   !"#$%&#'() *+, #/'%&#'()0)123'452#6/'7.3'489:';     !"#!#$%& '()*#! +,-.)/012 34-.) 312 35-.) 3/ 3  67!( #$%&89 :( #$%& ';() +,<228=)>?@AB%( C D1E%$/2-( 8= F CAB* 3&G&89() :A1EH<I/HB<I B/HA<IA/H/2G& ' #67! D#$-!6 37#$J.%(, 7 <=".7.'%&#'>)      !"#!$"%#&' ()*!+(,-  ? 85$@%&#'(); *AB(0+:5C; <D@#E; FG'2H9I; J85$@7.'; KL).0M'L)'; ;K 3 3* F;3L I;7M " L?:-"LNL(%O.)  N===  !"#$%&#'() *+, #/'%&#'()0)123'452#6/'7.3'489:';  PJPPI 31Q0< #67! D#$-!6 37#$J.%(, 7 PJPPI 3/0E <=".7.'%&#'>) .&/0123 J* R#ST "L PJPPI 3B/0BU                            -3<228=%89)>?@I#$V '%89L#*1: ;I:;-3T W"  @7* 3&11:* 3&XN*1Y ZX[)\1]W #J* #ST)"9)O#$ PJPPI 3BU0A2 !"#  $!"% &' (     )    ) * +    )                        )    )  )  +  )  )   + ,)  )    )  ) T)"9)#$-C?:#$OX3S61%" 89L #*-C1B?:;O*?N#*-C;O J* R#ST^)_$) PJPPI 3A1 P^)_$)RG%898V" O W `YW,I%a?:R %89^)_$)%![3RX ? 85$@%&#'();  4 56$4 5-  78&/6$49-  :;+<%6$&'%4&'#5=>#6$ #- *85$@AB(0+:5C; T "L PJPPI 3AB0A< -' H-W@ b3c7 HJW 3J3                          T "LL$ 9)(  PJPPI 3<20<B -' H-W@ b3c7 HJW 3J3  H-3#F H-3?& H"  H-CP HG(dP ,?  HJ8e+3 H* 3&>@  H* 3&V@ _ HN#$  HP"dL8V89 3#FPf + 3 HG(3(F)g( ).)"N3  HG(L(%"_g( ).)"PLh    - !  - +, /0  1-  - + -  + /2    + /34  /0  1/34  5 .. , /0  15 ..  6!  -  -7  / ,+,        ,      +   +  +        + +          , + +   ,          ,   ,                       T "LL$ 9)?V#!%i PJPPI 3<10<B -' H-W@ b3c7 HJW 3J3  ?;>3 HT!%iF( T33  HT!%iF#*J3  HT!%iF( ).)"j 3 Sè l îng ng êi ®äc b¸o trong gia ®×nh 15111087654321 Frequency 160 140 120 100 80 60 40 20 0 Sè l îng ng êi ®äc b¸o trong gia ®×nh 15 11 10 8 7 6 5 4 3 2 1 15.012.510.07.55.02.50.0 Sè l îng ng êi ®äc b¸o trong gia ®×nh Frequency 300 200 100 0 Std. Dev = 1.80 Mean = 3.5 N = 500.00 #T(  PJPPI 3A<0<2 -' H-3#F H-CP HG(dP ,?  HJ8e+3 H* 3&>@  H* 3&V@ _ HN#$  HP"dL8V89 3#FPf + 3 HG(3(F)g( ).)"N3  HG(L(%"_g( ).)"PLh   /8!9:;<='  !!;>" ?.4.@  /.   /0    6! /.   /0    - /.   /0    -7 /.   /0    / /. ,+,  /0    - /. +,  /0    / 2  /.   /0     /. +  /0    /34 /.   /0    5 .. /. ,  /0    TL*)* PJPPI 3<B0/2 T!k ' 8ecT$)K (,) ?:T$%( .)b 3 -"L0( P   H,3) ? H-W@ b3c7 HJW 3J3  H-3#F H-CP HG(dP ,?  HJ8e+3 H* 3&>@  H* 3&V@ _ HN#$  HP"dL8V89 3#FPf + 3 HG(3(F)g( ).)"N3  HG(L(%"_g( ).)"PLh HlV89 3#FH  3 H-!<* 3&V@ I<* 3&>@ m 3 H-.)).?& <I12I<I<2IU<IQ2IQ<J3  T!%iJ  Hj()T_)  H6:?:*P HHn HJ.)"j 3 Descriptives  &AB"  /. /0  *  - +,  )  C D1  - E 4F  +  GHHF  +  )- +  - +   +,  /2    -   -7   6!   D6!   /34 , + 5 .. I +  - ++,  )  C D1  - E 4F  +  GHHF  +  )- ++  - +   ++  /2    -   -7   6!   D6!   /34  + 5 .. I + M-Estimators  &AB" J=K.-I 0. ?@ 3K. F4!"?=@ JHK.-I 0. ?@ L4.K M?@ *  ++ ++ + ++  + +, +, + "4!"! ..++ ="4!"! .. "4!"! ..,N+N "4!"! ..+OH Extreme Values (Outliers)  &AB"   .=  *  J!".     +,  +        ?@ E 4.       +       , +?=@  J!".     ,  +  +  +   + ?@ E 4.  ,     +       ,  PH. 1..4""." 4"= 1HH7. =PH. 1..4""+." 4"= 1 47. PH. 1..4""." 4"= 1HH7. Percentiles   &AB" .     ,   M!" L!?2 C @ *    +    +              +      + 3K. J!. *      +           +      Boxplots 5759N = Giíi tÝnh N÷Nam Tuæi 70 60 50 40 30 20 10 Stem-and-leaf * Stem-and-Leaf Plot for GTINH= Nam Frequency Stem & Leaf 1.00 1 . 9 9.00 2 . 112333344 15.00 2 . 555666677888889 5.00 3 . 00112 6.00 3 . 568889 7.00 4 . 0001234 5.00 4 . 56678 7.00 5 . 0012444 4.00 5 . 5999 Stem width: 10 Each leaf: 1 case(s) Histogram Tuæi 60.055.050.045.040.035.030.025.020.0 Histogram For GTINH= Nam Frequency 16 14 12 10 8 6 4 2 0 Std. Dev = 11.68 Mean = 36.0 N = 59.00 TO#$ PJPPI 3/2HUU G& '0G& ' =0@<$ -' H-W@ b3c7 HJW 3J3  &AB" *!       )     )    )   * I  +,)  +)  )  I+ , ,)  +)  )  +I+  +) + +,)  )  I  ) , ,)  ) *!  )  )  )    *!    )   )    ) * I  +,)  +)  +)  I+ , ,)  +)  ) [...]... Mean dương nghĩa là A hơn B) b.1.3 Phân tích phương sai môỆt yếu tố (One-way ANOVA) (SPSS, trang 145 – 154) Điều kiêện để Phân tích phương sai môệt yếu tố:  Các mẫu phải đôệc lâệp và được lựa chọn môệt cách ngẫu nhiên  Các mẫu phải có phân phối chuẩn hoăệc cỡ mẫu phải đủ lớn để được xem như tiêệm câện phân phối chuẩn,  Phương sai của các mẫu phải như... biểu hiêện trở lên (biến định tính) là khác nhau Ở đây ta kiểm định 2 bước: B1: H0 :Phương sai của 3 biểu hiêện trở lên (biến định tính) là như nhau, có thể phân tích ANOVA, tiếp tục phân tích B2 H1 :Phương sai của 3 biểu hiêện trở lên (biến định tính) là khác nhau, không thể phân tích ANOVA, dừng lại ở đây Nếu Sig 0.05 thì bác bỏ giả thuyết H0, chấp nhâện giả... thuôệc (Pairedsamples T-test)) 3 Kiểm định Kruskal – Wallis (Thay thế cho Phân tích phương sai môệt yếu tố (One-way ANOVA)) Kiểm định tham số: 1 Kiểm định tham số trung bình hai mẫu đôệc lâệp: (Independent-sample T-test) 2 Kiểm định tham số trung bình hai mẫu phụ thuôệc (Paired-samples T-test) 3 Phân tích phương sai môệt yếu tố (One–way ANOVA) 4 Kiểm định tham số trung bình... là Asymp Sig (2-tailed) ở Bảng Binomial Test) 3 Phân tích Quan hêỆ: Định tính Định tính Kiểm định Chi - Square Định lượng Định lượng Kiểm định