Khi tiến hành phân tích nhân tố khám phá EFA, Eigenvalue (giá trị riêng) đóng vai trò quan trọng trong việc quyết định số lượng thành phần chính hoặc nhân tố cần giữ lại. Vậy vì sao Eigenvalue cần lớn hơn 1 mới được xem là hợp lệ? Hãy cùng Marketing Du Ký tìm ra câu trả lời nhé.
1. Eigenvalue là gì?
Trước khi đi sâu vào nguyên nhân vì sao Eigenvalue cần lớn hơn 1, chúng ta cần hiểu rõ Eigenvalue là gì. Trong đại số tuyến tính, Eigenvalue là một giá trị vô hướng biểu thị mức độ quan trọng của một vector riêng tương ứng.
Trong phân tích nhân tố, Eigenvalue phản ánh tầm quan trọng của một nhân tố tiềm ẩn trong việc giải thích mối quan hệ giữa các biến.
Hiểu theo cách đơn giản, Eigenvalue càng lớn, thành phần chính hoặc nhân tố đó càng đóng góp nhiều vào việc giải thích cấu trúc dữ liệu.
2. Vì sao Eigenvalue > 1 được xem là hợp lệ?
Căn cứ theo tiêu chí Kaiser (được đặt theo tên nhà tâm lý học Henry Kaiser), là một quy tắc phổ biến để lựa chọn số lượng thành phần chính hoặc nhân tố cần giữ lại. Theo tiêu chí này, chỉ những thành phần có Eigenvalue lớn hơn 1 mới được xem là đáng kể. Nguyên nhân là vì:
Eigenvalue < 1: Có nghĩa là nhân tố đó giải thích ít phương sai hơn một biến đơn lẻ. Giữ lại những thành phần này thường không mang lại giá trị đáng kể và có thể làm phức tạp mô hình mà không cải thiện khả năng giải thích dữ liệu.
Eigenvalue > 1: Có nghĩa là nhân tố đó giải thích nhiều phương sai hơn một biến đơn lẻ, giúp tóm tắt dữ liệu hiệu quả hơn và xứng đáng được giữ lại.
Tóm lại, tiêu chí Kaiser đảm bảo rằng chỉ những nhân tố có đóng góp đáng kể vào phương sai của dữ liệu mới được chọn. Điều này giúp đơn giản hóa mô hình mà vẫn giữ được thông tin quan trọng. Chính vì vậy, bạn chỉ nên giữ lại các nhân tố có Eigenvalue > 1 khi phân tích EFA nhé.
Hy vọng rằng bạn đã có thể hiểu được nguyên nhân vì sao Eigevalue cần lớn hơn 1 mới được xem là hợp lệ thông qua bài viết này của Marketing Du Ký.
