Sau khi thống kê mô tả cho các thang đo định danh, tỷ lệ hay thứ bậc (như: giới tính, độ tuổi, thu nhập…) thì ta tiếp tục mô tả các thang đo khoảng (như: Thang đo chất lượng sản phẩm, chất lượng dịch vụ…vv). Một trong những thông số thông dụng là Mean – trung bình cộng. Giả sử bạn dùng thang đo Likert 5 lựa chọn trong bảng khảo sát. Khi đó: Giá trị khoảng cách = (Maximum – Minimum) / n = (5-1)/5 = 0.8 Ý nghĩa các mức như sau: 1.00 – 1.80: Rất không đồng ý/ Rất không hài lòng/ Rất không quan trọng… 1.81 – 2.60: Không đồng ý/ Không hài lòng/ Không quan trọng… 2.61 – 3.40: Không ý kiến/ Trung bình… 3.41 – 4.20: Đồng ý/ Hài lòng/ Quan trọng… 4.21 – 5.00: Rất đồng ý/ Rất hài lòng/ Rất quan trọng… Các bước thực hiện như sau: Từ thanh công cụ, các bạn chọn Analyze -> Descriptive -> Descriptives…  Sẽ xuất hiện bảng sau: Từ đây, các bạn đánh giá trung bình từng nhóm nhân tố. Lấy ví dụ: Chất lượng sản phẩm (CLSP1, CLSP2, CLSP3, CLSP4), các bạn đưa hết 4 yếu tố chất lượng sản phẩm qua ô Variable(s) và chọn OK. Kết quả từ Output sẽ hiện như sau: Các bạn nhận xét dựa vào cột Mean nhé! Chúng ta xem ý nghĩa của các mức đánh giá nằm ở đầu trang web để đánh giá cho các yếu tố này, lần lượt từng yếu khách hàng đang hài lòng về yếu tố nào nhất, chưa hài lòng yếu tố nào nhất và nguyên nhân của sự chênh lệch này là gì nhé, các bịa sao cho hay và hợp lý là được. 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: 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_PU) vào ô Target Variable. Ô Numeric Expression nhập vào công thức tính trung bình cộng mean(PU1,PU2…như hình). 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_PU , các bạn thực hiện tương tự tính mean() cho các nhân tố còn lại nhé. 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. Thống kê mô tả là một trong những phương pháp xử lý dữ liệu được sử dụng khá phổ biến, cung cấp thông tin mô tả một cách chính xác những đặc điểm của mẫu điều tra nghiên cứu. Loạt bài viết này sẽ cung cấp cái nhìn tổng quát về thống kê mô tả, cách thực hiện phân tích thống kê mô tả cho phần trả lời các câu hỏi và cách sử dụng bảng kết hợp Custom Tables trong SPSS để mô tả đặc điểm dữ liệu của nhiều biến cùng một lúc. 1. Thống kê mô tả là gì?Theo Wikipedia, thống kê mô tả (descriptive statistic) là phương pháp phân tích định lượng, nhằm tóm tắt những thông tin cơ bản của dữ liệu, phục vụ quá trình thực nghiệm và phân tích những số liệu thống kê đó. Thống kê mô tả giúp nhà nghiên cứu nắm được đặc điểm của mẫu khảo sát (như trong số những người tham gia khảo sát có bao nhiêu nam, bao nhiêu nữ, có bao nhiêu người có trình độ từ đại học trở lên, có bao nhiêu người tại TP.HCM,…). Bên cạnh đó, thống kê mô tả cũng được sử dụng để xem xét các mối quan hệ có thể có giữa các biến (sử dụng bảng kết hợp Custom Tables). Thống kê mô tả gồm thống kê trung bình và thống kê tần số: • Thống kê trung bình: thường được sử dụng với các biến định lượng, dùng để thống kê các chỉ số phân tích như giá trị trung bình (mean), giá trị lớn nhất, nhỏ nhất (max, min), độ lệch chuẩn (standard deviation),... • Thống kê tần số: thường được áp dụng cho các biến định tính như độ tuổi, giới tính, nghề nghiệp,..., dùng để cung cấp thông tin mức độ (tần số) các chỉ số xuất hiện trong tập mẫu và làm nổi bật các mối quan hệ có thể có giữa các biến. 2. Cách thực hiện thống kê mô tả trong SPSSThống kê trung bình Để thực hiện chạy thống kê mô tả cho các biến định lượng, đặc biệt là các câu hỏi Likert, chúng ta cần thao tác theo trình tự các bước như sau: Bước 1: Mở file dữ liệu SPSS Bài viết sử dụng một file dữ liệu SPSS gồm các câu Likert 5 mức độ. Mỗi nhóm nhân tố gồm các biến quan sát nhỏ bên trong: nhân tố TN (có 5 biến quan sát), nhân tố DT (có 4 biến quan sát), nhân tố LD (có 4 biến quan sát). Tiến hành thực hiện phân tích thống kê trung bình trên SPSS với các biến quan sát này. Hình 1. Các biến quan sát được sử dụng để phân tích thống kê trung bình Bước 2: Truy cập vào Analyze > Descriptive Statistics > Descriptives. Hình 2. Các thao tác để đến chức năng phân tích thống kê trung bình Bước 3: Giao diện cửa sổ sẽ hiện như hình bên dưới. Đưa tất cả các biến cần thực hiện thống kê trung bình từ mục bên trái sang mục bên phải Variable, sau đó nhấp vào OK. Hình 3. Đưa tất cả các biến cần thực hiện thống kê trung bình để tiến hành phân tích Bước 4: Đọc kết quả thống kê từ output của SPSS SPSS sẽ xuất ra bảng thống kê mô tả như sau: Hình 4. Bảng kết quả đầu ra của phân tích thống kê trung bình Ý nghĩa của kết quả thống kê: • N: cỡ mẫu nghiên cứu (220 mẫu) • Minimum: giá trị nhỏ nhất của biến. Ví dụ trong nhân tố TN, các biến quan sát TN1, TN2, TN3, TN5 có giá trị nhỏ nhất là 1, trong khi giá trị nhỏ nhất của biến TN4 là 2. • Maximum: giá trị lớn nhất của biến. Ví dụ trong nhân tố TN, các biến quan sát từ TN2 đến TN5 giá trị lớn nhất đều là 5 trong khi biến TN1 giá trị lớn nhất là 4. • Mean: giá trị trung bình của biến. Đây là cột mang nhiều ý nghĩa giải thích nhất trong bảng. Thang đo Likert 5 mức độ, chúng ta có mức điểm 3 là trung gian, nếu thiên về 3-5 nghĩa là đáp viên đồng ý với quan điểm của biến đưa ra. Ngược lại, nếu thiên về 1-3, đáp viên không đồng ý với quan điểm của biến. Ví dụ trong nhân tố TN, biến quan sát TN1 có giá trị trung bình là 2.64, nhỏ hơn 3, như vậy dữ liệu cho thấy rằng, mức độ đồng ý của đối tượng khảo sát là dưới mức trung gian 3. Trong khi đó, biến quan sát TN2, TN3, TN5 có giá trị trung bình nằm giữa khoảng 3-4. Riêng biến quan sát TN4, mức Mean = 4.41 > 4 cho thấy rằng đáp viên đang rất đồng ý với quan điểm của biến quan sát TN4. • Std. Deviation: độ lệch chuẩn của biến. Giá trị này càng nhỏ cho thấy, đáp viên trả lời các con số đáp án không chênh lệch nhau nhiều. Ngược lại nếu giá trị này cao, thể hiển rằng đối tượng khảo sát có nhận định rất khác biệt nhau đối với biến đó, nên mức điểm cho chênh lệch nhau khá nhiều. Lưu ý trong phân tích thống kê trung bình: Trong thống kê mô tả, việc đọc bảng kết quả chỉ dừng lại ở mức độ "đọc" các chỉ số hiển thị giá trị Mean, Min, Max, Std. Deviation. Thống kê trung bình chỉ dừng lại là mô tả khái quát mức đánh giá của đối tượng khảo sát ở mức điểm bao nhiêu trên thang đo được sử dụng, mức điểm nhỏ nhất, lớn nhất và độ lệch chuẩn của mỗi biến quan sát là bao nhiêu. Không nên diễn giải sâu ý nghĩa, những giá trị này mang hàm ý giải pháp, kiến nghị gì. Chúng ta sẽ đi sâu phần diễn giải khi đã hoàn thành tất cả các kiểm định định lượng ở những phần sau. |
