Slide bài giảng môn Kinh Tế Lượng Ứng Dụng Trong Kinh Doanh - Chương 2

04/06/2017

ƠN LẠI HỒI QUY BỘI

CHƯƠNG 2:
Mơ hình hồi quy k biến:

PHÂN TÍCH NHÂN TỐ KHÁM PHÁ

Exploratory Factor Analysis
Phân biệt:
- Biến biến định lượng.
- Biến giả (dummy)
- Biến định tính

ThS. Đỗ Hoàng Oanh
1

2

Nghiên cứu mẫu sử dụng EFA
EFA

Yếu tố ảnh hưởng đến kết quả hoạt động kinh doanh của các NHTM
3

4

1

04/06/2017

5

6

I. Giới thiệu
Ưu điểm của EFA
• Có thể thực hiện mơ hình khi các biến trong mơ hình đều là
biến định tính.
• Khi các câu hỏi (biến quan sát – observed variable – item –
biến đo lường X) do cùng thể hiện cho 1 nhân tố chung
(factor), cho nên các biến X dễ bị tương quan với nhau.
Mơ hình EFA có thể rút trích thành các factor định lượng mà
các factor này không bị tương quan với nhau

7

Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa
biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là
khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối
tương quan giữa các biến với nhau (interrelationships).
EFA dùng để rút gọn một tập k biến quan sát thành một tập F
(Fdựa vào mối quan hệ tuyến tính của các nhân tố với các biến
nguyên thủy (biến quan sát X).

8

2

04/06/2017

II. ỨNG DỤNG EFA
I. Giới thiệu (tt)
Khác với hồi quy bội, 1 biến được xem là biến phụ thuộc và
các biến khác được xem là biến độc lập.
Phân tích nhân tố khám phá (EFA) khơng có sự phân biệt
này. EFA là 1 kỹ thuật phụ thuộc lẫn nhau (interdependence
technique) trong đó, tồn bộ các mối liên hệ phụ thuộc lẫn
nhau sẽ được nghiên cứu.

• Nhận diện các khía cạnh hay nhân tố giải thích được các liên hệ tương
quan trong một tập hợp biến. Ví dụ, chúng ta có thể sử dụng một tập
hợp các phát biểu về lối sống để đo lường tiểu sử tâm lý của người tiêu
dùng. Sau đó những phát biểu (biến) này được sử dụng trong phân tích
nhân tố để nhận diện các yếu tố tâm lý cơ bản.
• Nhận diện một tập hợp gồm một số lượng biến mới tương đối ít khơng
có tương quan với nhau (thay thế cho 1 tập hợp biến gốc có tương quan
với nhau), sau đó tiến hành phân tích đa biến (ví dụ như hồi qui hay
phân tích biệt số). Chẳng hạn như sau khi nhận diện các nhân tố thuộc
về tâm lý thì ta có thể sử dụng chúng như những biến độc lập để giải
thích những khác biệt giữa những người trung thành và những người
không trung thành với nhãn hiệu sử dụng.

9

10

II. ỨNG DỤNG EFA (tt)

II. ỨNG DỤNG EFA (tt)

Trong kinh doanh, EFA được ứng dụng trong các trường hợp:

Để nhận ra một tập hợp gồm một số ít các biến
nổi trội từ một tập hợp nhiều biến để sử dụng
trong các phân tích đa biến kế tiếp. Ví dụ như từ
một số khá nhiều các câu phát biểu về lối sống
(biến) gốc, ta chọn ra được một số ít biến được
sử dụng như những biến độc lập để giải thích

Phân tích nhân tố có thể được sử dụng trong phân khúc thị trường
để nhận ra các biến quan trọng dùng để phân nhóm người tiêu
dùng. Những người mua xe có thể được nhóm theo sự chú trọng
tượng đối về kinh tế, tiện nghi, tính năng, và sang trọng.
Và kết quả là có 4 phân khúc: những khách hàng tìm kiếm tính
kinh tế, những khách hàng tìm kiếm tiện nghi, những khách hàng
tìm kiếm tính năng và những khách hàng tìm kiếm sự sang trọng.

những khác biệt giữa những nhóm người có
hành vi khác nhau.
11

12

3

04/06/2017

II. ỨNG DỤNG EFA (tt)

II. ỨNG DỤNG EFA (tt)
• Trong nghiên cứu sản phẩm, ta có thể sử dụng phân tích nhân

• Trong nghiên cứu quảng cáo, phân tích nhân tố có thể dùng
để hiểu thói quen sử dụng phương tiện truyền thông của thị
trường mục tiêu.

tố để xác định các thuộc tính nhãn hiệu có ảnh hưởng đến sự
lựa chọn của người tiêu dùng, Ví dụ như các nhãn hiệu kem
đánh răng có thể được đánh giá theo khả năng bảo vệ chống
sâu răng, trắng răng, mùi vị, hơi thở thơm tho, và giá cả.

• Trong nghiên cứu định giá, ta có thể sử dụng phân tích nhân
tố để nhận ra các đặc trưng của những người nhạy cảm với
giá. Ví dụ những người tiêu dùng nhạy cảm với giá có thể là
những người có tính ngăn nắp, có suy nghĩ tiết kiệm và
thường ở trong nhà nhiều hơn là đi ra ngoài.

13

Trước khi kiểm định lý thuyết khoa học thì cần
phải đánh giá độ tin cậy và giá trị của thang đo.

14

III. ĐÁNH GIÁ ĐỘ TIN CẬY CỦA THANG

ĐO
• Việc đo lường khái niệm, chẳng hạn chất lượng cuộc sống, chất lượng
dịch vụ, quan niệm sống…không thể chỉ sử dụng những thang đo đơn
giản bằng 1 câu hỏi mà đo lường được. Thay vào đó, cần có những câu
hỏi chi tiết hơn (thang đo nhiều chỉ báo) mới có thể nắm bắt được những
nội dung phong phú của các khái niệm này.
• Những chỉ báo khác nhau khi đo lường giúp thể hiện những khía cạnh
(chiều kích – dimension) khác nhau của khái niệm muốn đo lường.

15

16

4


04/06/2017

III. ĐÁNH GIÁ ĐỘ TIN CẬY CỦA THANG ĐO (tt)

3.2. Các bước xây dựng thang đo đơn khía
cạnh và thang đo Likert:

3.1. Thang đo Likert:
• Xin vui lịng đọc kỹ những phát biểu sau. Sau mỗi câu phát biểu hãy
khoanh tròn trả lời thể hiện đúng nhất quan điểm của bạn.
• Xin hãy cho biết rằng bạn rất đồng ý, đồng ý, thấy bình thường, khơng

B1: Nhận diện và đặt tên biến mà bạn muốn đo lường
B2: Lập ra một danh sách các phát biểu hoặc câu hỏi

đồng ý hay rất khơng đồng ý với mỗi phát biểu?

có tính biểu thị.

Rất không đồng ý

Rất đồng ý
1

2

3

4

5
17

3.2. Các bước xây dựng thang đo đơn khía
cạnh và thang đo Likert (tt):

18

3.2. Các bước xây dựng thang đo đơn khía
cạnh và thang đo Likert (tt):

• Bạn phải đảm bảo cho các mục hỏi này theo cả hai chiều

• Trong việc soạn các mục cần hỏi, những chú ý đối với

thuận và nghịch đối với vấn đề đặt ra. Nếu bạn có phát

thiết kế bảng câu hỏi cần được tuân thủ”. “Cần nhớ những

biểu: “Tôi cảm thấy thoải mái khi giao dịch với các nhân

người bạn sẽ phỏng vấn là ai và nên sử dụng ngơn ngữ

viên ngân hàng” thì sau đó bạn cần một câu phát biểu có ý

của họ. Thiết kế những câu phát biểu càng ngắn càng đơn

phủ định cho cân bằng như sau “nhân viên ngân hàng làm

giản càng tốt. Không dùng những câu phủ định hai lần.

cho tôi ngại đến các ngân hàng”

19

20

5


04/06/2017

3.2. Các bước xây dựng thang đo đơn khía
cạnh và thang đo Likert (tt):

3.2. Các bước xây dựng thang đo đơn

khía cạnh và thang đo Likert (tt):

• Khơng hỏi những câu hỏi có hai ý, thí dụ: “các nhân viên ngân hàng có
thái độ ân cần và tinh thơng nghiệp vụ” [Đây là một câu hỏi tồi vì một
người khách hàng được hỏi có thể đồng ý với 1 vế và không đồng ý với

B3: Xác định số lượng và loại trả lời.
Hầu hết các thang đo của Likert có số lượng lẻ các câu

vế còn lại].

trả lời 3,5,7. Mục đích để đưa ra cho người trả lời một
• Số lượng các mục hỏi khi bạn xây dựng phải gấp bốn đến năm lần số
lượng các mục hỏi bạn sẽ cần trong thang đo cuối cùng. Nếu bạn cần một
thang đo với sáu mục thì bạn phải xây dựng từ 25 đến 30 mục trong lần

loạt các lựa chọn trả lời có điểm giữa. Điểm giữa mang
tính trung lập (khơng đồng ý cũng như không phản đối).

kiểm tra đầu tiên.

