Spss thuật toán trung bình có điều kiện năm 2024

Independent Samples T-Test dùng để so sánh giá trị trung bình của hai nhóm. Ví dụ cần so sánh giữa hai biến: biến nhóm tuổi( <30 tuổi và >30 tuổi), và biến mức độ Hài Lòng. Ta cần biết giữa hai nhóm tuổi này, thì nhóm nào có mức độ hài lòng cao hơn. Thì ta sẽ dùng kiểm định này nhé.

Independent Samples T-Test dùng tương tự như phân tích ANOVA, tuy nhiên hạn chế là chỉ so sánh được 2 nhóm với nhau. Ví dụ dùng so sánh có sự khác biệt giữa các nhóm giới tính( nam, nữ) với sự hài lòng(thang đo likert 5 điểm) hay không. Nhóm MBA [email protected] giới thiệu cách thức làm bằng thao tác hình ảnh minh họa, và bằng video.

Cách thức tiến hành kiểm định giả thuyết về trị trung bình của 2 tổng thể độc lập (Independent Samples T-test)

Ví dụ này so sánh có sự khác biệt về sự Hài Lòng giữa hai nhóm Tuổi ( <30 , >30) hay không. Ta có hai biến là biến HAILONG và biến DOTUOI

Vào menu Analyze -> Compare Means -> Independent-samples T-test

Chọn biến định lượng cần kiểm định trị trung bình đưa vào khung Test Variable(s). ( biến HAILONG)

Chọn biến định tính chia số quan sát thành 2 nhóm mẫu để so sánh giữa 2 nhóm này với nhau đưa vào khung Grouping Variable.( biến DoTuoi)

Chọn Define Groups… để nhập mã số của 2 nhóm( nhập giá trị 1 và 2 như trong hình). Click Continue để trở lại hộp thoại chính -> Click Ok để thực hiện lệnh.

Trong kiểm định Independent-samples T-test, ta cần dựa vào kết quả kiểm định sự bằng nhau của 2 phương sai tổng thể (kiểm định Levene). Phương sai diễn tả mức độ đồng đều hoặc không đồng đều (độ phân tán) của dữ liệu quan sát.

Cách phân tích kiểm định Levene:

• Nếu giá trị Sig. trong kiểm định Levene (kiểm định F) < 0.05 thì phương sai của 2 tổng thể khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances not assumed.
• Nếu Sig. ≥ 0.05 thì phương sai của 2 tổng thể không khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances assumed.
• Trong ví dụ trên Sig. của kiểm định F = 0.494 > 0.05 nên chấp nhận giả thuyết H0: không có sự khác nhau về phương sai của 2 tổng thể => nên sử dụng kết quả ở dòng Equal variances assumed.

Cách phân tích Independent-samples T-test:

• Nếu Sig. của kiểm định t ≤ α (mức ý nghĩa) -> có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể. Mức ý nghĩa thông thường là 0.05 nhé.
• Nếu Sig. > α (mức ý nghĩa) -> không có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể. Trong ví dụ trên sig. = 0.291 > 0.05 nên kết luận không có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể. Nói cách khác, giữa hai nhóm tuổi khác nhau thì chưa có bằng chứng cho thấy có sự khác nhau về sự hài lòng. Cụ thể bằng mắt thường nhìn vào cột Mean trong bảng Group statistic ở trên. Ta thấy trung bình giá trị Hài Lòng của nhóm bé hơn 30 tuổi là 3.3434, của nhóm lớn hơn 30 tuổi là 3.2302. Và thực sự hai giá trị này không chênh lệnh nhau mấy, nên không có sự khác biệt là điều dễ hiểu.

Sau khi chạy Cronbach’s alpha để kiểm tra độ tin cậy thang đo xong, bạn sẽ phân tích nhân tố EFA để khẳng định lại mô hình nghiên cứu của bạn có bao nhiêu nhân tố.

