BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH
VIỆN ĐÀO TẠO SAU ĐẠI HỌC
-----o0o-----
TIỂU LUẬN PHÂN TÍCH ĐA BIẾN
PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA
GVHD: TS. Nguyễn Hùng Phong
LỚP: Cao học KDTM K25 – tối thứ 4
Nhóm thực hiện: nhóm 1
1.
2.
3.
4.
5.
Nguyễn Thị Hồng Liên 7701250621A
Lê Thị Huệ Linh
7701250636A
Trần Vũ Quỳnh Trang
7701251030A
Nguyễn Trần Tuấn
7701250908A
Nguyễn Lê Phương Uyên
7701251103A
TP. Hồ Chí Minh, tháng 5 năm 2016
BÀI TẬP NHĨM
PHÂN TÍCH NHÂN TỐ (EFA - Exploratory Factor Analysis): Sử dụng dữ liệu
HBAT-200 phân tích EFA cho các biến từ X6 đến X18.
GIẢI THÍCH KẾT QUẢ
1. Kết quả phân tích EFA cho các biến X6 đến X18
Bảng 1.1 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of
Sphericity
Approx. Chi-Square
df
Sig.
.632
2020.335
78
.000
Bảng 1.1 thể hiện kết quả kiểm định KMO và Bartlett.
•
Kiểm định KMO là điều kiện để phân tích EFA, hệ số KMO càng lớn thì
càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA thì 0.5
≤ KMO ≤1. Dựa vào kết quả Bảng 1.1, KMO = 0.632 > 0.5, do đó phân
tích nhân tố phù hợp với dữ liệu nghiên cứu.
• Kiểm định Bartlett từ kết quả cho thấy Sig. = 0.000 < 0.05. Dựa vào kết
quả này ta có thể bác bỏ giả thuyết H 0 (Các biến khơng có tương quan
với nhau)
Phân tích nhân tố là phương pháp phù hợp với dữ liệu.
Phân tích nhân tố khám phá EFA Trang 2
Bảng 1.2 Communalities
Initial
Extraction
X6 - Product Quality
1.000
.650
X7 - E-Commerce
1.000
.799
X8 - Technical Support
1.000
.915
1.000
.863
X10 - Advertising
1.000
.636
X11 - Product Line
1.000
.844
X12 - Salesforce Image
1.000
.868
X13 - Competitive Pricing
1.000
.614
X14 - Warranty & Claims
1.000
.911
X15 - New Products
1.000
.097
X16 - Order & Billing
1.000
.767
X17 - Price Flexibility
1.000
.875
X18 - Delivery Speed
1.000
.936
X9 - Complaint
Resolution
Extraction Method: Principal Component
Analysis.
Bảng 1.2 cho biết thông tin về phần biến thiên được giải thích bởi các nhân tố
chung.
Sử dụng phép trích nhân tố PCA (Principal Components Analyze), phần
chung ban đầu (Initial) ln = 1 và phần trích cuối cùng (extraction) nhỏ hơn
1.
Ví dụ: Biến X6 trong 100% phương sai của biến X6 đưa vào phân tích
trích được 65% phương sai của nó giải thích cho phần chung của các nhân
tố. Nếu phần trích của biến nào càng cao thì đo lường càng tốt, nhìn vào
Bảng 1.2 ta thấy phần trích của biến X18 là cao nhất.
Phân tích nhân tố khám phá EFA Trang 3
Bảng 1.3 Total Variance Explained
Componen
t
1
2
3
4
Initial Eigenvalues
% of
Cumulative
Total
Variance
%
3.83
29.503
29.503
5
2.67
20.577
50.080
5
1.72
13.243
63.322
2
1.544
11.876
75.198
5
.969
7.455
82.653
6
.575
4.422
87.075
7
.489
3.763
90.838
8
.421
3.242
94.080
9
.288
2.218
96.298
10
.190
1.462
97.760
11
.155
1.190
98.950
12
.128
.983
99.933
13
.009
.067
100.000
Extraction Sums of Squared
Loadings
% of
Cumulative
Total
Variance
%
3.83
29.503
29.503
5
2.67
20.577
50.080
5
1.72
13.243
63.322
2
1.544
11.876
75.198
Rotation Sums of Squared
Loadings
% of
Cumulati
Total
Variance
ve %
3.16
24.321
24.321
2
2.38
18.352
42.673
6
2.35
18.099
60.772
3
1.87
14.425
75.198
5
Extraction Method: Principal Component Analysis.
