Bài giảng Phân tích dữ liệu nghiên cứu với SPSS tin học ứng dụng - Bài 6: Phân tích dữ liệu

Tài liệu Bài giảng Phân tích dữ liệu nghiên cứu với SPSS tin học ứng dụng - Bài 6: Phân tích dữ liệu: PHÂN TÍCH DỮ LIỆU NGHIÊN CỨU VỚI SPSS TIN HỌC ỨNG DỤNG BÀI 6: PHÂN TÍCH DỮ LIỆU T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỤC TIÊU • Hiểu và áp dụng được các phương pháp phân tích dữ liệu phù hợp với yêu cầu nghiên cứu. • Tổ chức và làm việc nhóm phân tích dữ liệu nghiên cứu; làm báo cáo và trình bày kết quả nghiên cứu. T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u NỘI DUNG • Kiểm định mối liên hệ giữa hai biến định tính • Kiểm định trung bình tổng thể • Phân tích phương sai • Tương quan tuyến tính • Hồi quy tuyến tính T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH TÍNH • Kiểm định mối liên hệ giữa hai biến định danh hoặc định danh – thứ bậc • Kiểm định mối liên hệ giữa hai biến thứ bậc T in h ọ c ứ n g ...

pdf91 trang | Chia sẻ: honghanh66 | Ngày: 19/03/2018 | Lượt xem: 65 | Lượt tải: 0download
Bạn đang xem trước 20 trang mẫu tài liệu Bài giảng Phân tích dữ liệu nghiên cứu với SPSS tin học ứng dụng - Bài 6: Phân tích dữ liệu, để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên
PHÂN TÍCH DỮ LIỆU NGHIÊN CỨU VỚI SPSS TIN HỌC ỨNG DỤNG BÀI 6: PHÂN TÍCH DỮ LIỆU T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỤC TIÊU • Hiểu và áp dụng được các phương pháp phân tích dữ liệu phù hợp với yêu cầu nghiên cứu. • Tổ chức và làm việc nhóm phân tích dữ liệu nghiên cứu; làm báo cáo và trình bày kết quả nghiên cứu. T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u NỘI DUNG • Kiểm định mối liên hệ giữa hai biến định tính • Kiểm định trung bình tổng thể • Phân tích phương sai • Tương quan tuyến tính • Hồi quy tuyến tính T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH TÍNH • Kiểm định mối liên hệ giữa hai biến định danh hoặc định danh – thứ bậc • Kiểm định mối liên hệ giữa hai biến thứ bậc T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH TÍNH • Lý thuyết Chi-bình phương – Bước 1: Đặt giả thuyết Ho: “Không có mối liên hệ giữa hai biến” hay “Hai biến độc lập với nhau”. – Bước 2: Thực hiện kiểm định2 – Bước 3: So sánh giá trị p-value với giá trị  • Chấp nhận Ho nếu p-value > • Bác bỏ Ho nếu p-value  – P-value là xác suất phạm sai lầm khi loại bỏ giả thuyết Ho, xác suất này càng cao thì hậu quả của việc phạm sai lầm khi loại bỏ giả thuyết Ho càng nghiêm trọng và ngược lại – Trong SPSS p-value chính là giá trị Sig. trong bảng kết quả kiểm định T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH TÍNH • Kiểm định mối liên hệ giữa hai biến định danh hoặc định danh – thứ bậc – Giả thuyết • Ho: Không tồn tại mối liên hệ giữa hai biến • H1: Hai biến có liên hệ với nhau – Phương pháp • Sử dụng kiểm định Chi – bình phương (2) với mức ý nghĩa  = 0.05 – Ví dụ • Kiểm định mối liên hệ giữa trình độ học vấn và giới tính T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH DANH T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH DANH T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH DANH T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH DANH Các đại lượng kiểm định dành cho hai biến định danh Các đại lượng kiểm định dành cho hai biến thứ bậc T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH DANH