Slide bài giảng môn Kinh Tế Lượng Ứng Dụng Trong Kinh Doanh - Chương 2

Sau đó những phát biểu biến này được sử dụng trong phân tích nhân tố để nhận diện các yếu tố tâm lý cơ bản.. ỨNG DỤNG EFA tt Trong kinh doanh, EFA được ứng dụng trong các trường hợp: Phâ

CHƯƠNG 2:

PHÂN TÍCH NHÂN TỐ KHÁM PHÁ

Exploratory Factor Analysis

ThS Đỗ Hoàng Oanh

1

ÔN LẠI HỒI QUY BỘI

2

Mô hình hồi quy k biến:

Phân biệt:

- Biến biến định lượng.

- Biến giả (dummy)

- Biến định tính

Nghiên cứu mẫu sử dụng EFA

EFA

5 6

Ưu điểm của EFA

•Có thể thực hiện mô hình khi các biến trong mô hình đều là

biến định tính

•Khi các câu hỏi (biến quan sát – observed variable – item –

biến đo lường X) do cùng thể hiện cho 1 nhân tố chung

(factor), cho nên các biến X dễ bị tương quan với nhau

Mô hình EFA có thể rút trích thành các factor định lượng mà

các factor này không bị tương quan với nhau

7

I Giới thiệu Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships).

EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát X).

8

I Giới thiệu (tt)

Khác với hồi quy bội, 1 biến được xem là biến phụ thuộc và

các biến khác được xem là biến độc lập.

Phân tích nhân tố khám phá (EFA) không có sự phân biệt

này EFA là 1 kỹ thuật phụ thuộc lẫn nhau (interdependence

technique) trong đó, toàn bộ các mối liên hệ phụ thuộc lẫn

nhau sẽ được nghiên cứu.

9

II ỨNG DỤNG EFA

• Nhận diện các khía cạnh hay nhân tố giải thích được các liên hệ tương quan trong một tập hợp biến Ví dụ, chúng ta có thể sử dụng một tập hợp các phát biểu về lối sống để đo lường tiểu sử tâm lý của người tiêu dùng Sau đó những phát biểu (biến) này được sử dụng trong phân tích nhân tố để nhận diện các yếu tố tâm lý cơ bản

• Nhận diện một tập hợp gồm một số lượng biến mới tương đối ít không

có tương quan với nhau (thay thế cho 1 tập hợp biến gốc có tương quan với nhau), sau đó tiến hành phân tích đa biến (ví dụ như hồi qui hay phân tích biệt số) Chẳng hạn như sau khi nhận diện các nhân tố thuộc

về tâm lý thì ta có thể sử dụng chúng như những biến độc lập để giải thích những khác biệt giữa những người trung thành và những người không trung thành với nhãn hiệu sử dụng

10

II ỨNG DỤNG EFA (tt)

Để nhận ra một tập hợp gồm một số ít các biến

nổi trội từ một tập hợp nhiều biến để sử dụng

trong các phân tích đa biến kế tiếp Ví dụ như từ

một số khá nhiều các câu phát biểu về lối sống

(biến) gốc, ta chọn ra được một số ít biến được

sử dụng như những biến độc lập để giải thích

những khác biệt giữa những nhóm người có

II ỨNG DỤNG EFA (tt)

Trong kinh doanh, EFA được ứng dụng trong các trường hợp:

Phân tích nhân tố có thể được sử dụng trong phân khúc thị trường

để nhận ra các biến quan trọng dùng để phân nhóm người tiêu dùng Những người mua xe có thể được nhóm theo sự chú trọng tượng đối về kinh tế, tiện nghi, tính năng, và sang trọng.

Và kết quả là có 4 phân khúc: những khách hàng tìm kiếm tính kinh tế, những khách hàng tìm kiếm tiện nghi, những khách hàng tìm kiếm tính năng và những khách hàng tìm kiếm sự sang trọng.

