CRONBACH ALPHA

VÀ
PHÂN TÍCH NHÂN TỐ
 Khái niệm và Đo lường
Việc đo lường một số khái niệm có thể không phức tạp
về phương pháp ví dụ như: mức thu nhập, mức chi
tiêu, thời gian xem truyền hình.
Một số khái niệm phức tạp, trườu tượng đòi hỏi cần có
quá trình chi tiết hóa khái niệm (construct
operationalization) và thiết kế đo lường
(measurement design) và kiểm tra kỹ lưỡng. Ví dụ:
• Trung thành của khách hàng đối với sản phẩm/dịch
vụ/thương hiệu (customer loyalty);
• Hài lòng của nhân viên (employee satisfaction).
2
 Khái niệm và Đo lường
• Ví dụ về chi tiết hóa khái niệm: trung thành của khách hàng
đối với sản phẩm/dịch vụ/thương hiệu (customer loyalty)
bao gồm những khía cạnh sau:

– Tiếp tục mua .

– Không nghĩ đến những thứ khác .
– Không có ý định mua thử những thứ khác .
– Nói tốt về sp/dịch vụ/thương hiệu với người
khác.
– Giới thiệu sp/dịch vụ/thương hiệu với người khác
3
 Đo lường và thang đo Likert

Một trong những hình thức đo lường được sử dụng

phổ biến nhất trong nghiên cứu kinh tế xã hội là
thang đo do Rennis Likert (1932) giới thiệu. Likert đã
đưa ra loại thang đo năm mức độ phổ biến. Câu hỏi
điển hình của dạng thang đo Likert này là:

“Xin vui lòng đọc kỹ những phát biểu sau. Sau mỗi câu phát
biểu, hãy khoanh tròn trả lời thể hiện đúng nhất quan điểm
của bạn. Xin cho biết rằng bạn rất đồng ý, đồng ý, thấy bình
thường, không đồng ý hay rất không đồng ý với mỗi phát
biểu?”

4
 Thang đo đơn/đa khía cạnh
Phương pháp của Likert là lên một danh
sách các khía cạnh có thể đo lường cho một
khái niệm và tìm ra những tập hợp các mục
hỏi để đo lường tốt các khía cạnh khác nhau
của khái niệm. Nếu như khái niệm mang
tính đơn khía cạnh thì chỉ cần tìm ra một tập
hợp. Nếu khái niệm đó là đa khía cạnh thì
cần nhiều tập hợp các mục hỏi.

5
Thang đo đơn hướng và đa hướng
BAÛ
NG 3.3 Keát quaûphaân tích nhaân toáEFA cuû
a khaù
i nieäm “ chaát löôïng dòch vuïñaøo taïo”

Bieán Caù
c nhaâ
n toáchính Troïng % bieán Cron
quan soá thieâ
n giaû
i bach
saù
t thích ñöôïc α

F1 Hoïat ñoä
ng ñaøo taïo 33.849 0.726
CL_1 Chöông trình ñaø o taïo phuøhôïp toát vôù
i yeâu caàu cuûa thöïc tieãn. 0.600
CL_2 Noäi dung moân hoïc ñöôïc ñoåi môù i, ñaù
p öùng toát yeâu caàu ñaøo taïo. 0.620
CL_3 Phöông phaù p giaû
ng cuû a GV phuøhôïp vôù i yeâu caàu cuû
a töø
ng moân hoïc. 0.652
CL_4 Giaûng vieân coùkieán thöùc saâu veàmoân hoïc ñaû m traùch. 0.673
CL_5 Caù
ch ñaùnh giaùvaøcho ñieåm sinh vieân coâng baèng. 0.583
CL_6 Toåchöùc thi cöû
, giaùm thò coi thi nghieâm tuù c. 0.565
F2 Cô sôûvaät chaát 7.377 0.746
CL_8 Cô sôûvaät chaát tröôøng ñaù p öù
ng toát nhu caàu ñaø
o taïo vaøhoïc taäp. 0.639
CL_9 Phoøng maù y tính ñaùp öùng toát nhu caàu thöïc haø
nh cuû a sinh vieân. 0.680
CL_10 Cô sôûvaät chaát thö vieän toát. 0.798
CL_11 Nhaân vieân thö vieän phuïc vuïtoát. 0.698
F3 Dòch vuïhoãtrôïvaøphuïc vuï 9.166 0.811
CL_13 Dòch vuïy teáñaù p öù
ng toát sinh vieân coùnhu caàu. 0.645
CL_14 Tö vaán ñaùp öù
ng toát nhu caàu choïn löïa vaøhoïc taäp cuû
a sinh vieân. 0.718
CL_15 Dòch vuïtaøi chính hoãtrôïtoát sinh vieân coùnhu caàu. 0.782
CL_17 Dòch vuïaên uoáng giaû i khaù
t phuøhôïp vôùi nhu caàu sinh vieân. 0.638
CL_19 Nhaân vieân giaù
o vuï, thanh tra nhieät tình phuïc vuïsinh vieân. 0.567
CL_20 Nhaøtröôøng vaøkhoa thöôø ng xuyeân laéng nghe yùkieán sinh vieân. 0.579
6
Thang đo đơn hướng và đa hướng
BAÛ
NG 3.4 Keát quaûphaân tích nhaân toácuû
a khaù
i nieäm “ söïhaøi loøng cuû
a sinh vieân”

