Các thắc mắc ngoài dịch vụ, bạn vui lòng thảo luận tại nhóm Facebook này nhé.
😄

Phân tích nhân tố khám phá EFA với đề tài chạy CFA, SEM

Cách thức thực hiện phân tích nhân tố khám phá EFA đối với đề tài có thực hiện CFA, SEM trên AMOS không có nhiều điểm khác biệt với đề tài không chạy CFA.

Phân tích EFA với đề tài chạy CFA, SEM

Sự khác biệt chủ yếu đến từ việc chúng ta bối rối ở phương thức triển khai EFA chung hay riêng giữa các nhóm biến do mô hình SEM thường ở dạng phức tạp có xuất hiện biến trung gian.

1. Phân tích EFA chung hay riêng

Bạn có thể xem chi tiết hơn phần lý giải việc chạy chung/riêng EFA các biến trong một mô hình nghiên cứu tại bài viết này.

Trước hết chúng ta sẽ xem xét lại mối quan hệ giữa hai loại biến độc lập và phụ thuộc. Sở dĩ chúng ta xác định biến X là độc lập, biến Y là phụ thuộc bởi trên các lý thuyết nền hoặc các nghiên cứu trước đó đã chứng minh rằng X sự có tác động lên Y. Khi X có tác động lên Y, giữa X và Y trong hầu hết các trường hợp sẽ có sự tương quan từ mức trung bình đến mạnh. Sự tương quan này làm cho tính phân biệt giữa X và Y không cao.

Trong EFA, dù có dùng phép trích và phép xoay gì đi nữa thì EFA luôn có một chức năng là đánh giá tính phân biệt của các cấu trúc biến. Khi tính phân biệt được thõa mãn, mỗi nhóm biến sẽ được tách thành một cột trong bảng ma trận xoay. Nếu chúng ta đưa biến phụ thuộc và độc lập vào cùng phân tích chung EFA, sự tương quan mạnh giữa độc lập với phụ thuộc khiến cho các biến quan sát của cấu trúc biến phụ thuộc dễ bị nhập chung vào với các biến độc lập. Điều này làm cho các cấu trúc thang đo không đảm bảo được tính phân biệt trong EFA (tình trạng ma trận xoay lộn xộn). Nên việc chạy EFA riêng độc lập và riêng phụ thuộc là cách chạy tối ưu nhất, vừa hợp lý về tính chất tương quan giữa các biến, vừa phù hợp theo quan điểm của các tác giả nổi tiếng ở trên. 

Từ các lý luận ở trên, chúng ta có thể phân chia mô hình nghiên cứu thành hai loại tương ứng với hai phương pháp chạy EFA. Chúng ta cần làm rõ trước về vai trò biến trung gian, biến này vừa đóng vai trò độc lập, vừa đóng vai trò phụ thuộc. Do vậy, khi mình đề cập tới số lượng biến phụ thuộc, số lượng biến độc lập, thì biến trung gian được tính cho cả hai loại biến này.

  1. Mô hình đơn giản: Là dạng mô hình mà vai trò biến được xác định rõ ràng, số lượng biến phụ thuộc ít, số lượng biến độc lập nhiều, có nhiều biến độc lập tác động vào một biến phụ thuộc → Chạy EFA riêng độc lập, riêng trung gian, riêng phụ thuộc.
  2. Mô hình phức tạp: Là dạng mô hình mà vai trò biến vẫn có thể xác định được vai trò, tuy nhiên biến đóng vai trò trung gian có số lượng nhiều, các mối quan hệ tác động chằng chịt, số lượng biến phụ thuộc nhiều, có nhiều mối quan hệ mà chỉ một biến độc lập tác động lên một biến phụ thuộc  Chạy EFA chung cho tất cả. Chúng ta lựa chọn chạy chung bởi vì khi chạy riêng thì số lần EFA quá nhiều và số nhóm biến tham gia vào EFA quá ít, điều này không được tối ưu về mặt chức năng của EFA lẫn mặt trình bày kết quả vào bài luận, bài nghiên cứu.

Đánh giá quan điểm: Mô hình chạy CFA, SEM thì phân tích EFA chung tất cả các biến.

→ Đây là nhận định không có cơ sở và nó chỉ phù hợp cho một số trường hợp nhất định. Do vậy, bạn không nên áp dụng nó một cách cứng nhắc cho mọi trường hợp. Việc bạn xử lý mô hình đường dẫn bằng hồi quy hay SEM đi nữa cũng không liên quan đến việc phân tích EFA chung hay riêng giữa các biến.