II ỨNG DỤNG EFA (tt)

• Trong nghiên cứu sản phẩm, ta có thể sử dụng phân tích nhân

tố để xác định các thuộc tính nhãn hiệu có ảnh hưởng đến sự

lựa chọn của người tiêu dùng, Ví dụ như các nhãn hiệu kem

đánh răng có thể được đánh giá theo khả năng bảo vệ chống

sâu răng, trắng răng, mùi vị, hơi thở thơm tho, và giá cả.

13

II ỨNG DỤNG EFA (tt)

• Trong nghiên cứu quảng cáo, phân tích nhân tố có thể dùng

để hiểu thói quen sử dụng phương tiện truyền thông của thị trường mục tiêu.

• Trong nghiên cứu định giá, ta có thể sử dụng phân tích nhân

tố để nhận ra các đặc trưng của những người nhạy cảm với giá Ví dụ những người tiêu dùng nhạy cảm với giá có thể là những người có tính ngăn nắp, có suy nghĩ tiết kiệm và thường ở trong nhà nhiều hơn là đi ra ngoài.

14

Trước khi kiểm định lý thuyết khoa học thì cần

phải đánh giá độ tin cậy và giá trị của thang đo

15

III ĐÁNH GIÁ ĐỘ TIN CẬY CỦA THANG ĐO

• Việc đo lường khái niệm, chẳng hạn chất lượng cuộc sống, chất lượng dịch vụ, quan niệm sống…không thể chỉ sử dụng những thang đo đơn giản bằng 1 câu hỏi mà đo lường được Thay vào đó, cần có những câu hỏi chi tiết hơn (thang đo nhiều chỉ báo) mới có thể nắm bắt được những nội dung phong phú của các khái niệm này

• Những chỉ báo khác nhau khi đo lường giúp thể hiện những khía cạnh (chiều kích – dimension) khác nhau của khái niệm muốn đo lường

16

III ĐÁNH GIÁ ĐỘ TIN CẬY CỦA THANG ĐO (tt)

• 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 hãy cho biết rằng bạn rất đồng ý, đồng ý, thấy bình thường, không

đồng ý hay rất không đồng ý với mỗi phát biểu?

17

3.1 Thang đo Likert:

3.2 Các bước xây dựng thang đo đơn khía cạnh và thang đo Likert:

B1: Nhận diện và đặt tên biến mà bạn muốn đo lường

B2: Lập ra một danh sách các phát biểu hoặc câu hỏi

có tính biểu thị.

18

3.2 Các bước xây dựng thang đo đơn khía

cạnh và thang đo Likert (tt):

• Bạn phải đảm bảo cho các mục hỏi này theo cả hai chiều

thuận và nghịch đối với vấn đề đặt ra Nếu bạn có phát

biểu: “Tôi cảm thấy thoải mái khi giao dịch với các nhân

viên ngân hàng” thì sau đó bạn cần một câu phát biểu có ý

phủ định cho cân bằng như sau “nhân viên ngân hàng làm

cho tôi ngại đến các ngân hàng”

3.2 Các bước xây dựng thang đo đơn khía

cạnh và thang đo Likert (tt):

• Trong việc soạn các mục cần hỏi, những chú ý đối với thiết kế bảng câu hỏi cần được tuân thủ” “Cần nhớ những người bạn sẽ phỏng vấn là ai và nên sử dụng ngôn ngữ của họ Thiết kế những câu phát biểu càng ngắn càng đơn giản càng tốt Không dùng những câu phủ định hai lần.

3.2 Các bước xây dựng thang đo đơn khía

cạnh và thang đo Likert (tt):

• Không hỏi những câu hỏi có hai ý, thí dụ: “các nhân viên ngân hàng có

thái độ ân cần và tinh thông nghiệp vụ” [Đây là một câu hỏi tồi vì một

người khách hàng được hỏi có thể đồng ý với 1 vế và không đồng ý với

vế còn lại]

• Số lượng các mục hỏi khi bạn xây dựng phải gấp bốn đến năm lần số

lượng các mục hỏi bạn sẽ cần trong thang đo cuối cùng Nếu bạn cần một

thang đo với sáu mục thì bạn phải xây dựng từ 25 đến 30 mục trong lần

kiểm tra đầu tiên

21

3.2 Các bước xây dựng thang đo đơn khía cạnh và thang đo Likert (tt):

B3: Xác định số lượng và loại trả lời.

