8. PHƯƠNG PHÁP NGHIÊN CỨU
8.4.2.Phân tích nhân tố
- Mục đích : thu nhỏ và tóm tắt dữ liệu.
- Kaiser – Meyer - Olkin (KMO): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố.Trị số KMO lớn (0.5-1) là đủ điều kiện để tiến hành phân tích nhân tố. Còn nhỏ hơn không 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
- Xây dựng ma trận tương quan: Quá trình phân tích nhân tố dựa trên sự tương quan giữa các biến này. Để có thể áp dụng phân tích nhân tố thì các biến phải có liên hệ với nhau nhưng đồng thời cũng phải có sự phân biệt để tránh hiện tượng đa cộng tuyến.
- Sử dụng Bartle s test để kiểm định giả thuyết Ho: các biến không có tương quan với nhau trong tổng thể. Nếu giả thuyết Ho không thể bị bác bỏ thì khả năng phân tích nhân tố là không thích hợp.
- Xoay các nhân tố: Trong quá trình phân tích có thể tạo ra các nhân tố khó có thể giải thích được một cách dể dàng vì mỗi nhân tố có tương quan với nhiều biến. Phép xoay nhân tố làm cho ma trận nhân tố trở nên đơn giản và dễ giải thích hơn.
- Diễn giải dữ liệu: để tìm hiểu các đặc tính tiêu biểu của tổng thể, hoặc mô tả sự giống nhau và khác nhau giữa các quan sát dùng:
+ Trị trung bình (mean) + Trung vị (median) + Yếu vị (mode)
+ Khoảng biến thiên (rank) + Độ lệch chuẩn( SD)
- Xác định 2 biến có liên quan với nhau một cách có hệ thống dùng hệ số tương quan hoặc bảng chéo(crosstab)
- Đánh giá sự khác biệt về trị trung bình tổng thể: + Dùng kiểm định T-test
+ Phân tích phương sai ANOVA.
- Kiểm định hồi quy đơn biến: Dùng để dự báo giá trị của một biến phụ thuộc dựa trên giá trị của ít nhất 1 biến độc lập
+ Giải thích ảnh hưởng của sự thay đổi 1 biến độc lập lên 1 biến phụ thuộc. + Biến phụ thuộc: biến ta mong muốn giải thích
+ Biến độc lập: biến được sử dụng để giải thích biến phụ thuộc + Mô hình hồi quy đơn biến có dạng: Yi = β0 + β1