Khi phân tích nhân tố khám phá, việc nên chạy EFA của biến phụ thuộc chung hay riêng với biến độc lập là sự quan tâm của rất nhiều nhà nghiên cứu. Trong bài viết này, Marketing Du Ký sẽ hướng dẫn các bạn cách chạy EFA cho biến phụ thuộc.
1. Quan điểm chạy EFA riêng
Phần lớn các nhà nghiên cứu đều khuyến nghị rằng nên chạy EFA riêng cho biến phụ thuộc và biến độc lập. Theo các quan điểm truyền thống, việc chạy EFA riêng sẽ giúp đảm bảo tính độc lập cũng như giá trị phân biệt đối với các biến tiềm ẩn trong mô hình nghiên cứu.
Trên thực tế, việc chạy EFA riêng cho biến phụ thuộc và biến độc lập vẫn sẽ có một số ưu, nhược điểm sau.
Đảm bảo sự rõ ràng của mô hình nghiên cứu: Trên thực tế, ta luôn kỳ vọng rằng giữa các biến độc lập và biến phụ thuộc sẽ có sự phân biệt rõ ràng về mặt nội dung. Thế nên, việc chạy EFA riêng sẽ giúp tránh việc trộn lẫn các khái niệm.
Tránh sự tương quan cao giữa các biến: Khi chạy EFA riêng, các nhân tố được tạo thành từ biến độc lập và biến phụ thuộc sẽ trở nên rõ ràng hơn. Điều này giúp giảm thiểu nguy cơ nhầm lẫn trong quá trình phân tích dữ liệu và trình bày kết quả.
Đảm bảo tính nhất quán của cấu trúc thang đo: Việc phân tích nhân tố khám phá sẽ giúp kiểm tra và nhóm các biến quan sát thành các biến tiềm ẩn đồng nhất. Điều này có ý nghĩa đặc biệt quan trọng vì mỗi biến tiềm ẩn sẽ đánh giá một khía cạnh khác nhau của lý thuyết nghiên cứu.
1.2. Nhược điểm
Bỏ sót các mối quan hệ tiềm ẩn: Trên thực tế, một biến quan sát có thể vừa đóng vai trò dự báo, vừa đóng vai trò chịu tác động. Do đó, việc chạy EFA riêng cho biến độc lập và biến phụ thuộc rất dễ khiến nhà nghiên cứu bỏ qua các mối quan hệ tiềm ẩn.
Không phù hợp với các nghiên cứu khám phá: Mục đích chính của việc phân tích EFA là tìm ra các biến tiềm ẩn trong mô hình nghiên cứu. Do đó, việc bỏ sót những mối quan hệ tiềm ẩn sẽ không phù hợp với những nghiên cứu mang tính khám phá.
Tăng thời gian và công sức xử lý dữ liệu: Nếu nhà nghiên cứu thực hiện EFA chung chỉ cần 1 lần phân tích dữ liệu thì việc chạy EFA riêng cho từng nhóm biến sẽ đòi hỏi nhiều bước phân tích hơn. Điều này làm tăng thời gian và công sức cần thiết trong quá trình xử lý dữ liệu.
2. Quan điểm chạy EFA chung
Trái ngược với quan điểm trên, một số nhà nghiên cứu lại cho rằng nên chạy EFA chung cho các biến độc lập và biến phụ thuộc. Việc chạy EFA chung cũng tiềm ẩn một số ưu và nhược điểm nhất định.
2.1. Ưu điểm
Khám phá các nhân tố tiềm ẩn mới: Việc chạy EFA chung cho biến độc lập và biến phụ thuộc có thể giúp các nhà nghiên cứu phát hiện ra các nhân tố mới mà lý thuyết chưa xác định được.
Giảm số lượng nhân tố trùng lặp: Trên thực tế, việc tận dụng toàn bộ dữ liệu của biến độc lập và biến phụ thuộc có thể giúp phát hiện các nhân tố bị trùng lặp. Từ đó, các nhà nghiên cứu có thể điều chỉnh lại mô hình nghiên cứu cho phù hợp hơn.
