Thứ Hai, 24 tháng 4, 2017

Cách tạo bảng khảo sát trực tuyến bằng Google Forms

Nhóm MBA ĐH Bách Khoa hotrospss@gmail.com giới thiệu các bạn làm bảng khảo sát trực tuyến miễn phí, mà lại còn đẹp nữa, nhờ làm trên nền của google forms. Có một cách khác để làm bảng khảo sát đẹp và chuyên nghiệp hơn google forms, đó là dùng trang web survey monkey (https://www.surveymonkey.com/), tuy nhiên cái gì cũng có giá của nó, trang này phải đóng phí duy trì. Nên tốt  nhất là sử dụng google forms các bạn nhé.
Các bước thực hiện tạo bảng khảo sát miễn phí.
Bước 1 : Vào địa chỉ  https://docs.google.com/forms/, nếu chưa đăng nhập bạn cần phải đăng nhập, nếu đã đăng nhập rồi sẽ  hiện ra màn hình sau:
google forms 1
Bước 2: Bạn có thể tạo bảng khảo sát thị trường mới dựa vào mẫu có sẵn, hoặc tạo 1 form hoàn toàn mới. Ở đây nhóm chọn mẫu mới bằng cách nhấn blank.
Bước 3: Form khảo sát trống hiện ra với vài thông tin cơ bản như sau:
google forms 2
Các bạn chỉnh sửa tùy thích trên form này, phần nội dung hoằn toàn thay đổi được.
Để tạo phần giới thiệu, các nội dung không liên quan đến câu hỏi , bạn nhấn vào nút add title and description.
google forms 3
Sau đó nhập các nội dung như là giới thiệu, lời chào.
Để vào nội dung câu hỏi chính, bạn bấm vào add question, trong add question có các loại câu hỏi sau: Short Answer, Paragraph,Multiple Choice, Checkboxes,Dropdown, Linear Scale, Multiple Choice Grid,Date, Time

google forms 4

Tuy nhiên, để thực hiện bảng câu hỏi cho thang đo dạng likert 1 2 3 4 5 thì ta chọn thang đo dạng Linear Scale, ngoài ra để phân cách giữa các mục, ta có thể nhấn nút add title and description để thêm nội dung cần hiển thị.
google forms 5

Cách tốt nhất để xem bảng câu hỏi đang được thiết kế đẹp đến đâu là xem trực tuyến nó, để làm được điều này bạn ấn vào nút SEND bên phải, phía trên của màn hình, sau đó chọn SEND VIA mail hoặc lấy link, sau đó chọn copy link để gởi cho bạn bè, đối tượng cần khảo sát, hoặc cho chính bạn để review lại.( bạn có thể ấn shorten URL để link ngắn hơn)
google forms 6

Ngoài ra một số câu hỏi thuộc dạng bắt buộc phải trả lời, nếu không trả lời thì không submit được, bạn phải chọn nút require như trong hình nhé.
google forms 7
Khi đã thiết kế xong 1 câu, bạn ấn vào biểu tượng copy gần với nút xóa để tạo câu hỏi mới, bạn chỉ việc đổi nội dung là xong.
Sau khi thiết kế xong, bạn kiểm tra lần cuối và gởi cho người được khảo sát xem. Họ đánh vào và bạn có thể theo dõi có bao nhiêu người, kết quả như thế nào. Để làm được điều đó bạn vào mục RESPONSES, sau đó nhấn vào nút màu xanh như trong hình hướng dẫn để tạo ra file excel dạng google docs,

google forms 8

Từ spreed sheet google, bạn bấm vào như hình bên dưới để tải file excel tổng hợp tất cả các bảng trả lời về máy tính.( file- download as- microsoft excel ). Từ đó có thể dễ dàng chuyển vào SPSS để xử lý
google forms 9

Sau đây là video hướng dẫn, các bạn cần khảo sát cứ liên hệ nhóm nhé. Nhóm sẽ hướng dẫn.

Các bạn có thắc mắc khi làm bảng khảo sát online có thể mail nhóm hotrospss@gmail.com, hoặc chát và fb www.facebook.com/hoidapspss nhé. Chúc các bạn làm tốt.

