Mục tiêu sử dụng EFALấy tổng hoặc trung bình 3 Điều kiện là các biến đều có giá trị như nhau để đo lường khái niệm nghiên cứu trọng số của các biến gần bằng nhau Nguyễn Đình Thọ, 2012...
Trang 1CÁC VẤN ĐỀ CẦN LƯU Ý TRONG PHÂN TÍCH NHÂN TỐ KHÁM PHÁ
VÀ HỒI QUY
BÁO CÁO CHUYÊN ĐỀ
Trịnh Hoàng Anh
An Giang, tháng 5 năm 2016
Trang 2Phân tích hồi quy
3
Phân tích nhân tố khám phá 3
Dữ liệu minh họa
3
Thảo luận
3
Trang 31 Phân tích nhân tố khám phá (EFA)
1.1 Mục tiêu
sử dụng EFA
(1) Đánh giá thang đo (Nguyễn Đình Thọ, 2012)
(2) Hay để rút gọn một tập biến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Lê Văn Huy & Trương Trần Trâm Anh, 2012; Nguyễn Đình Thọ, 2012)
Trong đó: Fi : Ước lượng trị số của nhân tố thứ i
Wi : Quyền số hay trọng số nhân tố
k : Số biến quan sát
Xk : Biến quan sát
(Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2012)
Trang 41.1 Mục tiêu sử dụng EFA
Lấy tổng hoặc trung bình 3
Điều kiện là các biến đều có giá trị như
nhau để đo lường khái niệm nghiên cứu (trọng số của các biến gần bằng nhau)
(Nguyễn Đình Thọ, 2012)
Trang 51.1 Mục tiêu sử dụng EFA
Dùng giá trị do SPSS tạo ra 3
Giá trị nhân tố tính tất cả các biến đo lường chứ không tính riêng các biến chính đo lường khái niệm của nhân tố đó. (Nguyễn Đình Thọ, 2012; Hoàng Trọng & ChuNguyễn Mộng Ngọc, 2008)
Giá trị nhân tố chỉ tính các biến chính đo lường khái niệm của nhân tố đó (Lưu Thanh Đức Hải, 2008).
Trang 61.2 Các vấn đề cần lưu ý trong phân tích EFA
Cần lưu ý phép quay nếu dùng giá trị nhân
tố do EFA tạo ra để phân tích tiếp theo
(Nguyễn Đình Thọ, 2012).
Phân tích EFA chung cho tất cả các biến độc lập và biến phụ thuộc hay phân tích riêng
biến độc lập để xử lý EFA cùng một lúc khi sử
dụng phép quay vuông góc và sử dụng giá trị nhân tố do EFA tạo ra để phân tích tiếp theo
(Nguyễn Đình Thọ, 2012)
?
Trang 71.2 Các vấn đề cần lưu ý
Phân tích EFA chung cho tất cả các biến độc lập
và biến phụ thuộc hay phân tích riêng
Tuy nhiên, trong trường hợp sử dụng EFA để đánh giá giá trị thang đo (là phương pháp đánh giá liên kết) nếu sử dụng EFA cho từng thang đo riêng lẻ thì sẽ không đạt được
giá trị phân biệt (các biến chỉ đo lường khái niệm muốn đo hay cùng đo lường các khái niệm khác) (Nguyễn Đình Thọ, 2012).
?
Lưu ý dùng EFA để đánh giá giá trị phân biệt chỉ mang tính chất tham khảo, cần xem xét hệ số tương quan giữa hai khái niệm có khác 1 hay không (Nguyễn Đình Thọ, 2012).
Trang 82 Phân tích hồi quy
Các giả định của mô hình hồi quy
5. X được đo lường không sai số
6. Sai số ɛi có phân phối chuẩn
7. Tại mọi giá trị Xi, kỳ vọng E(ɛi) = 0 (Xi không có mối quan hệ với ɛi)
8. Phương sai của sai số không đổi
9. Sai số tại các giá trị Xi và XjKhông có quan hệ với nhau (Không cóhiện tượng tự tương quan)
10. Các biến độc lập không có mối quan hệ hoàn toàn với nhau, hệ
số tương quan r của các biến độc lập với nhau khác với 1, chứ khôngphải không có tương quan với nhau nhưng chúng phải phân biệt nhau)
Trang 92 Phân tích hồi quy
Hệ số phù hợp với mô hình và kiểm định các giả thuyết 2.2
Sử dụng kiểm định F để kiểm định giả thuyết H0: R2 = 0 so với giả thuyết thay thế H1: R2 ≠ 0 Phép kiểm định F này tương đương với kiểm định F trong ANOVA (Nguyễn Đình Thọ, 2012).
Chú ý là kiểm định F cho giả thuyết H0: R2 = 0 so với giả thuyết thay thế H1: R2 ≠ 0 cũng chính là phép kiểm định cho giả thuyết
H0: a1 = a2 = = ak = 0 (trừ hằng số hồi quy a0 , bằng 0) so với giả thuyết H1: ai ≠ 0 (i = 1, , k) (Hoàng Trọng – Chu Nguyễn MộngNgọc, 2008; Nguyễn Đình Thọ, 2012).
Trang 102 Phân tích hồi quy
Hệ số phù hợp với mô hình và kiểm định các giả thuyết 2.2
Hệ số điều chỉnh này giúp điều chỉnh mức độ phù hợp của mô hình (Nguyễn Đình Thọ, 2012)
Để kiểm định các trọng số hồi quy a1, a2, , ak trong mô hình Sử dụng kiểm định này để bác bỏ giả thuyết các hệ số hồi quy a1, a2, , ak bằng 0 (HoàngTrọng – Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2012).
