bài tập xử lý dữ liệu spss môn phương pháp nghiên cứu khoa học

0


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC KINH TẾ TP. HCM
VIỆN ĐÀO TẠO SAU ĐẠI HỌC













MÔN PHƢƠNG PHÁP NGHIÊN CỨU KHOA HỌC
BÀI TẬP XỬ LÝ DỮ LIỆU SPSS





HVTH : ĐỖ THỊ THANH THƢƠNG
STT : 062
LP : QTKD ĐÊM 5 - K22
GVHD : NGUYỄN HÙNG PHONG

Tp. H Chí Minh, 08/2013
1

Bài tập về xử lý dữ liệu

Gi s chúng ta có mt mô hình lý thuyt gm 4 khái nim lý thuyt có quan h vi nhau:
 chc (OC), h thng giá tr ca qun tr gia (PV), thc tin qun tr (MP), và kt
qu hong ca công ty (P). Khái ni t chc chia thành hai bin tim n:
ng bng 5 yu t thành ph
ng bng 6 yu t thành phn PV
là khái ning bng 9 yu t thành ph
nic phân ra hai bin tin ng bng 6 yu t
thành phng bng 6 yu t thành phn
ng bi 6 yu t thành phn (P1,


Trong mô hình này, P là bin ph thuc và các bin OC1, OC2, PV, MP1, MP2 là bic
lp. Các bin phân loi bao gm

 Loi hình doanh nghip: có bn loc mã hóa t n 4 (ký hiu là OWN)
 Cp bc qun lý (POS) gm hai bn lý cp cao nhn giá tr là 1, qun
lý cp trung nhn giá tr là 2
  tui qun tr gia (Age) chia thành 4 nhóm: 1, 2, 3, 4
 Kinh nghim quc chia thành 4 bc, t bn bc 4. Mi bc
có khong cách 

Yêu cầu:
1. Thc hin phân tích khám phá (EFA)/phân tích nhân t  tìm các bin mi/hoc
gim biu t thành phng bi
ca các bin mi (là trung bình ca các yu t thành phn)
2. Thc hin ki tin cy cng bng h s cronbach alpha
3. Thc hin phân tích anova mt chi tìm s khác bit ca các bin tim n trong
mô hình này vi các tiêu thc phân loi: OWN, POS, Age, EXP.
4. Xây dn tính gia P và các bic lp va khám phá thông
qua phân tích nhân t/EFA
5. Kinh các gi thuyt cn
6. Xây dn gi (dummy) ca bin kt qu hong vi các
bic lc qua phân tích nhân tn gi c xác nh da
vào bii hình doanh nghi
2

BÀI LÀM

Câu 1: Thực hiện phân tích khám phá EFA và tính giá trị các biến mới
1.1. Phân tích nhân tố tổ chức OC:

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.853
Bartlett's Test of Sphericity
Approx. Chi-Square
2613.931
df
55
Sig.
.000

Nhận xét:
0.5<KMO=.853<1: đủ điều kiện để phân tích nhân tố
Sig=0<0.5: không phải là ma trận đơn vị, các biến có tương quan trong tổng thể nên thực
hiện được EFA.

Correlation Matrix

OC11
OC12
OC13
OC14
OC15
OC21
OC22
OC23
OC24
OC25
OC26
Correlation
OC11
1.000
.461
.374
.288
.374
.168
.345
.247
.050

.340
.295
OC12

1.000
.330
.401
.413
.134
.301
.190
.035
.440
.388
OC13


1.000
.412
.403
.180
.375
.394
.089
.282
.420
OC14

1.000
.452
.074
.263
.184
039
.401
.656
OC15




1.000
.149
.473
.291
.087
.294
.401
OC21





1.000
.203
.177
.138

.077
.103
OC22






1.000
.314
.119
.141
.272
OC23







1.000
.137
.103
.174
OC24

1.000
.014
012
OC25









1.000
.414
OC26

1.000

Nhận xét:
 Hệ số tương quan giữa các item OC11 – OC15 hầu hết lớn hơn 0.3 (chỉ có
OC14=0.288

0.3)

có khả năng 5 item này có thể đo lường factor 1
 Nhóm item OC25, OC26 có hệ số tương quan trong nhóm OC2 yếu, ngược lại
tương quan mạnh với nhóm OC1

