Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA) là một kỹ thuật thống kê dùng để khám phá cấu trúc tiẩn trong tập hợp dữ liệu. Cách chạy EFA cho biến phụ thuộc là một bước quan trọng trong nghiên cứu để xác nhận tính hợp lý của thang đo.
Vậy cách chạy EFA trong SPSS cho biến phụ thuộc như thế nào? Bài viết dưới đây sẽ giúp bạn thực hiện đúng quy trình.
1. Câu Hỏi Thường Gặp
Câu 1: Việc chạy EFA cho biến phụ thuộc có khác gì so với biến độc lập?
Trả lời: Hoàn toàn KHÔNG. Quy trình chạy EFA giống nhau cho dù áp dụng cho biến độc lập hay biến phụ thuộc.
Câu 2: Biến phụ thuộc chỉ có 1 câu hỏi thì có cần chạy EFA không?
Trả lời: KHÔNG. EFA chỉ áp dụng khi có ÕN ÍT NHẤT 3-4 câu hỏi. Chỉ 1 câu thì không đủ điều kiện và không có giá trị.
2. Hướng Dẫn Cách Chạy EFA Cho Biến Phụ Thuộc
Dữ liệu mẫu: File SPSS: Tải tại đây
Biến phụ thuộc đang dùng: HAILONG1, HAILONG2, HAILONG3, HAILONG4
tải file spss
Các bước thao tác trong SPSS:
- 1 Vào menu: Analyze > Dimension Reduction > Factor
Analyze -> Dimension Reduction -> Factor
- 2 Đưa các biến HAILONG1-4 vào khung “Variables”
HAILONG1-4 vào khung Variables
- 3 Bỏ chọn:
- Tab Descriptives: tick “KMO and Bartlett’s test”
- Tab Extraction: chọn “Principal Component Analysis”
- Tab Rotation: chọn “Varimax”
- Tab Options: để mặc định
- 4 Click OK để chạy EFA
- 5 Kiểm Tra Kết Quả EFA biến phụ thuộc
Kiểm Tra Kết Quả EFA biến phụ thuộc
3. Diễn Giải Kết Quả EFA Cho Biến Phụ Thuộc
3.1. Kiểm Định KMO và Bartlett
- KMO = 0.778: Đạt yêu cầu > 0.5
- Sig. (Bartlett) = 0.000: < 0.05 → dữ liệu phù hợp chạy EFA
3.2. Phương Sai Trích và Eigenvalue
- Eigenvalue = 2.595 > 1: trích được 1 nhân tố
- Tổng phương sai trích = 64.869% → > 50% → đạt chuẩn theo Hair & ctg (1998)
3.3. Ma Trận Tải Nhân Tố (Factor Loading)
- Tất cả HAILONG1-4 đều có Factor loading > 0.5 → Đạt độ tin cậy, giữ lại để phân tích tiếp theo.
4. Kết Luận Và Ứng Dụng
Chạy EFA cho biến phụ thuộc giúp xác định cấu trúc tiềm ẩn của thang đo, đảm bảo tính hợp lệ trong nghiên cứu.
Sau khi xác định nhân tố, các biến quan sát đạt chuẩn sẽ được sử dụng để tiến hành phân tích tiếp theo như hồi quy, SEM… Điều này góp phần quan trọng trong việc đối chiếu, đánh giá và ra quyết định nghiên cứu.