T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH DANH Do Sig. >  nên chấp nhận giả thuyết H0 T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN ĐỊNH TÍNH • Kiểm định mối liên hệ giữa hai biến thứ bậc – Giả thuyết • Ho: Không tồn tại mối liên hệ giữa hai biến • H1: Hai biến có liên hệ với nhau – Phương pháp • Sử dụng kiểm định tau-b của Kendall, kiểm định d của Some, kiểm định gamma của Goodman và Kruskal với mức ý nghĩa  = 0.05 – Ví dụ • Kiểm định mối liên hệ giữa độ tuổi và mức độ thanh toán thẻ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN THỨ BẬC T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN THỨ BẬC T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u MỐI LIÊN HỆ GIỮA HAI BIẾN THỨ BẬC Do Sig. >  nên chấp nhận giả thuyết H0 ≠ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRUNG BÌNH TỔNG THỂ • So sánh trị trung bình của một tổng thể với một giá trị cụ thể • So sánh trị trung bình của hai nhóm tổng thể riêng • So sánh trị trung bình của hai nhóm tổng thể riêng biệt có đặc điểm các phần tử của hai nhóm có sự tương đồng từng đôi một • So sánh trị trung bình của nhiều nhóm tổng thể độc lập T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRUNG BÌNH TỔNG THỂ • So sánh trị trung bình của một tổng thể với một giá trị cụ thể – Ví dụ: Kiểm định giả thuyết “Độ tuổi trung bình của khách hàng trả lương qua thẻ VCB là 35”. – Quy trình thực hiện • Dùng lệnh Select Case lọc ra các trường hợp khách hàng trả lương qua thẻ VCB • Gọi chức năng Analyze > Compare Means > One-Sample T- Test • Cung cấp biến kiểm định, giá trị trung bình kỳ vọng • Chọn độ tin cậy T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH GIẢ THUYẾT TRỊ TRUNG BÌNH CỦA MỘT TỔNG THỂ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH GIẢ THUYẾT TRỊ TRUNG BÌNH CỦA MỘT TỔNG THỂ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH GIẢ THUYẾT TRỊ TRUNG BÌNH CỦA MỘT TỔNG THỂ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH GIẢ THUYẾT TRỊ TRUNG BÌNH CỦA MỘT TỔNG THỂ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH GIẢ THUYẾT TRỊ TRUNG BÌNH CỦA MỘT TỔNG THỂ GIẢ THUYẾT H0 Tuổi trung bình của chủ thẻ lương VCB là 35 T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH GIẢ THUYẾT TRỊ TRUNG BÌNH CỦA MỘT TỔNG THỂ Số lượng quan sát Giá trị trung bình Giá trị kiểm định t Mức ý nghĩa 0.00 < 0.01 Bác bỏ giả thuyết H0 KẾT LUẬN: Tuổi trung bình của chủ thẻ lương VCB trên 35 GIẢ THUYẾT H0 Tuổi trung bình của chủ thẻ lương VCB là 35 T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH TRẮC NGHIỆM GIẢ THIẾT • Mục tiêu của trắc nghiệm giả thiết là nhằm quyết định tính chính xác của giả thiết dựa trên các số liệu mẫu thu thập được. Chúng ta đánh giá tính chính xác của các giả thiết bằng cách áp dụng các kỹ thuật thống kê; và đánh giá tầm quan trọng của sự khác biệt có ý nghĩa thống kê. • Cách tiếp cận cổ điển hay là lý thuyết lấy mẫu thể hiện cách nhìn mục tiêu theo xác suất dựa trên phân tích dữ liệu mẫu. Một giả thiết được xây dựng, nó sẽ bị bác bỏ hoặc chấp nhận dựa trên mẫu dữ liệu thu thập T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH TRẮC NGHIỆM GIẢ THIẾT T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRỊ TRUNG BÌNH CỦA HAI TỔNG THỂ • Kiểm định trị trung bình của hai tổng thể - trường hợp mẫu độc lập • Kiểm định trị trung bình của hai mẫu phụ thuộc hoặc phối hợp từng