Quy tắc loại biến xấu khi phân tích nhân tố EFA

Nhóm MBA BÁCH KHOA hotrospss@gmail.com hướng dẫn các bạn hai quy tắc loại biến trong phân tích nhân tố để đảo bảo độ giá trị hội tụ và độ giá trị phân biệt khi phân tích nhân tố EFA. Phần efa căn bản các bạn xem ở đây http://phantichspss.com/tong-quan-phan-tich-nhan-to-kham-pha-efa.html

Quy tắc loại biến xấu khi phân tích nhân tố EFA:

Quy tắc 1: đảm bảo độ giá trị hội tụ.

     Về mặt ý nghĩa, các hệ số tải nhân tố factor loading phải lớn hơn 0.5. Các items có hệ số tải bé hơn 0.5 cần phải được loại bỏ và chạy lại khi phân tích nhân tố. Ví dụ như hình bên dưới, hệ số factor loading của biến DAPUNG1 chỉ là 0.350<0.5. Do đó phải loại biến này ra và tiến hành phân tích efa lại lần thứ 2
loai bien efa 1

Quy tắc 2: đảm bảo độ giá trị phân biệt.

     Xét trong cùng 1 dòng ,chêch lệch giữa giá trị lớn nhất và giá trị lớn thứ nhì phải lớn hơn 0.3, ở ví dụ bên dưới ta thấy hai biến DAPUNG1 và DAMBAO2 không đảm bảo điều kiện. Do dù 2 hệ số tải nhân tố của biến DAMBAO2 đều lớn hơn 0.5, nhưng mức chênh lệch 0.733-0.610<0.3 nên phải loại biến DAMBAO2. Còn trường hợp biến DAPUNG1, chênh lệch là 0.754-0.490<0.3 nên cũng loại luôn. Lưu ý trong thực tế các bạn xem loại lần lượt, chứ không loại 1 lần để hạn chế bỏ sót biến tốt nhé.
loai-bien-efa-2
Vậy có hai Quy tắc loại biến xấu khi phân tích nhân tố EFA. Trong thực tế phân tích các bạn có thể gặp trường hợp dữ liệu xấu hơn, quá nhiều biến bị loại… Ngoài ra cũng có thể các biến bị sắp xếp xáo trộn nhân tố, cần phải định nghĩa mô hình hiệu chỉnh,các bạn có thể liên lạc nhóm để hướng dẫn hỗ trợ cách xử lý nhé(hotrospss@gmail.com)

Liên hệ Facebook hoặc Viber/Zalo   https://facebook.com/hoidapspss Viber/Zalo: so-alo

Quy tắc loại biến khi phân tích cronbach’s alpha

 Nhóm Hỗ Trợ SPSS Đại Học Bách Khoa giới thiệu bài viết về cách loại biến khi phân tích độ tin cậy cronbach's alpha. Mục đích là làm tăng độ tin cậy cronbach's alpha. Cải thiện hệ số cronbach's alpha xấu.
(Phần hướng dẫn phân tích cronbach's alpha cơ bản nhóm đã viết trong bài ở đây: http://phantichspss.com/phan-tich-do-tin-cay-cronbachs-alpha.html )

Quy tắc loại biến khi phân tích cronbach's alpha

Có hai quy tắc loại biến trong cronbach's alpha, chỉ cần thỏa mãn 1 trong 2 quy tắc là bắc buộc phải loại biến
– Hệ số tương quan biến tổng bé hơn 0.3 hoặc 0.4 ( tùy trích dẫn của tác giả nào).
– Hệ số cronbach's alpha if item deleted lớn hơn hệ số cronbach hiện tại
Ví dụ, kết quả cronbach của thang đo có 4 items ra như sau:

Cronbach's Alpha
N of Items
.679
4
Item-Total Statistics

Scale Mean if Item Deleted
Scale Variance if Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item Deleted
TINCAY1
10.25
7.113
.679
.474
TINCAY2
9.96
7.681
.593
.536
TINCAY3
10.89
9.566
.089
.881
TINCAY4
10.14
7.176
.675
.479
     Ta thấy tương quan biến tổng của biến TINCAY3 là 0.089 < 0.3, do đó ta phải loại TINCAY3 và chạy lại cho 3 biến còn lại. Ngoài ra hệ số Cronbach's Alpha nếu loại bỏ biến TINCAY3 là 0.881( tô màu đỏ ở trên), và số 0.881 này > 0.679 ( là hệ số cronbach's alpha của thang đo), do đó dựa vào tiêu chuẩn này loại biến TINCAY3 cũng được.
     Cũng có một số trường hợp hệ số tương quan biến tổng > 0.3, nhưng hệ số Cronbach's alpha if items deleted lại lớn hơn cronbach's alpha hiện tại. Ta vẫn phải loại biến trong trường hợp này.
     Lưu ý ý nghĩa của hệ số Cronbach's Alpha nếu loại bỏ biến TINCAY3 là 0.881( tô màu đỏ ). Đó là giá trị cronbach's alpha nếu chạy lại cho 3 biến TINCAY1,2,4 ( như bảng bên dưới) . Do giá trị cronbach's alpha càng cao càng tốt, do đó nếu loại bỏ TINCAY3 mà cronbach tăng lên thì tại sao lại không loại :)
Reliability Statistics
Cronbach's Alpha
N of Items
.881
3


Item-Total Statistics

Scale Mean if Item Deleted
Scale Variance if Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item Deleted
TINCAY1
7.40
4.481
.761
.841
TINCAY2
7.10
4.693
.737
.861
TINCAY4
7.29
4.335
.814
.792

Cách tăng giá trị cronbach's alpha cũng áp dụng hai quy tắc này để xử lý, đôi khi một số bài luận văn cần phải cải thiện hệ số cronbach's alpha thì cần phải loại một số items như trên đã đề cập
Như vậy, các bạn đã biết được Quy tắc loại biến khi phân tích cronbach's alpha , chúc các bạn làm bài tốt
( Nhóm MBA Bách Khoa hotrospss@gmail.com tháng 12/2016)

Liên hệ Facebook hoặc Viber/Zalo để được hỗ trợ,trả lời ngay:  https://facebook.com/hoidapspss Viber/Zalo: so-alo

Durbin Watson – Thực hành kiểm định tự tương quan trong SPSS

Hôm nay nhóm hotrospss@gmail.com giới thiệu đến các bạn cách kiểm định DURBIN WATSON, phần này là thực hiện kiểm tra tương quan chuỗi bậc nhất( bậc nhất ở đây có ý nghĩa là theo thời gian, thời điểm t và thời điểm t-1. Giá trị thống kê DURBIN WATSON ( viết tắt là  d) dao động trong khoảng từ 0 đến 4. Tùy vào d mà quyết định xem có tương quan chuỗi bậc nhất hay không.
Các bạn liên hệ hỗ trợ tại đây nhé http://phantichspss.com/lien-he-gioi-thieu 

T tương quan là gì
  Trong mô hình hồi quy tuyến tính cổ điển chúng ta giả định không có tương quan giữa các phần dư hay Cov(uiuj) = 0 với mọi i, j. Còn nếu  tồn tại i và j mà Cov(ui,uj) ≠ 0: thì kết luận có tự tương quan. Nếu sai số Ut chỉ tương quan với Ut-1 (sai số một kỳ trước đó )  thì ta có hiện tượng tự tương quan bậc nhất

 Nguyên nhân kháchquan:

– Chuỗi có tính chất quán tính theo chu kỳ
– Hiện tượng mạng nhện: ví dụ dãy số cung về café năm nay phụ thuộc vào giá năm trước => ui không còn ngẫu nhiên nữa.
– Dãy số có tính chất trễ: ví dụ tiêu dùng ở thời kỳ này chẳng những phụ thuộc vào thu nhập kỳ này mà còn phụ thuộc vào tiêu dùng của kỳ trước nữa.

