- Trang Chủ
- Lâm nghiệp
- Khai thác và sử dụng SPSS để xử lý số liệu nghiên cứu trong lâm nghiệp - Chương 1
Xem mẫu
- Khai th¸c vμ sö dông SPSS ®Ó xö lý sè
liÖu nghiªn cøu trong l©m nghiÖp
GS.TS. NguyÔn H¶i TuÊt
TS. NguyÔn Träng B×nh
- Lêi giíi thiÖu
T hèng kª to¸n häc ngµy cµng ®−îc øng dông réng r·i trong c¸c lÜnh vùc, ®Æc
biÖt lµ trong nghiªn cøu khoa häc. Trong l©m nghiÖp, thèng kª to¸n häc lµ
c«ng cô gióp c¸c nhµ khoa häc cã c¬ së ph©n tÝch, ®¸nh gi¸ kÕt qu¶ nghiªn
cøu trong c¸c lÜnh vùc chuyªn m«n, nh− l©m sinh, m«i tr−êng, s©u bÖnh, thæ nh−ìng,
®iÒu tra rõng, chÕ biÕn l©m s¶n…
HiÖn nay, c¸c ph−¬ng ph¸p thèng kª cô thÓ ®−îc giíi thiÖu trong c¸c tµi liÖu
chuyªn m«n mµ ng−êi ®äc ®Òu cã thÓ tra cøu tiÖn lîi. Tuy nhiªn, vÊn ®Ò mµ nh÷ng
ng−êi lµm c«ng t¸c nghiªn cøu khoa häc quan t©m lµ, lµm thÕ nµo ®Ó viÖc xö lý sè liÖu
còng nh− tÝnh to¸n c¸c chØ tiªu thèng kª cÇn thiÕt cho mçi nghiªn cøu sao cho ®¬n gi¶n
vµ tiÖn lîi, mµ kh«ng lµm gi¶m ®é chÝnh x¸c còng nh− ®é tin cËy. §Ó gi¶i quyÕt vÊn ®Ò
nµy, c¸c gi¶ng viªn cña Tr−êng §¹i häc L©m nghiÖp ®· biªn so¹n cuèn “Khai th¸c vµ
sö dông SPSS ®Ó xö lý sè liÖu nghiªn cøu trong l©m nghiÖp”.
Trong cuèn s¸ch, c¸c t¸c gi¶ giíi thiÖu nh÷ng ph−¬ng ph¸p thèng kª th−êng ®−îc
vËn dông trong l©m nghiÖp. Víi mçi ph−¬ng ph¸p, phÇn lý thuyÕt ®Òu ®−îc hÖ thèng
vµ n©ng cao so víi ch−¬ng tr×nh bËc ®¹i häc, ®ång thêi cßn gîi ý h−íng vËn dông vµo
c¸c lÜnh vùc chuyªn m«n s©u kh¸c nhau. PhÇn øng dông ®−îc giíi thiÖu t−¬ng ®èi cô
thÓ, tõ c¸c b−íc nhËp sè liÖu còng nh− c¸c thao t¸c thùc hµnh trªn m¸y cho ®Õn ph©n
tÝch kÕt qu¶ cuèi cïng.
Tõ nh÷ng vÊn ®Ò ®−îc giíi thiÖu, ng−êi ®äc dÔ nhËn thÊy, cuèn s¸ch lµ tµi liÖu
®−îc biªn so¹n c«ng phu vµ nghiªm tóc bëi nhãm t¸c gi¶. §©y lµ tµi liÖu h−íng dÉn
thùc hµnh tèt cho nh÷ng ng−êi lµm c«ng t¸c nghiªn cøu ®· cã kiÕn thøc thèng kª to¸n
häc ë bËc ®¹i häc vµ kiÕn thøc tin häc øng dông chuyªn ngµnh. Còng v× thÕ, cuèn s¸ch
cßn lµ tµi liÖu dïng cho häc viªn cao häc l©m nghiÖp khi nghiªn cøu m«n thèng kª
to¸n häc. Chóng t«i rÊt vui mõng vµ tr©n träng giíi thiÖu cuèn s¸ch víi b¹n ®äc.
Hµ T©y, ngµy 31 th¸ng 5 n¨m 2005
GS. TS. Vò TiÕn Hinh
2
- Lêi nãi ®Çu
SPSS ra ®êi tõ nh÷ng n¨m 60 cña thÕ kû tr−íc vµ kh«ng ngõng ®−îc n©ng cÊp vµ
hoµn thiÖn. Cho ®Õn nay thÕ hÖ míi nhÊt mµ ta biÕt ®−îc lµ 12.5 víi nhiÒu néi dung t©n
tiÕn ®−îc ®−a vµo. Tuy nhiªn, nh÷ng vÊn ®Ò cèt lâi cã øng dông nhiÒu trong L©m
nghiÖp mµ ta ®· quen thuéc th× vÉn kh«ng thay ®æi mÆc dï phiªn b¶n ®ang ®−îc c¸c
nhµ khoa häc tr−êng ta øng dông lµ 10.0 hoÆc 11.5. Néi dung cña SPSS rÊt réng bao
gåm nh÷ng vÊn ®Ò c¬ b¶n vµ n©ng cao, rÊt thÝch hîp cho nhiÒu ®èi t−îng chuyªn m«n
kh¸c nhau. §Ó phôc vô cho c¸c nhµ nghiªn cøu L©m nghiÖp kh«ng chuyªn vÒ thèng kª,
tµi liÖu häc tËp chñ yÕu lµ giíi thiÖu nh÷ng vÊn ®Ò thèng kª th−êng ®−îc vËn dông
trong L©m nghiÖp, trong ®ã cã mét sè vÊn ®Ò ®−îc n©ng cao h¬n so víi thèng kª c¬
b¶n. Ngoµi ra, nhãm t¸c gi¶ còng hÕt søc chó ý khai th¸c nh÷ng vÊn ®Ò cã liªn quan
®Õn ®Æc thï nghiªn cøu trong L©m nghiÖp nh− viÖc chØnh lý sè liÖu theo 2 biÕn, vÊn ®Ò
kiÓm tra luËt ph©n bè, sù t−¬ng thÝch cña m« h×nh håi quy, håi quy phi tuyÕn tÝnh…
Xö lý thèng kª b»ng SPSS 10.0/11.5 for Windows lµ tµi liÖu phôc vô thùc hµnh
tèt cho häc viªn cao häc L©m nghiÖp sau khi ®· häc xong phÇn Tin häc chuyªn ngµnh.
