- Giới thiệu loạt bài phân tích nhân tố khám phá EFA trên SPSS
- Dữ liệu thực hành
- Thang đo đa hướng trong nghiên cứu
- Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
- Phân tích thành phần chính (PCA) và phân tích nhân tố khám phá (EFA)
- Phép trích (chiết xuất)- Extraction
- Phép xoay- Rotation
- Các tiêu chuẩn phân tích nhân tố khám phá EFA trong luận văn ở Việt Nam
- Yêu cầu cơ bản (các giả định) của phân tích các thành phần chính PCA (EFA nói chung)
- Phương pháp phân tích thành phần chính
- Phân tích thành phần chính trên SPSS: Thao tác thực hành
- Đọc kết quả phân tích PCA từ output của phần mềm SPSS
- Các tiêu chí lựa chọn số nhân tố được trích xuất -phần 1
- Các tiêu chí lựa chọn số nhân tố được trích xuất -phần 2
- Một số thủ thuật khi phân tích EFA trên SPPS: Kỹ thuật 1: Chỉ định số nhân tố được trích
- Kỹ thuật 2: Ẩn đi các hệ số tải quá nhỏ
- Kỹ thuật 3: Sắp xếp các nhân tố theo thứ tự giảm dần của eigenvalue
- Ứng dụng phân tích EFA trong luận văn và nghiên cứu khoa học
- Ví dụ về một số trường hợp loại biến quan sát khi chạy EFA
- Một số lỗi hay gặp khi phân tích EFA và cách xử lý
- Tính biến đại diện sau khi phân tích EFA (Hướng dẫn tính biến đại diện trên SPSS)
- Phân tích EFA trong bài có phân tích CFA và SEM
- Phân tích Cronbach’s Alpha trước hay EFA trước?
- Đánh giá độ tin cậy, tính hội tụ và phân biệt của các thang đo
- Có thể bạn ngộ nhận?
- Tổng kết về phân tích EFA
- Một số bài toán ví dụ sử dụng phân tích EFA
- Việt hoá các thuật ngữ trong phân tích EFA
- Trình bày bảng kết quả phân tích EFA trong bài
- Viết kết quả phân tích EFA cho bài chạy riêng biến độc lập và phụ thuộc
- Viết kết quả phân tích EFA cho bài chạy chung các biến 1 lần
- Đọc thêm: Chỉ số KMO (Kaiser – Meyer – Olkin Test)
- Đọc thêm: Chạy EFA chung hay riêng
- Văn mẫu: Lý thuyết phân tích EFA
- Văn mẫu: Trình bày kết quả EFA trong luận văn
Các bạn thường thấy các đánh giá này trong phân tích CFA hay trong SEM. Tuy nhiên có thể các bạn không biết rằng các thủ tục vẫn chạy với mục đích hiệu chỉnh để thang đo đạt được các tính chất trên. Đây chính là việc đánh giá chất lượng của một thang đo (mô hình đo lường kết quả) hoặc hiểu chỉnh để được mô hình tốt, tức là các tính chất: Độ tin cậy, Hội tụ và phân biệt. Tất nhiên khi đưa lên AMOS hay Smart PLS thì chúng đã được tích hợp để tính ra 1 số chỉ số nhanh chóng giúp ta đánh giá, tuy nhiên chưa cần dùng đến chúng ta vấn có khả năng đánh giá được phần nào các tính chất ấy
còn nữa ...