QT Academy

GÓC BÓC PHỐT 😝
QT Academy luôn làm việc uy tín, không yêu cầu cọc để tạo sự yên tâm cho khách. Nhưng các bạn làm vậy là không được nhé! Nếu thực sự cần, hãy book dịch vụ nghiêm túc—tụi mình bỏ công sức, chất xám chứ không phải copy paste. Đừng đặt rồi hủy tùy tiện, vì thời gian đó có thể giúp nhiều người khác hơn. Mong các bạn suy nghĩ kỹ trước khi hợp tác!

Bài viết này không đi vào khái niệm hàn lâm về biến định tính và biến định lượng, các bạn có thể tìm kiếm trên Google sẽ ra rất nhiều bài viết và cả Wikipedia đã đưa thông tin chi tiết về hai loại biến này. Dưới đây, mình sẽ giải thích về khái niệm biến định tính và định lượng trong xử lý dữ liệu một cách đơn giản để các bạn có thể hiểu và sử dụng đúng khi chạy các kiểm định mà loại biến là một điều kiện đầu vào quan trọng.
1️⃣Biến định tính (biến phân loại) là gì?
Biến định tính (qualitative variable) còn gọi là biến phân loại (categorical variable) giúp cho việc phân loại các đối tượng nghiên cứu thành các nhóm khác nhau. Khi xử lý dữ liệu, nhà nghiên cứu sẽ mã hóa các giá trị của biến định tính thành các con số 1, 2, 3,... nhưng các con số này hoàn toàn chỉ mang tính chất quy ước chứ không phải là giá trị thực của biến.

Ví dụ: Biến độ tuổi chúng ta chia thành các nhóm tuổi: (1) dưới 22 tuổi, (2) từ 22 đến 30 tuổi, (3) từ 31 đến 50 tuổi, (4) trên 50 tuổi. Đây là một biến định tính bởi nó phân loại đối tượng thành các nhóm tuổi khác nhau. Bốn nhóm tuổi được quy ước thành các con số 1-2-3-4 trong xử lý dữ liệu, nó đơn thuần là giá trị quy ước chứ không phải là số tuổi chính xác của đáp viên. Đáp viên có tuổi là 25 được mã hóa thành giá trị 2 (từ 22 đến 30 tuổi) của biến độ tuổi thì con số 25 là giá trị thực (giá trị định lượng) còn số 2 trong dữ liệu là số quy ước (giá trị định tính).

2️⃣Biến định lượng là gì?
Biến định lượng (quantiative variable) những biến mà các giá trị của chúng là các con số giá trị thực. Biến định lượng chia làm hai loại là liên tục và rời tạc.

Biến liên tục (continuous variable) là biến số có thể nhận bất kỳ giá trị nào trong một khoảng nhất định, tức biến thiên mà không bị gián đoạn.

Ví dụ 1: Nhiệt độ trong ngày là một biến ngẫu nhiên liên tục, không thể liệt kê hết tất cả các giá trị có thể, và thường nói giá trị nhỏ nhất và giá trị lớn nhất: chẳng hạn như nhiệt độ trong khoảng 20 độ C đến 30 độ C; khi đó X đơn vị là độ C, và X nằm trong khoảng (20; 30).

Ví dụ 2: Cũng là biến độ tuổi nhưng dữ liệu chúng ta thu thập là con số tuổi chính xác của đáp viên thì biến này sẽ là biến định lượng. Chúng ta hỏi đáp viên "Tuổi của anh chị là:.....", đáp viên điền vào số tuổi của họ, đó là giá trị thực.

Biến rời tạc (discrete variable) là biến số chỉ nhận các giá trị nguyên.

Ví dụ: Số con, số người trong gia đình, số lần xét nghiệm, số công nhân trong một doanh nghiệp, số sản phẩm sản xuất ra trong một ngày của 1 phân xưởng may.

(Tài liệu tham khảo: Nguyễn Văn Ngọc, Từ điển Kinh tế học, Đại học Kinh tế Quốc dân)

Biến được đo bằng thước đo Likert là biến định lượng dạng rời rạc.
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Đánh giá hiện tượng cộng tuyến trong phân tích SEM trên AMOS
Khi tiến hành phân tích mô hình SEM nhưng xuất hiện các dấu hiệu như: hệ số hồi quy chuẩn hóa vượt ngưỡng 1, giá trị R2 vượt ngưỡng 1, quan hệ tác động trên lý thuyết là dương nhưng kết quả chạy ra lại là âm và rất mạnh ..., đây là biểu khả năng rất cao tồn tại cộng tuyến trong mô hình SEM. Bời vì AMOS không có báo cáo về chỉ số VIF để phát hiện vấn đề cộng tuyến trong mô hình SEM nên chúng ta sẽ mượn hồi quy tuyến tính trên SPSS để đánh giá hiện tượng này của mô hình SEM. Cách thức thực hiện sẽ như sau.

