RESEARCH METHOD

Bảng tổng hợp các phương pháp hồi quy

Suy diễn thống kê (Inferential statistics) đôi khi còn được gọi là phân tích hồi quy (regression analysis). Thông thường, dữ liệu của bạn có thể được phân tích bằng nhiều phương pháp. Các phương pháp khác nhau sẽ tạo ra các kết quả khác. Bảng bên dưới sẽ tổng hợp các phương pháp được sử dụng phổ biến trong phân tích hồi quy.

Thông qua bảng tổng hợp này, tùy theo loại biến (độc lập hay phụ thuộc) hoặc kiểu biến, chẳng hạn biến khoảng (interval variable), biến thứ bậc (ordinal variable) hoặc biến phân loại (categorical variable); hoặc dạng phân phối của biến mà lựa chọn dạng hàm, cũng như là phương pháp phân tích hồi quy phù hợp. Ngoài ra, thông qua mỗi liên kết đính kèm trong bảng, từng bước một các bạn có thể tự mình thao tác trên các phần mềm thống kê thông dụng như STATA, SPSS.

Tham khảo: https://vietlod.com/phan-tich-hoi-quy

Lựa chọn mô hình theo AIC, BIC,HQ, BIC/SIC

Tương tự như thống kê độ phù hợp trong mô hình hồi quy, R2 thì các tiêu chuẩn thông tin cũng bao gồm thành phần độ phù hợp dựa trên giá trị log-likelihood và thành phần phức tạp dựa trên tham số được ước lượng của mô hình. Tiêu chuẩn thông tin như AIC, AICc, HQ, BIC/SIC cung cấp cho chúng ta công cụ so sánh các dạng mô tả khác nhau của mô hình và lựa chọn mô hình phù hợp giữa chúng. Mô hình đơn giản là mô hình được lựa chọn. Bài viết sẽ trình bày ý nghĩa, cách tính toán, so sánh các tiêu chuẩn thông tin cùng với các lưu ý về cách sử dụng các tiêu chuẩn này trong việc lựa chọn mô hình.

Tham khảo: https://vietlod.com/cac-tieu-chuan-thong-tin-trong-lua-chon-mo-hinh

Thang đo Guttman trong nghiên cứu Marketing

Cùng với thang đo Likert, thang đo Thurstone thì thang đo Guttman là một trong ba thang đo đơn hướng được sử dụng phổ biến nhất.

Thang đo Guttman đôi khi còn gọi là thang đo tích lũy (cumalative scaling) hoặc phân tích tỉ lệ đồ (scalogram analysis). Mục đích của thang đo Guttman là xây dựng một khái niệm đơn hướng liên tục để đo lường. Điều này nghĩa là gì? Về cơ bản, chúng ta muốn một tập hợp các mục hỏi hoặc các phát biểu sao cho người trả lời nếu đồng ý với bất kỳ câu hỏi cụ thể nào trong danh sách thì cũng sẽ đồng ý với tất cả các câu hỏi trước đó. Một cách chính thức hơn, chúng ta muốn có thể dự đoán hoàn hảo các kết quả phản hồi nếu chỉ biết tổng số điểm của người trả lời cho mỗi mục hỏi. Bài viết sẽ giải thích cách xây dựng và quản trị một thang đo Guttman.

Tham khảo: https://vietlod.com/thang-do-guttman

Thang đo Likert trong nghiên cứu Marketing

Thang đo Likert là một trong những thang đo được sử dụng phổ biến nhất trong đo lường hành vi, cảm nhận của đối tượng khảo sát trong nghiên cứu Marketing. Tuy nhiên, không nhiều bạn hiểu rõ thang đo Likert là như thế nào, các thành phần và cách xác định nó như thế nào.

Về bản chất, thang đo Likert cũng là một thang đo đơn hướng. Thang đo Likert cùng với thang đo Thurstone và Guttman là ba thang đo đơn hướng được sử dụng phổ biến nhất. Bài viết này sẽ trình bày cách xây dựng một thang đo Likert cùng với việc quản lý thang đo.
https://vietlod.com/thang-do-likert

Thang đo Thurstone trong nghiên cứu Marketing

Thang đo Thurstone là một trong ba đơn hướng được sử dụng phổ biến nhất. Ba cách để phát triển một thang đo Thurston là: phương pháp các khoảng xảy ra bằng nhau (method of equal-appearing intervals); phương pháp khoảng kế tiếp bằng nhau (method of successive intervals); và phương pháp so sánh cặp đôi (method of paired comparisons). Các phương pháp khác nhau về cách về giá trị các biến trong thang đo, tuy nhiên, kết quả thang đo sẽ được đánh giá theo cùng một cách. Phần trình bày bên dưới minh họa cách xây dựng thang đo Thurstone theo phương pháp các khoảng xảy ra bằng nhau để đo lường thái độ của cộng đồng đối với người bị AIDS.
https://vietlod.com/thang-thurstone-thurstone-scale

Thang đo đơn hướng trong nghiên cứu Marketing.

