CHƯƠNG 3: MÔ HÌNH NGHIÊN CỨU HIỆU QUẢ QUẢN LÝ NGÂN SÁCH NHÀ NƯỚC DÀNH CHO CÁC
3.5.3. Phân tích nhân tố khám phá
Theo Hoàng Trọng - Chu Nguyễn Mộng Ngọc (2011), phân tích nhân tố là tên chung của một nhóm thủ tục được sử dụng để thu nhỏ dữ liệu. Về mặt tính toán phân
tích nhân tố được mô tả như sau:
Xi = Ai1*F1 + Ai2*F2 + Ai3*F3 + ….+ Aim*Fm + ViUi.
Trong đó:
Xi là biến chuẩn hóa thứ i;
Aij là hệ số hồi quy bội chuẩn hóa của nhân tố j đối với biến i;
F các nhân tố chung;
Vi hệ số hồi quy chuẩn hóa củanhân tố đặc trưng I đối với biến i;
Ui nhân tố đặc trưng của biến i;
m số nhân tố.
thân các nhân tố chung cũng có thể được diễn tả như những kết hợp tuyến tính của các biến quan sát như sau:
Fi = Wi1*X1 + Wi2*X2 + Wi3*X3 + ….+ Wik*Xk;
Trong đó:
Fi là ước lượng trị số của nhân tố i;
Wi là quyền số hay trọng số của nhân tố;
k là số biến.
Khi phân tích nhân tố, chúng ta cần xem xét các tham số thống kê của quá trình phân tích nhân tố bao gồm:
Kiểm định Bartlett’s Test of Sphericity là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu Sig của Bartlett’s Test of Sphericity < 5% chúng ta bác bỏ giả thuyết Ho: Các biến không có tương quan trong tổng thể (không có ý nghĩa trong phân tích nhân tố).
Correlation matrix cho biết các hệ số tương quan giữa tất cả các cặp biến trong
phân tích.
Communality là lượng biến thiên của một biến được giải thích chung với các biến khác được xem xét trong phân tích; đây cũng là phần biến được giải thích bởi các nhân tố chung.
Eigenvalue đại diện cho phần biến thiên được giải thích của các nhân tố; Eigeưnvalue > 1 là tiêu chuẩn để xác định số nhân tố được hình thành từ các dữ liệu thu thập được.
Factor loading là những hệ số tương quan đơn giữa các biến và nhân tố của nó;
Factor loading > 0,5 được sử dụng trong phép phân tích nhân tố để loại bỏ các biến không hợp lệ.
Factor matrix là ma trận chứa các hệ số factor loading
KMO là trị số cho biết mức độ thích hợp của các nhân tố trong phân tích; KMO
>= 0,5 là thích hợp với các nghiên cứu tiếp theo và ngược lại.