Phương pháp xử lý số liệu - OSF

Phương pháp xử lý số liệu

PhD. Đào Duy Tùng

https://rs.tungdao.net

https://rs.tungdao.net/

Nội dung

• Thang đo

• Part A: Phân loại biến trong NC

• Part B: Phương pháp tìm cỡ mẫu

• Part C: Các bước xử lý số liệu

• SEM

PhD Đào Duy Tùng, TayDo University

Thang đo1.1 Khái niệm thang đo

1.2 Các loại thang đo thông dụng

1.3 Kỹ thuật thiết kế thang đo

1.4 Thang đo Likert và ứng dụng trong nghiên

cứu quản trị

1.5 Các tiêu chuẩn lựa chọn thang đo


1.1 Khái niệm và mục đích thang đo

• Là công cụ dùng để mã hoá các biểu

hiện khác nhau của các đặc trưng

nghiên cứu.

Mục đích:

• Tạo thuận lợi cho việc xử lý dữ liệu trên

máy tính người ta thường mã hoá thang đo

bằng các con số hoặc bằng các ký tự.

• Tạo thuận lợi cho việc thiết kế bảng câu hỏi

phục vụ cho việc điều tra và cho việc xử lý

dữ liệu sau đó.


1.2 Các loại thang đo thông dụng

Định

Tính

Thang đo

Định

Lượng

Thang đo

định danh

(Nominal

scale)

Thang đo

thứ bậc

(Odinal

scale)

Thang đo

tỷ lệ

(Ratio

scale)

Thang đo

khoảng

(Interval

scale)


Xác định cấp độ đo lường và thang đo đo lường

Thang đo định danh(Nominal scale)

Thang đo thứ bậc(Ordinal scale)

Phân loại đối tượng / mang tính chất mã hoá(không có sự hơn kém, khác biệt về thứ bậc)

Giới tính; Tình trạng hôn nhân; Màu tóc; Loại căn hộ; Tôn giáo; Vị trí;

Mối quan hệ thứ tự / xếp hạng thứ tự / so sánh hơn kémThang đo TB = ĐDThang đo ĐD ≢ TB

Trình độ học vấn; Nhóm TuổiThu nhập hằng tháng Chất lượng dịch vụMức độ hài lòng

Thang đo khoảng(Interval scale)

So sánh sự khác nhau giữa các thứ tự + khoảng cách giữa các thứ bậc.Không chứa giá trị 0 tuyệt đối

Nhiệt độ (C / F)Điểm IQĐiểm IELTS

Thang đo tỷ lệ(Ratio scale)

Thang đo liên tục (Measure scale)(continous scale)

Có điểm 0 cố địnhXếp hạng thứ tự + so sánh các khoảng cách hay sự khác biệt. Khái niệm x2 ; ½

Chiều caoTuổi; Cân nặngThu nhập hằng tháng


1.3. Thang đo Likert

Rất

đồng ý

Đồng ý Chưa

chắc

Không

đồng ý

Rất không

đồng ý

Món ăn ngon 1 2 3 4 5

Giá cả phải chăng 1 2 3 4 5

Phục vụ chu đáo 1 2 3 4 5

Hợp vệ sinh 1 2 3 4 5

Không khí ấm

cúng

1 2 3 4 5

Phần đánh

giá

Phần mục

Đưa ra một danh sách

có thể đo lường cho

một khái niệm và tìm ra

những tập hợp các mục

hỏi để đo lường tốt các

khía cạnh khác nhau

của khái niệm.


1.3 Thang đo Likert

Một thang điểm Likert thường gồm hai phần, phần khoản mục và

phần đánh giá.

• Phần khoản mục: Liên quan đến ý kiến, thái độ về các đặc tính của

một sản phẩm hay một sự việc cần đánh giá.

• Phần đánh giá: là một đặc tính trả lời. Các khoản mục đánh giá thường

được thiết kế 5 bậc trả lời hoặc có thể hơn, đi từ “rất đồng ý” đến “rất

không đồng ý”.