Ngoµi ra, tµi liÖu còng cã thÓ phôc vô tèt cho nh÷ng c¸n bé vµ sinh viªn lµm nghiªn
cøu khoa häc, nÕu ®· qua tr×nh ®é thèng kª c¬ b¶n. Tuy nhiªn, ®Ó gióp cho ng−êi ®äc
tiÖn tra cøu vÒ mÆt thèng kª, ë mét sè môc nhãm t¸c gi¶ cã tr×nh bµy s©u thªm mét sè
vÊn ®Ò lý luËn vµ c«ng thøc vËn dông ngoµi néi dung chÝnh lµ c¸c quy tr×nh øng dông
SPSS ®Ó xö lý sè liÖu. Trong lÇn ®äc ®Çu tiªn, ®éc gi¶ cã thÓ l−ít qua nh÷ng vÊn ®Ò ®ã
mµ còng kh«ng ¶nh h−ëng ®Õn môc tiªu chÝnh cña tµi liÖu. Do häc viªn cao häc ®·
nghiªn cøu kü phÇn tin häc cã liªn quan ®Õn phÇn mÒm SPSS, nªn trong tµi liÖu nµy
nh÷ng vÊn ®Ò ®ã còng kh«ng tr×nh bµy l¹i mét c¸ch ®Çy ®ñ. Tuy nhiªn, tµi liÖu cã thªm
mét ch−¬ng kh¸i qu¸t vÒ SPSS nhÊt lµ c¸ch nhËp sè liÖu vµo m¸y. §éc gi¶ cã thÓ ®äc
thªm nh÷ng tµi liÖu (2), (4), (8).
Biªn so¹n: ch−¬ng 1, 3 vµ 8 do TS. NguyÔn Träng B×nh, c¸c ch−¬ng cßn l¹i do
GS.TS. NguyÔn H¶i TuÊt ®¶m nhiÖm. Xin ch©n thµnh c¶m ¬n mét sè b¹n bÌ vµ ®ång
nghiÖp kÓ c¶ nh÷ng häc viªn cao häc, ®Æc biÖt lµ GS.TS Vò TiÕn Hinh vµ Th¹c sü.
NguyÔn ThÞ Thanh An ®· gãp phÇn söa ch÷a vÒ néi dung vµ h×nh thøc trong qu¸ tr×nh
nhãm t¸c gi¶ biªn so¹n tËp tµi liÖu nµy. MÆc dï ®· cã nhiÒu cè g¾ng biªn so¹n, nh−ng
®©y lµ mét phÇn mÒm rÊt phong phó vµ phøc t¹p, thêi gian nghiªn cøu ch−a nhiÒu nªn
ch¾c kh«ng tr¸nh khái nh÷ng khiÕm khuyÕt; rÊt mong ®−îc b¹n ®äc l−îng thø vµ cho
nhiÒu ý kiÕn quý b¸u ®Ó nhãm t¸c gi¶ tiÕp tôc söa ch÷a vµ hoµn thiÖn.
Nhãm t¸c gi¶
3
- Môc lôc
Môc Néi dung Trang
Lêi nãi ®Çu
1
Ch−¬ng 1: Kh¸i qu¸t vÒ SPSS
1.1 Néi dung c¬ b¶n cña SPSS 1
1.2 Cöa sæ lµm viÖc cña SPSS 1
1.3 C¸c hép tho¹i trong SPSSS (Dialogue Boxes) 3
1.4 Ph©n lo¹i c¸c biÕn trong SPSS 4
1.5 Tæ chøc c¸c biÕn trong SPSS 5
1.6 C¸ch ghi biÕn trong SPSS 10.0/11.5/12.5 6
1.7 Mét sè vÝ dô ®iÓn h×nh c¸ch t¹o biÕn trong SPSS 9
1.8 Mét sè thñ tôc quan träng th−êng dïng cã liªn quan ®Õn c¸c biÕn trong SPSS 10
15
Ch−¬ng 2: Thèng kª m« t¶
2.1 TÝnh to¸n c¸c ®Æc tr−ng mÉu 15
2.2 LËp b¶ng ph©n bè tÇn sè(Frequency) 16
2.3 Kh¸m ph¸ vµ sµng läc c¸c sè liÖu th« 22
27
Ch−¬ng 3 : X©y dùng c¸c b¶ng biÓu vµ s¬ ®å thèng kª
3.1 C¸c b¶ng biÓu thèng kª 27
3.2 BiÓu ®å thèng kª 38
53
Ch−¬ng 4 : So s¸nh c¸c mÉu thÝ nghiÖm vµ quan s¸t
4.1 53
ý nghÜa
4.2 Tr−êng hîp c¸c mÉu ®éc l©p 53
4.3 Tr−êng hîp c¸c mÉu liªn hÖ 63
KiÓm tra tÝnh ®éc lËp theo tiªu chuÈn χ2
4.4 72
76
Ch−¬ng 5 : Ph©n tÝch ph−¬ng sai
5.1 76
ý nghÜa cña ph−¬ng ph¸p
5.2 Ph©n tÝch ph−¬ng sai mét nh©n tè 77
5.3 Ph©n tÝch ph−¬ng sai hai nh©n tè 90
5.4 Ph©n tÝch ph−¬ng sai ba nh©n tè 100
4
- 108
Ch−¬ng 6 : Ph©n tÝch håi quy mét líp vµ nhiÒu líp
6.1 HÖ sè t−¬ng quan 108
6.2 Håi quy tuyÕn tÝnh mét líp 110
6.3 Håi quy tuyÕn tÝnh nhiÒu líp 121
144
Ch−¬ng 7: C¸c d¹ng ®−êng cong vµ hµm phi tuyÕn
7.1 C¸c d¹ng ®−êng cong 144
7.2 Hµm Logistic 147
7.3 C¸c hµm phi tuyÕn tÝnh (Nonlinear) 150
7.4 KÕt hîp ph©n tÝch håi quy víi ph©n tÝch ph−¬ng sai ®Ó chän bËc cña ®a thøc 157
175
Ch−¬ng 8 : KiÓm tra d¹ng ph©n bè lý thuyÕt
8.1 175
ý nghÜa
8.2 KiÓm tra d¹ng ph©n bè b»ng ph−¬ng ph¸p Kolmogorov - Smirnov 175
KiÓm tra d¹ng ph©n bè b»ng tiªu chuÈn χ2
8.3 179
Tµi liÖu tham kh¶o
B¶ng tra t×m c¸c quy tr×nh ®· vËn dông SPSS
5
- Ch−¬ng 1
Kh¸i qu¸t vÒ spss
1.1. Néi dung c¬ b¶n SPSS
SPSS lµ tªn viÕt t¾t cña tªn ®Çy ®ñ Statistical Products for social Services. Nh−
vËy, ®èi t−îng phôc vô cña SPSS lµ cho nhiÒu ngµnh kinh tÕ x· héi vµ khoa häc kh¸c
nhau. Néi dung cña SPSS rÊt phong phó vµ ®a d¹ng bao gåm tõ viÖc thiÕt lËp c¸c b¶ng
biÓu vµ s¬ ®å thèng kª, tÝnh to¸n c¸c ®Æc tr−ng mÉu trong thèng kª m« t¶, ®Õn mét hÖ
thèng ®Çy ®ñ c¸c ph−¬ng ph¸p thèng kª ph©n tÝch nh− so s¸nh c¸c mÉu b»ng nhiÒu tiªu
chuÈn tham sè vµ phi tham sè (Nonparametric Tests), c¸c m« h×nh ph©n tÝch Ph−¬ng
sai theo d¹ng tuyÕn tÝnh tæng qu¸t ( General Linear Models) , c¸c m« h×nh håi quy
®¬n vµ nhiÒu biÕn, c¸c håi qui phi tuyÕn tÝnh (Nonlinear), c¸c håi quy Logistic; Ph©n
tÝch theo nhãm (Cluster Analysis). Ph©n tÝch t¸ch biÖt (Discriminatory Analysis ) vµ
nhiÒu chuyªn s©u kh¸c (Advanced Statistics). Nh÷ng néi dung nãi trªn cã thÓ nãi lµ
®ñ ®Ó gióp cho c¸c nhµ khoa häc thùc hiÖn viÖc xö lý sè liÖu nghiªn cøu nãi chung vµ
trong nghiªn cøu L©m nghiÖp nãi riªng. Danh s¸ch c¸c chñ ®Ò thèng kª mµ SPSS ®Ò
cËp ®Õn cã trong menu Analyze ë cöa sæ chÝnh SPSS Data Editor ®−îc giíi thiÖu ë
môc sau.
