All posts by hotrospss

Lỗi không hiển thị giá trị Cronbach’s Alpha if Item Deleted

Hiện tượng lỗi không hiển thị giá trị Cronbach's Alpha if Item Deleted

Khi chạy chương trình SPSS,có lúc phần Cronbach's Alpha if Item Deleted không hiện số, giống như bị lỗi như hình dưới. Nhóm MBA sẽ hướng dẫn các bạn cách xử lý lỗi này nhé.

Giải pháp xử lý lỗi Cronbach's Alpha if Item Deleted không hiện ra, chỉ hiện dấu chấm .

-Thực ra nếu gọi đây là lỗi thì cũng không đúng, vì bất kì nhân tố nào có 2 biến mà chạy cronbach's alpha đều hiện ra kết quả như trên. Lý do là giá trị này là giá trị dự đoán cho cronbach's alpha của nhân tố khi loại biến trong hàng đó ra. Mà mình có mỗi 2 câu,  loại 1 câu thì chỉ còn 1 câu. Mà nhân tố chỉ có 1 câu thì không thể thực hiện chạy cronbach's alpha cho nó được. Dẫn đến kết quả chỉ hiển thị dấu chấm . chứ không có hiện số.

-Cách xử lý hợp lý nhất là lúc thiết  kế bảng câu hỏi nên thiết kế mỗi nhân tố có ít nhất 3 câu nhé. Còn nếu việc đã rồi thì chấp nhận để kết quả nhân tố có 2 câu.

Như vậy nhóm MBA đã giới thiệu nguyên nhân và cách xử lý hiện tượng Lỗi không hiển thị giá trị Cronbach's Alpha if Item Deleted , các bạn tham khảo nhé.

– Zalo, Viber, SMS

phone number

– Facebook: http://facebook.com/hoidapSPSS/

– Email:        hotrospss@gmail.com

Phân tích biệt số – Phân tích phân biệt – Discriminant analysis

Nhóm Ths QTKD ĐH Bách Khoa Hỗ Trợ SPSS giới thiệu đến các bạn bài giảng về phân tích biệt số của Th.S Phạm Lê Hồng Nhung, mời các bạn theo dõi

Phân tích biệt số là gì?

Phân tích phân biệt được dùng để giải quyết một số tình huống khi nhà nghiên cứu muốn tìm thấy sự khác biệt giữa những nhóm đối tượng nghiên cứu với nhau, ví dụ phân biệt khách hàng trung thành và không trung thành bằng một số đặc điểm nhân khẩu học, phân biệt các phân khúc khách hàng bằng một số tiêu chí lợi ích khi sử dụng một sản phẩm…

Điều kiện của phân tích phân biệt là phải có một biến phụ thuộc (là biến dùng để phân loại đối tượng thường sử dụng thang đo định danh hoặc thứ tự), và một số biến độc lập (là một số đặc tính dùng để phân tích sự khác biệt giữa các nhóm đối tượng, thường sử dụng thang đo khoảng hoặc tỷ lệ). Phân tích biệt số có thể thực hiện các việc sau:

-Xây dựng các hàm phân tích phân biệt (discriminant functions) để phân biệt rõ xã biểu hiện của biến phụ thuộc.

-Nghiên cứu xem các nhóm có sự khác biệt có ý nghĩa hay không khi được xét về các yếu tố độc lập.

-Xác định biến độc lập là nguyên nhân chính nhất gây ra sự khác biệt giữa các nhóm.

Có 2 trường hợp phân tích biệt số: phân tích biệt số 2 nhóm (khi biến phụ thuộc có 2 biểu hiện), phân tích biệt số bội (khi biến phụ thuộc có từ 3 biểu hiện trở lên).

