Yêu cầu cơ bản (các giả định) của phân tích các thành phần chính PCA (EFA nói chung)

Cập nhật: 12/09/2023 bởi admin0

4 giả định mà chúng tôi sẽ đề cập trong bài viết này đó là

Giả định số 1: Các biến là biến liên tục

Giả định số 2: Quan hệ tuyến tính giữa các biến

Giả định số 3: Không có giá trị ngoại lai (dị biệt)

Giả định số 4: Cỡ mẫu đủ lớn

Giả định số 1: Các biến là biến liên tục

Các biến được đo lường ở mức liên tục. Ví dụ cân nặng (kg), điểm thi (0-10),…

Thông thường thì chúng ta hay gặp 1 thang đo thứ tự (Likert là hay gặp nhất, ví dụ như  thang điểm 5 từ “rất không đồng ý” đến “rất đồng ý”).

Giả định này chỉ liên quan đến việc chúng ta chọn cách thu thập dữ liệu để phân tích hoặc đánh giá xem dữ liệu có thích hợp với phân tích này hay không.

Giả định số 2: Quan hệ tuyến tính giữa các biến

Cần có một mối quan hệ tuyến tính giữa tất cả các biến . Lý do cho giả định này là phân tích các thành phần chính dựa trên hệ số tương quan Pearson và do đó, cần phải có mối quan hệ tuyến tính giữa các biến.

Bạn có thể nghĩ là chạy 1 ma trận tương quan Pearson để kiểm tra. Nhưng điều này không cần thiết bởi trên thực tế không  bao giở các biến quan sat hoàn toàn độc lập cả. Nếu muốn hiện ma trận tương quan thì cũng có 1 lựa chọn ngay ở phần phân tích EFA cho các bạn.

Theo quan điểm của mình giả định này có thể nêu ở mức ít chặt chẽ hơn đó là “Mỗi biến quan sát cần tồn tại quan hệ tuyến tính với ít nhất 1 biến khác”- Nó không cần có quan hệ tuyến tính với tất cả các biến. Điều này có thể được kiểm tra bằng kiểm định Bartlett: Ngoài ra nếu bạn đã phân tích Cronbach alpha trước đó thì các biến trong 1 thang đo hợp lệ đều đã có tương quan với nhau rồi.

Series Navigation

<< Các tiêu chuẩn phân tích nhân tố khám phá EFA trong luận văn ở Việt NamPhương pháp phân tích thành phần chính >>

Trang: 1 2