GIÁO TRÌNH SPSS 26 | Có Dữ Liệu Thực Hành
CHƯƠNG 1: TÌM HIỂU MỘT SỐ THUẬT NGỮ THỐNG KÊ
1.1 Tầm quan trọng của hiểu đúng thuật ngữ thống kê
1.2 Một số thuật ngữ thống kê cơ bản
CHƯƠNG 2: CHỌN MẪU TRONG NGHIÊN CỨU, KỸ THUẬT VÀ KÍCH THƯỚC MẪU
2.1 Lý do cần phải chọn mẫu
2.2 Sai số trong chọn mẫu
2.3 Kỹ thuật chọn mẫu
2.3.1 Các phương pháp chọn mẫu phi xác suất
2.3.2 Các phương pháp chọn mẫu theo xác suất
2.4 Kích thước mẫu
2.4.1 Yếu tố ảnh hưởng tới quyết định chọn cỡ mẫu
2.4.2 Xác định cỡ mẫu theo ước lượng tổng thể
2.4.3 Xác định cỡ mẫu theo phương pháp phân tích
CHƯƠNG 3: MÃ HÓA, NHẬP LIỆU TRÊN PHẦN MỀM SPSS 26
3.1 Phân loại dữ liệu
3.2 Các loại thang đo được ký hiệu trong SPSS
3.2.1 Thang đo định danh – Nominal
3.2.2 Thang đo thứ bậc – Ordinal
3.2.3 Thang đo mức độ – Scale
3.3 Làm quen với giao diện SPSS 26
3.3.1 Tải và cài đặt SPSS 26 trên Windows
3.3.2 Thiết lập một số cài đặt cơ bản
3.3.3 Giao diện Variable View và Data View
3.4 Tạo biến và nhập liệu trên SPSS 26
3.4.1 Câu hỏi định tính một trả lời
3.4.2 Câu hỏi định tính nhiều trả lời
3.4.3 Câu hỏi định tính mở
3.4.4 Câu hỏi thứ tự xếp hạng
3.4.5 Câu hỏi định lượng một trả lời
3.4.6 Nhập dữ liệu từ Excel vào SPSS
3.5 Mã hóa lại biến trên SPSS 26
CHƯƠNG 4: NHẬN DIỆN GIÁ TRỊ KHUYẾT, DỊ BIỆT – CẢI THIỆN DỮ LIỆU
4.1 Sự thiết yếu của làm sạch dữ liệu
4.2 Giá trị khuyết missing value
4.2.1 Nguyên nhân xuất hiện giá trị khuyết
4.2.2 Ngăn ngừa xuất hiện giá trị khuyết
4.2.3 Xử lý giá trị khuyết
4.3 Điểm dị biệt outliers
4.4 Quy luật Empirical
4.5 Phát hiện điểm dị biệt và cải thiện dữ liệu
4.5.1 Dùng bảng tần số
4.5.2 Dùng bảng kết hợp
4.5.3 Đồ thị Boxplot
4.5.4 Đồ thị Scatterplot
4.5.5 Bảng Casewise Diagnostics hồi quy
CHƯƠNG 5: LÝ THUYẾT ĐỀ TÀI NGHIÊN CỨU – ĐỀ TÀI THỰC HÀNH
5.1 Lý thuyết về đề tài nghiên cứu
5.1.1 Vấn đề nghiên cứu
5.1.2 Mục tiêu và đề tài nghiên cứu
5.1.3 Mô hình nghiên cứu
5.1.4 Giả thuyết nghiên cứu
5.2 Vài lưu ý khi lập bảng câu hỏi khảo sát
5.2.1 Đảo bảo tính đơn hướng thang đo
5.2.2 Mã hóa đáp án ngay trong bảng câu hỏi
5.2.3 Kỹ thuật câu hỏi gài trong lập bảng câu hỏi
5.3 Đề tài nghiên cứu thực hành
5.3.1 Đề tài nghiên cứu
5.3.2 Mô hình nghiên cứu
5.3.3 Giả thuyết nghiên cứu
5.3.4 Kỳ vọng chiều tác động
5.3.5 Bảng câu hỏi khảo sát
CHƯƠNG 6: THỐNG KÊ MÔ TẢ – TẦN SUẤT, TRUNG BÌNH, KẾT HỢP
6.1 Thống kê tần số
6.1.1 Mục đích sử dụng
6.1.2 Thống kê tần số trên SPSS 26
6.2 Thống kê trung bình
6.2.1 Mục đích sử dụng
6.2.2 Đánh giá điểm trung bình theo thước đo Likert
6.2.3 Thống kê trung bình trên SPSS 26
6.3 Thống kê kết hợp
6.3.1 Mục đích sử dụng
6.3.2 Thống kê kết hợp trên SPSS 26
6.4 Đồ thị, biểu đồ
CHƯƠNG 7: KIỂM ĐỊNH CHI-SQUARE QUAN HỆ HAI BIẾN ĐỊNH TÍNH
7.1 Lý thuyết kiểm định Chi-Square
7.2 Kiểm định Chi-Square trên SPSS 26
CHƯƠNG 8: KIỂM ĐỊNH ĐỘ TIN CẬY THANG ĐO CRONBACH’S ALPHA
8.1 Khái niệm thang đo
8.2 Đo lường độ tin cậy bằng hệ số Cronbach’s Alpha
8.3 Tiêu chuẩn kiểm định Cronbach’s Alpha
8.4 Các tình huống thường gặp khi kiểm định Cronbach’s Alpha
8.4.1 Hệ số Cronbach’s Alpha không đạt mức tối thiểu
8.4.2 Hệ số Cronbach’s Alpha âm
8.4.3 Giá trị Cronbach’s Alpha if Item Deleted lớn hơn Cronbach’s Alpha của thang đo
8.4.4 Không xuất hiện cột Cronbach’s Alpha if Item Deleted
8.4.5 Kiểm định Cronbach’s Alpha với thang đo chỉ gồm 1 biến quan sát
8.4.6 Kiểm định Cronbach’s Alpha cho toàn bộ các biến quan sát từ nhiều nhóm
8.5 Kiểm định độ tin cậy Cronbach’s Alpha trên SPSS 26
CHƯƠNG 9: PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EXPLORATORY FACTOR ANALYSIS
9.1 Giới thiệu về phân tích nhân tố
9.2 Phép trích PCA và PAF
9.2.1 Phép trích Principal Components Analysis (PCA)
9.2.2 Phép trích Principal Axis Factoring (PAF)
9.3 Phép quay vuông góc và không vuông góc
9.4 Xác định số nhân tố được trích
9.4.1 Tiêu chí Eigenvalue
9.4.2 Điểm gãy Scree Plot
9.4.3 Tổng phương sai trích
9.4.4 Chọn số nhân tố kỳ vọng
9.5 Hệ số KMO và kiểm định Bartlett
9.5.1 Hệ số KMO (Kaiser-Meyer-Olkin)
9.5.2 Kiểm định Bartlett (Bartlett’s test of sphericity)
9.6 Hệ số tải nhân tố Factor Loading
9.7 Các tình huống thường gặp khi phân tích EFA
9.7.1 Số lượng nhân tố trích không phù hợp
9.7.2 Biến quan sát nhân tố này hội tụ vào nhân tố khác
9.7.3 Biến quan sát tải mạnh ở nhiều nhân tố
9.7.4 Không xuất hiện bảng ma trận xoay
9.7.5 Hệ số KMO luôn luôn bằng 0.5
9.8 Quy tắc loại biến xấu trong EFA
9.8.1 Các dạng biến xấu trong EFA
9.8.2 Phương thức loại biến xấu trong EFA
9.9 Đặt tên nhân tố mới sau phân tích EFA
9.10 Phân tích EFA cho biến độc lập và biến phụ thuộc
9.11 Phân tích nhân tố khám phá EFA trên SPSS 26
9.12 Tạo nhân tố đại diện sau EFA
9.12.1 Tạo nhân tố đại diện bằng trung bình cộng
