Cách nhận xét bảng số liệu trong SPSS theo quy trình luận văn - Phạm Lộc Blog

Bài viết này sẽ hướng dẫn cách nhận xét bảng số liệu SPSS theo quy trình phân tích dữ liệu SPSS cho luận văn, bài nghiên cứu khoa học. Các bạn đang hoặc chuẩn bị làm luận văn có thể sử dụng như một nguồn tham khảo để trình bày vào bài luận nhé.

Một bài luận văn sử dụng SPSS thường sẽ đi theo quy trình 6 bước kiểm định, trong đó các kiểm định ở bước 2,3,4,5 là các bước cơ bản cần có để giải quyết các quan hệ tác động trong mô hình nghiên cứu. Chúng ta sẽ đi qua chi tiết cách đọc bảng số liệu SPSS cho 6 kiểm định này:

1. Thống kê mô tả: Gồm thống kê tần số + thống kê trung bình

2. Kiểm định độ tin cậy thang đo Cronbach's Alpha

3. Phân tích nhân tố khám phá EFA

4. Phân tích tương quan tuyến tính Pearson

5. Phân tích hồi quy tuyến tính 

6. Phân tích khác biệt trung bình T Test/ One-way ANOVA

1. Cách nhận xét bảng số liệu Thống kê mô tả trong SPSS

Trong SPSS, thống kê mô tả là tập hợp các công cụ giúp tóm tắt và trình bày dữ liệu một cách dễ hiểu. Các chỉ số thường được sử dụng bao gồm giá trị trung bình, độ lệch chuẩn, tần suất, tỷ lệ phần trăm, phạm vi (range), mode và trung vị. Thống kê mô tả có thể được chia thành nhiều loại như thống kê tần số, trung bình, kiểm định chi bình phương và bảng kết hợp. Tuy nhiên, trong nghiên cứu và luận văn, hai loại thống kê mô tả quan trọng nhất thường được sử dụng là thống kê tần số và thống kê trung bình.

a. Thống kê tần số (Frequency)

Thống kê tần số là một công cụ hữu ích giúp các nhà nghiên cứu có được cái nhìn tổng quan về đặc điểm của mẫu nghiên cứu và kết quả khảo sát. Nó cho phép chúng ta biết được tần suất xuất hiện của các giá trị khác nhau trong một biến số.

Ví dụ:

• Giới tính: Thống kê tần số sẽ cho biết mẫu khảo sát có bao nhiêu người là nam, bao nhiêu người là nữ.
• Địa điểm: Thống kê tần số sẽ cho biết có bao nhiêu người tham gia khảo sát đến từ TP. Hồ Chí Minh, Hà Nội và các tỉnh thành khác.

VIDEO HƯỚNG DẪN

Kết quả trả về của thống kê tần số trên SPSS sẽ gồm bảng tần số, tỷ trọng đáp viên và biểu đồ tròn/cột tương ứng bảng tần số.

Cách đọc kết quả bảng số liệu Thống kê tần số trong SPSS:

Trong thống kê tần số, chúng ta sử dụng bảng tần số và tỷ lệ phần trăm của các đáp viên để mô tả đặc điểm của nhóm khảo sát. Điều này giúp xác định xem nhóm khảo sát có nghiêng về nam hay nữ, thuộc nhóm tuổi trẻ, trung niên hay lớn tuổi, hoặc chủ yếu là lao động phổ thông hay lao động văn phòng. Dựa vào đó, chúng ta có thể đánh giá mức độ phù hợp của nhóm đối tượng với đặc điểm của đề tài nghiên cứu, từ đó điều chỉnh mẫu khảo sát sao cho phù hợp hơn.

Ví dụ: Giả sử đề tài nghiên cứu về hành vi sử dụng mạng xã hội của giới trẻ, nhưng do khảo sát ngẫu nhiên trên diện rộng, khi thống kê tần số theo độ tuổi, ta phát hiện nhóm trên 30 tuổi chiếm tỷ lệ lớn. Trong trường hợp này, cần loại bỏ những đáp viên ngoài phạm vi nghiên cứu. Nếu số mẫu còn lại vẫn đạt yêu cầu tối thiểu, ta có thể tiếp tục phân tích. Ngược lại, nếu số lượng mẫu quá nhỏ, cần thu thập thêm dữ liệu bổ sung để đảm bảo tính đại diện.

b. Thống kê trung bình (Descriptives)

Trong khi thống kê tần số tập trung vào việc mô tả tần suất xuất hiện và tỷ lệ phần trăm của các đặc điểm đối tượng khảo sát, thì thống kê trung bình lại hướng đến việc cung cấp các giá trị tổng quát của biến, bao gồm giá trị nhỏ nhất, giá trị lớn nhất, giá trị trung bình, độ lệch chuẩn và các chỉ số mô tả phân bố khác.

