Mục đích chính của EFA là xác định số lượng nhóm nhân tố thực sự tương ứng với bộ dữ liệu thu được.. Phân tích hồi quy nhằm xác định xem các biến độc lập có thực sự là nguyên nhân giải t
Trang 1Câu 1: Ý nghĩa kiểm định Cronbach’s Alpha ?
Kiểm định Cronbach’s Alpha được tiến hành nhằm đánh giá độ tin cậy của thang đo Mục đích của kiểm định này là để tìm hiểu xem các biến quan sát trong một thang đo có cùng đo lường cho một khái niệm cần đo hay không
Để kiểm định Cronbach’s Alpha thường sử dụng hai chỉ số thống kê:
1 Hệ số tương quan biến tổng (cho biết mức độ liên kết giữa một biến quan sát trong nhân tố với các biến còn lại) Giá trị của hệ số này phải
từ 0.3 trở lên thì mới phù hợp (Nunnally, 1978)
2 Hệ số Cronbach’s Alpha (phản ảnh độ tin cậy của thang đo) Theo
Hair & ctg (2006) giá trị hệ số này phải lớn hơn 0.6 Cụ thể:
➼ 0.6 - 0.7: Thang đo đủ điều kiện
➼ 0.7 - 0.8: Thang đo sử dụng tốt
➼ 0.8 - 0.95: Thang đo rất tốt
➼ > 0.95: Cần xem xét lại các biến quan sát vì có thể có hiện tượng
“trùng biến”
Câu 2: Khi giá trị Cronbach's Alpha if Item Deleted > Cronbach's Alpha thì có loại biến không?
Tùy vào tình huống, nếu giá trị lớn hơn đó không nhiều và nhân tố có ít biến thì nên xem xét giữ lại
Câu 3: Tại sao phải phân tích EFA? Ý nghĩa phân tích nhân tố khám phá EFA?
Vì mô hình đề xuất là mô hình ban đầu, được xây dựng dựa trên các nghiên cứu khác Nên dữ liệu thu được chưa chắc đã phù hợp với mô hình Mục đích chính của EFA là xác định số lượng nhóm nhân tố thực sự tương ứng với bộ dữ liệu thu được
EFA dùng để thu gọn, rút trích các biến quan sát có ý nghĩa hội tụ và phân biệt:
➼ Hội tụ: Các biến quan sát có cùng tính chất sẽ hội tụ về cùng một nhân tố
➼ Phân biệt: Các biến quan sát hội tụ về các nhóm nhân tố khác nhau này phải có sự phân biệt
Các tiêu chính đánh giá:
Trang 21 Hệ số tải nhân tố (Factor Loading) là hệ số tương quan đơn giữa các
biến quan sát với nhân tố Theo Hair & ctg (2006),
➼ Factor Loading ở mức + 0.3: Điều kiện tối thiểu giữ lại biến quan sát
➼ Factor Loading ở mức + 0.5: Biến quan sát có ý nghĩa thống kê tốt
➼ Factor Loading ở mức + 0.7: Biến quan sát có ý nghĩa thống kê rất tốt
Tuy nhiên, Hair & ctg (2006) đã chứng minh hệ số tải nhân tố có sai số
tiêu chuẩn lớn hơn so với các tương quan điển hình Do đó, các tải nhân
tố nên được đánh giá ở các mức chặt chẽ hơn đáng kể Đồng thời, giá trị của hệ số tải nên được xem xét cùng kích thước mẫu Dựa vào bảng, với
cỡ mẫu 283 thì hệ số tải > 0.45 được coi là đáng kể
2 Hệ số KMO là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố Điều kiện để phân tích nhân tố phù hợp là 0.5 < KMO < 1
3 Kiểm định Bartlett để xem xét sự tương quan giữa các biến quan sát trong cùng một nhân tố Sig Bartlett’s Test < 0.05
4 Tổng phương sai trích ≥ 50% mới đảm bảo mô hình EFA là phù hợp
5 Giá trị Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố Nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình Câu 4: Phân tích hồi quy dùng làm gì?
Phân tích hồi quy nhằm xác định xem các biến độc lập có thực sự là nguyên nhân giải thích được cho biến phụ thuộc hay không? Đồng thời xác định mức độ giải thích của mô hình qua hệ số R2 hiệu chỉnh
Các kiểm định hồi quy:
1 Hệ số R2 hiệu chỉnh phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc
2 Hệ số Durbin - Watson dùng để kiểm tra xem có hiện tượng tương quan chuỗi bậc nhất hay không Giá trị hệ số DW biến thiên trong khoảng [0, 4] Nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị DW trong khoảng từ 1 đến 3
3 Kiểm định F phải có giá trị sig < 0.05 như vậy mô hình hồi quy mới phù hợp với tổng thể
4 Kiểm định đa cộng tuyến, phân phối chuẩn, phương sai sai số
Trang 3Câu 5: Hiện tượng đa cộng tuyến là gì ?
