_ TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH VIỆN ĐÀO TẠO SAU ĐẠI HỌC  BÀI TẬP CÁ NHÂN XỬ LÝ VÀ PHÂN TÍCH DỮ LIỆU SPSS GVHD : TS. NGUYỄN HÙNG PHONG SVTH : XYZ MSSV : 770123abcd LỚP : K23_ĐÊM 5 TP . Hồ Chí Minh, tháng 02 năm 2014 2 Câu 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) Phân tích EFA là phân tích từng khái niệm, giúp chúng ta đánh giá được giá trị hội tụ và giá trị phân biệt của đo lường. Khi tiến hành phân tích EFA, các nhà nghiên cứu đều quan tâm đến một số tiêu chuẩn sau: - Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (nằm giữa 0,5 và 1) có ý nghĩa là phân tích nhân tố là thích hợp (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). - Hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, hệ số tải lớn hơn 0,3 được xem là đạt mức tối thiểu, hệ số tải lớn hơn 0,4 được xem là quan trọng, lớn hơn 0,50 được xem là có ý nghĩa thiết thực. Hệ số tải lớn nhất của các biến quan sát phải ≥ 0.5. Trong bài, tác giả chọn “Suppress absolute values less than” là 0,5 để đảm bảo ý nghĩa của việc phân tích nhân tố EFA. - Thang đo được chấp nhận khi tổng phương sai trích ≥ 50% - Hệ số eigenvalue có giá trị lớn hơn 1 (Gerbing và Anderson, 1998). - Tiếp theo là khác biệt giữa các hệ số tải nhân tố của một biến quan sát phải ≥ 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003). 1.1. Thực hiện phân tích EFA cho khái niệm Văn Hóa Tổ Chức (OC) KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,729 Bartlett's Test of Sphericity Approx. Chi-Square 1166,882 df 21 Sig. ,000 Trong bảng KMO and Bartlett’s Test: Với giả thuyết H 0 đặt ra trong phân tích này là giữa các biến quan sát trong tổng thể không có mối tương quan với nhau. Kiểm định KMO và Bartlett’s Test trong phân tích nhân tố cho thấy giả thuyết H 0 này bị bác bỏ (vì Sig =.000), do vậy các biến quan sát trong tổng 2 thể có mối tương quan với nhau, đồng thời hệ số KMO bằng 0,729(>0,5) chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là phù hợp. Communalities Initial Extraction OC12 1,000 ,504 OC14 1,000 ,678 OC21 1,000 ,446 OC23 1,000 ,418 OC24 1,000 ,486 OC25 1,000 ,505 OC26 1,000 ,670 Extraction Method: Principal Component Analysis. Trong Bảng Communalities: phần chung ban đầu luôn bằng 1 và phần trích cuối cùng (Extraction) nằm trong khoảng 0,418 đến 0,678. Phần trích cuối cùng chính là H j2 ở đây muốn nói lên phương sai của biến quan sát X j được giải thích bởi phần chung nằm trong khoảng 0,418 đến 0,678. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2,470 35,284 35,284 2,470 35,284 35,284 2 1,237 17,669 52,953 1,237 17,669 52,953 3 ,858 12,252 65,205 4 ,826 11,804 77,009 5 ,720 10,281 87,290 6 ,548 7,834 95,125 7 ,341 4,875 100,000 Extraction Method: Principal Component Analysis. Trong bảng Total Variace Explained: Có 2 component trở thành 2 Factor trong mô hình 7 biến quan sát. Factor 1 có khả năng giải thích được 35.284% tổng biến thiên của 7 biến quan sát. Factor 2 có khả năng giải thích được 17.669% tổng biến thiên của 7 biến quan sát. Cả 2 factor này giải thích lũy kế 2 lên là 52.953% tổng biến thiên của 7 biến quan sát. Và thang đo rút ra chấp nhận được với giá trị eigenvalue = 1,237. Rotated Component Matrix a Component 1 2 OC14 ,824 ,006 OC26 ,818 ,039 OC25 ,710 ,035 OC12 ,686 ,183 OC24 -,119 ,687 OC21 ,084 ,662 OC23 ,226 ,606 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations. Bảng Rotated Component Matrix: cho thấy tổng cộng có 2 nhân tố được rút trích bao gồm 7 biến quan sát Tính giá trị các biến mới trong SPSS: Vào Transform/ Compute Variable. Sau đó đưa từng biến quan sát tính giá trị biến mới lấy giá trị trung bình. Với biến X1- Văn hóa Tổ chức 1 gồm OC14, OC26, OC25, OC12 mà ta đặt ở bên trên ta lấy trung bình. Cách