Nhóm MBA Bách Khoa giới thiệu sự khác biệt giữa hai khái niệm CFA và EFA nhé
Thuật ngữ EFA CFA là gì?
EFA – phân tích nhân tố khám phá – Exploratory Factor Analysis
CFA – phân tích nhân tố khẳng định – Confirmatory Factor Analysis
So sánh EFA CFA về việc biết trước cấu trúc dữ liệu, nhân tố
CFA không thể được tiến hành một cách thích hợp trừ khi nhà nghiên cứu có thể chỉ định cả số lượng cấu trúc tồn tại trong dữ liệu được phân tích và các biện pháp cụ thể nào nên được chỉ định cho từng cấu trúc này. Ngược lại, EFA được tiến hành mà không có kiến thức về một trong hai điều này. EFA không cung cấp đánh giá về sự phù hợp. CFA cung cấp đánh giá về sự phù hợp.
EFA khám phá dữ liệu và cung cấp thông tin đề xuất theo kinh nghiệm về số lượng yếu tố cần thiết để đại diện cho dữ liệu đó. Với EFA, tất cả các biến được đo lường đều tải trên mọi nhân tố tạo ra ước tính tải nhân tố cho từng biến trên tất cả các nhân tố. Kết cấu đơn giản cho kết quả khi mỗi biến được đo chỉ tải nhiều vào một yếu tố và có tải nhỏ hơn trên tất cả các yếu tố khác (ví dụ: tải <.4). EFA trở nên hữu ích trong việc xác định các biến có ít tính cộng đồng với những biến khác đang được xem xét.
Ngược lại với CFA, các yếu tố EFA có được từ kết quả chạy số liệu, không phải từ lý thuyết. Điều này có nghĩa là ta chạy phần mềm và để cho dữ liệu xác định cấu trúc nhân tố. Do đó, EFA và phân tích thành phần chính (PCA), được tiến hành mà không cần biết có bao nhiêu yếu tố thực sự tồn tại (nếu có), hoặc biến nào thuộc về cấu trúc nào. Khi một trong hai được áp dụng, nhà nghiên cứu sử dụng các hướng dẫn đã thiết lập để xác định biến nào tải tốt nhất lên một yếu tố và có bao nhiêu yếu tố cần giữ lại. Nhà nghiên cứu đặt tên cho các yếu tố sau khi thực hiện phân tích nhân tố khám phá. Về mặt này, CFA và EFA không giống nhau.
Ngược lại với EFA, với CFA, nhà nghiên cứu phải chỉ định cả số lượng nhân tố tồn tại cho một tập hợp các biến và nhân tố nào mà mỗi biến sẽ tải vào trước khi có thể tính toán kết quả. Như vậy, các biến nào thuộc nhân tố nào không được tính dựa trên số liệu. Thay vào đó, nhà nghiên cứu thực hiện nhiệm vụ này dựa trên lý thuyết đang được thử nghiệm trước khi có thể thu được bất kỳ kết quả nào. Hơn nữa, nếu các nguyên tắc đo lường tốt được sử dụng trong lý thuyết, không được phép trường hợp một biến chỉ tải trên một yếu tố duy nhất và tải chéo (tải trên nhiều hơn một yếu tố).
Cũng quan trọng hơn, lý thuyết đo lường phải chỉ định tính độc lập cho tất cả các phương sai sai số(error variance terms). Do đó, tải chéo và tương quan phương sai sai số bị ràng buộc bằng không. Kết quả là, một nhân tố xác định duy nhất từng biến chỉ số của nó. Do đó, thay vì dùng kĩ thuật thống kê như EFA để xác định số lượng nhân tố và giá trị các hệ số tải nhân tố, trong CFA chỉ ra rằng mức độ phù hợp của mô hình lý thuyết ứng với bộ số liệu thực tế này.
Lý thuyết đo lường yêu cầu rằng một cấu trúc trước tiên phải được xác định. Do đó, không giống như EFA, với CFA, nhà nghiên cứu sử dụng lý thuyết để xác định trước số lượng các yếu tố, cũng như những biến nào tải lên các yếu tố đó. Đặc điểm kỹ thuật này thường được gọi là cách các cấu trúc khái niệm trong một mô hình đo lường được vận hành. CFA không thể được thực hiện nếu không có lý thuyết đo lường. Người ta có thể thực hiện EFA mà không cần bất kỳ lý thuyết hoặc kiến thức xác định trước nào về các yếu tố có thể tồn tại. Do đó, chữ E (Exploratory -khám phá) trong EFA được nhấn mạnh.
- Hạn chế của Cronbach’s alpha và sự cần thiết phải sử dụng độ tin cậy tổng hợp composite reliability
- Công thức xác định cỡ mẫu bao nhiêu là phù hợp cho nghiên cứu
- Cách nhận biết mô hình cấu trúc tuyến tính
- Hướng dẫn thực hành phân tích biến điều tiết trên phần mềm SmartPLS
- Hệ số hồi quy âm trong phân tích hồi quy tốt hay xấu