TRƢỜNG ĐẠI HỌC KINH TẾ TPHCM
VIỆN ĐÀO TẠO SAU ĐẠI HỌC
KHOA QUẢN TRỊ KINH DOANH
  

Môn học: PHƢƠNG PHÁP NGHIÊN CỨU
KHOA HỌC TRONG QUẢN TRỊ

BÀI TẬP XỬ LÝ DỮ LIỆU
GVHD : TS. NGUYỄN HÙNG PHONG
HỌC VIÊN : NGUYỄN THANH BÌNH
MSHV : 7701220078
LỚP : ĐÊM 5 – K22

trong mô hình này với các tiêu thức phân loại: OWN, POS, Age, EXP.Thực hiện
phân tích anova hai chiều với biến OWN và POS.
4. Xây dựng hàm tương quan tuyến tính giữa P và các biến độc lập vừa khám phá
thông qua phân tích nhân tố/EFA và cronbach alpha
5. Kiểm định các giả thuyết của hàm tương quan đa biến
6. xây dựng hàm tương quan với biến giả (dummy). Biến giả được chọn là biến loại
hình doanh nghiệp. Trong đó doanh nghiệp nhà nước được chọn là biến cơ sở

BÀI LÀM
1. Thực hiện phân tích khám phá (EFA)/phân tích nhân tố để tìm các biến
mới/hoặc giảm biến, cũng như tìm các yếu tố thành phần đo lướng biến này.
Sau đó tính giá trị của các biến mới (là trung bình của các yếu tố thành phần)

Mô hình lý thuyết nghiên cứu:
OC: Văn hóa tổ chức
PV: Hệ thống giá trị của quản trị gia
MP: Thực tiễn quản trị
P: Kết quả hoạt động của công ty.
P
PV
OC
MP
OC1
OC2
MP1
MP2
OC11
OC15
OC15
OC15
OC14
OC12
OC13
OC21
OC15
OC25
OC15
OC24
OC22
OC23

P1
OC15
P5
OC15
P4
P2

P3
P6
Mô hình trên đƣợc mô tả nhƣ sau:
Biến phụ thuộc P sẽ có quan hệ với 3 biến độc lập là OC, PV và MP nghĩa là kết
quả hoạt động kinh doanh của doanh nghiệp có thể bị ảnh hưởng bởi các nhân tố: văn hóa
tổ chức (OC), hệ thống giá trị của quản trị gia (PV) và thực tiễn quản trị (MP). Trong đó
OC, PV, MP là các khái niệm bậc 1; OC1, OC2, MP1, MP2 là các khái niệm bậc 2. Mỗi
khái niệm được đo lường bằng các biến quan sát nhỏ hơn như trong mô hình.
Theo mô hình trên, ta thấy khái niệm OC là một thang đo đơn hướng với hai nhân
tố, khái niệm PV là thang đo đơn hướng một nhân tố, khái niệm MP là một thang đo đơn
hướng với hai nhân tố. Ban đầu chúng ta sẽ giả định là các khái niệm bậc 2 OC1 và OC2
là độc lập nhau, tương tự MP1 và MP2 cũng độc lập nhau. Chúng ta sẽ kiểm tra lại giả
định này sau khi chạy phân tích EFA bằng cách kiểm tra hệ sô hiệp phương sai của các
nhân tố trích được.
Phương pháp phân tích nhân tố khám phá (EFA) dùng để đánh giá hai giá trị quan
trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Dựa vào mối tương quan giữa các
biến với nhau, ta có thể rút gọn một tập k biến quan sát thành 1 tập F (F<k) các nhân tố
có ý nghĩa hơn.
Trước khi tiến hành phân tích dữ liệu, cần tiến hành làm sạch dữ liệu nhằm:
- Xác định các gía trị vô nghĩa: giá trị khác với giá trị mã hóa
- Xác định các giá trị khuyết: câu hỏi không có câu trả lời
- Xác định những mối quan hệ không logic giữa các câu trả lời
- Các bước làm sạch: bài làm này được làm bằng cách lọc thủ công Excel

,000

Chỉ số KMO = 0,853 thỏa điều kiện 0,5 ≤ KMO ≤ 1: phân tích EFA là thích hợp.
Sig. (Bartlett's Test ) < 0,005 nên ta bác bỏ giả thuyết H
o
(H
0
: giả thuyết ma trận hệ
số tương quan là ma trận đơn vị), tức là giữa các biến quan sát có tương quan với nhau.
=> Điều kiện sử dụng EFA được thỏa mãn.
Kết quả chạy EFA như sau:
1.1b - Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared
Loadings
Rotation Sums of Squared
Loadings
Total
% of
Variance
Cumulative
%
Total
% of
Variance
Cumulative
%
Total
% of

4
,866
7,870
64,029
5
,827
7,519
71,548
6
,724
6,584
78,132

10
,463
4,209
96,996
11
,330
3,004
100,000
Extraction Method: Principal Component Analysis.