1.2. Cöa sæ lµm viÖc cña SPSS
Sau khi ch−¬ng tr×nh SPSS ®−îc më th× cöa sæ ®Çu tiªn cña SPSS lµ SPSS Data
Editor xuÊt hiÖn gäi lµ cöa sæ hiÖu ®Ýnh sè liÖu. Víi cöa sæ nµy gióp ta c¸c thao t¸c më
c¸c chuyªn ®Ò thèng kª ®Ó ph©n tÝch, xem xÐt c¸c sè liÖu, c¾t xo¸ copy thay ®æi trËt tù
vµ h×nh thøc c¸c biÕn .
H×nh 1.1 Cöa sæ SPSS Data Editor
Néi dung chñ yÕu cña c¸c Menus trong SPSS 10.0 /11.5 for Windows
- File : Khëi t¹o file míi ®ãng më, l−u, in Ên tho¸t
6
- - Edit : undo, c¾t d¸n, t×m kiÕm, thay thÕ, x¸c lËp c¸c mÆc ®Þnh..
- View: Cho hiÖn dßng tr¹ng th¸i, thanh c«ng cô, chän ph«ng ch÷, cho hiÖn gi¸
trÞ nhËp vµo hay nh·n, ý nghÜa cña c¸c gi¸ trÞ nhËp vµo.
- Data : §Þnh nghÜa biÕn thªm biÕn ®i ®Õn c¸c quan s¸t xÕp thø h¹ng ghÐp file
chia file , lùa chän c¸c chñ thÓ (Select cases) ..
- Transforrm: TÝnh to¸n m· ho¸ l¹i c¸c biÕn …
- Analyze: LiÖt kª c¸c chuyªn ®Ò thèng kª. §©y lµ menu chñ yÕu cña cöa sæ
nµy.
- Graphs : T¹o c¸c biÓu ®å
- Utilities : T×m hiÓu c¸c th«ng tin vÒ biÕn ,File
- Windows: S¾p xÕp vµ di chuyÓn gi÷a c¸c cöa sæ lµm viÖc.
Cöa sæ thø 2 còng rÊt quan träng lµ SPSS Viewer
Víi cöa sæ nµy ta cã thÓ lùa chän vµ ®äc c¸c kÕt qu¶ (Outputs ) theo d¹ng cÊu tróc
c©y. T¹i ®©y ta còng cã thÓ hiÖu ®Ýnh söa ch÷a c¸c kÕt qu¶ vµ l−u l¹i ®Ó dïng sau
nµy (Xem h×nh 1.2)
H×nh 1.2 Cöa sæ SPSS Viewer
CÇn chó ý r»ng trong lo¹i cöa sæ nµy nÕu ta kÝch ®óp b¶ng kÕt qu¶ nh− b¶ng cña
h×nh 1.2 th× xuÊt hiÖn menu Pivot rÊt tiÖn Ých cho viÖc thay ®æi cét vµ hµng cña b¶ng
mµ ta gäi lµ hiÖu ®Ýnh b¶ng trô. Nh¸y chuét vµo Pivot vµ chän Pivoting trays ta cã
mét c«ng cô nh− h×nh 1.3. Víi c«ng cô nµy ta cã thÓ thay ®æi c¸ch tr×nh bµy mét b¶ng
kÕt qu¶ tÝnh to¸n theo ý muèn b»ng c¸ch chØ cÇn dïng ph−¬ng ph¸p kÐo th¶ c¸c biÓu
7
- t−îng tõ cét sang hµng hoÆc ng−îc l¹i. Nh− h×nh 1.3 ta cã thÓ chuyÓn c¸c chØ tiªu
thèng kª (Statistics ) ®ang biÓu thÞ theo hµng sang c¸ch biÓu thÞ theo cét
Statistic
s H×nh1.3
Cöa sè thø 3 còng rÊt quan träng lµ cöa sæ Chart Editor dïng ®Ó hiÖu ®Ýnh vµ söa
ch÷a c¸c biÓu ®å thèng kª (Xem h×nh 1.4)
H×nh1.4 Cöa sæ SPSS Chart Editor
TÊt nhiªn muèn më ®−îc cöa sæ nµy ta cÇn kÝch ho¹t biÓu ®å vµ tõ menu Edit ta
chän SPSS Chart Object \Open. Ngoµi ra cßn cã mét sè cöa sæ kh¸c nh− cöa sæ hiÖu
®Ýnh có ph¸p (Syntax Editor) hiÖu ®Ýnh v¨n b¶n ®Çu ra (Text output Editor )…
1.3. C¸c hép tho¹i trong SPSS (Dialogue Boxs)
Lµm viÖc trong m«i tr−êng Window c¸c hép tho¹i cã c¸c ®Æc tÝnh chung nh−
c¸c nót bÊm (Pushpottons) c¸c hép danh s¸ch, hép lùa chän (Option Boxs) vµ c¸c
hép kiÓm tra (check Boxes).
