SO SÁNH EFA VÀ CFA

1.Phân tích nhân tố khám phá (EFA)

1.1.Mục tiêu

Phân tích nhân tố khám phá ( EFA) : được dùng đến trong trường hợp mối quan hệ giữa các biến quan sát và biến tiềm ẩn là không rõ ràng hay không chắc chắn. Phân tích EFA theo đó được tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tố cơ sở như thế nào, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở.

EFA: Dùng để xác định phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tố cơ sở như thế nào, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở.

EFA khám phá dữ liệu và cung cấp cho nhà nghiên cứu thông tin về việc cần có bao nhiêu nhân tố để đại diện tốt nhất cho dữ liệu.

Đặc điểm nổi bật của EFA là các nhân tố được rút ra từ kết quả thống kê, không phải từ lý thuyết. Nhà nghiên cứu chạy phần mềm và để cho cấu trúc căn bản của dữ liệu quyết định cấu trúc nhân tố. Như thế, EFA được tiến hành mà không biết có bao nhiêu nhân tố và mỗi biến qua sát sẽ thuộc về nhân tố nào. Các nhân tố xuất hiện chỉ được đặt tên sau khi tiến hành phân tích nhân tố.

1.2. Nguyên tắc sử dụng

– Cần quyết định được biến số nào sẽ được đưa vào nghiên cứu, tổng thể và cỡ mẫu sẽ được lựa chọn

– Người nghiên cứu cần phải xác định rõ có phải EFA là cách tiếp cận phù hợp nhất để đạt được mục tiêu nghiên cứu

– Giả định rằng EFA là phù hợp nhất, thì phương pháp phân tích cụ thể nào được sử dụng để kết nối giữa mô hình và dữ liệu

– Người nghiên cứu cần quyết định bao nhiêu nhân tố sẽ được đưa vào mô hình

– Phương pháp xoay nào sẽ được lựa chọn cho giải pháp cuối cùng nhằm mục đích giải thích kết quả dễ dàng.

1.3. Tính phổ biến

EFA thường được sử dụng nhiều trong các lĩnh vực quản trị, kinh tế, tâm lý, xã hội học,… khi đã có được mô hình khái niệm (Conceptual Framework) từ các lý thuyết hay các nghiên cứu trước.

Trong các nghiên cứu về kinh tế, người ta thường sử dụng thang đo (scale) chỉ mục bao gồm rất nhiều câu hỏi (biến đo lường/biến quan sát) nhằm đo lường các khái niệm trong mô hình khái niệm, và EFA sẽ góp phần rút gọn một tập gồm rất nhiều biến đo lường thành một số nhân tố.

1.4. Cỡ mẫu yêu cầu

Để sử dụng EFA yêu cầu về kích cỡ mẫu lớn

Xác định cỡ mẫu cho phân tích EFA thường dựa vào:

• Kích thước tối thiểu
• Số lượng biến đo lường được đưa vào cho phân tích EFA

Theo Hair và cộng sự (2006) để sử dụng EFA, kích thước mẫu tốI thiểu là 50, tốt hơn là 100 và tỉ lệ quan sát/ biến đo lường là 5: 1, nghĩa là 1 biến đo lường cần tốI thiểu 5 quan sát, tốt nhất là 10: 1 trở lên.

Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc(2008), số lượng quan sát(cở mẫu) ít nhất phải gấp 4 đến 5 lần số biến trong phân tích nhân tố.

1.5. Các bước thực hiện

Theo Nguyễn Đình Thọ (2011), phân tích nhân tố bao gồm các bước sau:

– Lựa chọn phương pháp cụ thể để trích nhân tố

– Lựa chọn số nhân tố thích hợp

– Trong trường hợp mô hình có nhiều hơn một nhân tố, lựa chọn kỹ thuật xoay ma trận nhân tố ban đầu để tạo điều kiện thuận lợi cho việc giải thích kết quả

Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2010), có 6 bước để thực hiện EFA

– Xác định vấn đề

– Xây dựng ma trận tương quan

– Tính số lượng nhân tố

– Đặt tên và giải thích các nhân tố

– Tính toán các nhân tố

2. Phân tích nhân tố khẳng định (CFA)

2.1. Mục tiêu

Mục tiêu cuối cùng của phân tích CFA là nhằm kiểm tra xem mô hình đo lường xây dựng có hợp lý không.

CFA:  nhằm kiểm định xem có một mô hình lý thuyết có trước làm nền tảng cho một tập hợp các quan sát không.

CFA cho chúng ta kiểm định các biến quan sát (mesured variables) đại diện cho các nhân tố (constructs) tốt đến mức nào.

CFA dùng để kiểm định mức độ một mô hình lý thuyết, có trước của các hệ số tải lên các nhân tố cho trước (biến quan sát tải lên nhân tố cụ thể) đại diện cho dữ liệu thực tế.

