Các vấn đề tổng quan về Nguyên Tắc Loại Biến Xấu Trong Phân Tích Nhân Tố Khám Phá EFA của chúng tôi ngày hôm nay chúng tôi sẽ đi sâu, tập trung trình bày về các Phân Tích Nhân Tố Khám Phá EFA. Đây là vấn đề được rất nhiều người dùng SPSS quan tâm tới. Bởi lẽ, phương pháp phân tích nhân tố khám phá EFA rất phổ biến trong phần mềm SPSS. Và việc loại các biến xấu trong EFA thì khá phức tạp. Do vậy, chúng tôi sẽ đưa ra cho các bạn những nguyên tắc chính về loại các biến xấu trong EFA.
Trong quá trình xử dụng phần mềm SPSS tất cả các phương pháp phân tích đều rất quan trọng. Nên nếu việc sử dụng Nguyên Tắc Loại Biến Xấu Trong Phân Tích Nhân Tố Khám Phá EFA gây cho bạn nhiêu khó khăn thì các bạn cũng đừng quá lo lắng, vì hiện nay Luận Văn Tốt có cung cấp cho các bạn dịch vụ xử lý số liệu trên SPSS trọn gói, với kinh nghiệm hơn 10 năm trong nghề chúng tôi cam đoan sẽ mang đến cho các bạn những số liệu và thông tin chính xác nhất, hãy liên hệ ngay Zalo/tele : 0934573149 đề được tư vấn và báo giá.
Các dạng biến xấu trong phân tích nhân tố khám phá EFA
Những vấn đề về phương pháp EFA, chúng tôi sẽ không nhắc lại trong bài viết này. Nếu các bạn muốn tìm hiểu thì có thể xem lại những bài viết trước của chúng tôi. Để đưa ra được tiêu chí, nguyên tắc loại các biến xấu trong EFA, đầu tiên cần phải biết được trong phương pháp EFA tồn tại bao nhiêu dạng biến xấu. Ngay sau đây, chúng tôi sẽ giới thiệu tới các bạn về ba dạng biến xấu thường gặp trong phân tích nhân tố khám phá EFA.
Bài viết liên quan : Tổng Quan Về Thang Đo Kết Quả Và Thang Đo Nguyên Nhân Trong Spss
Loại 1: biến quan sát không đảm bảo hệ số tải tiêu chuẩn
Trong phân tích nhân tố khám phá EFA, hệ số tải là sự biểu diễn các mức độ của biến trong một nhân tố nhất định. Hay nói cách khác, hệ số tải là sự thể hiện vai trò, ý nghĩa của các biến trong một nhân tố. Nếu như một biến quan sát có hệ số tải thấp dưới mức quyd dịnh thì các biến quan sát đó đóng góp ít hoặc không có đóng góp trong quá trình nghiên cứu. Tức là, những biến đó sẽ không thể cung cấp cho nhà nghiên cứu những dữ liệu, những số liệu phù hợp cho quá trình nghiên cứu. Mà một biến không có nhiều dữ liệu để khai thác thì nên được loại bỏ. Việc loại bỏ sẽ giúp tiết kiệm thời gian nghiên cứu và tránh ảnh hưởng tiêu cực tới những biến khác trong quá trình nghiên cứu.
Loại 2: Biến quan sát chỉ nằm tách biệt một mình ở một nhân tố
Những thang đo được xây dựng để đánh giá về khái niệm của các nhân tố mang tính trừu tượng. Mà không thể đo trực tiếp bằng các phương pháp khác. Thông thường các khái niệm đó sẽ là mối tương quan giữa các biến với nhau. Do vậy, khi một biến nằm tách biệt, độc lập trong một nhân tố thì sẽ không có sự tương tác, liên hệ với các biến khác trong thang đo. Bản thân biến quan sát đó đã có một khái niệm riêng, một nền tảng riêng so với tất cả các biến quan sát còn lại. Vì vậy, mà các bạn biến này sẽ được loại bỏ trong quá trình phân tích nhân tố khám phá EFA. Nếu có dữ lại để tiếp tục phân tích thì cũng rất khó, phức tạp. Đôi khi còn làm ảnh hưởng tới những yếu tố khác trong quá trình nghiên cứu. Hiện nay vẫn có những trường hợp các nhà nghiên cứu dữ biến quan sát đó lại và coi như một nhân tố độc lập, mới để phân tích riêng. Song, các trường hợp này thường sẽ bị loại bỏ bởi khả năng thực hiện, đưa ra kết quả là thấp.
Loại 3: các biến được tải lên nhiều nhóm nhân tố và độ chênh lệch hệ số tải nhỏ hơn 02.