Có khả năng các item này không đo lường
factor 2 mà thích hợp để đo lường factor 1

Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared
Loadings
Rotation Sums of Squared Loadings
3

Total
% of
Variance
Cumulative
%
Total

% of
Variance
Cumulative
%
Total
% of
Variance
Cumulative
%
1
3.852
35.021
35.021
3.852
35.021
35.021
3.311
30.104
30.104
2
1.361
12.377
47.398
1.361
12.377
47.398
1.902
17.294
47.398
3

.928
8.434
55.832






4
.867
7.879
63.711






5
.838
7.622
71.332






6

.750
6.816
78.148






7
.575
5.227
83.375






8
.529
4.810
88.185






9

.484
4.401
92.586






10
.481
4.373
96.959






11
.335
3.041
100.000






Extraction Method: Principal Component Analysis.

Nhận xét:
Theo tiêu chuẩn Eigenvalue >1 thì có 2 nhân tố được rút ra.
Trong tổng biến thiên 11 biến quan sát thì cho biết 2 nhân tố giải thích được 47.398% biến
thiên của các biến quan sát.

Rotated Component Matrix
a


Component
1
2
OC11
.536
.353
OC12
.676
.175
OC13
.542
.453
OC14
.799
001
OC15
.596
.401
OC21
.034

.551
OC22
.358
.599
OC23
.191
.640
OC24
162
.553
OC25
.686
062
OC26
.785
.017


Kết luận:
Biến tiềm ẩn OCF1 đặt tên là Văn hóa tổ chức 1. Kí hiệu X1 gồm: OC11, OC12, OC13,
4

OC14, OC15, OC 25, OC26.
Biến tiềm ẩn OCF2 đặt tên là Văn hóa tổ chức 2. Kí hiệu X2 gồm: OC21, OC22, OC23,
OC24.

1.2. Phân tích hệ thống giá trị quản trị gia

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

.743
Bartlett's Test of Sphericity
Approx. Chi-Square
1375.870
df
36
Sig.
.000

Nhận xét:
0.5<KMO=.743<1: đủ điều kiện để phân tích nhân tố
Sig=0<0.5: không phải là ma trận đơn vị, các biến có tương quan trong tổng thể nên thực
hiện được EFA

Correlation Matrix

PV2
PV4
PV8
PV1
PV3
PV5
PV6
PV7
PV9
Correlation
PV2
1.000
049
.403

.218
010
.301
.320
.190
.079
PV4

1.000
090
.153
.262
082
097
.035
.219
PV8


1.000
.212
044
.365
.374
.259
.077
PV1

1.000
.368
.126
.180
.222
.248
PV3




1.000
071
012
.163
.263
PV5





1.000
.545
.296
027
PV6

1.000
.341
.039
PV7







1.000
.121
PV9








1.000

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
2.533
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






5

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.

Nhận xét:
Theo tiêu chuẩn Eigenvalue >1 thì có 2 nhân tố được rút ra.
Trong tổng biến thiên 9 biến quan sát thì cho biết 2 nhân tố giải thích được 47.779% biến
thiên của các biến quan sát.

Rotated Component Matrix
a

Component
1
2
PV2
.630
.048
PV4
177
.596
PV8
.706
.000
PV1
.337
.632
PV3
037
.755
PV5
.745
122
PV6
.769
034
PV7
.542
.274
PV9
.067
.629

Kết luận:
Biến tiềm ẩn PVF1 đặt tên là Hệ thống quản trị gia1. Kí hiệu X3 bao gồm: PV2, PV5,
PV6, PV7, PV8
Biến tiềm ẩn PVF2 đặt tên là Hệ thống quản trị gia2. Kí hiệu X4 bao gồm: PV1, PV3, PV4,
PV9

1.3. Phân tích Thực tiễn quản trị MP
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.866
Bartlett's Test of Sphericity
Approx. Chi-Square
2719.196
df
66
Sig.
.000
6


Nhận xét:
0.5<KMO=.866<1: đủ điều kiện để phân tích nhân tố
Sig=0<0.5: không phải là ma trận đơn vị, các biến có tương quan trong tổng thể nên thực
hiện được EFA