cặp T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRỊ TRUNG BÌNH CỦA HAI TỔNG THỂ - TRƯỜNG HỢP MẪU ĐỘC LẬP • Ví dụ – Giả thuyết H0: Tuổi trung bình của khách hàng nam và nữ là ngang nhau • Quy trình thực hiện – Gọi chức năng Analye > Compare Means > Independent-samples T Test – Cung cấp các biến định lượng (tính trung bình), biến định tính (phân thành hai nhóm độc lập) – Chỉ định hai nhóm cần so sánh T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRỊ TRUNG BÌNH CỦA HAI TỔNG THỂ - TRƯỜNG HỢP MẪU ĐỘC LẬP T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRỊ TRUNG BÌNH CỦA HAI TỔNG THỂ - TRƯỜNG HỢP MẪU ĐỘC LẬP Kiểm định sự bằng nhau về phương sai của hai mẫu (Levenve’s Test) Sig phương sai hai mẫu khác nhau => sử dụng “Equal variances not assumed” Sig > 5% => phương sai hai mẫu bằng nhau => sử dụng “Equal variances assumed” GIẢ THUYẾT H0: Tuổi trung bình giữa nam và nữ là bằng nhau T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRỊ TRUNG BÌNH CỦA HAI TỔNG THỂ - TRƯỜNG HỢP MẪU ĐỘC LẬP Kết quả kiểm định sự bằng nhau về trị trung bình của hai mẫu Sig > 5% => phương sai hai mẫu bằng nhau => sử dụng “Equal variances assumed” Sig Bác bỏ giả thuyết H0 KẾT LUẬN: Tuổi trung bình giữa nam và nữ là khác nhau GIẢ THUYẾT H0: Tuổi trung bình giữa nam và nữ là bằng nhau T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u LƯU Ý • 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. T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u LƯU Ý • Trong VD trên Sig. của kiểm định F = 0.308 > 0.05  chấp nhận giả thuyết H0 không có sự khác nhau về phương sai của 2 tổng thể  sử dụng kết quả ở dòng Equal variances assumed. • Nếu Sig. của kiểm định t ≤ α (mức ý nghĩa)  có sự phác biệt có ý nghĩa về trung bình của 2 tổng thể. • Nếu Sig. > α (mức ý nghĩa)  không có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể. T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRỊ TRUNG BÌNH CỦA HAI TỔNG THỂ - TRƯỜNG HỢP MẪU PHỐI HỢP TỪNG CẶP • Nguyên lý – Dữ liệu ở dạng thang đo khoảng cách hoặc tỷ lệ – Tính toán chênh lệch trên từng cặp quan sát – Kiểm định giả thuyết H0 “chênh lệch trung bình của tổng thể bằng 0” • Ví dụ – Cảm nhận của khách hàng trước và sau khi Ngân hàng triển khai Cam kết chất lượng dịch vụ (SLAs) T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRỊ TRUNG BÌNH CỦA HAI TỔNG THỂ - TRƯỜNG HỢP MẪU PHỐI HỢP TỪNG CẶP • Quy trình thực hiện – Gọi chức năng Analye > Compare Means > Paired- Samples T Test – Cung cấp cặp biến phối hợp – Điều chỉnh độ tin cậy (nếu cần) T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRỊ TRUNG BÌNH CỦA HAI TỔNG THỂ - TRƯỜNG HỢP MẪU PHỐI HỢP TỪNG CẶP T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH TRỊ TRUNG BÌNH CỦA HAI TỔNG THỂ - TRƯỜNG HỢP MẪU PHỐI HỢP TỪNG CẶP GIẢ THUYẾT H0: Cảm nhận của khách hàng là không đổi Sig Bác bỏ giả thuyết H0 KẾT LUẬN: Cảm nhận của khách hàng có thay đổi T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH PHƯƠNG SAI • Nguyên lý – Mở rộng kiểm định t – kiểm định nhiều nhóm mẫu cùng một lúc – Các nhóm mẫu phải có cùng phương sai • Phân loại – ANOVA một yếu tố (một biến phân loại) – ANOVA nhiều yếu tố (nhiều biến phân loại) • Ví dụ – Giả thuyết H0: Không có sự khác biệt về mức độ thanh toán bằng thẻ giữa các nhóm tuổi khác nhau – Giả thuyết H0: Không có ảnh hưởng của nhóm tuổi và