Nhóm MBA BÁCH KHOA hotrospss@gmail.com hướng dẫn các bạn hai quy tắc loại biến trong phân tích nhân tố để đảo bảo độ giá trị hội tụ và độ giá trị phân biệt khi phân tích nhân tố EFA. Phần efa căn bản các bạn xem ở đây https://phantichspss.com/tong-quan-phan-tich-nhan-to-kham-pha-efa.html
Quy tắc loại biến xấu khi phân tích nhân tố EFA:
Quy tắc 1: đảm bảo độ giá trị hội tụ
Về mặt ý nghĩa, các hệ số tải nhân tố factor loading phải lớn hơn 0.5. Các items có hệ số tải bé hơn 0.5 cần phải được loại bỏ và chạy lại khi phân tích nhân tố. Ví dụ như hình bên dưới, hệ số factor loading của biến DAPUNG1 chỉ là 0.350<0.5. Do đó phải loại biến này ra và tiến hành phân tích efa lại lần thứ 2
Quy tắc 2: đảm bảo độ giá trị phân biệt
Xét trong cùng 1 dòng ,chêch lệch giữa giá trị lớn nhất và giá trị lớn thứ nhì phải lớn hơn 0.3, ở ví dụ bên dưới ta thấy hai biến DAPUNG1 và DAMBAO2 không đảm bảo điều kiện. Do dù 2 hệ số tải nhân tố của biến DAMBAO2 đều lớn hơn 0.5, nhưng mức chênh lệch 0.733-0.610<0.3 nên phải loại biến DAMBAO2. Còn trường hợp biến DAPUNG1, chênh lệch là 0.754-0.490<0.3 nên cũng loại luôn. Lưu ý trong thực tế các bạn xem loại lần lượt, chứ không loại 1 lần để hạn chế bỏ sót biến tốt nhé.
Vậy có hai Quy tắc loại biến xấu khi phân tích nhân tố EFA. Trong thực tế phân tích các bạn có thể gặp trường hợp dữ liệu xấu hơn, quá nhiều biến bị loại… Ngoài ra cũng có thể các biến bị sắp xếp xáo trộn nhân tố, cần phải định nghĩa mô hình hiệu chỉnh,các bạn có thể liên lạc nhóm để hướng dẫn hỗ trợ cách xử lý nhé(hotrospss@gmail.com)
Liên hệ nhóm thạc sĩ Hỗ trợ SPSS để được tư vấn và xử lý về các vấn đề khi làm bài:
– SMS, Zalo, Viber:
– Chat Facebook: http://facebook.com/hoidapSPSS/
– Email: hotrospss@gmail.com