MP11
MP12
MP13

MP14
MP15
MP16
MP21
MP22
MP23
MP24
MP25
MP26
Correlation
MP11
1.000
.447
.287
.043
.197
.187
.200
.240
.180
.279
.268
.249
MP12

1.000
.361
.111
.258
.267

.213
.235
.195
.325
.319
.234
MP13


1.000
.252
.253
.187
.158
.181
.200
.246
.299
.267
MP14



1.000
.076
.055
.005
.064
.043
.126

.083
.087
MP15




1.000
.434
.325
.313
.348
.349
.360
.409
MP16





1.000
.328
.270
.275
.360
.343
.309
MP21

1.000
.461
.377
.357
.319
.373
MP22







1.000
.304
.319
.330
.287
MP23

1.000
.421
.345
.426
MP24









1.000
.535
.394
MP25

1.000
.510
MP26











1.000

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
4.144
34.531
34.531
4.144
34.531
34.531
3.456
28.803
28.803
2
1.275
10.624
45.155
1.275
10.624
45.155
1.747
14.556
43.358
3
1.011

8.427
53.581
1.011
8.427
53.581
1.227
10.223
53.581
4
.854
7.113
60.695






5
.819
6.821
67.516






6
.701

5.843
73.359






7
.643
5.359
78.717






8
.606
5.047
83.764






9
.556

4.634
88.398






10
.521
4.339
92.737






11
.486
4.053
96.790






12
.385

3.210
100.000






Extraction Method: Principal Component Analysis.

7

Nhận xét:
Theo tiêu chuẩn Eigenvalue >1 thì có 2 nhân tố được rút ra.
Trong tổng biến thiên 12 biến quan sát thì cho biết 3 nhân tố giải thích được 53.581% biến
thiên của các biến quan sát.

Rotated Component Matrix
a


Component
1
2
3
MP11
.162
.819
057
MP12

.208
.783
.116
MP13
.199
.487
.537
MP14
.025
027
.886
MP15
.647
.109
.132
MP16
.592
.144
.044
MP21
.688
.098
160
MP22
.585
.202
093
MP23
.684
.015

.048
MP24
.645
.242
.163
MP25
.640
.263
.170
MP26
.684
.118
.160


Kết luận:
Biến tiềm ẩn MPF1 đặt tên là Thực tiễn quản trị 1. Kí hiệu X5 bao gồm: MP15,
MP16, MP21, MP22, MP23, MP24, MP25, MP26
Biến tiềm ẩn MP2 đặt tên là Thực tiễn quản trị 2. Kí hiệu X6 bao gồm: MP11, MP12
Biến tiềm ẩn MP1 đặt tên là Thực tiễn quản trị 3. Kí hiệu X7 bao gồm: MP13,
MP14

1.4 Phân tích kết quả hoạt động kinh doanh P:

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.847
Bartlett's Test of Sphericity
Approx. Chi-Square
1958.847

df
15
Sig.
.000

Nhận xét:
8

0.5<KMO=.847<1: đủ điều kiện để phân tích nhân tố
Sig=0<0.5: không phải là ma trận đơn vị, các biến có tương quan trong tổng thể nên thực
hiện được EFA

Correlation Matrix

P2
P1
P3
P4
P5
P6
Correlation
P2
1.000
.544
.493
.383
.387
.390
P1

1.000
.531
.373
.433
.373
P3


1.000
.478
.472
.471
P4



1.000
.578
.448
P5




1.000
.541
P6

1.000


Total Variance Explained
Component
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.
Nhận xét:
Theo tiêu chuẩn Eigenvalue >1 thì có 1 nhân tố được rút ra.

Trong tổng biến thiên 6 biến quan sát thì cho biết 1 nhân tố giải thích được 55.022% biến
thiên của các biến quan sát.


Component Matrix
a


Component
1
P3
.779
P5
.771
P4
.733
P1
.729
P6
.722
9

P2
.714


Kết luận:
Biến tiềm ẩn P đặt tên là Kết quả hoạt động kinh doanh P. Kí hiệu X8 bao gồm:
P1, P2, P3, P4, P5, P6.

1.5 Tính giá trị của các biến mới:

COMPUTE X1=MEAN(OC11,OC12,OC13,OC14,OC15,OC25,OC26).
EXECUTE.
COMPUTE X2=MEAN(OC21,OC22,OC23,OC24).
EXECUTE.
COMPUTE X3=MEAN(PV2,PV5,PV6,PV7,PV8).
EXECUTE.
COMPUTE X4=MEAN(PV1,PV3,PV4,PV9).
EXECUTE.
COMPUTE X5=MEAN(MP15,MP16,MP21,MP22,MP23,MP24,MP25,MP26).
EXECUTE.
COMPUTE X6=MEAN(MP12,MP11).
EXECUTE.
COMPUTE X7=MEAN(MP13,MP14).
EXECUTE.
COMPUTE X8=MEAN(P1,P2,P3,P4,P5,P6).
EXECUTE.

Câu 2: Thực hiện kiểm tra độ tin cậy của đo lƣờng bằng hệ số cronbach anpha


-

2.1. Đối với thành phần khái niệm X1:
OC11, OC12, OC13, OC14, OC15, OC25, OC26:

Reliability Statistics
Cronbach's
Alpha

Cronbach's
Alpha Based on
Standardized
Items
N of Items
.815
.819
7


10

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

 >0.6.
    OC11, OC12, OC13, OC14, OC15, OC25,
OC26 


2.2. Đối với thành phần khái niệm X2:
Thc hin Cronbach's Alpha cho X2 t OC21, OC22, OC23, OC24

Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on
Standardized
Items
N of Items
.463
.469
4

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

 <0.6 .
11




Sau khi loi bin OC24 h s u kin.
Quan sát bi ta thy nu tip tc loi OC21 thì h s n
không li bin X2.
2.3. Đối với thành phần khái niệm X3:
Thc hin Cronbach's Alpha cho X3 t PV2, PV5, PV6, PV7, PV8

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

.714
.720
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
PV2
16.47
8.232
.413
.205
.689
PV8
16.39
8.005
.490
.259

.660
PV5
16.41
7.602
.537
.340
.640
PV6
16.56
7.457
.571
.366
.626
PV7
17.11
7.813
.371
.149
.714

14 >0.6.
PV2, PV5, PV6, PV7, PV8 

2.4. Đối với thành phần khái niệm X4:
Thc hin Cronbach's Alpha cho X4 t PV1,PV3,PV4,PV9

Reliability Statistics
12

Cronbach's

Alpha
Cronbach's
Alpha Based on
Standardized
Items
N of Items
.565
.572
4

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
PV4
10.16
6.338
.290
.092

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

H s 
H s n tng ca bin PV4 nh u loi bin này h s
 còn 0.548 vn nh    tin
c thc hing tip theo nên ta loi X4.
2.5. Đối với thành phần khái niệm X5:
Thc hin Cronbach's Alpha cho X5 t MP15, MP16, MP21, MP22, MP23, MP24, MP25,
MP26

Reliability Statistics
Cronbach's

Alpha
Cronbach's
Alpha Based on
Standardized
Items
N of Items
.819
.820
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
MP15
24.86
32.227
.538
.315

.798
MP16
24.30
34.077
.486
.268
.805
13

MP21
24.69
32.507
.539
.328
.798
MP22
24.52
33.838
.480
.273
.806
MP23
25.14
32.641
.528
.302
.800
MP24
24.38
33.432

.581
.387
.793
MP25
24.29
33.184
.583
.413
.793
MP26
24.84
31.969
.576
.377
.792


Các h s n tng ca các bin MP15, MP16, MP21, MP22, MP23, MP24,
MP25, MP26 u l
   tin c thc hing tip theo.

2.6. Đối với thành phần khái niệm X6:
Thc hin Cronbach's Alpha cho X6 t MP11, MP12
.

Reliability Statistics
Cronbach's
Alpha
Cronbach's
Alpha Based on

Standardized
Items
N of Items
.615
.615
2


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
.


Các h s n tng ca các bin MP11, MP12 u l.3.
   tin c thc hing tip theo.
2.7. Đối với thành phần khái niệm X7:
Thc hin Cronbach's Alpha cho X7 t MP13, MP14
14


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

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
.

