Phan tich nhan to kham pha _ EFA

Thực hành Exploratory Factor Analysis và Crobach’s Alpha với SPSS 15.0
Bạn hãy mở file dữ liệu phan tich nhan to.sav kèm theo sách Phân tích dữ liệu nghiên cứu với SPSS của thầy
Hoàng Trọng do NXB Thống kê xuất bản năm 2005. file dữ liệu này rất dễ hiểu khi bạn bắt đầu tìm hiểu về EFA.
1. Thao tác. Hình 1, Hình 2 giúp bạn hiểu được dữ liệu được nhập như thế nào.
Hình 1. Data View
Hình 2. Variable view

Hình 3. Hộp thoại Factor Analysis

6 biến quan sát (Item), từ v1 đến v6 để đo lường “Lợi ích
của kem đánh răng”. Các Item này đều sử dụng thang đo
Likert 7 điểm, với 1: rất không quan trọng, …, 7: rất quan
trọng. Biến sex thể hiện giới tính của người trả lời (1.
nam, 2.nữ)
Bước 1.
Từ thanh Menu, chọn:
Analyze
Data Reduction
Factor
Hộp thoại Factor Analysis (Hình 3) sẽ
xuất hiện.
Bước 2
Chọn các items: v1, v2, v3, v4, v5, v6.

Hình 4. Nhấp Descriptive, đánh dấu KMO…

Nhấp nút
để đưa các items này vào
khung Variables
Bước 3
Lần lượt nhấp chọn Descriptives,

Extraction, Rotation, Options và chọn
các thông số như Hình 4, 5, 6, 7

Hình 5. Chọn phương pháp trích
Principal component nếu mục đích của
bạn là rút gọn dữ liệu, giảm cộng tuyến
giữa các nhân tố trong việc phân tích hồi
quy bội tiếp theo.
Chọn Principal Axis Factoring nếu
mục đích của bạn là khám phá cấu trúc
của thang đo, sau này tiếp tục CFA, hay
1
SEM


Hình 6. Chọn Varimax, nếu bạn sử dụng phương Hình 7. Trong hộp thoại Factor Analysis, chọn Option, sau
pháp trích Principal Components. Chọn phép xoay đó chọn Sorted by size để sắp xếp các Item theo thứ tự giảm
Promax nếu bạn chọn phương pháp trích Principal dần của Factor Loading
Axis Factoring.

2. Kết quả EFA
Rotated Component Matrix(a)
Component
1
v2 lam
v6 lam
hon
v4 lam
tho
v3 lam

rang
v5 lam

trang rang
rang bong
hoi tho thom
khoe nuu
sach cau rang

v1 ngua sau rang

2
.886

.086

.766

.130

.761

-.300

-.233

.852

.384

.770

-.014

.620

Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a Rotation converged in 3 iterations.

Total Variance Explained

Componen
t
1
2

Initial Eigenvalues
% of
Cumulative
Total
Variance
%
2.157
35.957
35.957
1.813

30.214

66.172

3

.912

15.206

81.378

4

.490

8.168

89.546

5

.350

5.829

95.375

6

.278

4.625

100.000

Extraction Sums of Squared Loadings
% of
Cumulative
Total
Variance
%
2.157
35.957
35.957
1.813

30.214

66.172

Rotation Sums of Squared Loadings
% of
Cumulative
Total
Variance
%
2.154
35.896
35.896
1.817

30.276

66.172

Extraction Method: Principal Component Analysis.

Khi phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm
đến một số tiêu chuẩn.