Hầu hết các thang đo của Likert có số lượng lẻ các câu trả lời 3,5,7 Mục đích để đưa ra cho người trả lời một loạt các lựa chọn trả lời có điểm giữa Điểm giữa mang tính trung lập (không đồng ý cũng như không phản đối).

22

3.2 Các bước xây dựng thang đo đơn khía cạnh và thang đo Likert (tt):

 B4: Kiểm tra toàn bộ các mục hỏi đã khai thác được từ những người trả lời

Ban đầu để test bản câu hỏi, bạn có thể thăm dò khoảng 100 người để kiểm

tra các mục hỏi

 B5: Thực hiện một phân tích mục hỏi để tìm ra một tập hợp các mục hỏi tạo

nên một thang đo đơn khía cạnh về biến mà bạn muốn đo lường

 B6: Sử dụng thang đo mà bạn đã xây dựng được trong nghiên cứu và tiến

hành phân tích lại các mục hỏi lại lần nữa để đảm bảo rằng thang đo đó là

chắc chắn

23

3.3 Kiểm tra sự tương quan giữa các mục hỏi và tính toán Cronbach Alpha:

Kiểm tra xem các mục hỏi nào đã có đóng góp vào việc

đo lường một khái niệm lý thuyết mà ta đang nghiên cứu và những mục nào không.

Hệ số α của Cronbach là ???

Công thức của hệ số Cronbach α là:

α = Nρ/[1+ρ(N-1)]

Trong đó: ρ là hệ số tương quan trung bình giữa các mục hỏi N là số mục hỏi.

24

3.3 Kiểm tra sự tương quan giữa các mục hỏi và

tính toán Cronbach Alpha (tt)

• Cronbach Alpha không phải là 1 kiểm định thống kê Nó chỉ là 1 hệ

số tin cậy (coefficient of reliability or consistency)

• Theo quy ước, một tập hợp các mục hỏi dùng để đo lường được

• Nhược điểm: nếu như bạn có quá nhiều mục hỏi (N sẽ tăng lên) thì

hệ số α cũng vì vậy mà cao Hệ số α của Cronbach sẽ cho bạn biết

các đo lường của bạn có liên kết với nhau hay không nhưng nó sẽ

không cho bạn biết mục hỏi nào cần được bỏ đi và mục hỏi nào cần

được giữ lại.

25

File Phan tich nhan to

MÔ HÌNH PHÂN TÍCH NHÂN TỐ EFA

CÁC BƯỚC THỰC HIỆN EFA

Bước 1: Từ lý thuyết và nghiên cứu tiền nhiệm, thực hiện khung phân tích

Bước 2: Thiết kế bảng mẫu câu hỏi.

Bước 3: Phỏng vấn mẫu nhỏ và tiến hành điều chỉnh lại bản hỏi Thực hiện nhiều

lần, cho đến khi thiết kế bảng mẫu câu hỏi được hoàn chỉnh

Bước 4: Thu thập dữ liệu thực tế (với số quan sát lớn để tiến hành nghiên cứu) và

nhập liệu

Bước 5: Thực hiện Cronbach Alpha để loại những câu hỏi –item X không phù hợp.

Bước 6: Thực hiện mô hình EFA và loại item không phù hợp

29

CÁC BƯỚC THỰC HIỆN EFA

Bước 7: Xác định các nhân tố F do items X tạo thành dựa trên factor

loadings

Bước 8: Sau khi thực hiện EFA Dùng Cronbach Alpha để test lại lần nữa,

loại trừ đi những items X không phù hợp

Sau đó, thực hiện lại EFA lần nữa Thao tác này sẽ được lặp lại tới khi nhà nghiên cứu đạt được sự phù hợp cả về EFA lẫn Cronbach Alpha

Bước 9: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s test Bước 10: Cách xác định số lượng nhân tố và eigenvalue