Tiết kiệm thời gian và công sức: Dù đây không phải là nhân chính giúp thúc đẩy các nhà nghiên cứu lựa chọn phương pháp này. Tuy nhiên, việc chạy EFA chung cho cả biến độc lập lẫn phụ thuộc sẽ trở nên tiện lợi hơn khá nhiều so với việc chạy riêng.
2.2. Nhược điểm
Tăng khả năng xuất hiện nhân tố mới không mong muốn: Việc xuất hiện các nhân tố tiềm ẩn không mong muốn xảy ra khá thường xuyên. Từ đó, hệ lụy xảy ra là gây khó khăn cho nhà nghiên cứu khi đưa ra kết luận.
Kết quả có nguy cơ không phù hợp với mô hình nghiên cứu: Trên thực tế, các nhân tố tiềm ẩn mới thường không đại diện cho bất kỳ lý thuyết nào trong mô hình nghiên cứu. Điều này khiến các nhà nghiên cứu phải chỉnh sửa mô hình nghiên cứu hoặc điều chỉnh bảng câu hỏi khảo sát.
Vi phạm giả định nghiên cứu: Đối với phép xoay vuông góc (Varimax), các nhân tố được giả định là không tương quan với nhau. Tuy nhiên, nếu đưa cả biến phụ thuộc và độc lập vào chung có thể làm vi phạm giả định này, dẫn đến kết quả không chính xác.
3. Nên chạy EFA chung hay riêng cho biến phụ thuộc ?
Như đã trình bày, việc chạy EFA chung hay riêng cho biến phụ thuộc đều có những ưu và nhược điểm riêng. Tuy nhiên, để đưa ra quyết định phù hợp nhất thì bạn còn phải dựa trên đặc trưng của nghiên cứu và phương pháp phân tích dữ liệu.
3.1. Khi nào nên chạy EFA riêng cho biến phụ thuộc ?
Chưa có cơ sở lý thuyết đủ mạnh: Trong trường hợp mà bạn chưa có đầy đủ cơ sở lý thuyết để chứng minh mối quan hệ giữa biến độc lập và biến phụ thuộc thì phương án chạy EFA riêng sẽ là sự lựa chọn an toàn. Phương án này giúp tránh tình trạnh gộp biến không mong muốn.
Số lượng biến quan sát ở mỗi cấu trúc đủ lớn: Trên thực tế, nếu số lượng biến quan sát trong cấu trúc càng lớn thì độ tin cậy của kết quả đo lường lại càng cao. Điều này có ý nghĩa đặc biệt quan trọng đối với biến phụ thuộc.
Đánh giá chi tiết cấu trúc nội tại của các biến: Nếu mục tiêu nghiên cứu của bạn là tìm hiểu sâu về cấu trúc nội tại của từng biến tiềm ẩn thì chạy EFA riêng cho biến độc lập và biến phụ thuộc là sự lựa chọn phù hợp.
3.2. Khi nào nên chạy EFA chung cho biến phụ thuộc ?
Có cơ sở lý thuyết đã được kiểm chứng: Nếu bạn đã xây dựng mô hình nghiên cứu từ các lý thuyết nghiên cứu đã được kiểm chứng thì việc chạy EFA chung sẽ giúp khám phá sâu hơn về cấu trúc tiềm ẩn chung giữa hai nhóm biến.
Số lượng biến quan sát ở mỗi cấu trúc nhỏ: Trong trường hợp số lượng biến quan sát ở mỗi cấu trúc quá ít, việc chạy EFA chung cho biến độc lập và biến phụ thuộc có thể làm tăng độ tin cậy của kết quả.
Thu gọn mô hình nghiên cứu: Như đã đề cập, việc chạy EFA chung có thể giúp giảm đáng kể các biến quan sát trùng lặp. Từ đó, mô hình nghiên cứu sẽ được tinh gọn và phù hợp để phân tích nhân tố khẳng định (CFA) hoặc chạy mô hình cấu trúc tuyến tính (SEM).
Như vậy, việc nên chạy EFA cho biến phụ thuộc chung hay riêng với biến độc lập còn tùy thuộc vào đặc điểm của dữ liệu và mục tiêu. Thông qua bài viết này, Marketing Du Ký mong rằng bạn đã tìm ra cách chạy EFA cho biến phụ thuộc phù hợp với đề tài nghiên cứu của mình.