Nếu bạn tiếp tục chạy tương quan và hồi quy đa biến… trong SPSS thì bước tiếp theo là phải tính được nhân số đại diện cho các nhân tố này. Thường có 2 cách:

THỰC HÀNH CÁC BƯỚC TÍNH NHÂN TỐ ĐẠI DIỆN TRONG SPSS

Sau khi chạy Cronbach’s alpha để kiểm tra độ tin cậy thang đo xong, bạn sẽ phân tích nhân tố EFA để khẳng định lại mô hình nghiên cứu của bạn có bao nhiêu nhân tố.

Nếu bạn tiếp tục chạy tương quan và hồi quy đa biến… trong SPSS thì bước tiếp theo là phải tính được nhân số đại diện cho các nhân tố này. Thường có 2 cách:

Cách 1.

Bạn có thể dùng hàm mean để tính trung bình cộng các biến quan sát thuộc nhân tố để làm nhân số đại diện (cách này được áp dụng khá phổ biến vì dễ giải thích).

Tính trọng số đại diện cho các nhân tố bằng cách vào menu Transform->Compute Variable

Tính ra giá trị trung bình của nhân tố bằng cách dùng hàm mean() trong phần numeric Expression của SPSS

Sau đó nhập tên biến đại diện (ở đây là F_HI) vào ô Target Variable. Ô Numeric Expression nhập vào công thức tính trung bình cộng mean(HI1,HI2,HI3,HI4). Về mặt ý nghĩa, mean() là hàm công thức tính giá trị trung bình đại diện cho nhân tố này. Sau đó nhấn OK.

Kết quả: Trong phần dữ liệu, xuất hiện thêm một biến mới tên F_HI , các bạn thực hiện tương tự tính mean() cho các nhân tố còn lại nhé.

Lưu ý ở bước này các bạn chỉ tính nhân tố đại diện cho những biến thõa điều kiện kiểm định thang đo Cronbach’s Alpha, những biến bị loại ở bước kiểm định các bạn không đưa vào tính nha.

Cách 2.

Khi phân tích EFA trong SPSS, bạn chọn nút Scores để lưu lại nhân số đại diện của nhân tố một cách tự động (SPSS sẽ tính giúp bạn).

khi phân tích EFA, nhấn vào nút Scores, check vào Save as variables, chọn Regression như hình bên dưới.

Khi đó, EFA ra bao nhiêu nhân tố thì sẽ có bấy nhiêu biến được thêm vào bộ dữ liệu với các tên như sau: FAC1_1 FAC2_1 FAC3_1 FAC4_1 FAC5_1 FAC6_1

Nhân số tính theo cách này đã được SPSS chuẩn hóa. Theo kinh nghiệm thì cách này phù hợp khi bạn sử dụng các nhân số này để phân tích hồi quy, kiểm định mối quan hệ ảnh hưởng của các biến độc lập lên biến phụ thuộc… và đặc biệt thích hợp trong trường hợp các biến quan sát có đơn vị tính khác nhau. Còn nếu bạn dùng để thống kê mô tả, t-test or ANOVA… thì không nên vì khi đó sẽ khó giải thích kết quả.

Tuy nhiên các giá trị này âm dương lẫn lộn… không trực quan như cách tính 1 ở trên

\=> Kết luận: Cách 1 là cách được ưu tiên dùng.

Trên đây là bài viết cách tính nhân tố đại diện trong SPSS. Bước này được tính sau bước kiểm định nhân tố khám phá EFA dùng để phân tích tương quan và phân tích mô hình hồi quy tuyến tính tiếp theo. Hy vọng bài viết sẽ giúp các bạn trong bước thực hành.

Các bạn đang thực hiện đề tài chạy lượng dù có sử dụng dịch vụ tại Resdata hay không đừng ngần ngại hãy liên hệ qua Hotline/Zalo: 0907.786.895 để hỗ trợ tư vấn miễn phí những vấn đề bạn gặp phải trong quá trình chạy lượng bạn nhé!