Để thực hiện phân tích định lượng bằng SPSS trong một bài báo cáo, luận văn thạc sĩ, nghiên cứu khoa học, phân tích nhân tố khám phá EFA là một bước rất quan trọng không thể bỏ qua. Tuy nhiên, khi mới bắt đầu làm quen với EFA, không ít bạn gặp phải rất nhiều bỡ ngỡ, từ khái niệm, ứng dụng của nhân tố khám phá EFA, các tiêu chí cũng như phân tích và đọc kết quả EFA trong SPSS. Chính vì thế, bài viết này sẽ cung cấp tất tần tật kiến thức về phân tích nhân tố khám phá từ lý thuyết đến ứng dụng.
Phân tích nhân tố khám phá EFA là gì?
Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến rất lớn, và trong số đó, có rất nhiều biến quan sát có sự liên hệ tương quan với nhau. Chẳng hạn như: Chúng ta có một đối tượng gồm có 20 đặc điểm cần nghiên cứu. Thay vì đi nghiên cứu từng đặc điểm một, chúng ta sẽ gộp chúng thành 4 đặc điểm lớn, bên trong 4 đặc điểm lớn bao gồm 5 đặc điểm nhỏ có sự tương quan lẫn nhau. Cách làm này sẽ giúp tiết kiệm thời gian và kinh phí cho nghiên cứu đồng thời vẫn không làm thay đổi kết quả. Từ đó, sự ra đời của một phương pháp định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lần nhau thành một tập các nhân tố [các biến] có ý nghĩa hơn. Được gọi là phân tích nhân tố khám phá - [Exploratory Factor Analysis], gọi tắt là EFA.
Ứng dụng phân tích nhân tố EFA
Phân tích nhân tố khám phá EFA thường được sử dụng nhiều trong các lĩnh vực về kinh tế, quản trị, xã hội học, tâm lý…
Trong nghiên cứu xã hội, phân tích EFA thường được dùng trong quá trình xây dựng thang đo [scale] nhằm kiểm tra tính đơn khía cạnh của thang đo và đo lường các khía cạnh khác nhau của khái niệm nghiên cứu.
Trong kinh tế, phân tích nhân tố khám phá có ứng dụng rất rộng rãi, trong nhiều trường hợp và phổ biến nhất là:
- Sử dụng trong phân khúc thị trường để phát hiện ra các nhân tố quan trọng dùng để phân nhóm người tiêu dùng. Ví dụ như: Những người mua xe có thể được chia thành 4 nhóm theo sự chú trọng tượng đối về tính năng, tiện nghi, kinh tế và sự sang trọng. Từ đó đưa ra 4 phân khúc về sản phẩm cho người mua xe: những người tiêu dùng tìm kiếm tính kinh tế, người tiêu dùng tìm kiếm tiện nghi, người tiêu dùng tìm kiếm tính năng và người tiêu dùng tìm kiếm sự sang trọng.
- Trong nghiên cứu định giá, ta có thể sử dụng phân tích EFA 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 suy nghĩ tiết kiệm, có tính ngăn nắp và không thích ra ngoài...
- Trong nghiên cứu sản phẩm, ta có thể sử dụng phân tích nhân 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 chống nắng có thể được đánh giá theo khả năng như chỉ số chống tia UV, thời gian chống nắng tối đa và giá cả...
- Trong nghiên cứu quảng cáo, phân tích nhân tố có thể dùng để tìm hiểu thói quen sử dụng phương tiện truyền thông [tv, báo giấy, internet, quảng cáo ngoài trời...] của thị trường mục tiêu. Từ đó đưa ra cách tiếp cận hiệu quả.
Bài viết cùng chuyên mục:
Tất cả những điều bạn cần biết về kiểm định T-Test
Các tiêu chí trong phân tích nhân tố khám phá EFA
Trong phân tích nhân tố khám phá EFA, chúng ta cần quan tâm tới cac chỉ số dưới đây:
Hệ số Factor Loading: Được định nghĩa là là trọng số nhân tố hay hệ số tải nhân tố. Là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Trong đó:
- Nếu 0.3 = 0.7: Biến quan sát có ý nghĩa thống kê rất tốt
Hệ số KMO [Kaiser – Meyer - Olkin]: Là chỉ số dùng để đánh giá sự thích hợp của phân tích nhân tố, cụ thể là so sánh độ lớn của hệ số tương quan giữa 2 biến với hệ số tương quan riêng phần của chúng. Trị số của KMO được đánh giá như sau:
- KMO