Admin| 12/10/2017

Giới thiệu phương pháp Phân tích nhân tố khám phá (EFA)

Nguồn tham khảo: Chương trình Giảng dạy Kinh tế Fulbright

Tác giả: luanhay.vn

Từ khóa: hồi quy, kiểm định, eview, stata, spss, luận văn, luận hay, bảng hỏi, mô hình
 
Khái niệm: Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998)

Như vậy, có thể hiểu phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu, ta có thể thu thập được một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng phải được giảm bớt xuống đến một số lượng mà chúng ta có thể sử dụng được. Các biến quan sát đưa vào EFA sẽ được rút gọn thành một số nhân tố. Mỗi nhân tố gồm có một số biến quan sát thỏa mãn các điều kiện thống kê.

Người phân tích sẽ xem các biến quan sát trong mỗi nhân tố là những biến nào, có ý nghĩa là gì, và cũng cần dựa trên lý thuyết … từ đó đặt tên cho nhân tố. Tên này cần đại diện được cho các biến quan sát của nhân tố. EFA thường được sử dụng nhiều trong các lĩnh vực quản trị, kinh tế, tâm lý, xã hội học, . . ., khi đã có được mô hình khái niệm (Conceptual Framework) từ các lý thuyết hay các nghiên cứu trước. Trong các nghiên cứu về kinh tế, người ta thường sử dụng thang đo scale) chỉ mục bao gồm rất nhiều câu hỏi (biến đo lường) nhằm đo lường các khái niệm trong mô hình khái niệm, và EFA sẽ góp phần rút gọn một tập gồm rất nhiều biến đo lường thành một số nhân tố. Khi có được một số ít các nhân tố, nếu chúng ta sử dụng các nhân tố này với tư cách là các biến độc lập trong hàm hồi quy bội thì khi đó, mô hình sẽ giảm khả năng vi phạm hiện tượng đa cộng tuyến. Ngoài ra, các nhân tố được rút ra sau khi thực hiện EFA sẽ có thể được thực hiện trong phân tích hồi quy đa biến (Multivariate Regression Analysis)
 
Trong EFA, mỗi biến đo lường được biễu diễn như là một tổ hợp tuyến tính của các nhân tố cơ bản, còn lượng biến thiên của mỗi biến đo lường được giải thích bởi những nhân tố chun g(common factor). Biến thiên chung của các biến đo lường được mô tả bằng một số ít các nhân tố chung cộng với một số nhân tố đặc trưng (unique factor) cho mỗi biến. Nếu các biến đo lường được chuẩn hóa thì mô hình nhân tố được thể hiện bằng phương trình: Xi = Ai1 * F1 + Ai2 * F2 + Ai3 * F3 + . . .+ Aim * Fm + Vi*Ui
Trong đó,
Xi : biến đo lường thứ i đã được chuẩn hóa
      Aij: hệ số hồi qui bội đã được chuẩn hóa của nhân tố j đối với biến i
F1, F2, . . ., Fm: các nhân tố chung
Vi: hệ số hồi qui chuẩn hóa của nhân tố đặc trưng i đối với biến i
      Ui: nhân tố đặc trưng của biến i
Các nhân tố đặc trưng có tương quan với nhau và tương quan với các nhân tố chung; mà bản thân các nhân tố chung cũng có thể được diễn tả như những tổ hợp tuyến tính của các biến đo lường, điều này được thể hiện thông qua mô hình sau đây:
Fi = Wi1*X1 + Wi2*X2 + Wi3*X3 + . . . + Wik*Xk
Trong đó,
 Fi: ước lượng trị số của nhân tố i
      Wi: quyền số hay trọng số nhân tố(weight or factor scores coefficient)
k: số biến
Một tiêu chuẩn quan trọng trong EFA là

• Factor loading phải lớn hơn hoặc bằng 0.5
• Tổng phương sai trích phải lớn hơn 60%
• KMO phải lớn hơn 0.5
• Trong quá trình EFA cần thực hiện phép xoay nhân tố (Varimax hoặc Proximax)

Xem thêm lý thuyết về: Hướng dẫn hồi quy FEM/REM với Stata, Mô hình hồi quy tuyến tính, FEM và REM,  phân tích Tương quan và Đa cộng tuyến; phương sai sai số thay đổi ; tự tương quan, Hausman test; kiểm định phi tham số, VAR, MDS; EFA, VECM, CFA, SEM, PMG. Xem thêm một số bài nghiên cứu ứng dụng lý thuyết   Tra cứu giá trị thống kê qua bảng tính sẵn giá trị,  hồi quy,  kiểm định, eview, stata, spss
 
Để có thêm thông tin chi tiết liên hệ:Mr.Quân – Luanhay.vn  - 0127 800 1762/  097 9696 222 – hoặc email: luanhay@luanhay.com – luanvanhay@gmail.com  – Add: Tầng 8, tòa nhà Sáng tạo, số 1 Lương Yên, Hai Bà Trưng, Hà Nội