Phân tích EFA chung/riêng hoàn toàn dựa vào tính chất mô hình đơn giản hay phức tạp, hay nói cách khác nó phụ thuộc vào vai trò các biến trong mô hình. Nếu mô hình có ít biến trung gian, ít phụ thuộc, nhiều biến độc lập thì bạn nên phân tích EFA riêng. Nếu mô hình có ít biến độc lập, nhiều biến trung gian, mối quan hệ các biến phức tạp bạn nên bỏ qua EFA hoặc phân tích EFA chung.

Nguồn gốc dẫn đến nhận định Mô hình chạy CFA, SEM thì phân tích EFA chung tất cả các biến là bởi vì mô hình SEM thường là các dạng mô hình phức tạp, có khá nhiều biến trung gian. Nhưng:

- Không phải mô hình SEM lúc nào cũng ở dạng phức tạp. Có những mô hình SEM khá đơn giản, biến trung gian ít, biến độc lập nhiều, vai trò biến được xác định một cách tương đối dễ dàng. Những trường hợp như vậy chúng ta chạy EFA riêng các nhóm biến là giải pháp tối ưu nhất.

- Không phải CFA, SEM là phải dùng cho mô hình phức tạp. Chúng ta vẫn sử dụng CFA và SEM cho các mô hình đơn giản một cách hoàn toàn bình thường. Hai kiểm định được sinh ra để đánh giá mọi dạng mô hình chứ không phải chỉ dùng cho dạng mô hình phức tạp. Khi mô hình của bạn ở dạng đơn giản, vai trò biến được xác định một cách dễ dàng, bạn nên chạy EFA riêng các nhóm biến, sau đó tiến hành phân tích CFA và SEM một cách bình thường.

2. Phân tích EFA cho đề tài chạy CFA, SEM

Sau khi đã xác định được mô hình sẽ triển khai EFA chung hay riêng. Chúng ta sẽ đi vào quy trình chạy và đọc kết quả EFA một cách bình thường như đã giới thiệu ở bài viết Phân tích nhân tố khám phá EFA trong SPSS. Chi tiết bạn xem trong video bên dưới:

Một số điểm lưu ý như sau:

2.1. Tại mục phép trích Extraction

Nếu mục đích của chúng ta là chạy EFA để thu được tổng phương sai trích lớn nhất, các nhân tố trích được giải thích tốt nhất biến thiên của các biến quan sát đưa vào, chúng ta dùng Principal Components (PCA). Còn nếu mục đích là xác định được cấu trúc các nhóm biến một cách rõ ràng nhất, chọn lọc gắt gao các biến quan sát chất lượng cao, ít tình trạng biến tải lên nhiều nhóm nhân tố thì nên chọn Principal Axis Factoring (PAF). Đánh đổi lại, PAF sẽ cho tổng phương sai trích tương đối thấp, biến quan sát có hệ số tải sẽ thấp hơn so với PCA. Xem kỹ sự khác biệt hai phép trích tại bài viết này.

Khuyến nghị: cả hai phép trích đều phù hợp, tùy theo mục đích của người thực hiện. 

Phân tích EFA với đề tài chạy AMOS

2.2 Tại mục phép quay Rotation

Với giả định các nhân tố có sự tương quan nhau trong quá trình quay, phép quay Promax có xu hướng phù hợp hơn trong việc hỗ trợ cho kết quả CFA về sau. Xem kỹ sự khác biệt hai phép quay tại bài viết này.

Khuyến nghị: nên sử dụng Promax.

Phân tích EFA với đề tài chạy AMOS

2.3 Ngưỡng hệ số tải Factor Loading

Tiêu chí đánh giá biến ở CFA tương đối khó, do vậy ở bước EFA, chúng ta nên sử dụng ngưỡng hệ số tải 0.5 để chọn lọc các biến quan sát chất lượng tốt (ngưỡng này theo Hair và cộng sự, 2010).

Phân tích nhân tố khám phá EFA

Sau khi hoàn tất việc thực hiện EFA, chúng ta đi đến bước phân tích nhân tố khẳng định CFA. Xem chi tiết bài hướng dẫn tại đây.

Từ khóa: phân tích CFA, chạy EFA cho SEM, phân tích nhân tố cho CFA, phan tich nhan to cho AMOS.

Đăng nhận xét