(Luận văn thạc sĩ) phân tích nhân tố với dữ liệu có thứ bậc

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN ĐẶNG THỊ PHƯƠNG ANH PHÂN TÍCH NHÂN TỐ VỚI DỮ LIỆU CÓ THỨ BẬC LUẬN VĂN THẠC SĨ TOÁN HỌC HÀ NỘI - 2017 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN ĐẶNG THỊ PHƯƠNG ANH PHÂN TÍCH NHÂN TỐ VỚI DỮ LIỆU CĨ THỨ BẬC LUẬN VĂN THẠC SĨ TỐN HỌC Chuyên ngành: Lý thuyết Xác suất Thống kê Toán học Mã số: 60460106 NGƯỜI HƯỚNG DẪN KHOA HỌC TS TRỊNH QUỐC ANH HÀ NỘI - 2017 LỜI CẢM ƠN Trước trình bày nội dung luận văn, em xin bày tỏ lòng biết ơn sâu sắc tới TS Trịnh Quốc Anh người tận tình hướng dẫn để em hồn thành luận văn Em xin bày tỏ lòng biết ơn chân thành tới tồn thể thầy giáo khoa Tốn - Cơ - Tin học, Trường Đại học Khoa Học Tự Nhiên, Đại Học Quốc Gia Hà Nội dạy bảo em tận tình suốt trình học tập khoa Nhân dịp em xin gửi lời cảm ơn chân thành tới gia đình, quan Nhà xuất Đại học Quốc gia Hà Nội, đồng nghiệp bạn bè bên em, cổ vũ, động viên, giúp đỡ em suốt trình học tập thực luân văn tốt nghiệp Hà Nội, ngày tháng 06 năm 2017 Học viên Đặng Thị Phương Anh Mục lục Phân tích nhân tố khám phá EFA 1.1 Xác định nhân tố (factor extration) 1.2 Lựa chọn nhân tố (factor section) 1.3 Phép xoay nhân tố (factor rotation) 13 Phân tích nhân tố khẳng định CFA 2.1 Giới thiệu CFA 2.2 So sánh CFA EFA 2.3 Mục đích ưu điểm CFA 2.4 Nhận dạng thống kê 2.5 Ước lượng tham số mơ hình CFA 2.5.1 Phương pháp ước lượng hợp lý cực đại 2.6 Các bước tiến hành CFA 2.6.1 Xác định cấu trúc thành phần 2.6.2 Xây dựng mơ hình đo lường tổng quát 2.7 Thiết kế nghiên cứu cụ thể 2.7.1 Các thang đo CFA 2.7.2 Đánh giá tính giá trị mơ hình đo lường 2.8 Đánh giá phù hợp (Assessing fit) 2.9 Ước lượng tác động (path estimates) 2.10 Tính giá trị cấu trúc (Construct Validity) 2.10.1 Giá trị tương đồng (Convergent Validity) 2.10.2 Giá trị dị biệt (Discriminant validity) 2.10.3 Chẩn đốn mơ hình (Model diagnostics) 2.10.4 Số dư chuẩn hoá (Standardized Residuals) 2.10.5 Các số điều chỉnh (Modification indices) 19 19 21 24 25 27 27 28 28 29 35 35 37 38 38 38 39 39 39 39 40 Thực hành chạy EFA CFA tế 3.1 Dữ liệu tiến hành phân tích 3.2 Sử dụng EFA SPSS 3.3 Sử dụng CFA AMOS 3.3.1 Cải thiện mơ hình 3.3.2 Model Fit 3.4 Mơ hình SEM 3.4.1 Dữ liệu Yên Bái SPSS Amos với liệu thực 41 41 41 45 46 47 49 49 3.4.2 Phân tích đa nhóm 49 Lời mở đầu Kể từ đời kỷ trước, phân tích nhân tố trở thành phương pháp thống kê nhiều chiều sử dụng phổ biến nhằm áp dụng để nghiên cứu số lĩnh vực (ví dụ tâm lý học, giáo dục, xã hội học, quản lý, khoa học trị, y tế cơng cộng) Mục đích phân tích nhân tố xác định lượng chất biến ẩn Biến ẩn ám hiệp tương quan hai hay nhiều biến quan sát nhân tố giải thích cho phương sai, hiệp phương sai nhóm quan sát, thường gọi số Cụ thể nhân tố quan sát ảnh hưởng biến quan sát giải thích cho mối tương quan biến quan sát Nói cách khác, biến đo lường tương quan chia sẻ tác nhân chung (tức bị ảnh hưởng cấu trúc giống nhau) Như phân tích nhân tố cố gắng thu gọn độ tương quan số số lượng yếu tố số biến quan sát trực tiếp Các khái niệm bắt nguồn từ Mơ hình nhân tố chung (Thurstone, 1947) Trong đó, mặc định số biến đo lường hàm tuyến tính hay nhiều nhân tố chung nhân tố riêng Như phân tích nhân tố phân vùng phương sai số thành hai loại: (1) Phương sai chung phương sai cho nhân tố, ước lượng phương sai chia sẻ với số khác phân tích; (2) Phương sai riêng, tức kết hợp phương sai tin cậy (reliable variance) – số cụ thể (các yếu tố ảnh hướng tới số) với sai số ngẫu nhiên phương sai (random error variance) Có hai loại phân tích nhân tố chung: Phân tích nhân tố khám phá (EFA) phân tích nhân tố khẳng định (CFA) (Jăoreskog, 1969, 1971a) C EFA v CFE u nhm tỏi lại liên quan quan sát với tập nhỏ biến ẩn, chúng khác lượng chất mơ hình tiên nghiệm hạn chế mơ hình nhân tố Theo đó, EFA thường sử dụng trước để phát triển mơ hình cịn CFA sử dụng sau xây dựng cấu trúc, thành lập thực nghiệm với EFA sở lý thuyết Luận văn gồm khái niệm, thuật ngữ ví dụ phân tích nhân tố EFA CFA Bố cục luận văn bao gồm chương: • Chương luận văn trình bày phân tích nhân tố khám phá EFA • Chương luận văn tập trung trình bày phân tích nhân tố khẳng định CFA • Chương thực hành chạy EFA CFA hai phần mềm SPSS Amos với liệu thực tế Do thời gian thực luận văn khơng nhiều, kiến thức cịn hạn chế nên làm luận văn không tránh khỏi hạn chế sai sót Tác giả mong nhận góp ý ý kiến phản biện quý thầy cô bạn đọc Xin chân thành cảm ơn! Hà Nội, ngày tháng 05 năm 2017 Học viên Đặng Thị Phương Anh Chương Phân tích nhân tố khám phá EFA Trong chương này, mơ hình nhân tố đề cập chủ yếu khuôn khổ EFA Tuy nhiên, hầu hết thuật ngữ sử dụng EFA sử dụng tương tự CFA Trong nghiên cứu ứng dụng, CFA EFA thường tiến hành với Ví dụ, CFA thường sử dụng giai đoạn sau việc xây dựng mơ hình nhằm kiểm tra, xác định độ hợp lý phù hợp số liệu với mơ hình Cịn EFA giúp khảo sát, tìm đặc trưng số liệu nhằm xây dựng mơ hình Như muốn nghiên cứu áp dụng CFA, ta phải hiểu rõ EFA Phương pháp tiến hành EFA trình bày chương Tổng quan so sánh chi tiết EFA CFA đề cập chương sau EFA kỹ thuật để thăm dị mơ tả lượng phù hợp nhân tố chung để phát biến đo mà số hợp lý biến không trực tiếp quan sát, giả định để tồn (có ý nghĩa đó) để giải thích mơ hình biến đổi biến quan sát Ví dụ, nghiên cứu tính cách cho câu hỏi bao gồm 30 câu hỏi mối quan hệ cá nhân họ, đời sống xã hội, Tại mức cụ thể nhất, điều cho kết người với 30 chiều riêng biệt Tuy nhiên, tóm thành hai biến tiềm ẩn "hướng nội / hướng ngoại" cho nhiều thay đổi có hệ thống mà lấy 30 tham số quan sát Tóm lại, phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn (interdependence techniques), nghĩa khơng có biến phụ thuộc biến độc lập mà dựa vào mối tương quan biến với (interrelationships) EFA dùng để rút gọn tập k biến quan sát thành tập F (F < k) nhân tố có ý nghĩa Cơ sở việc rút gọn dựa vào mối quan hệ tuyến tính nhân tố với biến nguyên thủy (biến quan sát) Như nêu trên, mục tiêu EFA để đánh giá chiều tập hợp nhiều số (ví dụ mục từ bảng hỏi) cách khám phá nhân tố sáng tỏ cần thiết để giải thích mối tương quan chúng Trong đó, nhà nghiên cứu cuối phải ghi rõ số yếu tố phân tích khơng có hạn chế ban đầu cho mơ hình mối quan hệ biến quan sát biến tiềm ẩn Đây khác biệt quan trọng CFA EFA Trong CFA, nhà nghiên cứu phải xác định số yếu tố quan trọng mơ hình yếu tố (ví dụ, số nhân tố, mơ hình số nhân tố tải trọng) Sau xác định EFA kỹ thuật phân tích thích hợp cho câu hỏi thực nghiệm tay Các nhà nghiên cứu phải định số đưa vào phân