VIDEO HƯỚNG DẪN

Kết quả trả về của thống kê trung bình trên SPSS sẽ gồm bảng thống kê giá trị nhỏ nhất, lớn nhất, giá trị trung bình, độ lệch chuẩn,...

Cách nhận xét bảng số liệu Thống kê trung bình trong SPSS:

Dựa trên kết quả thống kê trung bình, chúng ta sẽ biết được phạm vi giá trị của biến thông qua giá trị nhỏ nhất/giá trị lớn nhất. Từ đó, chúng ta sẽ đánh giá khoảng giá trị đó có phù hợp với tính chất bài nghiên cứu hay không. 

Ví dụ: Nếu câu hỏi sử dụng thước đo Likert 5 mức độ từ 1 đến 5, nhưng kết quả thống kê trung bình lại cho thấy giá trị nhỏ nhất của câu hỏi là 0 và giá trị lớn nhất là 55. Chúng ta biết được đã có vấn đề trong dữ liệu của mình và cần phải rà soát, xử lý.

Giá trị trung bình Mean cho biết trung bình giá trị của biến nằm ở mức độ nào so với ngưỡng giá trị nhỏ nhất, lớn nhất từ đó đánh giá được yếu tố đó đang tốt cần phát huy hay đang không tốt cần cải thiện.

Ví dụ: Câu hỏi A sử dụng thước đo Likert 5 mức độ đồng ý tăng dần từ 1 đến 5 (1 – rất không đồng ý và 5 – rất đồng ý). Kết quả thống kê cho thấy trung bình Mean của A là 1.32, mức điểm này nằm sát giá trị 1 và nhỏ hơn mức 3 trung lập, điều này cho thấy rằng đáp viên không đồng ý với ý kiến của câu hỏi đưa ra.

2. Cách đọc kết quả phân tích độ tin cậy Cronbach's Alpha

Kiểm định độ tin cậy Cronbach's Alpha là một bước quan trọng trong quá trình phân tích dữ liệu bằng SPSS, đặc biệt khi bạn muốn đánh giá độ tin cậy của các thang đo được sử dụng để đo lường các yếu tố trong mô hình nghiên cứu. Cronbach's Alpha giúp xác định mức độ nhất quán nội tại của các biến quan sát (item) trong cùng một thang đo, cho biết liệu chúng có đo lường cùng một khái niệm hay không.

Chức năng của Cronbach's Alpha:

1. Xem xét các câu hỏi xây dựng để đo lường cho yếu tố đó có phù hợp hay chưa. Nếu câu hỏi nào không phù hợp sẽ cần loại bỏ ra, chỉ giữ lại những câu hỏi phù hợp và ý nghĩa.

2. Xem tổng thể bộ câu hỏi đo lường cho yếu tố đó có đủ độ tin cậy tiêu chuẩn không. Nếu đã loại đi các câu hỏi không phù hợp rồi mà bộ câu hỏi vẫn chưa đảm bảo được độ tin cậy, cần phải xem xét loại bỏ yếu tố đó ra khỏi nghiên cứu hoặc điều chỉnh lại bộ câu hỏi.

VIDEO HƯỚNG DẪN

Kết quả trả về của phân tích Cronbach's Alpha trên SPSS sẽ gồm 2 bảng quan trọng:

• Bảng Reliability Statistics cung cấp giá trị hệ số Cronbach's Alpha cho biết độ tin cậy của thang đo nhân tố đó là bao nhiêu. Ngưỡng phổ biến chấp nhận là từ 0.7 trở lên.
• Bảng Item – Total Statistics cung cấp giá trị hệ số tương quan biến-tổng cho biến biến quan sát trong thang đo có đạt độ tin cậy không. Giá trị Corrected Item – Total Correlation của các biến quan sát từ 0.3 trở lên nghĩa là biến quan sát đó đảm bảo độ tin cậy trong nhân tố.