Ví dụ: Để đánh giá chất lượng dịch vụ đào tạo của trường

Anh ngữ A, thì khái niệm “chất lượng dịch vụ đào tạo” là

một khái niệm đa khía cạnh, muốn đánh giá đúng và đầy

đủ phải thiết kế nhiều tập hợp mục hỏi như sau:

(1) Rất đồng ý (2) Đồng ý (3) Chưa chắc (4) Không

đồng ý (5) Rất không đồng ý


1.3 Thang đo Likert1. Hoạt động đào tạo

Phương pháp giảng dạy dễ tiếp thu. 1 2 3 4 5

Giáo trình giảng dạy phù với yêu cầu thực tiễn. 1 2 3 4 5

Giảng viên có kiến thức sâu. 1 2 3 4 5

2. Cơ sở vật chất

Phòng học đáp ứng tốt yêu cầu dạy và học 1 2 3 4 5

Có đầy đủ các thiết bị cần thiết 1 2 3 4 5

Phòng máy đáp ứng tốt nhu cầu thực hành 1 2 3 4 5

3. Các dịch vụ hỗ trợ và phục vụ

Dịch vụ tư vấn đáp ứng đúng nhu cầu 1 2 3 4 5

Nhân viên phòng giáo vụ nhiệt tình 1 2 3 4 5

Nhà trường thường xuyên cập nhật ý kiến học 1 2 3 4 5PhD Đào Duy Tùng, TayDo University


Bước 1 - Nhận diện và đặt tên biến muốn đo lường

Bước 2 - Lập ra một danh sách các phát biểu hoặc câu hỏi có tính biểu thị

Bước 3 – Xác định số lượng và loại trả lời

Bước 4 – Kiểm tra lại toàn bộ các mục hỏi đã khai thác

Bước 5 - Thực hiện phân tích toàn bộ các mục hỏi

Bước 6 – sử dụng thang đo vừa xây dựng để phân tích lại các mục hỏi để đảm bảo tính chắc chắn của thang đo

Các bước xây dựng thang đo Likert


1.4 Các tiêu chuẩn đánh giá thang đo

Có 4 tiêu chuẩn đánh giá Thang đo gồm:

Độ tin

cậy

Giá trị

của

thang đo

Tính đa

dạng của

thang đo

Tính dễ

trả lời


Part APhân loại biến trong

nghiên cứu


Biến độc lập (nguyên nhân)

• Dùng để mô tả hay đo lường các yếu tố được cho là gây nên (hay gây

ảnh hưởng đến) vấn đề nghiên cứu

• Biến bị tác động bởi các biến khác, có thể có một hay nhiều biến phụ

thuộc trong một mô hình nghiên cứu.


Biến phụ thuộc (kết quả)

• Dùng để mô tả hay đo lường vấn đề nghiên cứu

• Biến bị tác động bởi các biến khác, có thể có một hay nhiều biến phụ

thuộc trong một mô hình nghiên cứu.


Biến trung gian

• biến làm thay đổi mối quan hệ giữa 2 biến khác

• độc lập --> trung gian --> phụ thuộc


Biến điều tiết

• làm thay đổi tác động của biến độc lập và biến phụ thuộc.


Biến kiểm soát

• Biến kiểm soát có thể là định tính hay định lượng, nhưng

thường là biến định tính.

• các biến về đặc điểm của cá nhân như giới tính, độ tuổi,…


Part BPhương pháp tìm

cỡ mẫu


Quần thể, cỡ mẫu

Quần thể (N) Mẫu (n)PhD Đào Duy Tùng, TayDo University

Các công thức tính cỡ mẫu

1. Không biết số lượng quần thể / số lượng quần thể chưa được cập nhật.

=> sử dụng công thức của Cochran’s (1977)

2. Đã biết (chính xác / khoảng) số lượng quần thể.

=> sử dụng công thức của Taro Yamane (1967)

3. Sử dụng phương thức chọn mẫu ngẫu nhiên đơn giản

=> dựa trên bảng kích cỡ mẫu của Krejcie and Morgan (1970)PhD Đào Duy Tùng, TayDo University

Công thức tính cỡ mẫu

1. Không biết số lượng quần thể hoặc số lượng quần thể chưa được cập nhật

Dùng công thức tính của Cochran’s (1977)

Trong đó:

n = số lượng cỡ mẫu tối thiểu,

Z = khoảng tin cậy 95%, tại giá trị 1.96

e = giới hạn mẫu bị lỗi (±5%)

Cochran, William G. (1977): Sampling techniques. 3rd ed. New York, London: John Wiley & SonsPhD Đào Duy Tùng, TayDo University

