Quy tắc loại biến xấu trong phân tích nhân tố khám phá EFA

Cách 1: Loại lần lượt từng biến

Bước 1: Xác định các biến xấu ở lần chạy EFA đầu tiên
Bước 2: Phân loại 3 dạng biến xấu 1, 2, 3
Bước 3: Loại tất cả các biến xấu dạng 1 trước tiên và chạy lại EFA
Bước 4: Nếu tiếp tục xuất hiện biến xấu dạng 1, vẫn loại các biến này trước và chạy tiếp EFA. Nếu không còn biến xấu dạng 1, loại biến xấu dạng 2 và chạy lại EFA.
Bước 5: Nếu tiếp tục xuất hiện biến xấu dạng 2, vẫn loại các biến này trước và chạy tiếp EFA. Nếu không còn biến xấu dạng 2, loại biến xấu dạng 3 và chạy lại EFA.

Cách 2: Loại một lượt các biến xấu trong một lần phân tích EFA

Bước 1: Xác định các biến xấu ở lần chạy EFA đầu tiên
Bước 2: Loại tất cả các dạng biến xấu cùng lúc và chạy lại EFA
Bước 3: Nếu tiếp tục xuất hiện biến xấu, loại tất cả các biến đó và chạy tiếp EFA đến khi có kết quả cuối cùng.

Cùng xem xét ví dụ với kết quả ma trận xoay như sau:

1. Biến quan sát không đảm bảo hệ số tải tiêu chuẩn

Biến xấu: DN4 – Hệ số tải Factor Loading nhỏ hơn 0.5. 

Tập data ví dụ được sử dụng có cỡ mẫu là 220. Do vậy, hệ số tải tiêu chuẩn được chọn là 0.5. Khi thực hiện xoay nhân tố, biến DN4 không hiển thị kết quả trong bảng ma trận xoay. Như vậy, DN4 có hệ số tải nhỏ hơn 0.5 và sẽ được loại bỏ đầu tiên.

2. Biến quan sát tải lên ở cả 2 nhân tố và không đảm bảo mức chênh lệch hệ số tải từ 0.3

Biến xấu: CV3, LD5 – Tải lên 2 nhóm nhân tố và hệ số tải trong 1 biến chênh lệch nhau dưới 0.3.

Nếu 1 biến quan sát tải lên ở cả 2 nhân tố, chúng ta cần xem xét 2 trường hợp nhỏ.

Trường hợp 1, biến quan sát tải lên ở cả 2 nhân tố, chúng ta cần lưu ý chênh lệch hệ số tải Factor Loading của biến quan sát giữa 2 nhóm nhân tố. Theo Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 420, nếu chênh lệch hệ số tải nhỏ hơn 0.3, chúng ta cần loại bỏ biến quan sát đó. 

Trường hợp 2, 2 hệ số tải chênh nhau từ 0.3 trở lên, khi đó biến quan sát sẽ được giữ lại và sẽ nằm ở nhóm nhân tố có hệ số tải cao hơn.

Trong kết quả ma trận xoay ở ví dụ, CV3 có chênh lệch hệ số tải là 0.721 – 0.513 = 0.208 < 0.3; LD5 có chênh lệch hệ số tải là 0.660 – 0.516 = 0.144 < 0.3, do vậy 2 biến này sẽ được loại bỏ và phân tích lại EFA.

3. Biến quan sát chỉ nằm tách biệt một mình ở một nhân tố

Biến xấu: DK1 – Nằm tách biệt một mình ở 1 nhân tố.

Trong thống kê, không tồn tại thang đo chỉ gồm 1 biến quan sát. Do vậy, nếu kết quả ma trận xoay xuất hiện cột nhân tố mà ở đó chỉ có 1 biến quan sát. Chúng ta cần loại bỏ nhân tố này đi.

Trên đây, mình đã trình bày về cách thực hiện loại biến trong phân tích EFA, Cám ơn các bạn đã quan tâm, nhớ LIKE + SHARE bài viết cho bạn bè đang gặp khúc mắc về vấn đề này nhé.

——–
Nếu bạn gặp khó khăn khi thực hiện phân tích EFA vì số liệu khảo sát xấu dẫn đến bảng ma trận xoay lung tung, biến bị loại rất nhiều, bạn có thể tham khảo dịch vụ phân tích SPSS của mình ở đây hoặc liên hệ trực tiếp email phamlocblog@gmail.com. Dịch vụ mình cung cấp giúp bạn nâng hệ số KMO, đảm bảo ma trận xoay hội tụ như mong muốn, không bị loại quá nhiều biến, khắc phục lỗi không xuất hiện bảng KMO, bị tách nhân tố, biến nhảy lung tung.