Cách nhận xét bảng số liệu Cronbach's Alpha trong SPSS:

→ Ngoại trừ biến quan sát LD7 không đủ độ tin cậy cần loại bỏ do Corrected Item-Total Correlation nhỏ hơn 0.3, tất cả các biến quan sát còn lại của thang đo LD đều có ý nghĩa do Corrected Item-Total Correlation đều lớn hơn 0.3. 

→ Hệ số Cronbach’s Alpha của thang đo LD bằng 0.840 > 0.7, như vậy thang đo này đảm bảo độ tin cậy.

(Lưu ý rằng, khi kết quả Cronbach's Alpha có biến quan sát hoặc nhân tố không đạt độ tin cậy, chúng ta cần loại bỏ biến quan sát, nhân tố đó rồi tiến hành phân tích và đánh giá lại Cronbach's Alpha lần hai).

3. Cách nhận xét bảng số liệu phân tích nhân tố khám phá EFA

Phân tích nhân tố khám phá (EFA) là một phương pháp được sử dụng để rút gọn một tập hợp nhiều biến quan sát trong bảng hỏi thành một số ít các nhân tố có ý nghĩa hơn, nhằm phục vụ cho các bước phân tích tương quan và hồi quy tiếp theo. Quá trình EFA bao gồm các nhiệm vụ chính sau:

1. Xem các biến quan sát đầu vào trích được thành bao nhiêu nhân tố.

2. Đánh giá tính hội tụ, phân biệt của các thang đo nhân tố.

3. Xác định các biến quan sát không phù hợp với nghiên cứu cần loại bỏ.

VIDEO HƯỚNG DẪN

Kết quả trả về của phân tích EFA trên SPSS sẽ gồm 3 bảng quan trọng: 

• Bảng KMO and Barlett’s Test cung cấp giá trị hệ số KMO và sig kiểm định Bartlett nhằm đánh giá phép phân tích EFA có hợp lệ hay không. Trị số của KMO phải đạt giá trị từ 0.5 trở lên và sig Bartlett phải nhỏ hơn 0.05 cho thấy phép phân tích EFA này hợp lệ, sử dụng được.
• Bảng Total Variance Explained cung cấp giá trị tổng phương sai trích mà các nhân tố trích được giải thích cho các biến quan sát đầu vào. Tổng phương sai trích từ 50% cho thấy các nhân tố được trích là phù hợp.
• Bảng Rotated Component Matrix (hoặc Patttern Matrix tùy phép quay) cung cấp thông tin về tính hội tụ, phân biệt các nhân tố để xem các nhân tố có phù hợp chưa; đồng thời cũng cho biết hệ số tải các biến quan sát là bao nhiêu để đánh giá xem biến quan sát có đảm bảo chất lượng hay không. Thường ngưỡng hệ số tải chấp nhận là từ 0.5 trở lên cho thấy biến quan sát có ý nghĩa.

Cách nhận xét bảng số liệu EFA trong SPSS:

→ Hệ số KMO = 0.887 > 0.5 nên phân tích nhân tố EFA là phù hợp.

→ Giá trị Sig. (Bartlett’s Test) = 0.000 (sig. < 0.05) chứng tỏ các biến quan sát tham gia vào phân tích EFA có tương quan với nhau, phân tích nhân tố EFA là phù hợp.

(Ở đây việc đánh giá một phép phân tích EFA có phù hợp hay không chúng ta sẽ dựa vào cả hệ số KMO và giá trị Sig của kiểm định Bartlett nên câu nhận xét sẽ giống nhau. Trường hợp một trong hai vi phạm, kết quả EFA là không phù hợp).

→ Có 6 nhân tố được trích dựa vào tiêu chí Eigenvalue lớn hơn 1. Tổng phương sai các nhân tố này trích được là 63.109% > 50%, như vậy, 6 nhân tố được trích giải thích được 63.109% biến thiên dữ liệu của 28 biến quan sát tham gia vào EFA.

→ Loại biến quan sát DN4 do biến này tải mạnh lên nhiều nhân tố, vi phạm tính phân biệt. Loại biến quán át LD5 do biến này có hệ số tải dưới ngưỡng 0.5. Các biến quan sát còn lại đều có hệ số tải lớn hơn 0.5, có ý nghĩa trong phân tích EFA.

(Lưu ý rằng, khi kết quả EFA có biến quan sát hoặc nhân tố vi phạm, chúng ta cần loại bỏ biến quan sát, nhân tố đó rồi tiến hành phân tích và đánh giá lại EFA lần hai).

