Tổng hợp câu hỏi ôn thi quản trị bán hàng (có đáp án chi tiết)
Dàn bài nghiên cứu khoa học
1. 1. ĐẶC TRƯNG MẪU NGHIÊN CỨU
2. THỐNG KÊ MÔ TẢ: TRUNG BÌNH (MEAN) CHO CÁC THANG ĐO
3. KIỂM ĐỊNH THANG ĐO
3.1 Cronbach’s alpha
Kiểm định Cronbach’s Alpha là kiểm định nhằm phân tích, đánh giá độ tin cậy của thang đo.
Mục đích của kiểm định này là tìm hiểu xem các biến quan sát có cùng đo lường cho một
khái niệm cần đo hay không. Giá trị đóng góp nhiều hay ít được phản ánh thông qua hệ số
tương quan biến tổng Corrected Item – Total Correlation. Qua đó, cho phép loại bỏ những
biến không phù hợp trong mô hình nghiên cứu.
Tiêu chuẩn để chấp nhận các biến:
Những biến có chỉ số tương quan biến tổng phù hợp (Corrected Item – Total Correlation)
từ 0.3 trở lên.
Các hệ số Cronbach’s Alpha của các biến phải từ 0.6 trở lên.
Hệ số Cronbach’s Alpha của tổng thể là … > 0.6
Hệ số tương quan biến tổng ( Corrected Item- Total Correlation) của tất cả các biến quan sát
đều >0.3 (lớn hơn tiêu chuẩn cho phép) nên thang đo đạt tiêu chuẩn, đảm bảo chất lượng tốt.
Như vậy sau khi thực hiện kiểm dịnh độ tin cậy của thang đo Mức độ đáp ứng tất cả các biến
đều thõa mãn yêu cầu khi thực hiện kiểm định độ tin cậy của thang đo phù hợp để thực hiện
bước phân tích tiếp theo.
Bảng thống kê các biến sau khi phân tích Cronbach’s Alpha
STT Thang đo Biến thỏa độ tin cậy Biến bị loại
Số lượng
biến
Tên biến Số lượng
biến
Tên biến
A Biến độc lập
TỔNG
B Biến phụ thuộc
TỔNG
Qua phân tích độ tin cậy Cronbach’s Alpha cho biến phụ thuộc và biến độc lập trong mô hình
nghiên cứu, bao gồm … biến quan sát của các biến độc lập đủ độ tin cậy Cronbach’s Alpha
và … biến quan sát của thang đo đánh giá sự hài lòng chung đủ độ tin cậy Cronbach’s Alpha.
3.2. Phân tích nhân tố EFA
2. Theo Hair & ctg (1998), phân tích nhân tố là một phương pháp phân tích thống kê dùng để
rút gọn một tập gồm nhiều biến quan sát thành một nhóm để chúng có ý nghĩa hơn nhưng vẫn
chứa đựng hầu hết các nội dung thông tin của biến ban đầu.
Thước đo hệ số tải nhân tố (Factor Loading)
FactorLoading ≥0.3 cỡ mẫu ít nhất 350
FactorLoading ≥0.55 cỡ mẫu khoảng 100 đến 350
FactorLoading ≥0.75 cỡ mẫu khoảng 50 đến 100
(Theo Hair & ctg (1998, 111), MultivariateData Analysis, Prentice-Hall International)
KMO (Kaiser-Meyer-Olkin) là chỉ số thể hiện mức độ phù hợp của phương pháp EFA, hệ số
KMO lớn hơn 0,5 và nhỏ hơn 1 thì phân tích nhân tố được coi là phù hợp.
Theo Trọng & Ngọc (2005, 262), kiểm định Bartlett (Bartlett’s test) xem xét giả thiết H0 độ
tương quan giữa các biến quan sát bằng 0 trong tổng thể. Nếu như kiểm định này có ý nghĩa
thống kê, tức là Sig < 0,05 thì các quan sát có tương quan với nhau trong tổng thể.
Tổng phương sai trích (Total Varicance Explained) đạt giá trị từ 50% trở lên
Eigenvalue - đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố lớn hơn 1 thì nhân
tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.
3.2.1 EFA cho biến độc lập
Kết quả phân tích nhân tố cho biến độc lập
Yếu tố cần đánh giá Giá trị chạy bảng So sánh
Hệ số KMO 0,5 < < 1
Giá trị Sig trong Kiểm định Bartlett < 0,05
Phương sai trích > 50%
Giá trị Eigenvalue 1> 1
3.2.1.1 Kiểm định tính thích hợp của mô hình phân tích nhân tố EFA
Thước đo KMO (Kaiser-Meyer-Olkin) có giá trị = thỏa điều kiện 0.5 ≤ KMO ≤ 1.
Kết luận: phân tích nhân tố là phù hợp với dữ liệu thực tế.
3.2.1.2 Kiểm định tính tương quan giữa các biến quan sát (Bartlett's Test)
Sử dụng kiểm định Bartlett's (Bartlett's Test)
Kiểm định giả thuyết H0: mức tương quan của các biến bằng không.