Công thức tính cỡ mẫu2.1 Đã biết (chính xác / khoảng) số lượng quần thể - Simplified formula for proportions*

Dùng công thức tính của Yamane (1967)

Trong đó:

n = số lượng cỡ mẫu,

N = số lượng tổng quần thể,

e = giới hạn mẫu bị lỗi (±3%; ±5%; ±7%; ±10%)

* khoảng tin cậy 95% và kết quả có ý nghĩa thống kê p= 0.5 được giả định

Yamane, Taro. (1967). Statisitics, an introductory analysis. 2nd ed. New York: Harper and Row.PhD Đào Duy Tùng, TayDo University

Công thức tính cỡ mẫu

3. Phương thức chọn mẫu ngẫu nhiên đơn giản – simple

random sampling

Sử dụng bảng kích cỡ mẫu của Krejcie and Morgan (1970)

Krejcie, Robert V.; Morgan, Daryle fv (1970): Determining

sample size for research activities. In Educational and

psychological measurement 30, pp. 607–610PhD Đào Duy Tùng, TayDo University

Thực hành

CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN SỰ GẮN KẾT

CỦA NHÂN VIÊN ĐỐI VỚI CÔNG TY ABCD

Câu hỏi nghiên cứu

1. Các yếu tố nào ảnh hưởng đến sự gắn kết của nhân viên

văn phòng đối với công ty ABCD?

2. Mức độ gắn kết của nhân viên khối văn phòng đối với

công ty ABCD hiện nay như thế nào?

3. Hàm ý quản trị nào khả thi trong việc nâng cao sự gắn kết

của nhân viên văn phòng đối với công ty ABCD?


mô hình nghiên cứuBản chất

công việc

Cơ hội đào tạo

và thăng tiến

Phong cách

lãnh đạoSự hài lòng

Quan hệ với

đồng nghiệp

Sự gắn kết

vì Tình cảm

Thu nhập

Văn hóa

Công ty

Sự gắn kết

để Duy trì

Sự gắn kết

vì Đạo đức


Giả thuyết nghiên cứu

H1: “Bản chất công việc” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty.

H2: “Cơ hội đào tạo và thăng tiến” cao có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên

với Công ty

H3: “Phong cách lãnh đạo” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công

ty.

H4: “Quan hệ với đồng nghiệp” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với

Công ty.

H5: “Thu nhập” tốt có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty

H6: “Văn hóa Công ty” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty

H7: “Sự hài lòng của nhân viên” có tác động đến “sự gắn kết của nhân viên” tại công ty.PhD Đào Duy Tùng, TayDo University

Part CCác bước xử lý số liệu

1. Kiểm tra dữ liệu nhập2. Kiểm định thang đo3. Phương pháp kiểm định4. Kiểm định giả thuyết


1. Kiểm tra dữ liệu nhập

- Kiểm tra sự hợp lý của dữ liệu

- Kiểm tra các giá trị dị biệt (outliers) và hướng khắc phục

- Kiểm tra missing values



Điểm dị biệt (Outliers)

Tại sao cần kiểm tra điểm dị biệt?

- Giúp kết quả kiểm định đi đúng hướng NC

2 loại điểm dị biệt

• Dị biệt đơn lẻ (unvariate outliers)

• Dị biệt kết hợp (multivariate outliers)


Điểm dị biệt


Điểm dị biệt- Kiểm định phân phối chuẩn

Giả định

H0: Dữ liệu cung cấp hoàn toàn bình thường

nếu p-value > 0.05

p < 0.05


Điểm dị biệt

Dị biệt cứng


Điểm dị biệt

Dị biệt mạnh


Giá trị khuyết (missing values)

Có 2 loại giá trị khuyết:

- System missing values

- User missing values



Khi nào xảy ra:

- Bảng câu hỏi có vấn đề

- Do đáp viên (bỏ qua câu hỏi hoặc từ chối trả lời)

- Quá nhiều ý kiến “trung lập”

- Trong quá trình nhập dữ liệu xảy ra sai sót.