8
- Hép lùa chän
Nót bÊm lùa chän Hép kiÓm tra Hép ®Ó khai b¸o biÕn
H×nh 1.5 Mét d¹ng hép tho¹i trong SPSS
Th−êng c¸c hép tho¹i ®Çu tiªn dïng ®Ó khai b¸o biÕn vµ lùa chän c¸c
h−íng ph©n tÝch c¬ b¶n. TiÕp theo lµ c¸c hép tho¹i ®−îc h×nh thµnh tõ c¸c nót
bÊm theo yªu cÇu cña chuyªn gia ph©n tÝch. Nh− hép tho¹i trªn h×nh 1.5 nÕu
kh«ng khai b¸o g× thªm th× ta cã ngay mét biÓu ®å tÇn sè d¹ng cét chØ sè ng−êi
t−¬ng øng víi tr×nh ®é häc vÊn. NÕu muèn thay ®æi mét mÆc ®Þnh nµo ®ã th× ta
chän Options vµ nÕu muèn ghi tªn biÓu ®å th× chän Tiles. CÇn chó ý lµ sau khi
khai b¸o xong c¸c hép tho¹i tõ c¸c nót bÊm ph¶i click vµo Continue ®Ó trë vÒ hép
tho¹i ban ®Çu vµ sau ®ã kÕt thóc b»ng OK.
1.4. Ph©n lo¹i c¸c biÕn trong SPSS
Trong SPSS c¸c biÕn quan s¸t th−êng ®−îc chia lµm 2 lo¹i : biÕn ®Þnh tÝnh vµ
biÕn ®Þnh l−îng hay cßn gäi lµ ®¹i l−îng. Trong L©m nghiÖp, biÕn ®Þnh tÝnh nh− chÊt
l−îng c©y trång ®−îc ph©n ra thµnh c©y tèt, c©y xÊu hoÆc c©y sèng, c©y chÕt …, dÊu
hiÖu ®Þnh l−îng nh− c¸c sè ®o vÒ ®−êng kÝnh vÒ chiÒu cao cña c©y, sè c©y chøa trong
c¸c « quan s¸t, vµ c¸c ®¹i l−îng kh¸c cã thÓ c©n ®ong ®o ®Õm ®−îc. Tuy nhiªn, trong
thêi ®¹i kü thuËt sè ng−êi ta cã thÓ chuyÓn ®æi c¸c biÕn ®Þnh tÝnh vÒ biÕn ®Þnh l−îng
b»ng c¸ch m· ho¸ nh− cho ®iÓm häc tËp cña häc sinh lµ mét vÝ dô. §èi víi c¸c biÕn
®Þnh l−îng trong SPSS ng−êi ta chia thµnh c¸c thang ®o kho¶ng (interval scale) vµ
c¸c thang ®o tû lÖ (ratio scale). Cßn ®èi víi biÕn ®Þnh tÝnh ®−îc sè ho¸ ng−êi ta chia
lµm thang ®o ®Þnh danh (nominal scale) kh«ng mang tÝnh chÊt thø bËc vµ thang ®o
9
- mang tÝnh chÊt thø bËc (ordinal scale). Trong l©m nghiÖp, c¸c thang ®o ®Þnh danh
kh«ng thø bËc nh− giíi tÝnh trong ®iÒu tra L©m nghiÖp x· héi (nam=1, n÷ = 0).
Trong vÝ dô nµy, c¸c con sè 0 vµ 1 chØ mang ý nghÜa ®Þnh danh kh«ng mang ý nghÜa
thø bËc. ViÖc tÝnh to¸n c¸c ®Æc tr−ng mÉu nh− trung b×nh vµ ph−¬ng sai lµ kh«ng cã
ý nghÜa. Tr¸i l¹i, ®Þa h×nh ch©n s−ên ®Ønh (Ch©n=1, s−ên =2, ®Ønh =3) lµ mét thang
®o thø bËc. V× r»ng hµm l−îng c¸c chÊt dinh d−ìng ë 3 ®Þa h×nh trªn lµ kh¸c nhau.
DÊu hiÖu quan s¸t
BiÕn ®Þnh l−îng BiÕn ®Þnh tÝnh
Thang ®o kho¶ng Thang ®o tû lÖ Thang ®o thø bËc T§ kh«ng thø bËc
H×nh 1.6 S¬ ®å c¸c thang ®o cña sè liÖu quan s¸t
1.5. Tæ chøc c¸c biÕn trong SPSS
Trong ch−¬ng tr×nh SPSS, c¸c biÕn (variables) cã mét vÞ trÝ quan träng nh−ng
vai trß cña chóng rÊt kh¸c nhau. Cã nh÷ng biÕn lµ nh÷ng ®¹i l−îng quan s¸t nh− chiÒu
cao, ®−êng kÝnh, ®−êng kÝnh t¸n cña c©y ch¼ng h¹n lµ nh÷ng biÕn dïng ®Ó ph©n tÝch
®¸nh gi¸, so s¸nh vµ −íc l−îng .... Nh−ng còng cã nh÷ng biÕn ®ãng vai trß lµ nh÷ng
nh©n tè ¶nh h−ëng ®Õn sinh tr−ëng cña c©y nh− ®Þa h×nh, mËt ®é, lo¹i ph©n bãn hoÆc
cã nh÷ng biÕn lµm nhiÖm vô ph©n nhãm (grouping variables) ®Ó cã thÓ ph©n chia c¸c
biÕn ®Þnh l−îng thµnh c¸c nhãm kh¸c nhau nh− so s¸nh sinh tr−ëng chiÒu cao cña c©y
gi÷a c¸c ®Þa h×nh, gi÷a c¸c d¹ng lËp ®Þa ... ViÖc tæ chøc c¸c biÕn mét c¸ch thÝch hîp
cho mét bµi to¸n ph©n tÝch thèng kª trªn SPSS lµ mét thµnh c«ng b−íc ®Çu rÊt quan
träng, gãp phÇn thùc hiÖn th¾ng lîi c¸c b−íc tiÕp theo. Sau ®©y lµ nh÷ng lo¹i biÕn cã
thÓ th−êng gÆp trong nghiªn cøu l©m nghiÖp theo tõng chñ ®Ò ph©n tÝch thèng kª.
1.5.1. So s¸nh c¸c mÉu quan s¸t vµ thÝ nghiÖm
Trong ph−¬ng ph¸p thèng kª nµy th× ®−êng kÝnh, chiÒu cao, ®−êng kÝnh t¸n, thÓ
tÝch c©y (trªn 1 «) lµ nh÷ng biÕn quan s¸t. C¸c biÕn ph©n nhãm cã thÓ lµ ®Þa h×nh
(ch©n, s−ên, ®Ønh...), loµi c©y, xuÊt sø, mËt ®é trång. Khi ®−a vµo mµn h×nh SPSS, c¸c
biÕn quan s¸t ®−îc cho thµnh tõng cét, mçi biÕn mét cét riªng lÎ, vµ biÕn ph©n nhãm
(Grouping Variables ) cho vµo mét cét theo c¸c m· 1, 2, 3.... Víi SPSS, ta cã thÓ so
s¸nh chiÒu cao trung b×nh (hoÆc c¸c ®¹i l−îng quan s¸t kh¸c) cña ®Þa h×nh 1 víi ®Þa
h×nh 2.... (hoÆc d¹ng lËp ®Þa 1 vµ 2)... c¶ cho tr−êng hîp ph−¬ng ph¸p tham sè vµ phi
tham sè.
1.5.2 Ph©n tÝch ph−¬ng sai
Khi ph©n tÝch ph−¬ng sai 1 nh©n tè, viÖc tæ chøc c¸c biÕn còng gièng nh− khi so
s¸nh c¸c mÉu ®éc lËp. C¸c nh©n tè cÇn nghiªn cøu cã thÓ lµ ®Þa h×nh, mËt ®é trång,
hoÆc lµ ph−¬ng ph¸p t¹o gièng.... Trong ph©n tÝch ph−¬ng sai 2, 3 nh©n tè th× c¸c ®¹i
l−îng quan s¸t nh− chiÒu cao, ®−êng kÝnh... lµ nh÷ng biÕn cÇn ®−îc ph©n tÝch; c¸c biÕn
nh− mËt ®é, ®Þa h×nh, ph©n bãn lµ nh÷ng biÕn nh©n tè ®Ó hai hoÆc 3 cét kh¸c nhau.
10
- 1.5.3. KiÓm tra tÝnh ®éc lËp
§©y lµ mét tr−êng hîp ®Æc biÖt th−êng g©y khã kh¨n cho ng−êi lµm ph©n tÝch
thèng kª. Kh¸c víi ph©n tÝch ph−¬ng sai, ®−êng kÝnh, chiÒu cao c©y lµ nh÷ng ®¹i l−îng
quan s¸t cÇn ph©n tÝch th× trong kiÓm tra tÝnh ®éc lËp tÇn sè lµ yÕu tè cÇn ph©n tÝch; cßn
c¸c nh©n tè lµm ¶nh h−ëng ®Õn sù ph©n bè tÇn sè nãi trªn ®ãng vai trß lµ c¸c biÕn ®Þnh
tÝnh. C¸c nh©n tè lµm ¶nh h−ëng ®Õn sù ph©n bè tÇn sè nãi trªn nh− c¸c loµi c©y chÞu
¶nh h−ëng cña yÕu tè sinh th¸i lµm thay ®æi sù xuÊt hiÖn sè c©y cña tõng loµi trong c¸c
« quan s¸t. ë ®©y c¸c nh©n tè (biÕn ®Þnh tÝnh ) ®ãng vai trß lµ nh÷ng biÕn ®−îc m· ho¸
thµnh c¸c sè 1, 2, 3... sau ®ã dïng lÖnh Crosstabs ®Ó cã b¶ng tÇn sè theo hai chiÒu øng
víi c¸c biÕn ®Þnh tÝnh.
1.5.4. VÒ t−¬ng quan vµ håi quy
So víi c¸c ph−¬ng ph¸p trªn, th× trong t−¬ng quan vµ håi quy viÖc tæ chøc c¸c
biÕn lµ kh¸ ®¬n gi¶n. Th«ng th−êng cã bao nhiªu ®¹i l−îng quan s¸t cÇn x¸c lËp t−¬ng
quan th× cÇn bÊy nhiªu biÕn. Tuy nhiªn, nÕu cÇn lËp t−¬ng quan riªng cho tõng chñ thÓ
nµo ®ã th× ta nªn lËp thªm mét cét biÕn phô. Ch¼ng h¹n, khi lËp t−¬ng quan gi÷a H vµ
D1.3 cho nhiÒu loµi c©y th× cÇn cã mét biÕn phô lµ loµi c©y theo m· ho¸ 1, 2, 3.... Khi
®−a biÕn nµy vµo th× kÕt qu¶ sÏ cho t−¬ng quan gi÷a H vµ D1.3 theo tõng loµi c©y (dïng
môc lÖnh Select cases).
1.6. C¸ch ghi biÕn trong SPSS 10.0/11.5/12.5
1.6.1. Tr−êng hîp ghi sè liÖu vµo 1 file cã s½n
Sau khi SPSS ®−îc më ta nhËn ®−îc hép tho¹i sau
H×nh 1.7 Hép tho¹i SPSS for windows
Tõ hép tho¹i nµy, ta chän mét trong nh÷ng file cã s½n trong tuú chän open an
existing data source (hoÆc chän tõ Open trong menu file ë c÷a sæ SPSS data Editor)..
NhÊp chuét vµo File nµy ta cã mµn h×nh víi tr¹ng th¸i data view víi c¸c sè liÖu ®· ®−a
11
- vµo tr−íc ®ã. NÕu muèn ghi tiÕp sè liÖu míi ta nhÊp vµo variable view vµ b¾t ®Çu ghi
sè liÖu vµo mµn h×nh nµy (chi tiÕt ®−îc tr×nh bµy ë môc 1.6.2)
1.6.2 Tr−êng hîp t¹o file míi
Sau khi më ch−¬ng tr×nh SPSS cöa sæ SPSS data editor xuÊt hiÖn, cã 2 tr¹ng th¸i
data view vµ variable view. Ta chän variable view ®Ó ghi sè liÖu vµo mµn h×nh nµy víi
mçi biÕn lµ mét dßng, cßn cét thÓ hiÖn néi dung vµ tr¹ng th¸i cña biÕn nh− sau (Xem
h×nh 1.8 )
H×nh 1.8 Cöa sæ SPSS data editor víi mµn h×nh variable view
H×nh 1.9 Hép tho¹i Value Label
• Name (tªn biÕn): Gâ tªn v¾n t¾t cña biÕn cã ®é dµi kh«ng qu¸ 8 ký tù vµ kh«ng
cã c¸c dÊu ®Æc biÖt (VÝ dô §−êng kÝnh = Dkinh).
