Phân tích tương quan Pearson trong SPSS là phương pháp giúp xác định mức độ và chiều hướng mối liên hệ giữa hai biến định lượng. Thông qua hệ số Pearson và giá trị Sig., người nghiên cứu có thể biết các biến có tương quan với nhau hay không, từ đó làm cơ sở cho các bước phân tích tiếp theo như hồi quy hoặc mô hình nghiên cứu.
Bài viết giải thích ý nghĩa các kiểm định và thuật ngữ thống kê thường dùng trong SPSS, giúp người học hiểu đúng và áp dụng hiệu quả trong nghiên cứu định lượng. CẤU TRÚC THÔNG THƯỜNG CỦA MỘT BÀI LUẬN MÔ HÌNH HỒI QUY BAO GỒM: 1. Thống kê mô tả 2. Cronbach’s Alpha 3. EFA 4. Tương quan Pearson 5. Hồi quy tuyến tính/nhị phân/đa thức 6. One way ANOVA/T_Test
Kiểm định Bootstrap trong SEM bằng AMOS là kỹ thuật lấy mẫu lại phi tham số giúp kiểm định độ ổn định của các ước lượng khi dữ liệu không phân phối chuẩn hoặc cỡ mẫu hạn chế. Bài viết này trình bày cơ sở lý thuyết, quy trình thực hiện Bootstrap trong AMOS và cách diễn giải kết quả đúng chuẩn luận văn, đồng thời làm rõ và bác bỏ cách hiểu sai về công thức CR thường gặp trong các nghiên cứu SEM.
Các bạn tải phần mềm STATA 17 TẠI ĐÂY
Trong AMOS, chỉ số MI (Modification Indices) được sử dụng để nhận diện những điểm chưa hợp lý trong cấu trúc thang đo và mô hình nhân tố, đặc biệt là các hiện tượng chồng chéo, trùng lặp giữa các biến đo lường, có thể làm suy giảm độ phù hợp tổng thể của mô hình nghiên cứu.
Trong bài viết trước về chủ đề Thống kê tần số và vẽ biểu đồ, Resdata đã cùng các bạn tìm hiểu quy trình lập bảng tần số cũng như trực quan hóa dữ liệu. Tuy nhiên, phương pháp này chỉ thực sự phát huy hiệu quả tối đa đối với các biến định tính/phân loại như Giới tính, Độ tuổi hay Nghề nghiệp. Ngược lại, đối với các biến định lượng điển hình là các câu hỏi sử dụng thang đo Likert các múc độ (1 đến 5; 1-7 hoặc 1 đến 9) thường gặp trong nghiên cứu kinh tế xã hội, việc chỉ dừng lại ở tính toán tỷ lệ phần trăm (%) là chưa đủ và không phản ánh được toàn diện bản chất của dữ liệu. Chính vì vậy, chúng ta bắt buộc phải chuyển sang sử dụng công cụ Thống kê mô tả GIÁ TRỊ TRUNG BÌNH để tính toán các tham số đặc trưng như giá trị trung bình (Mean) hay độ lệch chuẩn. Trong bài viết này, Resdata sẽ đi sâu hướng dẫn các bạn quy trình thực hiện cũng như cách diễn giải kết quả kiểm định này trên phần mềm SPSS.
Bài viết hướng dẫn thực hành hồi quy GMM trong Stata, tập trung vào nhận diện và xử lý biến nội sinh trong mô hình hồi quy. Nội dung trình bày cách kiểm tra tính nội sinh, giải thích nguyên lý hồi quy hai giai đoạn (2SLS) và hướng dẫn thao tác chi tiết trên Stata để ước lượng mô hình phù hợp. Qua đó, người đọc có thể lựa chọn đúng phương pháp, khắc phục sai lệch ước lượng và nâng cao độ tin cậy của kết quả nghiên cứu định lượng. Bài viết dưới đây trình bày về các bước xác định và xử lý biến nội sinh GMM trong phần mềm Stata
Trình tự thực hiện: Cronbach’s Alpha: Đảm bảo độ tin cậy của các biến quan sát. EFA: Khám phá cấu trúc nhân tố. CFA: Xác nhận cấu trúc nhân tố. SEM: Kiểm định các mối quan hệ giữa các nhân tố. Trình tự này giúp đảm bảo rằng các biến quan sát và cấu trúc nhân tố đều được kiểm định kỹ lưỡng trước khi kiểm định các mối quan hệ phức tạp trong mô hình lý thuyết
Tóm tắt quy trình thực hành chạy mô hình hồi quy dữ liệu bảng OLS FEM REM OLS GLS