Bước 11: Tính toán các nhân tố Bước 12: Đặt tên Factor Bước 13: Lặp lại 12 bước trên đối với Factor loyalty (Factor biến phụ

thuộc)

Bước 14: Chạy mô hình Hồi quy OLS 30

Thực hiện Phân tích EFA

Lãnh đạo

sup

Thăng tiến

prom

Đồng nghiệp

cow

Lương – thưởng

pay

Bảo hiểm

ben

Bản chất công việc

work

Lòng trung thành của nhân viên cty A

Loy

Bước 1: Lý thuyết và khung phân tích (Theory Framework)

Đề tài: Sự thỏa mãn của nhân viên với công việc

Bước 2 và bước 3: Thiết kế và hoàn chỉnh bản câu hỏi

34

Bước 4 và 5: Thu thập data và Đánh giá bảng câu hỏi bằng Cronbach Alpha

Bước 6: Thực hiện EFA trên SPSS

38

Bước 6: Thực hiện EFA trên SPSS (tt)

39

Ở Extraction

Phân tích ma trận tương quan hay hiệp phương sai ở ô Analyze

Thể hiện phương án nhân tố chưa xoay và vẽ biểu đồ dốc ở ô Display

Xác định tiêu chuẩn rút trích nhân tố hay số lượng nhân tố cần rút trích

Có 2 cách để xác định tiêu chuẩn này ở ô Extract:

• Xác định từ trước dựa vào ý đồ của nhà nghiên cứu và kết quả của các cuộc nghiên cứu trước Nhà nghiên cứu xác định số nhân tố ở ô Number of factors

• Xác định dựa vào Eigenvalue (Determination based on eigenvalue Chỉ có những nhân tố nào lớn hơn 1 mới được giữ lại trong mô hình phân tích

40

Bước 6: Thực hiện EFA trên SPSS (tt)

Bước 7: Xác định các nhân tố F do items X tạo thành

dựa trên factor loadings

0.65 0.35

0.3

0.7 Factor loadings

Hệ số factor loading (hệ số tải nhân tố): là những hệ số tương quan đơn giữa các biến và các nhân tố.

Bước 7: Xác định các nhân tố F do items X tạo thành (tt)

Bước 7: Xác định các nhân tố F do items X tạo thành (tt)

Lúc này cấu thành 7 factors (7 components) đã hoàn chỉnh

F1sẽ do item sup 2,3,4,5,6,7

F2sẽ do item prom1,2,3,4 và work4

Bước 8: Đo lại các khái niệm bằng Cronbach

Alpha

45

F1sẽ do item sup 2,3,4,5,6,7

F2sẽ do item prom1,2,3,4 và work4

Tương tự, thực hiện với các F khác

Bước 8: Đo lại các khái niệm bằng Cronbach Alpha

46

Bước 9: Xây dựng ma trận tương quan, KMO và

kiểm định Bartlett’s test

47

Bước 9: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s test (tt)

Để có thể áp dụng được phân tích nhân tố thì các biến quan sát Xiphải có liên hệ với nhau

Nếu hệ số tương quan giữa các biến nhỏ, EFA có thể không thích hợp => Ta mong cho các biến này có tương quan chặt chẽ với nhau và như vậy sẽ tương quan chặt với 1 nhân tố F nào đó (hoặc tương quan chặt với nhiều nhân tố F) Tuy nhiên, lưu ý giữa các F không tương quan với nhau

48

Bước 9: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s

test (tt)

Kiểm định Bartlett’s test:

H0: ???

[ tức là ma trận các biến qsát Xilà ma trận đơn vị Các biến Xichỉ tương quan

với chính nó là 1 trên đường chéo và không tương quan với các biến Xikhác]

P-value < α: bác bỏ H0=> Phương phân phân tích nhân tố là phương pháp phù

hợp

49

Bước 9: Xây dựng ma trận tương quan, KMO và kiểm định Bartlett’s test (tt)

Kaiser – Meyer – Olkin measure (KMO)

KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố

0.5 < KMO < 1 : KMO lớn là điều kiện đủ để phân tích nhân tố thích hợp.