Nguyên nhân chủ quan

– Chọn dạng mô hình sai (thường xảy ra ở mô hình với chi phí biên)
– Do việc xử lý số liệu (phương pháp trung bình trượt, làm trơn số liệu ….)
– Do việc nội suy số liệu ( số liệu dân số, sản lượng bánh trung thu .v.v…)
– Do lập mô hình ( bỏ sót biến, do dạng hàm v.v…)

Hậu quả của tự tương quan:

– Các ước lượng tính được bằng OLS không còn là ước lượng hiệu quả.

Cách đánh giá giá trị tự tương quan

Thực tế, giá trị d được chương trình tính toán sẽ rơi vào một trong các khoảng sau:
durbinwastion
Khi đó, nếu đúng bài bản thì phải tra bảng phân phối để biết được giá trị dL và dU. Từ đó so sánh xem giá trị d của mình đang ở vùng nào , các bạn tra cứu bảng A-2 trong phụ lục này nhé
Link tải file tra cứu kiểm định durbin watson: Durbin_Watson_tables.pdf .
Tuy nhiên Nhược điểm của kiểm định Durbin – Watson là :
-Có 2 vùng không quyết định được . Xử lý bằng cách  áp dụng kiểm định Durbin – Watson cải biên như bên dưới
-Khi n lớn , không có bảng tra hoặc có những kết quả mâu thuẫn. Xử lý bằng cách  áp dụng quy tắc kiểm định theo kinh nghiệm như bên dưới.

Quy tắc kiểm định  Durbin – Watson theo kinh nghiệm


durbinwastion1
Nếu 1 < d < 3 thì kết luận mô hình không có tự tương quan.
Nếu 0 < d < 1 thì kết luận mô hình có tự tương quan dương.
Nếu 3 < d < 4 thì kết luận mô hình có tự tương quan âm.

Kiểm định Durbin – Watson cải biên

Nếu d thuộc vùng chưa quyết định, chúng ta sẽ sử dụng quy tắc kiểm định cải biên như sau:
durbinwastion2
  1. H0: r = 0; H1: r > 0. Nếu d < dU thì bác bỏ H0 và chấp nhận H1 (với mức ý nghĩa a), nghĩa là có tự tương quan dương.
  2. H0: r = 0; H1: r < 0. Nếu d > 4 – dU thì bác bỏ H0 và chấp nhận H1 (với mức ý nghĩa a), nghĩa là có tự tương quan âm.
  3. H0: r = 0; H1: r ≠ 0. Nếu d <dU hoặc d > 4 – dU thì bác bỏ H0 và chấp nhận H1 (với mức ý nghĩa 2a) , nghĩa là có tự tương quan (âm hoặc dương).
Video hướng dẫn.

Ngoài ra nhóm hotrospsss@gmail.com có các dịch vụ sau:
– Tư vấn mô hình/bảng câu hỏi/ traning trực tiếp về phân tích hồi quy, nhân tố, cronbach alpha… trong SPSS, và mô hình SEM, CFA, AMOS
– Cung cấp/chỉnh sửa số liệu khảo sát để chạy ra kết quả có ý nghĩa thống kê.

Chủ Nhật, 2 tháng 10, 2016

Cách phân tích anova hai yếu tố, two way anova

Nhóm MBA ĐH Bách Khoa hotrospss@gmail.com giới thiệu đến các bạn phân tích anova hai yếu tố (two-way Anova), mục đích , ý nghĩa và cách thực hành trên SPSS. Phần này nhóm lược dịch từ sách “SPSS Survival Manual” của tác giả JULIE PALLANT

