Phân tích EFA – Kiểm tra giá trị hội tụ & giá trị phân biệt

Trước khi kiểm định lý thuyết khoa học thì cần phải đánh giá độ tin cậy và giá trị của thang đo. Phương pháp Cronbach Alpha dùng để đánh giá độ tin cậy của thang đo. Còn phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.

Như các bạn đã biết khi phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) thì ngoài việc phải đảm bảo “Giá trị hội tụ” (các items hội tụ về cùng 1 nhân tố) thì còn phải đảm bảo “Giá trị phân biệt” (thuộc về nhân tố này và phải phân biệt với nhân tố khác).

Như trong hình minh họa, khi 1 items load đồng thời cùng lúc lên 2 or nhiều nhân tố, để đảm bảo “giá trị phân biệt” thì các hệ số tải của cùng 1 items đó khi load lên các nhân tố phải chênh nhau 0.3 thì lúc đó bạn mới giữ lại item này và nó sẽ thuộc về nhân tố mà nó tải lên cao nhất (đương nhiên là phải thỏa điều kiện hệ số tải >0.5).

Trường hợp ngược lại thì bạn cân nhắc loại item này vì nó không thỏa việc đảm bảo “giá trị phân biệt”.

Lưu ý: khi có nhiều items vi phạm các điều kiện khi chạy phân tích EFA thì nguyên tắc là bạn sẽ loại từng item một, item nào xấu nhất sẽ bị loại trước.

Các bạn có thể tham khảo nguồn như sau nhé: “Tại mỗi Item, chênh lệch |Factor Loading| lớn nhất và |Factor Loading| bất kỳ phải >=0.3 (Jabnoun & Al-Tamimi, 2003)”