PHÂN TÍCH dữ LIỆU với SPSS

LOGO

PHÂN TÍCH DỮ LIỆU VỚI
SPSS
GV. NGUYỄN THỊ BÍCH LIÊN


KIỂM ĐỊNH THANG ĐO
Phân tích nhân tố khám phá EFA 
Kiểm tra tính tương quan của thang đo
Đo lường hệ số tin cậy Cronbach’s Alpha
của từng nhóm biến tương quan  Loại
bỏ biến rác.
Đánh giá lại độ tin cậy của thang đo lần
cuối
Sử dụng phân tích hồi qui  Đánh giá
mức độ quan trọng của từng yếu tố


PHÂN TÍCH NHÂN TỐ EFA
1

PHÂN TÍCH NHÂN TỐ

2

GIỚI THIỆU CÁC LOẠI BIẾN TRONG MÔ HÌNH

3

MÔ HÌNH EFA

4

PHƯƠNG PHÁP PHÂN TÍCH NHÂN TỐ VỚI SPSS


PHÂN TÍCH NHÂN TỐ
Phân tích nhân tố là kĩ thuật thống kê
dùng để rút gọn một tập các biến quan sát có
tương quan với nhau thành một số nhân tố.
(Hair & ctg 1998)


CÁC ỨNG DỤNG CỦA PHÂN TÍCH NHÂN TỐ

Trong phân khúc thị trường: Để nhận ra các biến
quan trọng dùng để phân nhóm người tiêu dùng
Trong nghiên cứu sản phẩm: Xác định các thuộc
tính nhãn hiệu có ảnh hưởng đến sự lựa chọn
của người tiêu dùng
Trong nghiên cứu định giá: Để nhận ra các đặc
trưng của những người nhạy cảm với giá
Trong nghiên cứu quảng cáo: Dùng để hiểu thói
quen sử dụng phương tiện truyền thông của thị
trường mục tiêu


GIỚI THIỆU CÁC LOẠI BIẾN TRONG MÔ HÌNH
BIẾN TRONG
MÔ HÌNH

BIẾN QUAN SÁT
Là biến có thể ước
lượng, đo lường
được

Hình dạng qui ước
BIẾN QUAN
SÁT

BIẾN TIỀM ẨN
Là những biến được
đo lường thông qua
biến quan sát

Hình dạng qui ước
BIẾN TIỀM ẨN


MÔ HÌNH EFA


PHƯƠNG PHÁP PHÂN TÍCH TRÊN SPSS


Từ thanh menu của SPSS. Chọn Analyze Data Reduction  Factor


Khi hộp thoại Factor Analysis xuất hiện.
+ Đưa các biến cần phân tích nhân tố vào khung Variables

+ Sau đó lần lượt chọn các nút: Descriptives, Extraction,
Rotation, Options và Scores để đánh dấu chọn các mục phù hợp
(khi cần)


Khi chọn Descriptives. Hộp
thoại như Hình bên xuất hiện.
Đánh dấu chọn KMO and
Bartlett’s test of sphericity (nếu
cần)


Khi chọn Extraction hộp thoại con xuất hiện. Trong hộp thoại
này, bạn chọn:
• Phương pháp rút trích các nhân tố (phương pháp mặc định là
rút các thành phần chính – Principal components. Một phương
pháp hay sử dụng nữa là Principal Axis Factoring
• Eigenvalues over:Xác định tiêu chuẩn rút trích nhân tố = 1
• Number of Factors: Số lượng nhân tố cần rút trích


Khi chọn Rotation. Hộp
thoại như Hình bên xuất
hiện.
Đánh dấu chọn:
• Varimax nếu phương
pháp trích là Principal
components
• Promax nếu phương
pháp trích mà bạn chọn ở

là Principal axis
factoring


Khi bấm nút Scores, hộp thoại Factor Analysis: Factor Scores xuất
hiện.
Chọn Save as variables nếu bạn muốn
lưu lại nhân số (đã chuẩn hoá) của từng
nhân tố


ĐỌC KẾT QUA


MỤC ĐÍCH: Xem xét mức độ thích hợp của EFA
KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân
tích nhân tố là thích hợp.
Kiểm định Bartlett xem xét giả thuyết Ho: độ tương quan giữa các biến quan sát
bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các
biến quan sát có tương quan với nhau trong tổng thể (Trọng & Ngọc, 2005, 262)


•Mục đích: Xác định
số nhân tố và biến
quan sát giải thích cho
nhân tố
•Biến quan sát được
chọn là biến có hệ số
tải nhân tố lớn hơn
hoặc bằng 0,45. Nếu

biến có tải nhân tố
<0,45 sẽ bị loại

(Tabachnick & Fidell, 1989)


Trong bảng kết quả ở Hình bên, có
bao nhiêu cột tức là có bấy nhiêu
thành phần chính (nhân tố) được
rút ra. Có 7 nhân tố được rút ra
Các con số ở trong bảng
Rotated Component Matrix(a) gọi
là các Factor loading, hay hệ số
tải nhân tố, hay trọng số nhân tố.
Một tiêu chuẩn quan trọng đối
với Factor loading lớn nhất cần
được quan tâm: nó phải lớn hơn
hoặc bằng 0.5. Nếu có nhiều biến
có Factor loading không thỏa điều
kiện trên  Loại bỏ từng biến và
kiểm tra lại Factor loading của
từng biến


Trong hình trên, bạn quan tâm đến một
con số ở cột cuối cùng của dòng số 7 (vì có
7 nhân tố được rút ra). Con số này là
64.979. Người ta nói phương sai trích bằng
64.979%. Con số này cho biết 7 nhân tố
giải thích được 64.979% biến thiên của các

biến quan sát (hay của dữ liệu)
Có một tiêu chuẩn đối với phương
sai trích. Hair & ctg (1998) yêu cầu rằng
phương sai tríchphải đạt từ 50% trở lên


ĐO LƯỜNG ĐỘ TIN CẬY CRONBACH’S ALPHA

Mục đích: Xác định mối tương quan biến
tổng
Sử dụng:
 Các biến quan sát có hệ số tương quan biến tổng
(Item total correllation) nhỏ hơn 0.3 sẽ bị loại.
 Tiêu chuẩn để chọn thang đo: Khi giá trị Cronbach’s
Alpha cả nhóm các yếu tố lớn hơn hoặc bằng 0.6
(Nunnally & Burnstein, 1994)


THỰC HIỆN KIỂM ĐỊNH CRONBACH’S ALPHA

Vào Analyze  Scale  Reliability
Analysis


THỰC HIỆN KIỂM ĐỊNH CRONBACH’S ALPHA

• Chọn các yếu tố trong cùng nhóm muốn phân tích cho vào Items
• Scale label: Đặt tên cho thang đo
• Nhấn vào Statistics

THỰC HIỆN KIỂM ĐỊNH CRONBACH’S ALPHA

• Chọn Scale if Item deleted  Continue  Ok


ĐỌC KẾT QUA KIỂM ĐỊNH CRONBACH’S ALPHA

Các bảng quan trọng:
• Reliability Statistics
• Item – Total Statistics


ĐỌC KẾT QUA KIỂM ĐỊNH CRONBACH’S ALPHA

Hệ số Cronbach’s Alpha cả nhóm = 0.797 >0.6
Nhóm có 3 nhân tố

Các biến đều có hệ số tương quan
biến – tổng >0.3  Không loại bỏ biến