Trong phần này chúng ta sẽ phân tích Anova cho hai nhóm biến độc lập với 1 biến phụ thuộc gọi là phân tích two-way Anova . Cách thường dùng là phân tích one way Anova, ví dụ để so sánh giữa các nhóm tuổi khác nhau có sự khác biệt đối với sự hài lòng hay không.
File dữ liệu có thể được download tại đây:2wayanova_staffsurvey4Ed.sav
File dữ liệu có 3 biến, GIOITINH HAILONG NHOMTUOI, tương ứng với người lao động trong một công ty, có 2 loại giới tính, 3 loại nhóm tuổi và sự hài lòng khi làm việc tương ứng.
Giả sử chúng ta đã có sự khác biệt giữa các nhóm tuổi đối với sự hài lòng thì câu hỏi đặt ra tiếp theo là sự khác biệt đó có đúng cho cả hai nhóm giới tính là nam và nữ hay không. Phân tích one-way Anova không thể trả lời câu hỏi này vì phân tích này được tiến hành cho toàn bộ hai loại giới tính nam và nữ không có sự chia ra.
Sự ưu việt của phân tích two-way Anova như sau: Ví dụ trường hợp chúng ta có thể tìm ra là ảnh hưởng của độ tuổi tới sự hài lòng khác nhau giữa Nam và Nữ. Đối với Nam sự hài lòng tăng theo độ tuổi trong khi đối với Nữ lại giảm theo độ tuổi, trường hợp này gọi là hiệu ứng tương tác interaction effect.

Cách phân tích Two-way anova trong SPSS

Bật chương trình SPSS lên
1. Vào menu Analyze,nhấn General Linear Model, chọn Univariate.
1-menu
2. Nhấn vào biến phụ thuộc sự hài lòng HAILONG ,Đưa vào ô Dependent variable.
2
3. Nhấn vào hai biến độc lập dạng phân loại, categorical GIOITINH,NHOMTUOI Và đưa vào ô Fixed Factors.
4. Nhấn vào nút Options.
• Nhấn vào Descriptive Statistics, Estimates of effect size and Homogeneity tests.
• Nhấn Continue.
3-option
5. Nhấn nút Post Hoc.
• Từ danh sách Factors bên trái, chọn biến NHOMTUOI ( nhóm này phải có 3 nhóm trở lên) và đưa vào ô bên phải Post Hoc Tests.
• Chọn loại kiểm định (Tukey).
4-post-hoc
• Nhấn Continue.
Kết quả ra như sau:
Bảng thống kê mô tả cung cấp về: độ lệch chuẩn, số mẫu, giá trị trung bình
5-descriptive
Bảng kiểm định phương sai bằng nhau “Levene’s Test of Equality of Error Variances” cung cấp kiểm định về kết quả định bằng nhau của phương sai. Bạn sẽ muốn hệ số significant lớn hơn 5% và do đó không có ý nghĩa thống kê, như thế có thể kết luận được phương sai giữa các nhóm biến bằng nhau.
6-anova
Bảng: Test of between subject effect, đây là phần kết quả chính của phân tích two-way Anova.
Interaction effects: Chúng ta nhìn vào dòng NHOMTUOI*GIOITINH với giá trị kiểm định sig. hệ số là 0.138 lớn hơn 5% do đó ảnh hưởng tương tác “Interaction effects”là không có, điều đó chỉ ra rằng không có sự khác biệt trong ảnh hưởng của độ tuổi nên sự hài lòng theo giới tính (nam và nữ).
Main effects: phân tích tác động chính để tìm xem một biến có tác động đến sự hài lòng hay không thì chúng ta nhìn vào cột sig. Nếu giá trị này lớn hơn 5% thì không có tác động có ý nghĩa thống kê trong trường hợp này nhóm tuổi bé hơn 5% và giới tính lớn hơn 5% có nghĩa là giữa các nhóm tuổi có sự khác biệt đối với sự hài lòng còn giữa nam và nữ thì không có sự khác biệt.
Cụ thể muốn biết nhóm nào khác với nhóm nào giữa các nhóm tuổi thì chúng ta nhìn vào phần phân tích sâu Anova,
7-post-hoc
Chúng ta sẽ thấy nhóm tuổi dưới 20 so với nhóm tuổi trên 40 có sig. dưới 5%, và nhóm tuổi dưới 20 so với nhóm tuổi trên 20-40 có sig. dưới 5% Do đó ta kết luận giữa nhóm dưới 20 tuổi và nhóm trên 40 tuổi có sự khác biệt đối với việc hài lòng, cũng như kết luận giữa nhóm dưới 20 tuổi và nhóm 20-40 tuổi có sự khác biệt đối với việc hài lòng.
Các bạn cần trao đổi thêm có thể chát với nhóm tạo facebook.com/hoidapSPSS hoặc mail hotrospss@gmail.com, nhóm sẽ hỗ trợ nhé.
Video 2 way anova:

Ngoài ra nhóm hotrospss@gmail.com có các dịch vụ sau:
– Tư vấn mô hình/bảng câu hỏi/ traning trực tiếp về phân tích hồi quy, nhân tố, cronbach alpha… trong SPSS, và mô hình SEM, CFA, AMOS
– Cung cấp/chỉnh sửa số liệu khảo sát để chạy ra kết quả có ý nghĩa thống kê.

Thứ Tư, 17 tháng 8, 2016

Kiểm định Chi bình phương Chi Square test: cách thực hiện, cách đọc kết quả, cách thao tác tính toán bằng tay thay vì dùng SPSS

Kiểm định Chi bình phương Chi Square test: cách thực hiện, cách đọc kết quả, cách thao tác tính toán bằng tay thay vì dùng SPSS


Nhóm MBA hotrospss@gmail.com ĐH Bách Khoa giới thiệu chi tiết về kiểm định chi bình phương. Đọc xong bài này các bạn sẽ hiểu rõ nó, không còn mơ hồ về mục đích và phương pháp thực hiện( kể cả làm bằng thủ công hoặc bằng phần mềm SPSS)

Mục đích

Giả sử chúng ta có 100 người , và có trình độ học vấn khác nhau tại một tỉnh nọ. Câu hỏi đặt ra là có sự liên quan giữa giới tính và trình độ học vấn hay không. Lúc đó ta sẽ dùng kiểm định chi bình phương ( có nhà nghiên cứu đọc là khi bình phương, khi square). Bài này sẽ dùng hai cách:
-Cách tính toán  bằng tay để ra được chỉ số chi-square, df, sig.
-Cách làm bằng SPSS để ra kết quả, để các bạn nắm chắc hơn kiến thức về phần Chi Square này

Cách thực hiện kiểm định chi-square bằng phần mềm SPSS

2 crosstab menu
Đầu tiên các bạn load file dữ liệu ở đây: phantichspss.com/filefordownload/chisquare/ChiSquare.sav
Đầu tiên vào menu Analyze- Descriptive Statistics – Crosstabs, sau đó đưa hai biến giới tính , bằng cấp GIOITINH và BANGCAP vào hai ô tương ứng như trên hình. Sau đó nhấn vào nút Statistics, chọn Chi-square để thực hiện kiểm định.
3 crosstab
Chọn ô Cells và nhấn chọn Observed, Expected và Total như trong hình. Về ý nghĩa thì Observed là số lượng thực tế quan sát, Expected là số lượng kì vọng, Total là tổng phần trăm theo từng dòng và từng cột. Giá trị expected sẽ được nhóm MBA hotrospss@gmail.com tính toán bằng tay ở bước sau để cho các bạn hiểu rõ.
4 cell crosstab
Kết quả ra như sau:
5 ket qua chi square
Các giá trị ở ô màu đỏ là giá trị thực tế quan sát được. Ví dụ số 6 ở hàng màu đỏ đầu tiên. Đó là có 6 người Nam học CAO ĐẲNG. Số 35 bên tay phải của số 6 có nghĩa là có 35 người Nam học ĐẠI HỌC.
Các giá trị ở ô màu xanh là giá trị kì vọng mong đợi .  Ví dụ số 5.6 ở hàng màu xanh đầu tiên. Đó là có 5.6 người Nam kì vọng học CAO ĐẲNG. Số 38.6 bên tay phải của số 5.6 có nghĩa là có 38.6 người Nam kì vọng học ĐẠI HỌC.
Giá trị kì vọng expected cũng khá dễ hiểu, đó là khi có giả thiết độ tuổi và trình độ không có quan hệ với nhau. Thì xác suất xuất hiện của độ tuổi và giới tính độc lập nhau. Lúc đó công thức tính xác suất P(gioitinh & dotuoi)=P(gioitinh)*P(dotuoi) .
Về kết quả kiểm định chi-square trong phần hình màu vàng. Giá trị Asymptotic Significance (2-sided) = 0.238 chính là significane 2 đuôi của kiểm định. Kiểm định Chi-bình phương chỉ có ý nghĩa khi số quan sát đủ lớn, nếu có nhiều hơn 20% số ô trong bảng chéo có tần suất mong đợi expected value nhỏ hơn 5 thì giá trị chi-square nói chung không còn đáng tin cậy. Cuối bảng Chi-Square Tests luôn đưa ra một dòng thông báo cho bạn biết có bao nhiêu % số ô có tần suất mong đợi  expected value dưới 5 của bảng. Nếu số này dưới 20% thì chúc mừng bạn. Còn nếu trên 20% bạn phải tính đến các biện pháp khác, như là sử kiểm định Fisher’s exact test. ( nếu bảng dữ liệu 2×2 thì fisher sẽ tự hiện ra sau giá trị chi square trong bảng kết quả này).
Ở đây ta thấy có 3 giá trị cần lưu ý: giá trị chi square là 2.873, giá trị bậc tự do df là 2, giá trị sig. là 0.238. Do sig. > 5% nên có bằng chứng cho thấy hai biến này độc lập với nhau. Do đó kết  luận giữa HỌC VẤN và GIỚI TÍNH không có quan hệ với nhau. Còn nếu sig<5% thì có bằng chứng cho thấy hai biến này không độc lập với nhau. Ở phần sau nhóm hotrospss@gmail.com sẽ tính bằng tay 3 giá trị chi square, bậc tự do và sig. này để các bạn xem nhé.

