Tổng hợp tin game giải trí

Tổng hợp

Tổng Quan Phân Tích Nhân Tố Khám Phá Efa Trong Spss, Phân Tích Nhân Tố Khám Phá Efa Trong Spss

*

Hai giá trị quan trọng được xem xét trong phần này làgiá trị hội tụ và giá trị phân biệt. Hiểu một cách đơn giản:
-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 Cronbach Alpha, chúng ta đang đánh giá mối quan hệ giữa các biến trong cùng một nhóm, cùng một nhân tố, chứ không xem xét mối quan hệ giữa tất cả các biến quan sát ở các nhân tố khác. Trong khi đó, EFA xem xét mối quan hệ giữa các biến ở tất cả các nhóm (các nhân tố) khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố từ ban đầu.

Đang xem: Tổng quan phân tích nhân tố khám phá efa

-Hệ số KMO (Kaiser-Meyer-Olkin)là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
-Kiểm định Bartlett (Bartlett’s test of sphericity)dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Chúng ta cần lưu ý, điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test ), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
-Trị số Eigenvaluelà 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 cóEigenvalue ≥ 1mới được giữ lại trong mô hình phân tích .
-Tổng phương sai trích (Total Variance Explained)≥ 50% cho thấy mô hình EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
-Hệ số tải nhân tố (Factor Loading)hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Xem chi tiết cách chọn hệ số tải theo kích thước mẫuở đây.
Lần lượtchạy phân tích nhân tố khám phácho biến độc lập và biến phụ thuộc. Lưu ý,các biến quan sát bị loại ở bước Cronbach Alpha trước đó sẽ không được đưa vào để kiểm định EFA.

Xem thêm: Cung Song Tử Hợp Cung Nào ? Cung Song Tử Hợp Với Cung Nào Trong Tình Yêu

Để thực hiện phân tích nhân tố khám phá EFA trong SPSS 20, chúng ta vàoAnalyze > Dimension Reduction > Factor…

*

Đưa các biến quan sát cầnthực hiện phân tích EFAvào mục Variables. Chú ý 4 tùy chọn được đánh số ở ảnh bên dưới.

*

-Descriptives:Tích vào mục KMO and Barlett’s test of sphericity để xuất bảng giá trị KMO và giá trị sig của kiểm định Barlett. Nhấp Continue để quay lại cửa sổ ban đầu.

*

– Extraction:Ở đây, chúng ta sẽ sử dụng phép trích PCA (Principal Components Analysis). Với SPSS 20 và các phiên bản 21, 22, 23, 24, PCA sẽ được viết gọn lại là Principal Components như hình ảnh bên dưới, đây cũng là tùy chọn mặc định của SPSS.

*

Khi các bạn nhấp chuột vào nút mũi tên hướng xuống sẽ có nhiều tùy chọn phép trích khác nhau. Số lượng nhân tố được trích ra ở ma trận xoay phụ thuộc khá nhiều vào việc lựa chọn phép trích, tuy nhiên, tài liệu này sẽ chỉ tập trung vào phần PCA.
– Rotation:Ở đây có các phép quay, thường chúng ta hay sử dụng Varimax và Promax. Riêng với dạng đề tài đã xác định được biến độc lập và biến phụ thuộc, chúng ta sử dụng phép quay Varimax. Nhấp Continue để quay lại cửa sổ ban đầu.
– Options:Tích vào 2 mục như hình bên dưới.Sorted by sizegiúp sắp xếp ma trận xoay thành từng cột dạng bậc thang để dễ đọc dữ liệu hơn.Suppress small coefficientsgiúp loại bỏ các hệ số tải không đạt tiêu chuẩn khỏi ma trận xoay, giúp ma trận gọn gàng, trực quan hơn. Tại mục này sẽ có hàngAbsolute value below, bạn cần nhập vào giá trị hệ số tải nhân tố Factor Loading tối thiểu, thường là 0.3 và 0.5. Kích thước mẫu file dữ liệu là 220 nên tác giả sẽ nhập vào 0.5. Nhấp Continue để quay lại cửa sổ ban đầu.

Xem thêm: tuổi thơ hồn nhiên giữa chúng ta

KMO and Barlett’s Test:xem hệ số KMO và sig kiểm định Bartlett.Total Variance Explained:xem tổng phương sai tríchTotal Variance Explained và giá trị Eigenvalue.Rotated Component Matrix:xem ma trận xoay và kiểm tra hệ số tải Factor Loading của các biến quan sát.

Leave a Reply