trình độ học vấn đối với mức độ thanh toán bằng thẻ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH PHƯƠNG SAI MỘT YẾU TỐ • Quy trình thực hiện – Gọi thực hiện Analyze > Compare Means > One-Way ANOVA – Cung cấp biến phụ thuộc, biến phân loại – Thiết lập các tính toán thống kê mô tả, kiểm định sự bằng nhau của các nhóm T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH PHƯƠNG SAI MỘT YẾU TỐ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH PHƯƠNG SAI MỘT YẾU TỐ GIẢ THUYẾT H0: Không có sự khác nhau về thanh toán bằng thẻ Kiểm tra điều kiện áp dụng ANOVA: phương sai bằng nhau giữa các nhóm mẫu Sig > 0.05 => phủ định H0 => phương sai bằng nhau Sig > 5% => Chấp nhận giả thuyết H0 KẾT LUẬN: Không có sự khác nhau về thanh toán bằng thẻ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH PHƯƠNG SAI MỘT YẾU TỐ • Phân tích sâu ANOVA – Kiểm định trước (Contrasts) • Kiểm định các giả định về trung bình nhóm trước khi phân tích ANOVA – Kiểm định sau (Post Hoc) • Kiểm định các giả định về trung bình nhóm sau khi phân tích ANOVA T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH PHƯƠNG SAI MỘT YẾU TỐ Thực hiện kiểm định t cho từng cặp trung bình nhóm Giống LSD, tiến hành so sánh bội trên số lần tiến hành so sánh Sử dụng bảng phân phối Studentizze range distribution Kiểm định lại toàn bộ các trị trung bình nhóm. Nếu không bằng nhau thì kiểm tra các nhóm nào có sự khác biệt So sánh trị trung bình của các nhóm với trị trung bình của một nhóm cụ thể được chọn T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH PHƯƠNG SAI MỘT YẾU TỐ Trị trung bình của 4 nhóm đầu bằng với nhóm cuối cùng T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH PHƯƠNG SAI HAI YẾU TỐ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN TÍCH PHƯƠNG SAI HAI YẾU TỐ Giả định phương sai các nhóm bằng nhau không bị vi phạm => kiểm định ANOVA có ý nghĩa Chấp nhận giả thuyết H0 GIẢ THUYẾT H0: Không có sự khác nhau về thanh toán bằng thẻ KẾT LUẬN: Không có sự khác nhau về thanh toán bằng thẻ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TƯƠNG QUAN TUYẾN TÍNH • Nguyên lý – Kiểm định mối liên hệ giữa nhiều biến định lượng • Phân loại – Hệ số tương quan đơn – Hệ số tương quan hạng T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TƯƠNG QUAN TUYẾN TÍNH • Hệ số tương quan đơn (r) – Tên đầy đủ Pearson Correlation Coefficient – Áp dụng trong trường hợp tổng thể có phân phối chuẩn – Lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng – Mối liên hệ giữa hai biến có thể • Không có liên hệ (r = 0) • Liên hệ tuyến tính thuận (r > 0) • Liên hệ tuyến tính nghịch (r < 0) • Liên hệ phi tuyến (r = 0) – Mối liên hệ này có tính chất đối xứng T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TƯƠNG QUAN TUYẾN TÍNH • Quy trình thực hiện – Gọi chức năng Analyze > Correlate > Bivariate – Lựa chọn hai hay nhiều biến định lượng để phân tích – Lựa chọn một (số) hệ số tính toán – Lựa chọn loại kiểm định mức ý nghĩa • Ví dụ – Đo lường mối liên hệ giữa kết quả tuyển sinh đầu vào và điểm trung bình học tập toàn khóa của sinh viên T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TƯƠNG QUAN TUYẾN TÍNH T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u LƯU Ý • Trong phần lựa chọn kiểm định mức ý nghĩa – Test of Significance gồm 2 loại: – Two-tailed (kiểm định 2 phía) được sử dụng trong trường