Ảnh hưởng của giá trị trống lên dữ liệu

- Làm giảm kích thước mẫu

- Tạo ra sự chênh lệch lên dữ liệu

- Kết quả nghiên cứu thiếu chính xác


2. Kiểm định thang đo

• Cronback’s Alpha

• EFA (biến độc lập, trung gian, phụ thuộc)



Cronbach’s alpha (Độ tin cậy của thang đo)

- Loại bỏ các biến không đảm bảo độ tin cậy

- Hạn chế các biến rác



Hệ số tương quan biến tổngHệ số này càng cao thì sự tương quan của biến này với biến kkhác càng caoĐiều kiện xét – loại bỏBiến tổng > 0.4: giữ lạiBiến tổng < 0.4: loại bỏ

Hệ số Cronbach’s alpha sau khi loại biếnĐiều kiện xét – loại bỏNếu biến nào có hệ số LỚN HƠN hệ số Cronbach’s Alpha thì loại bỏ



Kiểm tra độ tin cậy nội tại của thang đo.

• 0,8 ≤ Cronbach’s Alpha ≤ 1,0: Thang đo lường tốt

• 0,7 ≤ Cronbach’s Alpha ≤ 0,8: Thang đo có thể sử dụng được

• 0,6 ≤ Cronbach’s Alpha ≤ 0,7: Khái niệm đang nghiên cứu


Exploratory Factor Analysis (EFA) – Biến độc lập(Nhân tố khám phá)

Exploratory Factor Analysis (EFA) – Biến độc lập(Nhân tố khám phá)

Đánh giá dựa vào mối tương quan giữa các biến.

Để quyết định giữ biến hay loại biến trong EFA dữ liệu cần thỏa mãn 2 điều kiện:- "Giá trị hội tụ": Các biến quan sát hội tụ về

cùng một nhân tố.- "Giá trị phân biệt": Các biến quan sát

thuộc về nhân tố này và phải phân biệt với nhân tố khác.

Ma trận xoay nhân tố


EFA


EFA Factor loading (Hệ số tải nhân tố)- Biểu thị mức độ giải thích của nhân tố đối với các biến quan sát tương ứng.

- Hệ số tải nhân tố càng cao, nghĩa

là tương quan giữa biến quan sát đó

với nhân tố càng lớn và ngược lại.

0.45 hoặc 0.5: 120 đến dưới 350

0.3 từ 350 ++

• mức ± 0.3: Điều kiện tối thiểu để

biến quan sát được giữ lại.

• mức ± 0.5: Biến quan sát có ý nghĩa

thống kê tốt.

• mức ± 0.7: Biến quan sát có ý nghĩa

thống kê rất tốt.


Loại hệ số tải nhân tố CV4 và VH4


EFA – kết quả

Điều kiện xét – loại bỏ0.7 < KMO < 1 : phân tích nhân tố phù hợp

Sig (significant) < 0.05: các biến quan sát có tương quan với nhau trong tổng thể


EFA – kết quả

Giá trị phương sai cộng dồn

>50%

Hệ số Eigenvalues > 1Nhân tố rút trích có ý nghĩa tóm tắt thông tin tốt nhất.

Tổng phương sai trích


Exploratory Factor Analysis (EFA) – Biến trung gian và biến độc lập

(Nhân tố khám phá)

Exploratory Factor Analysis (EFA)(Nhân tố khám phá)

Đánh giá dựa vào mối tương quan giữa các biến.

Để quyết định giữ biến hay loại biến trong EFA dữ liệu cần thỏa mãn 2 điều kiện:- "Giá trị hội tụ": Các biến quan sát hội tụ về

cùng một nhân tố.- "Giá trị phân biệt": Các biến quan sát

thuộc về nhân tố này và phải phân biệt với nhân tố khác.

Ma trận xoay nhân tố


EFA – Biến phụ thuộc – kết quả

Hệ số KM đạt 0.874 > 0.5 phân tích nhân tố là phù hợp với dữ liệu thực tế

Các biến quan sát có tương quan với nhau trong mỗi nhóm nhân tố khi Sig < 0.05



Nhân tố rút trích có ý nghĩa tóm tắt thông tin tốt nhất khi Eigenvalues = 1.624 > 1

Tổng phương sai trích = 75.89 > 50%. Điều này cho thấy 4 nhân tố rút trích được giải

thích 76% biến thiên của dữ liệu quan sát.



Kết quả xoay nhân tố lần cuối chúng ta có được 4 nhân tố.

