2.2.2.1 Khải niệm
- Khái nệm EFA : Exploratory Factor Analysis - EFA là phương pháp p1úp đỏnh giỏ hai loại ứ1ỏ trị quan trọng trone thang đo, là giỏ trị hội tụ và ứ1õ trị phân biệt.
- Khái niệm phân tích EFA: Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mỗi tương quan giữa các biến với nhau (interrelationships).
- Khái niệm phân tích nhân tổ khám phá EFA:
+ Là một phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân td) dé chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban dau (Hair et al. 2009). Nó hướng đến việc khám phá ra cấu trúc cơ bản của một tập hợp các biến có liên quan với nhau.
+ Phân tích nhân tố khám phá EFA dùng để rút gọn một tập hợp k biến quan sát thành một tập F (với F < k) các nhân tố có ý nghĩa hơn. Trong nghiên cứu, chúng ta thường thu thập được một số lượng biên khá lớn va rât nhiêu các biên quan sát 12
trong đó có liên hệ tương quan với nhau. Thay vì đi nghiên cứu 20 đặc điểm nhỏ của một đối tượng, chúng ta có thê chỉ nghiên cứu 4 đặc điểm lớn, trong mỗi đặc điểm lớn này gồm 5 đặc điểm nhỏ có sự tương quan với nhau. Điều này giúp tiết kiệm thời gian và kinh phí nhiều hơn cho người nghiên cứu.
2.2.2.2 Các tiêu chí trong phân tích EFA
¢ Kiém dinh KMO
Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 < KMO < 1)
là điều kiện đủ để phân tích nhân tổ là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân
tích nhân tô có khả năng không thích hợp với tập đữ liệu nghiên cứu.
- KMO >= 0.90: Rất tốt;
- 0.80 <= KMO < 0.90: Tốt;
- 0.70 <= KMO <0. 80: Được;
- 0.60 <= KMO < 0.70: Tạm được;
- 0.50 <= KMO < 0.60: Xấu;
- KMO < 0.50: Không chấp nhận được
e Kiém dinh Bartlett (Bartlett’s test of sphericity)
Kiểm định Bartlett dùng để xem xét các biến quan sát trong nhân tô có tương quan với nhau hay không. Lưu ý, điều kiện cần dé áp dụng phân tích nhân tổ là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mỗi tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiếm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tô cho các biến đang xem xét. Kiếm định Bartlett có ý nghĩa thống kê (sip Bartlett's Test < 0.05), chứng tỏ các biến quan sát có tương quan voi nhau trong nhân tố.
® Trị số Eigenvalue
Tri s6 Eigenvalue 1a mét tiêu chí sử dụng phố biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue >
1 mới được giữ lại trone mô hình phân tích.
©_ Tổng phương sai trích (Total Variance Explained)
13
Tổng phương sai trich > 50% cho thay mô hình EEA lả phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % va bị thất thoát bao nhiêu % của các biến quan sát.
¢ Hệ số tải nhân tổ (Factor Loading)
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tô. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Theo Harr và cộng sự (2010), Multivariate Data Analysis hé số tải từ 0.5 là biến quan sát đạt chất lượng tốt, tôi thiêu nên là 0.3.
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 tô 1 là 0.7 nhưng cũng có trọng số cho nhân tổ 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.
2.2.3 Danh gia dO tin cay cua thang do 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.
- Nehiên cứu thực hiện đánh gia thang đo dựa theo tiêu chí:
+ Những biến có hệ số tương quan biến tông phủ hợp (Correted Item - Total Correlation) từ 0.3 trở lên.
+ Các hệ số Cronbachˆs Alpha của các biến phải từ 0.7 trở lên.
2.2.4 Ma trận tương quan
- Tương quan được định nghĩa là thống kê mô tả mối quan hệ giữa hai biến số.
Tương quan: Phân tích tương quan tìm hiểu mỗi quan hệ giữa hai biến số định 14
lượng. Hệ số tương quan dao động từ -1 đến 1, với 0 không có tương quan, giá trị đương cho biết mối quan hệ đồng biến, và giá trị âm cho biết mối quan hệ
nghịch biến.