tính trung bình X1: 2 Nhân tố thứ 2 gồm 3 biến quan sát: OC24, OC21, OC23. Nhân tố này được đặt tên là Văn hóa Tổ chức 2. Kí hiệu là X2. Tương tự ta tính giá trị trung bình cho biến X2 gồm OC24, OC21, OC23 như cách tính X1 đã nêu trên. 1.2. Thực hiện phân tích EFA cho khái niệm Hệ thống giá trị của Quản Trị Gia (PV) KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,705 Bartlett's Test of Sphericity Approx. Chi-Square 1178,491 df 28 Sig. ,000 Qua bảng KMO and Bartlett’s Test: Với giả thuyết H 0 đặt ra trong phân tích này là giữa các biến quan sát trong tổng thể không có mối tương quan với nhau. Kiểm định KMO và Bartlett’s Test trong phân tích nhân tố cho thấy giả thuyết H 0 này bị bác bỏ (vì Sig =.000), do vậy các biến quan sát trong tổng thể có mối tương quan với nhau, đồng thời hệ số KMO bằng 0,729(>0,5) chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là phù hợp. Communalities Initial Extraction PV2 1,000 ,447 PV4 1,000 ,389 PV8 1,000 ,525 PV1 1,000 ,543 PV3 1,000 ,563 PV5 1,000 ,572 PV6 1,000 ,589 PV9 1,000 ,414 Extraction Method: Principal Component Analysis. Trong Bảng Communalities: phần chung ban đầu luôn bằng 1 và phần trích cuối cùng (Extraction) nằm trong khoảng 0,389 đến 0,589. Phần trích cuối cùng chính là H j2 ở đây muốn nói lên phương sai của biến quan sát X j được giải thích bởi phần chung nằm trong khoảng 0,389 đến 0,589. 2 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 2,290 28,620 28,620 2,290 28,620 28,620 2,272 28,396 28,396 2 1,751 21,888 50,508 1,751 21,888 50,508 1,769 22,112 50,508 3 ,829 10,366 60,874 4 ,804 10,051 70,925 5 ,737 9,217 80,143 6 ,590 7,370 87,513 7 ,552 6,901 94,414 8 ,447 5,586 100,000 Extraction Method: Principal Component Analysis. Trong bảng Total Variance Explained: Có 2 component trở thành 2 Factor trong mô hình 8 biến quan sát. Factor 1 có khả năng giải thích được 28.620% tổng biến thiên của 8 biến quan sát. Factor 2 có khả năng giải thích được 21.888% tổng biến thiên của 8 biến quan sát. Cả 2 factor này giải thích lũy kế lên là 50.508% tổng biến thiên của 8 biến quan sát. Và thang đo rút ra chấp nhận được với giá trị eigenvalue = 1,751. 2 Rotated Component Matrix a Component 1 2 PV2 ,663 ,091 PV4 -,190 ,594 PV8 ,724 ,032 PV1 ,339 ,654 PV3 -,064 ,747 PV5 ,749 -,102 PV6 ,767 -,016 PV9 ,064 ,640 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations. Trong bảng Rotated Component Matrix: cho thấy tổng cộng có 2 nhân tố được rút trích bao gồm 8 biến quan sát. Tính giá trị các biến mới trong SPSS: Vào Transform/ Compute Variable. Sau đó đưa từng biến quan sát tính giá trị biến mới lấy giá trị trung bình. Với biến X3- Hệ thống giá trị của Quản Trị Gia 1 gồm PV6, PV5, PV8, PV2 mà ta đặt ở bên trên ta lấy trung bình. Nhân tố thứ 2 gồm 4 biến quan sát: PV3, PV1, PV9, PV4. Nhân tố này được đặt tên là Hệ thống giá trị của Quản Trị Gia 2. Kí hiệu là X4. Tương tự ta tính giá trị trung bình cho biến X4 gồm PV3, PV1, PV9, PV4 như cách tính X3 đã nêu trên. 1.3. Thực hiện phân tích EFA cho khái niệm Thực Tiễn Quản Trị (MP) KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,864 Bartlett's Test of Sphericity Approx. Chi-Square 2445,541 df 45 Sig. ,000 Trong bảng KMO and Barlett’s Test: Với giả thuyết H 0 đặt ra trong phân tích này là giữa các biến quan sát trong tổng thể không có mối tương quan với 2 nhau. Kiểm định KMO và Bartlett’s Test trong phân tích nhân tố cho thấy giả thuyết H 0 này bị bác bỏ (vì Sig =.000), do vậy các biến quan sát trong tổng thể có mối tương quan với nhau, đồng thời hệ số KMO bằng 0,864(>0,5) chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là phù hợp. Communalities Initial Extraction MP12 1,000 ,699 MP15 1,000 ,446 MP16 1,000 ,372 MP21 1,000 ,467 MP22 1,000 ,366 MP23 1,000 ,475 MP24 1,000 ,505 MP25 1,000 ,506 MP26 1,000 ,500 MP11 1,000 ,704 Extraction Method: Principal Component Analysis. Trong Bảng Communalities: phần chung ban đầu luôn bằng 1 và phần trích cuối cùng (Extraction) nằm trong khoảng 0,366 đến 0,704. Phần trích cuối cùng chính là H j2 ở đây muốn nói lên phương sai của biến quan sát X j được giải thích bởi phần chung nằm trong khoảng 0,366 đến 0,704. 