Bài giảng Nghiên cứu marketing 2: Chương 7 - ThS. Phạm Thị Lan Phương

Chia sẻ: _ _ | Ngày: | Loại File: PPTX | Số trang:18

Thêm vào BST

Báo xấu

7
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng "Nghiên cứu marketing 2: Chương 7 - Kiểm định độ tin cậy của thang đo & Phân tích nhân tố khám phá EFA" trình bày các nội dung chính sau đây: Các bước thực hiện phân tích số liệu trên SPSS; Kiểm định độ tin cậy của thang đo; Phân tích nhân tố khám phá EFA. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Nghiên cứu marketing 2: Chương 7 - ThS. Phạm Thị Lan Phương

tin cậy của thang đo & Phân tích nhân tố khám phá EFA Ths. Phạm thị lan phươngs
NỘI DUNG CHƯƠNG 7 1. Kiểm định độ tin cậy của thang đo 2. Phân tích nhân tố khám phá EFA
Các bước thực hiện phân tích số liệu trên SPSS
1. Kiểm tra độ tin cậy của thang đo Trong nghiên cứu, việc kiểm tra độ tin cậy của các thang đo là cực kỳ quan trọng. Một trong những điểm quan trọng nhất là để đảm bảo tính ổn định của thang đo (scale’s internal consistency). Kiểm định này đề cập đến mức độ phối hợp giữa các biến quan sát (item) trong một biến (construct) - Liệu rằng các item này có đo lường cho cùng một construct hay không ? Một trong những chỉ số đo lường tin cậy của các thang đo được sử dụng thường xuyên là Cronbach’s alpha Cronbach’s alpha >= 0.7
Mô hình nghiên cứu CV1 CV2 CV3 CV4 Tính thuận tiện CV5 CV6 Tính tương tác cao Tính năng tìm Kết quả kiếm/quản lý thông tin học tập hiệu quả Làm việc nhóm hiệu quả Tính giải trí, thư giãn
Trình tự tiến hành Chú ý : Trước khi kiểm tra độ tin cậy của thang đo, cần phải chuyển toàn bộ những Item chứa những câu hỏi ngược lại thành câu hỏi xuôi Trình tự tiến hành : -Analyze /Scale/ Reliability Analysis -Lựa chon tất cả các Item của một construct chuyển vào hộp thoại “Items” -Trong vùng Model, lựa chọn Alpha -Click vào Statistics, trong vùng “Descriptives for” lựa chọn Item, Scale, và Scale if item deleted -Click vào Continue, sau đó ấn OK. -Video: Kiểm định độ tin cậy thang đo Cronbach Alpha trên SPSS
Output
Rotated Component Matrixa 2. Phân tích nhân Component 1 2 3 4 GR3 ,800 tố khám phá EFA GR2 GR1 ,776 ,776 GR4 ,765 Phân tích nhân tố khám phá EFA IT4 ,674 (Exploratory Factor Analysis) là pp IT5 ,656 phân tích thống kê dùng để rút gọn 1 IT2 ,649 tập hợp nhiều biến quan sát phụ thuộc IF4 ,824 lẫn nhau thành 1 nhân tố (tập hợp IF3 ,326 ,801 biến) gồm ít biến quan sát hơn, có ý IF2 ,785 nghĩa hơn nhưng vẫn chứa dựng hầu IF5 ,724 hết nội dung thông tin của tập biến ban IF1 ,370 ,709 đầu. ET2 ,874 ET1 ,863 ET3 Hai giá trị quan trọng được xem xét trong phần ,830 này là giá trị hội tụ và giá trị phân biệt: CV1 ,786 CV2 ,693 •Giá trị hội tụ: Các biến quan sát cùng tính chất CV5 hội tụ về cùng một nhân tố, khi biểu diễn trong ,313 ,689 ma trận xoay, các biến này sẽ nằm chung một CV4 ,572
2. Phân tích nhân tố khám phá EFA Kiểm định độ tin cậy thang đo Cronbach Alpha đánh giá mối quan hệ giữa các biến trong cùng một nhóm, cùng một nhân tố, chứ không xem xét mối quan hệ giữa tất cả các biến quan sát ở các nhân tố khác. Trong khi đó, EFA xem xét mối quan hệ giữa các biến ở tất cả các nhóm (các nhân tố) khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố từ ban đầu.
2. Phân tích nhân tố khám phá chí trong phân tích EFA Các tiêu EFA - Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố tập dữ liệu nghiên cứu. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1). Nếu Hệ số KMO < 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu. - Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát của cùng một nhân tố phải có mối tương quan với nhau. Nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
2. Phân tích nhân tố khám phá chí trong phân tích EFA Các tiêu EFA - Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích. - Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp. Các nhân tố được rút trích ra giải thích được bao nhiêu % của các biến quan sát. - Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. • Factor Loading ở mức ± 0.3: Điều kiện tối thiểu để biến quan sát được giữ lại. • Factor Loading ở mức ± 0.5: Biến quan sát có ý nghĩa thống kê tốt. • Factor Loading ở mức ± 0.7: Biến quan sát có ý nghĩa thống kê rất tốt.
2. Phân tích Tiến trình thực hiện Analyze  Dimension Reduction  nhân tố khám Factor phá EFA Video Phân tích nhân tố khám phá EFA
2. Phân tích Tiến trình thực hiện Analyze  Dimension Reduction  nhân tố khám Factor phá EFA Video Phân tích nhân tố khám phá EFA
2. Phân tích nhân tố khám phá EFA Quy tắc loại biến xấu trong phân tích nhân tố EFA Các dạng biến xấu trong phân tích EFA: Biến xấu 1: Hệ số tải Factor Loading nhỏ hơn 0.5 Biến xấu 2: Tải lên 2 hay nhiều nhóm nhân tố và chênh lệch hệ số tải nhỏ hơn 0.3 Biến xấu 3: Nằm tách biệt duy nhất ở một nhân tố
KIỂM TRA LẤY ĐIỂM GIỮA KỲ THỜI GIAN: 1 TIẾNG 15PH Được sử dụng Laptop, sách, tài liệu KHÔNG sử dụng điện thoại, KHÔNG quay cóp, trao đổi trong giờ thi. Nhắc lần 02: Đình chỉ thi, 0 điểm bài thi