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

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.. Bước 1: Thực hiện kiểm định cronbach’s Alph

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 Thay vì đi nghiên cứu 20 đặc điểm nhỏ của một đối tượng, chúng ta có thể chỉ nghiên cứu 4 đặc điểm lớn, trong mỗi đặc điểm lớn này gồm 5 đặc điểm nhỏ có sự tương quan với nhau Điều này giúp tiết kiệm thời gian và kinh phí nhiều hơn cho người nghiên cứu

Bước 1: Thực hiện kiểm định cronbach’s Alpha của tất cả các items :

-Item hay còn goi la biên quan sat, là một khoản mục nho câu tạo thanh factor va đươc dung để xem xét sự thích hợp của phân tích nhân tố Môt factor đươc tạo thanh từ nhiêu item

-Hệ số Cronbach’s Alpha là thước đo phổ biến nhất của tính nhất quán bên trong Nó thường được sử dụ ̣ng nhất khi bạ ̣n có nhiều câu hỏi Likert trong một cuộc khả̉o sát / bả̉ng câu hỏi tạ ̣o thành một thang

đo và bạ ̣n muốn xác định xem thang đo đó có đáng tin cậy hay không

Kiểm định cronbach’s Alpha 0.923 lớn hơn 0.6 cho thấy 32 item có tương quan chặt chẽ với nhau

Bước 2: Thực hiện Cronbach Alpha để loại các Item không phù hợp

-Thực hiện Cronbach Alpha để loạ ̣i các Item không phù hợp bằng cách tạ ̣i bả̉ng Item -Total Statistics Tạ ̣i mụ ̣c Cronbach's Alpha if Item deleted loạ ̣i các item lớn hơn 0,932

-Các Iem tương quan đi từ̀ o đến 1

Kết quả: Xuất ra cho thấy các item có tương quan chặt chẽ với nhau nên không loạ ̣i item nào.

Bước 3:

-Factor là nhân tố, khái niệm hay cò̀n được gọi là component

-Factor loading (hay cò̀n gọi là trọng số nhân tố) có thể hiểu là mối tương quan giữa biến quan sát với nhân tố Trị tuyệt đối hệ số tả̉i của biến quan sát càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lạ ̣i

Kết quả:

Factor1

0,799 là sự tương quan ( Factor loading ) của Factor 1 và item sup6

0,777 là sự tương quan ( Factor loading ) của Factor 1 và item sup3

0,682 là sự tương quan ( Factor loading ) của Factor 1 và item sup5

0,674 là sự tương quan ( Factor loading ) của Factor 1 và item sup2

0,671 là sự tương quan ( Factor loading ) của Factor 1 và item sup7

0,581 là sự tương quan ( Factor loading ) của Factor 1 và item sup1

0,313 là sự tương quan ( Factor loading ) của Factor 1 và item prom2

-0,378 là sự tương quan ( Factor loading ) của Factor 1 và item prom4

-0,423 là sự tương quan ( Factor loading ) của Factor 1 và item

sup4 Factor 2

-0,448 là sự tương quan ( Factor loading ) của Factor 2 và item sup7 -0,842 là sự tương quan ( Factor loading ) của Factor 2 và item pay4 -0,820 là sự tương quan ( Factor loading ) của Factor 2 và item pay5 -0,583 là sự tương quan ( Factor loading ) của Factor 2 và item pen4 -0,582 là sự tương quan ( Factor loading ) của Factor 2 và item pay2 -0,558 là sự tương quan ( Factor loading ) của Factor 2 và item pay1 -0,504 là sự tương quan ( Factor loading ) của Factor 2 và item pay3 -0,458 là sự tương quan ( Factor loading ) của Factor 2 và item ben1 -0,329 là sự tương quan ( Factor loading ) của Factor 2 và item sup4

Factor 3

0,303 là sự tương quan ( Factor loading ) của Factor 3 và item sup5 0,851 là sự tương quan ( Factor loading ) của Factor 3 và item cow2 0,830 là sự tương quan ( Factor loading ) của Factor 3 và item cow1 0,794 là sự tương quan ( Factor loading ) của Factor 3 và item cow3 0,616 là sự tương quan ( Factor loading ) của Factor 3 và item cow4 0,348 là sự tương quan ( Factor loading ) của Factor 3 và item work1 -0,389 là sự tương quan ( Factor loading ) của Factor 3 và item work2