👉Bước 1: Quy đổi mô hình SEM phức tạp thành từng mô hình hồi quy đơn giản
Nhắc lại, cộng tuyến là vấn đề xảy ra giữa các biến độc lập với nhau. Nhưng trong một mô hình SEM phức tạp gồm nhiều loại biến độc lập, trung gian, điều tiết, phụ thuộc thì có phải chỉ xét giữa các biến độc lập thôi không?

Các biến độc lập được đề cập ở đây là xét trong ngữ cảnh các biến này cùng tác động lên một biến khác trong mô hình. Nghĩa là chúng ta sẽ tách mô hình SEM phức tạp ra thành từng mô hình hồi quy đơn giản rồi mới đi xét cộng tuyến giữa các biến độc lập trong một mô hình hồi quy đơn giản này.

👉Bước 2: Xác định cách đánh giá hiện tượng cộng tuyến
Từ bước trước chúng ta đã xác định có ba mô hình hồi quy đơn giản. Việc đánh giá hiện tượng cộng tuyến chúng ta sẽ thực hiện giữa các biến độc lập trong cùng một mô hình hồi quy đơn giản.

👉Bước 3: Chuẩn bị dữ liệu các biến để tiến hành phân tích mô hình hồi quy đơn giản
Với SEM trên AMOS các biến tiềm ẩn sẽ được phần mềm tính toán trực tiếp từ dữ liệu các biến quan sát trên diagram chứ không có dữ liệu riêng dành cho các biến tiềm ẩn. Còn hồi quy trên SPSS cần phải tính toán dữ liệu cho các biến tiềm ẩn để đưa vào phần khai báo biến.

Dữ liệu các biến tiềm ẩn (biến đại diện) thường sẽ được tính theo hai cách là lấy tổng các biến quan sát con hoặc lấy trung bình cộng các biến quan sát con, bạn xem hai cách thực hiện tại bài viết này. Khi tính toán dữ liệu biến đại diện bạn nhớ loại bỏ các biến quan sát đã bị loại ở những bước trước SEM như Cronbach Alpha, EFA, CFA...

👉Bước 4: Phân tích hồi quy đơn giản + đánh giá hiện tượng cộng tuyến qua chỉ số VIF
Ở bước 1 chúng ta đã xác định mô hình SEM được cấu thành từ ba mô hình hồi quy đơn giản. Chúng ta sẽ phân tích ba hồi quy để lấy ba bảng kết quả Coefficients bởi vì đây là bảng chứa chỉ số VIF đánh giá hiện tượng cộng tuyến của các biến độc lập. Có rất nhiều ngưỡng VIF được nhiều công trình đề xuất là xuất hiện cộng tuyến như VIF > 3, VIF >3.3, VIF > 5, VIF > 10... Sử dụng ngưỡng VIF nào chúng ta sẽ còn dựa vào thực tế dữ liệu đang phân tích hiện tại. Nếu kết quả phân tích SEM cho những biểu hiện của sự cộng tuyến thì chúng ta đã xác định là tồn tại cộng tuyến và phải đi xử lý vấn đề này, chứ không phải sử dụng một ngưỡng VIF lớn như 10 để đánh giá là không tồn tại cộng tuyến.
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Khắc phục cộng tuyến/đa cộng tuyến trong mô hình SEM trên AMOS
👉Giải pháp 1: Loại bỏ biến có hệ số VIF vượt qua giá trị tiêu chuẩn. Bạn nên bỏ biến có VIF lớn nhất rồi chạy lại phân tích SEM xem thử có còn hiện tượng đa cộng tuyến hay không. Trong ví dụ ở trên, bởi vì biến A và biến B có sự cộng tuyến mạnh với nhau, nghĩa là hai biến này bản chất thực sự chỉ là một biến. Mình sẽ chấp nhận loại bỏ biến B (VIF cao hơn) và giữ lại biến A, hiệu chỉnh lại mô hình mới bỏ biến B đi và phân tích lại.

👉Giải pháp 2: Bởi vì cộng tuyến là vấn đề dữ liệu của hai biến khá tương đồng nhau. Như vậy, mặc dù trên hình thức đây là hai biến nhưng bản chất chỉ là một biến. Do đó thay vì loại bỏ một trong hai, chúng ta có thể tạo một biến mới bằng cách kết hợp hai biến bị cộng tuyến này lại với nhau. Trong ví dụ ở trên, mình sẽ gộp biến A và B lại với nhau thành một nhân tố mới gồm tất cả các biến quan sát của A và B, hiệu chỉnh lại mô hình mới và phân tích lại.