VẬY TỪ KMO VÀ BARTLETT CÓ THỂ KẾT LUẬN BẢNG THIẾT KẾ CÂU HỎI VÀ DATA PHÙ HỢP ĐỂ THỰC HIỆN PHƯƠNG PHÁP EFA

(Trong 1 số nghiên cứu, người ta tiến hành làm bước 9 trước bước 7 và bước 8)

50

Bước 10: Cách xác định số lượng nhân tố và

eigenvalue

=> Nếu dùng EFA như vậy thì không có ý nghĩa gì trong mục

đích tóm tắt thông tin

=> Do đó, để tóm tắt thông tin thì số nhân tố F được rút ra

• Cần rút bao nhiêu nhân tố F?

Bước 10: Cách xác định số lượng nhân tố và eigenvalue (tt)

Cần rút bao nhiêu nhân tố F?

Có 2 phương pháp cơ bản nhằm xác định số lượng nhân tố F:

- PP1: Phương pháp xác định từ trước (Prior determination):

Từ phân tích lý thuyết, từ nghiên cứu trước Người nghiên cứu biết được có bao nhiêu nhân tố có thể rút ra và chỉ định SPSS số nhân tố cần phải rút ra

Bước 10: Cách xác định số lượng nhân tố và

eigenvalue (tt)

Cần rút bao nhiêu nhân tố F?

Có 2 phương pháp cơ bản nhằm xác định số lượng nhân tố F:

- PP2: Phương pháp dựa vào Eigenvalue (Determination based on

eigenvalue):

Chỉ có nhân tố nào cóeigenvalue > 1 mới được giữ lại trong phân tích

Bởi vìEigenvalue đại diện cho lượng biến thiên được giải thích bởi các

nhân tố.

Nếu nhân tố có Eigenvalue < 1 thì nhân tố đó không có tác dụng tóm tắt

thông tin tốt hơn 1 biến gốc

53

Bước 10: Cách xác định số lượng nhân tố và eigenvalue (tt)

Tiêu chuẩn Eigenvalue > 1(mặc định SPSS) => Có 7 nhân tố được rút ra (phù hợp với kết quả ở trên đã thực hiện)

Cumulative % cho biết ???

54

Bước 10: Cách xác định số lượng nhân tố và

eigenvalue (tt)

Nhược điểm của Eigenvalue:

Khi quy mô mẫu lớn n > 200 , có nhiều khả năng

sẽ có nhiều nhân tố thỏa mãn mức ý nghĩa thống kê.

Tuy nhiên, thật ra có nhiều nhân tố chỉ giải thích

được một phần nhỏ của toàn bộ biến thiên.

55

Bước 11: Tính toán các nhân tố

• Sau khi giải thích các nhân tố, ta có thể tính toán ra các nhân tố

• Bản thân phân tích nhân tố là một phương pháp độc lập trong phân tích

có thể sử dụng một mình Bởi vì, mục tiêu của phân tích nhân tố là biến đổi một tập hợp biến gốc thành một tập hợp ít hơn các biến nhân tố (biến tổng hợp)

56

Nhân tố chung của các biến quan sát thứ i bằng:

Trên thực tế, SPSS có thể tự thực hiện.

Bước 11: Tính toán các nhân tố (tt)

57

Bước 11: Tính toán các Factor

???

58

Giả sử file.Phân tích nhân tố (sách Hoàng Trọng)

Bước 11: Tính toán các Factor

F1 = -0.121work1 – 0,061work2 – 0.043work3 – 0.078work4 +0.247sup7

Bước 12: Đặt tên Factor

Lúc này cấu thành 7 factors (7 components) đã hoàn chỉnh

Bước 13: Lặp lại 12 bước trên đối với Factor loyalty (Factor biến

phụ thuộc)

61

Bước 13: Lặp lại 12 bước trên đối với Factor loyalty (Factor biến phụ thuộc) (tt)

62

Factor loyalty FY=0.407 loy1 + 0.386 loy2 + 0.389loy3 Đặt tên biến

FY là lòng trung thành

Bước 14: Chạy mô hình Hồi quy OLS

63

THANK YOU FOR LISTENING

64