AMOS LÊ MINH — TRỢ LÝ PHÂN TÍCH DỮ LIỆU NGHIÊN CỨU

Sau thời gian phát triển, chúng tôi ra mắt công cụ hỗ trợ phân tích dữ liệu định lượng dành cho sinh viên, học viên cao học, nghiên cứu sinh và giảng viên — gồm 2 mô-đun: Hồi quy tuyến tính và PLS-SEM. Công cụ tự động hóa các bước tính toán lặp lại (kiểm định độ tin cậy, phân tích nhân tố, chạy mô hình, trình bày bảng biểu), giúp bạn dành nhiều thời gian hơn cho việc hiểu và diễn giải kết quả nghiên cứu của chính mình.

1. HỒI QUY TUYẾN TÍNH

Phù hợp với các mô hình nghiên cứu có 1 biến phụ thuộc và quan hệ nhân quả theo hướng đơn giản, kể cả có biến trung gian (mediation).

    • Tự động nhận diện biến/thang đo từ tên cột — kể cả khi cột được đặt tên là cả câu hỏi đầy đủ kiểu Google Form

    • Thống kê mô tả mẫu, kiểm định độ tin cậy Cronbach's Alpha (kèm tương quan biến-tổng)

    • Phân tích nhân tố khám phá (EFA) — hỗ trợ cả Varimax lẫn Promax, KMO/Bartlett đầy đủ

    • Ma trận tương quan Pearson, hồi quy bội (kiểm tra đa cộng tuyến VIF, tự tương quan Durbin–Watson)

    • Kiểm định vai trò biến trung gian (Baron & Kenny + Sobel test)

    • Tự phát hiện và đề xuất xử lý dữ liệu bất thường (item kém chất lượng, biến diễn đạt ngược, phản hồi straight-lining)

Xuất báo cáo Word theo định dạng bảng biểu học thuật

2. PLS-SEM

Phù hợp với mô hình nghiên cứu có nhiều construct liên kết thành chuỗi, có biến điều tiết (moderator), hoặc khi cỡ mẫu chưa đủ lớn cho CB-SEM truyền thống.

    • Xây dựng mô hình đo lường (Reflective/Formative) và mô hình cấu trúc trực quan bằng sơ đồ đường dẫn

    • Kiểm định Bootstrap cho toàn bộ hệ số đường dẫn, bao gồm cả số hạng tương tác (điều tiết)

    • Đánh giá độ tin cậy và giá trị hội tụ (Cronbach's Alpha, Composite Reliability, AVE)

    • Kiểm định giá trị phân biệt bằng HTMT

    • Tự động phát hiện và kiểm định hiệu ứng gián tiếp qua construct trung gian trong mô hình cấu trúc

    • Xuất báo cáo Word đầy đủ các bảng theo chuẩn PLS-SEM

ĐIỂM CHUNG CỦA CẢ HAI CÔNG CỤ

    • Nhận dữ liệu từ file Excel hoặc dán link Google Sheet

    • Tùy chọn xử lý dữ liệu thiếu (loại dòng / thay trung bình / thay trung vị) và outlier (Z-score / Mahalanobis / Winsorize)

    • Có thể yêu cầu AI viết nhận xét dựa trên nội dung câu hỏi và số liệu đã tính — kèm cảnh báo rõ ràng để người dùng tự kiểm chứng trước khi sử dụng

Lưu ý: Đây là công cụ hỗ trợ tính toán và trình bày kết quả phân tích thống kê, giúp tiết kiệm thời gian ở các bước lặp lại. Công cụ không thay thế việc người dùng hiểu bản chất phương pháp nghiên cứu mình đang sử dụng, và người dùng tự chịu trách nhiệm về việc diễn giải, trích dẫn kết quả trong luận văn, luận án hoặc bài báo khoa học của mình.