Hiện tượng đa cộng tuyến xảy ra khi các biến độc lập có tương quan tuyến tính với nhau
Khi đó:
➼ Hạn chế giá trị của R bình phương (Thường sẽ làm giá trị R bình phương tăng ảo)
➼ Làm sai lệch hoặc đổi dấu các hệ số hồi quy trong phương trình hồi quy Kiểm định đa cộng tuyến:
➼ Dựa vào hệ số tương quan,giá trị hệ số > 0.8 là cao, > 0.9 là rất cao
➼ Dựa vào hệ số VIF Nếu VIF < 2: không bị đa cộng tuyến, VIF > 2 thì có dấu hiệu đa cộng tuyến Nếu VIF > 10 thì chắc chắn có đa cộng tuyến
Cách khắc phục:
➼ Thu thập thêm số liệu
➼ Loại bỏ biến gây ra hiện tượng đa cộng tuyến Loại biến ít có ý nghĩa thống kê hơn ra trước
Câu 6: Sự khác nhau giữa R2 và R2 hiệu chỉnh là gì? R2 và R2 hiệu chỉnh có nhất thiết lúc nào cũng phải lớn hơn 50 % không?
Giống: R2 và R2 hiệu chỉnh đều cho biết mức độ phù hợp của mô hình nghiên cứu với ý nghĩa là các biến độc lập giải thích được bao nhiêu phần trăm (%) biến thiên của biến phụ thuộc
Khác: R2 hiệu chỉnh phản ánh sát hơn mức độ phù hợp của mô hình vì nó
không phụ thuộc vào độ lệch phóng đại của R2(độ lệch này phụ thuộc vào kích thước mẫu, thị trường khảo sát… Ko nên nói câu trong ngoặc này quá sâu vì dễ
bị bắt bẽ, chừng nào hội đồng hỏi hãy nói…)
Các đề tài liên quan đến vấn đề nhận dạng… or giải thích… (vd: các yếu ảnh hưởng đến mức độ hài lòng…), thì R2hiệu chỉnh phải > 0.5 (50%) Các đề tài liên quan đến mối quan hệ…, (vd: ảnh hưởng của tâm lý hay đến lòng trung thành, hay giữa các nhân tố với nhau ), thì không cần quan tâm nhiều đếnR2hiệu chỉnh mà khi đó hệ số hồi quy
Câu 7: Sự Khác Nhau Giữa hệ số 𝛽 chưa chuẩn hóa Và 𝛽 Chuẩn Hóa Là Gì?
Hệ số B chưa chuẩn hóa phản ánh lượng biến thiên của Y khi một đơn vị X thay đổi Trong khi đó Hệ số 𝛽 đã chuẩn hóa phản ánh lượng biến thiên độ lệch
Trang 4chuẩn (standard deviation) của Y khi một đơn vị độ lệch chuẩn của X thay đổi.
Cụ thể hơn, hệ số 𝛽 đã chuẩn hóa là kết quả của việc giải phương trình hồi quy
mà các biến độc lập, biến phụ thuộc đã được chuẩn hóa ( phương sai = 1) Còn
hệ số B chưa chuẩn hóa là kết quả của việc giải phương trình hồi quy mà các biến được giữ nguyên giá trị thô
Câu 8: Tại sao lại lấy hệ số Beta (hệ số hồi quy chuẩn hóa) để kết luận?
