Xác định tính hợp lý của phân tích nhân tố là bước thứ 6 trong quy trình 7 bước giải thích ma trận nhân tố. Tính hợp lí của phân tích nhân tố liên quan đến việc đánh giá mức độ tổng quát hóa của các kết quả với tổng thể và ảnh hưởng tiềm ẩn của các quan sát riêng rẽ lên các kết quả chung.
Các vấn đề khái quát hóa là rất quan trọng đối với các phương pháp phân tích đa biến, nhưng nó đặc biệt thích hợp cho các phương pháp phân tích mối quan hệ phụ thuộc lẫn nhau vì nó mô tả một cấu trúc dữ liệu có thể đại diện tốt cho tổng thể. Trong quá trình xác nhận, các nhà nghiên cứu phải giải quyết một số vấn đề liên quan trong thiết kế nghiên cứu cũng như đặc tính của dữ liệu.
Cách trực tiếp nhất để đánh giá kết quả là hướng tới khía cạnh xác nhận và đánh giá kết quả thay thế thông qua việc tách mẫu hoặc sử dụng mẫu dữ liệu khác. Theo khía cạnh xác nhận thì có thể sử dụng phương pháp nhân tố khẳng định CFA thông qua mô hình phương trình cấu trúc (Structural Equation Modelling – SEM) để đánh giá sự tương ứng giữa các ma trận nhân tố.
Tính ổn định của cấu trúc nhân tố phụ thuộc chủ yếu vào cở mẫu và tỉ lệ số quan sát trên mỗi biến. Các nhà nghiên cứu luôn được khuyến cáo sử dụng mẫu lớn nhất có thể và xây dựng một mô hình tinh gọn để gia tăng tỉ lệ số quan sát trên mỗi biến. Nếu cở mẫu cho phép thì có thể chia mẫu ngẫu nhiên thành hai mẫu con và ước lượng mô hình nhân tố cho mỗi mẫu con này. Việc so sánh kết quả hai ma trận nhân tố sẽ cho biết tính vững của phương pháp.
Về việc phát hiện các quan sát ảnh hưởng: nhà nghiên cứu được khuyên là ước lượng mô hình có và không có các quan sát ảnh hưởng để đánh giá tác động của chúng lên kết quả. Nếu sự bỏ sót của các điểm dị biệt là hợp lý thì các kết quả sẽ khả năng khái quát hơn.
Bước 7: sử dụng các kết quả phân tích nhân tố
Tùy thuộc vào mục đích áp dụng phân tích nhân tố mà chúng ta có thể dừng ở việc giải thích nhân tố hoặc phân tích sâu hơn. Nếu mục tiêu đơn giản là xác định kết hợp tuyến tính hợp lý của các biến và hiểu nhiều hơn về cấu trúc giữa các biến trong tập dữ liệu thì chỉ giải thích nhân tố là đủ. Tuy nhiên, nếu mục tiêu là xây dựng các biến phù hợp để thực hiện các phân tích thống kê khác sau này thì có thể sử dụng một số dạng dữ liệu rút gọn sau:
· Lựa chọn các biến có các hệ số tải cao nhất làm đại diện thay thế cho một nhân tố (chiều) cụ thể
· Thay thế tập biến ban đầu bằng một biến mới được tính từ các thang đo lấy tổng (sumated scales) hoặc điểm nhân tố (factor scores)
Cách tiếp cận lựa chọn một biến có hệ số tải cao nhất làm biến đại diện cho nhân tố là đơn giản và trực tiếp, tuy nhiên, trong nhiều trường hợp việc lựa chọn sẽ gặp nhiều khó khăn, nhất là khi nhân tố gồm hai hay nhiều biến có hệ số tải xấp xỉ biến có hệ số tải cao nhất. Trong trường hợp này, nhà nghiên cứu nên chọn biến phù hợp với lý thuyết làm đại diện trước. Một số khác đề nghị sử dụng một biến có hệ số tải hơi thấp hơn làm biến đại diện bởi nó cho thấy độ tin cậy hơn so với biến có hệ số tải cao nhất (Hair và cộng sự, 2014 tr.121). Phương pháp này mặc dù là đơn giản và giữ lại được biến gốc nhưng tồn tại một vài vấn đề tiềm ẩn sau:
· Không xét đến các sai số đo lường khi chỉ sử dụng duy nhất một biến làm đại diện.
· Rủi ro chọn nhầm biến đại diện hoặc đại diện không tốt cho các khái niệm phức tạp.
