Câu hỏi về SPSS trong
các buổi phản biện trước hồi đồng luôn trở thành mối lo lắng của không ít sinh
viên khối ngành kinh tế. Chúng tôi thực
hiện khá nhiều luận văn ngành kinh tế nên chúng tôi cũng hiểu được sự khó
khăn, lo lắng của các bạn khi mà không có nhiều điều kiện tiếp xúc với các giáo
trình về SPSS, nguồn tài liệu trên mạng lại khá hạn chế. Thực sự là khá vất vả
khi gặp những câu hỏi phản biện SPSS mà mình không được giảng dạy tại lớp.
Chính vì vậy mà hôm nay viết bài này, nhằm tổng hợp lại
một số câu hỏi phản biện về SPSS cùng câu trả lời do tổng hợp lại từ các
nguồn cộng với kiến thức có được. Lưu ý các bạn một điều, các bạn chỉ xem
những câu trả lời của mình ở dạng tham khảo, mình không đảm bảo chính xác 100%,
nhưng mình sẽ cố gắng đưa ra những câu trả lời có cơ sở rõ ràng nhất.
Câu hỏi số 1: Tại
sao lại lấy hệ số Beta (hệ số hồi quy chuẩn hóa) để kết luận?
Trả lời:
Hệ
số Beta (hệ số hồi quy chuẩn hóa) phản ánh được thứ tự mức độ tác động của biến
độc lập tới biến phụ thuộc bởi vì đơn vị của các biến đã đồng nhất, trong khi
đó hệ số B (hệ số hồi quy chưa chuẩn hóa) không làm được điều này.
Nhờ có phương trình
hồi quy chuẩn hóa và hệ số Beta, các nhà kinh tế sẽ căn cứ vào đó cùng các cơ
sở khác để đánh giá liệu rằng nên đầu tư mạnh, nên đầu tư ít vào yếu tố nào để
mang lại hiệu quả.
Câu hỏi số 2: Ý
nghĩa R bình phương hiệu chỉnh là gì?
Trả lời:
Giá
trị R bình phương hiệu chỉnh cho biến các biến độc lập giải thích được bao
nhiêu phần trăm (%) sự biến thiên của biến phụ thuộc.
Một
nhận xét cụ thể tham khảo: Biến phụ thuộc là “Sự trung thành của nhân viên”
Kết quả thống kê có
giá trị R bình phương hiệu chỉnh = 0.789, nghĩa là trong 100% sự biến động của
biến phụ thuộc “Sự trung thành của nhân viên” thì có 78.9% sự biến động là do
tác động từ các biến độc lập, còn lại 21.1% là do sai số ngẫu nhiên hoặc các
yếu tố khác ngoài mô hình.
Câu hỏi số 3: Hệ
số tải Factor Loading trong EFA có ý nghĩa gì?
Trả lời:
Hệ số Factor Loadings
(hệ số tải nhân tố) tỏng phân tích nhân tố khám phá EFA là những hệ số tương
quan đơn giữa các biến quan sát với nhân tố. Nếu hệ số tải càng lớn chứng tỏ
biến quan sát có mối quan hệ càng chặt chẽ với nhân tố. Thường chúng ta lấy hệ
số tải lớn hơn 0,5 hoặc 0,3.
Câu hỏi số 4: Hiện
tượng đa cộng tuyến là gì?
Trả lời:
Vấn
đề đa cộng tuyến xảy ra khi các biến (nhân tố) độc lập có tương quan tuyến tính
khá mạnh với nhau. Nói cách khác hiện tượng đa cộng tuyến xảy ra khi có mối
tương quan tuyến tính hiện hữu giữa các biến độc lập trong mô hình.
Hậu
quả của hiện tượng đa cộng tuyến:
– Hạn chế giá trị của
R bình phương (Thường sẽ làm giá trị R bình phương tăng ảo)
– Làm sai lệch hoặc đổi dấu các hệ số hồi quy trong phương trình hồi quy.
Câu hỏi số 5: Hệ
số Durbin-Watson trong hồi quy có ý nghĩa gì?
Trả lời:
Hệ
số Durbin Watson dùng để kiểm tra xem có hiện tương tự tương quan hay không
trong phần dư của một phép phân tích hồi quy.
Durbin Watson có giá
trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan
chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3); nếu giá trị
càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận; nếu càng lớn, gần
về 4 có nghĩa là các phần sai số có tương quan nghịch.
Câu hỏi số 6: Hệ
số F trong hồi quy có ý nghĩa gì?
