BÁO CÁO CHUYÊN ĐỀ CÁC VẤN ĐỀ CẦN LƯU Ý TRONG PHÂN TÍCH NHÂN TỐ KHÁM PHÁ VÀ HỒI QUY Trịnh Hoàng Anh An Giang, tháng năm 2016 Phân tích nhân tố khám phá Phân tích hồi quy Dữ liệu minh họa Thảo luận Phân tích nhân tố khám phá (EFA) 1.1 Mục tiêu sử dụng EFA (1) Đánh giá thang đo (Nguyễn Đình Thọ, 2012) (2) Hay để rút gọn tập biến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Lê Văn Huy & Trương Trần Trâm Anh, 2012; Nguyễn Đình Thọ, 2012) Lấy tổng trung bình để tính giá trị cho (1) nhân tố (biến tìm ẩn) cho phân tích (Nguyễn Đình Thọ, 2012) Dùng giá trị SPSS tạo theo công thức EFA Fi = Wi1X1 + Wi2X2 + Wi3X3 + … + WikXk Trong đó: Fi : Ước lượng trị số nhân tố thứ i Wi : Quyền số hay trọng số nhân tố (2) k : Số biến quan sát Xk : Biến quan sát (Hoàng Trọng & Chu Nguyễn Mợng Ngọc, 2008; Nguyễn Đình Thọ, 2012) 1.1 Mục tiêu sử dụng EFA Lấy tổng trung bình Điều kiện biến có giá trị để đo lường khái niệm nghiên cứu (trọng số biến gần nhau) (Nguyễn Đình Thọ, 2012) 1.1 Mục tiêu sử dụng EFA Dùng giá trị SPSS tạo Giá trị nhân tố tính tất biến đo lường khơng tính riêng biến đo lường khái niệm nhân tố (Nguyễn Đình Thọ, 2012; Hồng Trọng & Chu Nguyễn Mợng Ngọc, 2008) Giá trị nhân tố tính biến đo lường khái niệm nhân tố (Lưu Thanh Đức Hải, 2008) 1.2 Các vấn đề cần lưu ý phân tích EFA ? Phân tích EFA chung cho tất biến độc lập biến phụ thuộc hay phân tích riêng Khơng đưa biến phụ thuộc vào chung với biến độc lập để xử lý EFA lúc sử dụng phép quay vng góc sử dụng giá trị nhân tố EFA tạo để phân tích (Nguyễn Đình Thọ, 2012) Cần lưu ý phép quay dùng giá trị nhân tố EFA tạo để phân tích (Nguyễn Đình Thọ, 2012) 1.2 Các vấn đề cần lưu ý ? Phân tích EFA chung cho tất biến độc lập biến phụ thuộc hay phân tích riêng Tuy nhiên, trường hợp sử dụng EFA để đánh giá giá trị thang đo (là phương pháp đánh giá liên kết) sử dụng EFA cho thang đo riêng lẻ không đạt giá trị phân biệt (các biến đo lường khái niệm muốn đo hay đo lường khái niệm khác) (Nguyễn Đình Thọ, 2012) Lưu ý dùng EFA để đánh giá giá trị phân biệt mang tính chất tham khảo, cần xem xét hệ số tương quan hai khái niệm có khác hay khơng (Nguyễn Đình Thọ, 2012) Phân tích hồi quy 2.1 Các giả định mơ hình hồi quy X Y có quan hệ tuyến tính Y biến định lượng Hồi Hồi Các quan sát Y độc lập Các giá trị Xi cố định quy quy X đo lường khơng sai số Sai số ɛi có phân phối chuẩn bội đơn Tại giá trị Xi, kỳ vọng E(ɛi) = (Xi khơng có mối quan hệ với ɛi) Phương sai sai số không đổi Sai số giá trị Xi Xj Khơng có quan hệ với (Khơng có tượng tự tương quan) 10 Các biến đợc lập khơng có mối quan hệ hoàn toàn với nhau, hệ số tương quan r biến độc lập với khác với 1, khơng phải khơng có tương quan với chúng phải phân biệt nhau) (Nguyễn Đình Thọ, 2012) Phân tích hồi quy 2.2 Hệ số phù hợp với mơ hình kiểm định giả thuyết Hệ số xác định R2 khác không Sử dụng kiểm định F để kiểm định giả thuyết H0: R2 = so với giả thuyết thay H1: R2 ≠ Phép kiểm định F này tương đương với kiểm định F ANOVA (Nguyễn Đình Thọ, 2012) Chú ý là kiểm định F cho giả thuyết H0: R2 = so với giả thuyết thay H1: R2 ≠ cũng chính là phép kiểm định cho giả thuyết H0: a1 = a2 = = ak = (trừ số hồi quy a0 , 0) so với giả thuyết H1: ≠ (i = 1, , k) (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2012) Phân tích hồi quy 2.2 Hệ số phù hợp với mơ hình kiểm định giả thuyết Hệ số xác định R2 điều chỉnh Hệ số điều chỉnh này giúp điều chỉnh mức độ phù hợp mơ hình (Nguyễn Đình Thọ, 2012) Sử dụng phép kiểm định t Để kiểm định trọng số hồi quy a1, a2, , ak mơ hình Sử dụng kiểm định này để bác bỏ giả thuyết hệ số hồi quy a1, a2, , ak (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2012) Phân tích hồi quy 2.3 Hệ số chưa chuẩn hóa (B) hệ số chuẩn hóa (Beta) Hệ số B Đo lường thay đổi giá trị trung bình biến phụ tḥc Y X thay đổi một đơn vị, giữ biến độc lập cịn lại khơng đổi (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Lê Văn Huy & Trương Trần Trâm Anh, 2012; Nguyễn Đình Thọ, 2012) Hệ số Beta Được dùng để so sánh mức độ tác động biến độc lập vào biến phụ thuộc (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Lê Văn Huy & Trương Trần Trâm Anh, 2012; Nguyễn Đình Thọ, 2012) Biến có hệ số lớn biến có tác đợng mạnh vào biến phụ tḥc (Nguyễn Đình Thọ, 2012) Phân tích hồi quy 2.3 Hệ số chưa chuẩn hóa (B) hệ số chuẩn hóa (Beta) Tuy nhiên, tầm quan trọng tương đối biến phụ tḥc vào biến đợc lập phương trình nên việc sử dụng hệ số B hay Beta không thích hợp Vì vậy, để xác định tầm quan trọng biến sử dụng chung với biến khác ta dùng hệ số tương quan phần tương quan riêng (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008) Phân tích hồi quy 2.3 Cỡ mẫu phân tích hồi quy bội Theo Green (1991), kích thước mẫu tối thiểu n ≥ 50 + 8p công thức tương đối phù hợp với n < 7, n > công thức khắc khe (trích Nguyễn Đình Thọ, 2012, tr.499) Theo Cohen Cohend (1983), đợ lớn mẫu nên gấp 20 lần so với số biến độc lập Trương Trần Trâm Anh, 2012, tr.192) (trích Lê Văn Huy & Dữ liệu minh họa 3.1• Kết kiểm định lại thang đo loại bỏ biến X6 X14 Hệ số tương quan Cronbach's Alpha biến và tổng loại biến (F1) Những yếu tố bản, hệ số Cronbach’s Alpha 0,738 X1 0,407 0,726 X2 0,660 0,630 X3 0,665 0,628 X4 0,428 0,720 X5 0,370 0,742 (F2) Những yếu tố sản phẩm và bao gói, hệ số Cronbach’s Alpha 0,787 X7 0,635 0,725 X8 0,692 0,682 X9 0,542 0,777 X10 0,564 0,754 Biến quan sát (F3) Những yếu tố truyền thông marketing, hệ số Cronbach’s Alpha 0,776 X11 X12 X13 0,518 0,743 0,588 0,796 0,543 0,725 Dữ liệu minh họa 3.1• Kết kiểm định lại thang đo biến phụ thuộc Hệ số Cronbach’s Alpha 0,826 Biến quan sát Hệ số tương quan