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 mộttập F với F < k các nhân tố có ý nghĩa hơn.. Trong nghiên cứu, chúng ta thường thu thập đ

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 gọi là biến quan sát, là một khoản mục nhỏ cấu tạo thành factor và được dùng để xem xét sự thích hợp của phân tích nhân tố Một factor được tạo thành từ nhiều item

-Hệ số Cronbach’s Alpha là thước đo phổ biến nhất của tính nhất quán bên trong Nó thường được sử dụng nhất khi bạn có nhiều câu hỏi Likert trong một cuộc khảo sát / bảng câu hỏi tạo thành một thang

đo và bạn 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 loại các Item không phù hợp bằng cách tại bảng Item -Total Statistics Tại mục Cronbach's Alpha if Item deleted loại các item lớn hơn 0,932

-Các Iem tương quan đi từ o đến 1

Item-Totdl Statistics

Scale Mean if Item Deleted

Scale Variance if Item Deleted

Corrected Item-Total Correlatỉon

Cronbach's Alpha lf Item Deletẽd

0

.59 1

.92 0

8

628.19 8

.54 6

.92 0

1

633.59 2

.53 9

.92 0

7

634.29 5

.39 0

.92 3

1

625.39 8

59 1

.92 0

0

633.41 9

.42 6

.92 2

5

617.36 1

.63 3

.91 9

03

658 496

.10 5

.92 7

3

650.71 8

26 3

.92 4

1

634 236

.53 8

.92 0

36

630 044

58 3

.92 0

15

626 045

.60 5

.91 9

5

621.82 5

.67 2

.91 9

5

629.89 7

.55 8

.92 0

1

634.27 5

.56 4

.92 0

6

631.37 2

.53 5

.92 0

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

Bước 3:

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

-Factor loading (hay còn 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 tải của biến quan sát càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại

Ket quả:

Rơtated Component Nl3trix J

Component

S<Jp3 777

1

3

1

6

0

.30 6

0

463

Ertraction Mtthod: Principal Component Ểnalysís.

Rotatiủn Metbod: \brimax Uurth Kaiser Normaliĩation

3 Rữtation corìvergedĩn 11 rteratiortí.

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 envl

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 mục hỏi dùng để đo lường được đánh giá là tốt phải có hệ số Cronbach Alpha a >0.6

-Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance) Factor loading >0.3 được xem là đạt được mức tối thiểu, >0.4 được xem là quan trọng ,

>=0.5 được xem là có ý nghĩa thực tiễn

Rotđted Component Mđtnx 3

Oomponent

cow1

cow2

cow3

cow4

ben3

ben2

ben1

sup2

sup1

sup6

sup7

proml

prom3

prom2

pay3

pay2

pay1

env2

env1

872 867 855 634

.93 8 93 5

7 00

.79 2 73 2 69 6 58 5

.32 0

.50 4

.77 5 76 7 75 4

.31 4

.36 8

.35 7

.78 0 75 7 69 9

.83 7 65 4 Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization.

a Rotation converged in 6 iterations

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

Kết quả:

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

Rolated Cornponerrt Mđtíix3

Component

Extraction Method: Principal Component Analysis.

Rotation Method: Varimaxvvith KaiserNormalization.a

a Rũtatiũii corcerged in 7 tteratiữns

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

3

Rotated Component Matrix

Component

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization a

a Rotation converged in 8 iterations.

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

3

Component

Eỉđraction Method: Principal Component Analysis.

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

5

Rotated Component Matrix3

Component

Extraction Method: Principal ComponentAnalysis

Rotatỉon Method: Varimax with Kaiser Normalization.a

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

6

a Rotation converged in 7 iterations.

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

6

1

Rotated Component Matrix’

Component

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization ?

a Rotation converged in 6 iterations.

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

Rơtated Comporient Bísrtrĩx*

Conìponart

1

7

3

.333

3

2

8

1

8

19

5

5

DO

3

.65 1

6

4

4

.532

Bctractnn Method: Píiriữipal Compọnerrt Aialysis.

Rotathữn h/tethod: '■■AnmaK wfth Kaisír NonTìatiỉatiữn

.3 Rũtation cũDVẽrged in 10 rtenatiũns.

Bước 6: Xác định số lượng nhân tố và

eigenvalue

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 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 < 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, còn cronbach’s Alpha là đo sự tương quan trong mẫu được lấy

KMO and BartletCs Test

Kaiser-Meyer-Olkm Measure otSampling Adequacy.

BartletCs Test of Approx Chi-Square

Sphericity

Slg.

86 4

2882.378 49 6

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

Bước 7: Viết phương trình

factor

-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 dụng 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 lại trong mô hình phân tích

T otal Variâiice Explained

Component

Initial Elgenvaluas Eítractlon Sums oisquared Loadlngs Rotation Sums of Squared Loadlngs Total % oivaiĩance Cumulalĩve % Total % oĩVarlance Cumulatlve % Total % oivarĩance Cumulative %

7

6.86 6

48.2 65

2.1 97

6.8 66

48.2 65

3.3 75

10.54 7

34.0 95

8

4.39 8

62.9 40

1.4 08

4.3 98

62.9 40

2.5 17

7.8 65

60.8 16

97

3.11 5

72.8 49

14

2.23 2

80.2 35

77

1.80 2

84.0 60

11

1.59 6

85.6 56

29

1.34 2

89.8 82

39

1.05 8

93.3 36

59

.8 09

95.9 88

85

.5 79

97.9 23

0

.4 38

99.3 71

Extraction Method: Principal Component Anaíysls.

Kết luận:

-Eigenvalues đại diện cho lượng biến thiên được giải thích bởi các factor

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

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

Component Score Coefficient Matrix

Component

08

.1 67

-.0 87

-.0 40

-.0 97

.1 71

.11 1

2

.1 39

-.0 86

-.2 40

-.0 17

.2 48

-.0 54

24

-.0 81

-.0 01

-.0 29

.38 6

-.0 08

-.0 59

41

-.1 04

-.0 24

.0 03

.40 1

.0 11

-.0 45

50

.0 55

.05 7

.0 05

-.0 80

-.1 00

.33 5

2

.0 17

-.0 23

-.0 19

-.0 36

.0 20

.53 6

6

.0 00

.33 7

-.1 29

-.0 28

-.0 62

.00 6

0

-.0 40

.34 3

-.1 09

-.0 38

.0 09

.09 0

17

-.0 06

.19 1

.1 22

-.0 37

-.0 08

-.1 51

66

.3 16

.00 0

.0 68

-.0 99

-.1 19

.01 2

1

-.0 73

.00 7

-.0 17

-.0 32

-.0 57

-.0 18

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 + uAi

F6i=

F7i=