Vì bin tim n này ch có 2 thành phn và h s 
thu kin nên ta loi bin này.
2.8. Đối với thành phần khái niệm X8:
Thc hin Cronbach's Alpha cho X8 t P1,P2,P3,P4,P5,P6

Reliability Statistics

Cronbach's
Alpha
Cronbach's
Alpha Based on
Standardized
Items
N of Items
.836
.836
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
P2
18.72
12.994
.579

.378
.815
P1
18.54
12.861
.595
.409
.812
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
15



Các h s n tng ca các bin P1,P2, P3, P4, P5, P6 u l
   tin c thc hing tip theo.

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.
3.1. Phân tích phƣơng sai một chiều
 còn 4 nhân t  thc hic tip
theo là các bin X1, X3, X5, X6
3.1.1. Các biến tiềm ẩn với OWN
Kinh Levene t bng
nhng h
- Th nht là :
Các bin có mng nht vi các bin X3,
X5 gia 4 nhóm doanh nghi

V tin cy 95%, kt qu i vi 2 bin X3 và X5 có kt qu
a bin X3 > 
kt qu i vi X3 gia nhi vi bin X5 có s
khác bi
c có s khác bit gia các doanh nghip nào nên ta dùng bng Post
hoc test i vi bin X5

Dependent
Variable

(I)
OWN
(J)
OWN
Mean
Difference
(I-J)
Std. Error
Sig.
95% Confidence
Interval
Lower
Bound
Upper
Bound
X5
1
2
19778
.07579
.055
3981
.0026
3
33293*
.06843
.000
5138
1520
4

22569*
.07123
.009
4140
0374

16

Ta thy bin có s khác bit gia nhóm DNNN vi doanh
nghiy giá tr khác bit trung bình kt qu kinh doanh ca
nhóm Doanh nghic vi vc là
0.33293 và 0.22569
- Th hai là:
Các bin X1, X6 có mt qu kinh doanh không
ng nht vi các X6 gia 4 nhóm doanh nghing
hp này không kic.
3.1.2. Các biến tiềm ẩn với POS:

- 




X3, X6

- 







3.1.3. Các biến tiềm ẩn với AGE
 ng nhng hp:
- Th nht là:
17

Các bin có mng nht vi các bin
X1,X3, X5 gia 4 nhóm tu

V tin cy 95%, kt qu phân tích ANOVA có kt qu
a các bin X1,X3, X5 u l
kt qu kinh doanh i vi X1,X3, X5 gia nhi thuc các nhóm tui khác nhau.
ng h kic do có mt nhóm
là nhóm 4 ch ng hp quan sát.
- Th hai là:
Bin X6 có m< ng sai kt qu kinh doanh không
ng nht vi các X6 gia 4 nhóm tung hp này ta
không th dùng kinh ANOVA.
3.1.4 Các biến tiềm ẩn với EXP

- 
> 
, 

V
X1,X3
X1,X3 
- 




3.2. Thực hiện phân tích anova hai chiều với biến OWN và POS.
Thc hin Anova 2 chiu vi bin Ph thuc P và 2 binh tính OWN và POS
Kt qu phân tích anova hai chiu:
18

c tiên, ta kinh Kt qu t bng Levene's Test of Equality of Error
Variances cho thy giá tr Sig = 0,097 >0,05  chp nh ng nht v
 thuyt Ho: Có s ng nh d li tiêu chun cho các
phân tích tip theo.

Tests of Between-Subjects Effects
Dependent Variable:P
Source
Type III Sum of
Squares
df
Mean Square
F
Sig.
Corrected Model
12.695
a

7
1.814
3.751
.001
Intercept

6143.806
1
6143.806
12708.365
.000
OWN
5.453
3
1.818
3.760
.011
POS
3.938
1
3.938
8.145
.004
OWN * POS
.434
3
.145
.300
.826
Error
453.956
939
.483


Total

13599.604
947



Corrected Total
466.650
946



a. R Squared = .027 (Adjusted R Squared = .020)

 

 
p
 
Câu 4. Xây dựng hàm tƣơng quan tuyến tính giữa P và các biến độc lập vừa khám phá
thông qua phân tích nhân tố/EFA và Cronbach’s Alpha
 biu din mi quan h gia các nhân t vi kt qu hot
ng kinh doanh có d
P = 
0
+ 
1
OCF1 + 
2
PVF1 + 
3

MPF1 + 
4
MPF2


 P: là bin ph thuc th hin kt qu hong kinh doanh ca công ty.
 
