UA-162949268-1
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
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:
Hướng dẫn thực hành trên SPSS
Để thực hiện phân tích chúng ta thực hiện theo các bước sau:
2. Nhấn vào Descriptives, chọn KMO and Bartlett's test of sphericity
3. Tiếp tực thực hiện các tùy chọn như trong hình
4. Sau đó nhấn OK, kết quả sẽ hiển thị khá dài, trong đó có bảng Rotated Component Matrix như sau:
Liên hệ tư vấn và giải đáp: 0916693859 - Facebook: @Dichvudulieutoancau
Phân tích phương sai (ANOVA) là một công cụ phân tích được sử dụng trong thống kê phân tách biến thiên quan sát tổng hợp được tìm thấy bên trong một tập dữ liệu chia thành hai phần: các yếu tố hệ thống và các yếu tố ngẫu nhiên.
Kiểm định Cronbach’s Alpha là kiểm định nhằm phân tích, đánh giá độ tin cậy của thang đo. Hệ số tương quan biến tổng là hệ số cho biến mức độ “liên kết” giữa một biến quan sát trong nhân tố với các biến còn lại.
Cung cấp bộ dữ liệu khảo sát về sự hài lòng của khách hàng đối với dịch vụ (ABC) của công ty X. Bộ dữ liệu bao gồm phiếu khảo sát và dữ liệu đã khảo sát được nhâp bằng files EXCEL.