Giới thiệu về phân tích nhân tố khám phá EFA (Phần 1)

2
Khuyến mãi mới

Phân tích nhân tố khám phá (exploratory factor analysis - EFA) là một công cụ dùng để phân tích mối quan hệ đa biến. Bạn có thể sử dụng các phần mềm như SPSS, STATA hay R để chạy các mô hình dùng cho luận văn của mình. Về mặt ứng dụng, EFA được áp dụng đối với các khái niệm không thể đo lường trực tiếp. Ví dụ như sự hài lòng của khách hàng, hạnh phúc của người Việt Nam... EFA được thực hiện bằng cách gom nhiều biến lại với nhau để tạo thành các nhân tố quan trọng mà chúng ta có thể giải thích được.

Nhân tố (factor) là gì?

Ý tưởng chính của EFA là các biến có thể quan sát được có một số đặc điểm chung nào đó mà chúng ta lại không thể quan sát trực tiếp . Ví dụ: nhiều người khi được hỏi các câu hỏi về thu nhập, giáo dục, nghề nghiệp đều có cách trả lời khá giống nhau vì họ có đặc điểm chung về địa vị kinh tế xã hội. Địa vị kinh tế xã hội chính là nhân tố chi phối thu nhập, giáo dục và nghề nghiệp của họ. Trong phân tích nhân tố khám phá, mỗi nhân tố có chức năng giống như một biến, nó đo lường phương sai tổng thể của các biến quan sát được và chúng ta thường hay liệt kê theo thứ tự khả năng giải thích của nhân tố đó.

Trong phân tích nhân tố khám phá, chúng ta có khái niệm eigenvalue là các giá trị đặc trưng, đo lường khả năng giải thích của một nhân tố đối với phương sai của các biến. Nếu một nhân tố có giá trị đặc trưng lớn hơn 1 có nghĩa là nhân tố đó giải thích sự biến thiên tốt hơn là một biến đơn lẻ. Nếu giá trị đặc trưng bằng 1.3 có nghĩa là nhân tố đó có thể giải thích được phương sai tốt gấp 1.3 lần so với 3 biến (nếu nhân tố đó được trích từ 3 biến). Đó là lý do tại sao những nhân tố có eigenvalue nhỏ hơn 1 chúng ta sẽ loại ra (trong phần tiếp theo tôi sẽ giải thích rõ hơn)

Hệ số tải nhân tố (factor loadings) là gì ?

Vui lòng  đăng nhập hoặc đăng ký để đọc tiếp

RelatedPost

Discussion2 Bình luận

Leave A Reply