- Phân loại và Tính toán Tương quan: Sử dụng hệ số tương quan Pearson cho biến có phân phối chuẩn và Spearman cho biến phân phối không chuẩn. Báo cáo tương quan bao gồm chiều, độ mạnh và mức ý nghĩa thống kê.
- Mục đích của tương quan là tìm ra một con số biểu thị mối quan hé gitra hai bién A và B với nhau và tương quan phản ánh mức độ mạnh trong sự liên kết giữa biến A với biến B, nếu A thay đôi kéo theo sự thay đối của B và ngược lại.
- Phân tích tương quan nhằm kiếm 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 ý định học ngoại neữ của sinh viên trone khu vực TPHCM.
2.2.5 Phân tích hồi quy
- Phân tích tương quan hồi quy nhằm kiêm 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 ý định học ngoại ngữ của sinh viên trong khu vực
TPHCM.
- Phân tích hồi quy là một phương pháp thống kê được sử dụng để nghiên cứu mối quan hệ s1ữa một biến phụ thuộc (biến mục tiêu) và một hoặc nhiều biến độc lập (biến dự đoán). Mục tiêu chính của phân tích hồi quy là dự đoán hoặc mô tả biến phụ thuộc dựa trên các biến độc lập.
- Trong phân tích hồi quy, biến phụ thuộc là biến chúng ta muốn dự đoán hoặc hiểu rõ hơn. Các biến độc lập (còn gọi là biến dự đoán) là những yếu tố mà chúng ta cho là có ảnh hưởng đến biến phụ thuộc. Phân tích hồi quy thường được thực hiện bằng cách xác định một mô hình hồi quy để mô tả mỗi quan hé gitra cac bién.
Ví dụ về phân tích hồi quy: Bạn “Dự định mua điện thoại IPhone”. Thì “dự định
mua điện thoại IPhone” là biến phụ thuộc. Các yếu tố độc lập gồm: chuẩn chủ quan, nhận thức kiểm soát hành vi, chất lượng cảm nhận, giá trị cảm nhận, hiểu biết về sản pham, nhan biét thuong hiéu.
15
- 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 mỗi quan hệ giữa biến phụ thuộc (ý định học ngoại ngữ) và các biến độc lập (Nhận thức nhụ cầu, Nhận thức hữu ích , cơ sở vật chất ảnh hưởng đến ý định học, Quyết định học ngoại ngữ).
- Mô hình phân tích quy hồi sẽ mô tả hình thức của mối liên hệ và qua đó sIiúp dự đoán được mức độ của biến phụ thuộc khi biết trước gia tri cua bién độ 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).
- Với tông thé, sai số (error) ký hiệu là e, còn trone mẫu nghiên cứu sai số lúc này được gọi là phần dư (residual) và được ký hiệu là e. Biến thiên phần dư được tính bằng tổng bình phương tất cả các phần dư cộng lại.
- Nguyên tắc của phương pháp hồi quy OLS là làm cho biến thiên phần dư này trong phép hồi quy là nhỏ nhất. Khi biểu diễn trên mặt phẳng Oxy, đường hồi quy OLS là một đường thắng đi qua đám đông các điểm dữ liệu mà ở đó, khoảng cách từ các điểm dữ liệu (trị tuyệt đối của é) dén đường hồi quy là ngắn nhất.
- Phương pháp phân tích được lựa chọn 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 giỗng như chọn từng bước. Nếu như biến này không thỏa mãn điều kiện vào ( FIN hoặc PIN ) thì thủ tục này sẽ chấm đứt và không có biến độc lập nảo trong phương trình. Nếu nó thỏa tiêu chuẩn, thì biến thứ hai được đưa chọn căn cứ vào tương quan riêng cao nhất.
- Sau khi biến thứ nhất được đưa vảo, thủ tục chọn từng bước ( Stepwlise selection ) khác đưa vào ( Forward selection ) ở chỗ : biến thứ nhất được xem xét xem có nên loại bỏ nó ra khỏi phương trình căn cử vảo tiêu chuân 16
( FOUT hoặc POUT) giống như thủ tục loại dần ra ( Backward elimination ).
Trong bước kế tiếp, các biến kế tiếp không ở trong các 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.
17