Bao cao chuyen de EFA - Hoi quy - Hoang Anh (1).pdf

CÁC VẤN ĐỀ CẦN LƯU Ý

TRONG PHÂN TÍCH NHÂN TỐ KHÁM PHÁ

VÀ HỒI QUY

BÁO CÁO CHUYÊN ĐỀ

Trịnh Hoàng Anh

An Giang, tháng 5 năm 2016

Phân tích hồi quy32

Phân tích nhân tố khám phá31

Dữ liệu minh họa33

Thảo luận34

1. Phân tích nhân tố khám phá (EFA)

1.1. Muc tiêu

sử dung EFA

(1) Đánh giá thang đo (Nguyễn Đình Thọ, 2012)

(2) Hay để rút gọn một tập biến (Hoang

Trọng & Chu Nguyễn Mông Ngọc, 2008; Lê Văn Huy & Trương

Trần Trâm Anh, 2012; Nguyễn Đình Thọ, 2012)

EFA

(1)

(2)

Lấy tổng hoặc trung bình để tính giá trị cho các

nhân tố (biến tìm ẩn) cho phân tích tiếp theo

(Nguyễn Đình Thọ, 2012)

Dùng giá trị do SPSS tạo ra theo công thức

Fi = Wi1X1 + Wi2X2 + Wi3X3 + …. + WikXk

Trong đó: Fi : Ước lượng trị số của nhân tố thứ i

Wi : Quyền số hay trọng số nhân tố

k : Số biến quan sát

Xk : Biến quan sát

(Hoang Trọng & Chu Nguyễn Mông Ngọc, 2008; Nguyễn

Đình Thọ, 2012)

1.1. Mục tiêu sử dụng EFA

Lấy tổng hoặc trung bình31

Điều kiện là các biến đều có giá trị như

nhau để đo lường khái niệm nghiên cứu

(trọng số của các biến gần bằng nhau)


1.1. Mục tiêu sử dụng EFA

Dùng giá trị do SPSS tạo ra32

Giá trị nhân tố tính tất cả các biến đo lường chứ

không tính riêng các biến chính đo lường khái niệm

của nhân tố đó. (Nguyễn Đình Thọ, 2012; Hoàng Trọng & Chu

Nguyễn Mông Ngọc, 2008)

Giá trị nhân tố chỉ tính các biến chính đo

lường khái niệm của nhân tố đó (Lưu Thanh

Đức Hải, 2008).

1.2. Các vấn đề cần lưu ý trong phân tích EFA

Cần lưu ý phép quay nếu dùng giá trị nhân

tố do EFA tạo ra để phân tích tiếp theo

(Nguyễn Đình Thọ, 2012).

Phân tích EFA chung cho tất cả các biến

độc lập và biến phu thuộc hay phân tích

riêng

Không được đưa biến phụ thuôc vào chung với

biến đôc lập để xử lý EFA cùng một lúc khi sử

dụng phép quay vuông góc và sử dụng giá trị

nhân tố do EFA tạo ra để phân tích tiếp theo

(Nguyễn Đình Thọ, 2012).

?

1.2. Các vấn đề cần lưu ý

Phân tích EFA chung cho tất cả các biến độc lập

và biến phu thuộc hay phân tích riêng

Tuy nhiên, trong trường hợp sử dụng EFA để đánh giá giá

trị thang đo (là phương pháp đánh giá liên kết) nếu sử dụng

EFA cho từng thang đo riêng lẻ thì sẽ không đạt được

giá trị phân biệt (các biến chỉ đo lường khái niệm muốn đo hay

cùng đo lường các khái niệm khác) (Nguyễn Đình Thọ, 2012).

?

Lưu ý dùng EFA để đánh giá giá trị phân biệt chỉ

mang tính chất tham khảo, cần xem xét hệ số

tương quan giữa hai khái niệm có khác 1 hay

không (Nguyễn Đình Thọ, 2012).

2. Phân tích hồi quy

Các giả định của mô hình hồi quy2.1

1. X và Y có quan hệ tuyến tính

2. Y là biến định lượng

3. Các quan sát của Y đôc lập nhau

4. Các giá trị Xi cố định

5. X được đo lường không sai số

6. Sai số ɛi có phân phối chuẩn

7. Tại mọi giá trị Xi, kỳ vọng E(ɛi) = 0 (Xi không có mối quan hệ với ɛi)

8. Phương sai của sai số không đổi

9. Sai số tại các giá trị Xi và Xj Không có quan hệ với nhau (Không có

hiện tượng tự tương quan)

10. Các biến đôc lập không có mối quan hệ hoàn toàn với nhau, hệ

số tương quan r của các biến đôc lập với nhau khác với 1, chứ không

phải không có tương quan với nhau nhưng chúng phải phân biệt nhau)


Hồi

quy

đơn

Hồi

quy

bôi


Hệ số phù hợp với mô hình và kiểm định các giả thuyết2.2

Sử dụng kiểm định F để kiểm định giả thuyết H0: R2 = 0 so với

giả thuyết thay thế H1: R2 ≠ 0. Phep kiểm định F nay tương

đương với kiểm định F trong ANOVA (Nguyễn Đình Thọ, 2012).

