Một số câu hỏi phản biện về SPSS trước hội đồng

Câu hỏi về SPSS trong các buổi phản biện trước hồi đồng luôn trở thành mối lo lắng của không ít sinh viên khối ngành kinh tế.

Mình cũng là một sinh viên từng trải qua nhiều lần phản biện SPSS trong các bài tiểu luận, và bài khóa luận tốt nghiệp. Mình cũng hiểu được sự khó khăn, lo lắng của các bạn khi mà không có nhiều điều kiện tiếp xúc với các giáo trình về SPSS, nguồn tài liệu trên mạng lại khá hạn chế. Thực sự là khá vất vả khi gặp những câu hỏi phản biện SPSS mà mình không được giảng dạy tại lớp.

cau-hoi-phan-bien-spss


Chính vì vậy mà hôm nay mình viết bài này, nhằm tổng hợp lại một số câu hỏi phản biện về SPSS cùng câu trả lời do mình tìm hiểu từ các nguồn cộng với kiến thức mình có được. Lưu ý các bạn một điều, các bạn chỉ xem những câu trả lời của mình ở dạng tham khảo, mình không đảm bảo chính xác 100%, nhưng mình sẽ cố gắng đưa ra những câu trả lời có cơ sở rõ ràng nhất.


Câu hỏi số 1:  Tại sao lại lấy hệ số Beta (hệ số hồi quy chuẩn hóa) để kết luận?

Trả lời: 
Hệ số Beta (hệ số hồi quy chuẩn hóa) phản ánh được thứ tự mức độ tác động của biến độc lập tới biến phụ thuộc bởi vì đơn vị của các biến đã đồng nhất, trong khi đó hệ số B (hệ số hồi quy chưa chuẩn hóa) không làm được điều này.

Nhờ có phương trình hồi quy chuẩn hóa và hệ số Beta, các nhà kinh tế sẽ căn cứ vào đó cùng các cơ sở khác để đánh giá liệu rằng nên đầu tư mạnh, nên đầu tư ít vào yếu tố nào để mang lại hiệu quả.


Câu hỏi số 2: Ý nghĩa R bình phương hiệu chỉnh là gì?

Trả lời: 
Giá trị R bình phương hiệu chỉnh cho biến các biến độc lập giải thích được bao nhiêu phần trăm (%) sự biến thiên của biến phụ thuộc.

Một nhận xét cụ thể tham khảo: Biến phụ thuộc là "Sự trung thành của nhân viên"

Kết quả thống kê có giá trị R bình phương hiệu chỉnh = 0.789, nghĩa là trong 100% sự biến động của biến phụ thuộc “Sự trung thành của nhân viên” thì có 78.9% sự biến động là do tác động từ các biến độc lập, còn lại 21.1% là do sai số ngẫu nhiên hoặc các yếu tố khác ngoài mô hình.

Câu hỏi số 3: Hệ số tải Factor Loading trong EFA có ý nghĩa gì?

Trả lời: 
Hệ số Factor Loadings (hệ số tải nhân tố) tỏng phân tích nhân tố khám phá EFA là những hệ số tương quan đơn giữa các biến quan sát với nhân tố. Nếu hệ số tải càng lớn chứng tỏ biến quan sát có mối quan hệ càng chặt chẽ với nhân tố. Thường chúng ta lấy hệ số tải lớn hơn 0,5 hoặc 0,3.

>> Xem chi tiết: Lấy hệ số tải nhân tố Factor Loading bao nhiêu là đúng?

Câu hỏi số 4: Hiện tượng đa cộng tuyến là gì?

Trả lời: 
Vấn đề đa cộng tuyến xảy ra khi các biến (nhân tố) độc lập có tương quan tuyến tính khá mạnh với nhau. Nói cách khác hiện tượng đa cộng tuyến xảy ra khi có mối tương quan tuyến tính hiện hữu giữa các biến độc lập trong mô hình.

Hậu quả của hiện tượng đa cộng tuyến:

- Hạn chế giá trị của R bình phương (Thường sẽ làm giá trị R bình phương tăng ảo)
- Làm sai lệch hoặc đổi dấu các hệ số hồi quy trong phương trình hồi quy.

Câu hỏi số 5: Hệ số Durbin-Watson trong hồi quy có ý nghĩa gì?

Trả lời: 
Hệ số Durbin Watson dùng để kiểm tra xem có hiện tương tự tương quan hay không trong phần dư của một phép phân tích hồi quy.

Durbin Watson có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3); nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận; nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch.

Câu hỏi số 6: Hệ số F trong hồi quy có ý nghĩa gì?

