Phân tích độ tin cậy Cronbach’s Alpha

TS. Phan Thu Hiền

Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua
hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha
trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác
này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang,
2009).

Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau
hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát
nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến-tổng sẽ giúp
loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái
niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí đánh giá độ tin cậy thang đo:

– Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3);
– Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8
là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm
nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu.
 Giả sử thang đo HỆ THỐNG có 4 biến mã hóa là HT1, HT2, HT3, HT4
→ tính độ tin cậy của thang đo.

alpha HT1 HT2 HT3 HT4, item

average
item-test item-rest interitem
Item | Obs Sign correlation correlation covariance alpha
-------------+-----------------------------------------------------------------
HT1 | 117 + 0.7850 0.6197 .2730867 0.7699
HT2 | 117 + 0.8014 0.6410 .2627468 0.7599
HT3 | 117 + 0.7750 0.5969 .2754937 0.7799
HT4 | 117 + 0.8389 0.6717 .2290991 0.7456
-------------+-----------------------------------------------------------------
Test scale | .2601066 0.8123
-------------------------------------------------------------------------------
 Phân tích nhân tố khám phá EFA
(Exploratory Factor Analysis)
Đánh giá hai loại giá trị quan trọng của thang đo: giá trị hội tụ và giá trị phân
biệt.
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn
nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc
lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships).
EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố
có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của
các nhân tố với các biến nguyên thủy (biến quan sát).
 Phân tích nhân tố khám phá EFA
(Exploratory Factor Analysis)

Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong
phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với
phép xoay Varimax là cách thức được sử dụng phổ biến nhất.
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân
tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
• Factor loading > 0.3 được xem là đạt mức tối thiểu
• Factor loading > 0.4 được xem là quan trọng
• Factor loading > 0.5 được xem là có ý nghĩa thực tiễn
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu:
Hệ số tải nhân tố (Factor loading ) > 0.5
Hệ số KMO (Kaiser-Meyer-Olkin) dùng để xem xét sự thích hợp của phân tích
nhân tố. KMO lớn 0.5 ≤ KMO ≤ 1: phân tích nhân tố là thích hợp.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống
kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu
kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối
tương quan với nhau trong tổng thể.
Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần
trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị
này cho biết phân tích nhân tố giải thích được bao nhiêu %.
 Giả sử có 6 nhân tố cần đưa vào phân tích EFA: HT, TT, DV, YD, HL, SD

factor HT1 HT2 HT3 HT4 TT2 TT3 DV1 DV2 DV3 YD1 YD2 YD3 HL1 HL2
HL3 SD1 SD2 SD3, pcf mineigen(1)

nhân tố nào có eigenvalue lớn hơn 1 mới được giữ lại

Factor analysis/correlation Number of obs = 117
Method: principal-component factors Retained factors = 6
Rotation: (unrotated) Number of params = 93
--------------------------------------------------------------------------
Factor | Eigenvalue Difference Proportion Cumulative
-------------+------------------------------------------------------------
Factor1 | 3.83862 1.33956 0.2020 0.2020
Factor2 | 2.49906 0.36852 0.1315 0.3336
Factor3 | 2.13054 0.16031 0.1121 0.4457
Factor4 | 1.97023 0.25671 0.1037 0.5494
Factor5 | 1.71353 0.18925 0.0902 0.6396
Factor6 | 1.52428 0.85710 0.0802 0.7198
Factor7 | 0.66718 0.03734 0.0351 0.7549
Factor8 | 0.62984 0.10912 0.0331 0.7881
Factor9 | 0.52072 0.03381 0.0274 0.8155

có 6 nhân tố được tạo ra (Eigenvalues >1)

 Factor10 | 0.48691 0.04052 0.0256 0.8411
Factor11 | 0.44639 0.01423 0.0235 0.8646
Factor12 | 0.43216 0.02706 0.0227 0.8873
Factor13 | 0.40510 0.02729 0.0213 0.9087
Factor14 | 0.37781 0.04332 0.0199 0.9285
Factor15 | 0.33449 0.04073 0.0176 0.9462
Factor16 | 0.29376 0.03490 0.0155 0.9616
Factor17 | 0.25886 0.00280 0.0136 0.9752
Factor18 | 0.25606 0.04163 0.0135 0.9887
Factor19 | 0.21442 . 0.0113 1.0000
--------------------------------------------------------------------------
LR test: independent vs. saturated: chi2(171) = 843.50 Prob>chi2 = 0.0000
 Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 | Uniqueness
-------------+------------------------------------------------------------+--------------
HT1 0.8007 0.3490
HT2 0.8246 0.3032
HT3 0.7358 0.4138
rotate, kaiser HT4 0.7866 0.2816
blanks(0.3) TT1 0.8175 0.3076
TT2 0.8102 0.3151
TT3 0.8540 0.2486
DV1 0.8485 0.2545
DV2 0.8582 0.2396
DV3 0.8349 0.2798
YD1 0.8499 0.2547
YD2 0.8511 0.2311
YD3 0.8390 0.2707
HL1 0.8994 0.1717
HL2 0.8223 0.2973
HL3 0.8129 0.2864
SD1 0.8277 0.2900
SD2 0.8463 0.2425
SD3 0.8314 0.2865
Để hiển thị chỉ số KMO
estat kmo, novar

Kaiser-Meyer-Olkin measure of sampling adequacy (overall) = 0.7095

KMO = 0.7085 > 0.5 → dữ liệu dùng để phân tích nhân tố hoàn toàn thích hợp.
 Kiểm định Bartlett's Test of Sphericity

factortest HT1 HT2 HT3 HT4 TT1 TT2 TT3 DV1 DV2 DV3 YD1 YD2
YD3 HL1 HL2 HL3 SD1 SD2 SD3

Determinant of the correlation matrix

Det = 0.000
Bartlett test of sphericity
Chi-square = 835.815
Degrees of freedom = 171
p-value = 0.000 → bác bỏ giả thuyết H0: các biến quan sát
H0: variables are not intercorrelated không có tương quan với nhau trong tổng
thể.

Kaiser-Meyer-Olkin Measure of Sampling Adequacy

KMO = 0.709