Nhân tố 1: GK31, GK32, GK33, GK34Nhân tố 2: GK11, GK12, GK13, GK14Nhân tố 3: GK21, GK22, GK23Nhân tố 4: HL1, HL2, HL3


Thang đo định danh(Nominal scale)

Thang đo thứ bậc(Ordinal scale)

Biến định tính

Thang đo khoảng(Interval scale)

Thang đo tỷ lệ(Ratio scale)

Biến định lượng


Biến đại diện trung bình cho mỗi nhân tố

Giúp tiến hành đánh giá mối tương quan Pearson và hồi quy (regression)



Sau khi tạo biến đại diện mới cho mỗi nhân tố, ta có các biến mới sau

- X1: Phong cách lãnh đạo- X2: Quan hệ đồng nghiệp- X3: Thu nhập- X4: Cơ hội đào tạo , thăng tiến- X5: bản chất công việc- X6: Văn hóa công ty- X7: Gắn kết vì đạo đức - X8: Gắn kết vì tình cảm- X9: Gắn kết để duy trì- X10: Hài lòng của NV


3. Phương pháp kiểm định

Independent-sample t-test

One-way ANOVA

Pearson correlation



Independent-sample t-test Kiểm định sự khác biệt trung bình

Phương pháp này giúp chúng

ta so sánh trung bình (mean)

của tổng thể với một giá trị cụ

thể nào đó.

Sự khác biệt trung bình biến

định lượng đối với các giá trị

khác nhau của một biến định

tính hay không.



sig < 0.05

sig > 0.05


One-way ANOVA (analysis of variance) – F- TestPhân tích phương sai một yếu tố

Kiểm định sự khác biệt về sự hài lòng của

nhân viên theo các đặc điểm cá nhân

VD: Xem có sự khác nhau về sự hài lòng khi làm việc giữa 2 nhóm nhân viên nam và nữ hay không.

Phương pháp này giúp chúng ta so sánh trị trung bình của 3 nhóm trở lên.


One-way ANOVA

Compare to variable (meaasure scale)ex: age (measure scale)


One-way ANOVATheo yếu tố thâm niên, thu nhập, chức vụ


One-way ANOVA

Có tất cả 317 nhân viên có thâm niên trên 5 - 10 năm hài lòng với công việc (mean = 3.6803), và cao hơn 2 nhóm còn lại

Có tất cả 151 nhân viên có thu nhập từ 6-9 triệu hài lòng với công việc (mean = 3.7483), và cao hơn 2 nhóm còn lại

Có tất cả 33 nhân viên là tổ trưởng/nhóm trưởng hài lòng với công việc (mean = 3.8182), và cao hơn 3 nhóm còn lại


One-way ANOVA (analysis of variance)Phân tích phương sai một yếu tố

Levene test: dùng kiểm định phương sai

bằng nhau hay không giữa các nhóm

Giả địnhHo: “Phương sai bằng nhau”

Ha: “Phương sai không khác nhau”

Sig= 0.319 > 0.05

Phương sai giữa các biến định tính ở trên không khác nhau=> kết quả ANOVA có thể sử dụng


Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những nhân viên theo yếu tố thâm niên.

One-way ANOVA (analysis of variance)Phân tích phương sai một yếu tố

ANOVA testGiả địnhHo: “Trung bình bằng nhau”

Sig > 0.05

Không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những nhân viên thuộc các nhóm có số năm thâm niên khác nhau


Kiểm định Hệ số tương quan(Pearson correlation)


Giả địnhH0: Hệ số r = 0

sig < 0.05 biến độc lập tương quan biến trung gian (see r strong/weak)sig > 0.05 biến độc lập không tương quan biến trung gian

Sig > 0.05 giữa các biến độc lập không có tương quan với nhau


4. Kiểm định giả thuyết nghiên cứu

• Linear regression

• One-way Multivariate Analysis Of Variance



mô hình nghiên cứuBản chất

công việc

Cơ hội đào tạo

và thăng tiến

Phong cách

lãnh đạoSự hài lòng

Quan hệ với

đồng nghiệp

Sự gắn kết

vì Tình cảm

Thu nhập

Văn hóa

Công ty

Sự gắn kết

để Duy trì

Sự gắn kết

vì Đạo đức


Giả thuyết nghiên cứu


H2: “Cơ hội đào tạo và thăng tiến” cao có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên

với Công ty

H3: “Phong cách lãnh đạo” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công

ty.