hợp chiều hướng của mối liên hệ tuyến tính không thể xác định trước. Ngược lại là loại One-tailed kiểm định 1 phía). T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TƯƠNG QUAN TUYẾN TÍNH Hệ số tương quan giữa hai biến là 0.67 ở mức ý nghĩa nhỏ hơn 1% T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TƯƠNG QUAN TUYẾN TÍNH • Hệ số tương quan hạng Spearman – Tên đầy đủ Rank Correlation Coefficient – Áp dụng trong trường hợp tổng thể không có phân phối chuẩn T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH • Khái niệm và ý nghĩa của Hồi qui • Xây dựng mô hình hồi qui • Kiểm định mô hình (giả thiết về sự phụ thuộc) T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KHÁI QUÁT • Các hiện tượng kinh tế - xã hội có mối quan hệ phụ thuộc lẫn nhau ? • Ý nghĩa: Phân tích hồi qui và tương quan là một phương pháp trong thống kê để nghiên cứu mối liên hệ giữa các hiện tượng – Thu nhập và tiêu dùng – Các yếu tố đầu vào và kết quả của quá trình sản xuất – Độ tuổi và thói quen sử dụng thẻ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH • Nguyên lý – Mô hình hóa mối quan hệ tuyến tính (bậc nhất) giữa một biến phụ thuộc với một hay nhiều biến độc lập (biến giải thích) – Không có tính chất đối xứng như tương quan tuyến tính • Phân loại – Hồi quy tuyến tính đơn – Hồi quy tuyến tính bội • Ví dụ – Tác động của kết quả tuyển sinh đầu vào đối với điểm trung bình học tập toàn khóa của sinh viên T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u BIỀU ĐỒ PHÂN TÁN T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH ĐƠN • Mô hình tổng quát Trong đó – Xilà giá trị quan sát thứ i của biến độc lập – là giá trị dự đoán thứ icủa biến phụ thuộc – Bo và B1 là hệ số hồi quy; phương pháp bình phương nhỏ nhất (OLS) xác định hai hệ số này = + ∗ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH ĐƠN Y = f(x) + e = ax + b + e e là sai lầm ngẫu nhiên T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHƯƠNG PHÁP OLS T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHƯƠNG PHÁP OLS • Phương pháp bình phương nhỏ nhất (OLS - Ordinary Least Square) • Để tìm hàm Yi^ = B0 + B1 X ta dùng phương pháp OLS do nhà toán học Đức là Carl Friedrich Gauss đưa ra, như sau: – Giả sử chúng ta có một mẫu gồm n cặp quan sát (Yi,Xi), i = 1÷ n. Theo phương pháp bình phương nhỏ nhất, ta phải tìm Y^ sao cho nó càng gần với giá trị thực (Yi) càng tốt T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHƯƠNG PHÁP OLS – Giả sử chúng ta có một mẫu gồm n cặp quan sát (Yi,Xi), i = 1÷ n. Theo phương pháp bình phương nhỏ nhất, ta phải tìm Y^ sao cho nó càng gần với giá trị thực (Yi) càng tốt, tức phần dư: – ei = Yi – Yi^ = Yi – B0 - B1 *Xi càng nhỏ càng tốt. – Do ei ( i=1,n ) có thể dương, có thể âm, nên ta cần tìm SRF sao cho tổng bình phương của các phần dư đạt cực tiểu T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH ĐƠN • Một số giả định – Phân phối chuẩn của biến phụ thuộc Y với phương sai không đổi – Các giá trị của Y độc lập với nhau – Các giá trị trung bình nằm trên một đường thẳng – Phần dư • Quy trình thực hiện – Gọi thực hiện Analyze > Regression > Linear – Cung cấp biến phụ thuộc, biến độc lập – Kiểm định các giả định của mô hình = − = − ( + ∗ ) T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH ĐƠN T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH ĐƠN Đo lường