Bảng 1.3 theo tiêu chí Eigenvalue ≥ 1 ta thấy có 4 nhân tố (Factor) trích được tại
eigenvalue là 1.544. Nếu ta trích thêm một nhân tố nữa thì eigenvalue lúc này là
0.969 < 1. Vì vậy, dựa theo tiêu chí này ta dừng ở nhân tố thứ tư.
Giá trị Cumulative % là 75.198% > 50% cho thấy mơ hình EFA phù hợp và cho biết 4
nhân tố đầu giải thích 75.198% biến thiên của dữ liệu.
-
Có 13 biến quan nên tổng phương sai là 13. Trong đó, phần phương sai cao
nhất giải thích cho Factor 1, phần cịn lại của phương sai sẽ giải thích tiếp tục
cho Factor 2 (như vậy phương sai của Factor 2 sẽ thấp hơn Factor 1) và cứ như
thế đến Fator 4. Phần phương sai 3.835 được đưa vào giải thích cho Factor 1
với tỷ trọng 29.503 % (% of Variance = (3.835/13)x100% = 29.503%.); phần
phương sai 2.675 giải thích cho Factor 2 chiếm 20.577 %... và tổng lũy kế %
phương sai (Cumulative) của 4 Factor là 75.198 % hay 4 nhân tố này giải thích
75.198 % cho sự biến thiên của dữ liệu.
Phân tích nhân tố khám phá EFA Trang 4
Bảng 1.4 Rotated Component Matrixa
Component
1
2
X18 - Delivery Speed
.943
X9 - Complaint Resolution
.912
X16 - Order & Billing
.855
3
4
X15 - New Products
X6 - Product Quality
X17 - Price Flexibility
.803
.515
X13 - Competitive Pricing
X11 - Product Line
-.768
-.760
.555
.716
X12 - Salesforce Image
.908
X7 - E-Commerce
.889
X10 - Advertising
.774
X8 - Technical Support
.954
X14 - Warranty & Claims
.943
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
Bảng 1.4 thể hiện ma trận các nhân tố đã xoay theo phép xoay vng góc Varimax.
Sử dụng EFA để đánh giá thang đo cần xem xét đến trọng số nhân tố hay cịn gọi là hệ
số tải nhân tố (Factor Loading).
• Trọng số nhân tố của biến X i trên nhân tố mà nó đo lường sau khi quay phải cao và
các trọng số trên các nhân tố khác mà nó khơng đo lường phải thấp để thang đo đạt
được giá trị hội tụ.
• Mỗi biến chỉ giải thích cho một nhân tố để đảm bảo giá trị phân biệt. Nếu một biến
giải thích cùng lúc 2 nhân tố thì cần xem xét loại bỏ biến này. Chênh lệch trọng số
< 0.3 thường cũng bị loại biến.
• Trọng số ≥ 0.50 là giá trị chấp nhận, 0.4 được xem là quan trọng. Nếu khơng thõa
điều kiện này thì có thể xem xét loại biến.
• Trọng số âm có nghĩa là biến này tương quan ngược với khái niệm nghiên cứu, cần
xem lại mơ hình, bảng câu hỏi, q trình khảo sát,….và có thể xem xét loại biến.
Phân tích nhân tố khám phá EFA Trang 5
Tuy nhiên, cần chú ý những giá trị xem xét nêu trên chỉ về mặt thống kê. Trong
nghiên cứu, thống kê chỉ là công cụ. Chúng ta cần xem xét đóng góp của biến đo
lường này vào giá trị nội dụng của khái niệm trước khi ra quyết định loại bỏ hay
khơng loại bỏ nó.
Ngun tắc loại biến là loại lần lượt từng biến, từ biến xấu nhất đến biến ít xấu
hơn. Vì khi loại một biến thì hệ số tải nhân tố của các biến sẽ thay đổi, loại biến này
có khả năng làm cho biến khác tốt lên và phù hợp với mơ hình, và có thể tránh tình
trạng loại một biến mà lẽ ra nó giải thích tốt cho khái niệm.
Xem Bảng 1.4 ta thấy:
-
X15 có hệ số tải nhân tố < 0.5 (1)
X13 có hệ số tải nhân tố âm - 0.760 (2)
X11 và X17 vừa đo lường cho nhân tố 1 vừa đo lường cho nhân tố 2, hai biến
này không đảm bảo được giá trị phân biệt:
• Chênh lệch trọng số của X11 là (0.716 – 0.555) = 0.161< 0.3 (a)
• Chênh lệch trọng số của X17 là (|-0.788| – 0.515) = 0.253 < 0.3 (b)
Từ (a) và (b) X11 xấu hơn X17 (3)
Từ (1), (2) và (3) X11 xấu nhất.