Các nhà nghiên cứu luôn luôn hy vọng biến quan sát của mình sẽ chỉ được nhấn mạnh, nổi trội ở một nhân tố. Vì như thế sẽ giúp ích rất nhiều trong việc phân tích đặc điểm nhân tố. Mỗi một biến quan sát đều có thể được tải lên một hoặc nhiều nhóm nhân tố khác nhau. Nghĩa là một biến quan sát có thể đặc điểm của nhiều khái niệm trong EFA. Khi mà các biến quan sát bị lặp lại ở nhiều nhân tố sẽ gây ra sự trở ngại cho phần mềm. Khi đó, việc phân tích nhân tố khám phá EFA sẽ trở nên khó hơn. Vì dữ liệu giống nhau và không khai thác được những dữ liệu đặc thù của nhân tố. Các biến quan sát trở nên không rõ ràng, khiến cho các thang đo không thể thực hiện đánh giá, kiểm định. Trong những trường hợp này, độ lệch chuẩn của hệ số tải trong biến quan sát mà nhỏ hơn 0.2 thì biến đó sẽ được loại bỏ ra khỏi quá trình phân tích. Ngược lại, khi độ chênh lệch hệ số tải trong các biến quan sát mà lớn hơn 0.2 thì các biến quan sát sẽ được giữ lại.
Đó là một số ý kiến của chúng tôi về các loại biến xấu cần phải được loại bỏ trong phân tích nhân tố khám phá EFA. Trên thực tế, có nhiều loại biến xấu khác, tùy theo từng trường hợp cụ thể. Chúng tôi chỉ đánh giá những biến xấu thường xuyên và có nguy cơ xảy ra cao trong EFA để các bạn nhận biết được. Việc phân loại các biến xấu được chúng tôi tiến hành thông qua quá trình đánh giá biến quan sát. Xem xem, các biến quan sát đó có đóng góp gì nhiều vào trong thang đo hay không; giá trị thỏa mãn của hệ số tải là bao nhiêu; các thang đo được phân biệt như thế nào. Dù là biến quan sát nào, các bạn cũng nên đánh giá kỹ càng, phân loại rõ. Việc phân loại các biến xấu sẽ giúp cho kết quả nghiên cứu của các bạn là chính xác nhất, có độ thuyết phục cao.
Một số phương pháp loại biến xấu trong phân tích nhân tố khám phá EFA
Không có một nguyên tắc nào được áp dụng trong toàn bộ mọi trường hợp về việc loại các biến xấu trong phân tích EFA. Tùy từng trường hợp, từng bài toán nghiên cứu mà có những phương pháp cụ thể, phù hợp. Những phương pháp loại biến xấu trong phân tích nhân tố khám phá EFA mà chúng tôi sẽ giới thiệu tới các bạn sau đây chỉ mang tính chất tham khảo. Không phải là những phương pháp tuyệt đối được áp dụng trong mọi trường hợp. Nếu thấy phù hợp với bài nghiên cứu của mình thì các bạn có thể vận dụng. Nếu không phù hợp thì các bạn có thể tham khảo thêm cho bài nghiên cứu của mình.
Phương pháp 1: Loại lần lượt từng biến trong EFA.
Đối với phương pháp loại từng biến xấu này, đầu tiên các bạn cần phải xác định chính xác vị trí của từng biến xấu. Trong lần đầu tiên phân tích EFA, các bạn sẽ cần phải đánh giá cẩn thận để tìm ra được vị trí cụ thể của các biến xấu. Sau khi xác định được vị trí của các biến xấu, tiến hành phân chia các biến thành các ký hiệu để thuận tiện trong việc loại bỏ. Ví dụ, các bạn có thể ký hiệu các biến xấu theo số như 1, 2, 3. Chúng tôi sẽ giải thích cho các bạn biết tại sao nên phải ký hiệu các biến bằng số. Khi ký hiệu thì các bạn có thể nhận biết rõ từng dạng biến cụ thể.
Trước tiên, nên loại bỏ các biến thuộc dạng 1, sau khi loại bỏ cần phải phân tích lại các nhân tố khác phá EFA. Khi loại bỏ xong mà vẫn còn xuất hiện các biến xấu dạng 1 thì các bạn vẫn sẽ làm theo thứ tự: loại các biến xấu trước và phân tích lại nhân tố khám phá EFA. Tiếp tục làm cho tới khi không còn những biến xấu dạng 1 sau khi phân tích EFA. Nó giống như một quy luật, các bạn cần phải thực hiện làm sao cho biến xấu dạng 1 được loại bỏ triệt để, không còn xuất hiện trong EFA.