👉Giải pháp 3: Có thể đa cộng tuyến xảy ra do cỡ mẫu thu thập nhỏ. Bạn hãy thử thu thập thêm phiếu trả lời để tăng cỡ mẫu lên khoảng gấp 1,5 đến 2 lần. Khi cỡ mẫu lớn hơn sẽ làm giảm phương sai và ý nghĩa các kiểm định cũng sẽ có giá trị hơn.

👉Giải pháp 4: Nếu vấn đề xuất phát từ chính bước chọn mô hình nghiên cứu và lập bảng khảo sát. Bạn có thể sẽ phải hủy bỏ dữ liệu thu thập và điều chỉnh lại mô hình, tiến hành khảo sát lại. Cho nên, bước lập cơ sở lý luận để đưa ra mô hình đề xuất và bảng khảo sát là rất quan trọng, các bạn nên làm cho thật tốt phần này qua sự hướng dẫn của giảng viên, những người có chuyên môn.
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Bài viết này sẽ tập trung đi vào giải thích sự giống và khác nhau giữa EFA và CFA trên lý thuyết thống kê và thực tế ứng dụng. EFA (Exploratory Factor Analysis) là phân tích nhân tố khám phá, CFA (Confirmatory Factor Analysis) là phân tích nhân tố khẳng định. Từ tên gọi đã phản ánh được chức năng chính của hai loại kiểm định này.
----------------------------------------------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Kiểm định độ tin cậy Cronbach's Alpha là một bước quan trọng khi phân tích dữ liệu trên SPSS giúp đánh giá độ tin cậy các thang đo đo lường cho từng yếu tố trong mô hình. Nhiệm vụ của Cronbach's Alpha sẽ gồm:

1️⃣Xem 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.

2️⃣ 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.

Kết quả trả về của phân tích Cronbach's Alpha trên SPSS sẽ gồm hai 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.
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Trong SPSS, thống kê mô tả là một nhóm các công cụ dùng để mô tả và tóm tắt dữ liệu của bạn, bao gồm các chỉ số như giá trị trung bình, độ lệch chuẩn, tần suất, phần trăm, phạm vi (range), mode, trung vị ... Có nhiều loại mô tả như tần số, trung bình, chi bình phương, bảng kết hợp.... Tuy nhiên trong làm luận văn chúng hay sẽ dùng tới hai loại thống kê mô tả chủ yếu là thống kê tần số và thống kê trung bình.

1️⃣Thống kê tần số (Frequency):
Thống kê tần số giúp người nghiên cứu mô tả tổng quát về đặc điểm của mẫu nghiên cứu và kết quả khảo sát có được. 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.
2️⃣ Thống kê trung bình (Descriptives):
Nếu như thống kê tần số mạnh về việc mô tả tần số, tỷ trọng đặc điểm đối tượng khảo sát thì thống kê trung bình thiên về cung cấp các giá trị tính toán tổng quát của biến như giá trị nhỏ nhất, giá trị lớn nhất, giá trị trung bình, độ lệch chuẩn...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,...
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Quy trình các bước phân tích dữ liệu trên SPSS luận văn thạc sĩ:
Bài viết này sẽ tóm tắt một quy trình phân tích dữ liệu SPSS cho luận văn thạc sĩ, cao học. Các bạn, anh/chị đang định hướng học cao học hoặc đang trong quá trình thực hiện đề tài có thể sử dụng như một nguồn tham khảo để xây dựng sườn bài cũng như trình bày bài nghiên cứu nhé.

Một bài luận văn thạc sĩ tiêu chuẩn chỉ sử dụng SPSS sẽ đi theo quy trình 6 bước kiểm định:

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
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Để đánh giá mô hình đo lường trên SMARTPLS 4 (khá tương tự như CFA trên AMOS), chúng ta đánh giá các yếu tố:
1️⃣Chất lượng biến quan sát của các nhân tố: outer loading hoặc outer weight.
2️⃣Độ tin cậy thang đo (Reliability): cronbach's alpha, composite reliability.
3️⃣Tính hội tụ và phân biệt (Validity): AVE (tính hội tụ), bảng HTMT (tính phân biệt), bảng Fornell and Larcker (tính phân biệt).
4️⃣Tính cộng tuyến của các biến quan sát: outer VIF biến quan sát nguyên nhân.
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Effect size f2 (f bình phương) là hệ số đánh giá hiệu quả tác động của từng biến độc lập lên biến phụ thuộc, xem sự tác động đó là mạnh, trung bình, yếu hay không có tác động. Với hệ số hồi quy chuẩn hóa Original Sample trong đánh giá mô hình cấu trúc SMARTPLS chúng ta có thể so sánh được trong các biến độc lập cùng tác động lên một biến phụ thuộc biến nào tác động mạnh hơn biến nào, biến nào tác động thuận/nghịch.