Tại mức giá trị Eigenvalue > 1 và phép xoay nhân tố Varimax, ta trích được 2 nhân
tố, trong đó OC1 giải thích được 29.411% tổng biến thiên của nhân tố OC, OC2 giải
thích được 18.561% tổng biến thiên của nhân tố OC.
1c - Component Matrix
a


,545
OC25
,576

OC26
,694

Extraction Method: Principal Component Analysis.
a. 2 components etracted.

1.1d - Rotated Component Matrix
aComponent
1
2
OC11
,513

OC12
,671

OC13
,510

OC14
,811


OC26 vì bảy yếu tố này có hệ số tương quan với nhân tố 1 cao hơn với nhân tố 2 và nhân
tố 2 được đo lường bởi bốn yếu tố thành phần: OC21, OC22, OC23, OC24 vì các yếu tố
này có hệ số tương quan với nhân tố 2 cao hơn. Và ta đặt tên cho hai nhân tố mới này lần
lượt là OCF1, OCF2.
Ban đầu, biến tiềm ẩn OC2 được đo lường bằng OC21, OC22, OC23, OC24,
OC25, OC26 nhưng sau khi phân tích EFA thì các yếu tố thành phần OC25 và OC26
không đo lường được OC2 mà lại đo lường OC1 nên giá trị hội tụ không có.
Hai thang đo đo lường hai biến khác nhau OC1 và OC2 thì phải khác nhau nhưng
sau khi phân tích EFA thì OC25 và OC26 đã dịch chuyển sang đo lường OC1 cho nên
giá trị phân biệt không cao. 1.2 Phân tích nhân tố khám phá EFA với khái niệm PV:
Đưa 9 biến đo lường cho PV vào phân tích EFA. Kết quả ta có:
1.2a - KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,749
Bartlett's Test of Sphericity
Approx. Chi-Square
1296,396
df
36
Sig.
,000

Chỉ số KMO = 0,743 thỏa điều kiện 0,5 ≤ KMO ≤ 1: phân tích EFA là thích hợp.
Sig. (Bartlett's Test ) < 0,005 nên ta bác bỏ giả thuyết H

2,555
28,394
28,394
2,555
28,394
28,394
2,513
27,923
27,923
2
1,774
19,711
48,105
1,774
19,711
48,105
1,816
20,182
48,105
3
,853
9,480
57,585
4

,594
6,599
89,107
8
,536
5,955
95,061
9
,444
4,939
100,000
Extraction Method: Principal Component Analysis.


,744
PV5
,699

PV6
,740

PV7
,596

PV9

,599
Extraction Method: Principal Component Analysis.
a. 2 components extracted.

1.2d - Rotated Component Matrix
aComponent
1
2
PV2
,638

PV4

,591

Ban đầu, biến tiềm ẩn PV được đo lường bằng PV1, PV2, PV3, PV4, PV5, PV6,
PV7, PV8, PV9 nhưng sau khi phân tích EFA thì từ chín yếu tố thành phần được nhóm
lại thành hai yếu tố có ý nghĩa, nên giá trị hội tụ không có.
Hai thang đo đo lường hai biến khác nhau thì phải khác nhau nhưng sau khi phân
tích EFA thì thang đo khái niệm nghiên cứu ban đầu không đo được mà nó tách thành hai
thang đo hai khái niệm khác nhau nên giá trị phân biệt không có.
1.3 Phân tích nhân tố khám phá EFA với khái niệm MP:
Đưa toàn bộ các biến đo lường cho MP vào phân tích EFA. Kết quả ta có:
1.3a - KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,869
Bartlett's Test of Sphericity
Approx. Chi-Square
2655,393
df
66
Sig.
,000

