Biểu đồ đánh giá của nhân tố spss

Trong nghiên cứu, nhiều vấn đề rất phức tạp, đa khía cạnh không thể chỉ sử dụng những thang đo đơn giản - thang đo chỉ dùng một câu hỏi đo lường (thang đo một chỉ báo). Do đó, việc xây dựng các thang đo chi tiết (thang đo nhiều chỉ báo) để có thể nắm bắt được những nội dung phong phú của các vấn đề nghiên cứu và việc kiểm tra độ tin cậy của thang đo là điều hết sức cấp thiết trong nghiên cứu định lượng.

Theo sách “Phân tích dữ liệu với SPSS” của Hoàng Trọng – Chu Nguyễn Mộng Ngọc, một trong những hình thức đo lường các khái niệm trừu tượng được sử dụng phổ biến nhất trong nghiên cứu kinh tế xã hội là thang đo Likert, do Renis Likert giới thiệu vào năm 1932. Câu hỏi điển hình của dạng thang đo Likert này là “Xin vui lòng đọc kỹ những câu phát biểu sau và khoanh tròn trả lời thể hiện đúng nhất quan điểm của bạn sau mỗi câu phát biểu”. Thang đo Likert có dạng là một dãy các chữ số liên tục và đều đặn từ 1 đến 5, từ 1 đến 7 hoặc từ 1 đến 10. Khi lập bảng câu hỏi, chúng ta thường tạo các biến quan sát x1, x2, x3, x4, x5... là biến con của một nhân tố, ta đo lường các biến quan sát nhỏ này để suy ra tính chất của nhân tố thay vì đo lường cả một nhân tố tương đối trừu tượng và khó đưa ra đánh giá chính xác. Tuy nhiên không phải lúc nào tất cả các biến quan sát dùng để đo lường một nhân tố đều phản ánh được khái niệm, tính chất của nhân tố đó. Do vậy, cần phải có một công cụ kiểm tra mức độ phù hợp của các biến quan sát để đưa vào thang đo. Kiểm định độ tin cậy của thang đo Cronbach’s Alpha là bước quan trọng, đảm bảo thang đo phù hợp để thực hiện các phân tích tiếp theo như phân tích nhân tố, mô hình hồi quy, …

0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.

• Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
• Phần trăm phương sai trích (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %. Khi phân tích nhân tố ra kết quả sẽ phân tích chi tiết, cách viết kết quả phân tích nhân tố EFA đưa vào bài luận văn như thế nào? Bài này nhóm MBA sẽ giải đáp, viết phân tích mẫu nhé.

  Mô hình chất lượng dịch vụ gồm 5 nhân tố độc lập, khi phân tích nhân tố sẽ ra được ba bảng sau: Bảng 1:

  Bảng 2:
  Bảng 3:

  Cách viết kết quả phân tích nhân tố EFA

  Bảng 1: Kiểm định KMO và Bartlett
  Tiêu chuẩn của phương pháp phân tích nhân tố là chỉ số KMO phải lớn hơn 0.5 (Garson, 2003) và kiểm định Barlett’s có mức ý nghĩa sig < 0.05 để chứng tỏ dữ liệu dùng phân tích nhân tố là thích hợp và giữa các biến có tương quan với nhau. Giá trị Kaiser-Meyer-Olkin Measure of Sampling Adequacy (KMO)=0.845. Kết quả phân tích nhân tố cho thấy chỉ số KMO là 0.845 > 0.5, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp. Kết quả kiểm định Barlett’s là 2654.293 với mức ý nghĩa Sig. = 0.000< 0.05,lúc này bác bỏ giả thuyết H0: các biến quan sát không có tương quan với nhau trong tổng thể. Như vậy giả thuyết về ma trận tương quan giữa các biến là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa điều kiện phân tích nhân tố. Bảng 2: Eigenvalues và phương sai trích
  Thực hiện phân tích nhân tố theo Principal components với phép quay Varimax. Kết quả cho thấy 25 biến quan sát ban đầu được nhóm thành 5 nhóm. Giá trị tổng phương sai trích = 73.178% > 50%: đạt yêu cầu; khi đó có thể nói rằng 5 nhân tố này giải thích 73.178% biến thiên của dữ liệu. Giá trị hệ số Eigenvalues của các nhân tố đều cao (>1), nhân tố thứ 5 có Eigenvalues thấp nhất là 2.231> 1 Ma trận nhân tố với phương pháp xoay Varimax:
  Các hệ số tải nhân tố đều lớn hơn 0.5, và không có trường hợp biến nào cùng lúc tải lên cả hai nhân tố với hệ số tải gần nhau.Nên các nhân tố đảm bảo được giá trị hội tụ và phân biệt khi phân tích EFA. Ngoài ra không có sự xáo trộn các nhân tố, nghĩa là câu hỏi của nhân tố này không bị nằm lẫn lộn với câu hỏi của nhân tố kia. Nên sau khi phân tích nhân tố thì các nhân tố độc lập này được giữ nguyên, không bị tăng thêm hoặc giảm đi nhân tố. Như vậy cách viết kết quả phân tích nhân tố EFA đã được trình bài. Các bạn có thể xem thêm một số bài về EFA tại đây nhé: