Tổng quan về phân tích nhân tố khám phá EFA

Nguyễn Tuyết Anh 04/03/2019 Phân tích định lượng
Tổng quan về phân tích nhân tố khám phá EFA
5/5 (2 đánh giá) 9 bình luận

Phân tích nhân tố khám phá(EFA) là một phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn(gọi là các nhân tố) để chúng có ý nghĩa hơn

Tham khảo thêm:

Kiểm định T - test, kiểm định sự khác biệt trong spss

Hướng dẫn chạy hồi quy tuyến tính (regression analysis) trong SPSS

Tổng quan về phân tích nhân tố khám phá EFA
Tổng quan về phân tích nhân tố khám phá EFA

1. Khái niệm về EFA

Phân tích nhân tố khám phá(EFA) là một phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn(gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu(Hair et al. 2009)

2. Mục tiêu của EFA

Hai mục tiêu chính của EFA là phải xác định:

  • Số lượng các nhân tố ảnh hướng đến một tập các biến đo lường.
  • Cường độ về mối quan hệ giữa mỗi nhân tố với từng biến đo lường

3. Ứng dụng của EFA

EFA thường được sử dụng nhiều trong các lĩnh vực quản trị, kinh tế, tâm lý, xã hội học, . . ., khi đã có được mô hình khái niệm(Conceptual Framework) từ các lý thuyết hay các nghiên cứu trước.

Trong các nghiên cứu về kinh tế, người ta thường sử dụng thang đo(scale) chỉ mục bao gồm rất nhiều câu hỏi(biến đo lường) nhằm đo lường các khái niệm trong mô hình khái niệm, và EFA sẽ góp phần rút gọn một tập gồm rất nhiều biến đo lường thành một số nhân tố.

Khi có được một số ít các nhân tố, nếu chúng ta sử dụng các nhân tố này với tư cách là các biến độc lập trong hàm hồi quy bội thì khi đó, mô hình  sẽ giảm khả năng vi phạm hiện tượng đa cộng tuyến.

Ngoài ra, các nhân tố được rút ra sau khi thực hiện EFA sẽ có thể được thực hiện trong phân tích hồi quy đa biến (Multivariate Regression Analysis), mô hình Logit, sau đó có thể tiếp tục thực hiện phân tích nhân tố khẳng định(CFA) để đánh giá độ tin cậy của mô hình hay thực hiện mô hình cấu trúc tuyến tính (Structural Equation Modeling, SEM) để kiểm định về mối quan hệ phức tạp giữa các khái niệm.

4. Mô hình của EFA

Trong EFA, mỗi biến đo lường được biễu diễn như là một tổ hợp tuyến tính của các nhân tố cơ bản, còn lượng biến thiên của mỗi biến đo lường được giải thích bởi những nhân tố chung(common factor). Biến thiên chung của các biến đo lường được mô tả bằng một số ít các nhân tố chung cộng với một số nhân tố đặc trưng(unique factor) cho mỗi biến. Nếu các biến đo lường được chuẩn hóa thì mô hình nhân tố được thể hiện bằng phương trình:

Xi = Ai1 * F1 + Ai2 * F2 + Ai3 * F3 + . . .+ Aim * Fm + Vi*Ui

Trong đó,

 Xi : biến đo lường thứ i đã được chuẩn hóa

 Aij: hệ số hồi qui bội đã được chuẩn hóa của nhân tố j đối với biến i

  F1, F2, . . ., Fm: các nhân tố chung

  Vi: hệ số hồi qui chuẩn hóa của nhân tố đặc trưng i đối với biến i

  Ui: nhân tố đặc trưng của biến i

Các nhân tố đặc trưng có tương quan với nhau và tương quan với các nhân tố chung; mà bản thân các nhân tố chung cũng có thể được diễn tả như những tổ hợp tuyến tính của các biến đo lường, điều này được thể hiện thông qua mô hình sau đây:

Fi = Wi1*X1 + Wi2*X2 + Wi3*X3 + . . . + Wik*Xk

Trong đó,

 Fi: ước lượng trị số của nhân tố i

 Wi: quyền số hay trọng số nhân tố(weight or factor scores coefficient)

  k: số biến

5. Điều kiện để áp dụng EFA

Điều kiện cần để bảng kết quả ma trận xoay có ý nghĩa thống kê là:

- Hệ số KMO phải nằm trong đoạn từ 0.5 đến 1

- Kiểm định Barlett có sig phải nhỏ hơn 0.05

- Giá trị Eigenvalue lớn hơn hoặc bằng 1

- Tổng phương sai trích lớn hơn hoặc bằng 50%.

5.1 Mức độ tương quan giữa các biến đo lường

Phân tích EFA dựa trên cơ sở mối quan hệ giữa các biến đo lường, vì vậy, trước khi quyết định sử dụng EFA, chúng ta cần xem xét mối quan hệ giữa các biến đo lường này. Sử dụng ma trận hệ số tương quan(correlation matrix), chúng ta có thể nhận biết được mức độ quan hệ giữa các biến.  Nếu các hệ số tương quan nhỏ hơn 0.30, khi đó sử dụng EFA không phù hợp(Hair et al. 2009)

 Sau đây là một số tiêu chí đánh giá mối quan hệ giữa các biến:

 i) Kiểm định Bartlett:

    Kiểm định Bartlett dùng để xem xét ma trận tương quan có phải là ma trận đơn vị  (identity matrix) hay không ?. Ma trận đơn vị ở đây được hiểu là ma trận có hệ số tương quan giữa các biến bằng 0, và hệ số tương quan với chính nó bằng 1.

   Nếu phép kiểm định Bartlett có p<5%, chúng ta có thể từ chối giả thuyết H0 (ma trận tương quan là ma trận đơn vị), có nghĩa là các biến có quan hệ với nhau.

ii) Kiểm định KMO:

    Kiểm định KMO(Kaiser – Meyer - Olkin) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với hệ số tương quan riêng phần của chúng.

Hệ số Kaiser-Mayer-Olkin (KMO): là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0,5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu

Để sử dụng EFA, thì KMO phải lớn hơn 0.50

Kaiser(1974) đề nghị,

                   KMO >= 0.90: RẤT TỐT;

                   0.80 <= KMO < 0.90: TỐT;

                   0.70 <= KMO <0. 80: ĐƯỢC;

                   0.60 <= KMO <0. 70: TẠM ĐƯỢC;

                   0.50 <= KMO <0. 60: XẤU;

                   KMO <0. 50: KHÔNG CHẤP NHẬN ĐƯỢC

iii) Hệ số tải Factor loadings

Hệ số tải Factor loadings là những hệ số tương quan đơn giữa các biến và các nhân tố. Hệ số này nhỏ hơn 0,5 trong EFA sẽ tiếp tục bị loại để đảm bảo giá trị hội tụ giữa các biến. Phương pháp trích hệ số sử dụng là Principal components và điểm dừng khi trích các nhân tố có Eigenvalue lớn hơn 1, tổng phương sai trích bằng hoặc lớn hơn 50%. ( Nguyễn Đình Thọ,2011)

iv) Trị số Eigenvalue

Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố  trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích .

Eigenvalue là gì

Eigenvalue: Đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Còn Factor Loadings (hệ số tải nhân tố) là những hệ số tương quan đơn giữa các biến quan sát với nhân tố. Nếu hệ số tải càng lớn chứng tỏ biến quan sát có mối quan hệ càng chặt chẽ với nhân tố.

5.2 Kích thước mẫu

  Để sử dụng EFA, chúng ta cần kích thước mẫu lớn, nhưng vấn đề xác định kích thước mẫu phù hợp là việc phức tạp. Các nhà nghiên cứu thường dựa theo theo kinh nghiệm.

