Rate this post

phân tích nhân tố khám phá (EFA) là một phương pháp phân tích định lượng được sử dụng để giảm một tập hợp nhiều biến đo lường phụ thuộc lẫn nhau thành một tập hợp các biến nhỏ hơn (được gọi là các nhân tố) sao cho chúng có ý nghĩa hơn. Cùng nhau Luận án 1080 Tìm hiểu thêm trong các bài viết sau:

+ Giới thiệu về Var Model, OLS và Hausman Tests trong dữ liệu bảng (Panel Data)

+ Giới thiệu về EVIEWS và cách tải và cài đặt phần mềm eview 7, 8, 9, 10

*

1. Giới thiệu về EFA Yếu tố khám phá

1.1. Khái niệm về EFA

EFA (Phân tích nhân tố khám phá) là kỹ thuật dùng để kiểm định hai loại biến có ý nghĩa trên một thang đo, đó là giá trị hội tụ và giá trị phân biệt.

Bạn đang xem: Phân tích nhân tố khám phá efa

1.2. phân tích EFA

Phân tích nhân tố khám phá EFA Phân tích nhân tố khám phá là một phương pháp thống kê đa biến được sử dụng để tìm mối quan hệ giữa các biến và nhóm các biến tương tự thành các tập hợp nhân tố. Phân tích nhân tố khám phá EFA được sử dụng để rút gọn tập k biến quan sát thành tập F (với F Kết quả phân tích EFA sẽ giúp giảm kích thước dữ liệu bằng cách tính tổng các biến). liên quan đến các nhân tố, thực hiện phân tích và giải thích dữ liệu Các nhân tố này thường được coi là biến ẩn, không đo lường trực tiếp nhưng lại có ảnh hưởng đến các biến quan trọng.trong nghiên cứu: Các nhà khoa học thường thu thập dữ liệu về một số lượng lớn các biến với cỡ mẫu đủ lớn và nhiều biến để quan sát trong đó chúng có tương quan với nhau. Ví dụ: Thay vì nghiên cứu 30 đặc điểm nhỏ của một đối tượng, ta có thể nghiên cứu 5 đặc điểm lớn, mỗi đặc điểm lớn này bao gồm 4 đặc điểm nhỏ tương thích với nhau.

1.2. Khái niệm nhân tố trong phân tích EFA.

Nhân tố Nhân tố trong EFA là một nhân tố mà các biến của nó có thể quan sát được bởi một số đặc tính chung mà chúng ta không thể quan sát trực tiếp. Ví dụ, yếu tố này có thể được giải thích bằng các khái niệm lớn hơn, chẳng hạn như chất lượng cuộc sống, sự hài lòng trong công việc hoặc năng lực quản lý.Hệ số tải yếu tố yếu tố cao hơncó nghĩa là có sự tương quan giữa các biến quan sát và nhân tố lớn hơn và ngược lại.Mỗi yếu tố là được xác định bởi một tập hợp các biến Các quan sát có mối tương quan cao với nhau và mối quan hệ thấp với các biến khác trong tập dữ liệu. Họ thường là đo lường với phương sai giữa các biến quan sát và được xếp hạng theo khả năng giải thích của nhân tố đó.phương saiPhương sai là thước đo sự khác biệt giữa các biến giá trị trong một tập hợp dữ liệu. Trong quá trình đầu tư tài chính, phương sai của tỷ suất sinh lợi tài sản trong danh mục được sử dụng như một công cụ để phân bổ tài sản một cách tốt nhất Trong đầu tư tài chính, phương sai được sử dụng để so sánh, hiệu quả hoạt động của các phần tử trong danh mục với nhau và so với các giá trị trung bình của hiệu suất.Hệ số tương quan: Hệ số tương quan là một thước đo thống kê được sử dụng để đo lường độ mạnh và yếu của mối quan hệ giữa hai biến. Trong đó: Điểm > 1,0 hoặc thấp hơn -1: có lỗi trong phép đo tương quan.. Điểm Điểm >0 cho biết có mối quan hệ tương đồng hay mối quan hệ tương quan thuận ( hiệp phương sai tuyệt đối được thể hiện khi giá trị bằng 1) Kết quả = 0 tức là hai biến sẽ độc lập với nhau. có sẵn từ -1,0 đến 1,0. Đặc biệt:

Xem thêm :   Hãy Kể Tên Những Danh Lam Thắng Cảnh, Di Tích Lịch Sử Nổi Tiếng Của Hà Nội Mà Em Biết

2. Mục tiêu và ứng dụng chạy efa trong spss

*

2.1. mục tiêu

Hai mục tiêu quan trọng của phân tích nhân tố khám phá EFA là kiểm định: Số lượng nhân tố ảnh hưởng đến tập dữ liệu của các biến đo lường Mức độ ảnh hưởng đến mối quan hệ giữa từng nhân tố và từng biến.Đo lường.

2.2. Ứng dụng

*

EFA được sử dụng phổ biến trong nhiều lĩnh vực quản lý, kinh tế xã hội, tâm lý học, v.v. Một khi chúng ta đã có được khung khái niệm (Conceptual Framework) từ các giả thuyết hay nghiên cứu trước đó. Trong nghiên cứu khoa học thuộc lĩnh vực kinh tế, các nhà khoa học thường sử dụng một thang đo (scale) bao gồm nhiều câu hỏi (biến dùng để đo lường) để đo lường các khái niệm trong mô hình, và phân tích EFA sẽ giúp giảm một tập hợp nhiều biến đo lường xuống một con số. của các yếu tố. Khi có một số nhân tố, nếu sử dụng các nhân tố này làm biến độc lập trong hàm hồi quy bội thì mô hình sẽ giảm khả năng xảy ra đa cộng tuyến. .Ngoài ra, các nhân tố được rút ra sau khi phân tích EFA có thể được sử dụng trong Phân tích hồi quy đa biến, Mô hình logic. , thì chúng ta có thể tiến hành sử dụng phân tích nhân tố khẳng định nhân tố (CFA) để kiểm định độ tin cậy của mô hình hoặc thực hiện mô hình phương trình cấu trúc tuyến tính (Structural Equation Modeling, SEM) để đánh giá mối tương quan phức tạp giữa các biến.

Xem thêm :   30 địa điểm du lịch thụy điển nổi tiếng thế giới, bắt trọn 9+ điểm du lịch thụy điển nổi bật nhất

3. Điều kiện áp dụng EFA

3.1. Mức độ tương quan giữa các biến đo lường

phân tích EFA dựa trên mối quan hệ giữa các biến đo lường. Vì vậy, trước khi tiến hành sử dụng phân tích EFA, chúng ta cần kiểm tra xem mối quan hệ giữa các biến đo lường này như thế nào. Sử dụng ma trận tương quan, chúng ta có thể xác định mức độ ảnh hưởng giữa các biến. Nếu các hệ số tương quan nhỏ hơn 0,30 thì việc sử dụng phân tích EFA sẽ không phù hợp (Hair et al. 2009) Dưới đây là một số tiêu chí dùng để đánh giá Mối quan hệ giữa các biến:Thử nghiệm Bartlett:Kiểm định Bartlett được sử dụng để kiểm tra xem ma trận tương quan có phải là ma trận đồng nhất hay không. Ma trận đơn vị ở đây có nghĩa là ma trận có hệ số tương quan giữa các biến bằng 0 và hệ số tương quan với chính nó bằng 1. Nếu phép toán Bartlett’s test có giá trị p, ta có thể bác bỏ giả thuyết H0 (ma trận tương quan là ma trận đơn vị), tức là các biến số liệu có mối quan hệ qua lại với nhau.Thử nghiệm KMO:Kiểm định KMO (Kaiser – Meyer – Olkin) là một kiểm định dùng để so sánh độ lớn của hệ số tương quan giữa hai biến Xi và Xj với hệ số tương quan của chúng. Để sử dụng phân tích EFA, kiểm định KMO phải lớn hơn 0,50 Kaiser (1974) KMO ≥ 0,90: Rất tốt; 0,80 ≤ KMO 0,70 ≤ KMO 0,60 ≤ KMO 0,50 ≤ KMO KMO

3.2. Cỡ mẫu

Để sử dụng phân tích EFA, chúng ta cần kiểm định cỡ mẫu lớn, tuy nhiên vấn đề kiểm tra cỡ mẫu có phù hợp hay không lại vô cùng phức tạp. Các nhà khoa học thường dựa vào kinh nghiệm nhiều năm của họ.Trong phân tích EFA, cỡ mẫu thường được kiểm tra dựa trên “cỡ mẫu tối thiểu” và “số biến đo lường đưa vào phân tích EFA”, dưới đây là một số nhận xét và đề xuất của các nhà khoa học về phép phân tích. Đối với nhân tố EFA, bạn có thể tham khảo: Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), số lượng biến quan sát (cỡ mẫu) ít nhất phải gấp 4 đến 5 lần số lượng biến khi phân tích nhân tố EFA. .Hair et al. (2009). , cần tối thiểu 5 quan sát Stevens (2002, theo Habing 2003) một nhân tố được xác định là đáng tin cậy nếu có từ 3 biến đo lường trở lên.

Xem thêm :   Du Lịch Sầm Sơn Năm 2022

Ứng dụng dữ liệu định lượng bằng SPSS khi làm luận văn hay nghiên cứu khoa học thì cần có một bước cực kỳ quan trọng đó là phân tích nhân tố khám phá EFA trong SPSS. Vì khi kiểm định một lý thuyết khoa học, bạn cần đánh giá độ tin cậy của thang đo (Cronbach Alpha) và độ giá trị của thang đo (EFA). Hãy tìm hiểu trước Yếu tố phát hiện EFA là gì? ?

1. Phân tích nhân tố khám phá (EFA) là gì? 3. Điều kiện áp dụng và tiêu chí đánh giá EFA trong SPSS 3.1. Mức độ tương quan giữa các biến đo lường

*
*
*
*

Ảnh 5 – Các bước phân tích nhân tố phát hiện EFA
Phần tùy chọn: Đánh dấu vào 2 mục như hình bên dưới. Sắp xếp theo kích thước giúp sắp xếp ma trận xoay thành các cột theo dạng bậc thang để giúp dữ liệu dễ đọc hơn. Loại bỏ các hệ số nhỏ giúp loại bỏ các hệ số tải không đạt tiêu chuẩn khỏi ma trận xoay, làm cho ma trận gọn gàng và trực quan hơn.

Ở phần này sẽ có giá trị Absolute bên dưới, bạn cần thiết lập giá trị factor loading tối thiểu, thường là 0.3 và 0.5. Kích thước mẫu của tệp dữ liệu là 220, vì vậy tác giả sẽ đặt 0,5.

Nhấp vào Tiếp tục để quay lại cửa sổ ban đầu.

Ghi chú: Trong Output có khá nhiều bảng nhưng bạn chỉ cần quan tâm 3 bảng sau:

Tổng phương sai được giải thích: xem tổng phương sai được giải thích Tổng phương sai được giải thích và giá trị riêng.Kiểm định KMO và Bartlett: xem hệ số KMO và kiểm định Bartlett sig.Ma trận các thành phần xoay: xem ma trận xoay và kiểm tra hệ số tải của các biến quan sát.

Xem thêm: Cẩm nang du lịch Đắk Lắk 2022 từ những điểm du lịch Đắk Lắk không thể bỏ qua

Trong bài viết này baigiangdienbien.edu.vn chia sẻ với các bạn hệ số phát hiện EFA là gì? VÀ cách phân tích nhân tố khám phá (EFA) trong SPSSTôi hy vọng những thông tin trên đã được hữu ích cho bạn.


Cảm ơn bạn đã đọc bài viết Cách phân tích nhân tố khám phá efa trong spss, phân tích nhân tố khám phá efa trong spss . Đừng quên truy cập Chaolong TV kênh trực tiếp bóng đá số 1 Việt Nam hiện nay để có những phút giây thư giãn cùng trái bóng tròn !

By Chaolong TV

Chaolong TV trang web xem livestream bóng đá trực tiếp miễn phí tất cả các giải đấu hàng đầu thế giới. Xem bóng đá trực tiếp tốc độ cao chất lượng 4k, không quảng cáo, bình luận tiếng việt.

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *