CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.6. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu vì trong nghiên cứu có thể thu thập được một lượng lớn các biến và đa phần chúng có liên hệ với nhau và nhiệm vụ của phân tích nhân tố là giảm bớt số lượng biến xuống để có thể dùng cho các kiểm định, phân tích tiếp theo mà ở đây là hồi quy bội. Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008) thì phân tích nhân tố là một kỹ thuật phụ thuộc lẫn nhau trong đó tồn bộ các mối liên hệ phụ thuộc lẫn nhau sẽ được nghiên cứu.
Phân tích nhân tố được thực hiện khi các biến có liên hệ với nhau. Nếu hệ số độ tương quan của các biến nhỏ thì khơng thể tiến hành phân tích nhân tố.
- Bartlett’s test được sử dụng để xem xét giả thuyết H0 là các biến khơng có tương quan trong tổng thể, có nghĩa là ma trận tương quan chỉ là ma trận đơn vị, trong
đó các giá trị nằm trên đường chéo đều bằng 1 còn các giá trị khác đều bằng 0, bằng cách sử dụng một xấp xỉ Chi-Bình phương (Chi-Square). Hutcheson và Sofroniou (1999) được trích dẫn bởi Trần Lê Nguyên Khánh (2012) đã xác định một giá trị Chi-Bình phương tối thiểu là 700 cho các thử nghiệm Bartlett và 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 tức là bác bỏ giả thuyết H0.
- Kaiser-Meyer-Olkin (KMO) là một chỉ số dùng để xem xét sự thích hợp của
phân tích nhân tố. Trị số KMO có giá trị từ 0.5 đến 1 là phù hợp để phân tích nhân tố (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008) và nếu trị số KMO < 0.5 thì phân tích nhân tố khơng phù hợp.
Để tóm tắt các thơng tin chứa đựng trong những biến gốc, cần rút ra một lượng các nhân tố ít hơn các biến. Có 5 phương pháp xác định số lượng nhân tố: (i) xác định từ
trước; (ii) dựa vào eigenvalue; (iii) biểu đồ dốc (scree plot); (iv) phần trăm biến thiên được giải thích và (v) chia đơi mẫu, kiểm định mức ý nghĩa. Tác giả sử dụng 2 phương pháp đơn giản là dựa vào eigenvalue và phần trăm phương sai được giải thích.
- Eigenvalue: đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Vì sau khi chuẩn hố, mỗi biến gốc có phương sai bằng 1 nên chỉ các nhân tố có giá trị eignenvalue > 1 mới được chấp nhận.
- Percentage of variance: phần trăm phương sai tồn bộ được giải thích bởi từng nhân tố. Có nghĩa là nếu xem biến thiên là 100% thì giá trị này cho biết bao nhiêu phần trăm được cô đọng và bao nhiêu phần trăm bị phân tán. Hầu hết các nghiên cứu trước đây đều xem giá trị này lớn hơn 50% là thoả mãn.
Một phần quan trọng bảng kết quả phân tích nhân tố là ma trận xoay nhân tố (component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hoá bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số này (factor loading) biểu diễn tương quan giữa các nhân tố và các biến và được sử dụng để giải thích các nhân tố. Theo Awakul và Ogunlana (2002) thì tiêu chuẩn để phân loại các biến đưa vào các nhân tố là một biến có giá trị tuyệt đối của trọng số nhân tố lớn hơn 0.5 và biến đó có giá trị lớn nhất thuộc nhân tố nào thì thuộc về nhân tố đó.
Thơng qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản vả dễ giải thích hơn và tuỳ vào mỗi phương pháp xoay mà kết quả sẽ nhận diện các nhân tố khác nhau. Hiện nay, có nhiều phương pháp xoay như:
- Orthogonal rotation: Xoay nhân tố trong đó vẫn giữ nguyên gốc ban đầu giữa các nhân tố.
- Varimax procecdure: Xoay nguyên góc các nhân tố để tối thiểu hố số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường giải thích các nhân tố. Đây là phương pháp được áp dụng nhiều hiện nay và cũng là phương pháp chọn của tác giả.
- Quartimax: Xoay nguyên góc các nhân tố để tối thiểu hoá các nhân tố có hệ số lớn tại cùng 1 biến vì vậy sẽ tăng cường giải thích các biến.
- Equamax: Xoay các nhân tố để đơn giản hố việc giải thích cả biến lẩn nhân tố. - Oblique: Xoay nhân tố mà khơng giữ ngun góc ban đầu giữa các nhân tố có nghĩa là có tương quan giữa các nhân tố với nhau.
Và cuối cùng là giải thích, đặt tên các nhân tố được thực hiện trên cơ sở nhận ra các biến có hệ số (factor loading) lớn ở cùng một nhân tố hay nói cách khác, nhân tố này được giải thích bởi các biến có hệ số cao đối với bản thân nó và tên của nhân tố giải thích được ý nghĩa các biến chứa trong nó.