Ví dụ phân tích biệt số

Khi phân tích về lợi nhuận của những hộ tham gia làng nghề nhà nghiên cứu đã phân thành 2 nhóm: hộ có lợi nhuận (lợi nhuận > 0) và hộ không có lợi nhuận (LN ≤ 0). Nhà nghiên cứu muốn xem xét sự khác biệt giữa 2 nhóm hộ có lợi nhuận như trên về các yếu tố: tuổi, năm kinh nghiệm, vốn, số lao động, số mặt hàng, tính chất làng nghề (1-đã được công nhận, 0 – chưa được công nhận), tính chất hoạt động của hộ (1-hộ chuyên, 0 – hộ kiêm).

Thực hành phân tích biệt số trên SPSS

Bước 1. Chia mẫu quan sát thành 2 phần

Đối với phân tích phân biệt, ta phải chia mẫu quan sát thành 2 phần: mẫu ước lượng hay mẫu phân tích (là phần dung để ước lượng hàm phân biệt); phần còn lại là để kiểm tra tính đúng đắn của hàm phân biệt (mẫu kiểm tra). Khi cỡ mẫu đủ lớn, ta có thể chia thành 2 phần bằng nhau và theo tỷ lệ của toàn bộ mẫu.

Ví dụ: trong ví dụ trên, cỡ mẫu là 122 mẫu (có 66 mẫu ko có LN – chiếm 54% và 56 mẫu có LN – chiếm 46%). Ta sẽ tiến hành chia thành 2 phần, mỗi phần gồm 61 mẫu: trong đó có 33 mẫu ko có LN và 28 mẫu có LN.

Bước 2. Tiến hành phân tích biệt số trên SPSS

Vào Analyze ->Classify->Discriminant, xuất hiện hộp thoại sau:

–  Đưa biến phân loại 2 nhóm hộ có LN khác nhau vào ô Grouping Variable -> Khai báo Define Range (1 là hộ có TN, 0 là hộ ko có TN) -> Continue.

–  Đưa các biến độc lập vào ô Independents.

–  Xác định biến quan sát dùng để phân tích và kiểm tra tại ô Selection Variable. Tiếp theo sẽ khai báo Value. Khi phân chia mẫu ở bước 1, ta đã mã hóa nhóm dùng để phân tích là 1, nhóm dùng để kiểm tra là 0, nên sẽ nhập số 1 vào ô Value for Selection Variable. -> Continue.

-Tiếp theo chọn nút Statistics và khai báo như sau: trung bình, bảng phân tích phương sai đơn, các ma trận hệ số tương quan và hiệp phương sai…

– Tiếp theo chọn nút Classify, và khai báo các phần như sau -> Continue

·Tại ô Prior Probabilities: xác suất dung để phân biệt đối tượng. Có 2 cách xác định: Xác suất bằng nhau giữa các nhóm (All groups equal), Xác suất theo tỷ lệ hay quy mô của các nhóm (Compute from group sizes).

· Display: thể hiện kết quả chi tiết của từng quan sát (case wise results), bảng kết quả phân biệt tóm tắt (summary table).

· Use Vovariance Matrix: phân biệt các quan sát bằng ma trận hiệp phương sai nội bộ các nhóm trung bình hay bằng ma trận hiệp phương sai các nhóm riêng biệt.

· Plots: vẽ biểu đồ phân tác chung cho các nhóm hay riêng cho từng nhóm, và vẽ biểu đồ vị trí.

Giải thích kết quả phân tích biệt số

-Bảng Tests of Equality of Group Means

Nếu xem xét một cách riêng biệt thì chỉ có tính chất hoạt động của hộ (hộ chuyên hay hộ kiêm), số mặt hàng, vốn cố định, và tính chất làng nghề (đã và chưa được công nhận) có khả năng phân biệt một cách có ý nghĩa khác biệt giữa những hộ có lợi nhuận và những hộ không có lợi nhuận.

Tests of Equality of Group Means

 

Wilks' Lambda

F

df1

df2

Sig.

