All posts by hotrospss

Chọn SPSS hay AMOS để làm luận văn?

Khi dự định làm luận văn, sẽ có câu hỏi đặt ra là bài của mình sẽ sử dụng SPSS để thực hiện hồi quy đa biến, hay dùng mô hình cấu trúc tuyến tính SEM trong AMOS để xử lý, bài viết này sẽ cho bạn rõ hơn về việc chọn SPSS hay AMOS để thích hợp nhất nhé.( Nhóm MBA Hỗ Trợ SPSS thực hiện)
Việc lựa chọn SPSS hay AMOS để sử dụng là do mô hình nghiên cứu quyết định, trên nguyên tắc là mô hình nghiên cứu có nhiều hơn 1 biến phụ thuộc thì sử dụng AMOS. Dưới đây ta sẽ xét hai mô hình.
Mô hình 1:

Mô hình này chỉ có 1 biến phụ thuộc, đó là "Dự định mua hàng". Do đó chỉ cần sử dụng SPSS để phân tích mô hình này theo các bước: cronbach's alpha, EFA, tương quan, hồi quy. Trả lời cho câu hỏi "chọn SPSS hay AMOS?": chọn SPSS
Mô hình 2:

Mô hình này có biến phụ thuộc chính là "Ý định mua", tuy nhiên trong những mối quan hệ, ngoài biến "Ý định mua" bị tác động, còn có các yếu tố như "Chất lượng cảm nhận","Nhận biết thương hiệu","Sự yêu thích nhãn hiệu" cũng bị một số biến khác tác động đến. Có nghĩa là mô hình này có nhiều hơn 1 biến phụ thuộc. Do đó, với mô hình có 2 biến phụ thuộc trở lên thì bắc buộc phải dùng mô hình cấu trúc tuyến tính SEM để xử lý. Các bước xử lý lần lượt là Cronbach's alpha, EFA, CFA, SEM. Trả lời cho câu hỏi "chọn SPSS hay AMOS?": chọn kết hợp SPSS và AMOS để xử lý.( sở dĩ có SPSS vì SPSS chạy hai bước Cronbach's alpha và EFA)

So sánh giữa các bước xử lý sử dụng hồi quy/ SEM

 

 

Bước

 

Mục đích

Phần mềm áp dụng

 

Luận văn dạng Hồi quy SPSS

 

Luận văn dạng SEM Amos

 

1

 

Phân tích độ tin cậy

SPSS

 

Cronbach’s alpha

 

Cronbach’s alpha

 

2

 

Phân tích nhân tố

SPSS

 

EFA( varimax, PCA)

 

EFA(promax,PAF)

 

3

 

Phân tích tương quan

SPSS

 

Tương quan

 

 

3

 

Đánh giá độ phù hợp mô hình model fit, độ tin cậy tổng hợp, phương sai trích

Amos

 

 

Phân tích CFA

 

4

 

Kiểm định các giả thiết trong mô hình xem có được chấp nhận hay bác bỏ

Amos

 

Hồi quy

 

SEM

Như vậy việc chọn SPSS hay AMOS để sử dụng đã có câu trả lời, chúc các bạn làm bài tốt.

Các bạn cần hỗ trợ kiến thức, hoặc xử lý số liệu cứ liên hệ nhé

– Zalo, Viber, SMS

phone number

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

– Email:        hotrospss@gmail.com

 

Kĩ thuật xử lý biến trung gian, phân tích mediation trong SPSS

Nhóm MBA Bách Khoa giới thiệu mô hình biến trung gian, và các khái niệm tác động trực tiếp direct effect, tác động gián tiếp indirect effect, tác động tổng hợp total effect

Phân tích biến trung gian là một kĩ thuật được sử dụng để trả lời câu hỏi làm thế nào biến nguyên nhân X tác động vào biến Y? Cơ chế như thế nào?

 
Mô hình biến trung gian đơn giản nhất như trên, bao gồm hai biến kết quả là M và Y, cùng với hai biến nguyên nhân là X và M. Trong đó X ảnh hưởng đến M và Y, và M ảnh hưởng đến Y.

