Một số thủ thuật khi phân tích EFA trên SPPS: Kỹ thuật 1: Chỉ định số nhân tố được trích

Cập nhật: 23/11/2022 bởi admin0

Các kỹ thuật này không chỉ dành riêng cho PCA mà nói chung cho các phân tích EFA trên SPSS. Sau khi đọc xong bài viết này các bạn chắc chắn sẽ có kỹ năng phân tích EFA tốt hơn, cũng sẽ loại bỏ đi 1 số thao tác và chỉ định cứng nhắc khi đọc các tài liệu và thực hành máy móc.

Kỹ thuật 1: Chỉ định số nhân tố được trích

Thông thường, trong khi chọn phép trích thì có 1 thông số chúng ta hay để mặc định đó là trích xuất data dựa trên tiêu chuẩn eigenvalue >1. Tuy nhiên đây không phải lựa chọn duy nhất

Bạn có thể cố định luôn số nhân tố muỗn trích ra bằng cách đánh con số đó vào đây

Vậy có thể áp dụng kỹ thuật này khi nào

Với số nhân tố xác định trước

+ Bạn có thể áp dụng khi đã xác định trước số nhân tố cần trích. Ví dụ 1 mô hình 5 nhân tố ảnh hưởng đến sự hài lòng chẳng hạn thì có thể chỉ định luôn con số 5 ở đây

+ Nếu phần mềm bỏ lại 1 số trục không cần trích (đáng lẽ trích được 7 theo eigenvalue thì giờ chỉ trích ra 5) thì tiêu chuẩn này vẫn không vi phạm. Eigenvalue của các nhân tố vẫn đều lớn hơn 1. Lúc này có thể xem xét về tổng phương sai phản ánh xem “đã đủ dùng” hay chưa

+ Nếu eiganvalue được trích mà <1 thì ở mức độ nào đo vấn có thể chấp nhận được, tùy vào hoàn cảnh. Có thể xem lại bài viết trước https://vaxidi.com/cac-tieu-chi-lua-chon-so-nhan-to-duoc-trich-xuat

Khi dùng tiêu chí trích tất cả các nhận tố có eigenvalue >1 được 1 ma trận xoay “lung tung”

Lúc này ta chỉ định số nhân tố được trích khác đi để xem có hệ trục nào phản ánh dữ liệu tốt hơn hệ trục hiện tại hay không. Từ đó có thể xem xét lại khung lý thuyết hoặc có hướng điều chỉnh cho phù hợp

Kỹ thuật  tiếp theo được đề cập tại đây: https://vaxidi.com/an-di-he-so-tai-qua-nho

Series Navigation

<< Các tiêu chí lựa chọn số nhân tố được trích xuất -phần 2Kỹ thuật 2: Ẩn đi các hệ số tải quá nhỏ >>