Factor 4

0,346 là sự tương quan ( Factor loading ) của Factor 4 và item ben4 0,420 là sự tương quan ( Factor loading ) của Factor 4 và item cow4 0,781 là sự tương quan ( Factor loading ) của Factor 4 và item prom1 0,693 là sự tương quan ( Factor loading ) của Factor 4 và item prom2 0,650 là sự tương quan ( Factor loading ) của Factor 4 và item prom3 0,601 là sự tương quan ( Factor loading ) của Factor 4 và item prom4 -0,458 là sự tương quan ( Factor loading ) của Factor 4 và item work4

Factor 5

-0,445 là sự tương quan ( Factor loading ) của Factor 5 và item ben4 -0,322 là sự tương quan ( Factor loading ) của Factor 5 và item pay1 -0,926 là sự tương quan ( Factor loading ) của Factor 5 và item ben3 -0,906 là sự tương quan ( Factor loading ) của Factor 5 và item ben2 -0,686 là sự tương quan ( Factor loading ) của Factor 5 và item ben1 -0,380 là sự tương quan ( Factor loading ) của Factor 5 và item env3

Factor 6

0,303 là sự tương quan ( Factor loading ) của Factor 6 và item sup2 0,474 là sự tương quan ( Factor loading ) của Factor 6 và item sup1 0,423 là sự tương quan ( Factor loading ) của Factor 6 và item pay2 0,343 là sự tương quan ( Factor loading ) của Factor 6 và item pay1 0,393 là sự tương quan ( Factor loading ) của Factor 6 và item pay3 0,729 là sự tương quan ( Factor loading ) của Factor 6 và item work1 0,644 là sự tương quan ( Factor loading ) của Factor 6 và item work3 0,505 là sự tương quan ( Factor loading ) của Factor 6 và item work4 -0,483 là sự tương quan ( Factor loading ) của Factor 6 và item work2

Factor 7

-0,329 là sự tương quan ( Factor loading ) của Factor 7 và item sup1 -0,306 là sự tương quan ( Factor loading ) của Factor 7 và item env3 -0,781 là sự tương quan ( Factor loading ) của Factor 7 và item env2

-0,552 là sự tương quan ( Factor loading ) của Factor 7 và item env1

Factor 8

0,307 là sự tương quan ( Factor loading ) của Factor 8 và item pay3

-0,319 là sự tương quan ( Factor loading ) của Factor 8 và item prom3

0,330 là sự tương quan ( Factor loading ) của Factor 8 và item env1

0,666 là sự tương quan ( Factor loading ) của Factor 8 và item env4

-0,496 là sự tương quan ( Factor loading ) của Factor 8 và item sup4

Bước 4: Kiểm định lại lần nữa dựa theo chỉ tiêu cronbach’s alpha và factor loadings

-Theo quy ước, một tập hợp các mụ ̣c hỏi dùng để đo lường được đánh giá là tốt phả̉i có hệ

số Cronbach Alpha α ≥0.6

-Factor loading là chỉ tiêu để đả̉m bả̉o mức ý nghĩa thiết thực của EFA (ensuring practical

significance) Factor loading >0.3 được xem là đạ ̣t được mức tối thiểu, >0.4 được xem là quan trọng ,

>=0.5 được xem là có ý nghĩa thực tiễn

Kết quả: Các item cow1, cow2, cow3, cow4 tương quan với nhau cùng giả̉i thích cho factor1

Kết quả:

Các item cow 2, cow1, cow3, cow4 tương quan với nhau cùng giả̉i thích cho factor 2

Kết quả: Các item sup3,sup6,sup7,sup2,sup1 tương quan với nhau cùng giả̉i thích cho factor 3

Kết quả: Các item work 3,work2,work1 tương quan với nhau cùng giả̉i thích cho factor 4

Kết quả: Các item ben3,ben2,ben1 tương quan với nhau cùng giả̉i thích cho factor 5

Kết quả: Các item prom1,prom2,prom3 tương quan với nhau cùng giả̉i thích cho factor 6

