Trong bài viết Chạy chung hay riêng biến độc lập với biến phụ thuộc trong EFA? mình đã đề cập tới vấn đề về tương quan và lý giải vì sao chạy riêng/chung các biến trong EFA. Ở bài viết này, mình sẽ cụ thể hơn về cách chạy EFA cho mô hình có biến trung gian, biến điều tiết.
1. Quan điểm của Hair và cộng sự về việc phân tích EFA chung riêng
Một mối quan hệ độc lập - phụ thuộc được hình thành tương đương việc chúng ta biểu diễn chúng trên mô hình như sau:
Biến độc lập và biến phụ thuộc được liên kết với nhau bằng mũi tên một chiều mang ý nghĩa là sự tác động, mũi tên xuất phát từ biến độc lập và hướng vào biến phụ thuộc. Khi có đủ 3 yếu tố: biến ở gốc mũi tên, mũi tên, biến ở đầu mũi tên thì hình thành một mối quan hệ độc lập - phụ thuộc.
1.1 Quan điểm của Hair và cộng sự (2010)
Trích nguyên bản: "Mixing dependent and independent variables in a single factor analysis and then using the derived factors to support dependence relationships is inappropriate"
Tạm dịch: Việc gộp chạy chung các độc lập và phụ thuộc trong một phân tích nhân tố khám phá và sau đó lại kiểm tra các mối quan hệ phụ thuộc là không phù hợp.
→ Giải thích chi tiết hơn câu nói này. Nghĩa là khi chúng ta thực hiện phân tích EFA, việc cho chung các biến độc lập và phụ thuộc vào chạy cùng là không hợp lý. Bởi với một đề tài đã xác định được độc lập và phụ thuộc, nghĩa là ngay từ đầu chúng ta đã mặc định xuất hiện mối quan hệ phụ thuộc giữa 2 nhóm biến: một nhóm là tác động lên biến khác và một nhóm là chịu tác động của biến khác.
1.2 Quan điểm của Hair và cộng sự (2015)
Trích nguyên bản: "When you use exploratory factor analysis the variables are not divided into dependent and independent categories. Instead, all variables are analyzed together to identify underlying patterns or factors. The technique can be used to factor analyze either independent or dependent variables considered separately".
Tạm dịch: Khi bạn sử dụng phân tích nhân tố khám phá, các biến không được chia thành phụ thuộc và độc lập. Thay vào đó, tất cả các biến được phân tích cùng nhau để xác định cấu trúc các nhân tố. Kỹ thuật thực hiện phân tích nhân tố khám phá cần được xem xét chạy riêng giữa các biến độc lập và biến phụ thuộc.
→ Cũng như quan điểm thứ 2. Các biến được đưa cùng nhau vào phân tích EFA phải là cùng một loại độc lập hoặc cùng 1 loại phụ thuộc. Không được gộp chung cả 2 loại biến này vào phân tích EFA một lần.
2. Chạy EFA cho mô hình có biến trung gian
Khi mô hình có biến trung gian, biến trung gian sẽ đóng vai trò vừa là độc lập trong mối quan hệ này nhưng cũng vừa là phụ thuộc trong mối quan hệ khác. Trong mô hình bên dưới, chúng ta sẽ tách làm hai mô hình nhỏ:
- Tiền lương (độc lập) với Hài lòng công việc (phụ thuộc): chạy riêng cho biến Tiền lương, chạy riêng cho biến Hài lòng công việc.
- Hài lòng công việc (độc lập) với Gắn bó công ty (phụ thuộc): chạy riêng cho biến Hài lòng công việc, chạy riêng cho biến Gắn bó công ty.
Nếu phân tích chung EFA nhưng kết quả ma trận xoay xáo trộn chúng ta sẽ tách thành từng lần EFA theo chức năng biến. Tách nhỏ mô hình ra từng cặp quan hệ cơ bản độc lập - phụ thuộc rồi phân tích EFA riêng cho độc lập, riêng cho phụ thuộc. Suy ra, khi chạy EFA cho mô hình có biến trung gian, chúng ta sẽ chạy 3 lần EFA cho từng dạng biến: 1 EFA cho độc lập, 1 EFA cho trung gian, 1 EFA cho phụ thuộc.
3. Chạy EFA cho mô hình có biến điều tiết
Không có quan điểm của các tác giả nào uy tín về việc phân tích EFA cho biến điều tiết. Nhưng về nguyên tắc mối quan hệ, biến điều tiết có chức năng điều tiết một mối quan hệ làm nó mạnh hơn hay yếu đi, do vậy nó hoàn toàn không phù hợp cho việc đưa vào phân tích EFA chung với bất cứ biến nào khác. Do vậy, nếu tồn tại biến điều tiết trong mô hình, chúng ta thực hiện EFA cho riêng một mình biến điều tiết. Nếu có nhiều biến điều tiết cùng điều tiết một mối quan hệ, chúng ta chạy một EFA cho mỗi biến điều tiết. Nếu có nhiều biến điều tiết và mỗi biến điều tiết điều tiết một mối quan hệ khác nhau, chúng ta có thể chạy chung EFA cho tất cả các biến điều tiết.