2.2. Nguyên tắc sử dụng

Phân tích nhân tố khẳng định (CFA): sử dụng thích hợp khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc biến tiềm ẩn cơ sở. Trong đó mối quan hệ hay giả thuyết (có được từ lý thuyết hay thực nghiệm) giữa biến quan sát và nhân tố cơ sở thì được các nhà nghiên cứu mặc nhiên thừa nhận trước khi tiến hành kiểm định thống kê.

CFA được dùng để đưa ra một kiểm định mang tính khẳng định lý thuyết đo lường. Một lý thuyết đo lường (a mesuarement theory) chỉ ra các biến quan sát đại diện cho các nhân tố liên quan một cách logic và hệ thống như thế nào trong một mô hình lý thuyết. Nói cách khác, lý thuyết đo lường nêu rõ một loạt các mối quan hệ cho thấy các biến quan sát đại diện như thế nào cho các nhân tố không đo được trực tiếp. Lý thuyết đo lường có thể kết hợp với một lý thuyết cấu trúc để nêu đầy đủ một mô hình SEM.

Khác với phân tích EFA, khi thực hiện phân tích CFA  nhà nghiên cứu phải chỉ ra cả các khía cạnh cụ thể của mô hình lý thuyết. Do đó, nhà nghiên cứu cần căn cứ vào các nghiên cứu trước đó hoặc lý thuyết để quyết định số lượng nhân tố tồn tại trong dữ liệu, biến quan sát nào liên quan đến từng nhân tố. 

Trong phân tích nhân tố khẳng định, nhà nghiên cứu trước tiên phát triển một giả thuyết về những nhân tố mà họ tin rằng đang làm cơ sở cho các biện pháp được sử dụng và có thể áp đặt các ràng buộc đối với mô hình dựa trên các giả thuyết tiên nghiệm này. Bằng cách áp đặt những ràng buộc này, nhà nghiên cứu đang buộc mô hình phải phù hợp với lý thuyết của họ.

2.3. Tính phổ biến

CFA là một công cụ phân tích để xác nhận các cấu trúc trong các ngành khoa học xã hội và hành vi.

2.4. Cỡ mẫu yêu cầu

Trường hợp sử dụng phương pháp phân tích CFA, theo Hair và cộng sự (2010), nếu phương pháp ước lượng là ML thì kích thước mẫu tối thiểu từ 100 – 150

Theo Hoelter (1983) kích thước mẫu tối thiểu phải là 200.

Theo Bollen (1989) cho rằng kích thước mẫu tối thiểu là 5 mẫu cho một tham số cần ước lượng.

Theo Trần Thị Kim Dung và Nguyễn Thị Mai Trang (2007), kinh nghiệm từ các nghiên cứu sử dụng mô hình phân tích cấu trúc tuyến tính (SEM) kích thước mẫu nghiên cứu thường từ 300 – 500.

2.5. Các bước thực hiện

Theo Hair và cộng sự (2010), các bước thực hiện phân tích CFA gồm:

Bước 1: Xác định cấu trúc thành phần: Bước này liên quan đến liệt kê các cấu trúc sẽ cấu tạo nên mô hình. Thang đo của từng cấu trúc sẽ được xác định bằng cách phát triển thang đo mới hoặc sử dụng thang đo có sẵn. Việc phát triển thang đo mới cần phải tiến hành thận trọng và khoa học theo từng bước nhằm đạt được một thang đo có giá trị (validity) và tin cậy (reliability). Việc sử dụng thang đo có sẵn cũng phải dựa trên tính giá trị và tính tin cậy của thang đo này.

Bước 2: Xây dựng mô hình đo lườn tổng quát: Trong giai đoạn này nhà nghiên cứu cần phải xem xét nhằm xác định cấu trúc quan hệ vớI nhau như thế nào để xây dựng một mô hình đo lường.

Bước 3: Thiết kế một nghiên cứu cụ thể: Giai đoạn này liên quan đến việc thiết kế một nghiên cứu để thu được một kết quả cụ thể. Nhà nghiên cứu sẽ kiểm tra mô hình đo lường bằng một nghiên cứu cụ thể.

Bước 4: Đánh giá tính giá trị của mô hình đo lường: tức là so sánh mô hình lý thuyết và mô hình thực tế mà số liệu nghiên cứu là đại diện.

– Đánh giá sự phù hợp của mô hình (model fit)

– Tính giá trị cấu trúc: giá trị hội tụ và giá trị phân biệt

 CFA: giả định số nhân tố bằng với số nhân tố của mô hình lý thuyết đề xuất và số biến quan sát cùng nằm trong 1 nhân tố . Trong CFA sẽ kiểm tra mức độ phù hợp của mô hình: model fit ; độ tin cậy của thang đo trong cùng 1 nhân tố (khái niệm), phương sai trích của từng khái niệm, hệ số tải của biến quan sát lên factor (factor loading của items lên factor), độ phân biệt giữa các khái niệm với nhau.

Nguồn: Tổng hợp