Kết quả: Các item env1, evn2 tương quan với nhau cùng giả̉i thích cho factor 7

Bước 5: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s test

-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 phả̉i đạ ̣t 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 khả̉ 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 dụ ̣ng phân tích nhân tố là các biến quan sát phả̉n ánh những khía cạ ̣nh khác nhau của cùng một nhân tố phả̉i 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 dụ ̣ng phân tích nhân tố cho các biến đang xem xét Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố

-Sự khác nhau giữa Bartlett’s test và cronbach’s Alpha là Bartlett’s test là đo sự tương

quan trong tổng thể, cò̀n cronbach’s Alpha là đo sự tương quan trong mẫu được lấy

Hệ số KMO : 0,5<KMO=0,864<1 -> KMO Đủ đk để phân tích nhân tố khám phá

Kiểm định Bartlett

-Chọn mức alpha là 1%

-Ta có Sig = 0,000 < alpha

Vậy các item có tương quan trong tổng thể

Kết quả:

Vậy từ̀ KMO và Bartlett ’sTest có thể kết luận bả̉n thiết kế câu hỏi và data phù hợp để thực hiện pp EFFA

Bước 6: Xác định số lượng nhân tố và eigenvalue

-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

-Trị số Eigenvalue là một tiêu chí sử dụ ̣ng 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 lạ ̣i trong mô hình phân tích

Kết luận:

-Eigenvalues đạ ̣i diện cho lượng biến thiên được giả̉i thích bởi các factor

và Eigenvalues >1 mới được giữ lạ ̣i cho nên ta giữ lạ ̣i 7 Factor đầu tiên

-Vậy cumulative % cho biết 7 nhân tố đầu tiên giả̉i thích được 66,608% biến thiên của dữ liệu trong toàn bộ biến thiên là 100%

Bước 7: Viết phương trình factor

Component Score Coefficient Matrix

Component

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization.

Component Scores.

F1i =

F2i = -0,101work1i + 0,043work2i + 0,014work3i - 0,010work4i + 0,138pay1i + 0,167pay2i + 0,139pay3i + 0,335pay4i + 0,316pay5i + 0,084ben1i - 0,081ben2i - 0,104ben3i + 0,160ben4i + 0,055env1i + 0,017env2i - 0,072env3i - 0,078env4i - 0,040cow2i - 0,056cow3i - 0,006cow4i - 0,050prom1i + 0,013prom2i - 0,064prom3i - 0,011prom4i - 0,168sup1i - 0,113sup2i - 0,073sup3i + 0,071sup4i + 0,036sup5i - 0,007sup6i + 0,129sup7i

F3i= 0,46work1i + 0,113work2i +0,58work3i - 0,94work4i - 0,87pay1i - 0,40pay2i - 0,86pay3i + 0,40pay4i - 0,043ben1i - 0,001ben2i - 0,024ben3i - 0,028ben4i + 0,057env1i -0,023env2i +

0,016env3i +0,337cow1i + 0,343cow2i + 0,295cow3i + 0,191cow4i - 0,66prom1i +0,17prom2i - 0,94prom3i - 0,66prom4i - 0,120sup1i -0,81sup2i +0,07sup3i - 0,037sup4i +0,45sup5i - 0,41sup6i +0,54sup7i

F4i = -0,032work1i - 0,02work2i -0,069work3i + 0,114work4i -0,87pay1i - 0,04pay2i - 0,024pay3i

- 0,057pay4i + 0,068pay5i - 0,01ben1i - 0,029ben2i + 0,03ben3i + 0,148ben4i + 0,005env1i - 0,019env2i + 0,089env3i + 0,011env4i -0,129cow1i - 0,109cow2i - 0,04cow3i + 0,122cow4i 0,406prom1i + 0,321prom2i + 0,3prom3i + 0,224prom4i - 0,107sup1i -0,006sup2i -0,017sup3i - 0,049sup4i - 0,038sup5i - 0,1231sup6i +0,09sup7i

F5i = 0.023work1i – 0.032work2i + 0.002work3i – 0.032work4i + 0.043pay1i 0.097pay2i -0.017pay3i - 0.051pay4i - 0.099pay5i + 0.241ben1i + 0.38ben2i + 0.401ben3i + 0.128ben4i – 0.080env1i 0.036env2i + 0.119env3i + 0.027env4i 0.028cow1i 0.038cow2i +0.031cow3i 0.037cow4i + 0.029prom1i + … + … 0.005prom4i – 0.040sup1i + 0.061sup2i – 0.032sup3i -0.098sup4i – 0.048sup5i + 0.005sup6i – 0.039sup7i + u^i

