I.

LÝ THUYẾT

1. Khái niệm về phân tích EFA

Phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis) là một phương
pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường
phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân tố) để chúng có
ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban
đầu (Hair et al. 2009)
 I. LÝ THUYẾT

2. Mục tiêu của EFA

- Xác định số lượng các nhân tố ảnh hưởng đến một tập các biến quan sát.

- Xác định mức độ tương quan giữa mỗi nhân tố với từng biến quan sát.

- Giảm số lượng biến quan sát trùng lặp có ý nghĩa tương tự nhau trong một
phân tích.
 I. LÝ THUYẾT

3. Ứng dụng của EFA

EFA thường được sử dụng nhiều trong các lĩnh vực quản trị, kinh tế, tâm lý, xã hội
học,...
EFA sẽ góp phần rút gọn một tập gồm rất nhiều biến đo lường thành một số nhân
tố. Nếu sử dụng các nhân tố này với tư cách là các biến độc lập trong hàm hồi
quy bội thì khi đó, mô hình sẽ giảm khả năng vi phạm hiện tượng đa cộng tuyến.
 Những tiêu chí trong phân tích EFA

• Hệ số tải nhân tố (Factor loading)

• Kiểm định Bartlett
• Hệ số KMO (Kaiser-Meyer-Olkin)
• Phần trăm phương sai trích (Percentage of
variance)
• Trị số Eigenvalue
 Hệ số tải nhân tố (Factor loading)
Biểu thị mối quan hệ tương quan giữa biến quan
sát với nhân tố
Nếu Factor loading > 0.3 được xem là đạt mức tối
thiểu
Nếu Factor loading > 0.4 được xem là quan trọng
Nếu Factor loading > 0.5 được xem là có ý nghĩa
thực tiễn 
 Kiểm định Bartlett

• Được dùng để xem xét giả thuyết các biến

không có tương quan trong tổng thể
• (Sig. < 0.05) thì các biến quan sát có mối
tương quan với nhau trong tổng thể.
 Hệ số KMO
Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng
để xem xét sự thích hợp của phân tích nhân tố. Trị số
của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là
điều kiện đủ để phân tích nhân tố là phù hợp.
Trị số này càng lớn thì phân tích nhân tố càng thích
hợp với tập dữ liệu nghiên cứu
Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có
khả năng không thích hợp với tập dữ liệu nghiên cứu.
 Phần trăm phương sai trích (Percentage of
variance) > 50%
• Thể hiện phần trăm biến thiên của các biến
quan sát
• Xem biến thiên là 100% thì giá trị này cho biết
phân tích nhân tố giải thích được bao nhiêu %.
 Trị số Eigenvalue

• Xác định số lượng nhân tố  trong phân tích

EFA
• Nhân tố nào có Eigenvalue ≥ 1 mới được giữ
lại trong mô hình phân tích.