Kiểm định Harman's one-factor

 

1. Kiểm định Harman's one-factor để làm gì?

Kiểm định Harman's one-factor (kiểm định đơn nhân tố Harman) là một công cụ phổ biến để phát hiện hiện tượng sai lệch phương pháp chung CMB (Common Method Bias) hoặc phương sai phương pháp chung CMV (Common Method Variance). 

CMB hay CMV (sau đây sẽ gọi chung là CMB) mang hàm ý dữ liệu ở các nhân tố khác nhau nhưng lại khá tương tự nhau, đây là một điều không tốt trong xử lý dữ liệu. Nói dễ hiểu hơn trên thực tế, CMB là tình trạng đáp viên trả lời câu hỏi khảo sát bao lô, đánh đáp án hàng loạt giống nhau mà không đọc nội dung câu hỏi. Việc trả lời cho xong, bao lô làm cho dữ liệu ở các yếu tố khác nhau lại tương tự nhau, gây ra các vấn đề về vi phạm tính phân biệt, vi phạm cộng tuyến dữ liệu.

Kiểm định Harman là một trong những kỹ thuật phổ biến nhất đã được các nhà nghiên cứu sử dụng đến 12% trong các nghiên cứu (Cooper và cộng sự, 2020). Tuy nhiên, cũng có quan điểm khác cho rằng kiểm định Harman trong đánh giá CMB không thực sự chính xác bởi tác giả Harman cũng không hề đề cập tới ngưỡng giá trị phương sai trích được giải thích là bao nhiêu thì kết luận xuất hiện CMB, bao nhiêu thì không xuất hiện CMB (Podsakoff và cộng sự, 2003).

2. Cơ chế đánh giá CMB của kiểm định Harman

Với kiểm định Harman, tất cả biến quan sát thuộc các nhân tố được đưa vào chung một lần phân tích EFA để kiểm tra xem liệu rằng có một nhân tố đơn nào được trích giải thích phần lớn dữ liệu của tất cả các biến quan sát được đưa vào hay không. Nếu có nhân tố đơn nào có phương sai trích rất lớn nghĩa là dữ liệu có CMB (Chang và cộng sự, 2010). Cooper và cộng sự (2020) đưa ra ngưỡng phương sai trích này là 50%, trên 50% là có CMB (không tốt), dưới 50% là không có CMB (tốt).

3. Cơ chế đánh giá CMB của kiểm định Harman

Tehseen và cộng sự (2017) hướng dẫn thực hiện kiểm định Harman bằng phân tích EFA trên phần mềm SPSS như sau:

Bước 1: Thực hiện phân tích nhân tố EFA theo hướng dẫn tại bài viết này. Đưa toàn bộ các biến quan sát thuộc tất cả các nhân tố vào chung một lần EFA.

Bước 2: Vào tùy chọn Descriptives, tích chọn mục KMO and Barlett’s test of sphericity để xuất bảng giá trị KMO và giá trị sig của kiểm định Barlett. Tại tùy chọn phép trích Extraction chọn Principal Components. Tại tùy chọn phép xoay Rotation để mặc định None (không xoay).

Bước 3: Xem giá trị % of Variance của nhân tố đầu tiên trong cột Extraction Sums of Squared Loadings thuộc bảng Total Variance Explained, theo nếu phương sai trích này lớn hơn 50% thì dữ liệu có CMB (không tốt), nếu nhỏ hơn 50% thì không có CMB (tốt). 

Nhân tố đầu tiên giải thích có phương sai là 27.641% < 50%. Như vậy, không có sự hiện diện của CMB.

Categories: DỊCH VỤ, EVIEWS, LUẬN VĂN, NGHIÊN CỨU KHOA HỌC, PHẦN MỀM