H4: “Quan hệ với đồng nghiệp” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với

Công ty.



H7: “Sự hài lòng của nhân viên” có tác động đến “sự gắn kết của nhân viên” tại công ty.PhD Đào Duy Tùng, TayDo University

Hồi quy tuyến tính (Linear regression)


Hồi quy tuyến tính (Linear regression)BÌnh phương hiệu chỉnh Giả định về tính độc

lập của các phần dư

Mô hình có hệ số R2= 0.709 , cho thấy 71% sự biến đổi về sự hài lòng của nhân viên về cty sẽ được giải thích trong mô hình. Qua chỉ tiêu này cho chúng ta biết được mức độ phù hợp của chuơng trình hồi quy và dữ liệu nghiên cứu

Hệ số R2 hiệu chỉnh = 0.704 cho thấy mức độ phù hợp của mô hình cao, các yếu tố đưa vào mô hình giải thích được 70.4% sự thay đổi của biến phụ thuộc. Kết quả phân tích của mô hình nghiên cứu có giá trị


F- statisticKiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể về mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập


Thống kê đa cộng tuyến

VIF: hệ số phóng đại phương saiTolerance: Độ chấp nhận

Hồi quy chuẩn hoá

Kết quả hồi quy cho thấy yếu tố “Phong cách lãnh đạo” có ảnh hưởng mạnh nhất đến ”sự hài lòng” của nhân viên, tiếp theo là yếu tố “Văn hoá cty”, ”Thu nhập”, “Quan hệ đồng nghiệp”, “Cơ hội đào tạo và thăng tiến”, “Bản chất công việc”.


Kết quả kiểm định giả thuyết nghiên cứu


Mối quan hệ tác động cùng chiều dương và có ý nghĩa thống kê (β=0.145 p<0.05). Do đó giả thuyết được chấp nhận

H2: “Cơ hội đào tạo và thăng tiến” cao có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty

Mối quan hệ tác động cùng chiều dương và có ý nghĩa thống kê (β=0.164; p<0.05). Do đó giả thuyết được chấp nhận

H3: “Phong cách lãnh đạo” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty.


H4: “Quan hệ với đồng nghiệp” có tác động cùng chiều (dương) đến “Sự hài lòng” của nhân viên với Công ty.







MANOVA 1 chiều

Phân tích phương sai đa biến một chiều

MANOVA kiểm tra sự khác nhau về giá trị trung bình cho nhiều biến phụ thuộc.

Câu hỏi: Có sự khác nhau về giá trị trung bình của sự gắn kết (đạo đức, tình cảm, duy trì) theo sự hài lòng của nhân viên hay không?

PhD Đào Duy Tùng, TayDo University 90

MANOVA 1 chiều



7.4. KẾT QUẢ PHÂN TÍCH HỒI QUY


Kiểm tra giả định

H0: ma trận hiệp phương sai của các biến phụ thuộc bằng nhau giữa các nhómNếu

Sig < 0.001 : vi phạm giải địnhSig > 0.001 : không vi phạm giả định

Sig = .341 > .001: chưa thể bác bỏ giả thuyết=> hiệp phương sai đồng nhất

MANOVA 1 chiều



MANOVA 1 chiều



Sig > 0.05Điều đó cho thấy, phương sai của sai số ở 2 biến phụ thuộc không đổi giữa các nhóm.

Sự khác nhau về sự hài lòng của nhân viên giữa các nhóm gắn kết của nhân viên với ABCD được thể hiện ở dòng thứ 2 (X10),

Sig < 0.05, kết luận có sự khác nhau về các nhóm gắn kết (đạo đức, tình cảm, duy trì) của nhân viên được thể hiện qua sự hài lòng của nhân viên tại ABCD

MANOVA 1 chiều



98

Sig = .000 < .001

Kết quả cho thấy nhân viên có nhóm gắn kết

(đạo đức, tình cảm, duy trì) đều khác nhau

theo sự hài lòng của nhân viên tại ABCD

MANOVA 1 chiều



Phương pháp xử lý số liệu - OSF

Documents

Transcript of Phương pháp xử lý số liệu - OSF