4. Cách đọc kết quả bảng phân tích tương quan Pearson

Phân tích tương quan Pearson thường được thực hiện trước hồi quy trong quy trình phân tích dữ liệu với SPSS. Mục tiêu của phương pháp này là kiểm tra mối quan hệ tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập, đồng thời sớm phát hiện vấn đề đa cộng tuyến khi các biến độc lập có sự tương quan mạnh với nhau.

VIDEO HƯỚNG DẪN

Kết quả trả về của phân tích Pearson trên SPSS sẽ gồm hệ số tương quan và giá trị sig kiểm định ý nghĩa hệ số tương quan.

• Tương quan giữa biến độc lập với biến phụ thuộc: Thường sẽ kỳ vọng sig tương quan giữa độc lập với phụ thuộc nhỏ hơn 0.05 và hệ số tương quan cao để cho thấy các biến độc lập có sự liên kết tốt với biến phụ thuộc, làm tiền đề cho bước phân tích hồi quy.
• Tương quan giữa biến độc lập với biến độc lập: Thường sẽ kỳ vọng hệ số tương quan không quá cao trên 0.5 để tránh tình trạng cộng tuyến và đa cộng tuyến giữa các biến độc lập. Sig mối quan hệ tương quan giữa các biến độc lập không quá quan trọng.

Cách đọc kết quả bảng số liệu Tương quan Pearson trong SPSS:

→ Giá trị sig tương quan giữa các biến độc lập với biến phụ thuộc (F_HL là phụ thuộc, còn lại đều là độc lập) đều nhỏ hơn 0.05. Như vậy các biến độc lập đều có tương quan tuyến tính với biến phụ thuộc. 

→ Hệ số tương quan giữa các biến độc lập đều nhỏ hơn 0.7, như vậy không xảy ra vấn đề đa cộng tuyến giữa các biến độc lập.

5. Cách nhận xét bảng số liệu phân tích hồi quy tuyến tính bội

Hồi quy là bước phân tích quan trọng để kết luận các quan hệ tác động trong mô hình. Đây cũng là bước giúp chúng ta giải quyết các giả thuyết nghiên cứu của bài. Nhiệm vụ của hồi quy sẽ gồm:

1. Xem các biến độc lập trong mô hình biến nào sẽ có sự tác động lên biến phụ thuộc.

2. Xem các biến độc lập trong mô hình biến nào sẽ có sự tác động mạnh, biến nào tác động yếu lên biến phụ thuộc.

3. Xem các biến độc lập trong mô hình biến nào sẽ có sự tác động thuận chiều, biến nào tác động nghịch chiều lên biến phụ thuộc.

4. Xem mức độ ảnh hưởng chung của toàn bộ các biến độc lập lên biến phụ thuộc nhiều hay ít.

VIDEO HƯỚNG DẪN

Kết quả trả về của phân tích hồi quy trên SPSS sẽ gồm 3 bảng quan trọng: 

• Bảng ANOVA cung cấp giá trị sig kiểm định F nhằm đánh giá phép phân tích hồi quy có hợp lệ hay không. Trị số sig Bartlett phải nhỏ hơn 0.05 cho thấy phép phân tích hồi quy này hợp lệ, sử dụng được.
• Bảng Model Summary cung cấp giá trị R bình phương và R bình phương hiệu chỉnh nhằm đánh giá mức độ ảnh hưởng chung của các biến độc lập lên biến phụ thuộc là nhiều hay ít.
• Bảng Coefficients cung cấp giá trị sig kiểm định t ý nghĩa của từng biến độc lập trong mô hình. Trị số sig nhỏ hơn 0.05 cho thấy biến độc lập có tác động lên biến phụ thuộc. Ngoài ra, bảng này còn cung cấp hệ số hồi quy B và Beta để đánh giá mức độ tác động mạnh yếu của các biến độc lập cũng như chiều tác động là thuận hay nghịch.

Cách nhận xét bảng số liệu Hồi quy tuyến tính trong SPSS:

→ Sig kiểm định F = 0.000 < 0.05, như vậy mô hình hồi quy có ý nghĩa.

→ R bình phương hiệu chỉnh là 0.695 = 69.5%. Như vậy các biến độc lập đưa vào chạy hồi quy ảnh hưởng tới 69.5% sự thay đổi của biến phụ thuộc. 

→ Giá trị Durbin–Watson là 1.849, nằm trong khoảng 1.5 đến 2.5 nên kết quả hồi quy không có hiện tượng tự tương quan chuỗi bậc nhất.

