vào bảng 1.4, tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax,
ta trích được 2 nhân tố, trong đó OC1 giải thích được 30.104% tổng biến thiên của nhân
tố OC, OC2 giải thích được 17.294% tổng biến thiên của nhân tố OC.
Dựa vào bảng 1.6, 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.
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:

Bảng 1.7: KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.743
Bartlett's Test of Sphericity
Approx. Chi-Square
1.376E3
df
36
Sig.
.000

Giá trị KMO = 0.743 > 0.5; giá trị p = 0.000 < 5% nên kết luận các biến quan sát
đo lường các biến độc lập PV thỏa điều kiện để phân tích EFA.
Kết quả chạy EFA như sau:



Bảng 1.8: Total Variance Explained
Co
mp
one
nt
Initial Eigenvalues
Extraction Sums of
Squared Loadings
Rotation Sums of Squared
Loadings
Total
% of
Variance
Cumulati
ve %

Total
% of
Variance
Cumulati
ve %
Total
% of
Variance
Cumulati
ve %
1
2.533
28.148
28.148
2.533
28.148
28.148
2.487
27.629
27.629
2
1.767
19.631
47.779
1.767
19.631
47.779
1.813
20.150
47.779

3
.889
9.876
57.656






4
.808
8.976
66.631






5
.753
8.365
74.996

6
.671
7.454
82.451






7
.589
6.543
88.994






8
.545
6.051
95.045

9
.446
4.955
100.000






Extraction Method: Principal
Component Analysis.







Bảng 1.9: Component Matrix
a


Component

1
2
PV1
.482
.529

PV2
.623
109
PV3
.151
.740
PV4
025
.622
PV5
.692
302
PV6
.737
223
PV7
.593
.132
PV8
.684
175
PV9
.220
.593
Extraction Method: Principal Component Analysis.
a. 2 components extracted.

Dựa vào bảng 1.8, tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax,
ta trích được 2 nhân tố, gọi là PVA và PVB, trong đó PVA giải thích được 27.629% tổng
biến thiên của nhân tố PV, PVB giải thích được 20.150% tổng biến thiên của nhân tố PV.
Dựa vào bảng 1.10, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy các biến PV2,
PV5, PV6, PV7, PV8 nhóm thành một nhóm (PVA); các PV1, PV3, PV4, PV9 nhóm
thành một nhóm (PVB). Như vậy, ta nhận thấy, sau khi phân tích nhân tố, biến PV từ một
biến cấp 1 trở thành biến cấp 2 bao gồm 2 nhóm nhân tố PVA và PVB.

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:

Bảng 1.11: KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
.868
Bartlett's Test of
Sphericity

2.764E3
df
66
Sig.
.000

Giá trị KMO = 0.868 > 0.5; giá trị p = 0.000 < 5% nên kết luận các biến quan sát đo
lường các biến độc lập MP thỏa điều kiện để phân tích EFA.

Kết quả chạy EFA như sau:

Bảng 1.10: Rotated Component Matrix
a


Component

1
2
PV1
.337
.632
PV2
.630
.048
PV3
037
.755
PV4
177
.596
PV5
.745
122
PV6
.769
034
PV7
.542

.274
PV8
.706
.000
PV9
.067
.629
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.


Bảng 1.12: Total Variance Explained
Com
pone
nt
Initial Eigenvalues
Extraction Sums of
Squared Loadings
Rotation Sums of Squared
Loadings
Total
% of
Variance
Cumulativ
e %
Total
% of
Varianc
e

Cumu
lative
%
Total
% of
Variance
Cumulative
%
1
4.179
34.824
34.824
4.179
34.824
34.82
4
3.488
29.066
29.066
2
1.277
10.644
45.468
1.277
10.644
45.46
8
1.745
14.542
43.608

3
1.011
8.425
53.893
1.011
8.425
53.89
3
1.234
10.285
53.893
4
.853
7.105
60.999






5
.794
6.616
67.615

6
.707
5.888
73.503






7
.643
5.360
78.863






8
.605
5.038
83.901

9
.551
4.589
88.489






10
.516
4.298
92.788






11
.481
4.005
96.793

12
.385
3.207
100.000






Extraction Method: Principal
Component Analysis.