Trong EFA, kích thước mẫu thường được xác định dựa vào “kích thước tối thiểu” và “số lượng biến đo lường đưa vào phân tích”, sau đây là một vài ý kiến, đề nghị từ các chuyên gia về phân tích nhân tố, chúng ta có thể xem xét:

  1. i) Hoàng Trọng và Chu Nguyễn Mộng Ngọc(2008), số lượng quan sát(cở mẫu) ít nhất phải gấp 4 đến 5 lần số biến trong phân tích nhân tố.
  2. ii) Hair et al. (2009) cho rằng để sử dụng EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn nên là 100.  Ông Hair đề nghị, cố gắng tối đa hóa tỷ lệ quan sát trên mỗi biến đo lường là 5:1, có nghĩa là cứ 1 biến đo lường thì cần tối thiếu là 5 quan sát.

iii) Stevens (2002, theo Habing 2003) một nhân tố được gọi là tin cậy nếu nhân tố này có từ 3 biến đo lường trở lên.

6. Các bước thực hiện EFA

Quy trình thực hiện EFA, có nhiều nhà nghiên cứu đưa ra các bước(step) khác nhau:

i) Theo Hoàng Trọng và Chu Mộng Ngọc(2010), có 6 bước để thực hiện EFA:

6 bước để thực hiện EFA

ii) Theo Rietveld & Van Hout (1993), có 7 bước chính để thực hiện EFA:

7 bước chính để thực hiện EFA

iii) Theo Williams, Onsman, Brown (2010), có 5 bước thực hiện EFA

 

5 bước chính để thực hiện EFA

7. Các vấn đề cần lưu ý trong phân tích EFA

7.1  Phân tích EFA chung cho tất cả các biến độc lập và biến phụ thuộc hay phân tích riêng?

Không được đưa biến phụ thuộc vào chung với biến độc lập để xử lý EFA cùng một lúc khi sử dụng phép quay vuông góc và sử dụng giá trị nhân tố do EFA tạo ra để phân tích tiếp theo (Nguyễn Đình Thọ, 2012).

>>>> Cần lưu ý phép quay nếu dùng giá trị nhân tố do EFA tạo ra để phân tích tiếp theo.

7.2  Phân tích EFA chung cho tất cả các biến độc lập và biến phụ thuộc hay phân tích riêng

Tuy nhiên, trong trường hợp sử dụng EFA để đánh giá giá trị thang đo (là phương pháp đánh giá liên kết) nếu sử dụng EFA cho từng thang đo riêng lẻ thì sẽ không đạt được giá trị phân biệt (các biến chỉ đo lường khái niệm muốn đo hay cùng đo lường các khái niệm khác)

>>>  Lưu ý dùng EFA để đánh giá giá trị phân biệt chỉ mang tính chất tham khảo, cần xem xét hệ số tương quan giữa hai khái niệm có khác 1 hay không.

Nếu bạn không có nhiều kinh nghiệm trong việc làm bài trên phần mềm SPSS? Bạn cần đến dịch vụ phân tích định lượng để giúp mình xóa bỏ những rắc rối về lỗi gây ra khi không sử dụng thành thạo phần mềm này?

Khi gặp khó khăn về vấn đề phân tích kinh tế lượng hay gặp vấn đề về chạy SPSS, hãy nhớ đến Tổng đài tư vấn luận văn 1080, nơi giúp bạn giải quyết những khó khăn mà chúng tôi đã từng trải qua.

Nguyễn Tuyết Anh Tôi là Nguyễn Tuyết Anh - Job title: Trưởng phòng nội dung - Company: Luanvan1080 Group. Công việc của tôi là Chuyên thu thập, quản lý và sản xuất nội dung thông tin dưới bất kỳ dạng nào, tư vấn các vấn đề luận văn cho khách hàng qua tổng đài tư vấn, soạn thảo các hồ sơ, dịch vụ làm luận văn cho khách hàng. Bạn hãy tham khảo website https://luanvan1080.com/ để rõ hơn công việc của tôi nhé !
Bình luận đánh giá
Đánh giá

NNguyễn Đạt

Có nhận làm phần phân tích nhân tố EFA không ạ. Gửi e báo giá với

Trả lời1 month ago

Thông tin bình luận

LLê Nguyễn Quang Hiển

Chị ơi cho em hỏi là nếu đề tài em có biến điều tiết thì khi mình chạy EFA mình có chạy chung với các biến độc lập không ạ ?