2 Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 3,936 39,359 39,359 3,936 39,359 39,359 3,375 33,749 33,749 2 1,104 11,042 50,401 1,104 11,042 50,401 1,665 16,652 50,401 3 ,870 8,701 59,103 4 ,819 8,187 67,289 5 ,666 6,664 73,953 6 ,632 6,318 80,271 7 ,562 5,619 85,890 8 ,533 5,331 91,221 9 ,487 4,871 96,092 10 ,391 3,908 100,000 Extraction Method: Principal Component Analysis. Trong bảng Total Variance Explained: Có 2 component trở thành 2 Factor trong mô hình 10 biến quan sát. Factor 1 có khả năng giải thích được 39.359% tổng biến thiên của 10 biến quan sát. Factor 2 có khả năng giải thích được 11.042% tổng biến thiên của 10 biến quan sát. Cả 2 factor này giải thích lũy kế lên là 50.401% tổng biến thiên của 10 biến quan sát. Và thang đo rút ra chấp nhận được với giá trị eigenvalue = 1,104. 2 Rotated Component Matrix a Component 1 2 MP12 ,191 ,814 MP15 ,654 ,133 MP16 ,582 ,181 MP21 ,681 ,061 MP22 ,579 ,176 MP23 ,689 ,024 MP24 ,634 ,322 MP25 ,635 ,321 MP26 ,690 ,154 MP11 ,130 ,829 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations. Bảng Rotated Component Matrix: cho thấy tổng cộng có 2 nhân tố được rút trích bao gồm 10 biến quan sát. Tính giá trị các biến mới trong SPSS: Vào Transform/ Compute Variable. Sau đó đưa từng biến quan sát tính giá trị biến mới lấy giá trị trung bình. Với biến X5- Thực Tiễn Quản Trị 1 gồm MP26, MP23, MP21, MP15, MP25, MP24, MP16, MP22 mà ta đặt ở bên trên ta lấy trung bình. Nhân tố thứ 2 gồm 2 biến quan sát: MP11, MP12. Nhân tố này được đặt tên là Thực Tiễn Quản Trị 2. Kí hiệu là X6. Tương tự ta tính giá trị trung bình cho biến X6 gồm MP11, MP12 như cách tính X5 đã nêu trên. 1.4. Thực hiện phân tích EFA cho khái niệm Kết Quả Hoạt Động Của Công Ty (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 [...]... các nhân tố này đủ độ tin cậy để thực hiện các đo lường tiếp 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 Thực hiện phân tích Anova Hai Chiều với biến OWN và POS 3.1 Phân tích Anova Một Chiều Sau khi phân tích EFA và Cronbach’s Alpha ta chỉ còn 4 nhân tố để thực hiện các bước tiếp theo là các... Bartlett’s Test: Với giả thuyết H0 đặt ra trong phân tích này là giữa các biến quan sát trong tổng thể không có mối tương quan với nhau Kiểm định KMO và Bartlett’s Test trong phân tích nhân tố cho thấy giả thuyết H0 này bị bác bỏ (vì Sig =.000), do vậy các biến quan sát trong tổng thể có mối tương quan với nhau, đồng thời hệ số KMO bằng 0,847(>0,5) chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau... biệt về Thực Tiễn Quản Trị ( theo khía cạnh Thực Tiễn Quản Trị 2) giữa 2 cấp bậc quản lý - Sig của X1,X5 0.05: Không có sự khác biệt về Hệ thống Quản Trị Gia giữa 4 loại hình doanh nghiệp - Sig của X5 . NHÂN XỬ LÝ VÀ PHÂN TÍCH DỮ LIỆU SPSS GVHD : TS. NGUYỄN HÙNG PHONG SVTH : XYZ MSSV : 770123abcd LỚP : K23_ĐÊM 5 TP . Hồ Chí Minh, tháng 02 năm 2014 2 Câu 1: Thực hiện phân tích khám phá (EFA) /phân. yếu tố thành phần) Phân tích EFA là phân tích từng khái niệm, giúp chúng ta đánh giá được giá trị hội tụ và giá trị phân biệt của đo lường. Khi tiến hành phân tích EFA, các nhà nghiên cứu đều quan. chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (nằm giữa 0,5 và 1) có ý nghĩa là phân tích nhân tố là thích hợp (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). - Hệ số