Tuoi

.999

.071

1

59

.791

Namkinhnghiem

.998

.138

1

59

.712

Tính chất hộ

.862

9.437

1

59

.003

Tong lao dong

.975

1.496

1

59

.226

Somathang

.923

4.925

1

59

.030

Von co dinh (1000d)

.922

4.988

1

59

.029

Von luu dong (1000d)

.962

2.322

1

59

.133

Tinh chat nghe

.721

22.785

1

59

.000

– Bảng Eigenvalues. Vì trường hợp này chỉ có 2 nhóm (có lợi nhuận và không có lợi nhuận) nên chỉ có 1 hàm phân biệt được ước lượng. Giá trị eigen là 0.858 và chiếm đến 100% phương sai giải thích được nguyên nhân. Hệ số tương quan canonical tương ứng là 0.680, cho thấy 46% của phương sai biến phụ thuộc (lợi nhuận) được giải thích bởi mô hình này. (bình phương hệ số 0.680 = 0.46 = 46%).

Eigenvalues

Function

Eigenvalue

% of Variance

Cumulative %

Canonical Correlation

1

.858a

100.0

100.0

.680

a. First 1 canonical discriminant functions were used in the analysis.

-Tiếp theo sẽ xác định xem hàm phân biệt được ước lượng có ý nghĩa về mặt thống kê hay không. Với hệ số Wilk l là 0.538 và giá trị p là 0.000 nhỏ hơn mức ý nghĩa 5% rất nhiều, nên có thể kết luận sự phân biệt có ý nghĩa thống kê ở mức ý nghĩa 5%, và có thể tiến hành giải thích kết quả

Wilks' Lambda

Test of Function(s)

Wilks' Lambda

Chi-square

df

Sig.

1

.538

34.068

8

.000

-Kết quả được giải thích chi tiết như sau:

Tầm quan trọng của các biến được thể hiện qua độ lớn trị tuyệt đối của hệ số chuẩn hóa (bảng Standardized Canonical Discriminant Function Coefficients). Các biến có trị tuyệt đối hệ số chuẩn hóa càng lớn thì càng đóng góp nhiều hơn vào khả năng phân biệt của hàm. Hoặc có thể xem xét điều này tại bảng Structure Matrix, mức độ tác động của các biến được xếp theo thứ tự giảm dần.

Standardized Canonical Discriminant Function Coefficients

 

Function

 

1

Tuoi

.147

Namkinhnghiem

.316

Tính chất hộ

.551

Tong lao dong

.105

Somathang

.229

Von co dinh (1000d)

.464

Von luu dong (1000d)

.197

Tinh chat nghe

.816

Theo kết quả, ta thấy biến tính chất hoạt động của hộ là biến dự đoán quan trọng nhất dùng để phân biệt 2 nhóm lợi nhuận, tiếp đến là biến tính chất làng nghề, vốn cố định và số mặt hàng.

Dấu của các hệ số của tất cả các biến dự đoán đều dương cho thấy rằng những hộ tham gia làng nghề đã được công nhận, hộ chuyên sản xuất, vốn cố định và vốn lưu động càng cao, số mặt hang càng nhiều, tổng lao động nhiều, nhiều kinh nghiệm và tuổi chủ hộ càng cao thì hộ sẽ càng có khả năng có lợi nhuận.

–   Đánh giá hàm phân biệt thông qua mẫu kiểm tra.

Bảng Classification Results cho thấy kết quả phân loại dựa trên mẫu phân tích. Tỷ lệ phân biệt đúng là (26+22)/61 = 0.787 = 78.7%, tỷ lệ này được tính dựa vào những mẫu nhà nghiên cứu đã chọn. Để kiểm tra tính đúng đắn của hàm phân biệt được ước lượng, ta phải thực hiện kiểm tra trên mẫu được chọn một cách ngẫu nhiên. Tỷ lệ này là (16+19)/61 = 0.574 = 57.4%. Có thể kết luận mô hình phân biệt này là khá tốt.

