Khái niệm và Đo lường • Ví dụ về chi tiết hóa khái niệm: trung thành của khách hàng đối với sản phẩm/dịch vụ/thương hiệu customer loyalty bao gồm những khía cạnh sau: – Tiếp tục mua – Kh
Trang 1PHÂN TÍCH NHÂN TỐ
&
KiỂM ĐỊNH THANG ĐO
Hoàng Trọng, Khoa Toán – Thống Kê
Tháng 7 năm 2006
XÂY DỰNG VÀ KiỂM ĐỊNH THANG ĐO LƯỜNG
DÙNG TRONG NGHIÊN CỨU
Trang 2Mơ hình nghiên cứu & khái niệm
Trong nghiên cứu định lượng cần đo lường các khái niệm dùng
trong nghiên cứu (construct)
Một mơ hình nghiên cứu đơn giản bên dưới cĩ 3 khái niệm: Giá trị
dịch vụ, chất lượng dịch vụ và sự hài lịng
Giá trị dịch vụ Chất lượng dịch vụ
Sự hài lòng
H1 (+)
H2 (+)
Khái niệm và Đo lường
Việc đo lường một số khái niệm cĩ thể khơng phức tạp về phương
pháp ví dụ như: mức thu nhập, mức chi tiêu, thời gian xem
truyền hình, quy mơ vốn, quy mơ lao động, năng suất lao động
Một số khái niệm phức trườu tượng địi hỏi cần cĩ quá trình chi tiết
hĩa khái niệm (construct operationalization) và thiết kế đo lường
(measurement design) và kiểm tra kỹ lưỡng Ví dụ như:
• Trung thành của khách hàng đối với sản phẩm/dịch vụ/thương hiệu
(customer loyalty); Chất lượng sản phẩm/dịch vụ theo cảm nhận của
khách hàng (perceived quality)
• Hài lịng của nhân viên (employee satisfaction)
• Chất lượng cuộc sống, quan niệm sống
Trang 3Khái niệm và Đo lường
• Ví dụ về chi tiết hóa khái niệm: trung thành của khách hàng đối
với sản phẩm/dịch vụ/thương hiệu (customer loyalty) bao gồm
những khía cạnh sau:
– Tiếp tục mua
– Không nghĩ đến những thứ khác
– Không có ý định mua thử những thứ khác
– Nói tốt về sp/dịch vụ/thương hiệu với người khác
– Giới thiệu sp/dịch vụ/thương hiệu với người khác
Đo lường và thang đo Likert
Khái niệm đơn giản chỉ cần thang đo đơn giản (thang đo 1 chỉ báo)
Khái niệm trườu tượng cần thang đo phức tạp (thang đo nhiều chỉ
báo - muti-indicator scale)
Thang đo nhiều chỉ báo được sử dụng phổ biến nhất là Likert5
mức độ
“Xin vui lòng đọc kỹ những phát biểu sau Sau mỗi câu phát biểu,
hãy khoanh tròn trả lời thể hiện đúng nhất quan điểm của bạn
Xin bạn cho biết rằng bạn rất đồng ý, đồng ý, thấy bình thường,
không đồng ý hay rất không đồng ý với mỗi phát biểu?”
Trang 4Đo lường và thang đo Likert
Sau đây là những phát biểu liên quan đến việc chọn và học tập của bạn tại trường ĐH
Kinh Tế TPHCM Xin bạn vui lòng trả lời bằng cách khoanh tròn một con số ở từng
dòng Những con số này thể hiện mức độ bạn đồng ý hay không đồng ý đối với các
phát biểu theo quy ước như sau:
Rất không
đồng ý
1
Không đồng ý
2
Trung lập
3
Đồng ý
4
Rất đồng ý
5
1 Bằng cấp của trường ĐH Kinh Tế sẽ giúp tôi kiếm được thu nhập
cao sau khi ra trường 1 2 3 4 5
2 Kiến thức từ trường ĐH Kinh Tế sẽ giúp tôi dễ dàng thăng tiến
trong nghề nghiệp 1 2 3 4 5
3 Tôi tin rằng các doanh nghiệp rất cần các sinh viên tốt nghiệp từ
trường tôi đang học 1 2 3 4 5
4 Bằng cấp có được từ trường ĐH Kinh Tế là sự đầu tư tốt của tôi
cho tương lai 1 2 3 4 5
5 Bằng đại học Kinh Tế bảo đảm việc làm trong tương lai 1 2 3 4 5
Thang đo đơn hướng và đa hướng
Một khái niệm có thể chỉ bao gồm một yếu tố/thành phần/khía cạnh
(component / factor / aspect), và thang đo một khái niệm chỉ bao
hàm một thành phần gọi là thang đo đơn hướng (unidimesional)
Một khái niệm có thể bao gồm nhiều yếu tố/thành phần/khía cạnh,
và thang đo một khái niệm bao hàm nhiều thành phần gọi là
thang đo đa hướng (mutidemensional)
Thang đo Likert áp dụng cho một khái niệm đơn có thể là một thang đo
nhiều chỉ báo có tính đơn hướng, chỉ bao gồm một tập hợp mục hỏi.
