Khi chạy EFA

Các bước thực hiện:

Bước 1:

Bước 2:

Chuyển các nhân tố cần chạy EFA từ cột trái sang cột phải
Bước 3: Chỉnh các tính năng trong EFA
3.1. Descriptives

3.2. Extraction:
Để mặc định, nhưng khi không thể tách ra số lượng Biến như mong muốn thì có thể chọn Fixed
number of factors để ép ra số lượng biến sau đó lược bỏ bớt các Item không thỏa mãn điều kiện
3.3. Rotation:

Đối với Model đơn giản chỉ từ biến độc lập sang phụ thuộc chúng ta có thể sử dụng Varimax. Đối với
Model phức tạp hơn, và thực hiện khi chạy bằng AMOS thì chúng ta chọn Promax. Lưu ý, 2 phép
xoay Varimax và Promax là 2 phép xoay phổ biến nhất.
Đối với Maximum Interations for Convergence chúng ta để mặc định là 25, nhưng có thể xảy ra lỗi:
Rotated Component Matrixa
a Rotation failed to converge in 25 iterations. (Convergence = .001).
Lúc này chúng ta tăng số vòng xoay lên để xử lý lối (Ví dụ 40, 50…)
3.4. Options
Tham khảo điều kiện số 4 bên dưới. Thầy đã ghi rõ (Copy ngược lên đây, nhiều chữ, rối lắm, )
1. Chúng ta xét hệ số KMO và Bartlett.
1.1. Điều kiện 0.5 <=KMO <= 1 thảo mãn điều kiện để phân tích nhân tố phù hợp. Nằm ngoài điều
kiện này thì các nhân tố có thể không Thích hợp cho dữ liệu nghiên cứu.
1.2. Để ý điều kiện Sig. của Bartlett Test nếu < 0.05 thì thảo mãn điều kiện. Nghĩa là các biến có
tương quan với nhau trong nghiên cứu.

2. Chỉ số Eigenvalue dùng để xác định số lượng nhân tố trong phân tích EFA. Đối với những nhân tố
có chỉ số Eigenvalue => 1 mới được giữ lại trong nghiên cứu

3. Total Variance Explained (Tổng phương sai trích) phải lớn hơn 50% để thảo mãn điều kiện yêu
cầu. Đây là chỉ số thể hiện được các nhân tố sử dụng trong mô hình cô đọng (giải Thích) được bao
nhiêu % Model.
4. Hệ số tải nhân tố (Factor Loading): Mô tả mối tương quan giữa biến quan sát với nhân tố.
Có 2 lưu ý ở Hệ số tải nhân tố:
4.1. Điều kiện áp dụng chỉ số:
Hệ số tải nhân tố áp dụng chỉ số 0.3 điều kiện tối thiểu để các biến quan sát có thể được giữ lại
Hệ số tải nhân tố áp dụng chỉ số 0.5 điều kiện tốt để thể hiện ý nghĩa thống kê các biến
Hệ số tải nhân tố áp dụng chỉ số 0.7 điều kiện rất tốt để thể hiện ý nghĩa thống kê các biến
4.2. điều kiện áp dụng chỉ số còn phụ thuộc vào số lượng mẫu cần phân tích (Số lượng mẫu càng nhỏ,
điều kiện áp dụng chỉ số càng cao

Số lượng mẫu Điều kiện áp dụng

350 0.3
250 0.35
200 0.4
150 0.45
120 0.5
100 0.55

Tuy nhiên, chúng ta chỉ cần để ý 2 điều kiện là 0.3 khi 120 <= mẫu <=350; và 0.5 khi mẫu >350.
Thầy hay dùng chỉ số 0.5 kể cả khi mẫu <350. Nếu không được mới giảm xuống còn 0.3! Hi hi hi

Loại biến quan sát khi chạy EFA

1. Loại biến quan sát có hệ số tải nhân tố không phù hợp (0.5 hoặc là 0.3 – Phụ thuộc vào số mẫu và
điều kiện các bạn chọn trong mục Options)

2. Loại biến quan sát không nằm trong tập biến quan sát đã đề xuất.
3. Loại biến quan sát khi độ chênh lệch của hệ số tải nhân tố trên cùng 1 biến quan sát <0.3 (lấy chỉ
số lớn hơn – chỉ số bé hơn)

Cách đặt lại lý thuyết và Model khi chạy EFA mà gộp chung thành
biến mới (Cái này để Thầy nói trên lớp nhé)