Một tranh cãi gần đây ở khoa mình (qua môn
SPSS và môn Nghiên cứu marketing) rằng sẽ nên đánh giá độ tin cậy (bằng
Cronbach alpha) trước hay phân tích nhân tố khám phá (EFA) trước.
Ở đây mình không khẳng định rằng quan điểm của
thầy Q hay cô C là ai đúng hơn ai. Mình chỉ nêu ra những luận điểm của riêng
mình, dẫn chứng qua những thứ mình đọc được. Tất cả bài viết nà ad xin trình
bày quan điểm cá nhân và chỉ mang tính chất xây dựng thôi nhé!
Trước tiên chúng ta
xác định lại khái niệm Cronbach alpha và EFA là gì:
– Về Cronbach alpha:
Là việc bạn đánh giá độ tin cậy của thang đo
(cách tính cronbach alpha các bạn xem thêm sách của thầy Hoàng Trọng & Chu
Nguyễn Mộng Ngọc), ở đây mình không đề cập sâu vấn đề công thức nhé. Ý nghĩa
của việc đánh giá Cronbach alpha là xem xét xem thang đo đó có ĐO CÙNG MỘT KHÁI
NIỆM hay không. Nói cách khác, trong một thang đo có chỉ số Cronbach alpha cao
chứng tỏ những đáp viên được hỏi sẽ hiểu CÙNG MỘT KHÁI NIỆM. Và có câu trả lời
đồng nhất – tương đương nhau – qua mỗi biến quan sát của thang đo.
– Về phân tích nhân tố khám phá (Exploit
Factor Analysis – EFA):
Là việc bạn đánh giá giá trị hội tụ và giá trị
phân biệt của thang đo (theo Nguyễn Đình Thọ – Phương pháp nghiên cứu trong
kinh doanh – tr.364). Nói đơn giản, EFA giúp bạn sắp xếp lại thang đo thành
nhiều tập (các biến thuộc cùng 1 tập là giá trị hội tụ, việc chia các tập khác
nhau là giá trị phân biệt), hiểu nôm na thì các biến thuộc cùng một tập sẽ đo
lường CÙNG MỘT KHÁI NIỆM. Nó dựa trên cơ sở sự tương quan giữa các biến với
nhau.
Trong một thang đo các bạn đưa ra chắc chắn sẽ
có sai số đo lường (do bảng câu hỏi, do phỏng vấn kém, do đáp viên, do ngoại
cảnh,…). Và nếu có sai số do bảng câu hỏi thì thang đo có thể tạo thành các
biến giả – biến giả ở đây là các biến đo lường cùng-một-khái-niệm nhưng khái
niệm này không liên quan gì đến vấn đề đang nghiên cứu (không có trong mô
hình).
Vậy thì trường hợp các bạn chạy phân tích nhân
tố (EFA) trước, giả sử trong thang đo có 3-5 biến giả và được SPSS vô tình nhóm
cùng một nhóm. Và lúc đó bạn sẽ phải đặt tên cho nhóm biến đó trong khi nó hoàn
toàn không có giá trị cho bài nghiên cứu.
Sau đó bạn lại tiếp tục đánh giá Cronbach
alpha cho những “nhân tố” đã được EFA sắp xếp lại. Vậy thì sau khi đã EFA, các
nhân tố đo lường cùng một khái niệm đã được sắp xếp chung, các bạn đánh giá
Cronbach alpha thì HIỂN NHIÊN nó sẽ ĐO LƯỜNG CÙNG KHÁI NIỆM và cho kết-quả-tốt
thôi. Các bạn có thể kiểm chứng bằng cách cho chạy thử Cronbach alpha cho những
“nhân tố” đã được EFA sắp xếp. Thì Cronbach alpha luôn cao, và sẽ KHÔNG có một
biến nào mà khi delete có thể làm tăng Cronbach alpha được (có thể chênh lệch 1
chút nhưng sẽ không đáng để bạn loại biến đó ra).
Như vậy việc kiểm định
Cronbach alpha sau là vô nghĩa!
Trong trường hợp kiểm định Cronbach alpha
trước, vậy khi này thì Cronbach alpha có “ý nghĩa” gì? Mình xin trích lại
nguyên văn 1 câu trong sách của thầy Thọ, mình khỏi phải giải thích cho cho mắc
công, hehe: “Cronbach alpha phải được thực hiện trước để loại các biến rác
(garbage items) trước khi thực hiện phân tích EFA. Quá trình này có thể giúp
chúng ta tránh được các biến rác vì các biến rác này có thể tạo nên các nhân tố
giả (artifical factors) khi phân tích EFA (Churchill 1979)” (Nguyễn Đình Thọ,
Phương pháp nghiên cứu trong kinh doanh, tr.304).
Đây là toàn bộ lí do phải phân tích Cronbach
alpha trước, khỏi giải thích thêm nhé!
Cronbach alpha bằng 5.8 < 6.0 hay 6.5 >
6.0 không quan trọng bằng việc nhân tố này có Ý NGHĨA quan trọng thế nào trong
bài nghiên cứu. Vì khi thực hiện một bài nghiên cứu, chúng ta thường dựa trên
các mô hình có sẵn (và đã được kiểm định rất nhiều bằng các chuyên gia). Nên
chúng ta không thể chỉ căn cứ vào các con số đơn thuần từ bảng kết quả của SPSS
để kết luận bỏ hay thêm một biến, 1 nhân tố. Dĩ nhiên điều này cũng phụ thuộc
rất nhiều vào kinh nghiệm của nhà nghiên cứu.
0 nhận xét:
Đăng nhận xét