B1: Tính ma trận các mối liên quan cho tất cả các biến (correlation matrix)
-
Tạo correlation matrix cho tất cả các biến.
-
Xác định các biến mà không có liên quan với biến khác.
-
Trong TH mối liên quan giữa các biến nhỏ, chúng có thể không chung một nhân tố.
-
Thông thường thì Correlation coefficients >= 0.3 thì OK.
-
The Kaiser-Meyer-Olkin (KMO)
-
Bartlett test of Sphericity
KMO là một chỉ tiêu để xem xét sự phù hợp cho việc ptich EFA. ( 0.5< KMO <1 là tốt).
Kiểm định Bartlett xem xét giạ thuyết Ho: Độ tương quan giữa các biến số quan sát bằng 0. Nếu kiểm định này có ý nghĩa thống kê ( sig <0.05) thì các biến có tương quan với nhau trong tổng thể.
B2: Xác định nhân tố - Factor extraction
-
Ở bước này ta sẽ dủng phương pháp Principal components analysis để xác định các nhân tố.
-
The 1st principal components là phức hợp giải thích được nhiều biến thiên nhất trong quần thể (1st extracted factor), sau đó giảm dần ở nhân tố thứ 2, 3...
-
Đề xác định giữ lại bao nhiêu factor, căn cứ vào 2 yếu tố:
Eigen values > 1
The Scree Plot
-
Độ dốc cho thấy các factor lớn.
-
Khi hết độ dốc, thường các factor còn lại có giá trị Eigen < 1.
-
Ngoài các test thống kê, cần dựa vào thực tế và mục đích bài nghiên cứu.
-
Giai đoạn này chưa thể kết luận số lượng nhân tố.
B3: Xoay nhân tố - Factor rotation
-
Có nhiều PP đề xoay nhân tố. Tuỳ theo điều kiện gạn lọc dữ liệu mà chúng ta có thể áp dụng.
-
PP varimax rotations là phương pháp phổ biến hiện nay.
-
Chọn các factor có trị số lớn nhất và nhóm chúng lại
-
1 Lưu ý trong SPSS là bạn có thể chọn Option ( Sort by - giá trị lấy thông thường > 0.3, Numbers of factor) đẻ tối ưu hoá quyết định chọn lựa nhân tố của mình :D.
B4: Đặt tên nhân tố
Dựa vào bảng trên, và xu hướng diễn đạt của từng thang đo các bạn có thể đặt tên phù hợp cho từng nhân tố rồi.
Chúc mọi người thành công nhé !!!
NGUỒN: http://dammetk.blogspot.com/