21

3.2. Các bước xây dựng thang đo đơn khía cạnh và thang đo Likert (tt):
 B4: Kiểm tra toàn bộ các mục hỏi đã khai thác được từ những người trả lời.
Ban đầu để test bản câu hỏi, bạn có thể thăm dò khoảng 100 người để kiểm
tra các mục hỏi.

 B5: Thực hiện một phân tích mục hỏi để tìm ra một tập hợp các mục hỏi tạo
nên một thang đo đơn khía cạnh về biến mà bạn muốn đo lường
 B6: Sử dụng thang đo mà bạn đã xây dựng được trong nghiên cứu và tiến
hành phân tích lại các mục hỏi lại lần nữa để đảm bảo rằng thang đo đó là
chắc chắn.

23

22

3.3. Kiểm tra sự tương quan giữa các mục hỏi và
tính tốn Cronbach Alpha:
Kiểm tra xem các mục hỏi nào đã có đóng góp vào việc
đo lường một khái niệm lý thuyết mà ta đang nghiên cứu và
những mục nào không.
Hệ số α của Cronbach là ???
Công thức của hệ số Cronbach α là:
α = Nρ/[1+ρ(N-1)]
Trong đó: ρ là hệ số tương quan trung bình giữa các mục
hỏi. N là số mục hỏi.
24

6


04/06/2017

3.3. Kiểm tra sự tương quan giữa các mục hỏi và
tính tốn Cronbach Alpha (tt)

File. Phan tich nhan to

• Cronbach Alpha khơng phải là 1 kiểm định thống kê. Nó chỉ là 1 hệ
số tin cậy (coefficient of reliability or consistency)
• Theo quy ước, một tập hợp các mục hỏi dùng để đo lường được
đánh giá là tốt phải có hệ số Cronbach Alpha α ≥0.6
• Nhược điểm: nếu như bạn có quá nhiều mục hỏi (N sẽ tăng lên) thì
hệ số α cũng vì vậy mà cao. Hệ số α của Cronbach sẽ cho bạn biết
các đo lường của bạn có liên kết với nhau hay khơng nhưng nó sẽ
không cho bạn biết mục hỏi nào cần được bỏ đi và mục hỏi nào cần
được giữ lại.
25

MƠ HÌNH PHÂN TÍCH NHÂN TỐ EFA

28

7


04/06/2017

CÁC BƯỚC THỰC HIỆN EFA

CÁC BƯỚC THỰC HIỆN EFA

Bước 7: Xác định các nhân tố F do items X tạo thành dựa trên factor
loadings

Bước 1: Từ lý thuyết và nghiên cứu tiền nhiệm, thực hiện khung phân tích

Bước 2: Thiết kế bảng mẫu câu hỏi.
Bước 3: Phỏng vấn mẫu nhỏ và tiến hành điều chỉnh lại bản hỏi. Thực hiện nhiều
lần, cho đến khi thiết kế bảng mẫu câu hỏi được hoàn chỉnh.
Bước 4: Thu thập dữ liệu thực tế (với số quan sát lớn để tiến hành nghiên cứu) và
nhập liệu.

Bước 8: Sau khi thực hiện EFA. Dùng Cronbach Alpha để test lại lần nữa,
loại trừ đi những items X khơng phù hợp.
Sau đó, thực hiện lại EFA lần nữa. Thao tác này sẽ được lặp lại tới khi nhà
nghiên cứu đạt được sự phù hợp cả về EFA lẫn Cronbach Alpha.
Bước 9: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s test

Bước 5: Thực hiện Cronbach Alpha để loại những câu hỏi –item X không phù hợp.
Bước 6: Thực hiện mơ hình EFA và loại item không phù hợp

Bước 10: Cách xác định số lượng nhân tố và eigenvalue
Bước 11: Tính tốn các nhân tố
Bước 12: Đặt tên Factor
Bước 13: Lặp lại 12 bước trên đối với Factor loyalty (Factor biến phụ
thuộc)

29

30

Bước 14: Chạy mơ hình Hồi quy OLS

Bước 1: Lý thuyết và khung phân tích (Theory Framework)
Thăng tiến
prom

Đồng nghiệp
cow

Thực hiện Phân tích EFA

Lãnh đạo
sup

Lịng trung thành
của nhân viên cty A
Loy

Lương – thưởng
pay

Bảo hiểm
ben

31

Bản chất
công việc
work

Đề tài: Sự thỏa mãn của nhân viên với công việc

32

8

04/06/2017

Bước 2 và bước 3: Thiết kế và hoàn chỉnh bản câu hỏi

33

34

Bước 4 và 5: Thu thập data và Đánh giá bảng câu hỏi bằng
Cronbach Alpha

35

36

9


04/06/2017

Bước 6: Thực hiện EFA trên SPSS

37

38

Ở Extraction

Bước 6: Thực hiện EFA trên SPSS (tt)

Phân tích ma trận tương quan hay hiệp phương sai ở ô Analyze.
Thể hiện phương án nhân tố chưa xoay và vẽ biểu đồ dốc ở ô Display.
Xác định tiêu chuẩn rút trích nhân tố hay số lượng nhân tố cần rút trích.
Có 2 cách để xác định tiêu chuẩn này ở ơ Extract:
• Xác định từ trước dựa vào ý đồ của nhà nghiên cứu và kết quả của các cuộc
nghiên cứu trước. Nhà nghiên cứu xác định số nhân tố ở ô Number of factors.
• Xác định dựa vào Eigenvalue (Determination based on eigenvalue. Chỉ có
những nhân tố nào lớn hơn 1 mới được giữ lại trong mơ hình phân tích.

39

40

10


04/06/2017

Bước 6: Thực hiện EFA trên SPSS (tt)

Bước 7: Xác định các nhân tố F do items X tạo thành
dựa trên factor loadings
0.65

0.35

0.3

0.7
Factor
loadings

Hệ số factor loading (hệ số tải nhân tố): là những hệ số tương quan đơn
giữa các biến và các nhân tố.

41

Bước 7: Xác định các nhân tố F do
items X tạo thành (tt)

42

Bước 7: Xác định các nhân tố F do
items X tạo thành (tt)

Lúc này cấu thành 7 factors (7
components) đã hoàn chỉnh

F1 sẽ do item sup 2,3,4,5,6,7
F2 sẽ do item prom1,2,3,4 và work4

43

44

11

04/06/2017

Bước 8: Đo lại các khái niệm bằng Cronbach
Alpha

Bước 8: Đo lại các khái niệm bằng Cronbach
Alpha

F1 sẽ do item sup 2,3,4,5,6,7
F2 sẽ do item prom1,2,3,4 và
work4
Tương tự, thực hiện với các F
khác

45

Bước 9: Xây dựng ma trận tương quan, KMO và
kiểm định Bartlett’s test

46

Bước 9: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s
test (tt)

Để có thể áp dụng được phân tích nhân tố thì các biến quan sát Xi phải có liên hệ
với nhau.
Nếu hệ số tương quan giữa các biến nhỏ, EFA có thể khơng thích hợp => Ta
mong cho các biến này có tương quan chặt chẽ với nhau và như vậy sẽ tương
quan chặt với 1 nhân tố F nào đó (hoặc tương quan chặt với nhiều nhân tố F). Tuy
nhiên, lưu ý giữa các F không tương quan với nhau

47

48

12


04/06/2017

Bước 9: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s
test (tt)

Kiểm định Bartlett’s test:
H0: ???
[ tức là ma trận các biến qsát Xi là ma trận đơn vị. Các biến Xi chỉ tương quan
với chính nó là 1 trên đường chéo và không tương quan với các biến Xi khác]
P-value < α: bác bỏ H0 => Phương phân phân tích nhân tố là phương pháp phù
hợp

Bước 9: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s
test (tt)

Kaiser – Meyer – Olkin measure (KMO)
KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố.
0.5 < KMO < 1: KMO lớn là điều kiện đủ để phân tích nhân tố thích hợp.
VẬY TỪ KMO VÀ BARTLETT CÓ THỂ KẾT LUẬN BẢNG THIẾT KẾ CÂU
HỎI VÀ DATA PHÙ HỢP ĐỂ THỰC HIỆN PHƯƠNG PHÁP EFA
(Trong 1 số nghiên cứu, người ta tiến hành làm bước 9 trước bước 7 và bước 8)

49

50

Bước 10: Cách xác định số lượng nhân tố và
eigenvalue (tt)

Bước 10: Cách xác định số lượng nhân tố và
eigenvalue
• Ta có thể tính số lượng nhân tố F = số biến quan sát Xi

Cần rút bao nhiêu nhân tố F?