Trong mô hình hồi quy có biến trung gian này, tác động của biến X và biến Y có thể được chia thành hai tác động. Đó là tác động trực tiếp direct effect và tác động gián tiếp indirect effect.
Có hai đường để biến X tác động đến Y, đường thứ nhất là X->Y, đường thứ 2 là X->M->Y.

Đường từ X tác động thẳng đến Y, không thông qua M được gọi là tác động trực tiếp direct effect.

Đường thứ hai từ X đến Y thông qua biến M được gọi là tác động gián tiếp indirect effect. Tác động gián tiếp được hiểu là Y bị tác động bởi X thông qua một chuỗi nguyên nhân tác động. Cụ thể là X tác động đến M, rồi M lại tác động đến Y.
Trong mô hình trung gian, biến M được gọi là biến trung gian mediator variable. Biến M không thể mang tác động của biến X lên biến Y nếu biến M không được đặt giữa quan hệ giữa X và Y.

Ước lượng Direct, Indirect, Total Effects của X

 
Hai phương trình biểu diễn M và Y như sau:

     M = i1 + aX + eM
     Y = i2 + c′X + bM+ eY

Tác động trực tiếp Direct Effect được thể hiện bằng c' , với bất kì giá trị nào của M (M không đổi), khi X thay đổi 1 đơn vị thì Y thay đổi c' đơn vị.

Tác động gián tiếp Indirect effect của X vào Y thông qua biến M là phép nhân của hai hệ số a và b, ví dụ a=0.5 , b=1.3 , thì tác động gián tiếp indirect effect của X lên Y thông qua biến M là ab=0.65 . Tại sao là phép nhân? Vì khi X tăng 1 đơn vị thì M sẽ thay đổi a đơn vị, dẫn đến Y thay đổi a*b đơn vị.

Dấu của tác động gián tiếp indirect effect

Tác động gián tiếp indirect effect sẽ mang giá trị dương nếu cả a và b đều dương hoặc đều âm. Ngược lại, nó sẽ mang dấu âm nếu chỉ một trong hai giá trị a hoặc b mang dấu âm.

Tác động tổng hợp total effect của X lên Y

Ý nghĩa tác động tổng hợp total effect: sự thay đổi của biến Y khi X thay đổi 1 đơn vị.
Tác động tổng hợp này bằng tổng của tác động trực tiếp và gián tiếp.
Total effect = direct effect + indirect effect=c'+ab
Trong mô hình hồi quy chỉ có X và Y, tác động tổng hợp chính là hệ số c
Y = i3 + cX

Cách tính toán tác động tổng hợp

Như vậy tác động tổng hợp c=c'+ab , ta có thể tính toán tác động tổng hợp bằng hai cách:
Cách 1: hệ số c của phương trình hồi quy đơn biến:  Y = i3 + cX
Cách 2: tổng của tác động trực tiếp và gián tiếp

Như vậy, nhóm MBA Bách Khoa Hỗ Trợ SPSS đã trình bài các khái niệm liên quan đến biến trung gian, các bạn khi làm bài có gặp thắc mắc cứ liên  hệ nhóm nhé.

– Zalo, Viber, SMS

phone number

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

– Email:        hotrospss@gmail.com

Định nghĩa, cách xử lý biến điều tiết moderator trong SPSS

Nhóm MBA Bách Khoa Hỗ Trợ SPSS giải thích khái niệm biến điều tiết moderator, cùng với việc chạy biến điều tiết trong SPSS.


Biến điều tiết là gì?

Ảnh hưởng của biến độc lập X lên biến phụ thuộc Y được điều tiết bởi biến M. Trong trường hợp này, biến M gọi là biến điều tiết của qua hệ từ X tác động qua Y. Lưu ý M không phải là 1 biến dự đoán cho Y trong mô hình điều tiết. Qua một số thuật toán, mô hình biến điều tiết ở trên có thể được biểu diễn lại như sau:
 
Phương trình hồi quy có biến điều tiết được biểu diễn như sau:
Y = i1 + b1X + b2M+ b3XM+ eY
Ví dụ biến M có một trong ba giá trị là 0 1 2, thì phương trình của Y theo 3 biến độc lập được minh họa như sau:
 
Lưu ý có ba đường biểu diễn của biến phụ thuộc Y, tùy theo 3 giá trị của biến điều tiết M
XM thực chất là phép nhân giữa biến X và biến M, do đó biến này phải được tính toán trước, và lưu vào file spss để chạy.