12
- • Type (kiÓu biÕn): MÆc ®Þnh cña m¸y lµ ®Þnh l−îng. NÕu sè liÖu d−íi d¹ng chuçi
th× chän string. Còng ë trong hép tho¹i nµy ta cã thÓ tuú ý chän ®é dµi cña sè (
width ) vµ sè con sè sau dÊu phÈy (Decimal places)
• Label (nh·n): Ghi tªn ®Çy ®ñ cña biÕn. VÝ dô ChiÒu cao trung b×nh
• Values (gi¸ trÞ): Ghi gi¸ trÞ ®−îc m· ho¸ dïng cho c¸c biÕn ®Þnh tÝnh. Trong « ë
d−íi ch÷ values vÒ phÝa ph¶i click vµo « vu«ng nhá mµu ®en nh¹t (Xem h×nh
1.8) ta cã hép tho¹i value label ®Ó ghi c¸c gi¸ trÞ m· ho¸. VÝ dô m· ho¸ vÒ giíi
tÝnh ta cã 2 gi¸ trÞ: 1 cho nam vµ 0 cho n÷. §Çu tiªn ghi 1 vµo « value vµ ghi
Nam vµo « value label , sau ®ã click vµo add ®Ó cã kÕt qu¶ 1= ” nam”. Ta còng
lÆp l¹i qu¸ tr×nh trªn cho n÷ giíi. §Ó hoµn thµnh thñ tôc nµy ta bÊm OK . (xem
h×nh 1.9).
•
H×nh 1.10 SPSS Data editor víi mµn h×nh Data view
Sau ghi xong c¸c biÕn click vµo Data view ®Ó chuyÓn sang mµn h×nh Data
view. T¹i ®©y ta thùc hiÖn viÖc ghi sè liÖu vµo c¸c cét ®Ó trèng víi c¸c tªn ®· ghi ë mµn
h×nh variable view võa thùc hiÖn ë trªn (Xem h×nh 1.10) .Sau khi ghi xong nhí lµm c¸c
thñ tôc ghi file vµo mét file cã s½n hoÆc mét file míi .
1.7 Mét sè vÝ dô ®iÓn h×nh vÒ c¸ch t¹o biÕn trong SPSS
1.7.1 Tr−êng hîp kiÓm tra tÝnh ®éc lËp
13
- §©y lµ ph−¬ng ph¸p thèng kª chóng ta th−êng vËn dông trong L©m nghiÖp. Sè
liÖu cã thÓ cho theo 2 d¹ng: ®· qua chØnh lý theo kiÓu b¶ng chÐo vµ ch−a qua chØnh lý-
lµ sè liÖu gèc ®−îc ghi chÐp tõ thùc ®Þa nh− b¶ng sè liÖu vÒ ®iÒu tra mét sè loµi c©y
trªn mét sè « tiªu chuÈn ë rõng tù nhiªn nh− sau:
Thø tù c©y ¤ tiªu Loµi c©y Thø tù c©y ¤ tiªu Loµi c©y
chuÈn chuÈn
1 1 giÎ 48 4 t¸u
2 1 t¸u 49 4 lim
3 1 sÕn 50 4 giÎ
...... ...... ... ……. ……. ……
Môc ®Ých cña ta lµ nghiªn cøu xem sù xuÊt hiÖn cña c¸c loµi trªn c¸c « tiªu
chuÈn lµ ngÉu nhiªn hay cã liªn quan ®Õn vÞ trÝ cña « tiªu chuÈn. Trong tr−êng hîp cã
b¶ng sè liÖu gèc nh− trªn ta cã thÓ ®−a vµo mµn h×nh mét cét nh− cét 2 víi c¸c m· 1, 2,
3, 4 cho thø tù « tiªu chuÈn thµnh mét biÕn, mét biÕn n÷a cho loµi c©y víi c¸c m· nh−
1=giÎ, 2= lim, 3= t¸u, 4= sÕn vµ lÇn l−îc ghi cho ®Õn c©y cuèi cïng trong b¶ng sè liÖu
gèc. Tr−êng hîp sè liÖu ®−îc cho nh− b¶ng chÐo ta còng lËp thµnh 2 biÕn: BiÕn thø
nhÊt cho « tiªu chuÈn vµ biÕn 2 cho loµi c©y vµ lÇn l−ît ghi nh− trªn. Riªng sè c©y
trong c¸c « cña b¶ng chÐo th× cho thµnh mét biÕn theo quy tr×nh QT1.4 cho tr−êng hîp
träng sè cho ë môc 1.8.3 .
1.7.2 Tr−êng hîp ph©n tÝch ph−¬ng sai 2 nh©n tè
Tr−êng hîp sè liÖu ®−îc cho d−íi d¹ng b¶ng 5.5 (ch−¬ng 5) ta ghi thµnh 3
biÕn: biÕn loµi ®−îc m· ho¸ thµnh 1, 2, 3, 4 ..; biÕn khèi víi m· 1, 2, 3, 4. BiÕn cßn l¹i
lµ chiÒu cao. C¸c biÕn ®−îc ghi nh− b¶ng sau:
Kh L H
èi oµi
1 1 18
1 2 14
1 3 12
1 4 16
2 1 15
2 2 15
2 3 16
2 4 13
. . .
. . .
14
- . . .
Tr−êng hîp nÕu sè liÖu ghi chÐp tõ v−ên −¬m cã c¸c cét nh− trªn th× ta cø ®Ó
nguyªn c¸c cét vµ ®−a vµo m¸y víi mçi cét lµ mét biÕn nh−ng kh«ng quªn r»ng c¸c
cét Loµi vµ khèi chØ ghi theo c¸c sè ®· m· ho¸ vµ chiÒu cao còng nh− ®−êng k×nh
th−êng tÝnh theo gi¸ trÞ trung b×nh trªn mét « thÝ nghiÖm.
1.7.3 Tr−êng hîp ph©n tÝch ph−¬ng sai 3 nh©n tè
Tr−êng hîp 3 nh©n tè kiÓu « vu«ng La tinh nh− b¶ng 5.9 ch−¬ng 5 ta cã 4 biÕn:
BiÕn thø nhÊt lµ Hµng (khèi), biÕn thø 2 lµ Cét (thø tù cét) biÕn thø 3 lµ CT ( Thø tù
c«ng thøc) vµ biÕn cuèi cïng lµ ®¹i l−îng quan s¸t (ChiÒu cao). Theo vÝ dô b¶ng 5.9 ta
lÇn l−ît ghi nh− sau: Hµng ghi 1, Cét ghi 1, CT ghi 3 (v× c=3) chiÒu cao ghi 13. Hµng
ghi 2 Cét ghi 1, CT ghi 1 (v× a =1), chiÒu cao ghi 18. Cø thÕ tiÕp tôc cho ®Õn Hµng
ghi 5, Cét ghi 5, CT ghi 3 vµ chiÒu cao ghi 14.
Hµng Cét CT ChiÒu cao
1 1 3 13
2 1 1 18
. . . .
. . . .
5 5 3 14
Ngoµi nh÷ng tr−êng hîp nh− trªn, trong thùc tÕ cßn nhiÒu m« h×nh thÝ nghiÖm
phøc t¹p h¬n ®ßi hái ta ph¶i linh ho¹t vËn dông trªn c¬ së n¾m v÷ng nh÷ng nguyªn t¾c
chung nhÊt.
1.8 Mét sè thñ tôc quan träng th−êng dïng cã liªn quan ®Õn c¸c biÕn trong
SPSS
1.8.1 Lùa chän c¸c chñ thÓ (Select cases)
Trong nhiÒu tr−êng hîp ng−êi ta thùc hiÖn ph©n tÝch thèng kª chØ trªn mét sè
chñ thÓ nµo ®ã. Ch¼ng h¹n, víi sè liÖu cho ë b¶ng 1.1 ta muèn chØ tÝnh to¸n c¸c ®Æc
tr−ng mÉu víi nh÷ng c©y chÊt l−îng trung b×nh hoÆc chØ tÝnh cho nh÷ng c©y cã chÊt
l−îng tèt. Chän Select cases trong menu Data ta cã thÓ lo¹i bá nh÷ng chñ thÓ kh«ng
tham gia tÝnh to¸n mµ chØ ®Ó l¹i nh÷ng chñ thÓ tham gia tÝnh to¸n theo ý ®å cña ta. VÝ
dô ë b¶ng 1.1, ta chØ muèn nghiªn cøu nh÷ng c©y cã chÊt l−îng lo¹i 1vµ 2 ®−îc thùc
hiÖn theo quy tr×nh sau:
15
- B¶ng (1.1)- §−êng kÝnh vµ chiÒu cao cña 62 c©y rõng tù nhiªn IIIa2 t¹i L©m tr−êng
B×nh thanh (Hoµ B×nh) (nguån NguyÔn ThÞ Thanh An)
Thø D1.3 Hvn ChÊt l−îng Thø D1.3 Hvn ChÊt l−îng
tù (cm) (m) c©y tù (cm) (m) c©y
1 50 22 1 32 50 19 1
2 11 6.5 3 33 25 9 2
3 39 14 2 34 35 12 2
4 45.5 18 1 35 17 9 2
5 22 9 2 36 27.5 18 1
6 34 15 3 37 25.5 12 1
7 23 14 2 38 21 9 2
8 29 16 2 39 24 10 2
9 28 17 1 40 32 12 2
10 18 17 1 41 11 5 3
11 38 20 1 42 17.5 6 3
12 41 19 1 43 8 6 3
13 15 9 3 44 26.5 11 2
14 18.5 10 1 45 21.5 9 2
15 19 8 3 46 28 12 1
16 22 11 2 47 24.5 7 2
17 21.5 11 2 48 6 5 3
18 39 21 1 49 13 17 1
19 33 16 1 50 22 11 2
20 41 15 1 51 8 4 3
21 22 10 1 52 28 9 2
22 26 7 3 53 14 5 3
23 36.5 14 1 54 25.5 13 1
24 27 8 2 55 19 10 1
25 10 4 3 56 17 11 2
26 10 7 3 57 14 6 2
27 7 6 2 58 17 8 2
28 32 12 2 59 34.55 14 2
29 20 13 2 60 26 8 3
30 8 5 1 61 15.5 9 3
31 17 8 3 62 12.5 6 2
QT1.1
1. Data Select cases
2. If condition satisfied
Chän if vµ ®−a biÕn chÊt l−îng (m· clu) vµo vµ dïng c¸c to¸n tö ë
b¶ng d−íi ®Ó x¸c ®Þnh nh÷ng chñ thÓ cÇn lùa chän. Ch¼ng h¹n ta cÇn nghiªn
cøu c¸c ®Æc tr−ng thèng kª cña nh÷ng c©y cã chÊt l−îng trung b×nh vµ tèt ta
ghi clu ≤ 2 ho¨c clu=1⏐clu=2 (tøc c¸c c©y cã cã m· chÊt l−îng 1vµ 2)
3 . OK
16
- H×nh 1.11 Hép tho¹i Select cases
KÕt qu¶ trong b¶ng sè liÖu gèc ë cöa sæ Data editor nh÷ng phÇn tö kh«ng ®−îc
chän bÞ g¹ch chÐo vµ ghi 0, nh÷ng phÇn tö ®−îc chän ®Ó nguyªn kh«ng g¹ch vµ ghi 1
trong cét Filter$. Víi kÕt qu¶ nµy, ta cã thÓ thùc hiÖn c¸c ph©n tÝch thèng kª tiÕp theo
nh− trong tr−êng hîp cã ®Çy ®ñ c¸c phÇn tö ®· quan s¸t. Trong tr−êng hîp chän chñ
thÓ ë c¸c cét kh¸c nhau th× thay dÊu⏐ b»ng dÊu &. NÕu muèn trë l¹i ph©n tÝch thèng
kª cho tÊt c¶ c¸c chñ thÓ ta thùc hiÖn quy tr×nh sau:
Data\. All cases\ OK
Sau ®©y lµ mét phÇn kÕt qu¶ sè liÖu sau khi läc bá nh÷ng c©y xÊu (clu ≤ 2)
B¶ng 1.2 B¶ng sè liÖu sau khi thùc hiÖn lÖnh Select cases (trÝch)
D1.3 Hvn clu Filte r-$
1 50 22 1 1
2 38 6.5 3 0
3 41 14 2 1
4 15 18 1 1
5 18.5 9 2 1
6 19 15 3 0
7 22 14 2 1
8 21.5 16 2 1
9 39 17 1 1
10 33 17 1 1
Trong b¶ng trªn, c¸c cét 2,3,4 lµ ®−êng kÝnh, chiÒu cao vµ chÊt l−îng c©y, ®−îc
m· ho¸ nh− b¶ng sè liÖu gèc trong cöa sæ SPSS data editor, cét 5 m¸y tù ®éng ghi m·
nh÷ng c©y bÞ läc vµ kh«ng bÞ läc (1 lµ nh÷ng c©y kh«ng bÞ läc vµ 0 lµ nh÷ng c©y bÞ
läc). §ång thêi, ë cét thø tù nh÷ng c©y bÞ lo¹i ®−îc ®¸nh dÊu b»ng c¸c g¹ch chÐo vÒ
phÝa tr¸i c¸c sè thø tù.