Bieán quan saù

t Troïng soá

HL_1 Hoïc taïi tröôøng ÑH Kinh TeáTPHCM hôn nhöõng gì toâi mong ñôïi. 0.880
HL_2 Tröôøng ÑH Kinh Teágioáng nhö tröôøng ÑH lyùtöôûng maøtoâi haèng mong ñôïi. 0.883
HL_3 Toâi haøi loøng khi hoïc taïi tröôøng ÑH Kinh TeáTPHCM. 0.862

Giaùtrò Eigen 2.296

% bieáân thieân ñöôïc giaûi thích 76.522
Cronbach alpha 0.846

7
 Các bước xây dựng thang đo Likert
1. Nhận diện và đặt tên biến/khái niệm muốn đo lường: kinh
nghiệm, quan sát, và thăm dò
2. Lập ra một danh sách các phát biểu hoặc câu hỏi mang tính
biểu thị. Có thể lấy từ lý thuyết có liên quan, đọc sách báo, ý
kiến chuyên gia, thực nghiệm.
3. Xác định loại trả lời: đồng ý – không đồng ý; ủng hộ -- phản
đối; không có; giống tôi – không giống tôi; phù hợp –không phù
hợp; luôn luôn – không bao giờ; đúng – không đúng
4. Số lượng mức độ: 3, 5 hay 7 mức độ.
5. Kiểm tra toàn bộ các mục hỏi bằng cách khảo sát thử 100 –
200 người.
6. Phân tích mục hỏi trong danh sách để tìm ra một tập hợp các
mục hỏi giúp đo lường được một khía cạnh của khái niệm/biến
muốn nghiên cứu trong mô hình.

8
 Phân tích các mục hỏi
Nhăm tìm ra và giữ lại những mục hỏi có ý nghĩa giúp đo
lường được một khía cạnh của khái niệm nghiên cứu.
1.Xác định điểm các trả lời (nhớ chú ý những câu đối nghĩa
cần recode) .
2.Kiểm tra tương quan giữa các mục hỏi (Cronbach alpha).
3.Kiểm tra vai trò của từng mục hỏi (Item-total correlation).
B2+B3: nhằm loại bỏ các mục hỏi kém chất lượng và giữ cho
hệ số  >=0,7.

9
Bước 2: tương quan giữa các mục hỏi

Là kiểm tra xem các mục hỏi liên quan chặt

chẽ với nhau đến đâu. Điều này liên quan
đến hai phép tính toán:
•tương quan giữa bản thân các mục hỏi
•tương quan của điểm số của từng mục hỏi
với điểm số toàn bộ các mục hỏi cho mỗi
người trả lời (alpha).

10
Bước 2 Tương quan giữa các mục hỏi

11
 Bước 2 Tính toán Cronbach Alpha
Hệ số Cronbach alpha là một con số thể hiện mức độ
các mục hỏi tương quan chặt chẽ với nhau tới mức
nào
Thường chọn alpha từ 0,7 trở lên..

Sử dụng ví dụ Tinh aphal.sav tính thủ công lại giá trị alpha
12
Alternatively, CA can also be defined as:

SPSS: Analyzes/ Scale/ Reliability Analysis/

13
 Bước 3 Kiểm tra vai trò từng mục hỏi

Cronbach sẽ cho bạn biết các đo lường của bạn có

liên kết với nhau hay không nhưng nó sẽ không cho
bạn biết mục hỏi nào cần được bỏ đi và mục hỏi
nào cần được giữ lại. Để làm được điều này bạn
cần phải xác định mục hỏi nào không phân biệt
giữa những người cho điểm số lớn và những người
cho điểm số nhỏ trong tập hợp toàn bộ các mục hỏi.