Sử dụng phép kiểm định t
Trang 112 Phân tích hồi quy
Hệ số phù hợp với mô hình và kiểm định các giả thuyết 2.2
Kiểm tra hiện tượng đa cộng tuyến Hệ số VIF càng nhỏ, hiện tượng đa cộng tuyến sẽ giảm Thông thường, nếu hệ số VIF của một biến độc lập nào đó lớn hơn 10 thì biến này được coi
là có đa cộng tuyến cao Hệ số VIF được coi là tốt nếu nhỏ hơn 2 (Nguyễn Đình Thọ, 2012)
Kiểm tra hiện tượng tự tương quan Giá trị của d càng gần 2,
ta có thể kết luận mô hình không có tự tương quan (HoàngTrọng – Chu Nguyễn Mộng Ngọc, 2008; Mai Văn Nam, 2008)
Hệ số phóng đại phương sai VIF
Kiểm định d của Durbin-Watson
Trang 122 Phân tích hồi quy
Hệ số chưa chuẩn hóa (B) và hệ số chuẩn hóa (Beta) 2.3
Đo lường sự thay đổi trong giá trị trung bình biến phụ thuộc Y khi X thay đổi một đơn vị, giữ các biến độc lập còn lại không đổi (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Lê Văn Huy &Trương Trần Trâm Anh, 2012; Nguyễn Đình Thọ, 2012)
Được dùng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008;
Lê Văn Huy & Trương Trần Trâm Anh, 2012; Nguyễn Đình Thọ, 2012).Biến nào có hệ số càng lớn thì biến đó có tác động mạnh vào biếnphụ thuộc (Nguyễn Đình Thọ, 2012)
Hệ số B
Hệ số Beta
Trang 132 Phân tích hồi quy
Hệ số chưa chuẩn hóa (B) và hệ số chuẩn hóa (Beta) 2.3
Tuy nhiên, tầm quan trọng tương đối của các biến còn phụ thuộc vào các biến độc lập trong phương trình nên việc sử dụng hệ số B hay Beta sẽ không thích hợp Vì vậy, để xác định tầm quan trọng của các biến khi sử dụng chung với các biến khác ta dùng hệ số tương quan từng
phần và tương quan riêng (Hoàng Trọng – Chu Nguyễn
Mộng Ngọc, 2008).
Trang 142 Phân tích hồi quy
Cỡ mẫu trong phân tích hồi quy bội
2.3
Theo Green (1991), kích thước mẫu tối thiểu là n ≥ 50 + 8p
công thức trên tương đối phù hợp với n < 7, khi n > 7 công
thức trên hơi quá khắc khe (trích trong Nguyễn Đình Thọ, 2012, tr.499)
Theo Cohen và Cohend (1983), độ lớn của mẫu ít nhất
nên gấp 20 lần so với số biến độc lập (trích trong Lê Văn Huy & Trương Trần Trâm Anh, 2012, tr.192)
Trang 153 Dữ liệu minh họa
Biến quan sát Hệ số tương quan
giữa biến và tổng
Cronbach's Alpha nếu loại biến(F1) Những yếu tố cơ bản, hệ số Cronbach’s Alpha 0,738
Trang 163 Dữ liệu minh họa
• Kết quả kiểm định lại thang đo biến phụ thuộc
3.1
Hệ số Cronbach’s Alpha 0,826
Biến quan sát Hệ số tương quan
giữa biến và tổng
Cronbach's Alpha nếu loại biến
Trang 173 Dữ liệu minh họa
• Kết quả phân tích nhân tố lần 1
Trang 183 Dữ liệu minh họa
• Kết quả phân tích nhân tố lần 2
Trang 193 Dữ liệu minh họa
• Kết quả phân tích nhân tố lần 2
Extraction Method: Principal Component Analysis
Rotation Method: Varimax with Kaiser Normalization
Component Scores.
Trang 203 Dữ liệu minh họa
• Kết quả phân tích nhân tố lần 2
3.2
Phương trình ước lượng điểm đối với từng nhân tố:
F1 = 0,323X1 + 0,380X2 + 0,379X3 + 0,266X4F2 = 0,373X7 + 0,401X8 + 0,259X9 + 0,303X10F3 = 0,352X11 + 0,448X12 + 0,402X13
Trang 213 Dữ liệu minh họa
• Kết quả phân tích nhân tố đối với biến phụ thuộc F4
Trang 223 Dữ liệu minh họa
• Kết quả phân tích hồi quy (sử dụng kết quả của EFA tạo ra)
3.4
Mô hình tổng quát
ANOVA
Mô hình hồi quy
Trang 233 Dữ liệu minh họa
• Kết quả phân tích hồi quy (tính tổng hoặc trung bình)
3.4
Mô hình tổng quát
Mô hình R R2 R2 điều chỉnh Sai số chuẩn Durbin-Watson
1 0,610 0,372 0,358 0,353 1,939
ANOVA
Giá trị kiểm định F = 26,617 Mức ý nghĩa 0,000
Mô hình hồi quy
Trang 244 Thảo luận
- R2 hiệu chỉnh <50%?
- Có cần phải chạy lại hồi quy khi loại bỏ các biến không có ý nghĩa mô hình trong lần chạy hồi quy trước đó?
?
Trang 25TÀI LIỆU THAM KHẢO
Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008) Phân tích
dữ liệu nghiên cứu với SPSS TP.HCM: Nhà xuất bản
Hồng Đức
Lê Văn Huy & Trương Trần Trâm Anh (2012) Phương
bản Tài chính
Nguyễn Đình Thọ (2012) Phương pháp nghiên cứu khoa
học trong kinh doanh Hà Nội: Nhà xuất bản Lao động
– Xã hội
Trang 26Xin chân thành cảm ơn
Quý thầy, cô cùng các bạn đã
quan tâm theo dõi!