17
- Trong nghiªn cøu L©m sinh häc, lÖnh nµy cã thÓ dïng ®Ó ph©n tÝch thèng kª chØ
riªng víi sinh tr−ëng cña nh÷ng c©y rõng ë nh÷ng ®Þa h×nh hoÆc d¹ng lËp ®Þa nµo ®ã
®−îc lùa chän trong sè nh÷ng ®Þa h×nh vµ d¹ng lËp ®Þa ta cã. Trong L©m nghiÖp x· héi,
nh÷ng chñ thÓ ®−îc lùa chän cã thÓ lµ nh÷ng d©n téc Ýt ng−êi hoÆc nh÷ng lµng b¶n nµo
®ã mµ ta ®· ®iÒu tra pháng vÊn theo ph−¬ng ph¸p ®iÒu tra x· héi häc.
Ngoµi viÖc lùa chän theo chñ quan nh− ®· nãi ë trªn, ng−êi ta còng cã thÓ lùa
chän c¸c chñ thÓ theo c¸ch ngÉu nhiªn. Ch¼ng h¹n, trong nghiªn cøu l©m sinh chóng ta
quan s¸t nhiÒu c©y rõng trong mét sè « tiªu chuÈn nh−ng chØ muèn chän h¹n chÕ
kho¶ng 50 c©y ®Ó tÝnh to¸n vµ ph©n tÝch. Trong tr−êng hîp nµy ta dïng ph−¬ng ph¸p
chän ngÉu nhiªn trong lÖnh Select Cases theo quy tr×nh sau:
QT1.2
1. Data\. Select cases\. Random sample of cases vµ click vµo Sample
2. Trong hép tho¹i Random Sample cã hai c¸ch lùa chän:
- Chän t−¬ng ®èi (approximately) víi tû lÖ % so víi sè phÇn tö ®· quan s¸t.
- Chän chÝnh x¸c (exactly) víi sè l−îng cô thÓ trong sè nh÷ng phÇn tö ®Çu
tiªn ®· quan s¸t, nh− vÝ dô cña ta ghi lµ 50 vµ sè ®Çu tiªn lµ toµn bé sè c©y ®· quan
s¸t nh− 200 c©y ch¼ng h¹n.
3. OK
KÕt qu¶ nh÷ng c©y kh«ng lùa chän ®−îc g¹ch chÐo ë cét ®Çu tiªn trong b¶ng sè
liÖu gèc vµ cho vµo cét Filter-$ nh− tr−êng hîp chän chñ quan ®· nãi ë trªn.
1.8.2 §æi biÕn sè
Trong nhiÒu tr−êng hîp, ta cÇn chuyÓn ®æi mét biÕn sè cã d¹ng lÖch tr¸i hoÆc
lÖch ph¶i vÒ d¹ng gÇn chuÈn nh»m tho¶ m·n cho mét yªu cÇu nµo ®ã nhÊt lµ khi vËn
dông c¸c ph−¬ng ph¸p tham sè nh− so s¸nh 2 mÉu theo tiªu chuÈn t hay bµi to¸n ph©n
tÝch ph−¬ng sai ch¼ng h¹n. Trong tr−êng hîp nh− vËy nÕu ®¹i l−îng quan s¸t X cã
ph©n bè lÖch tr¸i th× ta dïng ph−¬ng ph¸p biÕn ®æi Y = logX hoÆc Y = X . NÕu X
lÖch ph¶i th× chuyÓn thµnh Y= X2 (cã thÓ mò 2, 3…tuú møc ®é lÖch ph¶i cña X). Sau
nh÷ng biÕn ®æi trªn ®¹i l−îng Y cã ph©n bè chuÈn hoÆc gÇn chuÈn. Ngoµi ra, ng−êi ta
cßn cã thÓ biÕn ®æi mét ®¹i l−îng cã ph©n bè chuÈn vÒ d¹ng ph©n bè chuÈn tiªu chuÈn
vµ cßn nhiÒu c¸ch biÕn ®æi kh¸c n÷a.
Quy tr×nh chung ®Ó thùc hiÖn viÖc biÕn ®æi nh− sau
QT1.3
1 Transform \ Compute
2 Trong conpute variable ®¸nh biÕn môc tiªu vµo Target variable (nh− vÝ
dô cña ta Y), tiÕp theo b«i ®en hµm Lg10 n»m trong danh s¸ch c¸c hµm Functions vµ
dïng chuét chuyÓn nã vµo hép tho¹i numeric expression. Mét dÊu hái xuÊt hiÖn
n»m gi÷a 2 ngoÆc ®¬n ®ang chê ®îi biÕn cÇn biÕn ®æi cña ta. Nh− vÝ dô lµ D1.3, b»ng
c¸ch b«i ®en biÕn nµy vµ dïng chuét ®−a vµo ®Ó thùc hiÖn viÖc tÝnh Lg10D1.3. Trong
cöa sæ SPSS Data Editor ta cã thªm mét cét Y= Lg10D1.3.
18
- H×nh 1.12 . Hép tho¹i Compute Variable
1.8.3 Sö dông träng sè
Trong nhiÒu nghiªn cøu cña ta sè liÖu th−êng cho d−íi d¹ng mét b¶ng tÇn sè
nhÊt lµ trong ®iÒu tra rõng. §Ó thuËn tiÖn cho viÖc ph©n tÝch thèng kª, trong tr−êng hîp
nh− vËy ta cã thÓ chuyÓn cét tÇn sè thµnh mét biÕn víi ký hiÖu nµo ®ã nh− fi ch¼ng h¹n
theo quy tr×nh sau :
QT1.4
1. Data\ Weight cases
2. Chän Weight cases by vµ ®−a biÕn fi vµo hép tho¹i frequency variable
3. OK
Nh− vËy c¸c b−íc tÝnh to¸n cña ta tiÕp theo ®Òu liªn quan ®Õn träng sè. Trong
tr−êng hîp nµy dung l−îng mÉu lµ tæng c¸c träng sè cña cét ®· cho (n = Σfi)
H×nh 1.13 Hép tho¹i Weight cases
1.8.4. M∙ ho¸ l¹i c¸c biÕn
M· ho¸ l¹i biÕn lµ viÖc lµm cÇn thiÕt ®Ó chia mét biÕn ra thµnh nhiÒu nhãm cã
trÞ sè kh¸c nhau vµ xÕp chóng thµnh tõng lo¹i. Trong L©m nghiÖp ph−¬ng ph¸p nµy
gióp ta thùc hiÖn viÖc chia tæ ghÐp nhãm c¸c quan s¸t nh− D1.3 hoÆc Hvn ®Ó lËp thµnh
c¸c b¶ng ph©n bè tÇn sè (Xem mét vÝ dô cô thÓ ë ch−¬ng 2 môc 2.2, QT 2.3).
19
nguon tai.lieu . vn