Cronbach's Alpha biến và tổng loại biến X15 0,555 0,810 X16 0,610 0,795 X17 0,674 0,783 X18 0,683 0,780 X19 0,550 0,808 X20 0,521 0,813 Nguồn: Số liệu khảo sát, 2014 Dữ liệu minh họa 3.2• Kết phân tích nhân tố lần KMO Kiểm định Bartlett's 0,719 575,746 0,000 Chi – bình phương Mức ý nghĩa Nhân tố F2 X1 X2 X3 X4 X5 X7 X8 X9 X10 X11 X12 X13 F1 0,414 0,821 0,866 0,653 0,709 F3 0,668 0,833 0,830 0,597 0,417 0,731 0,900 0,823 Dữ liệu minh họa 3.2• Kết phân tích nhân tố lần KMO Kiểm định Bartlett's 0,690 535,651 0,000 Chi – bình phương Mức ý nghĩa Nhân tố F2 X1 X2 X3 X4 X7 X8 X9 X10 X11 X12 X13 F1 F3 0,688 0,831 0,831 0,602 0,822 0,866 0,658 0,719 0,733 0,901 0,823 Dữ liệu minh họa 3.2• Kết phân tích nhân tố lần C9(X1) C9(X2) C9(X3) C9(X4) C9(X7) C9(X8) C9(X9) C9(X10) C9(X11) C9(X12) C9(X13) Component Score Coefficient Matrix Component -.077 323 -.066 380 -.064 379 -.023 266 373 -.066 401 -.098 259 -.020 303 -.028 -.024 -.007 -.091 065 -.045 -.044 Extraction Method: Principal Component Analysis Rotation Method: Varimax with Kaiser Normalization Component Scores -.028 012 011 023 -.090 -.090 049 -.023 352 448 402 Dữ liệu minh họa 3.2• Kết phân tích nhân tố lần Phương trình ước lượng điểm nhân tố: F1 = 0,323X1 + 0,380X2 + 0,379X3 + 0,266X4 F2 = 0,373X7 + 0,401X8 + 0,259X9 + 0,303X10 F3 = 0,352X11 + 0,448X12 + 0,402X13 Dữ liệu minh họa 3.3• Kết phân tích nhân tố biến phụ thuộc F4 KMO Kiểm định Bartlett's 0,815 292,563 0,000 Chi – bình phương Mức ý nghĩa F4 X15 X16 X17 X18 X19 X20 0,689 0,755 0,806 0,812 0,687 0,656 Phương trình ước lượng điểm nhân tố F4: F4 = 0,212X15 + 0,232X16 + 0,247X17 + 0,249X18 + 0,211X19 + 0,201X20 Dữ liệu minh họa 3.4• Kết phân tích hồi quy (sử dụng kết EFA tạo ra) Mô hin ̀ h tổng quát Mô hin ̀ h R 0,612 R2 R2 điều chỉnh Sai số chuẩ n Durbin-Watson 0,375 0,361 0,799 1,962 ANOVA Giá trị kiểm định F = 26,973 Mức ý nghĩa 0,000 Mô hin ̀ h hồ i quy Hệ số Hệ số chưa chuẩ n hóa chuẩn hóa VIF Mô hình t Mức ý nghĩa Sai số B Beta chuẩn Hằng số 8,499E-17 0,068 0,000 1,000 F2 0,311 0,068 0,311 4,571 0,000 1.000 F1 0,527 0,068 0,527 7,746 0,000 1.000 F3 -0,009 0,068 -0,009 -0,127 0,899 1.000 Biến phụ thuộc: Y - Mức độ nhận biết thương hiệu nước mắm sử dụng Dữ liệu minh họa 3.4• Kết phân tích hồi quy (tính tổng trung bình) Mơ hin ̀ h tổng quát Mô hin ̀ h R 0,610 R2 R2 điều chỉnh Sai số chuẩ n Durbin-Watson 0,372 0,358 0,353 1,939 ANOVA Giá trị kiểm định F = 26,617 Mức ý nghĩa 0,000 Mô hin ̀ h hồ i quy Hệ số Hệ số chưa chuẩ n hóa chuẩn hóa VIF Mô hin h t Mức ý nghĩa ̀ Sai số B Beta chuẩn Hằng số 1,774 0,275 6,449 0,000 F2 0,166 0,053 0,235 3,125 0,002 1,220 F1 0,383 0,056 0,493 6,792 0,000 1,131 F3 -0,024 0,051 -0,034 -0,473 0,637 1,085 Biến phụ thuộc: Y - Mức độ nhận biết thương hiệu nước mắm sử dụng Thảo luận ? - R2 hiệu chỉnh