mức độ phù hợp của mô hình đối với mẫu Kiểm định mức độ phù hợp của mô hình đối với tổng thể (F lớn, Sig < 0.05) Kiểm định ý nghĩa của các hệ số hồi quy (Sig < 0.05) Hệ số hồi quy KẾT LUẬN: = . + . ∗ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u LƯU Ý • Tham số R bình phương hiệu chỉnh (Adjusted R Square) – Cho biết mức độ (%) sự biến thiên của biến phụ thuộc được giải thích bởi biến độc lập • Bảng ANOVA – Giá trị của Sig( P-value) của bảng ANOVA dùng để đánh giá sự phù hợp (tồn tại) của mô hình. Giá trị Sig nhỏ (thường <5%) thì mô hình tồn tại. T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u ĐO LƯỜNG MỨC ĐỘ PHÙ HỢP CỦA MÔ HÌNH • Để có thể biết mô hình giải thích được như thế nào hay % biến động của biến phụ thuộc, người ta sử dụng R2 (0 ≤ R2 ≤ 1) • Trong đó – R2 cao nghĩa là mô hình ước lượng được giải thích được một mức độ cao biến động của biến phụ thuộc – Nếu R2 bằng 0. Nghĩa là mô hình không đưa ra thông tin nào về biến phụ thuộc và dự đoán tốt nhất về giá trị của biến phụ thuộc là giá trị trung bình của nó T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH ĐƠN • Kiểm tra các giả định – Giả định liên hệ tuyến tính – Giả định Các sai số ngẫu nhiên trong hàm hồi qui tổng thể có phương sai của sai số không đổi – Giả định về phân phối chuẩn của phần dư – Giả định về tính độc lập của sai số T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u GIẢ ĐỊNH LIÊN HỆ TUYẾN TÍNH Các điểm ảnh phân bố ngẫu nhiên => giả định liên hệ tuyến tính không bị vi phạm T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHƯƠNG SAI CỦA SAI SỐ KHÔNG ĐỔI GIẢ THUYẾT H0: Phương sai của sai số không đổi GIẢ THUYẾT H0: Hệ số tương quan hạng Spearman cho hai biến Input_Score và ABSres bằng 0 Sig Bác bỏ giả thuyết H0 => Phương sai của sai số thay đổi KẾT LUẬN: Mô hình hồi quy tuyến tính không có giá trị T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN PHỐI CHUẨN CỦA PHẦN DƯ (HISTOGRAM) T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TÍNH ĐỘC LẬP CỦA SAI SỐ Dò tìm những phần dư bất thường (quá nhỏ hoặc quá lớn) Giả thuyết: Hệ số tương quan tổng thể của sai số bằng 0 T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TÍNH ĐỘC LẬP CỦA SAI SỐ • Quy tắc Durbin-Watson • Tra bảng Durbin-Watson với 01 biến và 300 quan sát (dL=1.75; dU=1.779) • Đại lượng thống kê d=2.31(dU,4-dU) => chấp nhận giả thuyết không có tự tương quan chuỗi bậc nhất Có tự tương quan thuận (dương) Không có kết luận Chấp nhận giả thuyết không có tự tương quan chuỗi bậc nhất Không có kết luận Có tự tương quan nghịch (âm) 0 dL dU 2 4-dU 4-dL 4 T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH BỘI • Mô hình tổng quát Trong đó – Xkilà giá trị quan sát thứ i của biến độc lập thứ k – là giá trị dự đoán thứ i của biến phụ thuộc – i là các hệ số hồi quy riêng phần – Phần dư ei là biến độc lập ngẫu nhiên N(0, 2) = + ∗ + ∗ +⋯+ ∗ + T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH BỘI • Một số giả định – Biến phụ thuộc có phân phối chuẩn đối với các biến độc lập (biến giải thích) – Không có biến giải thích nào là tổ hợp tuyến tính của các biến giải thích còn lại • Ví dụ – Sự tác động của độ tuổi, trình độ học vấn, số thẻ ngân hàng đối với mức độ thanh toán bằng thẻ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HỒI QUY TUYẾN TÍNH BỘI • Quy trình thực hiện – Xem xét ma trận hệ số