UA-162949268-1

Nhân tố khám phá, Nhan to kham pha

Phân tích nhân tố khám phá, Đọc kết quả EFA, Hướng dẫn phân tích EFA, Thực hành phân tích EFA

Dịch vụ khảo sát dữ liệu theo yêu cầu, Dich vu khao sat du lieu theo yeu cau, dịch vụ phân tích dữ liệu khảo sát, Dịch vu phan tich du lieu khao sat, hướng dẫn xây dựng bảng câu hỏi khảo sát, huong dan xay dung bang cai hoi khao sat, Hướng dẫn nghiên cứu

Ðịa chỉ64/7 đường số 4, Phường Hiệp Bình Phước, Quận Thủ Đức, TP. Hồ Chí Minh, - VP. Lầu 1 số nhà 158, đường số 8, Phường 11, Quận Gò Vấp, TP. HCM
Email dichvudulieutoancau@gmail.com
images images images images
0916693859
Menu

Dịch vụ

HƯỚNG DẪN PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)

Phân tích nhân tố khám phá là gì? tại sao phải phân tích nhân tố khám phá, hướng dân phân tích và cách đọc kết quả, Đó là một trong những vấn đề mà người phân tích cần phải nắm rõ khi nghiên cứu cũng như phân tích đánh giá dữ liệu khảo sát.

Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.
   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 mối tương quan giữa các biến với nhau (interrelationships). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
• Factor loading > 0.3 được xem là đạt mức tối thiểu
• Factor loading > 0.4 được xem là quan trọng
• Factor loading > 0.5 được xem là có ý nghĩa thực tiễn 


Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu:

  1. Hệ số tải nhân tố (Factor loading ) > 0.5
  2. 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.
  3. Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
  4. Phần trăm phương sai trích (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.

     Hướng dẫn thực hành trên SPSS 

Để thực hiện phân tích chúng ta thực hiện theo các bước sau:

  1. Vào chọn menu : Analyze-> Data Reduction ->Factor.

FA1

​​ 2Nhấn vào Descriptives, chọn KMO and Bartlett's test of sphericity

FA2

3. Tiếp tực thực hiện các tùy chọn như trong hình 

FA3

4. Sau đó nhấn OK, kết quả sẽ hiển thị khá dài, trong đó có bảng Rotated Component Matrix như sau:

FA KQ

Liên hệ giải đáp thắc mắc hoặc dịch vụ xử lý dữ liệu, hỗ trợ nhiên cứu tại đây 

Liên hệ tư vấn và giải đáp: 0916693859 - Facebook: @Dichvudulieutoancau

Bài viết liên quan

backtop
Gửi thư hỗ trợ
Hotline:0916693859
Chỉ đường icon zalo Zalo:0916693859 SMS:0916693859
Chat Facebook Với Chúng Tôi