Hệ số 𝛽 (hệ số hồi quy chuẩn hóa) phản ánh được thứ tự mức độ tác động của biến độc lập tới biến phụ thuộc bởi vì đơn vị của các biến đã đồng nhất, trong khi đó hệ số B (hệ số hồi quy chưa chuẩn hóa) không làm được điều này
Từ phương trình hồi quy chuẩn hóa và hệ số 𝛽, có thể căn cứ vào đó cùng các cơ sở khác để đề ra các giải pháp phù hợp
Câu 9: Tại sao phải chọn kích thước mẫu như vậy
Theo Green (1991), tầm quan trọng của phương pháp phân tích hồi quy bội được xác định bởi khả năng thống kê và kích thước mẫu thông qua công thức:
N > 50 + 8K, với K là số lượng biến độc lập
Như vậy, theo ông Green, nhóm nghiên cứu cần thu thập: N > 50+8*25=250 (Ví dụ K = 25)
=> Tối thiểu 300 mẫu khảo sát
Tuy nhiên, theo Hair Anderson, Tatham & Black (1998) cho rằng, kích thước mẫu phải tối thiểu 50 và kích thước mẫu tối thiểu phải lớn gấp 5 lần số lượng biến độc lập (5:1) Như vậy, theo Anderson, Tatham và Black (1998), nhóm nghiên cứu cần xác định: N > = 5*25 = 125
Ngoài ra, trong quá trình khảo sát có thể sẽ xảy ra những sai sót hoặc một
số mẫu khảo sát không phù hợp Vì thế, sau khi cân nhắc và tìm hiểu, nhóm nghiên cứu quyết định kích thước mẫu nhóm cần thu thập là 400 <= N <= 450
Từ đó, nhóm nghiên cứu có thể đảm bảo độ tin cậy, chọn lọc và tránh những sai sót trong quá trình khảo sát cũng như đảm bảo chất lượng của các mẫu khảo sát
để có những dữ liệu phù hợp và có giá trị
Câu 10: Tại sao dùng thang đo Likert để thực hiện bảng câu hỏi
Thang đo Likert đo các thái độ và hành vi bằng cách sử dụng các lựa chọn trả lời để phân vùng phạm vi từ tệ nhất đến tốt nhất (ví dụ, rất không hài lòng đến rất hài lòng) Không giống như một câu hỏi đơn "có / không", một
Trang 5thang thang đo Likert cho phép phát hiện ra mức độ của ý kiến Có một phạm vi các phản hồi cũng sẽ giúp nhóm nghiên cứu dễ dàng xác định các lĩnh vực cần cải thiện, lĩnh vực nào nên cần được quan tâm và lĩnh vực nào ít được quan tâm Câu 11: Tại sao nhóm chọn nghiên cứu định lượng mà không phải nghiên cứu định tính
Vì Tính khách quan khoa học: Dữ liệu định lượng có thể được giải thích bằng phân tích thống kê và vì thống kê dựa trên các nguyên tắc toán học, nên phương pháp định lượng được xem là phương pháp khoa học và hợp lý Vì thế nghiên cứu định lượng hoàn toàn phù hợp để kiểm định các giả thiết được đặt ra
Độ tin cậy cao của kết quả nghiên cứu, tính đaại diện cao nên kết quả nghiên cứu định lượng có thể khái quát hóa lên cho tổng thể mẫu
Phân tích nhanh chóng: Các phần mềm phân tích giúp việc xử lý lượng lớn dữ liệu một cách nhanh chóng và chính xác Hạn chế đến mức thấp những lỗi kỹ thuật có thể phát sinh do yếu tố con người trong xử lý số liệu
Câu 13: Tại sao chọn mẫu xác suất thay vì phi xác suất?
Vì chọn mẫu xác suất phù hợp hơn so với chọn mẫu phi xác suất
● Ưu điểm: Đơn giản, dễ thực hiện nếu có một khung mẫu hoàn chỉnh, cho kết quả khách quan và tính đại diện của mẫu cao
Đặc biệt khi chọn mẫu phi xác suất sẽ bị vấn đề như không xác định được sai số khi lấy mẫu, mẫu khó mang tính đa dạng và đại diện cho mẫu
Câu 14: Đâu là các nghiên cứu chính mà các em dựa vào khi đề xuất mô hình nghiên cứu? - Dựa vào đâu để đưa ra mô hình nghiên cứu?
Câu 15: Trình bày các nghiên cứu trước đó về diễn giải của từng yếu tố tác động
mà các em đã trình bày
Yếu tố tác động Xu hướng
ảnh hưởng
Các nghiên cứu liên quan
Câu 16: Các thang đo được sử dụng trong bài được mô phỏng và dựa trên các kết quả của tác giả nào?
Trang 6Thiết kế thang đo dựa trên cơ sở mô hình nghiên cứu đề xuất Tuy nhiên không nhất thiết phải làm rập khuôn thang đo theo các nghiên cứu trước, mà thường là
có thay đổi, cải tiến cho hợp với đề tài và đối tượng nghiên cứu
Câu 17 : Thống kê mô tả dùng để làm gì?