Dựa vào bảng 1.12, 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 29.066% tổng biến
thiên của nhân tố MP, nhân tố thứ hai giải thích được 14.542% tổng biến thiên của nhân
tố MP, nhân tố thứ ba giải thích được 10.285% tổng biến thiên của nhân tố MP.

Bảng 1.13: Component Matrix
a


Component

1
2
3
MP11
.498
.405
531
MP12
.556
.470
380
MP13
.490
.557
.132
MP14
.176
.527
.690
MP15
.639
143
.122


MP16
.622
163
022

MP21
.615
352
062
MP22
.584
198
091
MP23
.613
271
.154
MP24
.704
042
.080
MP25
.710
021
.072
MP26
.680
135
.169
Extraction Method: Principal Component Analysis.
a. 3 components extracted.

Bảng 1.14: Rotated Component Matrix
a

Component

1
2
3
MP11
.165
.815
050
MP12
.210
.785
.116
MP13
.193
.484
.544
MP14
.021
030
.885
MP15
.644
.117
.126
MP16
.615
.189
.001

MP21
.689
.092
149
MP22
.587
.194
080
MP23
.685
.005
.064
MP24
.647
.237
.170
MP25
.642
.257
.178
MP26
.683
.110
.174
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 4 iterations.

Dựa vào bảng 1.14, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy biến MP bao gồm
3 nhân tố:

- MP1 bao gồm các biến MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26
- MP2 bao gồm các biến MP 11, MP12
- MP3 bao gồm các biến MP13, MP14.





1.4. Phân tích nhân tố khám phá EFA với khái niệm phụ thuộc P
Đưa toàn bộ các biến đo lường cho MP vào phân tích EFA. Kết quả ta có:

Bảng 1.15: KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
.847
Bartlett's Test of
Sphericity
Approx. Chi-Square
1.959E3
df
15
Sig.
.000

Giá trị KMO = 0.847 > 0.5; giá trị p = 0.000 < 5% nên kết luận các biến quan sát
đo lường các biến P thỏa điều kiện để phân tích EFA.
Kết quả chạy EFA như sau:
Bảng 1.16: Total Variance Explained
Comp
onent

Initial Eigenvalues
Extraction Sums of Squared Loadings
Total
% of
Variance
Cumulative
%
Total
% of
Variance
Cumulative %
1
3.301
55.022
55.022
3.301
55.022
55.022
2
.820
13.670
68.692



3
.555
9.253
77.945

4
.486
8.100
86.045



5
.466
7.764
93.809



6
.371
6.191
100.000



Extraction Method: Principal Component
Analysis.




Dựa vào bảng 1.16, tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax,

ta trích được 1 nhân tố, giải thích được 55.022% tổng biến thiên của nhân tố P.

Bảng 1.17: Component Matrix
a


Component

1
P1
.729
P2
.714
P3
.779
P4
.733
P5
.771




Dựa vào bảng 1.17, 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.
 Từ kết quả phân tích EFA ta có mô hình nghiên cứu hiệu chỉnh như trình bày ở hình 2.

Hình 2: Mô hình nghiên cứu sau khi phân tích EFA.