Để tìm hiểu về các thang đo trong nghiên cứu hành vi thì đầu tiên cần tìm hiểu về chiều hướng của các thang đo. Thang đo đơn hướng là một loại thang đo được sử dụng phổ biến trong hầu hết các nghiên cứu hành vi. Bài viết này sẽ đi sâu trình bày các khái niệm hướng, tính đơn hướng và đa hướng của thang đo.
https://vietlod.com/thang-don-huong-unidimensional

Để đo lường đúng các biến rất cần thiết phải xác định đúng thang đo. Các kiểu biến khác nhau đòi hỏi phải được đo lường theo những cách khác nhau. Có 4 loại thang đo thường được sử dụng trong phân tích dữ liệu là thang đo danh nghĩa (nominal), thang đo thứ bậc (ordinal), thang đo khoảng (Interval) và thang đo tỉ lệ (Ratio). Sử dụng linh hoạt các thang đo trong việc đo lường biến sẽ giúp người nghiên cứu tiếp cận và phân tích đối tượng tốt hơn. Các loại thang đo trên lần lượt được trình bày ở bên dưới.
https://vietlod.com/thang-do-phan-tich-du-lieu

Đo lường khuynh hướng tập trung của dữ liệu

Bài này sẽ giới thiệu sơ lược về các khái niệm cơ bản của thống kê dùng trong mô tả dữ liệu như các tham số đo lường xu hướng tập trung của dữ liệu (mean, median, mode). Để dễ hình dung, ta bắt đầu với ví dụ đơn giản sau:

Giả sử rằng bạn chạy 100 m trong 6 lần, mỗi lần chạy bạn dùng đồng hồ đo lại thời gian chạy (tính bằng giây) và kết quả 6 lần chạy của bạn gồm 6 giá trị (còn gọi là quan sát) như sau:

x={25.1, 21.2, 17.9, 23.0, 24.6, 19.5}

Dữ liệu này cho bạn biết những thông tin gì?

Tham khảo: https://vietlod.com/khuynh-huong-tap-trung-cua-du-lieu

Khuynh hướng phân tán của dữ liệu

Để biết xu hướng tập trung của dữ liệu ta dùng các tham số như Mean, Median, Mode. Tuy nhiên, một câu hỏi quan trọng nữa cần phải trả lời khi xem xét một chất lượng của mẫu là “làm sao đo lường sự biến thiên (hay sự phân tán) của dữ liệu trong mẫu?” Vì có thể 2 mẫu có cùng trung bình nhưng sự biến thiên của dữ liệu là khác nhau. Bài viết sau sẽ tiếp tục bài khuynh hướng tập trung của dữ liệu trình bày về khuynh hướng phân tán của dữ liệu.

Chúng ta có thể sử dụng các thống kê tứ phân vị (IQR), giá trị Min, Max, phương sai, độ lệch chuẩn để đo lường khuynh hướng phân tán của dữ liệu.

Tham khảo: https://vietlod.com/khuynh-huong-phan-tan-cua-du-lieu

Điểm dị biệt là gì? Có nên loại bỏ điểm dị biệt?

Các điểm dị biệt (outliers) là những điểm có giá trị khác xa so với phần còn lại của dữ liệu. Việc xác định giá trị của điểm dị biệt là chủ quan. Trong khi đó, có một vài tiêu chuẩn để xác định một điểm có phải là điểm dị biệt hay không.

Có hai loại điểm dị biệt – univariate (tạm dịch là dị biệt đơn lẻ) và multivariate outliers (dị biệt kết hợp).

Các điểm dị biệt được tìm thấy rất nhiều trong các nghiên cứu, nó có thể làm méo mó tính chuẩn hóa của dữ liệu, vậy chúng ta có nên loại bỏ các điểm dị biệt này không?

Tham khảo: https://vietlod.com/diem-di-biet-spss