9.12.2 Tạo nhân tố đại diện bằng tổng giá trị
9.12.3 Tạo nhân tố đại diện bằng điểm nhân tố
CHƯƠNG 10: TƯƠNG QUAN TUYẾN TÍNH PEARSON CORRELATION
10.1 Lý thuyết về đề tài nghiên cứu
10.2 Tương quan tuyến tính Pearson
10.3 Sự khác nhau giữa tương quan và hồi quy
10.4 Phân tích tương quan tuyến tính Pearson trên SPSS 26
CHƯƠNG 11: HỒI QUY TUYẾN TÍNH LINEAR REGRESSION
11.1 Lý thuyết về hồi quy tuyến tính
11.2 Ước lượng hồi quy tuyến tính bằng OLS
11.3 Độ phù hợp mô hình và phần dư
11.3.1 Độ phù hợp của mô hình
11.3.2 Phần dư
11.4 Kiểm định giả thuyết hồi quy
11.4.1 Giả thuyết độ phù hợp mô hình
11.4.2 Giả thuyết ý nghĩa hệ số hồi quy
11.5 Ý nghĩa của hệ số hồi quy
11.5.1 Hệ số hồi quy chưa chuẩn hóa
11.5.2 Hệ số hồi quy chuẩn hóa
11.6 Các giả định hồi quy tuyến tính bội
11.6.1 Phân phối chuẩn của phần dư
11.6.2 Liên hệ tuyến tính giữa biến phụ thuộc với biến độc lập
11.6.3 Tự tương quan chuỗi bậc nhất
11.6.4 Cộng tuyến và đa cộng tuyến
11.6.5 Phương sai phần dư thay đổi
11.7 Phương pháp đưa biến Enter và Stepwise
11.8 Phân tích hồi quy tuyến tính bội trên SPSS 26
11.9 Hồi quy tuyến tính bội với biến giả
11.9.1 Lý thuyết về biến giả
11.9.2 Tạo biến giả
11.9.3 Phân tích hồi quy tuyến tính bội với biến giả trên SPSS 26
CHƯƠNG 12: HỒI QUY NHỊ PHÂN BINARY LOGISTIC
12.1 Lý thuyết về hồi quy Binary Logistic
12.2 Phương trình hồi quy Binary Logistic
12.3 Đánh giá độ phù hợp mô hình
12.3.1 Hệ số -2 Log-Likelihood (-2LL)
12.3.2 Hệ số Cox & Snell R Square và Nagelkerke R Square
12.4 Kiểm định giả thuyết hồi quy
12.4.1 Giả thuyết độ phù hợp mô hình
12.4.2 Giả thuyết ý nghĩa hệ số hồi quy
12.5 Phương pháp đưa biến vào hồi quy
12.6 Ý nghĩa của hệ số hồi quy
12.7 Phân tích hồi quy Binary Logistic trên SPSS 26
12.8 Ứng dụng hồi quy Binary Logistic cho dự báo
CHƯƠNG 13: KIỂM ĐỊNH TRUNG BÌNH, PHÂN TÍCH PHƯƠNG SAI
13.1 One-Sample T Test
13.1.1 Mục đích sử dụng và giả thuyết
13.1.2 Kiểm định One – Sample T Test trên SPSS 26
13.2 Paired-Samples T Test
13.2.1 Mục đích sử dụng và giả thuyết
13.2.2 Kiểm định Paired–Samples T Test trên SPSS 26
13.3 Independent-Samples T Test
13.3.1 Mục đích sử dụng và giả thuyết
13.3.2 Kiểm định Independent-Samples T Test trên SPSS 26
13.4 One-Way ANOVA
13.4.1 Mục đích sử dụng và giả thuyết
13.4.2 Kiểm định One-Way ANOVA trên SPSS 26
13.4.3 Kiểm định sâu One-Way ANOVA trên SPSS 26