P6
.722
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
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
O
C
MP
OC1
OC2
MP3
MP1
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
MP13
OC15
MP15
OC15
MP12
MP14
MP11
MP16

P1
OC15
P5
OC15
P4
P2

P3
P6
OC25
OC26
PVA
PVB
MP2


 Tính giá trị các biến mới:
COMPUTE OC1=MEAN(OC11,OC12,OC13,OC14,OC15,OC25,OC26).
EXECUTE.
COMPUTE OC2=MEAN(OC21,OC22,OC23,OC24).
EXECUTE.
COMPUTE OC=MEAN(OC1,OC2).
EXECUTE.
COMPUTE PVA=MEAN(PV2,PV5,PV6,PV7,PV8).
EXECUTE.
COMPUTE PVB=MEAN(PV1,PV3,PV4,PV9).
EXECUTE.
COMPUTE PV=MEAN(PVA,PVB).
EXECUTE.
COMPUTE MP1=MEAN(MP15, MP16, MP21, MP22, MP23, MP24, MP25, MP26).

EXECUTE.
COMPUTE MP2=MEAN(MP11,MP12).
EXECUTE.
COMPUTE MP3=MEAN(MP13,MP14).
EXECUTE.
COMPUTE MP=MEAN(MP1,MP2,MP3).
EXECUTE.
COMPUTE P=MEAN(P1,P2,P3,P4,P5,P6).
EXECUTE.

2. Kiểm định độ tin cậy của thang đo
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
 Kiểm định thang đo OC1:
Thang đo OC1 gồm 7 biến quan sát OC11, OC12, OC13, OC14, OC15, OC25,
OC26. Ma trận hệ số tương quan của các biến được trình bày ở bảng 2.1.

Bảng 2.1: Inter-Item Correlation Matrix

OC11
OC12
OC13
OC14
OC15
OC25

OC26
OC11
1.000
.461
.374
.288
.374
.340
.295
OC12
.461
1.000
.330
.401
.413
.440
.388
OC13
.374
.330
1.000
.412
.403
.282
.420
OC14
.288
.401
.412
1.000

.452
.401
.656


OC15
.374
.413
.403
.452
1.000
.294
.401
OC25
.340
.440
.282
.401
.294
1.000
.414
OC26
.295
.388
.420
.656
.401
.414
1.000

Các hệ số tương quan giữa các biến đều lớn hơn hoặc xấp xỉ 0.3, tạm chấp nhận
được.

Bảng 2.2: Reliability Statistics
Cronbach's Alpha
Cronbach's Alpha Based on
Standardized Items
N of Items
.815
.819
7

Bảng 2.3: 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

24.63
18.662
.503
.297
.799
OC12
24.57
18.518
.576
.365
.787
OC13
24.94
17.634
.526
.292
.798
OC14
24.46
18.497
.625
.497
.780
OC15
25.03
18.031
.556
.324
.790
OC25

24.40
19.641
.504
.288
.799
OC26
24.47
18.359
.612
.485
.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.

 Kiểm định thang đo OC2:
Thang đó OC2 gồm 4 biến OC21, OC22, OC23, OC24. Đưa các biến này vào
kiểm định thang đo, kết quả như sau:

Bảng 2.4: Inter-Item Correlation Matrix

OC21
OC22
OC23

OC24
OC21
1.000
.201
.178
.138
OC22
.201
1.000
.311
.119


OC23
.178
.311
1.000
.139
OC24
.138
.119
.139
1.000

Bảng 2.5: Reliability Statistics
Cronbach's Alpha
Cronbach's Alpha Based on
Standardized Items
N of Items
.463

.469
4


Bảng 2.6: 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
OC21
9.92
5.510
.252
.066
.405
OC22
10.03
5.681

.315
.123
.348
OC23
9.91
5.521
.310
.119
.348
OC24
10.23
5.799
.190
.036
.467

Hệ số Cronbach Alpha = 0.463 << 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 = 0.252 và OC24 =0.19 nhỏ hơn 0.3 vì vậy cần loại bỏ biến OC21 và OC24 để
tăng độ tin cậy cho thang đo.
Kiểm định độ tin cậy thang đo OC2 với 2 biến quan sát là OC22 và OC23 ta được
kết quả sau:

Bảng 2.7: Reliability Statistics
Cronbach's Alpha
Cronbach's Alpha Based on
Standardized Items
N of Items

.474
.475
2

Bảng 2.8: 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
OC22
3.45
1.301
.311
.097
.
OC23
3.34
1.175

.311
.097
.