tương quan – Xây dựng mô hình – Đánh giá độ phù hợp của mô hình – Kiểm định độ phù hợp của mô hình – Giải thích các hệ số hồi quy riêng trong mô hình – Xác định tầm quan trọng của các biến trong mô hình – Lựa chọn biến cho mô hình – Dò tìm các vi phạm giả định cần thiết T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u XEM XÉT MA TRẬN HỆ SỐ TƯƠNG QUAN Hệ số tương quan giữa hai biến độc lập thấp Hệ số tương quan giữa biến phụ thuộc với các biến độc lập tương đối cao KẾT LUẬN: Có thể sử dụng các biến độc lập trong mô hình T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u XÂY DỰNG MÔ HÌNH HỒI QUY Giúp xác định tầm quan trọng của mỗi biến trong mô hình T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u KIỂM ĐỊNH CÁC GIẢ THUYẾT Mô hình giải thích được 71% các trường hợp được ghi nhận => độ phù hợp CAO Sig < 0.01 chứng tỏ các hệ số hồi quy không đồng nhất 0, mô hình có thể sử dụng được Các biến độc lập đều có ý nghĩa trong mô hình T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TẦM QUAN TRỌNG CỦA CÁC BIẾN Hai biến này có ảnh hưởng đối với mô hình lớn hơn các biến còn lại T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u LỰA CHỌN CÁC BIẾN ĐỘC LẬP • Mục đích – Lựa chọn hiệu quả các biến đưa vào mô hình • Thực hiện – Tăng dần số lượng các biến và kiểm giá mức độ phù hợp của mô hình T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u LỰA CHỌN CÁC BIẾN ĐỘC LẬP T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u LỰA CHỌN CÁC BIẾN ĐỘC LẬP KẾT LUẬN: Mô hình hai biến tốt hơn hẳn so với mô hình một biến T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u DÒ TÌM CÁC VI PHẠM GIẢ ĐỊNH • Mục đích – Kiểm tra tính hợp lệ của mô hình • Nội dung – Giả định liên hệ tuyến tính – Giả định phương sai của sai số không đổi – Giả định về phân phối chuẩn của phần dư – Giả định về tính độc lập của sai số – Giả định về hiện tượng đa cộng tuyến T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u GIẢ ĐỊNH LIÊN HỆ TUYẾN TÍNH Các điểm ảnh phân bố ngẫu nhiên => giả định liên hệ tuyến tính không bị vi phạm T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHƯƠNG SAI CỦA SAI SỐ KHÔNG ĐỔI KẾT LUẬN: Phương sai của sai số không đổi Chấp nhận giả thuyết H0 GIẢ THUYẾT H0: Phương sai của sai số không đổi T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u PHÂN PHỐI CHUẨN CỦA PHẦN DƯ (HISTOGRAM) T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TÍNH ĐỘC LẬP CỦA SAI SỐ T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u TÍNH ĐỘC LẬP CỦA SAI SỐ • Quy tắc Durbin-Watson • Tra bảng Durbin-Watson với 01 biến và 300 quan sát (dL=1.75; dU=1.779) • Đại lượng thống kê d=2.21(dU,4-dU) => chấp nhận giả thuyết không có tự tương quan chuỗi bậc nhất Có tự tương quan thuận (dương) Không có kết luận Chấp nhận giả thuyết không có tự tương quan chuỗi bậc nhất Không có kết luận Có tự tương quan nghịch (âm) 0 dL dU 2 4-dU 4-dL 4 T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u HIỆN TƯỢNG ĐA CỘNG TUYẾN KẾT LUẬN: Không xảy ra hiện tượng đa cộng tuyến T in h ọ c ứ n g d ụ n g : P h â n t í c h d ữ l iệ u n g h iê n c ứ u ÔN TẬP • Kiểm định mối liên hệ giữa hai biến định tính • Kiểm định trung bình tổng thể • Phân tích phương sai • Tương quan tuyến tính • Hồi quy tuyến tính

Các file đính kèm theo tài liệu này:

  • pdfadvance_in_it_chapter_6_6787.pdf
Tài liệu liên quan