Tiểu luận phân tích quan hệ giữa các biến định tính và định lượng trong nghiên cứu marketing, sử dụng các phương pháp như bảng chéo, phân tích ANOVA, và hồi quy. Kết quả cho thấy có mối quan hệ giữa giới tính và bộ phận công tác cũng như giữa độ tuổi và bộ phận công tác, và công việc có nhiều thách thức có liên quan đến mức lương cao nhưng mức độ tương quan thấp.

1. ĐẠI HỌC ĐÀ NẴNG
KHOA QUẢN TRỊ KINH DOANH
BÀI TIỂU LUẬN CÁ NHÂN
Môn: Nghiên Cứu Marketing
GVHD : TS. Lê Văn Huy
Học viên : Lưu Trọng Hiếu
Lớp : QTR.K28.ĐL
Ngày 17 tháng 11 năm 2014


2. © Lưu Trọng Hiếu, QTR.K28.ĐL, 2014
MỤC LỤC
MỤC LỤC...................................................................................................................1
PHẦN I: PHÂN TÍCH HAI BIẾN ĐỊNH TÍNH.........................................................2
PHẦN II: PHÂN TÍCH MỘT BIẾN ĐỊNH TÍNH VÀ MỘT BIẾN ĐỊNH LƯỢNG..4
PHẦN III: PHÂN TÍCH HAI BIẾN ĐỊNH LƯỢNG..................................................6
T r a n g | 1

3. © Lưu Trọng Hiếu, QTR.K28.ĐL, 2014
PHẦN I: PHÂN TÍCH HAI BIẾN ĐỊNH TÍNH
I.1. Chọn biến và mẫu phân tích
Ngày sinh: 10/06/1990
Độ lớn mẫu: 200 – 10 – 6 = 184
Biến định tính 1: BP (Bộ phận công tác)
Biến định tính 2: GIOITINH (Giới tính)
Các phương pháp có thể sử dụng phân tích để phân tích hai biến định tính là: Phương
pháp bảng chéo (crosstabs).
Phương pháp phân tích sử dụng: Bảng chéo (crosstabs)
I.2. Đặt giả thuyết
Câu hỏi nghiên cứu: Giới tính và bộ phận công tác có mối quan hệ với nhau hay không?
Các giả thuyết:
H0 : Hai biến BP và GIOITINH độc lập với nhau
H1 : Hai biến BP và GIOITINH có mối quan hệ với nhau
I.3. Kết quả phân tích
Crosstabs
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Giới tính * Bộ phận công tác 184 100,0% 0 0,0% 184 100,0%
Chi-Square Tests
Value df Asymp. Sig. (2-
sided)
Pearson Chi-Square 22,935a
4 ,000
Likelihood Ratio 23,649 4 ,000
Linear-by-Linear Association 14,128 1 ,000
N of Valid Cases 184
a. 0 cells (0,0%) have expected count less than 5. The minimum expected
count is 11,74.
T r a n g | 2

4. © Lưu Trọng Hiếu, QTR.K28.ĐL, 2014
Symmetric Measures
Value Approx. Sig.
Nominal by Nominal
Phi ,353 ,000
Cramer's V ,353 ,000
N of Valid Cases 184
Giới tính * Bộ phận công tác Crosstabulation
Bộ phận công tác Total
Kinh doanh Kỹ thuật Văn phòng Kế toán Khác
Giới tính Nam Count 21 33 11 20 9 94
Expected Count 15,8 22,5 17,4 26,1 12,3 94,0
% within Giới tính 22,3% 35,1% 11,7% 21,3% 9,6% 100,0%
% within Bộ phận công tác 67,7% 75,0% 32,4% 39,2% 37,5% 51,1%
% of Total 11,4% 17,9% 6,0% 10,9% 4,9% 51,1%
Nu Count 10 11 23 31 15 90
Expected Count 15,2 21,5 16,6 24,9 11,7 90,0
% within Giới tính 11,1% 12,2% 25,6% 34,4% 16,7% 100,0%
% within Bộ phận công tác 32,3% 25,0% 67,6% 60,8% 62,5% 48,9%
% of Total 5,4% 6,0% 12,5% 16,8% 8,2% 48,9%
Total Count 31 44 34 51 24 184
Expected Count 31,0 44,0 34,0 51,0 24,0 184,0
% within Giới tính 16,8% 23,9% 18,5% 27,7% 13,0% 100,0%
% within Bộ phận công tác
100,0% 100,0% 100,0% 100,0% 100,0% 100,0%
% of Total 16,8% 23,9% 18,5% 27,7% 13,0% 100,0%
Nhận xét:
Ta có Chi-Square = 22,935 và Approx. Sig.(P-value) = 0,000 < 0,05 => Bác bỏ giả thuyết H0
và chấp nhận giả thuyết H1. Vậy, tồn tại mối quan hệ giữa hai biến BP và GIOITINH trên tổng
thể, hay nói cách khác giới tính và bộ phận công tác có quan hệ với nhau.
Ta có Phi = Cramer’s V = 0,353 cho thấy hai biến BP và GIOITINH có mối quan hệ không
chặt chẽ.
T r a n g | 3

5. © Lưu Trọng Hiếu, QTR.K28.ĐL, 2014
PHẦN II: PHÂN TÍCH MỘT BIẾN ĐỊNH TÍNH VÀ MỘT BIẾN ĐỊNH LƯỢNG
I.4. Chọn biến và mẫu phân tích
Ngày sinh: 10/06/1990
Độ lớn mẫu: 200 – 10 – 6 = 184
Biến định tính: BP (Bộ phận công tác)
Biến định lượng: TUOI (Tuổi)
Các phương pháp có thể sử dụng phân tích để phân tích một biến định tính và một biến
định lượng là: Bảng chéo (crosstabs) và phân tích phương sai ANOVA.
Phương pháp phân tích sử dụng: Phân tích phương sai ANOVA
I.5. Đặt giả thuyết
Câu hỏi nghiên cứu: Có tồn tại sự khác nhau giữa tuổi trung bình của nhân viên tại các bộ
phận khác nhau hay không ?
Các giả thuyết:
H0 : Hai biến BP và TUOI có các trung bình tổng thể bằng nhau.
H1 : Hai biến BP và TUOI có các trung bình tổng thể không hoàn toàn bằng nhau.
I.6. Kết quả phân tích
Phương pháp phân tích phương sai ANOVA
Oneway
Warnings
Post hoc tests are not performed for Bộ phận công tác because at least one group has fewer than
two cases.
Test of Homogeneity of Variances
Bộ phận công tác
Levene Statistic df1 df2 Sig.
4,020 12 167 ,000
Ta có Sig. (P-value) = 0,000 < 0,05 => Khả năng hai biến không có trung bình tổng thể bằng nhau
(khả năng bác bỏ giả thuyết H0) là rất lớn. Để có kết luận chính xác hơn, ta xem xét bảng phương sai
ANOVA dưới đây:
ANOVA
T r a n g | 4

6. © Lưu Trọng Hiếu, QTR.K28.ĐL, 2014
Bộ phận công tác
Sum of Squares df Mean Square F Sig.
Between Groups 62,968 16 3,935 2,610 ,001
Within Groups 251,766 167 1,508
Total 314,734 183
Means Plots
Nhận xét:
Ta có sig. = 0,001 < 0,05 => Bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Có nghĩa là
tồn tại sự khác nhau giữa TUOI (Tuổi) và BP (Bộ phận công tác). Nói cách khác, độ tuổi trung
bình của nhân viên ở các bộ phận khác nhau là khác nhau.
T r a n g | 5

7. © Lưu Trọng Hiếu, QTR.K28.ĐL, 2014
PHẦN III: PHÂN TÍCH HAI BIẾN ĐỊNH LƯỢNG
I.7. Chọn biến và mẫu phân tích
Ngày sinh: 10/06/1990
Độ lớn mẫu: 200 – 10 – 6 = 184
Biến định lượng 1: TL1 (Anh/ chị được trả lương cao)
Biến định lượng 2: CV3 (Công việc có nhiều thách thức)
Các phương pháp có thể sử dụng phân tích để phân tích hai biến định lượng là: Bảng
chéo (crosstabs), phân tích phương sai ANOVA, tương quan(Correlation) và hồi quy đơn
(Regresstion)
Phương pháp phân tích sử dụng: Phân tích tương quan và hồi quy (đơn).
I.8. Đặt giả thuyết
Câu hỏi nghiên cứu: Mức độ thách thức của công việc và việc được trả lương cao có quan hệ
với nhau như thế nào?
Các giả thuyết:
H0 : Hai biến TL1 và CV3 không có mối quan hệ với nhau
H1 : Hai biến TL1 và CV3 có mối quan hệ với nhau
I.9. Kết quả phân tích
Phân tích tương quan
Correlations
Công việc có nhiều
thách thức
Anh/ chị được trả
lương cao
Công việc có nhiều thách thức
Pearson Correlation 1 ,274**
Sig. (2-tailed) ,000
N 184 184
Anh/ chị được trả lương cao
Pearson Correlation ,274**
1
Sig. (2-tailed) ,000
N 184 184
**. Correlation is significant at the 0.01 level (2-tailed).
Vì Pearson = 0,274 và sig. = 0,000 < 0,05 nên CV3 (Công việc có nhiều thách thức) và
TL1 (Anh/ chị được trả lương cao) có mối quan hệ với nhau. Tuy nhiên, Pearson Correlation =
0,274 cho thấy hai biến có tương quan ở mức thấp. Để kết luận chính xác hơn ta tiến hành
phân tích hồi quy đơn:
T r a n g | 6

8. © Lưu Trọng Hiếu, QTR.K28.ĐL, 2014
Phân tích hồi quy đơn
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 24,122 1 24,122 14,721 ,000b
Residual 298,221 182 1,639
Total 322,342 183
a. Dependent Variable: Anh/ chị được trả lương cao
b. Predictors: (Constant), Công việc có nhiều thách thức
Vì F = 14,721 và Sig.(P-value) = 0,000 < 0,05 nên CV3 (Công việc có nhiều thách thức) có ảnh
hưởng tới TL1 (Anh/ chị được trả lương cao).
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig.
B Std. Error Beta
1
(Constant) 3,059 ,310 9,878 ,000
Công việc có nhiều thách thức ,230 ,060 ,274 3,837 ,000
a. Dependent Variable: Anh/ chị được trả lương cao
Mối quan hệ giữa hai biến TL1 và CV3 như sau:
TL1 = 3,059 +0,230CV3
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the
Estimate
Durbin-Watson
1 ,274a
,075 ,070 1,280 1,855s
a. Predictors: (Constant), Công việc có nhiều thách thức
b. Dependent Variable: Anh/ chị được trả lương cao
R Square = 0,075 < 0,1 nên hai biến CV3 và TL1 tương quan ở mức thấp, biến CV3 chỉ giải
thích được 7,5% biến TL1.
T r a n g | 7

9. © Lưu Trọng Hiếu, QTR.K28.ĐL, 2014
Phân tích hồi quy đơn
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 24,122 1 24,122 14,721 ,000b
Residual 298,221 182 1,639
Total 322,342 183
a. Dependent Variable: Anh/ chị được trả lương cao
b. Predictors: (Constant), Công việc có nhiều thách thức
Vì F = 14,721 và Sig.(P-value) = 0,000 < 0,05 nên CV3 (Công việc có nhiều thách thức) có ảnh
hưởng tới TL1 (Anh/ chị được trả lương cao).
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig.
B Std. Error Beta
1
(Constant) 3,059 ,310 9,878 ,000
Công việc có nhiều thách thức ,230 ,060 ,274 3,837 ,000
a. Dependent Variable: Anh/ chị được trả lương cao
Mối quan hệ giữa hai biến TL1 và CV3 như sau:
TL1 = 3,059 +0,230CV3
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the
Estimate
Durbin-Watson
1 ,274a
,075 ,070 1,280 1,855s
a. Predictors: (Constant), Công việc có nhiều thách thức
b. Dependent Variable: Anh/ chị được trả lương cao
R Square = 0,075 < 0,1 nên hai biến CV3 và TL1 tương quan ở mức thấp, biến CV3 chỉ giải
thích được 7,5% biến TL1.
T r a n g | 7