Trả lời:
Kiểm
định F phải có giá trị sig. nhỏ hơn 0.05 để kiểm chứng mức độ phù hợp của mô
hình hồi quy với tổng thể bởi vì chúng ta nghiên cứu mục đích là để đánh giá
tổng thể các phần tử chứ không phải mẫu phần tử.
Ví dụ cụ thế: Bạn
nghiên cứu một số nhân viên trong cty để suy ra chung cho toàn nhân viên công
ty thì một số nhân viên là mẫu còn toàn nhân viên là tổng thể (quy mô mẫu <
tổng thế).
Nếu sig F <0.05 nghĩa là mô hình hồi quy của bạn có ý nghĩa áp dụng và suy
luận ra tính chất của tổng thể.
Câu hỏi số 7: Mẫu
nghiên cứu của đề tài lấy trên cơ sở nào?
Trả lời:
Thông
thường, do điều kiện hạn hẹp về chi phí và thời gian, chúng ta đều dựa trên
tiêu chuẩn 5:1 của Bollen (1998) và Hair & ctg (1998).
Để thỏa mãn yêu cầu về
dữ liệu của phân tích định lượng, một biến cần có 5 quan sát tương ứng với 5
đáp viên. Bảng câu hỏi đưa ra có 30 biến, nên mẫu tối thiểu là 150 (30 x 5 =
150) người
Câu hỏi số 8: Phương
pháp chọn mẫu của bạn là gì?
Trả lời:
Từ
kiến thức môn Nghiên cứu Marketing, chúng ta có 2 phương pháp chọn mẫu: chọn
mẫu xác suất và chọn mẫu phi xác suất.
Nhưng
phổ biến nhất, chúng ta thường sử dụng phương pháp CHỌN MẪU PHI XÁC SUẤT THUẬN
TIỆN để áp dụng trong các nghiên cứu tiểu luận, báo cáo.
* Chọn mẫu phi xác suất là chọn mẫu theo ý định chủ quan của người nghiên cứu.
* Chọn mẫu phi xác suất kiểu thuận tiện: Các đơn vị mẫu được chọn ở tại một địa
điểm và vào một thời gian nhất định.
Ví
dụ cụ thể: Chọn mẫu những nhân viên làm việc tại công ty. Khi chúng ta gặp ai
thì chúng ta nhờ họ đánh vào bảng khảo sát. Vậy là chúng ta khảo sát dựa trên
tính “dễ tiếp xúc” và “cơ hội thuận tiện” để chọn mẫu. 2 thuộc tính “dễ tiếp
xúc” + “cơ hội thuận tiện” là biểu hiện của chọn mẫu phi xác suất thuận tiện.
Ưu điểm phi xác suất
thuận tiện: dễ dàng tập hợp các đơn vị mẫu Nhược điểm: không đạt được độ xác
thực cao.
Câu hỏi số 9: Ý
nghĩa của kiểm định Cronbach’s Alpha?
Trả lời:
Cronbach Alpha giúp
kiểm định độ tin cậy của thang đo.
Mỗi
nhân tố gồm các biến quan sát biểu hiện cho 1 thang đo nhất định cho nhân tố
đó. Các biến quan sát có thể hiện được ý nghĩa của nhân tố hay không chính là
độ tin cậy thang đo.
Câu hỏi quan sát kém,
không có căn cứ, số lượng quá ít sẽ thường không tạo được sự tin cậy cho thang
đo nhân tố đó. Ngược lại, câu hỏi quan sát dựa trên các cơ sở lý luận cụ thể,
lấy từ các nghiên cứu đã được kiểm duyệt, số lượng vừa đủ sẽ phản ánh được gần
đúng ý nghĩa của nhân tố. Từ đó mà độ tin cậy của thang đo tăng lên.
Câu hỏi số 10: Ý
nghĩa của phân tích nhân tố khám phá EFA?
Trả lời:
EFA
dùng để thu gọn, rút trích các biến quan sát có ý nghĩa hội tụ và phân biệt.
–
Hội tụ: Các biến quan sát cùng tải mạnh (hệ số tải Factor Loading) cho 1 nhân
tố sẽ gom về 1 nhân tố đó.
– Phân biệt: Mỗi nhân
tố sẽ có xu hướng tải khác nhau. Nhóm biến quan sát tải cho nhân tố thứ nhất
tách biệt với nhóm biến quan sát tải cho nhân tố thứ hai dẫn đến sự phân nhóm
nhân tố thành từng cột trong ma trận xoay.
…… Đang tiếp tục cập nhật!
0 nhận xét:
Đăng nhận xét