Trả lời: 
Kiểm định F phải có giá trị sig. nhỏ hơn 0.05 để kiểm chứng mức độ phù hợp của mô hình hồi quy với tổng thể bởi vì chúng ta nghiên cứu mục đích là để đánh giá tổng thể các phần tử chứ không phải mẫu phần tử.

Ví dụ cụ thế: Bạn nghiên cứu một số nhân viên trong cty để suy ra chung cho toàn nhân viên công ty thì một số nhân viên là mẫu còn toàn nhân viên là tổng thể (quy mô mẫu < tổng thế).
Nếu sig F <0.05 nghĩa là mô hình hồi quy của bạn có ý nghĩa áp dụng và suy luận ra tính chất của tổng thể.

Câu hỏi số 7: Mẫu nghiên cứu của đề tài lấy trên cơ sở nào?

Trả lời: 
Thông thường, do điều kiện hạn hẹp về chi phí và thời gian, chúng ta đều dựa trên tiêu chuẩn 5:1 của Bollen (1998) và Hair & ctg (1998).

Để thỏa mãn yêu cầu về dữ liệu của phân tích định lượng, một biến cần có 5 quan sát tương ứng với 5 đáp viên. Bảng câu hỏi đưa ra có 30 biến, nên mẫu tối thiểu là 150 (30 x 5 = 150)  người

Câu hỏi số 8: Phương pháp chọn mẫu của bạn là gì?

Trả lời: 
Từ kiến thức môn Nghiên cứu Marketing, chúng ta có 2 phương pháp chọn mẫu: chọn mẫu xác suất và chọn mẫu phi xác suất. 

Nhưng phổ biến nhất, chúng ta thường sử dụng phương pháp CHỌN MẪU PHI XÁC SUẤT THUẬN TIỆN để áp dụng trong các nghiên cứu tiểu luận, báo cáo. 

* Chọn mẫu phi xác suất là chọn mẫu theo ý định chủ quan của người nghiên cứu. 
* Chọn mẫu phi xác suất kiểu thuận tiện: Các đơn vị mẫu được chọn ở tại một địa điểm và vào một thời gian nhất định. 

Ví dụ cụ thể: Chọn mẫu những nhân viên làm việc tại công ty. Khi chúng ta gặp ai thì chúng ta nhờ họ đánh vào bảng khảo sát. Vậy là chúng ta khảo sát dựa trên tính “dễ tiếp xúc” và “cơ hội thuận tiện” để chọn mẫu. 2 thuộc tính "dễ tiếp xúc" + "cơ hội thuận tiện" là biểu hiện của chọn mẫu phi xác suất thuận tiện. 

Khi các bạn chọn mẫu xác suất, điều kiện cần có của các bạn là bạn phải có danh sách nhân viên của công ty, sau đó bạn dùng nhiều các để chọn một lượng nhân viên từ trong danh sách đó. Chính vì vậy, CHỌN MẪU XÁC SUẤT gắn liền với PHẢI CÓ DANH SÁCH ỨNG VIÊN. 

Ưu điểm phi xác suất thuận tiện: dễ dàng tập hợp các đơn vị mẫu Nhược điểm: không đạt được độ xác thực cao.

Câu hỏi số 9: Ý nghĩa của kiểm định Cronbach's Alpha?

Trả lời: 
Cronbach Alpha giúp kiểm định độ tin cậy của thang đo.

Mỗi nhân tố gồm các biến quan sát biểu hiện cho 1 thang đo nhất định cho nhân tố đó. Các biến quan sát có thể hiện được ý nghĩa của nhân tố hay không chính là độ tin cậy thang đo.

Câu hỏi quan sát kém, không có căn cứ, số lượng quá ít sẽ thường không tạo được sự tin cậy cho thang đo nhân tố đó. Ngược lại, câu hỏi quan sát dựa trên các cơ sở lý luận cụ thể, lấy từ các nghiên cứu đã được kiểm duyệt, số lượng vừa đủ sẽ phản ánh được gần đúng ý nghĩa của nhân tố. Từ đó mà độ tin cậy của thang đo tăng lên.


Câu hỏi số 10: Ý nghĩa của phân tích nhân tố khám phá EFA?

Trả lời: 
EFA dùng để thu gọn, rút trích các biến quan sát có ý nghĩa hội tụ và phân biệt.

- Hội tụ: Các biến quan sát cùng tải mạnh (hệ số tải Factor Loading) cho 1 nhân tố sẽ gom về 1 nhân tố đó.

- Phân biệt: Mỗi nhân tố sẽ có xu hướng tải khác nhau. Nhóm biến quan sát tải cho nhân tố thứ nhất tách biệt với nhóm biến quan sát tải cho nhân tố thứ hai dẫn đến sự phân nhóm nhân tố thành từng cột trong ma trận xoay.


...... Đang tiếp tục cập nhật!