=> Nếu dùng EFA như vậy thì khơng có ý nghĩa gì trong mục
đích tóm tắt thơng tin

Có 2 phương pháp cơ bản nhằm xác định số lượng nhân tố F:
- PP1: Phương pháp xác định từ trước (Prior determination):

=> Do đó, để tóm tắt thơng tin thì số nhân tố F được rút ra
trong thông tin của các biến quan sát Xi

Từ phân tích lý thuyết, từ nghiên cứu trước... Người nghiên cứu biết
được có bao nhiêu nhân tố có thể rút ra và chỉ định SPSS số nhân tố cần phải
rút ra.

• Cần rút bao nhiêu nhân tố F?

51

52

13


04/06/2017

Bước 10: Cách xác định số lượng nhân tố và
eigenvalue (tt)

Bước 10: Cách xác định số lượng nhân tố và
eigenvalue (tt)
Cần rút bao nhiêu nhân tố F?
Có 2 phương pháp cơ bản nhằm xác định số lượng nhân tố F:
- PP2: Phương pháp dựa vào Eigenvalue (Determination based on
eigenvalue):
Chỉ có nhân tố nào có eigenvalue > 1 mới được giữ lại trong phân tích.
Bởi vì Eigenvalue đại diện cho lượng biến thiên được giải thích bởi các
nhân tố.
Nếu nhân tố có Eigenvalue < 1 thì nhân tố đó khơng có tác dụng tóm tắt
thơng tin tốt hơn 1 biến gốc.

Tiêu chuẩn Eigenvalue > 1 (mặc định SPSS) => Có 7 nhân tố được rút ra
(phù hợp với kết quả ở trên đã thực hiện)
Cumulative % cho biết ???

53

54

Bước 11: Tính toán các nhân tố

Bước 10: Cách xác định số lượng nhân tố và
eigenvalue (tt)

• Sau khi giải thích các nhân tố, ta có thể tính tốn ra các nhân tố.

Nhược điểm của Eigenvalue:

• Bản thân phân tích nhân tố là một phương pháp độc lập trong phân tích

Khi quy mơ mẫu lớn n > 200 , có nhiều khả năng

có thể sử dụng một mình. Bởi vì, mục tiêu của phân tích nhân tố là biến
đổi một tập hợp biến gốc thành một tập hợp ít hơn các biến nhân tố (biến

sẽ có nhiều nhân tố thỏa mãn mức ý nghĩa thống kê.

tổng hợp)

Tuy nhiên, thật ra có nhiều nhân tố chỉ giải thích
được một phần nhỏ của tồn bộ biến thiên.

55

56

14


04/06/2017

Bước 11: Tính tốn các nhân tố (tt)

Bước 11: Tính tốn các Factor
Giả sử file.Phân tích nhân tố
(sách Hồng Trọng)

???

Nhân tố chung của các biến quan sát thứ i bằng:
Fi = Wi1X1 + Wi2X2 + Wi3X3 + … + WikXk
Trên thực tế, SPSS có thể tự thực hiện.

57

Bước 11: Tính toán các
Factor

58

Bước 12: Đặt tên Factor
Lúc này cấu thành 7 factors (7
components) đã hoàn chỉnh

F1 = -0.121work1 –
0,061work2 – 0.043work3 –
0.078work4 ......+0.247sup7

59

60

15


04/06/2017

Bước 13: Lặp lại 12 bước trên đối với Factor loyalty (Factor biến
phụ thuộc)

Bước 13: Lặp lại 12 bước trên đối với Factor loyalty (Factor biến
phụ thuộc) (tt)

Factor loyalty
FY=0.407 loy1 + 0.386 loy2 + 0.389loy3
Đặt tên biến
FY là lòng trung thành

61

Bước 14: Chạy mơ hình Hồi quy OLS

62

THANK YOU FOR
LISTENING

63

64

16