tham số: 1 Kiểm định tham số trung bình hai mẫu đôệc lâệp: (Independent-sample T-test) 2 Kiểm định tham số trung bình hai mẫu phụ thuôệc (Paired-samples T-test) 3 Phân tích phương sai môệt yếu tố (One–way ANOVA) 4 Kiểm định... lượt là 2 biểu hiêện của biến định tính) bằng cách: Dựa vào hạng (Mean Rank), nếu Mean Rank của dòng Negative Ranks > Mean Rank của Positive Ranks thì Giá trị trung bình (tính trên biến định lượng) của biểu hiêện A lớn hơn biểu hiêện B và ngược lại b.2.3 Kiểm định Kruskal – Wallis (Thay thế cho Phân tích phương sai môỆt yếu tố (One-way ANOVA)) (SPSS, trang 176 – 179)... với Kiểm định Kruskal – Wallis ta không cần kiểm định phương sai (B1, ở Phân tích phương sai môệt yếu tố (One-way ANOVA)) c Kiểm định 2 biến định lượng: (SPSS, trang 195 – 210) Tương quan tuyến tính Câu lêệnh: Analyze/ Correlate/ Bivariate H0: p = 0 H1: p ≠ 0 Ở đây ta có ra 2 TH với 2 mức ý nghĩa (thực hiêện 1 trong 2) và được xác định dựa trên dấu * (TH1) hoăệc dấu **... phương sai môỆt yếu tố (One-way ANOVA)) (SPSS, trang 176 – 179) Điều kiêện để Kiểm định Kruskal – Wallis:  Các mẫu phải đôệc lâệp và được lựa chọn môệt cách ngẫu nhiên  Các mẫu có cùng phân phối (không nhất thiết là phân phối chuẩn)  Phương sai của các mẫu phải như nhau Câu lêệnh: Analyze/ Nonparametric Test/ K Independent Samples H0: Giá trị trung bình (tính trên... Test) Có thể dựa vào giá trị trung bình (Mean) để ước lượng là hay K KIỂM ĐỊNH PHI THAM SỐ: b.2.1 Kiểm định Mann – Whitney (Thay thế cho Kiểm định tham số trung bình hai mẫu đôỆc lâỆp (Independent-sample T-test)) (SPSS, trang 172 – 176) Điều kiêện để Kiểm định Mann - Whitey:  Hai mẫu có cùng phân phối (không nhất thiết là phân phối chuẩn)  Phương sai của hai... 11 2 21 2 2 1 22 1.2% 2.8% 6.0% 4.4% 8% 8.4% 8% 8% 4% 8.8% f Bảng khác: (SPSS, trang 77 – 83) g Biểu đồ: (SPSS, trang 83 – 106) 2 Phân tích Tỷ lêỆ: Kiểm định tỷ lêệ môệt mẫu: (SPSS, trang 189 – 193) Câu lêệnh: Analyze/ Noparametric Test/ Binomial a Biến Phân đôi (0-1): H0: Tỷ lêệ “biểu hiêện 1” trong tổng thể K% H1: Tỷ lêệ “biểu hiêện 1” trong tổng thể K% Nếu Sig 0.05 thì... Kiểm định Sign (Kiểm định dấu) - Kiểm định Wilcoxon (Thay thế cho Kiểm định tham số trung bình hai mẫu phụ thuôệc (Paired-samples T-test)) 3 Kiểm định Kruskal – Wallis (Thay thế cho Phân tích phương sai môệt yếu tố (One-way ANOVA)) a Kiểm định 2 biến định tính: (SPSS, trang 115 – 130) Kiểm định Chi – Square Câu lênh: Analyze/ Descriptive Statistics/ Crosstabs Tương quan – Hồi