Kết quả kiểm định Bartlett's Test có giá trị mức ý nghĩa Sig. = < .05
3. Kết luận: các biến quan sát có tương quan với nhau trong mỗi nhóm nhân tố.
3.2.1.3 Kiểm định phương sai trích của các yếu tố (% Cumulative Variance)
Trong bảng tổng phương sai trích (Total Variance Explained), tiêu chuẩn chấp nhận phương
sai trích >50%.
Trong bảng phân tích kết quả trên cho thấy, tổng phương sai trích (Total Variance
Explained) ở dòng Component số 5 và cột Cumulative % có giá trị phương sai cộng dồn của
các yếu tố là … >50% đáp ứng tiêu chuẩn.
Kết luận: … thay đổi của các nhân tố được giải thích bởi các biến quan sát thành phần của
Factor.
3.2.1.4 Kiểm định hệ số Factorloading
Hệ số tải nhân tố Factorloading >= 0.55 cỡ mẫu tương đương khoảng 100-> 350, nghiên cứu
này sử dụng kích thước mẫu điều tra là ...
Kết quả phân tích EFA cho các biến độc lập của ma trận xoay nhân tố trên cho thấy, hệ số tải
nhân tố của các biến quan sát đều thỏa điều kiện khi phân tích nhân tố là hệ số Factorloading
>= 0.55 và số nhân tố tạo ra khi phân tích nhân tố là … nhân tố.
3.2.2 EFA cho biến phụ thuộc
Kiểm định tính thích hợp của mô hình phân tích nhân tố EFA
Thước đo KMO (Kaiser-Meyer-Olkin) có giá trị = thỏa điều kiện 0.5 ≤ KMO ≤ 1.
Kết luận: phân tích nhân tố là phù hợp với dữ liệu thực tế.
Kiểm định tính tương quan giữa các biến quan sát (Bartlett's Test)
Sử dụng kiểm định Bartlett's (Bartlett's Test)
Kiểm định giả thuyết H0: mức tương quan của các biến bằng không.
Kết quả kiểm định Bartlett's Test có giá trị mức ý nghĩa Sig. = < .05
Kết luận: các biến quan sát có tương quan với nhau trong mỗi nhóm nhân tố.
Kiểm định phương sai trích của các yếu tố (% Cumulative Variance)
Trong bảng phân tích kết quả trên cho thấy, tổng phương sai trích (Total Variance
Explained) ở dòng Component số 5 và cột Cumulative % có giá trị phương sai cộng dồn của
các yếu tố là … >50% đáp ứng tiêu chuẩn.
Kết luận: … thay đổi của các nhân tố được giải thích bởi các biến quan sát thành phần của
Factor.
Kiểm định hệ số Factor loading
4. Hệ số tải nhân tố Factorloading >= 0.55 cỡ mẫu tương đương khoảng 100-> 350, nghiên cứu
này sử dụng kích thước mẫu điều tra là ...
Kết quả phân tích EFA cho các biến độc lập của ma trận xoay nhân tố trên cho thấy, hệ số tải
nhân tố của các biến quan sát đều thỏa điều kiện khi phân tích nhân tố là hệ số Factor loading
>= 0.55 và số nhân tố tạo ra khi phân tích nhân tố là … nhân tố.
Kết quả phân tích nhân tố cho biến phụ thuộc
Yếu tố cần đánh giá Giá trị chạy bảng So sánh
Hệ số KMO 0,5 < < 1
Giá trị Sig trong Kiểm định Bartlett < 0,05
Phương sai trích > 50%
Giá trị Eigenvalue 1> 1
Tính nhân số cho nhân tố biến phục thuộc bằng Factor Scoretrong EFA.
3.3 Kiểm định chất lượng thang đo cho các nhân tố tạo thành
3.4 Hiệu chỉnh mô hình
Sau khi phân tích nhân tố EFA cho… biến quan sát trong mô hình nghiên cứu ban đầu.
Kết quả tạo ra 5 nhân tố có ảnh hưởng đến mức độ hài lòng, có một biến quan sát bị loại: ...
Do đó, mô hình nghiên cứu lúc này có … biến độc lập tác động đến 1 biến phụ thuộc mức độ
hài lòng. Mô hình nghiên cứu được điều chỉnh như sau:
4. PHÂN TÍCH HỒI QUY ĐA BIẾN
4.1Phân tích tương quan hệ số Pearson
Người ta sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ
tuyến tính giữa hai biến định lượng. Nếu giữa 2 biến có sự tương quan chặt chẽ thì phải lưu ý
vấn đề đa cộng tuyến khi phân tích hồi quy.
Đa cộng tuyến là trạng thái các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của
hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất
khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc.
5. Đa cộng tuyến làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của
kiểm định ý nghĩa nên các hệ số có khuynh hướng kém ý nghĩa.
Cần xem xét hiện tượng đa cộng tuyến khi phân tích hồi quy nếu hệ số tương quan pearson >
0.3.