Trong trường hợp tồn tại nhiều hệ số tải cao làm phức tạp việc lựa chọn một biến duy nhất làm đại diện, các nhà nghiên cứu có thể sử dụng kết quả phân tích nhân tố làm cơ sở để tính toán thang đo lấy tổng hoặc điểm nhân tố thay vì sử dụng một biến có hệ số tải cao làm đại diện.
Thang đo lấy tổng được tính bằng cách kết hợp các biến riêng rẽ có hệ số tải nhân tố cao và tổng hoặc phổ biến hơn là chỉ số trung bình của các biến được sử dụng như là một biến thay thế. Một thang đo lấy tổng hợp có 2 ưu điểm lớn như sau:
· Khắc phục phần nào đó sai số đo lường. Sai số đo lường (measurement error) là mức độ mà các giá trị quan sát được không thể hiện được các giá trị thực tế bởi nhiều nguyên nhân từ các sai số thực tế (do nhập liệu chẳng hạn) đến việc người được hỏi không cung cấp các thông tin chính xác. Bằng cách lấy trung bình giá trị các biến, sai số đo lường có thể xảy ra trong một câu hỏi riêng rẻ có thể sẽ được giảm.
· Tăng khả năng thể hiện nhiều khía cạnh của khái niệm. Thang đo lấy tổng hợp kết hợp nhiều biến quan sát vào một thang đo riêng rẽ đại diện cho những gì xảy ra chung cho toàn bộ các biến.
Việc xây dựng các thang đo lấy tổng trong một số ngành cần phải dựa trên nền tảng lý thuyết và thực nghiệm như tâm lý , xã hội, marketing. Hair và cộng sự (2014, tr.122) có đề cập đến bốn vấn đề cơ bản trong xây dựng bất kì một thang đo lấy tổng nào, đó là: định nghĩa khái niệm, tính đơn hướng, độ tin cậy và tính giá trị.
· Định nghĩa khái niệm (concept definition) là bước đầu tiên khi tạo bất kì thang đo lấy tổng nào. Nó xác định lý thuyết cơ bản cho thang đo lấy tổng bằng cách định nghĩa khái niệm được thể hiện trong bối cảnh nghiên cứu. Trong các nghiên cứu học thuật, các định nghĩa được dựa trên các nghiên cứu trước là xác định đặc tính tự nhiên của một khái niệm.
· Giá trị nội dung (content validity) được đánh giá thông qua sự kết nối giữa các biến quan sát với khái niệm định nghĩa của nó thông qua các đánh giá chuyên gia, kiểm chứng với các nhóm mẫu khác. Giá trị nội dung của một thang đo là “dạng giá trị mang tính định tính, trong đó nội dung của một khái niệm được trình bày rõ ràng để xác định được thang đo có bao phủ đầy đủ nội dung khái niệm không” (Nguyễn Đình Thọ, 2011 tr.297 trích trong Bollen 1989, tr.185). Mục tiêu là để đảm bảo việc lựa chọn các biến thành phần của thang đo có thể mở rộng các vấn đề thực nghiệm quá khứ, cũng như bổ sung vào lý thuyết và xem xét thực tại.
· Tính đơn hướng: một giả định quan trọng và bắt buộc để tạo một thang đo lấy tổng là các biến thành phần phải đơn hướng (unidimensional), nghĩa là chúng phải có tương quan mạnh với nhau và cùng nhau thể hiện một khái niệm. Hay nói cách khác, tính đơn hướng của một thang đo nói lên mỗi khái niệm ẩn chỉ được đo lường bởi một tập các biến quan sát chỉ đo lường mà thôi. Phân tích nhân tố đóng vai trò quan trọng trong việc đưa ra một đánh giá thực nghiệm theo chiều của các biến thành phần bằng cách xác định số nhân tố và các hệ số tải của mỗi biến lên nhân tố. Kiểm định về tính đơn hướng là mỗi thang đo lấy tổng phải bao gồm các hệ số tải cao lên mỗi nhân tố. Nhà nghiên cứu cũng có thể đánh giá tính đơn hướng của thang đo thông qua phân tích nhân tố khẳng định (CFA) sẽ được bàn ở phần sau.
