Trong phân tích nhân tố khám phá (EFA), việc loại biến xấu là một bước “phẫu thuật” cần thiết để làm sạch mô hình. Tuy nhiên, thay vì áp dụng các quy trình gò bó, bạn cần một tư duy linh hoạt để đạt được kết quả tối ưu nhất. Tại manhhungdigi, chúng tôi luôn nhấn mạnh rằng EFA không có nghiệm duy nhất, mà là hành trình tìm kiếm kết quả hợp lý và dễ giải thích nhất.
1. Tư duy tổng quát: EFA là khám phá, không phải gò bó
Nhiều nhà nghiên cứu thường lúng túng khi kết quả không giống lý thuyết ban đầu. Chuyên gia Mạnh Hùng lưu ý một số điểm cốt lõi [00:02:38]:
BÁO GIÁ SIÊU TỐC TRONG 5-15 PHÚT
Nếu bạn cần dịch vụ hỗ trợ về dữ liệu, chỉ cần nhắn Zalo và cung cấp thông tin bài. Bạn sẽ nhận được báo giá chi tiết chỉ sau 5-15 phút.
* Lưu ý: Mọi báo giá trên website chỉ là tham khảo do tính chất các bài hoàn toàn khác nhau:
- Cùng các bước chạy nhưng 3 giả thuyết độ khó khác bài 10 giả thuyết.
- Sửa dữ liệu đã đạt 5/6 bước sẽ khác bộ chỉ mới đạt 3/6 bước.
- Cùng một mô hình nhưng trình tự và yêu cầu khác nhau tạo ra độ khó khác nhau.
NHẮN ZALO BÁO GIÁ NGAY: 086 978 6862
- Mục đích tối thượng là đưa ra kết quả logic và dễ giải thích [00:02:49].
- Kết quả có thể không phù hợp với lý thuyết đi trước nhưng vẫn chấp nhận được nếu bạn giải thích được sự khác biệt trong bối cảnh nghiên cứu mới [00:02:54].
- Hãy tận dụng tối đa các lựa chọn trong SPSS như phép trích, phép xoay và chỉ định số nhân tố để điều chỉnh kết quả [00:03:21].
2. Các quy tắc “vàng” khi loại biến xấu trong EFA
Dưới đây là các tiêu chí thực tế để bạn xem xét loại bỏ một biến quan sát tại Manh Hung Digi:
2.1. Hệ số tải (Factor Loading) quá thấp [00:08:03]
Căn cứ vào cỡ mẫu, bạn có thể chọn điểm cắt là 0.5 (phổ biến) hoặc 0.45. Những biến có giá trị tuyệt đối hệ số tải nhỏ hơn mức này thường không đạt tính hội tụ và cần được loại bỏ [00:08:11].
2.2. Biến bị nhảy nhóm và biến “cô đơn” [00:09:26]
- Biến nhảy nhóm: Biến thuộc nhân tố này nhưng lại có hệ số tải cao ở nhân tố khác [00:09:33]. Nếu một biến chơi với “người ngoài” mạnh hơn “anh em nhà mình”, hãy mạnh dạn loại bỏ.
- Biến cô đơn: Một mình một biến tạo thành một nhân tố riêng biệt [00:09:26]. Trường hợp này thường không đủ giá trị thống kê để đại diện cho một khái niệm.
2.3. Hệ số tải không phân biệt [00:19:54]
Đây là lỗi khi mức chênh lệch giữa hai hệ số tải lớn nhất không quá 0.3 (hoặc 0.2, 0.4 tùy tiêu chuẩn kinh nghiệm) [00:19:59]. Nếu bạn giữ lại những biến này, nó có thể gây ra hiện tượng đa cộng tuyến ở các bước hồi quy sau này [00:21:43].
3. Thủ thuật “lờ đi” để có kết quả đẹp [00:20:51]
Một kỹ thuật nhỏ trong SPSS là sử dụng Suppress small coefficients để ẩn đi các hệ số tải nhỏ (ví dụ < 0.5) [00:05:44]. Việc này giúp bảng kết quả trông sạch sẽ hơn và đôi khi giúp bạn "tảng lờ" được những lỗi nhỏ về tính phân biệt nếu chúng không quá nghiêm trọng [00:06:42]. Tuy nhiên, hãy cẩn trọng vì nó có thể làm tăng tương quan giữa các nhân tố [00:21:35].
4. Video hướng dẫn tư duy loại biến trong EFA
Để hiểu rõ hơn về cách áp dụng linh hoạt các quy tắc này mà không bị cứng nhắc, mời bạn xem video phân tích chuyên sâu từ manhhungdigi. Video sẽ giúp bạn định hình lại cách xử lý khi gặp những bộ dữ liệu “khó nhằn”.
Link xem video: Tư duy tổng quát: Quy tắc loại biến xấu trong EFA – Manh Hung Digi
5. Lưu ý sau khi loại biến
Sau mỗi lần loại biến ở EFA, bạn nên chạy lại phân tích độ tin cậy Cronbach’s Alpha để đảm bảo thang đo mới (với số biến ít hơn) vẫn đạt chuẩn [00:22:31]. Đặc biệt lưu ý nếu một nhân tố chỉ còn lại 2-3 biến, độ tin cậy có thể sẽ bị giảm sút [00:24:07].
6. Kết luận
Loại biến trong EFA là một nghệ thuật kết hợp giữa con số và lý thuyết. Đừng sợ việc loại biến, hãy sợ việc giữ lại những biến làm sai lệch bản chất của mô hình. Nếu bạn cần một cái nhìn khách quan hoặc sự hỗ trợ kỹ thuật để “cứu” bài luận của mình, hãy liên hệ với dịch vụ xử lý dữ liệu SPSS của manhhungdigi.com.
Hãy tiếp tục theo dõi các bài viết về Xử lý ma trận xoay lộn xộn để có thêm nhiều mẹo hữu ích khác nhé!
Biên tập bởi chuyên gia Mạnh Hùng – Manh Hung Digi.