tích, xác định kích thước tính chất mẫu khơng phù hợp cho phân tích Các bước EFA bao gồm: Bước 1: Tính ma trận mối liên quan cho tất biến (correlation matrix) - Tạo correlation matrix cho tất biến - Xác định biến mà khơng có liên quan với biến khác - Trong trường hợp mối liên quan biến nhỏ, chúng khơng chung nhân tố - Kiểm định Kaiser-Meyer-Olkin (KMO) - Kiểm định Bartlett test of Sphericity Lưu ý: KMO tiêu để xem xét phù hợp cho việc phân tích EFA ( 0.5< KMO 5%, bác bỏ Ha, chấp nhận H0, kết luận độ lệch khác ý nghĩa thống kê mức tin cậy 95%, ta kết luận mơ hình ước lượng (lúc trước check vào option bootstrap) tin cậy Thông thường kết mong đợi phân tích SEM.) 3.4.2 Phân tích đa nhóm Model Fit 49 AIC AIC Model Default model BCC BIC CAIC 90.825 93.302 Saturated model 110.000 115.238 302.118 357.118 Independence model 993.243 994.195 1028.173 1038.173 ECVI ECVI Model 181.645 207.645 LO 90 HI 90 MECVI Default model 375 335 459 386 Saturated model 455 455 455 476 Independence model 4.10 Model 3.700 4.180 4.539 HOELTER HOELTER 05 HOELTER 01 266 310 16 18 Default model Independence model Bootstrap 500 Bootstrap 1000 Bootstrap 2000 Estimate Ước lượng ML P Mean Mean CR Mean CR YDThichUng NiemTin 0.669 *** 0.704 1.714 0.702 2.8 0.693 3.333 YDThichUng ChuQuan 0.034 0.713 0.024 -0.6 0.026 -0.333 0.03 1.5 YDThichUng NhanThuc -0.026 0.824 -0.044 -2 -0.043 -2.6 -0.039 -3.333 D5.3 YDThichUng 1 -0.5 -1.5 -3 D5.4 YDThichUng 0.861 *** 0.865 0.868 1.5 0.87 D6.10 YDThichUng 0.586 *** 0.59 -0.666 0.591 -0.5 0.593 D4.3 NiemTin 1 -2.5 -2 -3 D4.2 NiemTin 1.027 *** 1.028 -1.666 1.031 -0.5 1.032 -1 D4.1 NiemTin 0.726 *** 0.719 -3 0.721 -4 0.72 -4.5 D8.3 ChuQuan 1 2.8 2.75 4.666 D8.2 ChuQuan *** 0.846 -1.2 0.851 -0.333 0.845 -1.5 D1.1.4 NhanThuc 1 -0.5 -2 -2 D1.1.5 NhanThuc 0.958 0.953 -3 0.957 -2 0.958 -2 *** Bảng 3.4.1: Hệ số hồi quy mơ hình SEM hình 4.1 (giá trị mũi tên thẳng chiều) Covariances: (Group number - Default model) Estimate P NiemTin < −− > ChuQuan 0.731 *** NiemTin < −− > NhanThuc 1.033 *** ChuQuan < −− > NhanThuc 0.78 *** Bảng 3.4.2: Phương sai nhân tố mơ hình SEM hình 4.1 (giá trị mũi tên cong chiều) 50 CMIN Model RPAR Default model 104 Saturated model 220 Independence model CMIN DF 120.37 116 000 40 CMIN/DF 372 1.038 000 6.605 1188.867 180 RMR, GFI RMR GFI Model P Default model 154 914 Saturated model 000 1.000 Independence model 876 438 AGFI PGFI 837 482 313 358 Parsimony-Adjusted Measures Model PRATIO PNFI PCFI Default model 644 579 642 Saturated model 000 000 000 1.000 000 000 Independence model NCP Model NCP LO 90 HI 90 Default model 4.375 000 34.631 Saturated model Independence model Model 000 000 000 1008.867 903.513 1121.691 FMIN FMIN FO LO 90 HI 90 504 018 000 145 Default model Saturated model 000 Independence model 4.974 000 4.221 000 3.780 Baseline Comparisons NFI Dealta RFI rho IFI Delta Model Default model Saturated model Independence model Model 899 843 996 1.000 000 4.693 TLI rho CFI 993 996 1.000 000 000 000 RMSEA RMSEA LO 90 1.000 0000 HI 90 PCLOSE Default model 013 000 035 999 Independence model 153 145 161 000 51 000 AIC AIC Model Default model BCC 328.375 Saturated model Independence model BIC CAIC 379.199 440.000 547.513 1268.867 1288.415 ECVI ECVI LO 90 HI 90 