Phân tích tần số (Frequency Analysis):
Đếm tần số để biết với tập dữ liệu đang có thì số đối tượng có các biểu hiện nào đó ở một thuộc tính cụ thể là bao nhiêu, nhiều hay ít. Gồm các giá trị: - Frequency: Tần số của từng biểu hiện, được tính bằng cách đếm và cộng dồn.
- Percent: Tần suất tính theo phần trăm bằng cách lấy tần số của mỗi biểu hiện chia cho tổng số quan sát.
- Valid Percent: Là phần trăm hợp lệ, tính trên số quan sát có thông tin trả lời.
- Cumulative Percent: Là phần trăm tích lũy do cộng dồn các phần trăm từ trên xuống, nó cho ta biết có bao nhiêu phần trăm đối tượng ta đang khảo sát đang ở mức độ nào đó trở lên.
Mô tả trị trung bình (tính trị trung bình):
Từ đó xác định các đại lượng giá trị: - Mean: Trung bình cộng
- Minimum: Giá trị nhỏ nhất
- Maximum: Giá trị lớn nhất
- Std Error mean: Là sai số chuẩn khi dùng giá trị trung bình mẫu để ướclượng giá trị trung bình của tổng thể
- Std Deviation: Độ lệch chuẩn cho biết mức độ phân tán của các giá trị
quanh giá trị trung bình.
Ý nghĩa của từng giá trị trung bình đối với thang đo khoảng (Interval Scale)
Giá trị khoảng cách = (Maximum – Minimum) / n <=> (5-1) / 5 = 0,8
Giá trị trung bình Ý nghĩa
1,00 – 1,80 Rất không đồng ý/Rất không hài lòng/Rất không quan trọng 1,81 – 2,60 Không đồng ý/Không hài lòng/Không quan trọng
2,61 – 3,40 Không ý kiến/Trung bình 3,41 – 4,20 Đồng ý/Hài lòng/Quan trọng
4,21 – 5,00 Rất đồng ý/Rất hài lòng/Rất quan trọng
2.2.3.4 Phương pháp phân tích nhân tố
Là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ
và tóm tắt các dữ liệu. Thu thập được một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng phải được giảm bớt xuống đến một số lượng mà chúng ta có thể sử dụng được. Phân tích nhân tố được sử dụng trong trường hợp người nghiên cứu cần nhận diện một tập hợp gồm một số lượng biến mới tương đối ít, không có tương quan với nhau để
thay thế tập hợp biến gốc có tương quan với nhau để thực hiện một phân tích
đa biến tiếp theo sau như hồi quy hay phân tích biệt số.
Nếu các biến được chuẩn hóa thì mô hình nhân tố được thể hiện bằng
phương trình:
Xi = Ai1F1 + Ai2F2 + ... + AimFm + ViUi
Trong đó:
Xi: biến thứi được chuẩn hóa
Aij: hệ số hồi quy bội chuẩn hóa của các nhân tố j đối với biến i F: các nhân tố chung
Vi: hệ số hồi quy chuẩn hóa của nhân tố đặc trưng i đối với biến i Ui: nhân tố đặc trưng của biến i
m : số nhân tố chung
Các nhân tố đặc trưng có tương quan với nhau và với các nhân tố chung. Bản thân các nhân tố chung cũng có thể được diễn tả như những kết hợp tuyến tính của các biến quan sát:
Fi = wi1 x1 + wi2 x2 + ... + wik xk
Trong đó:
Fi: ước lượng nhân tố thứ i
wi : trọng số hay hệ số điểm nhân tố
k : số biến
Phương pháp phân tích nhân tố khám phá được ứng dụng để xác định các biến đại diện (nhân tố chung).
Các giá trị cần đo lường:
1. Ma trận tương quan
2. Hệ số tải nhân tố (Factor loading)
3. KMO and Bartlett’s và P-value của KMO and Bartlett’s 4. Eigenvalue
Những nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích. Đại lượng Eigenvalue đại lượng cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc, vì sau khi chuẩn hóa mỗi biến gốc có phương sai là 1.
Các biến có hệ số truyền tải (Factor loading) nhỏ hơn 0,5 sẽ bị loại, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1.
5. Tổng phương sai trích/ tổng biến thiên được giải thích bởi các nhân tố
6. Trị số của các nhân tố hay còn gọi là trị số của các biến tổng hợp
7. Độ tin cậy của thang đo (Cronbach α)
Theo Hair & ctg (1998, 111), Multivariate Data Analysis, Prentice-Hall International, Inc, Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Factor loading >0,3 được xem là
đạt mức tối thiểu, Factor loading >0,4 được xem là quan trọng, >0,5 được xem là có ý nghĩa thực tiễn. Theo Hair & ctg (1998, 111): nếu chọn tiêu chuẩn factor loading >0,3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên chọn tiêu chuẩn factor loading >0,55, nếu cỡ mẫu của bạn khoảng 50 thì factor loading >0,75.
Theo Gerbing & Anderson (1988), “An Update Paradigm for Scale Development Incorporing Unidimensionality and Its Assessments”, Journal of Marketing Research, Vol.25, 186-192 cũng yêu cầu phương sai trích phải lớn
hơn hoặc bằng 50%.
KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5≤KMO≤1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả
thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig <0,05) thì các biến quan sát có
tương quan với nhau trong tổng thể (Trọng & Ngọc, 2008).