Mục đích chính của việc sử dụng phương pháp thống kê mô tả để dễ dàng theo dõi kết quả nghiên cứu vì nó tạo nền tảng cho các bước phân tích định lượng của dữ liệu được trình bày sau.Thống kê mô tả dùng cho mục đích thống kê giá trị bé nhất, lớn nhất,trung bình cộng Ngoài ra còn thống kê được các chỉ tiêu khác nhưng ít xài: Std Deviation, Variance, Skewness, Kurtosis
Câu 18: Thống kê tần số dùng làm gì?
Dùng để tần suất xuất hiện của các biến định tính, ví dụ: giới tính, trình độ, tuổi tác, học vấn, nghề nghiệp, thu nhập…Thống kê tần số để xác định số lần xuất hiện của một giá trị cụ thể, đồng thời cho ra số tỷ lệ phần trăm tương ứng
Câu 19 : Hệ số tin cậy cronbach’s alpha phản ảnh điều gì?
Hệ số tin cậy Cronbach’s Alpha phản ảnh độ tin cậy của thang đo, cho biết các biến đo lường có liên kết với nhau hay không Hệ số này càng cao càng tốt Ngưỡng chấp nhận là hệ số này phải lớn hơn 0.6
Câu 20: Khi Cronbach's Alpha if Item Deleted > Cronbach's Alpha thì có loại biến không?
Tùy vào tình huống, nếu giá trị lớn hơn đó không nhiều và nhân tố có ít biến( 3-4-5 biến chẳng hạn) thì lý luận để giữ lại luôn
Câu 21: Tại sao phải phân tích nhân tố EFA?
Vì mô hình đề xuất là mô hình ban đầu, ứng với các nghiên cứu khác Còn trường hợp nghiên cứu của mình chưa chắc dữ liệu đã phù hợp với mô hình Ví
dụ mô hình đề xuất có 7 nhân tố độc lập 1 nhân tố phụ thuộc Khi chạy EFA ra chỉ còn 6 nhân tố độc lập Như vậy mô hình nghiên cứu mô hình ban đầu cần phải hiệu chỉnh lại Chỉ có bước EFA mới xác định được vấn đề này Nói chung mục đích chính của EFA là xác định số lượng nhóm nhân tố thực sự tương ứng với bộ dữ liệu của chúng ta
Câu 22: Eigenvalues có ý nghĩa như thế nào?
Thông số Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị > 1
Trang 7Câu 23: Hệ số tải Factor Loading trong EFA có ý nghĩa gì?
Tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn hoặc bằng 0,5 để đảm bảo mức ý nghĩa thiết thực của EFA Lúc đó là điều kiện cần để nhân tố đạt được giá trị hội tụ
Câu 24: Giá trị hội tụ và giá trị phân biệt trong phân tích nhân tố là gì?
Giá trị hội tụ có nghĩa là các biến trong một yếu tố có mối tương quan cao Điều này được thể hiện bằng các hệ số nhân tố Hệ số tải phụ thuộc vào kích thước mẫu của bộ dữ liệu của bạn Nói chung, kích thước mẫu càng nhỏ thì hệ số tải yêu cầu càng cao Bất kể kích thước mẫu, quy tắc thông dụng tốt nhất là để tải lớn hơn 0.500
Giá trị phân biệt: là mức độ mà các yếu tố khác biệt với nhau và không tương quan với nhau Nguyên tắc là các biến phải liên quan nhiều hơn đến yếu tố của chúng so với các yếu tố khác
Câu 26 : Phân tích hồi quy dùng để làm gì?
Dùng để xác định xem các biến độc lập có thực sự là nguyên nhân giải thích được cho biến phụ thuộc hay không? Đồng thời xác định mức độ giải thích đó
là mạnh hay yếu thông qua hệ số R Bình Phương hiệu chỉnh
Câu 27 : R bình phương hiệu chỉnh giải thích gì được cho mô hình?
Giả sử R bình phương hiệu chỉnh là 0.60, thì mô hình hồi quy tuyến tính này phù hợp với tập dữ liệu ở mức 60% Nói cách khác, 60% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập.( còn 40% còn lại ở đâu, dĩ nhiên
là do sai số đo lường, do cách thu thập dữ liệu, do có thể có biến độc lập khác giải thích cho biến phụ thuộc mà chưa được được vào mô hình nghiên cứu… vv)
Câu 28: Tại sao r2 chưa hiệu chỉnh >r2 đã hiệu chỉnh?
