Tính hợp lý thang đo

Estimated reading time: 3 minutes

Phân tích nhân tố khám phá

Phương pháp phân tích dùng để rút gọn một tập hợp nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết thông tin của tập biến ban đầu. 1

EFA

Rotated component matrix (Ma trận xoay nhân tố)

Để quyết định giữ biến hay loại biến trong EFA dữ liệu cần thỏa mãn 2 điều kiện:

“Giá trị hội tụ”: Các biến quan sát hội tụ về cùng một nhân tố.
“Giá trị phân biệt”: Các biến quan sát thuộc về nhân tố này và phải phân biệt với nhân tố khác.

Important

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

Important

Hệ số tải nhân tố < 0.5 => Loại

Tuy nhiên

Warning

Hệ số tải nhân tố ≥ 0.4 nhưng giá trị nội dung của biến quan sát đóng vai trò quan trọng trong thang đo thì chúng ta không nên loại nó.

Ma trận xoay nhân tố

Success

Kết quả từ ma trận xoay nhân tố cho thấy 30 biến quan sát ban đầu đều có ý nghĩa thực tiễn (lớn hơn 0.30) và được tổng hợp thành 8 nhân tố như hình bên trên.

Factor loading (Hệ số tải nhân tố)

  • Biểu thị mức độ giải thích của nhân tố đối với các biến quan sát tương ứng.
  • Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại.

Note

Thông số được thiết lập từ Absolute value below thì các biến quan sát có hệ số tải nhỏ hơn giá trị thiết lập này sẽ không được hiển thị.

2 cho rằng hệ số tải nhân tố được xác định theo kích thước mẫu ở bảng dưới.

hệ số tải

Total variance explained (Tổng phương sai được giải thích)

  • Eigenvalues đại diện cho các phần biến thiên được giải thích bởi mỗi nhân tố.

Note

Total Eigenvalues > 1. Nhân tố rút trích có ý nghĩa tóm tắt thông tin tốt nhất.

Thang đo được chấp nhận khi

Important

Tiêu chuẩn chấp nhận phương sai trích > 50% = đạt yêu càu;
Tiêu chuẩn chấp nhận phương sai trích > 60% = tốt (Gerbing, Anderson, 1988)

Tổng phương sai được giải thích

Success

Kết quả từ bảng tổng phương sai được giải thích (total variance explained) cho thấy 6 nhân tố được trích có thể giải thích được 71% biến thiên của các biến quan sát (hay dữ liệu) này.

KMO

Note

0.7 < KMO < 1 : phân tích nhân tố phù hợp

Note

Sig (significant) < 0.05: các biến quan sát có tương quan với nhau trong tổng thể

KMO

Success

Ngoài ra, các kết quả kiểm định KMO và Bartlett đều cho kết quả phù hợp với tiêu chuẩn kiểm định.

  1. Hair, J. F., Tatham, R. L., Anderson, R. E., & Black, W. (1998). Multivariate Data Analysis (5th ed.). N.J.: Prentice Hall.

  2. Hair, J. F., Black, W., Babin, B. J., & Anderson, R, E. (2009). Multivariate Data Analysis (7th ed.). Pearson Higher Ed.

validity