Thang đo Likert áp dụng cho một khái niệm đa yếu tố có thể là một thang
đo nhiều chỉ báo có tính đa hướng, bao gồm nhiều tập hợp mục hỏi,
mỗi một tập hợp mục hỏi sẽ phản ảnh một yếu tố của khái niệm.
Trang 5Thang đo đơn hướng và đa hướng
BẢNG 3.3 Kết quả phân tích nhân tố EFA của khái niệm “chất lượng dịch vụ đào tạo”
Biến
quan
sát
Các nhân tố chính Trọng
số
% biến thiên giải thích được
Cron bach α F1 Họat động đào tạo 33.849 0.726
CL_1 Chương trình đào tạo phù hợp tốt với yêu cầu của thực tiễn 0.600
CL_2 Nội dung môn học được đổi mới, đáp ứng tốt yêu cầu đào tạo 0.620
CL_3 Phương pháp giảng của GV phù hợp với yêu cầu của từng môn học 0.652
CL_4 Giảng viên có kiến thức sâu về môn học đảm trách 0.673
CL_5 Cách đánh giá và cho điểm sinh viên công bằng 0.583
CL_6 Tổ chức thi cử, giám thị coi thi nghiêm túc 0.565
F2 Cơ sở vật chất 7.377 0.746
CL_8 Cơ sở vật chất trường đáp ứng tốt nhu cầu đào tạo và học tập 0.639
CL_9 Phòng máy tính đáp ứng tốt nhu cầu thực hành của sinh viên 0.680
CL_10 Cơ sở vật chất thư viện tốt 0.798
CL_11 Nhân viên thư viện phục vụ tốt 0.698
F3 Dịch vụ hỗ trợ và phục vụ 9.166 0.811
CL_13 Dịch vụ y tế đáp ứng tốt sinh viên có nhu cầu 0.645
CL_14 Tư vấn đáp ứng tốt nhu cầu chọn lựa và học tập của sinh viên 0.718
CL_15 Dịch vụ tài chính hỗ trợ tốt sinh viên có nhu cầu 0.782
CL_17 Dịch vụ ăn uống giải khát phù hợp với nhu cầu sinh viên 0.638
CL_19 Nhân viên giáo vụ, thanh tra nhiệt tình phục vụ sinh viên 0.567
CL_20 Nhà trường và khoa thường xuyên lắng nghe ý kiến sinh viên 0.579
Thang đo đơn hướng và đa hướng
BẢNG 3.4 Kết quả phân tích nhân tố của khái niệm “sự hài lòng của sinh viên”
Biến quan sát Trọng số HL_1 Học tại trường ĐH Kinh Tế TPHCM hơn những gì tôi mong đợi 0.880
HL_2 Trường ĐH Kinh Tế giống như trường ĐH lý tưởng mà tôi hằng mong đợi 0.883
HL_3 Tôi hài lòng khi học tại trường ĐH Kinh Tế TPHCM 0.862
Giá trị Eigen
% biếân thiên được giải thích Cronbach alpha
2.296 76.522 0.846
Trang 6Các bước xây dựng thang đo Likert
sát, và thăm dò
biểu thị Có thể lấy từ lý thuyết có liên quan, đọc sách báo, ý
kiến chuyên gia, thực nghiệm
đối; hữu ích vô ích; nhiều – không có; giống tôi – không
giống tôi; phù hợp –không phù hợp; luôn luôn – không bao
giờ; đúng – không đúng
200 người
mục hỏi giúp đo lường được một khía cạnh của khái niệm/biến
muốn nghiên cứu trong mô hình
Phân tích các mục hỏi
Tìm ra và giữ lại những mục hỏi có ý nghĩa giúp đo lường được
một khía cạnh của khái niệm nghiên cứu từ danh sách các
mục hỏi ban đầu -> kiểm tra tính đơn hướng
Tính điểm các trả lời
Kiểm tra tương quan giữa các mục hỏi và tính toán Cronbach alpha
Kiểm tra tương quan giữa tổng điểm của từng người và điểm của
từng mục hỏi
Tiêu chuẩn: α lớn hơn 0,7
Trang 7PHÂN TÍCH NHÂN TỐ Factor Analysis
Khái niệm và ứng dụng
Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử
dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu
Trong nghiên cứu, ta có thể thu thập được một số lượng biến khá
lớn và hầu hết các biến này có liên hệ với nhau và số lượng
của chúng phải được giảm bớt xuống đến một số lượng mà
chúng ta có thể sử dụng được
Trang 8Mơ hình phân tích nhân tố
các nhân tố chung cĩ thể được diễn tả như những kết hợp tuyến
tính của các biến quan sát:
i = í1 1 + í2 2 + í3 3+ + ík k
F
i : ước lượng trị số của nhân tố thứ i
W
í : quyền số hay trọng số nhân tố (weight or factor score coefficient)
k : số biến
Các tham số thống kê trong FA
Điều kiện áp dụng FA: các biến cĩ tương quan với nhau
Barlett test of sphericity: kiểm định cĩ tương quan hay khơng, giả
thuyết khơng là: khơng cĩ tương quan giữa các biến quan sát
Kaiser-Mayer-Olkin (KMO): từ 0,5 -> 1, các tương quan đủ lớn đến
mức cĩ thể áp dụng FA
v1 v2 v3 v4 v5 v6 v1 1
v2 0 1 v3 0 0 1 v4 0 0 0 1 v5 0 0 0 0 1 V6 0 0 0 0 0 1
Trang 9Các tham số thống kê trong FA
Correlation matrix (ma trận tương quan): ma trận chứa tất cả các
hệ số tương quan cặp giữa các cặp biến trong phân tích
v2 0.039 1 -0.13 0.534 0.352 0.593 v3 0.321 -0.13 1 -0.432 0.474 0.037
v5 0.314 0.352 0.474 0.077 1 0.279 v6 -0.097 0.593 0.037 0.345 0.279 1
Communality (phần chung): lượng biến thiên của 1 biến được giải
thích chung với các biến khác (cũng là phần biến thiên được
giải thích bởi các nhân tố chung)
Eigenvalue: phần biến thiên được giải thích bởi mỗi nhân tố so với
biến thiên toàn bộ
Các tham số thống kê trong FA
Factor scores (các điểm số nhân tố): các trị số được ước lượng cho
từng quan sát trên từng nhân tố được rút ra
Các biến gốc
Các nhân tố (biến tổng hợp) Factor score
Trang 10Số lượng nhân tố
Priori determination: từ lý thuyết, kinh nghiệm, các kết quả nghiên
cứu trước
Dựa vào eigenvalue: eigenvalue thể hiện phần biến thiên được giải
thích bởi mỗi nhân tố so với biến thiên toàn bộ, nếu phần biến
thiên được giải thích này lớn (eigenvalue lớn hơn 1), thì nhân
tố rút ra có ý nghĩa tóm tắt thông tin tốt
Xoay các nhân tố
Thỉnh thoảng có một vài biến có hệ số lớn đối với hơn một nhân tố
hoặc có nhiều nhân tố có hệ số lớn trong cùng một biến, việc
giải thích sẽ trở nên khó khăn
ngua sau rang 0.050 0.618 lam trang rang 0.891 -0.007 lam khoe nuu rang -0.143 0.872 lam hoi tho thom tho 0.726 -0.377 lam sach cau rang 0.462 0.726 lam rang bong hon 0.775 0.050
Mỗi biến gốc nên có hệ số tải nhân tố lớn (0.4 trở lên) đối với chỉ
một nhân tố được rút ra
-> xoay nhân tố
Trang 11Xoay các nhân tố
-1
-0,5
+0,5
+ 1
Nhân tố chưa xoay II
Nhân tố xoay II
V3 V4 V5
V1 V2
Nhân tố chưa xoay I
Nhân tố xoay I Xoay vẫn giữ nguyên gĩc ban đầu của các nhân tố
Xoay các nhân tố
Xoay khơng giữ nguyên gĩc ban đầu của các nhân tố
-1 -0,5 0 +0,5 +1
-1
-0,5 Nhân tố chưa xoay II
Nhân tố chưa xoay I
V3 V4
V1 V2
Nhân tố xoay Không giữ nguyên góc ban đầu II
Nhân tố xoay giữ nguyên góc ban đầu II
Nhân tố xoay
Trang 12Xoay các nhân tố
F1 F2 F1 F2 ngua sau rang 0.050 0.618 -0.014 0.620 lam trang rang 0.891 -0.007 0.886 0.086 lam khoe nuu rang -0.143 0.872 -0.233 0.852 lam hoi tho thom tho 0.726 -0.377 0.761 -0.300 lam sach cau rang 0.462 0.726 0.384 0.770 lam rang bong hon 0.775 0.050 0.766 0.130
đã xoay chưa xoay
F1
1.0 0.0
-1.0
1.0
0.0
-1.0
V6 V5
V4
V3
V2 V1
Đặt tên và giải thích các nhân tố
Việc giải thích các nhân tố được thực hiện trên cơ sở nhận ra các
biến có hệ số (factor loading) lớn ở cùng một nhân tố
Và chúng ta có thể tóm tắt các dữ liệu thu thập được để nói rằng
người tiêu dùng dường như tìm kiếm hai loại lợi ích chính khi mua
kem đánh răng: lợi ích thẩm mỹ/giao tiếp xã hội và lợi ích sức khỏe
lam khoe nuu rang -0.233 0.852 lam hoi tho thom tho 0.761 -0.300 lam sach cau rang 0.384 0.770 lam rang bong hon 0.766 0.130
Trang 13Tính trị số nhân tố
F i =W X í1 1 +W X í2 2 +W X í3 3+ + W X ík k
6 5
4 3
2 1
1 0,012X 0,411X 0,116X 0,356X 0,171X 0,355X
lam khoe nuu rang -0.116 0.471 lam hoi tho thom tho 0.356 -0.172 lam sach cau rang 0.171 0.420 lam rang bong hon 0.355 0.065
6 5
4 3
2 1
2 0,341X 0,039X 0,471X 0,172X 0,420X 0,065X
Từ Factor score coefficient matrix (ma trận trọng số nhân tố),
viết được phương trình thể hiện từng nhân tố như là kết hợp
của các biến gốc
Từ các phương trình thể hiện nhân tố, thế các trị số của các
biến gốc vào phương trình thì sẽ tính được trị số nhân tố cho
từng quan sát
Tính trị số nhân tố
Trang 14Sử dụng kết quả phân tích nhân tố
Sau khi rút trích được các nhân tố và lưu lại thành các biến
mới, chúng ta sẽ sử dụng các biến mới này thay cho tập hợp
biến gốc để đưa vào các phân tích tiếp theo như kiểm định
trung bình, ANOVA, tương quan & hồi quy
Ví dụ: chúng ta cĩ thể xem cĩ khác biệt giữa nam và nữ hay
khơng về tầm quan trọng của các lợi ích khi mua kem đánh
răng bằng một kiểm định t đối với mẫu độc lập
-> cĩ sự khác biệt cĩ ý nghĩa thống kê: nam quan tâm đến lợi
ích giao tiếp xã hội nhiều hơn nữ (kết quả ở trang sau)
Sử dụng kết quả phân tích nhân tố
Group Statistics
17 3833755 87044420 21111373
18 -.3620768 1.000554 23583278
17 -.2771805 1.155686 28029505
18 2617816 77043184 18159253
giới tính nam nữ nam nữ
lợi ích giao tiếp XH
lợi ích sức khỏe
N Mean
Std.
Deviation
Std Error Mean
Independent Samples Test
.224 639 2.346 33 025 7454523 31781402
2.355 32.790 025 7454523 31652189
Equal variances
assumed
Equal variances
not assumed
Equal variances
lợi ích
giao tiếp
XH
lợi ích
F Sig.
Levene's Test for Equality of Variances
Sig.
(2-tailed)
Mean Difference
Std Error Difference t-test for Equality of Means
