Phân tích nhân tố khám phá EFA

CHƯƠNG 2: CƠ SỞ LÝ LUẬN

2.3. Các cơ sở lý thuyết về nghiên cứu

2.3.2. Phân tích nhân tố khám phá EFA

Phân tích nhân tố là tên gọi chung của một nhóm thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu, chúng ta có thể thu thập được một số lượng biến khá lớn và hầu hết các biến này có quan hệ với nhau. Phương pháp phân tích nhân tố được sử dụng trong các trường hợp như nhận diện các khía cạnh có liên hệ tương quan trong một khái niệm (nhân tố). Ngoài ra phương pháp này còn dùng để nhận ra một tập hợp gồm các khía cạnh nổi trội nhất của một khai niệm hoặc nhận định.

Mỗi biến quan sát sẽ được tính một tỷ số gọi là hệ số tải nhân tố (Factor Loading),

hệ số này cho biết mỗi biến đo lường sẽ thuộc về nhân tố nào.

Hệ số tải nhân tố (Factor Loading) là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA >= 0.5.

 Chú ý: Các biến có trọng số không rõ cho một nhân tố nào thì cũng bị loại, ví dụ như có trọng số ở nhân tố 1 là 0.7 nhưng cũng có trọng số cho nhân tố 2 là 0.6 cũng sẽ bị loại).

 Factor Loading > 0.3 đạt mức tối thiểu

 Factor Loading > 0.4 xem là quan trọng

 Factor Loading > 0.5 xem là có ý nghĩa thực tiễn

 Factor Loading >= 0.3 cỡ mẫu ít nhất 350

 Factor Loading >= 0.55 cỡ mẫu khoảng 100  350

 Factor Loading >= 0.75 cỡ mẫu khoảng 50  100

Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice-Hall International.

Total Varicance Explained (tổng phương sai trích) phải đạt giá trị từ 50% trở lên.

Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) > 1 thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.

Giả sử phương sai trích = 66.793. người ta nói phương sai trích bằng 66,793%. Con số này cho biết các nhân tố giải thích được 66.793% biến thiên của các biến quan sát (hay của dữ liệu).

2.3.3. Kiểm định thang đo Cronbach’s Alpha

Phân tích hệ số tin cậy Cronbach’s Alpha nhằm xác định mức độ tương quan giữa các thang đo, loại những biến quan sát không đạt yêu cầu.

Hệ số Cronbach’s Alpha kiểm định độ tin cậy của thang đo, cho phép loại bỏ những biến không phù hợp trong mô hình nghiên cứu.

Tiêu chuẩn chấp nhận các biến:

 Những biến có hệ số tương quan biến tổng phù hợp (Corrected Item - Total Correlation) từ 0.3 trở lên.

 Các hệ số Cronbach’s Alpha của các biến phải từ 0.7 trở lên.

Thỏa 2 điều kiện trên thì các biến phân tích được xem là chấp nhận và thích hợp đưa vào phân tích những bước tiếp theo (Nunnally và BernStein, 1994).

2.3.4. Ma trận tương quan

Phân tích tương quan hồi quy nhằm kiểm định sự phù hợp của mô hình nghiên cứu, kiểm định các giả thuyết để xác định rõ mức độ ảnh hưởng của từng yếu tố tác động đến giá trị văn hộ chung cư.

Người ta sử dụng một số thống kê có tên là hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng.

Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc (Giá trị thị trường của căn hộ chung cư) và các biến độc lập (giá dịch vụ, vị trí, môi trường, an ninh và kết cấu).

Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập. Bằng cách

vẽ ra một đường “trung bình” mà khoảng cách bình phương từ các quan sát đến đường đó

là bé nhất (OLS).

Phương pháp phân tích được chọn lựa là phương pháp chọn từng bước Stepwise, đây là phương pháp được sử dụng rộng rãi nhất.

Phương pháp được sử dụng là Stepwise. Phương pháp chọn biến độc lập từng bước thực ra là phương pháp kết hợp giữa đưa dần vào (forward selection) và loại trừ dần ra (backward elimination) và có lẽ nó là phương pháp được sử dụng thông thường nhất. Biến

thứ nhất được lựa chọn theo cách giống như chọn dần từng bước. Nếu như biến này không thỏa điều kiện vào (FIN hoặc PIN) thì thủ tục này sẽ chấm dứt và không có biến độc lập nào trong phương trình. Nếu nó thỏa tiêu chuẩn, thì biến thứ hai được đưa chọn căn cứ vào tương quan riêng cao nhất. Nếu biến thứ hai thỏa tiêu chuẩn vào nó cũng sẽ đi vào phương trình.

Sau khi biến thứ nhất được đưa vào, thủ tục chọn từng bước (Stepwise selection) khác với đưa dần vào (forward selection) ở chỗ: biến thứ nhất được xem xét xem có nên loại bỏ nó ra khỏi phương trình căn cứ vào tiêu chuẩn (FOUT hoặc POUT) giống như thủ tục loại dần ra (backward elimination). Trong bước kế tiếp, các biến kế tiếp không ở trong phương trình hồi quy lại được xem xét để đưa vào. Sau mỗi bước, các biến được xem xét

để loại trừ ra. Các biến được loại trừ ra cho đến khi không còn biến nào thỏa điều kiện nữa.

Để ngăn chặn hiện tượng một biến bị đưa vào và loại ra lặp đi lặp lại. PIN phải nhỏ hơn POUT (FIN phải lớn hơn FOUT). Thủ tục chọn biến này sẽ chấm dứt khi không còn biến nào thỏa tiêu chuẩn vào và ra nữa.

2.3.5. T-test và ANOVA

Khi sử dụng kiểm định t đối với hai mẫu độc lập, trường hợp biến phân loại có 3 nhóm, chúng ta có thể thực hiện 3 cặp so sánh (1-2, 1-3, 2-3). Nếu biến phân lọai có 4 nhóm, chúng ta có thể phải thực hiện 6 cặp so sánh (1-2, 1-3, 1-4, 2-3, 2-4, 3-4). Trong những trường hợp như vậy, chúng ta có thể sử dụng phân tích phương sai (Analysis of Variance - ANOVA).

Dựa vào mức ý nghĩa (Sig) để kết luận:

 Nếu sig < 0.05: có sự khác biệt có ý nghĩa thống kê.

 Nếu sig >= 0.05: chưa có sự khác biệt có ý nghĩa thống kê.