Hướng Dẫn Phân Tích Nhân Tố Khám Phá EFA Trong SPSS

Phân tích nhân tố khám phá EFA là một bước quan trọng trong quá trình phân tích dữ liệu định lượng khi làm bài luận văn hay nghiên cứu khoa học. Trong bài viết này, chúng ta sẽ cùng nhau tìm hiểu về phân tích nhân tố EFA một cách chi tiết nhất nhé.

Phân tích nhân tố khám phá EFA là gì?

Phân tích nhân tố khám phá EFA là viết tắt của cụm từ Exploratory Factor Analysis. Đây là một phương pháp phân tích được sử dụng trong SPSS nhằm khám phá xem có tổng cộng bao nhiêu nhóm nhân tố chính trong tổng số các biến nghiên cứu. Dựa theo tiêu chí các biến có tương quan với nhau để phân nhóm với mục đích giảm bớt số lượng nhân tố trong mô hình nghiên cứu xuống một mức mà ta có thể sử dụng được. 

Ví dụ đặc trưng dễ thấy trong thực tế nhất là về một lớp học có 40 học sinh. Để dễ dàng hơn trong việc quản lý thì giáo viên chủ nhiệm thường chia lớp thành 4 tổ. Mỗi tổ sẽ có khoảng 10 học sinh.

>>> Xem thêm: SPSS là gì? Hướng dẫn sử dụng SPSS trong nghiên cứu khoa học

Phân tích nhân tố khám phá EFA quan trọng như thế nào?

Mục đích của các nghiên cứu là kiểm định lý thuyết từ các dữ liệu trong thực tế. Do đó, phân tích nhân tố khám phá EFA đóng vai trò rất quan trọng trong việc giúp chúng ta phân tích các nhóm đối tượng nghiên cứu và có cách nhìn tổng quan thực tế hơn.

Phân tích nhân tố  EFA được ứng dụng rất nhiều trong các lĩnh vực nghiên cứu kinh tế và xã hội. Bên cạnh đó, nó còn được ứng dụng trong nhiều trường hợp liên quan đến chuyên ngành kinh doanh cụ thể như sau:

– Phân tích các nhân tố xác định các phân khúc người tiêu dùng ảnh hưởng đến hành vi mua sắm.

– Phân tích các nhân tố xác định các thuộc tính thương hiệu ảnh hưởng đến sự lựa chọn của người tiêu dùng.

– Phân tích các nhân tố ảnh hưởng đến việc truyền thông đến thị trường mục tiêu.

– Phân tích các nhân tố để nhận ra các đặc trưng của nhóm khách hàng nhạy cảm với giá thành sản phẩm.

– …..

Như vậy, phương pháp phân tích nhân tố khám phá EFA có thể áp dụng trong rất nhiều đề tài luận văn khác nhau. Đặc biệt là các đề tài liên quan đến chuyên ngành kinh tế, quản trị kinh doanh. 

Các tiêu chí trong phân tích nhân tố EFA

Để hiểu hơn về phương pháp phân tích nhân tố khám phá EFA thì chúng ta sẽ tiếp tục tìm hiểu về các tiêu chí cần thiết trong phương pháp phân tích này. Cụ thể là:

– Hệ số KMO (Kaiser – Meyer – Olkin) là chỉ số được sử dụng để xem xét độ thích hợp của phân tích nhân tố khám phá. Trị số KMO phải đạt giá trị trong khoảng từ 0.5 đến 1 thì mới đủ điều kiện để phân tích EFA. Nếu trị số KMO nhỏ hơn 0.5 thì tập dữ liệu nghiên cứu có thể không thích hợp với phương pháp phân tích này.

–  Kiểm định Bartlett là tiêu chí dùng để xem xét các biến quan sát trong nhóm nhân tố có tương quan với nhau không. Kiểm định Bartlett có kết quả nhỏ hơn 0.05 thì bạn có thể áp dụng phương pháp phân tích nhân tố. 

– Trị số Eigenvalue là tiêu chí dùng để xác định số lượng nhân tố trong phân tích  EFA. Những nhân tố nào có chỉ số Eigenvalue lớn hơn hoặc bằng 1 thì mới được giữ lại trong mô hình phân tích.

– Tổng phương sai trích là chỉ số xem xét độ phù hợp của mô hình EFA. Tổng phương sai trích lớn hơn 50% thì có thể áp dụng mô hình này.

– Hệ số tải nhân tố biểu thị mối quan hệ tương quan giữa các nhân tố với biến quan sát. Hệ số tải nhân tố càng cao thì độ tương quan càng lớn và ngược lại. Điều kiện tối thiểu để biến quan sát được giữ lại là có hệ số tải nhân tố lớn hơn hoặc bằng 3.

Thực hành phân tích nhân tố khám phá EFA trong SPSS

Để thực hiện phân tích EFA trong phần mềm SPSS, đầu tiên bạn vào Analyze => chọn Data Reduction => chọn Factor. 

Trên cửa sổ Factor Analysis hiện ra, tiếp tục chọn tất cả các biến (độc lập hoặc phụ thuộc) ở cột bên trái đưa vào cột Variables bên phải.

Tiếp tục chọn Descriptives. Trên cửa sổ Factor Analysis: Descriptive tiếp tục tích chọn KMO and Bartlett’s test of sphericity. Sau đó nhấp chọn Continue.

Quay về cửa sổ Factor Analysis => chọn nút Rotation => chọn Varimax => chọn Continue.

Quay về cửa sổ Factor Analysis => chọn nút Options => chọn Sorted by size => chọn Suppress small coefficient; tại trường values be low và gõ vào .5 => chọn Continue.

Quay về cửa sổ Factor Analysis nhấp chọn OK thì sẽ hiển thị kết quả phân tích. 

Việc cuối cùng bạn cần làm là dựa vào các tiêu chí trong phân tích nhân tố EFA để phân tích kết quả. Tuy nhiên, khi xử lý các bộ số liệu thực tế, đặc biệt là số liệu luận văn thạc sĩ, tiến sĩ rất có thể bạn sẽ gặp phải các lỗi như: ma trận xoay không theo từng nhóm biến, giá trị các biến không hội tụ, biến quan sát bị xáo trộn… Đừng lo lắng hãy liên hệ với Dịch vụ Phân tích định lượng của Luận Văn 123 nhé!

Như vậy chúng ta vừa tìm hiểu các vấn đề liên quan đến phương pháp phân tích nhân tố khám phá EFA. Đây là phương pháp được rất nhiều người sử dụng trong công trình nghiên cứu khoa học hay luận văn của mình. Hy vọng những thông tin này hữu ích đối với bạn.