4. Ví dụ cách chạy riêng EFA một số mô hình
Dựa trên quan điểm của Hair và cộng sự, chúng ta sẽ có cách thức chạy riêng cho một số mô hình ví dụ sau đây. Các bạn có thể chạy chung tùy ý, nhưng nếu chạy chung kết quả không tốt bạn hãy chạy riêng theo vai trò độc lập - phụ thuộc. Cơ chế chạy riêng này là hoàn toàn có cơ sở vững chắc dựa trên bản chất tương quan các biến trong mô hình, đồng thời cũng phù hợp với quan điểm của Hair và cộng sự.
Mô hình 1:
Bước 1: Phân tích quan hệ biến trong mô hình:
- X là biến phụ thuộc của A, B, C. Do đó X sẽ có khả năng tương quan mạnh với A-B-C. Chúng ta phải chạy hai lần EFA: lần một cho 3 biến độc lập A, B, C và lần hai cho cho biến phụ thuộc X.
- Z là biến phụ thuộc của A, B, C. Do đó Z sẽ có khả năng tương quan mạnh với A-B-C. Chúng ta phải chạy hai lần EFA: lần một cho 3 biến độc lập A, B, C và lần hai cho cho biến phụ thuộc Z.
- Do X và Z đều là biến phụ thuộc của A, B, C nên X và Z có khả năng tương quan mạnh với nhau. Chúng phải chạy hai lần EFA: lần một cho X, lần hai cho Z.
- Y là biến phụ thuộc của X, Z. Do đó Y sẽ có khả năng tương quan mạnh với X-Z. Chúng ta phải chạy hai lần EFA: lần một cho 2 biến độc lập X, Z và lần hai cho cho biến phụ thuộc Y.
Bước 2: Xác định số lần EFA
Từ phần phân tích ở bước 1, chúng ta có được 4 lần chạy EFA sau đây:
- EFA cho ba biến độc lập A, B, C.
- EFA cho biến X
- EFA cho biến Z
- EFA cho biến Y
Mô hình 2:
Bước 1: Phân tích quan hệ biến trong mô hình:
- X là biến phụ thuộc của A, B, C. Do đó X sẽ có khả năng tương quan mạnh với A-B-C. Chúng ta phải chạy hai lần EFA: lần một cho 3 biến độc lập A, B, C và lần hai cho cho biến phụ thuộc X.
- Y là biến phụ thuộc của X, A. Do đó Y sẽ có khả năng tương quan mạnh với X-A. Chúng ta phải chạy hai lần EFA: lần một cho 2 biến độc lập X, A và lần hai cho cho biến phụ thuộc Y.
Bước 2: Xác định số lần EFA
Từ phần phân tích ở bước 1, chúng ta có được 3 lần chạy EFA sau đây:
- EFA cho ba biến độc lập A, B, C.
- EFA cho biến X
- EFA cho biến Y
Mô hình 3:
Bước 1: Phân tích quan hệ biến trong mô hình:
- X là biến phụ thuộc của A, B, C. Do đó X sẽ có khả năng tương quan mạnh với A-B-C. Chúng ta phải chạy hai lần EFA: lần một cho 3 biến độc lập A, B, C và lần hai cho cho biến phụ thuộc X.
- Y là biến phụ thuộc của X. Do đó Y sẽ có khả năng tương quan mạnh với X. Chúng ta phải chạy hai lần EFA: lần một cho biến độc lập X và lần hai cho cho biến phụ thuộc Y.
Bước 2: Xác định số lần EFA
Từ phần phân tích ở bước 1, chúng ta có được 3 lần chạy EFA sau đây:
- EFA cho ba biến độc lập A, B, C.
- EFA cho biến X
- EFA cho biến Y
Mô hình 4:
Bước 1: Phân tích quan hệ biến trong mô hình:
- X là biến phụ thuộc của A, B, C. Do đó X sẽ có khả năng tương quan mạnh với A-B-C. Chúng ta phải chạy hai lần EFA: lần một cho 3 biến độc lập A, B, C và lần hai cho cho biến phụ thuộc X.
- Z là biến phụ thuộc của A, B, C. Do đó Z sẽ có khả năng tương quan mạnh với A-B-C. Chúng ta phải chạy hai lần EFA: lần một cho 3 biến độc lập A, B, C và lần hai cho cho biến phụ thuộc Z.
- Z là biến phụ thuộc của X. Do đó Z sẽ có khả năng tương quan mạnh với X. Chúng ta phải chạy hai lần EFA: lần một cho biến độc lập X và lần hai cho cho biến phụ thuộc Z.
Bước 2: Xác định số lần EFA
Từ phần phân tích ở bước 1, chúng ta có được 3 lần chạy EFA sau đây:
- EFA cho ba biến độc lập A, B, C.
- EFA cho biến X
- EFA cho biến Z