Chỉ số KMO = 0,743 thỏa điều kiện 0,5 ≤ KMO ≤ 1: phân tích EFA là thích hợp.
Sig. (Bartlett's Test ) < 0,005 nên ta bác bỏ giả thuyết H
o
(H
0
: giả thuyết ma trận
hệ số tương quan là ma trận đơn vị), tức là giữa các biến quan sát có tương quan với
nhau. => Điều kiện sử dụng EFA được thỏa mãn.
Kết quả chạy EFA như sau:
1.3b - Total Variance Explained
Component

2
1,325
11,042
46,197
1,325
11,042
46,197
1,958
16,321
46,197
3
,997
8,312
54,510
4
,853
7,111
61,621

8
,597
4,972
84,233
9
,519
4,325
88,558
10
,511
4,258
92,816

2
MP11 MP12
,534
,506
MP13
,512
,529
MP14

,518
MP15
,654

MP16
,630

MP21
,625

MP22
,579

MP23
,610

MP24
,709

,639

MP16
,628

MP21
,725

MP22
,619

MP23
,667

MP24
,639

MP25
,643

MP26
,673

Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

Dựa vào bảng 1.3d, từ các giá trị trọng số nhân tố (≥ 0.5) ta thấy MP được đo lường
bởi 2 nhân tố, trong đó nhân tố 1 được đo lường bởi tám yếu tố: MP15,MP16, MP21,
MP22, MP23, MP24, MP25, MP26 , nhân tố 2 được đo lường bởi bốn yếu tố: MP11,

nhau. => Điều kiện sử dụng EFA được thỏa mãn.
Kết quả chạy EFA như sau:
1.4b - Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
1
3,337
55,609
55,609
3,337
55,609
55,609
2
,813
13,552
69,161
3
,540
9,001
78,162


Component
1
P2
,709
P1
,730
P3
,777
P4
,729
P5
,790
P6
,738
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
Dựa vào bảng 1.4c, từ các giá trị trọng số đồng đều khoảng 0.7, chứng tỏ các biến
đo lường tương quan rất lớn với khái niệm P và giải thích được sự biến thiên của P (đều
trên 0,5), nghĩa là các biến quan sát đóng góp nhiều cho biến P. Ta đặt yếu tố mới này là
PF
Ban đầu biến P được đo lường bằng sáu yếu tố và sau khi phân tích EFA thì chín
yếu tố này đo lường được biến P. Nên với thang đo P thì cả giá trị hội tụ và phân biệt
đều đƣợc đảm bảo
KẾT LUẬN:
Sau khi phân tích EFA cho bốn thang đo, chỉ có thang đo kết quả hoạt động của công
ty (P) là đảm bảo cả giá trị hội tụ và giá trị phân biệt.
OC: Văn hóa tổ chức
PV: Hệ thống giá trị của quản trị gia
MP: Thực tiễn quản trị
P: Kết quả hoạt động của công ty.
PF
PV
OC
MP
OCF1
OCF2
MPF2
MPF1
OC11
OC15
OC15
OC15
OC14
OC12
OC13

MP14
MP12
MP13
MP16
P1
OC15
P5
OC15
P4
P2

P3
P6
OC25
OC26
PVF1
PVF2
MP11
MP12
Câu 2: Thực hiện kiểm tra độ tin cậy của đo lường bằng hệ số Cronbach Alpha
Một số điều kiện cần quan tâm khi kiểm định thang đo bằng hệ số Cronbach Alpha
bao gồm:
(1) Hệ số tương quan biến – tổng (Corrected item – total correlation) > 0,3
(Nunnally & Bernstein, 1994).
(2) Hệ số Cronbach Alpha: 0,6 ≤ Cronbach Alpha ≤ 0,95 (Nguyen, 2011; Nunnally
& Bernstein, 1994)
2.1 Kiểm định thang đo OC:
2.1.1 Kiểm định thang đo OCF1:
Thang đo OCF1 gồm 7 biến quan sát OC11, OC12, OC13, OC14, OC15, OC25,
OC26.