14
 Bước 3 Kiểm tra vai trò từng mục hỏi
Có “Tương quan biến tổng “để Kiểm tra tương quan
giữa 1 mục hỏi với toàn bộ các mục hỏi còn lại. Mục
hỏi nào tương quan thấp thì loại đi. (Item –total
correlation>0,3)

Dùng Tinh alpha.sav tính tương quan biến tổng giữa X1 với (X2+X3)

15
PHÂN TÍCH NHÂN TỐ
Factor Analysis
 Khái niệm và ứng dụng
Phân tích nhân tố là tên chung của một nhóm các
thủ tục được sử dụng chủ yếu để thu nhỏ và tóm
tắt các dữ liệu.
Trong nghiên cứu, ta có thể thu thập được một số
lượng biến khá lớn và hầu hết các biến này có
liên hệ với nhau và số lượng của chúng phải
được giảm bớt xuống đến một số lượng mà
chúng ta có thể sử dụng được.

17
 Ví dụ
Trong y học có khái niệm “frailty” là tình trạng yếu ớt. yếu
đuối về thể chất, nhưng đo lường chính xác bằng cách
nào, người ta đo lường bằng cách mô tả các thành phần
của sự yếu ớt như cân nặng chiều cao, độ dẻo dai…qua
các item sau:
•Tốc độ xoay vai
•Tốc độ đứng lên ngồi xuống ghế
•Tốc độ đi bộ nhanh • Lực nhéo
•Tốc độ đi bộ bt • Lực cầm nắm
•Sức nắm chi trên • Chu vi cẳng tay
• Chỉ số khối cơ thể
• Độ dày cơ.
• Độ mở đầu gối
18
Kết quả

19
 Các tham số thống kê trong FA
Điều kiện áp dụng FA: các biến có tương quan với nhau
Barlett test of sphericity: kiểm định có tương quan hay không, giả
thuyết Ho là: không có tương quan giữa các biến quan sát.
v1 v2 v3 v4 v5 v6
v1 1
v2 0 1
v3 0 0 1
v4 0 0 0 1
v5 0 0 0 0 1
V6 0 0 0 0 0 1

Kaiser-Mayer-Olkin (KMO): từ 0,5 -> 1, các tương quan đủ lớn đến

mức có thể áp dụng FA.

20
 Các tham số thống kê trong FA
Correlation matrix (ma trận tương quan): ma trận chứa tất cả các
hệ số tương quan cặp giữa các cặp biến trong phân tích.
v1 v2 v3 v4 v5 v6
v1 1 0.039 0.321 0 0.314 -0.097
v2 0.039 1 -0.13 0.534 0.352 0.593
v3 0.321 -0.13 1 -0.432 0.474 0.037
v4 0 0.534 -0.432 1 0.077 0.345
v5 0.314 0.352 0.474 0.077 1 0.279
v6 -0.097 0.593 0.037 0.345 0.279 1

Communality (phần chung): lượng biến thiên của 1 biến được giải
thích chung với các biến khác (cũng là phần biến thiên được
giải thích bởi các nhân tố chung).
Eigenvalue: phần biến thiên được giải thích bởi mỗi nhân tố so với
biến thiên toàn bộ. nếu phần biến thiên được giải thích này lớn
thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt.
21
 Xác định số lượng nhân tố
Trong PTNT các item là các biến quan sát được
còn các nhân tố là các biến latent (tiềm ẩn).
Số lượng nhân tố (Priori determination) từ lý
thuyết, kinh nghiệm, các kết quả nghiên cứu
trước.
Dựa vào eigenvalue: eigenvalue lớn hơn 1 thì nhân
tố rút ra có ý nghĩa tóm tắt thông tin tốt.

22
 Xoay các nhân tố
Mỗi biến gốc nên có hệ số tải nhân tố lớn (0.4
trở lên) đối với chỉ một nhân tố được rút ra.
Thỉnh thoảng có một vài biến có hệ số lớn đối
với hơn một nhân tố hoặc có nhiều nhân tố
có hệ số lớn trong cùng một biến, việc giải
thích sẽ trở nên khó khăn.
-> xoay nhân tố
Có hai thủ tục cơ bản Oblique, Orthogonal.