Cách thực hiện kiểm định chi-square bằng thủ công.

Các bạn tải file excel  hướng dẫn thủ công ở đây
phantichspss.com/filefordownload/chisquare/ChiSquare.xlsx
Phần này sẽ tính toán các giá trị Chi square, bậc tự do và sig. của kiểm định chi-square. Dữ liệu gốc ban đầu là 100 người được phân bố như sau
6 data goc
Tổng cộng có 100 người nhé.
Từ dữ liệu trên, tính được % theo dòng vào theo cột như sau( ô màu vàng)
7 excel
Ví dụ ô có vòng tròn đỏ là 10%,  nghĩa là có 10% trong 100 người này có trình độ CAO ĐẲNG số này bằng (6+4)/100
8 kivong
Từ các số màu vàng đó, tính ngược lại ra các số kì vọng expected là các số màu đỏ như trên hình. Ví dụ số 5.6 trong vòng tròn màu xanh là bằng 10%x56%x100. Các bạn để ý các số màu đỏ này chính là các số được tính tự động dùng SPSS ở trên , là giá trị expected. Lưu ý P(A&B)=P(A)*P(B) nếu A và B độc lập với nhau. Giả sử A, B độc lập thì mới được bảng trên.Nếu kì vọng i chang quan sát: thì hai biến hoàn toàn không liên quan nhau .Nếu không  chang: thì có liên quan nhau, thì không độc lập với nhau
Áp dụng công thức tính chi bình phương như sau:
9 chi square
Ta tính được chi-square= (6-5.6)*(6-5.6)/5.6+(35-38.64)*(35-38.64)/38.64+(15-11.76)*(15-11.76)/11.76+(4-4.4)*(4-4.4)/4.4+(34-30.36)*(34-30.36)/30.36+(6-9.24)*(6-9.24)/9.24= 2.873
Vậy giá trị chi-square=2.873, giống với giá trị chạy tự động ở trên
Tính giá trị bậc tự do degree of freedom= (3-1)*(2-1)=2 . Số 3 ở đây là do có ba bậc học, số hai là do có hai giới tính.
Để tính được sig. ta dùng hàm chidist trong excel CHIDIST(chi-square,df) = CHIDIST(2.873,2)=0.238
Như vậy đã đủ điều kiện để kết luận hai giá trị Học vấn và Giới tính không có liên quan với nhau
Như vậy đã giúp các bạn hiểu được bản chất của vấn đề. Ngoài ra nếu các bạn muốn tìm hiểu thêm về các kiểm định liên quan , như là kiểm định fisher’s exact test, df tính ra sao…. thì có thể mail cho nhóm Thạc Sĩ QTKD ĐH Bách Khoa tại địa chỉ hotrospss@gmail.com, có thể để lại số alo, viber, facebook… nhóm sẽ trả lời ngay nhé.
Ngoài ra nhóm hotrospss@gmail.com có các dịch vụ sau:
– Tư vấn mô hình/bảng câu hỏi/ traning trực tiếp về phân tích hồi quy, nhân tố, cronbach alpha… trong SPSS, và mô hình SEM, CFA, AMOS
– Cung cấp/chỉnh sửa số liệu khảo sát để chạy ra kết quả có ý nghĩa thống kê.