Chu y la kiểm định F cho giả thuyết H0: R2 = 0 so với giả thuyết

thay thế H1: R2 ≠ 0 cung chinh la phep kiểm định cho giả thuyết

H0: a1 = a2 = ...= ak = 0 (trừ hằng số hồi quy a0 , bằng 0) so với

giả thuyết H1: ai ≠ 0 (i = 1, ..., k) (Hoang Trọng – Chu Nguyễn Mông

Ngọc, 2008; Nguyễn Đình Thọ, 2012).

Hệ số xác định R2 khác không



Hệ số điều chỉnh nay giup điều chỉnh mức đô phù

hợp của mô hình (Nguyễn Đình Thọ, 2012).

Để kiểm định các trọng số hồi quy a1, a2,..., ak

trong mô hình. Sử dụng kiểm định nay để bác bỏ giả

thuyết các hệ số hồi quy a1, a2,..., ak bằng 0 (Hoang

Trọng – Chu Nguyễn Mông Ngọc, 2008; Nguyễn Đình Thọ, 2012).

Hệ số xác định R2 điều chỉnh

Sử dung phép kiểm định t



Kiểm tra hiện tượng đa công tuyến. Hệ số VIF cang nhỏ, hiện

tượng đa công tuyến sẽ giảm. Thông thường, nếu hệ số VIF

của môt biến đôc lập nao đó lớn hơn 10 thì biến này được coi

là có đa công tuyến cao. Hệ số VIF được coi la tốt nếu nhỏ

hơn 2 (Nguyễn Đình Thọ, 2012).

Kiểm tra hiện tượng tự tương quan. Giá trị của d càng gần 2,

ta có thể kết luận mô hình không có tự tương quan (Hoang

Trọng – Chu Nguyễn Mông Ngọc, 2008; Mai Văn Nam, 2008).

Hệ số phóng đại phương sai VIF

Kiểm định d của Durbin-Watson


Hệ số chưa chuẩn hóa (B) và hệ số chuẩn hóa (Beta)2.3

Đo lường sự thay đổi trong giá trị trung bình biến phụ thuôc Y

khi X thay đổi môt đơn vị, giữ các biến đôc lập còn lại không

đổi (Hoang Trọng & Chu Nguyễn Mông Ngọc, 2008; Lê Văn Huy &

Trương Trần Trâm Anh, 2012; Nguyễn Đình Thọ, 2012).

Được dùng để so sánh mức đô tác đông của các biến đôc lập

vào biến phụ thuôc (Hoang Trọng & Chu Nguyễn Mông Ngọc, 2008;

Lê Văn Huy & Trương Trần Trâm Anh, 2012; Nguyễn Đình Thọ, 2012).

Biến nào có hệ số càng lớn thì biến đó có tác đông mạnh vào biến

phụ thuôc (Nguyễn Đình Thọ, 2012)

Hệ số B

Hệ số Beta


Hệ số chưa chuẩn hóa (B) và hệ số chuẩn hóa (Beta)2.3

Tuy nhiên, tầm quan trọng tương đối của các biến còn

phụ thuôc vào các biến đôc lập trong phương trình nên

việc sử dụng hệ số B hay Beta sẽ không thích hợp. Vì

vậy, để xác định tầm quan trọng của các biến khi sử dụng

chung với các biến khác ta dùng hệ số tương quan từng

phần và tương quan riêng (Hoang Trọng – Chu Nguyễn

Mông Ngọc, 2008).


Cỡ mẫu trong phân tích hồi quy bội2.3

Theo Green (1991), kích thước mẫu tối thiểu là n ≥ 50 + 8p

công thức trên tương đối phù hợp với n < 7, khi n > 7 công

thức trên hơi quá khắc khe (trích trong Nguyễn Đình Thọ, 2012, tr.499)

Theo Cohen và Cohend (1983), đô lớn của mẫu ít nhất

nên gấp 20 lần so với số biến đôc lập (trích trong Lê Văn Huy &

Trương Trần Trâm Anh, 2012, tr.192)

3. Dữ liệu minh họa

Biến quan sátHệ số tương quan

giữa biến va tổng

Cronbach's Alpha

nếu loại biến

(F1) Những yếu tố cơ 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 trên sản phẩm va 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

