Test so sánh chính xác của fisher
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 SPSSNhóm MBA [email protected] 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) Show
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 SPSSCách 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 So sánh quan hệ giữa 7 phương pháp phân tích đa biến : Regression, Discriminant, Conjoint, SEM, ANOVA, MANOVA, Canonical CorrelationHôm nay nhóm Thạc Sĩ ĐH Bách Khoa TP.HCM ([email protected]) 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 biếnPhương trình toán hoc:
2.Mô hình cấu trúc tuyến tính Structural Equation ModelingPhương trình toán hoc:
3.Phân tích biệt số Discriminant AnalysisPhương trình toán hoc:
4.Phân tích kết hợp Conjoint AnalysisPhương trình toán hoc:
5.Phân tích phương sai Analysis of Variance (ANOVA)Phương trình toán hoc:
6.Phân tích phương sai đa biến Multivariate Analysis of Variance (MANOVA)Phương trình toán hoc:
7. Phân tích tương quan chính tắc Canonical CorrelationPhương trình toán hoc:
Ngoài ra nhóm có các dịch vụ sau( các bạn mail [email protected], 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. Xử lý lỗi ma trận xoay nhân tố bị xáo trộn lộn xộn, không hội tụ
Hôm nay nhóm Thạc Sĩ ĐH Bách Khoa tp.HCM hướng dẫn cách xử lý khi ma trận xoay trong phân tích nhân tố xoay ra số liệu xấu, các nhân tố không hội tụSau khi chạy Cronbach alpha ổn, điều mong đợi nhất chạy phân tích nhân tố EFA các kết quả ra đẹp, ma trận xoay hội tụ, không bị xáo trộn lộn xộn. ( bạn nào chưa biết cách chạy EFA thì xem link ở đây http://phantichspss.com/tong-quan-phan-tich-nhan-to-kham-pha-efa.html ) Nếu kết quả bạn chạy ra , biến quan sát bị xáo trộn như sau: Nguyên nhân:– Số liệu có vấn đề, cần phải xem lại bảng câu hỏi, thậm chí khảo sát lại. Giải pháp:– Xem lại toàn bộ số liệu, kiểm tra lại quá trình thu thập bảng câu hỏi – Gởi mail cho nhóm [email protected] để được tư vấn xử lý, xử lý dứt điểm – Ngoài ra nhóm Thạc Sĩ ĐH Bách Khoa tp.HCM còn có dịch vụ tư vấn bảng câu hỏi, hiệu chỉnh số liệu khảo sát cho ổn. Các bạn mail [email protected] nhé. Nhóm Hỗ Trợ SPSS – hotrospss @gmail.com Các nội dung nhóm thường tư vấn, hướng dẫn xử lý cho các bạn như sau: Ma trận xoay rồi thì thấy nó Lộn xộn quá! biến quan sát bị xáo trộn ma tran nhân tố xoay nó không hội tụ mà phân tùm lum hết nhiều biến không có hệ số. ma trận xoay các nhân tố cho ra kết quả các nhóm rất không tốt, lộn xộn. ma trận xoay không theo từng nhóm biến cái bảng xoay nhân tố Rotated Component Matrixa nó ra rất lộn xộn, có 1 biến mà thuộc 2 nhóm nhân tố Một số câu hỏi bị xáo trộn Efa bảng dữ liệu đã xoay số liệu rất xấu nhưng khi khắc phục xong ma trận xoay của em còn rất ít yếu tố mà giá trị các biến không hội tụ lại được ma trận xoay cũng không ra luôn à. ma trận xoay đúng trật tự các nhân tố ban đầu Bảng xoay EFA cuối cùng của em các biến bị sắp xếp lộn xộn không cùng một nhóm Xử lý lỗi chỉ số KMO không xuất hiện khi phân tích nhân tố EFAKhi tiến hành phân tích nhân tố, một số trường hợp sẽ bị lỗi là chỉ số KMO không xuất hiện trong bảng kết quả , trong khi mọi chỉ số khác đều đầy đủ. Vậy làm thế nào để KMO hiện ra? Nay nhóm MBA Bách Khoa [email protected] sẽ hướng dẫn bạn cách tự xử lý: Khi KMO không xuất hiện, kết quả như sau: Lý do 1:– Có hai biến quan sát giá trị hòa toàn giống nhau, đây là điều dễ gặp khi các bạn “chế số” để ra kết quả chạy đẹp. Để biết