Kết quả cho thấy, với hai biến OC22 và OC23 hệ số Cronbach Alpha = 0.474 vẫn
nhỏ hơn 0.6, do đó cần bổ sung thêm các biến mới để tăng độ tin cậy cho thang đo OC2.


Kết luận: loại bỏ OC21 và OC24 khỏi thang đo cho OC2 đồng thời thêm các biến
mới vào để đo lường OC2 đạt được độ tin cậy cao hơn.
2.2. Kiếm định thang đo PV
 Kiểm định thang đo PVA:
Thang đo PVA bao gồm 5 biến quan sát PV2, PV5, PV6, PV7, PV8. Kết quả kiểm
định thang đo như sau:

Bảng 2.9: Inter-Item Correlation Matrix

PV2
PV5
PV6
PV7
PV8
PV2
1.000
.301
.320
.190
.403
PV5
.301

1.000
.544
.298
.362
PV6
.320
.544
1.000
.341
.374
PV7
.190
.298
.341
1.000
.258
PV8
.403
.362
.374
.258
1.000

Bảng 2.10: Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha Based
on Standardized Items
N of Items
.714

.720
5

Bảng 2.11: 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
16.47
8.232
.413
.205
.689
PV5
16.41
7.602
.537

.340
.640
PV6
16.56
7.457
.571
.366
.626
PV7
17.11
7.813
.371
.149
.714
PV8
16.39
8.005
.490
.259
.660

Hệ số Cronbach Alpha = 0.714 >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.
 Kiểm định thang đo PVB:

Thang đo PVA bao gồm 5 biến quan sát PV1, PV3, PV4, PV9. Kết quả kiểm định
thang đo như sau:



Bảng 2.12: Inter-Item Correlation Matrix

PV1
PV3
PV4
PV9
PV1
1.000
.369
.158
.241
PV3
.369
1.000
.260
.260
PV4
.158
.260
1.000
.213
PV9
.241
.260
.213

1.000

Bảng 2.13: Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha
Based on
Standardized Items
N of Items
.565
.572
4

Bảng 2.14: 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

PV1
9.45
6.719
.357
.161
.489
PV3
10.22
6.247
.428
.198
.431
PV4
10.16
6.338
.290
.092
.548
PV9
9.71
6.515
.332
.111
.507

Hệ số Cronbach Alpha = 0.565 < 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 = 0.29 nhỏ hơn 0.3 vì vậy
cần xem xét giá trị nội dung của biến này để cân nhắc loại bỏ.
Kết luận: Xem xét loại bỏ PV4 và thêm các biến mới để tăng độ tin cậy cho thang

đo PVB.
2.3. Kiếm định thang đo MP
 Kiểm định thang đo MP1:
Thang đo MP1 bao gồm 8 biến quan sát MP15, MP16, MP21, MP22, MP23,
MP24, MP25, MP26. Kết quả kiểm định bằng Cronbach Alpha như sau:

Bảng 2.15: Inter-Item Correlation Matrix

MP15
MP16
MP21
MP22
MP23
MP24
MP25
MP26
MP15
1.000
.447
.325
.313
.348
.349
.360
.409
MP16
.447
1.000
.352
.293

.292
.389
.372
.322
MP21
.325
.352
1.000
.461
.375
.359
.320
.370
MP22
.313
.293
.461
1.000
.305
.319
.330
.288


MP23
.348
.292
.375
.305
1.000

.419
.343
.428
MP24
.349
.389
.359
.319
.419
1.000
.536
.391
MP25
.360
.372
.320
.330
.343
.536
1.000
.507
MP26
.409
.322
.370
.288
.428
.391
.507
1.000