→ Biến F_DN không có ý nghĩa trong mô hình hồi quy do sig kiểm định t lớn hơn 0.05. Các biến còn lại đều có tác động lên biến phụ thuộc một cách có ý nghĩa thống kê do sig kiểm định t của từng biến độc lập đều nhỏ hơn 0.05.

(Lưu ý rằng, biến không có ý nghĩa ở hồi quy không cần phải loại và chạy lại hồi quy lần hai. Chỉ nhận xét biến này không có sự tác động lên biến phụ thuộc).

→ Hệ số VIF các biến độc lập đều nhỏ hơn 3, như vậy không có đa cộng tuyến xảy ra.

→ Phương trình hồi quy:

Chưa chuẩn hoá: F_HL = -0.475 + 0.267*LD + 0.259*F_CV + 0.084*F_TL + 0.066*F_DT + 0.393*F_DK + ε

Chuẩn hoá: F_HL = 0.322*LD + 0.288*F_CV + 0.096*F_TL + 0.076*F_DT + 0.421*F_DK + ε

Xem thêm: Khác biệt phương trình hồi quy chuẩn hóa và chưa chuẩn hóa

6. Cách đọc kết quả phân tích T Test/ One-way ANOVA

Với bước thứ 6 trong quy trình xử lý dữ liệu SPSS cho luận văn, chúng ta sẽ đi đến phần phân tích chuyên sâu hơn một chút để hỗ trợ việc đưa ra các giải pháp, kiến nghị của đề tài.

Trong nhiều trường hợp, chúng ta cần so sánh giá trị trung bình của một chỉ tiêu nghiên cứu giữa hai hoặc nhiều nhóm đối tượng. Phép kiểm định này sử dụng hai loại biến: một biến định lượng để tính giá trị trung bình và một biến định tính có nhiều nhóm để thực hiện so sánh.

Ví dụ: So sánh sự hài lòng trong công việc có khác biệt giữa nam/nữ không, có khác biệt giữa các mức thu nhập dưới 10 triệu - từ 10-20 triệu - trên 20 triệu hay không.

Việc đánh giá sự khác biệt này giúp nhận diện sự khác nhau trong hành vi giữa các nhóm đáp viên với đặc điểm cá nhân khác nhau. Từ đó, có thể đề xuất các giải pháp và hướng xử lý phù hợp cho từng nhóm đối tượng.

a. Independent Sample T Test

Kiểm định Independent-Samples T Test được sử dụng để so sánh giá trị trung bình của một biến định lượng giữa hai nhóm đối tượng khác nhau. Chẳng hạn, khi so sánh trung bình số tiền chi tiêu hàng tháng giữa các gia đình chưa có con và các gia đình có con dưới 6 tuổi. Trong đó, biến định lượng là số tiền chi tiêu mỗi tháng, còn biến định tính có hai nhóm: 1 – chưa có con và 2 – có con dưới 6 tuổi.

VIDEO HƯỚNG DẪN

Kết quả trả về của phân tích Independent Sample T Test trên SPSS sẽ gồm 2 bảng quan trọng: 

• Bảng Group Statistics cho chúng ta các thông số mô tả của từng nhóm giá trị của biến định tính. Trong đó, chúng ta tập trung nhiều vào cột giá trị trung bình Mean vì đây là giá trị chúng ta so sánh giữa hai nhóm đáp viên.
• Bảng Independent Sample Test cung cấp 2 thông số. 
• Kiểm định F trong cột Levene's Test: Kiểm định này để đánh giá khác biệt phương sai giữa 2 nhóm đáp viên cần so sánh. Nếu sig < 0.05, chúng ta sẽ sử dụng kết quả kiểm định t ở hàng Equal variances not assumed. Nếu sig > 0.05, chúng ta sẽ sử dụng kết quả kiểm định t ở hàng Equal variances assumed.
• Kiểm định t trong cột t-test: Kiểm định này để đánh giá khác biệt trung bình giữa 2 nhóm đáp viên cần so sánh. Nếu sig < 0.05, có sự khác biệt trung bình một cách có ý nghĩa thống kê giữa hai nhóm đáp viên. Nếu sig > 0.05, không có sự khác biệt trung bình một cách có ý nghĩa thống kê giữa hai nhóm đáp viên.