Classification Resultsa,b

 

 

 

LN 1 cao – 0 Thap

Predicted Group Membership

Total

 

 

 

0

1

Cases Selected

Original

Count

0

26

7

33

1

6

22

28

%

0

78.8

21.2

100.0

1

21.4

78.6

100.0

Cases Not Selected

Original

Count

0

16

17

33

1

9

19

28

%

0

48.5

51.5

100.0

1

32.1

67.9

100.0

a. 78.7% of selected original grouped cases correctly classified.

 

b. 57.4% of unselected original grouped cases correctly classified.

 

 

Như vậy việc thực hiện phân tích biệt số đã được thực hiện đồng thời với việc diễn giải chi tiết ý nghĩa. Các bạn cần hỗ trợ khi làm bài, xử lý số liệu cứ liên hệ nhóm nhé.

Liên hệ:

-Zalo/Viber qua số điện thoại so-alo

-Facebook: http://facebook.com/hoidapSPSS/

-Email: hotrospss@gmail.com

Convergent Validity , Discriminant Validity, Reliability in CFA – Độ giá trị hội tụ, Độ giá trị phân biệt,Độ tin cậy khi phân tích CFA

Giới thiệu:

Nhóm MBA Bách Khoa bàn về độ giá trị hội tụ, độ giá trị phân biệt và độ tin cậy khi phân tích CFA. Lưu ý những khái niệm này cũng có khi chạy Cronbach's alpha và EFA với SPSS( link này: http://phantichspss.com/gia-tri-hoi-tu-va-gia-tri-phan-biet-trong-spss-la-gi.html). Nhưng bên đây xài Amos nhé.

Lý do phải đánh giá chỉ tiêu này

Nếu các nhân tố của bạn không chứng minh độ giá trị và độ tin cậy , việc chạy SEM sẽ không có ích gì, vì rác đầu vào sẽ dẫn đến rác đầu ra (garbage in, garbage out). Có một vài biện pháp hữu ích cho việc xác lập tính hợp lệ và độ tin cậy: Độ tin cậy tổng hợp Composite Reliability (CR), Phương sai trích Average Variance Extracted  (AVE), Maximum Shared Variance (MSV) và Average Shared Variance (ASV). Các ngưỡng cho các giá trị này như sau:

Độ tin cậy:

– CR> 0,7
Độ giá trị hội tụ Convergent Validity :

– AVE> 0.5
Độ giá trị phân biệt Discriminant Validity :

– MSV <AVE
– Căn bậc hai của AVE > các tương quan giữa hai khái niệm

Nếu giá trị hội tụ không thỏa, do biến quan sát không có tương quan với những biến khác trong cùng nhân tố,nghĩa là biến tiềm ẩn không được giải thích tốt bởi các biến quan sát của nó.
Nếu giá trị phân biệt không thỏa, do biến quan sát có tương quan cao với biến quan sát khác nằm ở nhân tố khác. nghĩa là biến tiềm ẩn được giải thích tốt hơn bởi những biến quan sát ( của nhân tố khác) hơn là những biến quan sát của chính nó.
Nếu bạn cần trích dẫn, cứ dựa vào sách này nhé:"Hair, J., Black, W., Babin, B., and Anderson, R. (2010). Multivariate data analysis (7th ed.): Prentice-Hall, Inc. Upper Saddle River, NJ, USA."

Trên đây là Convergent Validity , Discriminant Validity, Reliability in CFA – Độ giá trị hội tụ, Độ giá trị phân biệt,Độ tin cậy khi phân tích CFA, các bạn cần hỗ trợ khi làm bài, xử lý số liệu cứ liên hệ nhóm nhé.

Liên hệ:

-Zalo/viber qua số điện thoại so-alo

-Facebook: http://facebook.com/hoidapSPSS/

-Email: hotrospss@gmail.com