Bảng 2.16: Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based
on
Standardized
Items
N of
Items
.822
.824
8

Bảng 2.17: 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
24.85
32.394
.537
.316
.803
MP16
24.30
34.077
.518
.300
.805
MP21
24.68
32.637
.540
.330
.802
MP22
24.51
33.965
.483
.274
.810
MP23
25.13
32.778
.529

.302
.804
MP24
24.37
33.557
.584
.389
.797
MP25
24.29
33.308
.585
.415
.796
MP26
24.83
32.118
.577
.377
.797

Hệ số Cronbach Alpha = 0.822 > 0.7 vì vậy thang đo có độ tin cậy tốt. Thêm vào
đó, hệ số Cronbach Alpha giảm khi loại bỏ bất kỳ biến nào ra khỏi 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 rất tốt.
Kết luận: Chấp nhận thang đo MP1.
 Kiểm định thang đo MP2:
Thang đo MP2 bao gồm 2 biến quan sát MP11 và MP12. Kết quả kiểm định bằng
Cronbach Alpha như sau:

Bảng 2.18: Inter-Item Correlation Matrix

MP11
MP12
MP11
1.000
.445
MP12
.445
1.000

Bảng 2.19: Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha
Based on Standardized
Items
N of Items
.615
.615
2

Bảng 2.20: 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
3.99
1.121
.445
.198
.
MP12
3.86
1.231
.445
.198
.

Hệ số Cronbach Alpha = 0.615 > 0.6 vì vậy thang đo có độ tin cậy chấp nhận
được. Thêm vào đó, 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 MP2.
 Kiểm định thang đo MP3:
Thang đo MP3 bao gồm 2 biến quan sát MP13, MP14. Kết quả kiểm định bằng
Cronbach Alpha như sau:
Bảng 2.21: Inter-Item Correlation Matrix

MP13
MP14
MP13
1.000
.251
MP14
.251
1.000

Bảng 2.22: Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha
Based on Standardized
Items
N of Items
.400
.401
2

Bảng 2.23: 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
MP13
2.76
1.614
.251
.063
.
MP14
3.55
1.362
.251
.063
.

Hệ số Cronbach Alpha = 0.4 << 0.6 vì vậy thang đo có độ tin cậy chưa chấp nhận
được. Thêm vào đó, hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total
Correlation) của hai biến đều lớn hơn 0.3, hệ số tương quan giữa hai biến đều nhỏ 0.3 vì
vậy thang đo có độ tin chưa chấp nhận được. Cần thêm biến mới để tăng độ tin cậy của
thang đo.
Kết luận: Thêm biến mới để tăng độ tin cậy cho thang đo.

2.4. Kiếm định thang đo P
Thang đo P bao gồm 6 biến quan sát P1, P2, P3, P4, P5, P6. Kết quả kiểm định
bằng Cronbach Alpha như sau:

Bảng 2.24: Inter-Item Correlation Matrix

P1
P2
P3
P4
P5
P6
P1
1.000
.544
.531
.373
.433
.373
P2
.544
1.000

.493
.383
.387
.390
P3
.531
.493
1.000
.478
.472
.471
P4
.373
.383
.478
1.000
.578
.448
P5
.433
.387
.472
.578
1.000
.541
P6
.373
.390
.471
.448

.541
1.000

Bảng 2.25: Reliability Statistics
Cronbach's
Alpha
Cronbach's Alpha
Based on Standardized
Items
N of Items
.836
.836
6

Bảng 2.26: 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
P1
18.54
12.861
.595
.409
.812
P2
18.72
12.994
.579
.378
.815
P3
18.65
12.373
.655
.438
.800
P4
18.49
12.726
.597
.404
.811


P5
18.45
12.717

.647
.465
.802
P6
18.79
12.548
.586
.373
.814

Hệ số Cronbach Alpha = 0.836 > 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 P.
Mô hình:

Hình 1: 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
PVA
OC
MP
OC1
MP1
MP2
OC11
OC15
OC15
OC15
OC14
OC12
OC13
OC25


OC26
PV7

PV6
PV2

PV5
PV8
MP25
MP24
MP26
MP23
MP15
MP23
MP22
MP16
MP21
MP24
P1
OC15
P5
OC15
P4
P2

P3
P6
PV


3. 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
 Phân tích Anova một chiều với tiêu thức OWN:

Bảng 3.1: Descriptives


N
Mean
Std.
Deviation
Std. Error
95% Confidence Interval
for Mean
Minimu
m
Maximu
m


Lower Bound
Upper Bound
OC1
1
299
4.092291
8E0
.78353517
.0453130
1
4.0031177
4.1814658
1.00000

5.00000
2
179
4.094174
0E0
.70509434
.0527012
3
3.9901744
4.1981736
1.14286
5.00000
3
254
4.164229
5E0
.54957616
.0344834
8
4.0963182
4.2321407
1.71429
5.00000
4
220
4.070779
2E0
.75079528
.0506186
1

3.9710173
4.1705412
1.00000
5.00000
Total
952
4.106867
7E0
.70488949
.0228456
0
4.0620341
4.1517014
1.00000
5.00000
PV
A
1
299
4.187959
9E0
.70538831
.0407936
6
4.1076797
4.2682400
1.00000
5.00000
2
179

4.150838
0E0
.72129477
.0539121
0
4.0444489
4.2572271
1.20000
5.00000
3
254
4.126181
1E0
.56224562
.0352784
3
4.0567043
4.1956579
2.00000
5.00000
4
220
4.112727
3E0
.70718544
.0476784
3
4.0187600
4.2066946
1.00000

5.00000
Total
952
4.147111
3E0
.67340930
.0218253
2
4.1042800
4.1899427
1.00000
5.00000
MP
1
1
299
3.337135
7E0
.85020089
.0491683
9
3.2403744
3.4338969
1.00000
5.00000
2
179
3.534916
2E0
.75861355

.0567014
4
3.4230227
3.6468097
1.25000
5.00000
3
254
3.670064
7E0
.73314268
.0460014
6
3.5794701
3.7606593
1.37500
5.00000
4
220
3.558279
2E0
.85053367
.0573429
7
3.4452645
3.6712939
1.12500
5.00000

Total
952
3.514255
7E0
.81282256
.0263437
3
3.4625571
3.5659543
1.00000
5.00000
MP
2
1
299
3.846153
8E0
1.01071952
.0584514
2
3.7311240
3.9611837
1.00000
5.00000
2
179
4.005586
6E0
.82105171
.0613682

9
3.8844836
4.1266896
1.50000
5.00000
3
254
4.051181
1E0
.78356297
.0491651
1
3.9543561
4.1480061
1.00000
5.00000
4
220
3.815909
1E0
.99953030
.0673883
2
3.6830965
3.9487217
1.00000
5.00000
Total
952
3.923844

5E0
.92188529
.0298784
7
3.8652092
3.9824799
1.00000
5.00000

Bảng 3.2: Test of Homogeneity of Variances

Levene
Statistic
df1
df2
Sig.
OC1
8.265
3
948
.000
PVA
2.164
3
948
.091
MP1
2.460
3
948

.061
MP2
11.327
3
948
.000

Bảng 3.2 cho thấy: PVA và MP1 không có sự khác biệt về phương sai của các
nhóm

Bảng 3.3: ANOVA


Sum of
Squares
df
Mean
Square
F
Sig.
OC1
Between
Groups
1.215
3
.405
.814
.486
Within Groups
471.308

948
.497


Total
472.523
951



PVA
Between
Groups
.873
3
.291
.641
.589
Within Groups
430.387
948
.454


Total
431.260
951

MP1
Between
Groups
16.049
3
5.350
8.283
.000