MECVI Default model 1.374 1.356 1.501 1.587 Saturated model 1.841 1.841 1.841 2.291 Independence model 5.309 4.868 5.781 5.391 Model Model HOELTER HOELTER 05 HOELTER 01 286 310 46 49 Default model Independence model Kinh Thái Mông Tày Estimate P Estimate P Estimate P Estimate P 0.185 0.441 0.762 0.015 1.594 0.031 2.181 0.008 YDThichUng NiemTin YDThichUng ChuQuan 0.224 0.131 -0.183 0.349 -0.178 0.455 0.187 0.339 YDThichUng NhanThuc -0.024 0.88 0.1 0.616 -0.136 0.693 -1.028 0.051 D5.3 YDThichUng D5.4 YDThichUng 1.027 *** 0.694 *** 0.951 *** 0.887 *** D6.10 YDThichUng 0.658 *** 0.881 *** 0.007 0.961 0.973 *** D4.3 NiemTin D4.2 NiemTin 0.902 *** 0.774 *** 1.209 *** 1.281 *** D4.1 NiemTin 0.812 *** 0.064 0.46 0.734 *** 1.027 *** D8.3 ChuQuan D8.2 ChuQuan 0.866 D1.1.4 NhanThuc D1.1.5 NhanThuc 0.891 1 1 *** 0.806 0.679 1 0.006 *** 0.998 *** 0.446 0.002 1.105 0.114 *** 1.034 *** Bảng 3.4.3: Hệ số hồi quy mơ hình SEM phân tích đa nhóm với dân tộc Kinh Estimate Thái Mông Tày P Estimate P Estimate P Estimate P NiemTin ChuQuan 1.031 *** 0.878 0.037 0.613 0.012 0.541 0.058 NiemTin NhanThuc 1.036 *** 1.168 0.003 0.658 *** 1.388 *** ChuQuan NhanThuc 0.731 0.034 0.866 0.073 0.61 0.03 0.8616 0.022 Bảng 3.4.4: Phương sai nhân tố p – value tương ứng 52 Mơ hình SEM Hình 3.0.1: Mơ hình SEM n Bái Hình 3.0.2: Mơ hình SEM bốn dân tộc Yên Bái 53 Tài liệu tham khảo [1] Nguyễn Hữu Du, Phương pháp phân tích thành phần phân tích chùm xử lí số liệu thống kê nhiều chiều.Tạp chí Khoa học Phát triển 2014, tập 2, số 5: 762-768 [2] Đào Hữu Hồ (2015), Lý thuyết ước lượng, NXB Đại học Quốc gia Hà Nội [3] Nguyễn Hữu Dư, Nguyễn Văn Hữu (2003), Phân tích thống kê dự báo, NXB Đại học Quốc gia Hà Nội [4] Lê Tấn Phùng, Phân tích yếu tố khẳng định (Confirmatory Factor Analysis), letanphung.blogspot.com [5] Timothy A Brown PsyD, Confirmatory Factor Analysis for Applied Research, Second Edition (Methodology in the Social Sciences) [6] Joseph F Hair Multivariate data analysis : a global perspective., Upper Saddle River, N.J ; London : Pearson Education, 2010 [7] Peter Tryfos, Chapter 14 Factor analysis,yorku.ca [8] Hair, J., Black, W., Babin, B., and Anderson, R (2010) Multivariate data analysis (7th ed.): Prentice-Hall, Inc Upper Saddle River, NJ, USA [9] Hu, L T., Bentler, P M (1999) Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives Structural equation modeling: a multidisciplinary journal [10] Kline, R B (2011) Principles and practice of structural equation modeling (3rd ed.) New York, NY: Guilford publications [11] Lawrence S Meyers, Glenn C Gamst, A J Guarino (2000) Performing Data Analysis Using IBM SPSS Wiley; edition 54 ... hình cấu trúc nhân tố X có ảnh hưởng trực tiếp tới nhân tố X, nhân tố X có ảnh hưởng trực tiếp nhân tố Y nhân tố X có tác động gián tiếp tới nhân tố Y Lưu ý mơ hình đo lường (CFA), có ba thơng... cụ thể (các yếu tố ảnh hướng tới số) với sai số ngẫu nhiên phương sai (random error variance) Có hai loại phân tích nhân tố chung: Phân tích nhân tố khám phá (EFA) phân tích nhân tố khng nh (CFA)... nhiều nhân tố chung nhân tố riêng Như phân tích nhân tố phân vùng phương sai số thành hai loại: (1) Phương sai chung phương sai cho nhân tố, ước lượng phương sai chia sẻ với số khác phân tích;