Trang chủ / Nghiên cứu khoa học / Định lượng / Phân tích nhân tố khám phá (EFA)

Phân tích nhân tố khám phá (EFA)

1. Mục đích

Công cụ EFA (Exploratory factor analysis) được sử dụng để thu nhỏ và tóm tắt các dữ liệu (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2005).

Kết quả EFA để phân tích tiếp CFA với mục đích kiểm định sự phù hợp của thang đo với các chỉ tiêu về độ tin cậy tổng hợp, phương sai trích, tính đơn hướng, hội tụ và phân biệt. Kết quả này cũng dùng để phân tích mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) nhằm kiểm định mô hình nghiên cứu đã đề xuất.

2. Tiêu chí

Hệ số KMO nằm trong khoảng 0.5 ≤ KMO ≤ 1 thì có thể xem phân tích nhân tố là thích hợp.

Kiểm định Bartlett có mức ý nghĩa ≤ 0.05 thì có thể xem các biến quan sát có tương quan với nhau trong tổng thể (Gerbing và Anderson, 1988).

Ngoài ra, phương pháp này còn dựa vào tỷ số rút trích nhân tố (Eigenvalue), theo đó chỉ những nhân tố nào có tỷ số rút trích nhân tố (Eigenvalue) lớn hơn 1 sẽ được giữ lại, còn nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc, bởi vì sau khi chuẩn hóa mỗi biến gốc có phương sai là 1 (Nguyễn Đình Thọ, 2011). Vì vậy, trong luận án này, những biến quan sát với độ tải nhân tố (factor loading) nhỏ hơn 0.5 sẽ bị loại (Nguyễn Đình Thọ, 2011). Thang đo được chấp nhận khi tổng phương sai trích ≥ 50%.

Theo Hair và cộng sự (1998), Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, Factor loading > 0.3 được xem là đạt mức tối thiểu; Factor loading > 0.4 được xem là quan trọng; Factor loading > 0.5 được xem là có ý nghĩa thực tiễn. Hair và cộng sự (1998) cho rằng, nếu chọn Factor loading > 0.3 thì cỡ mẫu phải ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn Factor loading > 0.55, nếu cỡ mẫu khoảng 50 thì nên chọn Factor loading > 0.75.

3. Quy trình thực hiện

Bước 1: Trên thanh công cụ phần mềm SPSS, chọn  Analyze > Dimension Reduction > Factor…

Bước 2: Cửa sổ Factor Analysis mở ra, bạn sẽ chỉ định các biến sử dụng trong phân tích nhân tố khám phá EFA ở cột phía bên trái và di chuyển đến khu vực Variables bằng cách chọn và nhấn vào nút mũi tên. Trong đó Grouping Variable là biến phụ thuộc. Lưu ý đến 4 mục tùy chỉnh Descriptives…; Extraction…; Rotation…; Options… Cụ thể:

  • Bấm vào nút Descriptives… để mở ra một cửa sổ mới, tích vào mục KMO and Bartlett’s test of sphericity, sau đó nhấp Continue để trở về cửa sổ ban đầu.

  • Bấm vào nút Extraction… để mở ra một cửa sổ mới, Tại Method chọn “Principal components” (phép trích PCA). Sau đó tiếp tục nhấp Continue để trở về cửa sổ ban đầu.
  • Tiếp tục với Rotation: Tại Method chọn “Varimax” > Continue

  • Bấm vào nút Options, nhấn chọn vào 2 mục trong phần “Coefficient Display Format”. Tại hàng “Absolute value below” nhấp vào giá trị hệ số tải nhân tố (Factor Loading) tiêu chuẩn (THƯỜNG LÀ 0.5). Sau đó nhấp Continue để trở về cửa sổ ban đầu > OK để xuất kết quả ra Output.

Đọc kết quả EFA trong SPSS: Sau khi chạy, ở kết quả xuất ra Output sẽ bao gồm nhiều bảng, tuy nhiên bạn cần tập trung vào 3 bảng chính:

  • Kaiser Meyer Olkin Measure of Sampling Adequacy (KMO) phải có giá trị > 0.5. và giá trị sig. <0.05. Như vậy, KMO test mới đạt yêu cầu!
  • Tại bảng Total Variance Explained ở cột Cumulative % cần có giá trị > 50%
  • Trong bảng Rotated Component Matrix, các giá trị Factor Loading Values phải > 0.5. Trong trường hợp có 2 giá trị phải xét hiệu của hai giá trị lớn nhất. Nếu hiệu < 0.3 thì loại biến, ngược lại giữ lại biến.

Nếu có bất cứ thắc mắc gì, các bạn hãy liên hệ với chúng tôi qua:

  • Email: hotro@hotroluanvan.com
  • Zalo: 0833.470.470
  • Website: hotroluanvan.com hoặc phantichdulieuspss.com để tham khảo các bài viết
  • Hoặc điền vào Form  thông tin sau:


Thông tin Hỗ trợ luận văn

Tôi luôn mong muốn mang đến sự thành công cho tất cả mọi người. Phương châm sống "Càng hiểu biết, con người càng tự do"

Cũng Xem

Thuyết hành động hợp lý (TRA)

Thuyết hành động hợp lý TRA (Theory of Reasoned Action) được Ajzen và Fishbein xây …