2


Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) 1 ≥ 0.5, mức ý nghóa của kiểm đònh
Bartlett ≤ 0.05.
Thứ hai hệ số tải nhân tố (Factor loading) > 0.45. Nếu biến quan sát nào
có hệ số tải nhân tố ≤ 0.45 sẽ bò loại (Tabachnick & Fidell, 1989, Using Multivariate
Statistics, Northridge, USA: HarperCollins Publishers) 2.
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% và eigenvalue
có giá trò lớn hơn 13.
Tiêu chẩn thứ tư là khác biệt hệ số tải nhân tố của một biến quan sát
giữa các nhân tố ≥ 0.3 để đảm bảo giá trò phân biệt giữa các nhân tố4.
3. Nhân số
Trong hộp thoại Factor Analysis (Hình 3), bạn có thể chọn nút Scores, sau đó nhấp chọn Regression. Để lưu
lại nhân số của nhân tố một cách tự động. Nhân số tính theo cách này đã được chuẩn hóa (khơng có đơn vị). Nó thích
hợp nhất nếu bạn sử dụng các nhân số để phân tích hồi quy, và kiểm định mối quan hệ ảnh hưởng của các biến độc
lập đến biến phụ thuộc; và rất thích hợp nếu các biến quan sát có đơn vị tính khác nhau. Nếu bạn sử dụng các nhân số
này để thực hiện các thống kê mơ tả, t-test, ANOVA … thì khơng nên vì giá trị trung bình của nó bằng 0, và khó giải
thích; trường hợp này, bạn nên tính nhân số của nhân tố bằng cách tính trung bình cộng của các items thuộc nhân tố
(chỉ sử dụng cách này khi các items có cùng đơn vị đo lường).
Hình 8. Lưu lại nhân số đã chuẩn hóa

Hình 9 Các cột nhân số đã chuẩn hóa

Để tính nhân số theo cách này; ví dụ tính nhân số của nhân tố F1, bạn hãy chọn Transform từ thanh Menu và khai
báo như Hình 10. Tương tự như vậy, bạn có thể tính nhân số cho nhân tố F2 bằng trung bình cộng của v1,v3,v5. Lúc
đó cột dữ liệu F1, F2 có thể sử dụng để phân tích ANOVA, T-test, thống kê mơ tả, hay hồi quy bội (với mục tiêu dự
báo)
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 đònh Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng
không trong tổng thể. Nếu kiểm đònh này có ý nghóa thống kê (Sig ≤ 0.05) thì các biến quan sát
có tương quan với nhau trong trổng thể (Trọng & Ngọc,2005,262)
2
Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice-Hall International, Inc, Factor loading là chỉ tiêu để
đảm bảo mức ý nghóa thiết thực của EFA (ensuring practical significance). Factor loading > 0.3 được
xem là đạt được mức tối thiểu, Factor loading > 0.4 được xem là quan trọng, ≥ 0.5 được xem là có ý
nghóa thực tiễn. Hair & ctg (1998,111) cũng khuyên bạn đọc như sau: nếu chọn tiêu chuẩn factor
loading > 0.3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên
chọn tiêu chuẩn factor loading > 0.55, nếu cỡ mẫu của bạn khoảng 50 thì Factor loading phải > 0.75
3
Gerbing & Anderson (1988), “An Update Paradigm for Scale Development Incorporing Unidimensionality and Its
Assessments”, Journal of Marketing Research, Vol.25, 186-192
4
Jabnoun & Al-Tamimi (2003) “Measuring perceived service quality at UAE commercial banks”, International
Journal of Quality and Reliability Management, (20), 4
1

3


Hình 10. Tính nhân số

của nhân tố F1 bằng
trung bình cộng của
v2, v4, v6

Hình 11. Nhân số được tính tốn tự động và bằng cách trung bình của items

4. Kiểm định độ tin cậy của thang đo
Hình 12. Cronbach’s Alpha

Bước 1
Chọn Analyze\Scale\Reliability Analysis
Hộp thoại như Hình 1 sẽ xuất hiện, chọn các item
đo lường một khái niệm tiềm ẩn nào đó đưa vào
khung Items.
Bước 2
Nhấp Statistics, đánh dấu chọn Scale if item
deleted.
Các biến quan sát có hệ số
tương quan biến-tổng (item-total
correlation) nhỏ hơn 0.3 sẽ bò loại
và tiêu chuẩn chọn thang đo khi
Cronbach’s Alpha từ 0.6 trở lên
(Nunnally & Burnstein (1994) Pschy
chometric Theory, 3rd edition, NewYork,
McGraw Hill)

Item-Total Statistics

v2 lam trang rang

Scale Me an
if Ite m
De le ted
9.77

Scale
Variance if
Ite m De le te d
5.417

Correcte d
Ite m-Total
Correlation
.689

Cronbach's
Alpha if Ite m
Delete d
.495

v4 lam hoi tho thom tho

10.00

7.294

.484

.739

v6 lam rang bong hon

11.03

5.146

.546

.690

Reliability Statistics
Cronbach's
Alpha
.737

N of Ite ms
3

4