OC13
24,86
17,599
,518
,799
OC14
24,37
18,534
,623
,780
OC15
24,95
17,976
,560
,789
OC25
24,33
19,505
,504
,798
OC26
24,39
18,348
,608
,781 Hệ số Cronbach Alpha = 8.15 >0.7 vì vậy thang đo có thể chấp nhận được về mặt
độ tin cậy (Nunnally& Bernstein 1994). Thêm vào đó, hệ số Cronbach’s Alpha nếu loại
bất kì biến quan sát nào cũng sẽ nhỏ hơn hệ số Cronbach’s Alpha ban đầu, do đó chúng ta

Cronbach's
Alpha if Item
Deleted
OC21
9,92
5,561
,263
,421
OC22
10,05
5,658
,328
,363
OC23
9,94
5,506
,325
,362
OC24
10,28
5,792
,200
,483
Hệ số Cronbach Alpha = 0.479 << 0.6 vì vậy thang đo chưa thể chấp nhận được về
mặt độ tin cậy, cần bổ sung hoặc loại bỏ một số biến để tăng thêm độ tin cậy cho thang
đo. Nếu loại bỏ các biến quan sát OC24 thì làm hệ số Cronbach’s Alpha tăng lên, đồng
thời hệ số tương quan biến tổng hiệu chỉnh (Corrected Item – Total Correlation) của

,695
PV5
16,43
7,531
,541
,650
PV6
16,59
7,353
,575
,635
PV7
17,11
7,740
,377
,721
PV8
16,41
7,839
,506
,664 Hệ số Cronbach Alpha = 0.721 >0.7 vì vậy thang đo có thể chấp nhận được về mặt
độ tin cậy (Nunnally& Bernstein 1994). Thêm vào đó, hệ số Cronbach’s Alpha nếu loại
bất kì biến quan sát nào cũng sẽ nhỏ hơn hệ số Cronbach’s Alpha ban đầu, do đó chúng ta
chấp nhận 5 biến quan sát thành phần của thang đo. Đồng thời hệ số tương quan biến
tổng hiệu chỉnh (Corrected Item – Total Correlation) của từng biến quan sát so với tổng
các biến còn lại đều lớn hơn 0.3 vì vậy biến quan sát có mối tương quan tốt với tổng các
biến còn lại.

10,26
6,148
,440
,426
PV4
10,19
6,282
,286
,558
PV9
9,76
6,462
,336
,509 Hệ số Cronbach Alpha = 0.568 < 0.6 vì vậy thang đo có độ tin cậy thấp, cần bổ
sung thêm biến mới để tăng độ tin cậy cho thang đo. Thêm vào đó, hệ số tương quan biến
tổng hiệu chỉnh (Corrected Item – Total Correlation) của PV4 = 0.286 nhỏ hơn 0.3 vì vậy
cần loại bỏ biến PV4 để tăng độ tin cậy cho thang đo. Tuy nhiên, dù có bỏ PV4 thì hệ số
Cronbach Alpha tăng lên cao nhất cũng chỉ bằng = 0.558 < 0.6 nên ta loại bỏ biến tiềm
ẩn này.
2.3 Kiếm định thang đo MP:
2.3.1 Kiểm định thang đo MPF1:
Thang đo MPF1 bao gồm 8 biến quan sát MP15, MP16, MP21, MP22, MP23,
MP24, MP25 và MP26.
2.3.1a - Reliability Statistics
Cronbach's
Alpha
N of Items

,806
MP22
24,50
34,116
,486
,815
MP23
25,14
32,968
,528
,810
MP24
24,37
33,762
,587
,803
MP25
24,31
33,362
,592
,802
MP26
24,83
32,261
,584
,802

Kết quả kiểm định bằng Cronbach Alpha như sau: Hệ số Cronbach Alpha = 0.827 >
0.6 vì vậy thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally& Bernstein
1994). Thêm vào đó, hệ số Cronbach’s Alpha nếu loại bất kì biến quan sát nào cũng sẽ

6,046
,354
,504
MP12
10,19
5,780
,445
,437
MP13
10,64
5,335
,456
,418
MP14
11,44
6,178
,205
,634 Hệ số Cronbach Alpha = 0.574 < 0.6 vì vậy thang đo có độ tin cậy thấp, cần bổ
sung thêm biến mới để tăng độ tin cậy cho thang đo. Thêm vào đó, hệ số tương quan biến
tổng hiệu chỉnh (Corrected Item – Total Correlation) của MP14 = 0.205 nhỏ hơn 0.3 vì
vậy cần loại bỏ biến MP14 để tăng độ tin cậy cho thang đo. Đồng thời, khi loại bỏ MP14
thì hệ số Cronbach Alpha tăng lên = 0.634 > 0.6 nên ta chấp nhận thang đo MPF2 (được
đo lường bằng 3 biến MP11, MP12 và MP13)
2.4 Kiếm định thang đo PF:
Thang đo PF bao gồm 6 biến quan sát P1, P2, P3, P4, P5, P6. Kết quả kiểm định
bằng Cronbach Alpha như sau:
2.4a - Reliability Statistics

