Về khái niệm listwise và pairwise trong thống kê với SPSS

Gần đây ad nhận được câu hỏi của một số bạn về hai khái niệm  listwise deletion  và pairwise deletion  khi phân tích với dữ liệu missing values, ad viết bài sau đây là chia sẻ  để các bạn có thể tham khảo thêm thông tin.
Khi thu thập dữ liêu nghiên cứu, có thể có trường hợp ta không thu thập đủ thông tin, những giá trị đó gọi là missing values. Phân tích dữ liệu với SPSS , hoặc AMOS chia ra như sau:
- Exclude Case Listwise : khi phân tích sẽ loại bỏ hoàn toàn dòng dữ liệu đó ra khỏi các phân tích liên quan.
- Exclude Case Pairwise : khi phân tích chỉ loại bỏ những giá trị trống của dòng dữ liệu đó, các cột có dữ liệu vẫn được phân tích bình thường.
Ví dụ khi phân tích tương quan, mục option có mục chọn như sau

Và dữ liệu như sau, chúng ta sẽ phân tích tương quan cho 3 biến RELIABILITY1 2 3

Chỉ có một missing value là RELIABILITY1 ở dòng thứ nhì. Trong phương pháp listwise deletetion thì phân tích bỏ hẵn dòng này ra, kể cả RELIABILITY2 và RELIABILITY3 không hề có missing value vẫn bị loại bỏ dòng thứ nhì ra, mẫu chỉ còn 3 dòng. Trong khi đó, phương pháp pairwise chỉ loại bỏ giá trị dòng thứ 2 liên quan đến biến RELIABILITY1 , còn các dòng không liên quan , mẫu vẫn là 4 dòng như các giá trị tô màu đỏ trong hình.

 

Mô hình cấu trúc: cách nhận biết

Phần trong mô hình mô tả các biến tiềm ẩn liên quan với nhau như thế nào được gọi là mô hình cấu trúc structural model.
(The portion of the model that specifies how the latent variables are related to each other 
is sometimes called the structural model.)

Mô hình đo lường trong amos : cách nhận biết

Mô hình đo lường measurement model: phần trong mô hình chỉ rõ biến quan sát (observed) phụ thuộc vào biến tiềm ẩn như thế nào được gọi là mô hình đo lường.

Ví dụ mô hình sau đây :.

Có 4 mô hình đo lường con phân biệt:

Trường hợp mô hình con KNOWLEDGE , hai kiểm định được thiếp lập:  1knowledge và 2knowledge được giả định phụ thuộc vào khái niệm cơ sở, nhưng không đo lường trực tiếp được, là knowledge. Theo mô hình này, hệ số hồi quy của hai kiểm định con có thể khác nhau, bởi vì ảnh hưởng của error3 và error4 ( đại diện cho sai số của hai kiểm định con này). 1knowledge và 2knowledge được gọi là indicators của biến tiềm ẩn knowledge.

( liên hệ hotrospss@gmail.com Facebook: https://www.facebook.com/HoTroAMOS )

Cách đọc các giá trị variance, covariance, coefficient of correlation trong amos

Nhóm hỗ trợ AMOS giới thiệu đến các bạn cách phân biệt giữa các chỉ số variance, covariance, coefficient of correlation ( tương  ứng với phương sai, hiệp phương sai, hệ số tương quan) và cách đọc các chỉ số này trên mô hình, đây cũng là phần rất cơ bản tuy nhiên dễ gây nhầm lẫn, nên hôm nay nhóm giới thiệu cho các bạn một ví dụ cụ thể để phân biệt 3 giá trị trên.

Giả sử mô hình AMOS đơn giản bao gồm 2 biến AGE và VOCABULARY, chúng ta kéo một đường covariance giữa hai biến như sau:

Sau khi đã gán giá trị số liệu cho 2 biến này, chúng ta thực hiện Calculate Estimates thì sẽ ra được kết quả như sau:

Trên phía bên phải của mỗi ô hình chữ nhật, giá trị màu đỏ đó chính là variance ( phương sai) của mỗi biến quan sát.

Dưới giữa đường covariance nối giữa hai biến quan sát, giá trị màu xanh chính là covariance (hiệp phương sai) giữa hai biến quan sát.

Để xem được coefficient of correlation( hệ số tương quan) , ta chọn giá trị Standardized Estimates như trong hình, giá trị -.09 chính là hệ số tương quan coefficient of correlation

 Đó chỉ là các hiển thị cơ bản trên màn hình, cụ thể hơn ta có thể xem ở mục cửa sổ kết quả của AMOS, các giá trị được hiển thị cụ thể hơn ở đây.

Mong một chút thông tin giúp ích được cho cho các bạn quan tâm, các bạn có thắc mắc có thể mail về nhóm MBA tại địa chỉ hotrospss@gmail.com để được tư vấn thêm