Phân tích nhân tố efa là gì
|
Một trong những bước vô cùng quan trọng khi xử lý định lượng của bài luận văn, bài nghiên cứu đó chính là phân tích nhân tố khám phá EFA. Thông qua EFA, bạn sẽ có thể định hình lại cấu trúc các nhóm thang đo, xem xét sự hội tụ và phân biệt của các nhóm biến, đồng thời giúp loại bỏ đi những biến quan sát rác giúp cải thiện kết quả nghiên cứu. Show
Xem thêm các bài viết liên quan khác:
Trong khi chúng ta sử dụng phương pháp Cronbach Alpha để đánh giá độ tin cậy của thang đo thì phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) lại giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Khái niệm phân tích nhân tố khám phá EFAPhân tích nhân tố khám phá EFA dùng để rút gọn một tập hợp x biến quan sát thành một tập F (với F < x) các nhân tố có ý nghĩa hơn. Khi thực hiện việc nghiên cứu, thông thường bạn sẽ thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong đó có liên hệ tương quan với nhau. Thay vì đi nghiên cứu 20 đặc điểm nhỏ của một đối tượng, thì bạn có thể chỉ nghiên cứu 4 đặc điểm lớn, và đối với từng đặc điểm lớn này gồm 5 đặc điểm nhỏ có sự tương quan với nhau. Từ đó giúp bạn tiết kiệm thời gian và kinh phí rất nhiều trong quá trình nghiên cứu. Những tiêu chí trong phân tích EFA bao gồm những gì?
Theo Hair & ctg (1998, 111), hệ số tải nhân tố hay trọng số nhân tố(Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
Tuy nhiên, bạn cần chú ý giá trị tiêu chuẩn của hệ số tải Factor Loading cần phải phụ thuộc vào kích thước mẫu. Trong thực tế, việc nhớ từng mức hệ số tải với từng khoảng kích thước mẫu không hề dễ dàng, chính vì thế người ta thường lấy hệ số tải 0 làm mức tiêu chuẩn với cỡ mẫu từ 120 đến dưới 350; lấy tiêu chuẩn hệ số tải là 0 với cỡ mẫu từ 350 trở lên.
Nếu quá khó khăn trong quá trình chạy spss bạn hay tham khảo và lựa chọn một trong các trung tâm cung cấp Dịch Vụ SPSS để được hỗ trợ nhiệt tình với giá cả tốt nhất. Hai quy tắc loại biến xấu trong phân tích nhân tốQuy tắc loại biến xấu Để quyết định giữ biến hay loại biến, bạn cần nắm rõ những yếu tố cần thiết để bảng kết quả ma trận xoay có ý nghĩa thống kê là:
Vì nếu như chỉ cần một trong các tiêu chí trên bị vi phạm, bảng ma trận xoay sẽ không còn có ý nghĩa nữa. Nếu mọi thứ OK hết, bạn mới đi đến phần loại biến ở ma trận xoay nhé. Dù bạn loại lần lượt từng biến hay loại một loạt các biến xấu trong một lần phân tich EFA thì bạn cũng cần đảm bảo 2 yếu tố quan trọng sau đây: Quy tắc 1: Đảm bảo độ giá trị hội tụ. Về mặt ý nghĩa, các hệ số tải nhân tố factor loading phải lớn hơn 0. Các items có hệ số tải bé hơn 0 cần phải được loại bỏ và chạy lại khi phân tích nhân tố. Quy tắc 2: Đảm bảo độ giá trị phân biệt. Xét trong cùng 1 dòng, chênh lệch giữa giá trị lớn nhất và giá trị lớn thứ nhì phải lớn hơn 0. Với những chia sẻ bên trên về phân tích nhân tố khám phá EFA, hi vọng rằng bạn sẽ nắm được những kiến thức cơ bản về EFA. Cảm ơn bạn đã đọc bài viết của chúng tôi. Anna PhAnna PhạạmmXin chào, tôi tên là Anna Phạm và tôi có kinh nghiệm 5 năm trong lĩnh vực giáo dục. Sau khi tốt nghiệp đại học Quốc gia Hà Nội, tôi đã bắt đầu công việc viết lách và chia sẻ kiến thức và kinh nghiệm về làm luận văn. Bài viết liên quanĐĐăng Ký Tư VấnĐăng Ký Phân tích nhân tố khám phá EFA là gì? Hai quy tắc loại biến xấu trong phân tích nhân tố Anna Phạm 10/2/ SPSS Tổng hợp 30 đề tài tiểu luận kinh tếlượng eview hay nhấtTổng hợp cho các bạn 30 đề tài tiểu luận kinh tế lượng eview hay và dễ dàng đạt điểm cao nhất tại các trường đại học năm 2020 để các bạn tham khảo và vận dụng. Anna Phạm 6/12/ SPSS Phân tích tương quan Pearson:Những điều bạn cần biếtHệ số tương quan Pearson (Pearson correlation coeHicient, kí hiệu r) đo lường mức độ tương quan tuyến tính giữa hai biến. Về nguyên tắc, việc phân tích tương quan Pearson sẽ tìm ra một đường thẳng phù hợp Anna Phạm 6/12/ SPSS List các câu hỏi thường gặp khi bảovệ luận văn thạc sĩ có sử dụng SPSSBài viết sau đây sẽ chia sẻ đến bạn danh sách các câu hỏi thường gặp khi bảo vệ luận văn thạc sĩ có sử dụng SPSS Anna Phạm 6/12/ SPSS Quy trình thiết kế bảng câu hỏi với 7bước cơ bảnQuy trình thiết kế bảng câu hỏi như thế nào? Hãy cùng Wiki Luận Văn tìm hiểu về những sai lầm thường gặp trong quy trình thiết kế bảng câu hỏi Anna Phạm 6/12/ SPSS Phân tích nhân tố khám phá EFA làgì? Các tiêu chí trong phân tích EFAphương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) lại giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Anna Phạm 6/12/ SPSS Cronbach Alpha là gì? Các vấn đềthường gặp và cách xử lýCronbach Alpha là gì, những lỗi thường gặp khi chạy và cách xử lý như thế nào? Tất cả sẽ được Wiki Luận Văn giải đáp trong bài viết dưới đây Anna Phạm 6/3/ SPSS Top 8 Địa Chỉ Làm Phân Tích ĐịnhLượng SPSS Uy Tín, Tin Cậy NhấtBài viết này mình xin được đánh giá một cách khách quan theo các tiêu chí khắt khe như kinh nghiệm, chất lượng, uy tín của từng đơn vị làm về dịch vụ chạy SPSS, AMOS, STATA. Phương pháp phân tích nhân tố EFA là gì?Phân tích nhân tố khám phá EFA là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998). EFA là viết tắt của từ gì?PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (Exploratory Factor Analysis) EFA. EFA trong SPSS là gì?- Phân tích nhân tố khám phá, gọi tắt là EFA, dùng để rút gọn một tập hợp k biến quan sát thành một tập F (với F < k) các nhân tố có ý nghĩa hơn. Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong đó có liên hệ tương quan với nhau. Phân tích nhân tố khám phá để làm gì?EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F |