Tuy nhiên, với hệ số hồi quy chuẩn hóa, chúng ta không đánh giá được giá trị bao nhiêu là mạnh, bao nhiêu là trung bình, bao nhiêu là yếu, bao nhiêu là không có tác động. Trong khi đó, chỉ số effect size f2 giúp chúng ta xác định được điều này.
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Kết quả chạy phân tích Bootstrapping trên SMARTPLS 4 sẽ cung cấp phần lớn các kết quả phục vụ cho phần đánh giá mô hình cấu trúc (structural model): direct effects, indirect effects, moderating effects ...
Tại giao diện diagram, nhấp vào nút Calculate, chọn Bootstrapping. Một cửa sổ xuất hiện, tiến hành thiết lập phân tích bootstrap SMARTPLS như sau:
🌱 Subsamples: Số lần bootstrap, thường chúng ta sẽ dùng 1000 hoặc 5000. Mặc định phần mềm thiết lập là 5000.
🌱 Amount of results: Sẽ có 2 lựa chọn là Most important (bootstrapping các phần trọng yếu) và Complete (bootstrapping tất cả những gì có thể). Thường kết quả Most important là đã đủ để chúng ta đánh giá mô hình. Mặc định phần mềm thiết lập là Most important.
🌱 Confidence interval method: Chọn cách thức tính đoạn tin cậy bootstrap. Chúng ta sẽ để mặc định Percentile bootstrap.
🌱 Test Type: Chọn Two tailed để kiểm định hai đầu.
🌱 Significance level: Mức ý nghĩa của phép kiểm định, mặc định sẽ là 0.05 (5%), chúng ta có thể tùy chỉnh mức 10% hay 1% tùy tính chất nghiên cứu.
Sau khi thiết lập xong, nhấp vào nút Start calculation và đợi phần mềm tiến hành chạy Bootstrapping SMARTPLS 4. Giao diện kết quả chạy Bootstrapping sẽ hoàn toàn tương tự như PLS-SEM algorithm, cũng gồm 4 vùng làm việc. Sự khác biệt đến từ kết quả các kiểm định ở vùng 1.
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần

Giao diện kết quả chạy PLS-SEM algorithm xuất hiện, sẽ có 4 vùng làm việc trong giao diện này.

🌿🌸VÙNG 1:

Đây là khu vực chứa các kết quả kiểm định, thống kê. Ví dụ: Path coefficients là hệ số hồi quy các quan hệ tác động trực tiếp trong mô hình; Indirect effects là hệ số hồi quy các quan hệ tác động gián tiếp; Outer loading là hệ số tải ngoài của các biến quan sát lên biến tiềm ẩn mẹ; R-square là hệ số xác định thể hiện mức độ tác động của các biến khác vào một biến...

🌿🌸VÙNG 2:

Khu vực này cho phép người dùng muốn hiển thị thông số gì lên phần kết quả diagram bên dưới (vùng 3).Ví dụ: mục Constructs cho hiện giá trị R-square bên trong hình tròn của biến tiềm ẩn có vai trò phụ thuộc; mục Inner model cho hiện hệ số tác động Path coefficients ở giữa các mũi tên nối từ biến tiềm ẩn này lên biến tiềm ẩn khác; thanh Zoom để thu nhỏ/phóng to hình vẽ diagram...

🌿🌸VÙNG 3:

Đây là khu vực hiển thị kết quả diagram, các kiểm định/thống kê của vùng 1. Khi nhấp vào một kiểm định ở vùng 1 thì vùng 3 này sẽ xuất hiện bảng kết quả, biểu đồ liên quan đến kiểm định đó.

🌿🌸VÙNG 4:

Khu vực này chứa các lệnh về lưu, xuất kết quả chạy phân tích ước lượng. Ví dụ: Save là lưu kết quả lần chạy phân tích ước lượng hiện tại; Excel và HTML là xuất kết quả phân tích ước lượng ra định dạng file Excel hoặc dạng trang Web; Create data file để xuất ra file dữ liệu mới có thêm dữ liệu các biến mới như phần dư, biến tiềm ẩn...; Compare để so sánh kết quả các lần chạy phân tích ước lượng.
------------------------------------
Dịch vụ an toàn - Bảo mật - Chuyên nghiệp
Deadline đã đến gần nhưng bạn vẫn không thể xử lý Data kịp.
QT Academy sẽ giúp bạn trong việc xử lý số liệu thống kê, diễn giải kết quả SPSS, Smart PLS, AMOS và STATA. Hỗ trợ SPSS - AMOS - Smart PLS - STATA toàn quốc.
Hotline: 0386644340 (call) - 0976971253 (zalo)
Giờ làm việc: 9h00 - 19h00 các ngày trong tuần