0

1

2

3

4
;: là các h s hi quy.
19

OCF1, PVF1, MPF1, MPF2 là các bic lp theo th t:  chc 1, H
thng giá tr ca qun tr gia 1, Thc tin qun tr 1, Thc tin qun tr 2
Model
R
R
Square
Adjusted
R
Square
Std.
Error of

the
Estimate
Change Statistics
R
Square
Change
F
Change
df1
df2
Sig. F
Change
1
.652
.424
.422
.53404
.424
174.792
4
948
.000
Sau khi chy hi quy tuyn tính bi vi, ta có R
2
= 0.424 và R
2
u chnh = 0.422
 hình này
gic 42.2m kt qu kinh doanh là do các bin trong
mô hình và 57,8. % còn li bin thiên ca nhân t kt qu c gi

 .
y s phù hp ca mô hình do có ch s Sig 0.000<0.05.
ANOVAb
Model
Sum of
Squares
Df
Mean
Square
F
Sig.
1
Regression
199.399
4
49.850
174.792
.000
Residual
270.364
948
.285


Total
469.763
952

B kinh F. Vi m s 
vy mô hình hi quy phù hp. Hay nói cách khác các bic lp gic 42,2%
a bin P ( kt qu kinh doanh).

Model
Unstandardized
Coefficients
Standardized
Coefficients
T
Sig.
Tương quan
Collinearity
Statistics
B
Std.
Error
Beta
Zero-
order
Partial
Part
Tolerance
VIF
1
(Constant)
1.099
.124

8.836

.000





OCF1
.242
.032
.243
7.448
.000
.530
.235
.184
.571
1.751
PVF1
015
.030
015
518
.604
.296
017
013
.757
1.320
MPF1
.313

.026
.362
11.925
.000
.574
.361
.294
.658
1.521
MPF2
.151
.022
.199
6.847
.000
.464
.217
.169
.722
1.386
Xét bng trng s hi quy ta thy các bing cùng
chiu vi P (kt qu hong kinh doanh) vì trng s hi quy B ca 3 bic lp này có
20

ng kê (vi m 3 biu có sig=0.000. Nhìn vào bng
y bing mnh nht lên bin ph thuc P vi ch s Beta=
0.362. Các bing l s Beta là 0.243 và 0,199.
i vi bin MPF1 có h s Beta bng -ng âm vào kt qu hong
ng kê do bin này có sig= 0.604> 0.05. Tuy
nhiên, nu nhìn vào h s y MPF1 và P có quan h

cùng chiu vi nhau. Nhìn vào h s ng phn và bán phn  2 ct bên cnh, ta
có th thy 2 h s -n còn
li thích phn MPF1 cho P.
chu:
P = 0.243OCF1 +0.362 MPF1 +0.119MPF2


Câu 5. Kiểm định các giả thuyết của hàm tƣơng quan đa biến
 to s ng hoàn toàn vào kt qu ca hàm, ta lnh, dò tìm
th có gi thuyt nào b vi phm trong mu ca chúng ta không. Ta cn kim tra mt s
 Gi i, gi nh v phân phi chun ca ph nh v
c lp ca sai s( không có s a các ph,gi nh không có s 
quan gia các bic lng tuyn),
 Kiểm tra giả định phân phối chuẩn của phần dƣ.
Có th dùng bi tng s ca các ph thc hin kinh gi thuyt này.
Ta vào Plots trong Linear regression chn Ô Histogram ri OK
T b kinh phân phi chui phta có giá
tr trung bình rt nh xng  lch chun =0.9984 gn b coi
phi chun. Vì vy gi nh phân phi chuc chp nhn.
21


 Kiểm định hiện tƣợng tự tƣơng quan tuyến tính giữa các phần dƣ ( hay tính độc
lập của sai số).
 ng t  tuyn tính ta có th dùng thng kê Durbin-
 kia các sai s k nhau. Gi thuyt ca kinh này là:
H0 : h s ng th ca các ph
Model
R
R

Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
Durbin-
Watson
R Square
Change
F
Change
df1
df2
Sig. F
Change
1
.652
.424
.422
.53404
.424
174.792
4
948
.000
1.659
S dng h s Durbin-Watson =1.659 gn bng 2. Theo quy tc kinh nghim ta có
th kt lun mô hình không b hing t 
Ngoài ra ta có th kim tra bng cách v  th phân tán gia các Ph

d n hóa.
22

Nhìn vào bi Scatter i ta thy thì phi ngu nhiên không theo mt
quy luy gi nh c lp ca sai s là 

 Kiểm tra hiện tƣợng đa cộng tuyến.
ng hing tuyn. V chp nhn (Tolerance) ln. Giá tr h s
 trong Bảng 4.3 Trọng số hồi quy 
câu 4 trên t 1.320 n 1.751 nh t lun mi liên h gia các bic lp này
. Không có hing tuyn. Có th yên tâm s d
trình hi quy. Giá tr ca VIF = 1/Tolerance.

 Kiểm tra giả định phƣơng sai của sai số không đổi.
Ta có th s dng ki kinh hi
i.
Gi thuyt H0 là h s quan hng ca tng th bng 0.
H
1
: H s ng ca tng th a sai s i)
c 1 : Ta phi to 2 bin Ph d 
c 2 : Ly tr tuyi ca phng lnh compute
Ta thc hin kinh gia giá tr tuyi ca phi tng bin riêng
Đối với biến OCF1
23

Correlations

ABSzre
OCF1

Spearman's
rho
ABSzre
Correlation
Coefficient
1.000
055
Sig. (2-tailed)

.091
N
953
953
OCF1
Correlation
Coefficient
055
1.000
Sig. (2-tailed)
.091

N
953
953
Nhìn vào giá tr sig= 0.091 > 0.05 vi m nên ta chp nhn gi thuyt H
0
,
a sai s i b bác b.
Tip tc vi bin MPF1
Correlations

ABSzre
MPF1
Spearman's
rho
ABSzre
Correlation
Coefficient
1.000
053
Sig. (2-tailed)

.102
N
953
953
MPF1
Correlation
Coefficient
053
1.000
Sig. (2-tailed)
.102

N
953
953
Nhìn vào giá tr sig= 0.102 > 0.05 vi m nên ta chp nhn gi thuyt H
0
,

a sai s i b bác b
Bin MPF1
Correlations

ABSzre
MPF2
Spearman's
rho
ABSzre
Correlation
Coefficient
1.000
015
Sig. (2-tailed)

.646
N
953
953
MPF2
Correlation
Coefficient
015
1.000
Sig. (2-tailed)
.646

N
953
953

24

Nhìn vào giá tr sig= 0.102 > 0.05 vi m nên ta chp nhn gi thuyt H
0
,
a sai s i b bác b.
y vi 4 gi thuy xây dt yêu c
th ng vào kt qu ca hàm ng  câu 4
Câu 6. Xây dựng hàm tƣơng quan với biến giả (dummy). Biến giả đƣợc chọn là biến
loại hình doanh nghiệp. Trong đó doanh nghiệp nhà nƣớc đƣợc chọn là biến cơ sở
c tiên phi mã hóa li binh tính OWN chuyn thành 3 bin gi vi loi hình
doanh nghic là bi.
Thc hin hin mã hóa trên SPSS:
RECODE OWN (1=0) (2=1) (3=0) (4=0) INTO D1.
VARIABLE LABELS D1 'bien gia 1'.
RECODE OWN (1=0) (2=0) (3=1) (4=0) INTO D2.
VARIABLE LABELS D2 'bien gia 2'.
RECODE OWN (1=0) (2=0) (3=0) (4=1) INTO D3.
VARIABLE LABELS D3 'bien gia 3'.

Bng mã hóa bin loi hình doanh nghip cho


Mã dummy
D1
D2
D3
DNNN
1
0

0
0
Liên doanh
2
1
0
0

3
0
1
0

4
0
0
1


Sau khi chy hi quy tuyn tính bi, ta có R
2
= 0.018 và R
2
u chnh = 0.014
1,8 % y s phù hp ca mô
hình do có ch s Sig 0.001<0.05.Chng minh cho s phù hp cc trình bày 
b

Model Summary
Model

R
R
Square
Adjusted R
Square
Std. Error of the
Estimate
Change Statistics
R Square
Change
F
Change
df1
df2
Sig. F
Change
1
.133
a

.018
.014
.69768
.018
5.659
3
948
.001
a. Predictors: (Constant), bien gia 3, bien gia 1, bien gia 2