Độ tin cậy: đánh giá sự tin cậy của các cách đo lường biến. Một dạng kiểm tra độ tin cậy là kiểm tra – kiểm tra lại (test – retest) bằng cách đo lường phản hồi của cùng một đối tượng ở hai thời điểm khác nhau. Mục tiêu là đảm bảo rằng các phản hồi không thay đổi giữa hai thời điểm để kết quả nhận được là tin cậy. Cách đo lường thứ hai, cũng là cách phổ biến hơn là đánh giá qua độ tin cậy bên trong (internal consistency) để đánh giá độ tin cậy giữa các biến thành phần trong một thang đo lấy tổng. Tính hợp lý của độ tin cậy bên trong là các thang đo thành phần cùng đo lường một khái niệm và chúng tương quan chặt chẽ với nhau. Bởi vì một biến thành phần không thể đo lường một khái niệm[1], do vậy, chúng ta phải dựa vào một số chuẩn đoán sau để đánh giá độ tin cậy bên trong:
- Đầu tiên là xem xét mối quan hệ giữa các biến thành phần riêng rẽ, bao gồm: tương quan biến tổng (item-to-total correlation) – cho biết sự tương quan của mỗi biến đối với thang đo lấy tổng và tương quan giữa các biến (inner-item correlation). Quy tắc kinh nghiệm đề nghị rằng giá trị tương quan biến tổng phải lớn hơn 0.50 và tương quan giữa các biến phải lớn hơn 0.30 [31] (Hair và cộng sự, 2014 tr.123).
- Tiếp đến là xem xét hệ số tin cậy (reliability coefficient) – đánh giá độ tin cậy của toàn bộ thang đo, trong đó hệ số Cronbach’s alpha là được sử dụng phổ biến nhất. Thông thường, giá trị hệ số Cronbach’s alpha lớn hơn 0.70 là phù hợp [31, 32], mặc dù trong một số nghiên cứu khám phá giá trị trên 0.60 có thể được chấp nhận. Một vấn đề liên quan đến Cronbach’s alpha là nó tương quan dương với số biến thành phần. Khi số biến thành phần tăng (mặc dù cùng mức độ tương quan giữa các biến) thì làm tăng giá trị độ tin cậy.
- Chúng ta có thể sử dụng CFA để đánh giá độ tin cậy tổng hợp (composite reliability) và giá trị trung bình phương sai trích được (average variance extracted).
Giá trị (validity): bên cạnh giá trị nội dung thì giá trị của thang đo lấy tổng còn được đo lường thực nghiệm bằng sự tương quan với lý thuyết được xác định bởi tập biến. Giá trị của một thang đo cho biết khả năng thang đo đó có đo lường được những gì chúng ta muốn đo hay không. Ba tiêu chí đánh giá được sử dụng rộng rãi của giá trị là: giá trị hội tụ (convergent), giá trị phân tán (discriminant) và giá trị lý luận (nomological).
- Giá trị hội tụ đánh giá mức độ tương quan của hai cách đo lường cho cùng một khái niệm. Ở đây, nhà nghiên cứu tìm một cách khác để đo lường khái niệm và sau đó tính sự tương quan với thang đo lấy tổng. Các giá trị tương quan cao cho thấy thang đo đo lường tốt khái niệm dự định.
- Giá trị phân biệt đánh giá mức độ phân biệt giữa hai khái niệm lý thuyết giống nhau. Sự dụng kiểm định tương quan để phân tích mối quan hệ giữa hai thang đo lấy tổng giống nhau nhưng đo lường hai khái niệm khác nhau. Giá trị tương quan nhỏ cho biết thang đo lấy tổng này đủ khác so với khái niệm tương tự.
- Giá trị lý luận đề cập đến mức độ mà một thang đo lấy tổng tạo ra những dự báo chính xác cho các khái niệm khác trong một mô hình dựa trên lý thuyết. Nhà nghiên cứu phải xác định lý thuyết hỗ trợ các mối quan hệ từ các nghiên cứu trước và đánh giá liệu thang đo có phù hợp với các mối quan hệ này. Hay nói đơn giản là giá trị lý luận cho biến mức độ một thang đo mô tả các mối quan hệ đã tồn tại dựa trên lý thuyết hoặc nghiên cứu trước.
[1] Ở đây, đề cập đến khái niệm đơn hướng. Để kiểm tra độ tin cậy bên trong của các khái niệm đa hướng thì chúng ta phải lần lượt kiểm tra riêng rẽ các khái niệm con của khái niệm đa hướng này. Theo đó, để khái niệm đa hướng đảm bảo được độ tin cậy bên trong thì các khái niệm thành phần của nó phải là khái niệm đơn hướng.
0 nhận xét:
Đăng nhận xét