Cách nhận xét bảng số liệu Independent Sample T Test trong SPSS:

→ Sig kiểm định F trong cột Levene’s Test bằng 0.127 > 0.05, phương sai giữa hai nhóm nam-nữ là đồng nhất, ta sử dụng kết quả sig kiểm định t hàng Equal variances assumed. 

→ Sig kiểm định t trong cột t-test bằng 0.000 < 0.05, như vậy có sự khác biệt trung bình sự hài lòng giữa các các đáp viên có giới tính khác nhau. Bảng thống kê trung bình Group Statistics cho thấy nam có sự hài lòng cao hơn nữ..

b. One-way ANOVA

Ở phần trước, chúng ta đã tìm hiểu về kiểm định Independent Samples T Test để so sánh giá trị trung bình. Tuy nhiên, phương pháp này chỉ cho phép so sánh trung bình giữa hai nhóm. Khi biến định tính có hơn hai nhóm, chúng ta cần sử dụng một phương pháp thống kê khác, đó là One-Way ANOVA, hay còn gọi là ANOVA một chiều.

VIDEO HƯỚNG DẪN

Kết quả trả về của phân tích One-way ANOVA trên SPSS sẽ gồm 4 bảng quan trọng: 

• Bảng Test of Homogeneity of Variances cung cấp thông số sig kiểm định Levene đánh giá khác biệt phương sai giữa các nhóm đáp viên cần so sánh. Nếu sig < 0.05, chúng ta sẽ sử dụng kết quả kiểm định Welch ở bảng Robust Tests. Nếu sig > 0.05, chúng ta sẽ sử dụng kết quả kiểm định F ở bảng ANOVA.
• Bảng ANOVA/Bảng Robust Tests để đánh giá khác biệt trung bình giữa các nhóm đáp viên cần so sánh. Hai bảng này chỉ dùng một trong hai dựa trên kết quả đánh giá khác biệt phương sai kiểm định Levene bước trước. Nếu sig kiểm định F hoặc sig kiểm định Welch < 0.05, có sự khác biệt trung bình một cách có ý nghĩa thống kê giữa các nhóm đáp viên. Nếu sig kiểm định F hoặc sig kiểm định Welch > 0.05, không có sự khác biệt trung bình một cách có ý nghĩa thống kê giữa các nhóm đáp viên.
• Bảng Descriptives và biểu đồ cho chúng ta các thông số mô tả của từng nhóm giá trị của biến định tính. Trong đó, chúng ta tập trung nhiều vào cột giá trị trung bình Mean vì đây là giá trị chúng ta so sánh giữa các nhóm đáp viên.

Cách đọc kết quả bảng số liệu One-way ANOVA trong SPSS:

→ Sig Levene’s Test bằng 0.092 > 0.05, phương sai giữa các nhóm đáp viên là đồng nhất, ta sử dụng kết quả sig kiểm định F ở bảng ANOVA.

→ Sig kiểm định F trong bảng ANOVA bằng 0.010 < 0.05, như vậy có khác biệt trung bình sự hài lòng giữa các đáp viên có thu nhập khác nhau. Bảng thống kê trung bình và biểu đồ cho thấy sự hài lòng cao nhất ở nhóm thu nhập Từ 20 triệu/tháng trở lên, cao thứ hai ở nhóm Từ 15 đến dưới 20triệu/tháng, cao thứ ba ở nhóm Dưới 10 triệu/tháng, thấp nhất ở nhóm Từ 10 đến dưới 15 triệu/tháng.

Trên đây là cách đọc kết quả bảng số liệu trong SPSS với 6 kiểm định cơ bản thường sử dụng trong phân tích dữ liệu SPSS luận văn. Một số tính chất đề tài sẽ phát sinh thêm những loại kiểm định khác như kiểm định Chi bình phương, bảng kết hợp, phân tích phi tham số hoặc bổ sung thêm phân tích CFA trên AMOS sau bước EFA... Các bạn nên làm việc theo sự hướng dẫn, góp ý từ phía giảng viên hướng dẫn để đưa ra được một quy trình nghiên cứu phù hợp nhất.

Nếu các bạn gặp khó khăn trong quá trình phân tích, xử lý dữ liệu cho luận văn của mình và không có nhiều kinh nghiệm để xử lý các vấn đề phát sinh. Các bạn có thể liên hệ qua dịch vụ xử lý SPSS của Phạm Lộc Blog hoặc nhắn zalo 093 395 1549 để bên mình có thể tư vấn và hỗ trợ một cách tốt nhất nhé.