Vì theo công thức sau:
Trang 8Vì (n-1)/(n – k) không bao giờ nhỏ hơn 1 nên R2 hiệu chỉnh sẽ không bao giờ lớn hơn R2
Câu 29: Tại sao lại lấy hệ số b (hệ số hồi quy chưa chuẩn hóa) để kết luận?
Câu hỏi này rất hay, các bạn lưu ý không phải là chuẩn hóa tốt hơn chưa chuẩn hóa hoặc ngược lại nhé Mà là mỗi hệ số có cách giải thích riêng của nó:
Câu 30: Hiện tượng đa cộng tuyến là gì?
Trong mô hình hồi quy, nếu các biến độc lập có quan hệ chặt với nhau, các biến độc lập có mối quan hệ tuyến tính, nghĩa là các biến độc lập có tương quan chặt, mạnh với nhau thì sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số
Ví dụ có hai biến độc lập A và B, khi A tăng thì B tăng, A giảm thì B giảm… thì đó là một dấu hiệu của đa cộng tuyến Nói một cách khác là hai biến độc lập
có quan hệ rất mạnh với nhau, đúng ra hai biến này nó phải là 1 biến nhưng thực tế trong mô hình nhà nghiên cứu lại tách làm 2 biến Hiện tượng đa cộng tuyến vi phạm giả định của mô hình hồi qui tuyến tính cổ điển là các biến độc lập không có mối quan hệ tuyến tính với nhau
Câu 31: Ý nghĩa hệ số Durbin-Watson trong hồi quy?
Dùng để xác định có tương quan bậc 1 ( còn gọi là tự tương quan) giữa các phần
dư hay không?
Câu 32 : Kiểm định F trong hồi quy có ý nghĩa gì?
Kiểm định F dùng để xác định R bình phương của tổng thể có khác 0 hay không
Câu 33: Phân tích oneway anova, hoặc independent sample t test dùng để làm gì?
Dùng để xác định xem có sự khác biệt về giá trị trung bình của một biến định lượng( ví dụ SỰ HÀI LÒNG) giữa các nhóm biến định tính khác nhau( ví dụ GIỚI TÍNH) Nghĩa là xem những người giới tính Nam có đánh giá cao sự Hài Lòng hơn so với những người giới tính Nữ hay không?
Câu 34: Sự khác nhau giữa t test và anova là gì?
T test chỉ kiểm định được cho biến có hai nhóm quan sát, còn anova kiểm định được cho biến có từ 2 biến quan sát trở lên, ví dụ 2 3 4 5 nhóm…
Câu 35 : Tính mới của đề tài này là gì?
Các nghiên cứu trước phân tích cho từng yếu tố nhỏ lẻ, chưa có bài nghiên cứu nào phân tích đầy đủ các yếu tố được đề cập tương tự như mô hình nghiên cứu
Trang 9đề xuất của nhóm nghiên cứu Ngoài ra, bài nghiên cứu thực hiện trên đối tượng nghiên cứu mới nên có những điểm sáng và đặc trưng mới của đề tài
Câu 36: Bạn tìm cơ sở lý thuyết ở đâu?
Tham khảo trong các nghiên cứu khoa học lớn trước đó , tìm trên google scholar, ở sciencedirect.com…
Câu 37: Nghiên cứu định lượng dùng để làm gì
-Nghiên cứu định lượng phù hợp trong nghiên cứu về thái độ, ý kiến, hành vi của người được khảo sát Các kết quả định lượng từ một nhóm mẫu sẽ được tổng quát hóa lên một tổng thể mẫu lớn hơn.s
-Phương pháp để thu thập dữ liệu định lượng thường có cấu trúc hơn so với thu thập dữ liệu định tính bao gồm nhiều hình thức khảo sát khác nhau như khảo sát trực tuyến, khảo sát trên giấy, khảo sát di động, khảo sát qua thư hoặc email,… -Nghiên cứu định lượng thường được gắn liền với việc dựa vào các lý thuyết, suy luận để lượng hóa, đo lường các yếu tố nghiên cứu, kiểm tra mối tương quan giữa các biến dưới dạng số đo và thống kê.a
Câu 38: Lập questionnaire & thực hiện khảo sát sơ bộ( đa số bài không làm bước này) để làm gì?
Để hiệu chỉnh bảng câu hỏi chính thức, câu nào không hợp lý sẽ không được đưa vào nghiên cứu chính thức
Câu 39: Lỗ hổng nghiên cứu
Câu 40: Tại sao lựa chọn đối tượng khảo sát là
- Vì đối tượng nghiên cứu có đặc điểm gần nhất và phù hợp nhất với mục tiêu nghiên cứu của đề tài