Phân tích EFA trong bài có phân tích CFA và SEM

This entry is part 14 of 27 in the series Phân tích nhân tố (Factor Analysis)

Cập nhật: 03/11/2021 bởi admin0

Với các bài đã qua chúng ta sử dụng phép trích Principal Component (PCA) và phép xoay Varimax thì sau đây chúng ta sẽ dùng phép trích Pricipal Axis Factoring (PAF) và phép xoay Promax.

Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)

So sánh PCA và PAF

PCA như đã nói rất ký trong 1 bài viết, đay là phép trích trên hệ trục chính đôi một trực giao. Do vậy nó phản ánh được tối đa sự biến thiên dữ liệu (với 1 sô lượng trục cho trước) và giữa các thành phần hoàn toàn độc lập với nhau (do các trục chính vuông góc nên các hiệp phương sai đều bằng 0)

Nhưng nó lại có điểm không hay

Giả sử data được trích lại trên 2 trục vuông góc với nhau và chiếu lên mặt phảng tạo bở 2 trục đó ta được các chấm xanh. Xem phép trích PCA thì hệ trục này phản ánh phương sai dữ liệu gốc tốt nhát nhưng bạn có thấy trục màu xanh lại không phản ánh tốt nhất xu hướng thứ 2 (nhân tố thứ 2), vì mục đích của nó là triệt tiêu mối quan hệ giữ 2 xu hướng này

Nếu dùng trục thứ 2 là trục cam như hình thì trõ ràng 2 trục này đang phản ánh tốt nhất 2 xu hướng của dữ liệu, giữ được mối quan hệ tương quan giữ chúng (cos góc xen giữa khác 0 vì góc này không còn vuông nữa). Vậy phép trích này phản ảnh tốt nhất mối quan hệ giữa các biến cấu trúc tiềm ẩn. Đây chính là phép trích PAF. Và do các hệ trục không còn trục giao nữa nên phương sai phản ánh sẽ nhỏ hơn PCA.

So sánh phép xoay Varimax và phép xoay Oblimin/ Promax

Giả sử bạn đã dựng được 1 hệ trục để trích. Varimax xoay mà không thay đổi góc của các trục (các trục này không nhất thiết vuông góc) rõ ràng là rất cứng nhắc. Oblimin/ Promax lại là 1 trong các phép xoay “mềm mại hơn” cho phép thay đổi góc ban đầu. Thế nên mượn luôn 2 hình minh họa bên trên để thấy rằng với các cấu trúc chưa rõ mối quan hệ với nhau thì xoay Promax hay hơn Varimax. Nếu không đúng

Như vậy kết hợp PAF và Promax khi này tốt hơn sự cứng nhắc của PCA và Varimax.

Đó là về mặt lý thuyết. Còn đa số các bài các bạn gặp thì sẽ thấy các biến quan sat hộ tụ về các trục chính là như nhau. Chỉ có góc giữ các trục là thay đổi (nếu bạn tính biến đại diện hoặc xem ma trận tương quan giữa các trục thì mới thấy điều này.

Thủ tục trên SPSS

Như phân tích EFA thông thường. Tuy nhiên …

Tại mục chọn phép trích Extraction ta chon Principal Axis Factoring.

Tại mục chọn phép xoay chọn Promax

Duàng phép xoay Oblimin/ Promax thay vì thu được Rotated matrix thì ta sẽ thu được Patter Matrix để kiểm tả sự hội tụ các biến quan sát thành phần theo các nhân tố.

 

Series Navigation<< Tính biến đại diện sau khi phân tích EFA (Hướng dẫn tính biến đại diện trên SPSS)Phân tích Cronbach’s Alpha trước hay EFA trước? >>