(F3) Những yếu tố trong truyền thông marketing, hệ số Cronbach’s Alpha 0,776

X11 0,518 0,796

X12 0,743 0,543

X13 0,588 0,725

• Kết quả kiểm định lại thang đo khi loại bo biến X6 và X143.1


• Kết quả kiểm định lại thang đo biến phu thuộc3.1

Hệ số Cronbach’s Alpha 0,826

Biến quan sátHệ số tương quan

giữa biến va tổng

Cronbach's Alpha

nếu 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

Nguôn: Sô liêu khao sat, 2014


• Kết quả phân tích nhân tố lần 13.2

KMO 0,719

Kiểm định Bartlett's Chi – bình phương 575,746

Mức y nghia 0,000

Nhân tố

F2 F1 F3

X1 0,668

X2 0,833

X3 0,830

X4 0,597

X5 0,414 0,417

X7 0,821

X8 0,866

X9 0,653

X10 0,709

X11 0,731

X12 0,900

X13 0,823



KMO 0,690

Kiểm định

Bartlett's

Chi – bình phương 535,651

Mức y nghia 0,000

Nhân tố

F2 F1 F3

X1 0,688

X2 0,831

X3 0,831

X4 0,602

X7 0,822

X8 0,866

X9 0,658

X10 0,719

X11 0,733

X12 0,901

X13 0,823



Component Score Coefficient Matrix

Component

1 2 3

C9(X1) -.077 .323 -.028

C9(X2) -.066 .380 .012

C9(X3) -.064 .379 .011

C9(X4) -.023 .266 .023

C9(X7) .373 -.066 -.090

C9(X8) .401 -.098 -.090

C9(X9) .259 -.020 .049

C9(X10) .303 -.028 -.023

C9(X11) -.024 -.007 .352

C9(X12) -.091 .065 .448

C9(X13) -.045 -.044 .402Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization.

Component Scores.



Phương trình ước lượng điểm đối với từng 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


• Kết quả phân tích nhân tố đối với biến phu thuộc F43.3

KMO 0,815

Kiểm định Bartlett's Chi – bình phương 292,563

Mức y nghia 0,000

F4

X15 0,689

X16 0,755

X17 0,806

X18 0,812

X19 0,687

X20 0,656

Phương trình ước lượng điểm nhân tố F4:

F4 = 0,212X15 + 0,232X16 + 0,247X17 + 0,249X18 + 0,211X19 + 0,201X20


• Kết quả phân tích hồi quy (sử dung kết quả của EFA tạo ra)3.4

Mô hinh tông quat

Mô hinh R R2 R2 điêu chinh Sai sô chuân Durbin-Watson

1 0,612 0,375 0,361 0,799 1,962

ANOVA

Gia tri kiêm đinh F = 26,973 Mưc y nghia 0,000

Mô hinh hôi quy

Mô hinh

Hê sô

chưa chuân hoa

Hê sô

chuân hoa t Mưc y nghia VIF

B Sai sô

chuân Beta

Hăng sô 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

Biên phu thuôc: Y - Mưc đô nhân biêt thương hiêu nươc măm đang sử dung


• Kết quả phân tích hồi quy (tính tổng hoặc trung bình)3.4

Mô hinh tông quat

Mô hinh R R2 R2 điêu chinh Sai sô chuân Durbin-Watson

1 0,610 0,372 0,358 0,353 1,939

ANOVA

Gia tri kiêm đinh F = 26,617 Mưc y nghia 0,000

Mô hinh hôi quy

Mô hinh

Hê sô

chưa chuân hoa

Hê sô

chuân hoa t Mưc y nghia VIF

B Sai sô

chuân Beta

Hăng sô 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

Biên phu thuôc: Y - Mưc đô nhân biêt thương hiêu nươc măm đang sử dung

4. Thảo luận

- R2 hiệu chỉnh <50%?

- Có cần phải chạy lại hồi quy khi loại bỏ các

biến không có ý nghia mô hình trong lần

chạy hồi quy trước đó?

?

TÀI LIỆU THAM KHẢO

Hoàng Trọng & Chu Nguyễn Mông Ngọc (2008). Phân tích

dữ liệu nghiên cứu với SPSS. TP.HCM: Nhà xuất bản

Hồng Đức

Lê Văn Huy & Trương Trần Trâm Anh (2012). Phương

pháp nghiên cứu trong kinh doanh. Hà Nôi: Nhà xuất

bản Tài chính

Nguyễn Đình Thọ (2012). Phương pháp nghiên cứu khoa

học trong kinh doanh. Hà Nôi: Nhà xuất bản Lao đông

– Xã hôi

Xin chân thành cảm ơn

Quý thầy, cô cùng các bạn đã

quan tâm theo dõi!

Documents

Bao cao chuyen de EFA - Hoi quy - Hoang Anh (1).pdf