18,68
12,321
,654
,805
P4
18,51
12,815
,593
,818
P5
18,48
12,596
,670
,803
P6
18,80
12,423
,605
,816

Hệ số Cronbach Alpha = 0.839 > 0.7 vì vậy thang đo có độ tin cậy tốt. Thêm vào
đó, hệ số Cronbach Alpha giảm khi loại bỏ bất cứ biến nào, hệ số tương quan biến tổng
hiệu chỉnh (Corrected Item – Total Correlation) của hai biến đều lớn hơn 0.5, vì vậy
thang đo có độ tin khá tốt.
Kết luận: Chấp nhận thang đo PF.
KẾT LUẬN:
Sau khi phân tích nhân tố EFA và kiểm tra độ tin cậy, ta có kết quả sau:
Loại hai nhân tố OCF2, PVF2
Loại biến đo lường MP14 trong thang đo MPF2, thang đo này được đo lường bằng 3
biến quan sát MP11, MP12, MP13

. Nếu p-value <
mức ý nghĩa (0,05) thì bác bỏ H
0.
Tức là tồn tại ít nhất hai nhóm có trung bình khác nhau
và ngược lại. Nếu tồn tại ít nhất hai nhóm có trung bình khác nhau, ta thực hiện thêm
Post hoc test để tìm xem cụ thể nhóm nào khác biệt với nhóm nào.
Tính MEAN cho các nhân tố:

COMPUTE OCF1=MEAN(OC11,OC12,OC13,OC14,OC15,OC25,OC26).
EXECUTE.
COMPUTE PVF1=MEAN(PV2,PV5,PV6,PV7,PV8).
EXECUTE.
COMPUTE MPF1=MEAN(MP15,MP16,MP21,MP22,MP23,MP24,MP25,MP26).
EXECUTE.
COMPUTE MPF2=MEAN(MP11,MP12,MP13).
EXECUTE.
COMPUTE PF=MEAN(P1,P2,P3,P4,P5,P6).
EXECUTE.

3.1 Biến phân loại OWN:
H
0
: không có sự khác biệt giữa các loại hình doanh nghiệp
H
1
: có sự khác biệt giữa các loại hình doanh nghiệp.
Nếu p-value < 0.05: bác bỏ H
0
, chấp nhận H
1

3
876
,082

3.1b - ANOVA

Sum of Squares
df
Mean Square
F
Sig.
OCF1
Between Groups
2,041
3
,680
1,374
,249
Within Groups
433,804
876
,495
9,419
,000
Within Groups
563,224
876
,643 Total
581,392
879
MPF2
Between Groups
4,671
3
1,557
2,278
,078
Within Groups
598,739
876
,683 Total
603,410
879

& Sig
MPF2
= 0.78 đều > 0.05 nên đủ điều kiện để chấp nhận H
0 ,
tức không có sự khác biệt
giữa các loại hình doanh nghiệp
- Nhân tố MPF1
Từ bảng 3.1a cho kết quả Sig = 0.164 > 0.05 nên không có sự khác biệt về phương sai
của các nhóm.
Như kết quả bảng 3.1b Sig của nhân tố MPF2 = 0.000 < 0.05 nên đủ điều kiện để bác
bỏ H
0
& chấp nhận giả thuyết H
1
(hay có một cặp trung bình khác nhau nhưng chưa biết
cặp nào)
- Nhân tố PF
Từ bảng 3.1a cho kết quả Sig = 0.82> 0.05 nên không có sự khác biệt về phương sai
của các nhóm.
Ở bảng 3.1b cho kết quả Sig = 0.000 < 0.05 nên đủ điều kiện để bác bỏ H
0
& chấp
nhận giả thuyết H
1
(hay có một cặp trung bình khác nhau nhưng chưa biết cặp nào)

Để xác định sự khác nhau giữa các nhóm ta tiến hành kiểm định hậu ANOVA và

-,5562
-,1877
4
-,25062
*

,07502
,005
-,4437
-,0575
2
1
,21512
*

,07822
,031
,0138
,4165
3
-,15679
,07971
,201
-,3619
,0484
4
-,03550
,08281
,974
-,2486

,4437
2
,03550
,08281
,974
-,1776
,2486
3
-,12129
,07656
,388
-,3184
,0758
PF
1
2
-,01010
,06770
,999
-,1844
,1642
3
-,24754
*