Sau khi loại bỏ hết các biến xấu dạng 1, chuyển sang loại bỏ các biến xấu dạng 2. Giống như các biến xấu dạng 1, cần phải phân tích lại nhân tố EFA sau khi loại bỏ biến xấu dạng 2. Trong trường hợp, biến xấu dạng 2 vẫn còn thì lại tiếp tục loại bỏ rồi phân tích EFA. Bạn sẽ cần phải thực hiện quy luật này cho tới khi kết quả phân tích nhân tố khám phá EFA không còn tồn tại biến xấu dạng 2 nữa.
Đảm bảo các biến xấu dạng 2 đã được loại bỏ triệt để thì chuyển sang các biến xấu dạng 3. Đối với các biến xấu dạng 3, các bạn cũng sẽ làm tương tự như biến xấu dạng 1 và dạng 2. Thực hiện loại bỏ biến xấu dạng 3 và phân tích lại nhân tố khám phá EFA. Nếu kết quả phân tích vẫn còn các biến xấu dạng 3 thì lại tiếp tục loại bỏ. Quá trình loại bỏ sẽ được thực hiện tùy theo từng biến khác nhau. Thông thường việc loại bỏ không quá khó khăn và phức tạp. Chính vì thế, các bạn không cần quá lo lắng về việc loại bỏ biến xấu. Chỉ cần nhớ rằng phân biệt các dạng biến xấu. Và sau khi loại bỏ biến cần phải phân tích lại EFA. Thực hiện lần lượt như thế thì sẽ loại bỏ được hết các biến xấu trong EFA.
Trong khi xử dung các Nguyên Tắc Loại Biến Xấu Trong Phân Tích Nhân Tố Khám Phá EFA thì các bạn cũng không nên bỏ qua phần nội dung về Phân Tích Khác Biệt Trung Bình Two – Way – Anova Trong Phần Mềm Spss, đây cũng là phương pháp quan trọng trong xử lý số các bài nghiên cứu và các bài luận văn.
Phương pháp 2: Loại một lượt các biến xấu trong một lần phân tích EFA.
Phương pháp này sẽ tiết kiệm thời gian và công sức hơn so với phương pháp thứ nhất. Đầu tiên, các bạn luôn luôn phải xác định được các biến xấu. Phải biết được chính xác vị trí của từng biến xấu. Việc xác định vị trí của biến xấu được thực hiện trong lần phân tích nhân tố khám phá EFA đầu tiên. Khi đã xác định được vị trí của từng biến xấu thì các bạn không cần phải phân chia các biến thành từng dạng như ở phương pháp số 1. Mà trực tiếp loại bỏ các biến xấu cùng một lúc. Sau khi loại bỏ cùng lúc các biến xấu, các bạn cũng sẽ phải phân tích lại nhân tố khám phá EFA. Nếu vẫn còn xuất hiện các biến xấu thì, các bạn lại tiến hành loại bỏ. Các bạn thực hiện quy trình loại bỏ tất cả biến xấu -> phân tích lại nhân tố khám phá EFA. Thực hiện cho tới khi kết quả cuối cùng hiển thị không còn bất kỳ biến xấu nào trong các nhân tố khám phá thì dừng lại.
Đánh giá chung, phương pháp loại bỏ biến xấu trong EFA số 2 nhanh chóng, tiết kiệm thời gian hơn so với phương pháp số 1. Cả hai phương pháp đều có chung một cách thức là loại bỏ biến rồi phân tích lại EFA. Cho nên, các bạn có thể tùy ý lựa chọn một trong hai phương pháp để loại bỏ biến xấu trong phân tích EFA. Mỗi phương pháp đều rất đơn giản, dễ thực hiện, không quá phức tạp.
Như vậy, chúng tôi đã giới thiệu tới các bạn về Nguyên Tắc Loại Bỏ Các Biến Xấu Trong Phân Tích Nhân Tố Khám Phá EFA. Bài viết của chúng tôi đã đưa ra các tiêu chí để phân loại 3 nhóm biến xấu thường gặp trong phân tích nhân tố khám phá EFA. Đồng thời thể hiện 2 phương pháp cơ bản trong việc loại bỏ các biến xấu trong phân tích EFA. Chúng tôi mong rằng bài viết của mình có thể giúp ích các bạn trong quá trình nghiên cứu của mình. Khi các bạn có thắc mắc hay cần thêm thông tin gì hãy gọi về tổng đài của Luận Văn Tốt Sđt/tele/zalo : 0934573149 bạn nhé