Cách đánh giá kết quả biến có điều tiết mối quan hệ hay không?

Khi chạy hồi quy đa biến, biến phụ thuộc là Y, ba biến độc lập là X , M , XM thì ta xem xét sig. của biến XM, nếu sig. này <5% có ý nghĩa thống kê thì ta kết luận biến M điều tiết mối quan hệ giữa biến  X và biến Y. Còn về chiều hướng của quan hệ điều tiết, ta dựa vào hệ số b3 của biến XM để kết luận. Như  hình vẽ ta thấy, nếu hệ số b3 >0, và X >0 thì khi biến M tăng sẽ làm cho quan hệ giữa biến X và Y tăng theo.

Tuy nhiên, việc nhân hay biến X*M dẫn đến một số điểm bất lợi, vì có thể bị đa cộng tuyến giữa các biến, dưới đây là kĩ thuật để hạn chế vấn đề đó.

Kĩ thuật mean centering một biến

Một kĩ thuật thường được áp dụng là mean centering biến X và biến M, ví dụ phương trình gốc:
Y = i1 + b1X + b2M + b3XM + eY
Sẽ được biến đổi như sau:
Y = i1 + b1X′+ b2M′+ b3X′M′+ eY
Với X' =X – X_tb , M'=M-M_tb
X_tb = trung bình cộng của biến X
M_tb = trung bình cộng của biến M
Nghĩa là khi đó, ta sẽ tạo biến mới, bằng chính giá trị biến đó trừ đi giá trị trung bình của biến đó. Đó chính là kĩ thuật mean center.
Kĩ thuật mean center được giới thiệu trong vài sách về phân tích hồi quy(e.g., Aiken & West, 1991; Cohen et al., 2003). Có vài lời giải thích được đề ra tại sao mean centering được ưu tiên trong các phương trình hồi quy có phép nhân. Bởi vì X và M thì tương quan rất mạnh với biến X*M , nên sẽ dẫn đến việc ước lược bị hiện tượng đa cộng tuyến, kết quả xấu, hoặc hệ số hồi quy "khác lạ", sai số chuẩn cao… Vì thế, việc centering một biến có thể là điều có lợi, được một số người khuyến khích xài. Tuy nhiên không chính xác khi nói việc mean centering là bắt buộc, cần thiết. Thực tế, khi chạy hồi quy hai phương trình sẽ cùng sinh ra hệ số b3 như nhau(b3= 0.834)
 Y = 7.706 + 3.773X − 0.473M+ 0.834XM
 Y = 5.288 + 0.493X' − 0.473M′+ 0.834X'M′

Hệ số hồi quy cho phép nhân giữa X và M là b3= 0.834, hệ số này chỉ ra sự tác động của X vào Y đổi như thế nào khi M thay đổi một đơn vị.

Lưu ý đối với biến M, đây là biến điều tiết, tuy nhiên biến này cũng có hai dạng: biến điều tiết định tính( ví dụ Nam =1/ Nữ =2) và biến điều tiết định lượng. Khi biến điều tiết ở dạng định lượng, có nghĩa là biến liên tục đo mức độ tăng dần, thì để đơn giản vấn đề, người ta sẽ chia biến định lượng đó ra làm 2 phần , phần thấp và cao, dựa trên kĩ thuật chia mẫu theo mean hoặc median ( trung bình cộng hoặc trung vị). Lúc đó biến điều tiết quay về dạng định tính, phân loại.

Tóm lại, bài này đã giới thiệu cách phân tích biến điều tiết trong SPSS, tuy nhiên nếu các bạn sử dụng phần mềm AMOS để xử lý biến điều tiết thì có một kĩ thuật khác gọi là phân tích đa nhóm multigroup analysis. Lúc đó việc đánh giá sẽ trực quan hơn.

Các bạn có cần hỗ trợ thêm kiến thức, đào tạo, xử lý số liệu liên hệ nhóm nhé

– Zalo, Viber, SMS

phone number

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

– Email:        hotrospss@gmail.com