,06196
,000
-,4070
-,0881
4


,06196
,000
,0881
,4070
2
,23744
*

,06899
,003
,0599
,4150
4
,14775
,06627
,116
-,0228
,3183
4
1
,09978
,06493
,416
-,0673
,2669
2
,08969
,07167
,594

o Phương sai sig
23
= 0.03 < 0.05 nên có sự khác biệt giữa nhóm doanh
nghiệp loại 2 và loại 3.
Kết luận:
- Có khác biệt về thực tiễn quản trị giữa loại hình doanh nghiệp 1 & loại hình
doanh nghiệp loại 2, 3 và 4.
- Có khác biệt về kết quả hoạt động kinh doanh giữa loại hình doanh nghiệp 3 &
loại hình doanh nghiệp loại 1 và 2.
- Không có sự khác biệt về văn hóa tổ chức, giá trị của quản trị gia và thực tiễn
quản trị (MP11, MP12, MP13) giữa các loại hình doanh nghiệp.

3.2 Biến phân loại POS:
Vì tiêu thức phân loại chỉ phân ra làm hai nhóm, quản lý cấp cao và quản lý cấp trung
nên ta chỉ cần tìm ra các biến tiềm ẩn có khác biệt về trung bình mà không cần dùng Post
hoc test.

3.2a - Test of Homogeneity of Variances

Levene Statistic
df1
df2
Sig.
OCF1
6,322
1
878
,012
PVF1
1,613

8,135
16,699
,000
Within Groups
427,711
878
,487 Total
435,846
879
PVF1
Between Groups
,671
1
,671
1,490
,223
Within Groups
395,608
878
,451 Total
396,279

Within Groups
426,261
878
,485 Total
431,166
879
MPF2
Between Groups
,383
1
,383
,557
,456
Within Groups
603,027
878
,687 Total
603,410
879
0
, tức có sự khác biệt về kết
quả hoạt động của công ty giữa hai cấp bậc quản lý.

3.3 Biến phân loại AGE:

3.3a - Test of Homogeneity of Variances

Levene Statistic
df1
df2
Sig.
OCF1
,071
2
877
,932
PVF1
,525
2
877
,592
MPF1
,259
2
877
,772
MPF2
1,896
2

2
,987
1,995
,137
Within Groups
433,872
877
,495 Total
435,846
879
PVF1
Between Groups
,623
2
,311
,690
,502
Within Groups
395,657
877
,451 Total

,005
Within Groups
596,234
877
,680 Total
603,410
879
PF
Between Groups
3,550
2
1,775
3,640
,027
Within Groups
427,615
877
,488 Total
431,166
879


,0044
3
,09256
,09752
,609
-,1364
,3215
2
1
,14896
,06534
,059
-,0044
,3023
3
,24152
*

,08780
,017
,0354
,4476
3
1
-,09256
,09752
,609
-,3215
,1364
2

,021
-,2652
-,0161
3
-,16582
,08818
,174
-,3785
,0468
2
1
,14062
*

,05198
,021
,0161
,2652
3
-,02520
,08289
,986
-,2256
,1752
3
1
,16582
,08818
,174
-,0468

3.4 Biến phân loại EXP: 3.4a - Test of Homogeneity of Variances

Levene Statistic
df1
df2
Sig.
OCF1
,815
3
876
,486
PVF1
1,311
3
876
,269
MPF1
3,051
3
876
,028
MPF2
2,459
3
876
,062
PF
PVF1
Between Groups
2,620
3
,873
1,944
,121
Within Groups
393,659
876
,449 Total
396,279
879
MPF1
Between Groups
6,530
3
2,177
3,317
,019
Within Groups
574,862

Between Groups
10,920
3
3,640
7,587
,000
Within Groups
420,246
876
,480 Total
431,166
879

Phân tích kết quả:
Nhân tố OCF1, PVF1
Từ kết quả bảng 3.4a ta có sig của OCF1 & PVF1 đều lớn hơn 0.05 nên không có sự
khác biệt về phương sai giữa các nhóm
Bảng 3.4b cho thấy sig của chúng cũng > 0.05 nên chấp nhận giả thiết H
0

Nhân tố MPF1
Từ kết quả bảng 3.4a ta có sig của MPF1 = 0.028 < 0.05 nên có sự khác biệt về
phương sai giữa các nhóm
Bảng 3.4b cho thấy sig = 0.19 < 0.05 nên bác bỏ giả thiết H