Trả lời1 month ago

Thông tin bình luận

HHoài Thuận

Hiện tại em đang làm luận văn và cần chạy spss. E làm đến phần chạy EFA nhưng làm theo hướng dẫn thì kết quả không hiện ra KMO. Em thật sự rất gà mờ về lĩnh vực này. Hi vọng mọi người giúp đỡ.

Trả lời2 months ago

Nguyễn Tuyết Anh

Bị trùng mean. Bạn kiểm tra lại phần này nhé

Trả lời2 months ago

Thông tin bình luận

HHồng Trang

Cho em hỏi khi phân tích nhân tố EFA mà ra ma trận xoay không thỏa mãn giá trị hội tụ như này, và từ mô hình 5 nhân tố bị gộp còn có 3 nhân tố thì phải xử lý như nào ạ?

Trả lời2 months ago

Nguyễn Tuyết Anh

Trường hợp này các biến quan sát của các nhân tố có giá trị gần giống nhau rồi

Trả lời2 months ago

Thông tin bình luận

PPhạm Ngọc

Trị số Eigenvalue đạt bao nhiêu thì có thể sử dụng được ạ?

Trả lời2 months ago

Thông tin bình luận

PPhạm Tú Linh

cho mình hỏi xử lý lỗi này như thế nào các bạn nhỉ:Error: “Text value unmappable in the current server locale”

Trả lời4 months ago

Nguyễn Tuyết Anh

Đây là một lỗi rất thường gặp đối với các bạn mới sử dụng SPSS là chứa file trong thư mục có dấu tiếng Việt nên khi open file SPSS sẽ báo lỗi như trong hình. Các bạn đổi tên thư mục thành ko dấu or copy ra thư mục khác ko có dấu tiếng Việt

Trả lời4 months ago

Thông tin bình luận

NNguyễn Hoàng Huy

ad ơi cho em hỏi em làm về đề tài nhân tố ảnh hưởng đến sự hài lòng, em dùng efa rồi hồi quy đa biến ( thầy em k cho làm kiểm định độ tin cậy), em có cần anova để chỉ ra sự tương quan giữa các biến vs sự hài lòng k ạ

Trả lời4 months ago

Nguyễn Tuyết Anh

Đề tài của e chạy hồi quy đa biến là ok rồi, anova là để kiểm định sự khác biệt giữa các nhóm, nếu có thời gian e có thể làm thêm, đọc lại các bài viết liên quan đến anova nhé

Trả lời4 months ago

Thông tin bình luận

NNguyễn Thị Quỳnh

cho minh hoi them la em chay cronbach alpha roi, sau do chay EFA. Vay sau khi chay EFA em co can phai chay cronbach alpha them lan nua de ktra do tin cay cua thang do moi k vay?

Trả lời4 months ago

Nguyễn Tuyết Anh

Nếu có nhân tố mới thì kiểm tra CA lại nhé em

Trả lời4 months ago

Thông tin bình luận

HHương Giang

Cho e hỏi về trường hợp loại biến trong EFA. Nếu mình chạy lần đầu có nhiều biến không đủ điều kiện bị loại, mình sẽ loại biến nào có factor loading nhỏ nhất phải không ạ? Em loại biến gòi chạy lại lần 2 vẫn có nhiều biến k đủ điều kiện, vậy em sẽ phải tiếp tục loại biến dựa trên kết quả của lần chạy tiếp theo hay lần trước đó ạ?

Trả lời4 months ago

Nguyễn Tuyết Anh

Nguyên tắc là loại từng biến và điều kiện loại áp dụng cho lần đang chạy (chứ ko phải lấn trước đó) nhé em

Trả lời4 months ago

Thông tin bình luận

Zalo: 096.999.1080