Thực hiện phân tích hệ số tương quan Pearson:
Các giá trị Sig. đều nhỏ hơn 0,05 do vậy các cặp biến đều tương quan và có ý nghĩa thống kê.
Hệ số tương quan của một số cặp biến độc lập tương tác nhau cũng khá lớn (lớn hơn …) nên
khi phân tích hồi quy cần chú ý đến hiện tượng tự tương quan của các biến độc lập.
4.2 Mô hình hồi quy tổng thể
Phương trình hồi quy tổng thể của mô hình có dạng như sau:
F(SAT) = β0 + β1 +β2 +β3 +β4+β5
Cách xác định nhân số cho mô hình: Nhân số thứ i được xác định:
Fi = Wi1X1 + Wi2X2 + … + WikXk
+ Wi: là hệ số nhân tố được trình bày trong ma trận hệ số nhân tố (Component Score
Coefficient)
+ Xi: biến quan sát trong nhân tố thứ i
Giá trị nhân số của các nhân tố trong mô hình hồi quy được tính toán thông qua hệ số Scores
(Hệ số trung bình chuẩn hóa) trong phân tích EFA.
4.3. Thực hiện các kiểm định hồi quy
Phân tích hồi quy là một phân tích thống kê để xác định xem các biến độc lập (biến thuyết
minh) quy định các biến phụ thuộc (biến được thuyết minh) như thế nào. Mô hình phân tích
hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán được giá trị của biến phụ
thuộc khi biết trước giá trị của biến độc lập.
4.3.1 Kiểm định hệ số hồi quy (Coefficients)
4.3.2 Kiểm định mức độ phù hợp của mô hình (Adjusted R Square, ANOVA)
Mức độ giải thích của mô hình:
So sánh 2 giá trị R Square và Adjusted R Square ở bảng trên ta thấy Adjusted R square nhỏ
hơn, dùng nó đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức
độ phù hợp của mô hình. (Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), Phân tích
dữ liệu nghiên cứu với SPSS tập 1, NXB Hồng Đức, 9, 239)
Mức độ phù hợp của mô hình:
4.3.3 Kiểm định hiện tượng đa cộng tuyến (Multiple Collinearity)
4.3.4 Kiểm định hiện tượng tự tương quan của phần dư (Autocorelation)
6. Tự tương quan là hiện tượng các sai số ngẫu nhiên có mối liên hệ tương quan nhau, khi đó có
thể xảy ra hiện tượng tự tương quan.
Hậu quả của tự tương quan của các phần dư:
Các ước lượng OLS (Ordinary Least Square) vẫn là các ước lượng tuyến tính không chệch
nhưng không hiệu quả (vì phương sai không nhỏ nhất)
Phương sai của các ước lượng là các ước lượng chệch, vì vậy các kiểm định T và F không
còn hiệu quả.
Các dự báo về biến phụ thuộc không chính xác.
Dùng kiểm định d của Durbin-Watson để kiểm định hiện tượng tự tương quan của phần dư
Trị thống kê (d) = …
Số quan sát bằng …, số tham số (k-1)=…, mức ý nghĩa bằng 0.01 (99%) trong Bảng thống kê
Durbin-Watson, dL (Trị thống kê dưới) = … và dU (Trị thống kê trên) = …
dU = … < d= … < (4- dU= …)
Kết luận: Không có hiện tượng tự tương quan giữa các phần dư trong mô hình, mô hình có ý
nghĩa.
4.3.5 Kiểm định phương sai của sai số không đổi (Heteroskedasticty)
Sử dụng kiểm định Spearman để kiểm tra giữa từng biến độc lập có ý nghĩa thống kê với giá
trị tuyệt đối của số dư được chuẩn hóa ((Absolute of standardized residuals, ABSRES).
Tiêu chuẩn đánh giá: các hệ số tương quan hạng Spearman có ý nghĩa Sig. >0.05 thì kết
luận phương sai của phần dư không thay đổi.
Tiêu chuẩn đánh giá: các hệ số tương quan hạng Spearman có ý nghĩa Sig. >0.05 thì kết
luận phương sai của phần dư không thay đổi.
Kết quả ma trận tương quan trên cho thấy: Các hệ số tương quan hạng Spearman giữa các
biến độc lập và biến trị tuyệt đối của phần dư chuẩn hóa có mức ý nghĩa Sig. > 0.05 nên có
thể kết luận: các biến đảm bảo không có hiện tượng phương sai phần dư thay đổi, mô hình có
ý nghĩa thống kê.
4.4 Thảo luận kết quả hồi quy
* Hệ số β chưa chuẩn hóa (Unstandardized Coefficients)
* Hệ số β chuẩn hóa (Standardized Coefficients)
STT Biến
Standard
Beta
Phần trăm
(%)
Thứ tự ảnh
hưởng
7. 4.5 Hàm ý quản trị
5. PHÂN TÍCH PHƯƠNG SAI (ANOVA)
6. KẾT QUẢ NGHIÊN CỨU
Các giả thuyết của mô hình:
STT Ký hiệu Giả thuyết Kết quả