Do đó ta loại X11 trước tiên.
2. Kết quả phân tích EFA sau khi loại biến X11
Bảng 2.1 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Approx. Chi-Square
Bartlett's Test of Sphericity
df
.686
1321.748
66
Sig.
.000
•
Hệ số KMO = 0.686 > 0.5
•
Kiểm định Bartlett có Sig. là 0.000
Đạt điều kiện phân tích EFA
Bảng 2.2 Total Variance Explained
Phân tích nhân tố khám phá EFA Trang 6
3
Initial Eigenvalues
% of
Cumulative
Total
Variance
%
3.64
30.329
30.329
0
2.19
18.254
48.584
1
1.704
14.197
62.781
Extraction Sums of Squared
Loadings
% of
Cumulative
Total
Variance
%
3.64
30.329
30.329
0
2.19
18.254
48.584
1
1.704
14.197
62.781
4
1.474
12.285
75.066
1.474
5
.942
7.850
82.916
6
.575
4.790
87.705
7
.489
4.076
91.781
8
.288
2.403
94.184
9
.265
2.212
96.396
10
.185
1.540
97.936
11
.148
1.235
99.171
12
.099
.829
100.000
Componen
t
1
2
12.285
75.066
Rotation Sums of Squared
Loadings
% of
Cumulati
Total
Variance
ve %
2.90
24.168
24.168
0
2.32
19.393
43.561
7
1.91
15.946
59.507
3
1.86
15.559
75.066
7
Extraction Method: Principal Component Analysis.
Bảng 2.2 theo tiêu chí Eigenvalue ≥ 1 ta thấy có 4 nhân tố (Factor) trích được tại
eigenvalue là 1.474.
Giá trị Cumulative là 75.066% > 50%: đủ điều kiện phân tích EFA. Điều này cho biết
4 nhân tố đầu giải thích được 75.066% biến thiên của dữ liệu.
Bảng 2.3 Rotated Component Matrixa
Component
1
X18 - Delivery Speed
X9 - Complaint
Resolution
X16 - Order & Billing
2
3
.928
.903
.864
X12 - Salesforce Image
.906
X7 - E-Commerce
.887
X10 - Advertising
.774
X6 - Product Quality
-.835
X13 - Competitive Pricing
X17 - Price Flexibility
4
.795
.567
.692
X15 - New Products
X8 - Technical Support
.953
X14 - Warranty & Claims
.942
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 6 iterations.
Phân tích nhân tố khám phá EFA Trang 7
Bảng 2.3 cho thấy có 2 biến X6 và X17 khơng đạt u cầu:
•
•
X6 có hệ số tải nhân tố -0.835
X17 đang giải thích cho 2 nhân tố, do đó ta tiếp tục loại biến X17.
So sánh thấy X17 xấu hơn X6. Do đó ta loại X17 trước.
3. Kết quả phân tích EFA sau khi loại biến X17
Bảng 3.1 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Approx. Chi-Square
Bartlett's Test of
.672
1123.405
df
Sphericity
55
Sig.
.000
•
Hệ số KMO = 0.672 > 0.5
•
Kiểm định Bartlett có Sig. là 0.000
Đạt điều kiện phân tích EFA
Bảng 3.2 Total Variance Explained
Componen
t
1
2
3
4
Initial Eigenvalues
% of
Cumulative
Total
Variance
%
3.35
30.529
30.529
8
2.05
18.673
49.202
4
1.651
15.011
64.213
11.169
75.381
5
1.22
9
.919
8.353
83.735
6
.573
5.210
88.944
7
.487
4.424
93.368
8
.284
2.581
95.949
9
.188
1.707
97.656
10
.149
1.353
99.009
11
.109
.991
100.000
Extraction Sums of Squared
Loadings
% of
Cumulative
Total
Variance
%
3.35
30.529
30.529
8
2.05
18.673
49.202
4
1.651
15.011
64.213
1.22
9
11.169
75.381
Rotation Sums of Squared
Loadings
% of
Cumulati
Total
Variance
ve %
2.59
23.550
23.550
1
2.32
21.091
44.641
0
1.86
16.912
61.553
0
1.52
13.828
75.381
1
Extraction Method: Principal Component Analysis.
Bảng 3.2 theo tiêu chí Eigenvalue ≥ 1 ta thấy có 4 nhân tố (Factor) trích được tại
eigenvalue là 1.229.
Giá trị Cumulative là 75.381% > 50%: đủ điều kiện phân tích EFA. Điều này cho biết
4 nhân tố đầu giải thích được 75.381% biến thiên của dữ liệu.