23
Xoay nhân tố

24
 Đặt tên và giải thích các nhân tố
Việc giải thích các nhân tố được thực hiện trên cơ sở nhận ra
các biến có hệ số (factor loading) lớn ở cùng một nhân tố.
Và chúng ta có thể tóm tắt các dữ liệu thu thập được để nói
rằng người tiêu dùng dường như tìm kiếm hai loại lợi ích
chính khi mua kem đánh răng: lợi ích thẩm mỹ (0,737) và lợi
ích sức khỏe (0,637)
chưa xoay đã xoay
F1 F2 F1 F2
ngua sau rang 0.050 0.618 -0.014 0.620
lam trang rang 0.891 -0.007 0.886 0.086
lam khoe nuu rang -0.143 0.872 -0.233 0.852
lam hoi tho thom tho 0.726 -0.377 0.761 -0.300
lam sach cau rang 0.462 0.726 0.384 0.770
lam rang bong hon 0.775 0.050 0.766 0.130
25
 Các tham số thống kê trong FA
Factor scores (các điểm số nhân tố): các trị số được ước lượng cho
từng quan sát trên từng nhân tố được rút ra.

Factor score Các nhân tố

Các biến gốc (biến tổng hợp)

26
 Cách tính Factor Score
Các nhân tố có thể được diễn tả như những kết
hợp tuyến tính của các item.

Fi  Wí1 X 1  Wí 2 X 2  Wí 3 X 3 ...Wík X k
Fi: Giá trị ước lượng cho trị số của nhân tố thứ i,
( i = 1,m) với m là số nhân tố EFA rút ra.
Wik: Quyền số hay trọng số nhân tố (factor score
coefficient)
k là số item cấu thành nhân tố, (k = 1, n)
Các giá trị của các Xk là đã được chuẩn hóa.
27
 Tính trị số nhân tố
Từ Factor score coefficient matrix (ma trận trọng số
nhân tố), viết được phương trình thể hiện từng nhân
tố như là kết hợp của các biến gốc.

F1 F2
ngua sau rang -0.012 0.341
lam trang rang 0.411 0.039
lam khoe nuu rang -0.116 0.471
lam hoi tho thom tho 0.356 -0.172
lam sach cau rang 0.171 0.420
lam rang bong hon 0.355 0.065
F1  0,012 X 1  0,411 X 2  0,116 X 3  0,356 X 4  0,171X 5  0,355 X 6

F2  0,341X 1  0,039 X 2  0,471X 3  0,172 X 4  0,420 X 5  0,065 X 6

28
 Tính trị số nhân tố

Trị số nhân tố Trị số nhân tố

đã chuẩn hóa chưa chuẩn hóa

F1  0,012 X 1  0,411 X 2  0,116 X 3  0,356 X 4  0,171X 5  0,355 X 6

F2  0,341X 1  0,039 X 2  0,471X 3  0,172 X 4  0,420 X 5  0,065 X 6
29
Sử dụng kết quả phân tích nhân tố
Sau khi rút trích được các nhân tố và lưu lại thành
các biến mới, chúng ta sẽ sử dụng các biến mới
này thay cho tập hợp biến gốc để đưa vào các phân
tích tiếp theo như kiểm định trung bình, ANOVA,
tương quan & hồi quy ...
Ví dụ: chúng ta có thể xem có khác biệt giữa nam và nữ hay
không về tầm quan trọng của các lợi ích khi mua kem đánh
răng bằng một kiểm định t đối với mẫu độc lập.
->CHÚ Ý khi chạy t test hay ANOVA không nên
dùng nhân số chuẩn hóa
Còn khi chạy hồi quy, hoặc EFA được làm trên các
biến không cùng đơn vị đo thì nên chọn lưu nhân số
tự động
30
31
EFA và Cronbach, tính cái nào trước
Chú ý trong trường hợp NC lặp lại hay nhà NC sử
dụng scale đã được chứng minh trong các NC
trước thì trước tiên tính Cronbach cho từng tập
biến đo các khía cạnh, sau khi Cronbach đạt mới
sang EFA.
Trong trường hợp NC mà thang đo được xây dựng
lần đầu tiên, khi Nhà NC chưa biết chính xác có
bao nhiêu thành phần trong thang đo đó thì cần
làm EFA trước để xem xét sau đó Cronbach để
đánh giá chất lượng

32