F6i=

F7i=

Bước 8: Đặt tên factor theo các item

Bước 9: Thực hiện factor phụ thuộc ( Factor Loy )

9.1: Thực hiện kiểm định cronbach’s Alpha của ba factor loy :

Reliability Statistics

Kiểm định cronbach’s Alpha 0.798 lớn hơn 0.6 cho thấy 3 factor có tương quan chặt chẽ với nhau

Item-Total Statistics

Scale Mean if Scale Variance if Corrected Item- Cronbach's Alpha Item Deleted Item Deleted Total Correlation if Item Deleted

Component Matrix a

Component 1

Extraction Method:

Principal Component

Analysis.

a 1 components

extracted.

9.2: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s test

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy .664

Hệ số KMO : 0,5<KMO=0,664<1 -> KMO Đủ đk để phân tích nhân tố khám phá

Kiểm định Bartlett

-Chọn mức alpha là 1%

-Ta có Sig = 0,000 < alpha

Vậy các item có tương quan trong tổng thể

Kết quả:

Vậy từ̀ KMO và Bartlett ’sTest có thể kết luận bả̉n thiết kế câu hỏi và data phù hợp để thực hiện pp EFFA

9.3:Xác định số lượng nhân tố và eigenvalue

Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings Component Total % of Variance Cumulative % Total % of Variance Cumulative %

Extraction Method: Principal Component Analysis.

-Eigenvalues đạ ̣i diện cho lượng biến thiên được giả̉i thích bởi các factor và

Eigenvalues >1 mới được giữ lạ ̣i cho nên ta giữ lạ ̣i 1 Factor loy đầu tiên

-Vậy cumulative % cho biết 1 nhân tố đầu tiên giả̉i thích được 71.850% biến thiên của dữ liệu trong toàn bộ biến thiên là 100%

9.4:Viết phương trình factor

Component Score

Coefficient Matrix

Component 1

Extraction Method:

Principal Component

Analysis.

Rotation Method:

Varimax with Kaiser

Normalization.

Component Scores.

Factor loyalty FLoyi= 0.418 loy1i + 0.370 loy2i + 0.389loy3 +

Ui^

Đặt tên biến Floy là Factor loyati

Bước 10 : Chạy mô hình Hồi quy OLS

Coefficients a

Standardized Unstandardized Coefficients Coefficients

a Dependent Variable: Floy

Floyi=-1.873.(10− 16)+0.351Fsupi+0.436Fpayi+0.208Fcowi+0.267Fpromi+0.108Fbeni

+0.229Fworki+0.089Fenyi+Ui^

Buớc 11 :Nêu ý nghĩa hệ số hồi quy

^ β1:Trong điều kiện các yếu tố khác không đổi khi Fsupi tăng 1 điểm thì Floyi trung binh tăng 0.351 điểm

^ β2 :Trong điều kiện các yếu tố khác không đổi khi Fpayi tăng 1 điểm thì Floyi trung binh tăng 0.436 điểm

^ β3 :Trong điều kiện các yếu tố khác không đổi khi Fcowi tăng 1 điểm thì Floyi trung binh tăng 0.208 điểm

^ β4 :Trong điều kiện các yếu tố khác không đổi khi Fpromi tăng 1 điểm thì Floyi trung binh tăng 0.267 điểm

^β5 :Trong điều kiện các yếu tố khác không đổi khi Fbeni tăng 1 điểm thì Floyi trung binh tăng 0.108 điểm

^ β6 †Trong điều kiện các yếu tố khác không đổi khi Fworki tăng 1 điểm thì Floyi trung binh tăng 0.229 điểm

^ β7 :Trong điều kiện các yếu tố khác không đổi khi Fenvi tăng 1 điểm thì Floyi trung binh tăng 0.089 điểm

Trình bày lý thuyết và kết quả̉ ứng dụ ̣ng, đọc nội dung kết quả̉ trong mỗi bước Sau khi thực hiện xong, nhớ kết luận và kiến nghị giả̉i pháp