Bảng 3.3 Rotated Component Matrixa
Phân tích nhân tố khám phá EFA Trang 8
Component
1
2
X18 - Delivery Speed
.929
X9 - Complaint Resolution
.924
X16 - Order & Billing
.876
3
X12 - Salesforce Image
.907
X7 - E-Commerce
.880
X10 - Advertising
.784
4
X8 - Technical Support
.954
X14 - Warranty & Claims
.942
X6 - Product Quality
.822
X13 - Competitive Pricing
-.785
X15 - New Products
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
Bảng 3.3 thể hiện có 2 biến khơng đạt điều kiện
•
X13 = - 0.785, tức là X13 tương quan nghịch với nhân tố mà nó đang được
gom vào để giải thích.
• X15 có hệ số tải nhân tố < 0.5
So sánh ta thấy X13 xấu hơn, do đó ta quyết định loại biến X13 trước.
4. Kết quả phân tích EFA sau khi loại biến X13
Bảng 4.1 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of
Sphericity
Approx. Chi-Square
df
.672
1071.599
45
Sig.
.000
•
Hệ số KMO = 0.672 > 0.5
•
Kiểm định Bartlett có Sig. là 0.000
Đạt điều kiện phân tích EFA
Bảng 4.2 Total Variance Explained
Phân tích nhân tố khám phá EFA Trang 9
Componen
t
1
2
3
4
5
Initial Eigenvalues
% of
Cumulative
Total
Variance
%
3.35
33.580
33.580
8
1.85
18.552
52.132
5
1.63
16.316
68.448
2
1.05
10.560
79.009
6
.855
8.553
87.562
6
.514
5.142
92.704
7
.284
2.839
95.543
8
.188
1.878
97.421
9
.149
1.489
98.909
10
.109
1.091
100.000
Extraction Sums of Squared
Loadings
% of
Cumulative
Total
Variance
%
3.35
33.580
33.580
8
1.85
18.552
52.132
5
1.63
16.316
68.448
2
1.05
10.560
79.009
6
Rotation Sums of Squared
Loadings
% of
Cumulati
Total
Variance
ve %
2.59
25.901
25.901
0
2.30
23.060
48.961
6
1.85
18.568
67.529
7
1.148
11.480
79.009
Extraction Method: Principal Component Analysis.
Bảng 4.2 theo tiêu chí Eigenvalue ≥ 1 ta thấy có 4 nhân tố (Factor) trích được tại
eigenvalue là 1.056.
Giá trị Cumulative là 79.009% > 50%: đủ điều kiện phân tích EFA. Điều này cho biết
4 nhân tố đầu giải thích được 79.009% biến thiên của dữ liệu.
Bảng 4.3 Rotated Component Matrixa
Component
1
X9 - Complaint
Resolution
2
3
4
.931
X18 - Delivery Speed
.930
X16 - Order & Billing
.877
X12 - Salesforce Image
.914
X7 - E-Commerce
.877
X10 - Advertising
.785
X8 - Technical Support
.953
X14 - Warranty & Claims
.944
X15 - New Products
.781
X6 - Product Quality
.716
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
Bảng 4.3 cho thấy các biến đã gom vào 4 nhân tố và đều đạt yêu cầu về hệ số tải nhân
tố (≥ 0.5), giá trị hội tụ và giá trị phân biệt.
Như kết quả Bảng 4.3, có 4 nhân tố:
Phân tích nhân tố khám phá EFA Trang 10
Nhân tố 1 được giải thích bởi:
(1) X9 – Complaint Resolution
(2) X16 - Order & Billing
(3) X18 - Delivery Speed
Nhân tố 2 được giải thích bởi:
(1) X7 - E-Commerce
(2) X10 - Advertising
(3) X12 - Salesforce Image
Nhấn tố 3 được giải thích bởi:
(1) X8 - Technical Support
(2) X14 - Warranty & Claims
Nhấn tố 4 được giải thích bởi:
(1) X6 - Product Quality
(2) X15 - New Products
Dựa vào những điểm giống nhau (thể hiện tính chung) của biến nằm trong nhân tố và
những nghiên cứu trước nhà nghiên cứu sẽ đặt tên cho những nhân tố này. Nhóm đề
xuất tên cho các nhân tố như sau:
•
•
•
•
Nhân tố 1: Customer service
Nhân tố 2: Promotion
Nhân tố 3: After-sales service
Nhân tố 4: Product
Phân tích nhân tố khám phá EFA Trang 11