Loading ...

Tiêu chí trong phân tích nhân tố khám phá EFA trên SPSS

Ngày đăng: 28-11-2019 Lượt xem: 419

Giá: Vui lòng gọi

Nơi rao: Toàn quốc

Người đăng phamloc120893 Ngày hết hạn 28-12-2019
Tình trạng Mới 100% Hình thức Cần bán

1.1.1 Các tiêu chí trong phân tích EFA

Trong phan tich nhan to EFA, chúng ta cần chú trọng các tiêu chí sau:

- Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.[1]

- Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Chúng ta cần lưu ý, điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố khám phá EFA cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.[2]

- Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố  trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích[3]

- Tổng phương sai trích (Total Variance Explained) ≥ 50% cho biết số nhân tố được trích đại diện tốt cho dữ liệu. Coi biến thiên của dữ liệu là 100% thì trị số này nói lên rằng, số nhân tố được trích từ EFA cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát. Trong ví dụ ở bảng kết quả trên, tổng phương sai trích là 61.62%. Như vậy, 3 nhân tố được trích từ EFA giải thích được (cô đọng được) 61.62% biến thiên của dữ liệu.

- Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại.

Theo Hair & ctg (2009,116), Multivariate Data Analysis, 7th Edition thì:

  • Factor Loading ở mức ± 0.3: Điều kiện tối thiểu để biến quan sát được giữ lại.
  • Factor Loading ở mức ± 0.5: Biến quan sát có ý nghĩa thống kê tốt.
  • Factor Loading ở mức ± 0.7: Biến quan sát có ý nghĩa thống kê rất tốt.

Trên thực tế áp dụng, việc nhớ từng mức hệ số tải với từng khoảng kích thước mẫu là khá khó khăn, do vậy người ta thường lấy hệ số tải 0.45 hoặc 0.5 làm mức tiêu chuẩn với cỡ mẫu từ 120 đến dưới 350; lấy tiêu chuẩn hệ số tải là 0.3 với cỡ mẫu từ 350 trở lên.

Trường hợp một biến quan sát tải lên ở cả 2 nhân tố, chúng ta cần lưu ý chênh lệch hệ số tải Factor Loading của biến quan sát giữa 2 nhóm nhân tố. Theo các nhà nghiên cứu, nếu chênh lệch hệ số tải nhỏ hơn 0.3, chúng ta cần loại bỏ biến quan sát đó. Tuy nhiên, chúng ta cũng cần xem xét đóng góp của biến vào giá trị nội dung của nhân tố trước khi quyết định loại bỏ hay giữ lại biến quan sát.[1]

Nếu bạn gặp khó khăn trong phân tích nhân tố EFA trên SPSS, bạn có thể tham khảo dich vu SPSS của mình ở đây nhé: https://www.phamlocblog.com/p/dich-vu-sua-so-lieu-spss.html

[1] Biến quan sát bị loại bỏ khi chênh lệch hệ số tải của biến ở 2 nhân tố nhỏ hơn 0.3 trích nguồn từ Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 420.

 



[1] Trị số của KMO phải đạt giá trị 0.5 trở lên là điều kiện đủ để phân tích nhân tố là phù hợp trích nguồn từ: Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS Tập 2, NXB Hồng Đức, Trang 31.

[2] Kiểm định Bartlett có ý nghĩa thống kê (sig < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố trích nguồn từ: Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 413.

 

[3] Chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích trích nguồn từ: Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS Tập 2, NXB Hồng Đức, Trang 34.

 

Thông tin liên hệ
Người liên hệ Loc Pham
Địa chỉ TPHCM
Email phamloc120893@gmail.com
Điện thoại
Liên hệ
Có thể bạn muốn xem
Chia sẻ kinh nghiệm học tốt tiếng anh với 7 tips 31 03-01-2020
Học Thiết Kế Đồ họa tại Tp.HCM - Khóa thiết kế đồ họa cấp tốc 29 02-01-2020