được điều này thì các bạn thực hiện thống kê mô tả cho tất cả các biến, trong phần options chọn Ascending means Lý do 2:– Có một hoặc nhiều biến có độ lệch chuẩn bằng 0. Các bạn cũng dùng thống kê mô tả ở trên để tìm ra nó( tìm biến nào có Std. Deviation=0) Và khi chỉ số KMO disappear, nếu các bạn tinh mắt sẽ thấy có một giá trị khác thay vào nó, và cũng ko xác định được, đó là giá trị Correlation Matrix: a. This matrix is not positive definite. Các bạn không cần quan tâm đến ma trận này nhé. Lý do chính của hai vấn đề trên là do số liệu SPSS được sửa lại để chạy kiểm định Cronbach’s alpha…., điều này rất nguy hiểm, bởi vì số liệu cần phải đạt được tính thống nhất trong tất cả các bước của một bài luận văn: cronbach, efa, tương quan, hồi quy… Chỉ cần một bước dữ liệu bị thay đổi là các bước sau bị ảnh hưởng hết. Lý do 3:Lý do này hơi ngớ ngẩn, đó là do khi phân tích nhân tố bạn chưa tick vào chọn hiển thị KMO như sau: Đặc biệt:Gởi mail cho nhóm MBA Bách Khoa [email protected] để được tư vấn hướng dẫn xử lý số liệu, đào tạo trực tiếp cho việc làm luận văn với SPSS hoặc AMOS nhé. Cài SPSS bị lỗi: Error 1311. Source file not foundKhi cài SPSS một số trường hợp sẽ gặp lỗi sau: “Error 1311. Source file not found.. Verify that the file exists and that you can access it Dịch spss tiếng việt cho phần kết quảDịch spss Tiếng Việt Khi làm luận văn, chạy các bước cronbach’s alpha, EFA, tương quan, hồi quy, một số trường hợp giáo viên sẽ yêu cầu dịch các bảng biểu qua tiếng Việt. Do đó nhóm hỗ trợ SPSS dịch một số thuật ngữ trong phần kết quả của SPSS qua tiếng Việt. Có chỗ nào chưa rõ các bạn cứ mail về nhóm tại địa chỉ [email protected] nhé Tên tiếng Anh Dịch qua tiếng Việt Frequencies Tần số Statistics Thống kê Valid Hợp lệ Missing Thiếu Frequency Table Bảng tần số Frequency Tần số PercentValid Percent Tỷ lệ phần trăm hợp lệ Cumulative Percent Phần trăm tích lũy Descriptive Statistics Thống kê mô tả Minimum Nhỏ nhất Maximum Lớn nhất Mean Trung Bình Std. Deviation Độ lệch chuẩn Corrected Item-Total Correlation Tương quan biến tổng Cronbach’s Alpha if Item Deleted Alpha Cronbach nếu Deleted câu này KMO and Bartlett’s Test Kiểm định KMO và Bartlett Total Variance Explained Tổng phương sai trích Initial Eigenvalues Eigenvalues khởi tạo Component Matrix Ma trận các thành phần Rotated Component Matrix Ma trận xoay các thành phần R Hệ số R R Square Hệ số R bình phương Adjusted R Square Hệ số R bình phương hiệu chỉnh Std. Error of the Estimate Sai số chuẩn của ước lượng Coefficients Hệ số Model Mô hình Unstandardized Coefficients Hệ số chưa chuẩn hóa Standardized Coefficients Hệ số đã chuẩn hóa t t Sig. Sig. Collinearity Statistics Đa cộng Tuyến B B Std. Error Sai số chuẩn Beta Beta Tolerance Hệ số Tolerance VIF Hệ số phóng đại phương sai VIF Constant Hằng số Test of Homogeneity of Variances Kiểm định tính đồng nhất của phương sai Levene Statistic Kiểm định Levene Gởi mail ngay cho nhóm MBA [email protected] để được hướng dẫn: – Khảo sát thị trường/ xử lý/hiệu chỉnh số liệu khảo sát để chạy ra kết quả phân tích nhân tố hội tụ,phân tích hồi quy hồi quy có ý nghĩa thống kê. – 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 Cách chuyển từ biến Category sang DichotomyNhóm MBA ĐH Bách Khoa [email protected] giới thiệu cách: Chuyển 1 biến dạng phân loại (Category) thành dạng biến lưỡng phân (Dichotomy) . Biến category là biến có nhiều biển hiện, ví dụ Xanh, Đỏ, Vàng. Biến Dichotomy là biến chỉ có 2 biểu hiện, ví dụ có màu hoặc không có màu Được dùng khi gặp câu hỏi có nhiều trả lới (MA) để tập hợp một thông tin chứa trong các câu trả lời, muốn vậy cần tạo một biến với 2 biểu hiện: 1 có thông tin và 0 không có thông tin, đếm 1 sẽ có được thông tin cần quan tâm; Cách tiến hànhĐầu tiên các bạn download file thực hành Hoàng Trọng ở đây Sau đó mở file. Vào menu Transform \ count Khai tên biến Dichotomy trong Target Variable (docTTre) và nhãn biến trong Target Label (Nguoi doc bao TTre). Vào Define Values Value: nhập 7 (là mã hóa của báo Tuổi trẻ), nhấn Add để chuyển vào Values to Count. Continue. OK. Biến docTTre được tạo ra ở cuối Variable View, khai báo tiếp Value với 2 biểu hiện của biến: 0 không đọc báo Tuổi trẻ và 1 có đọc báo Tuổi trẻ. Sau đây là phần video hướng dẫn
Hướng dẫn thực hành phân tích hồi quy nhị phân binary logisticHôm nay nhóm giới thiệu video về cách thực hành chạy hồi quy binary logistic. Mô hình này dùng khi biến phụ thuộc dạng nhị phân, chỉ có hai giá trị 0 hoặc 1. Bên dưới có hướng dẫn chi tiết ý nghĩa các bảng được đề cập trong video. Về mô hình: đây là mô hình xác định khả năng trả nợ dựa vào 6 yếu tố độc lập. Mô hình có 6 biến độc lập: THUNHAP, TUOI, TAISAN, DIENTICHDAT, HOCVAN, SOLUONGBATDONGSAN Và 1 biến phụ thuộc là TRANO. Biến phụ thuộc dạng nhị phân có hai giá trị 0 và 1 tương ứng với không trả được nợ và trả được nợ. Khi chạy ra các kết quả sau: -Omnibus Tests of Model Coefficients: Giống kiểm định F bên hồi quy đa biến, sig<5% nên bác bỏ giả thiết Ho: B1=B2=B3…=0 Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 107.435 6 0 Block 107.435 6 0 Model 107.435 6 0 Bảng Model Summary Model Summary Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 129.147a .466 .623 Chỉ số -2 Log likelihood: càng nhỏ càng tốt,cách tính ngược lại với R bình phương của hồi quy đa biến. Nếu nhỏ thì thể hiện độ phù hợp khá tốt của mô hình tổng thể Bảng Classification Table cho thấy phân loại đối tượng trả được nợ và không trả được nợ theo hai tiêu chí : quan sát thực tế và dự đoán Classification Tablea Observed Predicted TRANO Percentage Correct 0 1 Step 1 TRANO 0 76 14 84.4 1 19 62 76.5 Overall Percentage 80.7
Ý nghĩa: Trong 90 trường hợp quan sát ko trả được nợ, thì dự đoán có 76 trường hợp không trả được, vậy tỉ lệ dự đoán đúng là 76/90=84.4 Trong 81 trường hợp quan sát trả được nợ, dự đoán có 62 trường hợp trả được, vậy tỉ lệ dự đoán đúng là 62/81=76.5 Vậy trung bình dự đoán đúng (84.4+76.5)/2=80.7 phần trăm Variables in the Equation B S.E. Wald Df Sig. Exp(B) Step 1a THUNHAP 0.269 0.087 9.568 1 0.002 1.309 TUOI 0.049 0.017 8.285 1 0.004 1.05 TAISAN 0.006 0.002 5.536 1 0.019 1.006 DIENTICHDAT 0.001 0 7.974 1 0.005 1.001 HOCVAN 1.139 0.378 9.063 1 0.003 3.124 SOLUONGBATDONGSAN 1.024 0.304 11.329 1 0.001 2.785 Constant -18.937 2.978 40.445 1 0 0
Ví dụ một người có các thông tin cá nhân như sau, ta sẽ dùng kết quả phương trình hồi quy để dự đoán khả năng trả nợ: THUNHAP TUOI TAISAN DIENTICHDAT HOCVAN SOLUONGBATDONGSAN 13.5 56 493 4,011 4 3 Hàm xác suất trả nợ Thế vào, kết quả E(Y/X)= 4.90/5.90=0.83 Kết luận, khả năng trả nợ của người này là 83%, và đây là khả năng trả nợ dự đoán, và dự đoán này đúng 80.7% @liên hệ nhóm MBA để được hỗ trợ khi xử lý số liệu, để đạt được ý nghĩa thống kê khi phân tích hồi quy logistic với SPSS tại mail [email protected] |