So sánh quan hệ giữa 7 phương pháp phân tích đa biến : Regression, Discriminant, Conjoint, SEM, ANOVA, MANOVA, Canonical Correlation

So sánh quan hệ giữa 7 phương pháp phân tích đa biến : Regression, Discriminant, Conjoint, SEM, ANOVA, MANOVA, Canonical Correlation


Hôm nay nhóm Thạc Sĩ ĐH Bách Khoa TP.HCM (hotrospss@gmail.com) giới thiệu đến các bạn sự khác nhau giữa các phương pháp đa biến, để các bạn có thể chủ động chọn phương pháp nghiên cứu cho luận văn của mình nhé. Mỗi phương pháp phân tích định lượng chỉ phù hợp với một số loại dữ liệu, loại mô hình, loại biến độc lập và biến phụ thuộc nhất định. Phương pháp thông dụng là hồi quy regession. Tuy nhiên có một số nghiên cứu phương pháp này không xử lý được, cụ thể có 7 phương pháp như sau.

1.Multiple Regression Analysis Hồi quy đa biến

Phương trình toán hoc:
regression
  • Biến độc lập: biến dạng metric hoặc nometric
  • Biến phụ thuộc: một biến dạng metric

2.Mô hình cấu trúc tuyến tính Structural Equation Modeling

Phương trình toán hoc:
sem
Gồm nhiều phương trình hồi quy đa biến tập hợp lại với nhau, mỗi phương trình có:
  • Biến độc lập: biến dạng metric hoặc nometric
  • Biến phụ thuộc: một biến dạng metric

3.Phân tích biệt số Discriminant Analysis

Phương trình toán hoc:
bietso
  •  Biến độc lập: biến dạng metric
  • Biến phụ thuộc: một biến dạng nometric

4.Phân tích kết hợp Conjoint Analysis

Phương trình toán hoc: conjoint
  • Biến độc lập: biến dạng nometric
  • Biến phụ thuộc: một biến dạng metric hoặc nometric

5.Phân tích phương sai Analysis of Variance (ANOVA)

Phương trình toán hoc:
anova
  • Biến độc lập: biến dạng nometric
  • Biến phụ thuộc: một biến dạng metric

6.Phân tích phương sai đa biến Multivariate Analysis of Variance (MANOVA)

Phương trình toán hoc:
manova
  •  Biến độc lập: biến dạng nometric
  • Biến phụ thuộc: nhiều biến dạng metric

7. Phân tích tương quan chính tắc Canonical Correlation

Phương trình toán hoc:
canonicalCorrelation
  • Biến độc lập: biến dạng metric hoặc nometric
  • Biến phụ thuộc: nhiều biến dạng metric hoặc nometric
  Ngoài ra nhóm có các dịch vụ sau( các bạn mail hotrospss@gmail.com, nhóm sẽ trả lời ngay)
– Tư vấn mô hình/bảng câu hỏi/ traning trực tiếp về phân tích hồi quy, nhân tố, cronbach alpha… trong SPSS, và mô hình SEM, CFA, AMOS
– Cung cấp/chỉnh sửa số liệu khảo sát để chạy ra kết quả có ý nghĩa thống kê.